Формулы мультиспектральных индексов

This page lists some multispectral indices that Chloros uses

В приведенных ниже формулах индекса используется комбинация средних диапазонов пропускания фильтра Survey3:

Survey3 Цвет фильтра	Survey3 Название фильтра	Диапазон пропускания (FWHM)	Средняя пропускаемость
Blue	NGB - Blue	468-483 нм	475 нм
Cyan	OCN- Cyan	476-512 нм	494 нм
Green	RGN | NGB - Green	543-558 нм	547 нм
Orange	OCN - Orange	598-640 нм	619 нм
Red	RGN - Red	653-668 нм	661 нм
RedEdge	Re - RedEdge	712-735 нм	724 нм
NIR1	OCN - NIR1	798-848 нм	823 нм
NIR2	RGN | NGB | NIR - NIR2	835-865 нм	850 нм

При использовании этих формул название может заканчиваться на «\_1» или «\_2», что соответствует тому, какой фильтр NIR был использован: NIR1 или NIR2.

---

EVI — усовершенствованный индекс растительности

Этот индекс был первоначально разработан для использования с данными MODIS в качестве усовершенствования по сравнению с NDVI путем оптимизации сигнала растительности в областях с высоким индексом листовой площади (LAI). Он наиболее полезен в регионах с высоким LAI, где NDVI может быть перенасыщен. Он использует область синего отражения для корректировки фоновых сигналов почвы и уменьшения атмосферных воздействий, включая рассеяние аэрозолей.

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

Значения EVI должны находиться в диапазоне от 0 до 1 для пикселей растительности. Яркие объекты, такие как облака и белые здания, а также темные объекты, такие как вода, могут привести к аномальным значениям пикселей в изображении EVI. Перед созданием изображения EVI следует замаскировать облака и яркие объекты на изображении отражения и, при желании, установить пороговое значение пикселей от 0 до 1.

Ссылка: Huete, A., et al. «Обзор радиометрических и биофизических характеристик индексов растительности MODIS». Remote Sensing of Environment 83 (2002):195–213.

---

FCI1 — индекс лесного покрова 1

Этот индекс позволяет отличить лесные полога от других типов растительности с помощью мультиспектральных изображений отражения, включающих красную крайнюю полосу.

$$FCI1 = Red * RedEdge$$

Лесные массивы будут иметь более низкие значения FCI1 из-за более низкой отражательной способности деревьев и наличия теней в пологе.

Ссылка: Беккер, Сара Дж., Крейг С.Т. Дотри и Эндрю Л. Расс. «Надежные индексы лесного покрова для мультиспектральных изображений». Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

FCI2 — индекс лесного покрова 2

Этот индекс отличает лесные полога от других типов растительности с помощью мультиспектральных изображений отражательной способности, которые не включают красную полосу.

$$FCI2 = Red * NIR$$

Лесные массивы будут иметь более низкие значения FCI2 из-за более низкой отражательной способности деревьев и наличия теней в пологе.

Ссылка: Becker, Sarah J., Craig S.T. Daughtry, and Andrew L. Russ. «Надежные индексы лесного покрова для мультиспектральных изображений». Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

GEMI — Индекс глобального мониторинга окружающей среды

Этот нелинейный индекс растительности используется для глобального мониторинга окружающей среды по спутниковым изображениям и пытается скорректировать атмосферные эффекты. Он похож на NDVI, но менее чувствителен к атмосферным эффектам. На него влияет голая почва, поэтому его не рекомендуется использовать в районах с редкой или умеренно плотной растительностью.

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

Где:

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

Ссылка: Pinty, B., and M. Verstraete. GEMI: a Non-Linear Index to Monitor Global Vegetation From Satellites. Vegetation 101 (1992): 15-20.

---

GARI - Green Индекс атмосферной устойчивости

Этот индекс более чувствителен к широкому диапазону концентраций хлорофилла и менее чувствителен к атмосферным воздействиям, чем NDVI.

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

Гамма-константа — это весовая функция, которая зависит от состояния аэрозолей в атмосфере. ENVI использует значение 1,7, которое является рекомендуемым значением по Gitelson, Kaufman и Merzylak (1996, стр. 296).

Ссылка: Gitelson, A., Y. Kaufman, and M. Merzylak. «Использование канала Green в дистанционном зондировании глобальной растительности с помощью EOS-MODIS». Дистанционное зондирование окружающей среды 58 (1996): 289-298.

---

GCI - Green Индекс хлорофилла

Этот индекс используется для оценки содержания хлорофилла в листьях широкого спектра видов растений.

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

Наличие широких NIR и зеленых длин волн обеспечивает более точную оценку содержания хлорофилла, а также более высокую чувствительность и лучшее соотношение сигнал/шум.

Ссылка: Gitelson, A., Y. Gritz, and M. Merzlyak. «Взаимосвязь между содержанием хлорофилла в листьях и спектральным отражением, а также алгоритмы для неразрушающей оценки хлорофилла в листьях высших растений». Журнал физиологии растений 160 (2003): 271-282.

---

GLI - Green Индекс листьев

Этот индекс был первоначально разработан для использования с цифровой камерой RGB для измерения покрытия пшеницы, где красные, зеленые и синие цифровые значения (DN) варьируются от 0 до 255.

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

Значения GLI варьируются от -1 до +1. Отрицательные значения представляют почву и неживые объекты, а положительные значения представляют зеленые листья и стебли.

Ссылка: Louhaichi, M., M. Borman, and D. Johnson. «Пространственно-локальная платформа и аэрофотосъемка для документирования воздействия выпаса на пшеницу». Geocarto International 16, № 1 (2001): 65-70.

---

GNDVI - Green Нормализованный разностный вегетационный индекс

Этот индекс аналогичен NDVI, за исключением того, что он измеряет зеленый спектр от 540 до 570 нм вместо красного спектра. Этот индекс более чувствителен к концентрации хлорофилла, чем NDVI.

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

Ссылка: Gitelson, A., and M. Merzlyak. «Дистанционное зондирование концентрации хлорофилла в листьях высших растений». Advances in Space Research 22 (1998): 689-692.

---

GOSAVI - Green Оптимизированный индекс растительности с поправкой на почву

Этот индекс был первоначально разработан с использованием цветной инфракрасной фотографии для прогнозирования потребности кукурузы в азоте. Он похож на OSAVI, но заменяет зеленый диапазон на красный.

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

Ссылка: Sripada, R., et al. «Определение потребности кукурузы в азоте в течение сезона с помощью аэрофотосъемки в цветном и инфракрасном диапазонах». Докторская диссертация, Университет штата Северная Каролина, 2005 г.

---

GRVI - Green Отношение индексов растительности

Этот индекс чувствителен к скорости фотосинтеза в лесных полосах, поскольку на отражение зеленого и красного цветов сильно влияют изменения в пигментах листьев.

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

Ссылка: Sripada, R., et al. «Аэрофотосъемка в цветном и инфракрасном диапазоне для определения потребности кукурузы в азоте в начале сезона». Agronomy Journal 98 (2006): 968-977.

---

GSAVI - Green Индекс растительности с поправкой на почву

Этот индекс был первоначально разработан с использованием цветной инфракрасной фотографии для прогнозирования потребности кукурузы в азоте. Он аналогичен SAVI, но заменяет зеленый диапазон на красный.

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

Ссылка: Sripada, R., et al. «Определение потребности кукурузы в азоте в течение сезона с помощью аэрофотосъемки в цветном и инфракрасном диапазонах». Докторская диссертация, Университет штата Северная Каролина, 2005 г.

---

LAI — индекс листовой поверхности

Этот индекс используется для оценки лиственной покрова и прогнозирования роста и урожайности сельскохозяйственных культур. ENVI вычисляет зеленый LAI с помощью следующей эмпирической формулы из Boegh et al (2002):

$$LAI = 3.618 * EVI - 0.118$$

Где EVI — это:

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

Высокие значения LAI обычно колеблются от 0 до 3,5. Однако, когда сцена содержит облака и другие яркие объекты, которые создают насыщенные пиксели, значения LAI могут превышать 3,5. В идеале, перед созданием изображения LAI следует замаскировать облака и яркие объекты из сцены.

Ссылка: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde и A. Thomsen. «Аэрофотосъемка мультиспектральных данных для количественной оценки индекса листовой поверхности, концентрации азота и эффективности фотосинтеза в сельском хозяйстве». Дистанционное зондирование окружающей среды 81, № 2-3 (2002): 179-193.

---

LCI — индекс хлорофилла листьев

Этот индекс используется для оценки содержания хлорофилла в высших растениях, чувствительных к изменениям отражательной способности, вызванным поглощением хлорофилла.

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

Ссылка: Datt, B. «Дистанционное зондирование содержания воды в листьях эвкалипта». Журнал физиологии растений 154, № 1 (1999): 30-36.

---

MNLI — модифицированный нелинейный индекс

Этот индекс является усовершенствованием нелинейного индекса (NLI), который включает в себя индекс растительности с поправкой на почву (SAVI) для учета фонового уровня почвы. ENVI использует значение коэффициента поправки на фоновый уровень полога (L) равное 0,5.

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

Ссылка: Yang, Z., P. Willis, and R. Mueller. «Влияние изображения AWIFS с улучшенным соотношением полос на точность классификации сельскохозяйственных культур». Материалы симпозиума Pecora 17 по дистанционному зондированию (2008), Денвер, Колорадо.

---

MSAVI2 — модифицированный индекс растительности с поправкой на почву 2

Этот индекс является упрощенной версией индекса MSAVI, предложенного Qi и др. (1994), который улучшает индекс растительности с поправкой на почву (SAVI). Он уменьшает шумы почвы и увеличивает динамический диапазон сигнала растительности. MSAVI2 основан на индуктивном методе, который не использует постоянное значение L (как в SAVI) для выделения здоровой растительности.

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

Ссылка: Qi, J., A. Chehbouni, A. Huete, Y. Kerr и S. Sorooshian. «Модифицированный индекс растительности с поправкой на почву». Дистанционное зондирование окружающей среды 48 (1994): 119-126.

---

NDRE — нормализованная разность RedEdge

Этот индекс аналогичен NDVI, но сравнивает контраст между NIR и RedEdge вместо Red, что часто позволяет быстрее обнаружить стресс растительности.

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

---

NDVI — нормализованный разностный индекс растительности

Этот индекс является мерой здоровья зеленой растительности. Сочетание его нормализованной разностной формулы и использования областей с наибольшим поглощением и отражением хлорофилла делает его устойчивым в широком диапазоне условий. Однако он может насыщаться в условиях густой растительности, когда LAI становится высоким.

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

Значение этого индекса колеблется от -1 до 1. Обычный диапазон для зеленой растительности составляет от 0,2 до 0,8.

Ссылка: Rouse, J., R. Haas, J. Schell, and D. Deering. Monitoring Vegetation Systems in the Great Plains with ERTS. Третий симпозиум ERTS, NASA (1973): 309-317.

---

NLI — нелинейный индекс

Этот индекс предполагает, что взаимосвязь между многими индексами растительности и биофизическими параметрами поверхности является нелинейной. Он линеаризует взаимосвязи с параметрами поверхности, которые, как правило, являются нелинейными.

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

Ссылка: Гоэл, Н., и В. Цинь. «Влияние архитектуры полога на взаимосвязь между различными индексами растительности и LAI и Fpar: компьютерное моделирование». Обзоры дистанционного зондирования 10 (1994): 309-347.

---

OSAVI — оптимизированный индекс растительности с поправкой на почву

Этот индекс основан на индексе растительности с поправкой на почву (SAVI). Он использует стандартное значение 0,16 для коэффициента поправки на фон полога. Рондо (1996) определил, что это значение обеспечивает большую вариацию почвы, чем SAVI для низкого растительного покрова, демонстрируя при этом повышенную чувствительность к растительному покрову более 50 %. Этот индекс лучше всего использовать в районах с относительно редкой растительностью, где почва видна через полог.

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

Ссылка: Rondeaux, G., M. Steven, and F. Baret. «Оптимизация индексов растительности с поправкой на почву». Дистанционное зондирование окружающей среды 55 (1996): 95-107.

---

RDVI — ренормализованный индекс разницы растительности

Этот индекс использует разницу между ближним инфракрасным и красным диапазонами длин волн, а также NDVI, чтобы выделить здоровую растительность. Он нечувствителен к влиянию почвы и геометрии наблюдения солнца.

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

Ссылка: Roujean, J., and F. Breon. «Оценка PAR, поглощаемого растительностью, на основе измерений двунаправленного отражения». Дистанционное зондирование окружающей среды 51 (1995): 375-384.

---

SAVI — индекс растительности с поправкой на почву

Этот индекс аналогичен NDVI, но он подавляет влияние пикселей почвы. Он использует коэффициент корректировки фона полога, L, который является функцией плотности растительности и часто требует предварительного знания количества растительности. Huete (1988) предлагает оптимальное значение L=0,5 для учета вариаций фона почвы первого порядка. Этот индекс лучше всего использовать в районах с относительно редкой растительностью, где почва видна через полог.

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

Ссылка: Huete, A. «Индекс растительности с поправкой на почву (SAVI)». Дистанционное зондирование окружающей среды 25 (1988): 295-309.

---

TDVI — трансформированный индекс разницы растительности

Этот индекс полезен для мониторинга растительного покрова в городских условиях. Он не насыщается, как NDVI и SAVI.

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

Ссылка: Bannari, A., H. Asalhi, and P. Teillet. «Трансформированный индекс различия растительности (TDVI) для картографирования растительного покрова» В материалах симпозиума по геонаукам и дистанционному зондированию, IGARSS '02, IEEE International, том 5 (2002).

---

VARI — индекс видимой атмосферной устойчивости

Этот индекс основан на ARVI и используется для оценки доли растительности в сцене с низкой чувствительностью к атмосферным воздействиям.

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

Ссылка: Gitelson, A., et al. «Линии растительности и почвы в видимом спектральном пространстве: концепция и техника дистанционной оценки доли растительности». Международный журнал дистанционного зондирования 23 (2002): 2537−2562.

---

WDRVI — индекс растительности с широким динамическим диапазоном

Этот индекс аналогичен NDVI, но использует весовой коэффициент (a) для уменьшения различия между вкладами сигналов ближнего инфракрасного и красного диапазонов в NDVI. WDRVI особенно эффективен в сценах с умеренной и высокой плотностью растительности, когда NDVI превышает 0,6. NDVI имеет тенденцию к выравниванию при увеличении доли растительности и индекса листовой площади (LAI), тогда как WDRVI более чувствителен к более широкому диапазону долей растительности и к изменениям LAI.

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

Коэффициент взвешивания (a) может варьироваться от 0,1 до 0,2. Значение 0,2 рекомендуется Хенебри, Винья и Гитelson (2004).

Ссылки

Gitelson, A. «Индекс растительности с широким динамическим диапазоном для дистанционной количественной оценки биофизических характеристик растительности». Журнал физиологии растений 161, № 2 (2004): 165-173.

Хенебри, Г., А. Винья и А. Гитelson. «Индекс растительности с широким динамическим диапазоном и его потенциальная полезность для анализа пробелов». Бюллетень по анализу пробелов 12: 50-56.