Wzory indeksów wielospektralnych

This page lists some multispectral indices that Chloros uses

Poniższe wzory na wskaźniki wykorzystują kombinację średnich zakresów przepuszczalności filtra Survey3:

Kolor filtra Survey3	Survey3 Nazwa filtra	Zakres przepuszczalności (FWHM)	Średnia przepuszczalność
Blue	NGB – Blue	468–483 nm	475 nm
Cyan	OCN- Cyan	476–512 nm	494 nm
Green	RGN | NGB - Green	543–558 nm	547 nm
Orange	OCN - Orange	598–640 nm	619 nm
Red	RGN – Red	653–668 nm	661 nm
RedEdge	Re - RedEdge	712–735 nm	724 nm
NIR1	OCN - NIR1	798–848 nm	823 nm
NIR2	RGN | NGB | NIR - NIR2	835–865 nm	850 nm

W przypadku stosowania tych wzorów nazwa może kończyć się na „\_1” lub „\_2”, co odpowiada temu, który filtr NIR, NIR1 czy NIR2, został użyty.

---

EVI – Ulepszony wskaźnik wegetacji

Wskaźnik ten został pierwotnie opracowany do stosowania z danymi MODIS jako ulepszenie w stosunku do NDVI poprzez optymalizację sygnału wegetacyjnego na obszarach o wysokim wskaźniku powierzchni liści (LAI). Jest on najbardziej przydatny w regionach o wysokim wskaźniku LAI, gdzie NDVI może ulegać nasyceniu. Wykorzystuje on zakres odbicia niebieskiego do korekcji sygnałów tła gleby oraz do redukcji wpływów atmosferycznych, w tym rozpraszania aerozoli.

$$EVI = 2.5 * {(NIR - Red) \over (NIR + 6 * Red - 7.5 * Blue + 1)}$$

Wartości EVI powinny mieścić się w zakresie od 0 do 1 dla pikseli roślinności. Jasne obiekty, takie jak chmury i białe budynki, wraz z ciemnymi obiektami, takimi jak woda, mogą powodować anomalne wartości pikseli na obrazie EVI. Przed utworzeniem obrazu EVI należy zamaskować chmury i jasne obiekty z obrazu odbicia oraz opcjonalnie ustawić próg wartości pikseli od 0 do 1.

Źródło: Huete, A. i in. „Przegląd właściwości radiometrycznych i biofizycznych wskaźników roślinności MODIS”. Remote Sensing of Environment 83 (2002):195–213.

---

FCI1 – Wskaźnik pokrycia lasów 1

Wskaźnik ten odróżnia korony drzew od innych rodzajów roślinności przy użyciu wielospektralnych obrazów odbicia, które zawierają pasmo czerwonej krawędzi.

$$FCI1 = Red * RedEdge$$

Obszary zalesione będą miały niższe wartości FCI1 ze względu na niższy współczynnik odbicia drzew oraz obecność cieni w koronie drzew.

Źródło: Becker, Sarah J., Craig S.T. Daughtry i Andrew L. Russ. „Solidne wskaźniki pokrycia lasów dla obrazów wielospektralnych”. Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

FCI2 – Wskaźnik pokrycia lasem 2

Wskaźnik ten odróżnia korony drzew od innych rodzajów roślinności przy użyciu wielospektralnych obrazów odbicia, które nie zawierają pasma czerwonej krawędzi.

$$FCI2 = Red * NIR$$

Obszary leśne będą miały niższe wartości FCI2 ze względu na niższy współczynnik odbicia drzew oraz obecność cieni w koronie drzew.

Źródło: Becker, Sarah J., Craig S.T. Daughtry i Andrew L. Russ. „Robust forest cover indices for multispectral images” („Solidne wskaźniki pokrycia lasów dla obrazów wielospektralnych”). Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

GEMI – Wskaźnik globalnego monitoringu środowiska

Ten nieliniowy wskaźnik roślinności służy do globalnego monitorowania środowiska na podstawie obrazów satelitarnych i ma na celu korektę wpływu czynników atmosferycznych. Jest podobny do NDVI, ale jest mniej wrażliwy na czynniki atmosferyczne. Wpływa na niego odsłonięta gleba, dlatego nie zaleca się jego stosowania na obszarach o rzadkiej lub umiarkowanie gęstej roślinności.

$$GEMI = eta (1 - 0.25 * eta) - {Red - 0.125 \over 1 - Red}$$

Gdzie:

$$eta = {2(NIR^{2}-Red^{2}) + 1.5 * NIR + 0.5 * Red \over NIR + Red + 0.5}$$

Źródło: Pinty, B. i M. Verstraete. GEMI: nieliniowy wskaźnik do monitorowania globalnej roślinności z satelitów. Vegetation 101 (1992): 15-20.

---

GARI – Green Wskaźnik odporny na wpływ atmosfery

Wskaźnik ten jest bardziej czuły na szeroki zakres stężeń chlorofilu i mniej wrażliwy na wpływ atmosfery niż NDVI.

$$GARI = {NIR - [Green - \gamma(Blue - Red)] \over NIR + [Green - \gamma(Blue - Red)] }$$

Stała gamma jest funkcją ważenia zależną od warunków aerozolowych w atmosferze. ENVI stosuje wartość 1,7, która jest wartością zalecaną przez Gitelsona, Kaufmana i Merzylaka (1996, strona 296).

Źródło: Gitelson, A., Y. Kaufman i M. Merzylak. „Wykorzystanie kanału Green w teledetekcji globalnej roślinności z EOS-MODIS”. Remote Sensing of Environment 58 (1996): 289-298.

---

GCI – Green Wskaźnik chlorofilu

Wskaźnik ten służy do szacowania zawartości chlorofilu w liściach szerokiej gamy gatunków roślin.

$$GCI = {NIR \over Green} - 1$$

Zastosowanie szerokiego zakresu długości fal NIR i zielonych zapewnia lepsze przewidywanie zawartości chlorofilu, jednocześnie umożliwiając większą czułość i wyższy stosunek sygnału do szumu.

Źródło: Gitelson, A., Y. Gritz i M. Merzlyak. „Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves” („Związki między zawartością chlorofilu w liściach a odbiciem spektralnym oraz algorytmy do nieniszczącej oceny chlorofilu w liściach roślin wyższych”). Journal of Plant Physiology 160 (2003): 271–282.

---

GLI – Green Indeks liści

Indeks ten został pierwotnie zaprojektowany do użytku z cyfrową kamerą RGB w celu pomiaru pokrywy pszenicy, gdzie cyfrowe wartości (DN) dla kolorów czerwonego, zielonego i niebieskiego mieszczą się w zakresie od 0 do 255.

$$GLI = {(Green - Red) + (Green - Blue) \over (2 * Green) + Red + Blue }$$

Wartości GLI mieszczą się w przedziale od -1 do +1. Wartości ujemne odpowiadają glebie i elementom nieożywionym, natomiast wartości dodatnie odpowiadają zielonym liściom i łodygom.

Źródło: Louhaichi, M., M. Borman i D. Johnson. „Spatially Located Platform and Aerial Photography for Documentation of Grazing Impacts on Wheat.” Geocarto International 16, nr 1 (2001): 65-70.

---

GNDVI – Green Znormalizowany wskaźnik różnicy wegetacji

Wskaźnik ten jest podobny do NDVI, z tą różnicą, że mierzy on spektrum zielone w zakresie od 540 do 570 nm zamiast spektrum czerwonego. Wskaźnik ten jest bardziej czuły na stężenie chlorofilu niż NDVI.

$$GNDVI = {(NIR - Green) \over (NIR + Green) }$$

Źródło: Gitelson, A. i M. Merzlyak. „Remote Sensing of Chlorophyll Concentration in Higher Plant Leaves” („Teledetekcja stężenia chlorofilu w liściach roślin wyższych”). Advances in Space Research 22 (1998): 689-692.

---

GOSAVI - Green Zoptymalizowany wskaźnik wegetacji skorygowany o właściwości gleby

Wskaźnik ten został pierwotnie opracowany przy użyciu fotografii kolorowo-podczerwonej w celu prognozowania zapotrzebowania kukurydzy na azot. Jest on podobny do OSAVI, ale zastępuje pasmo zielone pasmem czerwonym.

$$GOSAVI = {NIR - Green \over NIR + Green + 0.16) }$$

Źródło: Sripada, R. i in. „Określanie zapotrzebowania kukurydzy na azot w trakcie sezonu przy użyciu lotniczych zdjęć w kolorze i podczerwieni”. Rozprawa doktorska, Uniwersytet Stanowy Karoliny Północnej, 2005.

---

GRVI – Wskaźnik wegetacji oparty na stosunku Green

Wskaźnik ten jest wrażliwy na tempo fotosyntezy w koronach drzew, ponieważ na odbicie światła zielonego i czerwonego silny wpływ mają zmiany w pigmentacji liści.

$$GRVI = {NIR \over Green }$$

Źródło: Sripada, R. i in. „Fotografia lotnicza w kolorze i podczerwieni do określania wczesnego zapotrzebowania kukurydzy na azot w sezonie”. Agronomy Journal 98 (2006): 968-977.

---

GSAVI – Green Wskaźnik wegetacji skorygowany o glebę

Wskaźnik ten został pierwotnie opracowany przy użyciu fotografii kolorowo-podczerwonej w celu prognozowania zapotrzebowania kukurydzy na azot. Jest on podobny do SAVI, ale zastępuje pasmo zielone pasmem czerwonym.

$$GSAVI = 1.5 * {(NIR - Green) \over (NIR + Green + 0.5) }$$

Źródło: Sripada, R. i in. „Określanie zapotrzebowania kukurydzy na azot w trakcie sezonu przy użyciu lotniczych zdjęć w kolorze i podczerwieni”. Rozprawa doktorska, North Carolina State University, 2005.

---

LAI – Wskaźnik powierzchni liści

Wskaźnik ten służy do oszacowania pokrywy liściowej oraz prognozowania wzrostu i plonów upraw. ENVI oblicza zielony LAI przy użyciu następującego wzoru empirycznego autorstwa Boegha i in. (2002):

$$LAI = 3.618 * EVI - 0.118$$

Gdzie EVI to:

$$EVI = 2.5 * {(NIR - Red) \over (NIR + 6 * Red - 7.5 * Blue + 1)}$$

Wysokie wartości LAI zazwyczaj mieszczą się w przedziale od około 0 do 3,5. Jednak gdy scena zawiera chmury i inne jasne elementy, które powodują nasycenie pikseli, wartości LAI mogą przekraczać 3,5. Najlepiej byłoby zamaskować chmury i jasne elementy ze sceny przed utworzeniem obrazu LAI.

Źródło: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde i A. Thomsen. „Airborne Multi-spectral Data for Quantifying Leaf Area Index, Nitrogen Concentration and Photosynthetic Efficiency in Agriculture.” Remote Sensing of Environment 81, nr 2-3 (2002): 179-193.

---

LCI – Wskaźnik chlorofilu liści

Wskaźnik ten służy do szacowania zawartości chlorofilu w roślinach wyższych, wrażliwych na zmiany współczynnika odbicia spowodowane absorpcją chlorofilu.

$$LCI = {NIR2 - RedEdge \over NIR2 + Red}$$

Źródło: Datt, B. „Zdalne wykrywanie zawartości wody w liściach eukaliptusa”. Journal of Plant Physiology 154, nr 1 (1999): 30-36.

---

MNLI – zmodyfikowany wskaźnik nieliniowy

Wskaźnik ten stanowi ulepszenie wskaźnika nieliniowego (NLI), który uwzględnia wskaźnik wegetacji skorygowany o glebę (SAVI) w celu uwzględnienia tła glebowego. ENVI stosuje wartość współczynnika korekcji tła korony drzew (L) wynoszącą 0,5.

$$MNLI = {(NIR^{2} - Red) * (1 + L) \over (NIR^{2} + Red + L) }$$

Źródło: Yang, Z., P. Willis i R. Mueller. „Wpływ obrazu AWIFS o ulepszonym stosunku pasm na dokładność klasyfikacji upraw”. Materiały z sympozjum Pecora 17 Remote Sensing Symposium (2008), Denver, CO.

---

MSAVI2 – zmodyfikowany wskaźnik wegetacji skorygowany o glebę 2

Wskaźnik ten jest uproszczoną wersją wskaźnika MSAVI zaproponowanego przez Qi i in. (1994), który stanowi ulepszenie wskaźnika wegetacji skorygowanego o glebę (SAVI). Zmniejsza on szum gleby i zwiększa zakres dynamiczny sygnału wegetacyjnego. MSAVI2 opiera się na metodzie indukcyjnej, która nie wykorzystuje stałej wartości L (jak w przypadku SAVI) do wyróżnienia zdrowej roślinności.

$$MSAVI2 = {2 * NIR + 1 - \sqrt{(2 * NIR + 1)^{2} - 8(NIR - Red)} \over 2}$$

Źródło: Qi, J., A. Chehbouni, A. Huete, Y. Kerr i S. Sorooshian. „A Modified Soil Adjusted Vegetation Index.” Remote Sensing of Environment 48 (1994): 119-126.

---

NDRE – znormalizowana różnica RedEdge

Wskaźnik ten jest podobny do NDVI, ale porównuje kontrast między NIR a RedEdge zamiast Red, co często pozwala wykryć stres roślinności wcześniej.

$$NDRE = {NIR - RedEdge \over NIR + RedEdge }$$

---

NDVI – znormalizowany wskaźnik różnicy wegetacji

Wskaźnik ten jest miarą zdrowej, zielonej roślinności. Połączenie jego znormalizowanej formuły różnicy oraz wykorzystania obszarów o najwyższej absorpcji i odbiciu chlorofilu sprawia, że jest on odporny na szeroki zakres warunków. Może jednak ulegać nasyceniu w warunkach gęstej roślinności, gdy wartość LAI staje się wysoka.

$$NDVI = {NIR - Red \over NIR + Red }$$

Wartość tego wskaźnika mieści się w przedziale od -1 do 1. Typowy zakres dla zielonej roślinności wynosi od 0,2 do 0,8.

Źródło: Rouse, J., R. Haas, J. Schell i D. Deering. Monitoring systemów roślinności na Wielkich Równinach za pomocą ERTS. Trzecie sympozjum ERTS, NASA (1973): 309-317.

---

NLI – wskaźnik nieliniowy

Wskaźnik ten zakłada, że zależność między wieloma wskaźnikami roślinności a powierzchniowymi parametrami biofizycznymi jest nieliniowa. Linearyzuje on zależności z parametrami powierzchniowymi, które zazwyczaj są nieliniowe.

$$NLI = {NIR^{2} - Red \over NIR^{2} + Red }$$

Źródło: Goel, N. i W. Qin. „Wpływ architektury korony drzew na zależności między różnymi indeksami roślinności a LAI i Fpar: symulacja komputerowa”. Remote Sensing Reviews 10 (1994): 309-347.

---

OSAVI – Zoptymalizowany wskaźnik wegetacji skorygowany o glebę

Wskaźnik ten opiera się na wskaźniku wegetacji skorygowanym o glebę (SAVI). Wykorzystuje on standardową wartość 0,16 jako współczynnik korekcji tła korony drzew. Rondeaux (1996) ustalił, że wartość ta zapewnia większą zmienność gleby niż SAVI w przypadku niskiego pokrycia roślinnością, wykazując jednocześnie zwiększoną czułość na pokrycie roślinnością powyżej 50%. Wskaźnik ten najlepiej sprawdza się na obszarach o stosunkowo rzadkiej roślinności, gdzie gleba jest widoczna przez koronę drzew.

$$OSAVI = {(NIR - Red) \over (NIR + Red + 0.16) }$$

Źródło: Rondeaux, G., M. Steven i F. Baret. „Optimization of Soil-Adjusted Vegetation Indices”. Remote Sensing of Environment 55 (1996): 95-107.

---

RDVI – Renormalized Difference Vegetation Index

Wskaźnik ten wykorzystuje różnicę między długościami fal bliskiej podczerwieni i czerwieni, wraz z NDVI, w celu wyróżnienia zdrowej roślinności. Jest on niewrażliwy na wpływ gleby i geometrii widzenia Słońca.

$$RDVI = {(NIR- Red) \over \sqrt{(NIR + Red)} }$$

Źródło: Roujean, J. i F. Breon. „Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements” („Oszacowanie PAR pochłanianego przez roślinność na podstawie pomiarów odbicia dwukierunkowego”). Remote Sensing of Environment 51 (1995): 375-384.

---

SAVI – Wskaźnik roślinności skorygowany o glebę

Wskaźnik ten jest podobny do NDVI, ale eliminuje wpływ pikseli gleby. Wykorzystuje on współczynnik korekcji tła korony drzew, L, który jest funkcją gęstości roślinności i często wymaga wcześniejszej wiedzy na temat ilości roślinności. Huete (1988) sugeruje optymalną wartość L=0,5 w celu uwzględnienia zmian tła gleby pierwszego rzędu. Wskaźnik ten najlepiej sprawdza się na obszarach o stosunkowo rzadkiej roślinności, gdzie gleba jest widoczna przez korony drzew.

$$SAVI = {1.5 * (NIR- Red) \over (NIR + Red + 0.5) }$$

Źródło: Huete, A. „Wskaźnik roślinności skorygowany o glebę (SAVI)”. Remote Sensing of Environment 25 (1988): 295-309.

---

TDVI – Transformed Difference Vegetation Index (Przekształcony wskaźnik różnicowy roślinności)

Wskaźnik ten jest przydatny do monitorowania pokrywy roślinnej w środowiskach miejskich. Nie ulega nasyceniu, jak NDVI i SAVI.

$$TDVI = 1.5 * {(NIR- Red) \over \sqrt{NIR^{2} + Red + 0.5} }$$

Źródło: Bannari, A., H. Asalhi i P. Teillet. „Transformed Difference Vegetation Index (TDVI) for Vegetation Cover Mapping” [Przekształcony wskaźnik różnicowy roślinności (TDVI) do mapowania pokrywy roślinnej] w: Proceedings of the Geoscience and Remote Sensing Symposium, IGARSS '02, IEEE International, tom 5 (2002).

---

VARI – Wskaźnik widzialny odporny na wpływ atmosfery

Wskaźnik ten opiera się na ARVI i służy do oszacowania udziału roślinności w scenie przy niskiej wrażliwości na czynniki atmosferyczne.

$$VARI = {Green - Red \over Green + Red - Blue }$$

Źródło: Gitelson, A. i in. „Linie roślinności i gleby w przestrzeni widmowej widzialnej: koncepcja i technika zdalnego szacowania udziału roślinności”. International Journal of Remote Sensing 23 (2002): 2537−2562.

---

WDRVI – Wskaźnik roślinności o szerokim zakresie dynamicznym

Wskaźnik ten jest podobny do NDVI, ale wykorzystuje współczynnik ważenia (a) w celu zmniejszenia dysproporcji między udziałem sygnałów bliskiej podczerwieni i czerwonych w NDVI. Wskaźnik WDRVI jest szczególnie skuteczny w scenach o umiarkowanej lub wysokiej gęstości roślinności, gdy wartość NDVI przekracza 0,6. NDVI ma tendencję do wyrównywania się wraz ze wzrostem udziału roślinności i wskaźnika powierzchni liści (LAI), podczas gdy WDRVI jest bardziej wrażliwy na szerszy zakres udziału roślinności oraz na zmiany w LAI.

$$WDRVI = {(\alpha * NIR- Red) \over (\alpha * NIR + Red)}$$

Współczynnik ważenia (a) może wynosić od 0,1 do 0,2. Wartość 0,2 jest zalecana przez Henebry'ego, Viñę i Gitelsona (2004).

Bibliografia

Gitelson, A. „Wide Dynamic Range Vegetation Index for Remote Quantification of Biophysical Characteristics of Vegetation.” Journal of Plant Physiology 161, nr 2 (2004): 165-173.

Henebry, G., A. Viña i A. Gitelson. „Wskaźnik wegetacji o szerokim zakresie dynamicznym i jego potencjalna przydatność w analizie luk”. Gap Analysis Bulletin 12: 50–56.