Multispektrala indexformler

This page lists some multispectral indices that Chloros uses

Nedanstående indexformler använder en kombination av Survey3-filtrets genomsnittliga transmissionsintervall:

Survey3 Filterfärg	Survey3 Filternamn	Transmissionsområde (FWHM)	Genomsnittlig transmission
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

När dessa formler används kan namnet sluta på "_1" eller "_2", vilket motsvarar vilket NIR-filter, antingen NIR1 eller NIR2, som användes.

---

EVI – Förbättrat vegetationsindex

Detta index utvecklades ursprungligen för användning med MODIS-data som en förbättring jämfört med NDVI genom att optimera vegetationssignalen i områden med högt bladarealindex (LAI). Det är mest användbart i regioner med högt LAI där NDVI kan bli mättat. Det använder det blå reflektionsområdet för att korrigera för markbakgrundssignaler och för att minska atmosfäriska influenser, inklusive aerosolspridning.

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

EVI-värdena bör ligga mellan 0 och 1 för vegetationspixlar. Ljusa objekt som moln och vita byggnader, tillsammans med mörka objekt som vatten, kan resultera i onormala pixelvärden i en EVI-bild. Innan du skapar en EVI-bild bör du maskera bort moln och ljusa objekt från reflektansbilden och eventuellt sätta ett tröskelvärde för pixelvärdena från 0 till 1.

Referens: Huete, A., et al. "Översikt över den radiometriska och biofysiska prestandan hos MODIS-vegetationsindex." Remote Sensing of Environment 83 (2002):195–213.

---

FCI1 – Skogstäckningsindex 1

Detta index skiljer skogskronor från andra typer av vegetation med hjälp av multispektrala reflektansbilder som inkluderar ett rött kantband.

$$FCI1 = Red * RedEdge$$

Skogsområden kommer att ha lägre FCI1-värden på grund av trädens lägre reflektans och förekomsten av skuggor i trädkronorna.

Referens: Becker, Sarah J., Craig S.T. Daughtry och Andrew L. Russ. ”Robusta skogstäckningsindex för multispektrala bilder.” Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

FCI2 – Skogstäckningsindex 2

Detta index skiljer skogskronorna från andra typer av vegetation med hjälp av multispektrala reflektansbilder som inte inkluderar ett rött kantband.

$$FCI2 = Red * NIR$$

Skogsområden kommer att ha lägre FCI2-värden på grund av trädens lägre reflektans och förekomsten av skuggor i trädkronorna.

Referens: Becker, Sarah J., Craig S.T. Daughtry och Andrew L. Russ. ”Robusta skogstäckningsindex för multispektrala bilder.” Photogrammetric Engineering & Remote Sensing 84.8 (2018): 505-512.

---

GEMI – Globalt miljöövervakningsindex

Detta icke-linjära vegetationsindex används för global miljöövervakning från satellitbilder och försöker korrigera för atmosfäriska effekter. Det liknar NDVI men är mindre känsligt för atmosfäriska effekter. Det påverkas av bar mark och rekommenderas därför inte för användning i områden med gles eller måttligt tät vegetation.

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

Var:

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

Referens: Pinty, B., och M. Verstraete. GEMI: ett icke-linjärt index för övervakning av global vegetation från satelliter. Vegetation 101 (1992): 15-20.

---

GARI - Green Atmosfäriskt resistent index

Detta index är mer känsligt för ett brett spektrum av klorofyllkoncentrationer och mindre känsligt för atmosfäriska effekter än NDVI.

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

Gammakonstanten är en viktningsfunktion som beror på aerosolförhållandena i atmosfären. ENVI använder värdet 1,7, vilket är det rekommenderade värdet från Gitelson, Kaufman och Merzylak (1996, sidan 296).

Referens: Gitelson, A., Y. Kaufman och M. Merzylak. ”Användning av en Green-kanal vid fjärranalys av global vegetation från EOS-MODIS.” Remote Sensing of Environment 58 (1996): 289-298.

---

GCI - Green Klorofyllindex

Detta index används för att uppskatta klorofyllhalten i blad hos ett stort antal växtarter.

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

Med breda NIR och gröna våglängder kan klorofyllhalten förutsägas bättre, samtidigt som känsligheten ökar och signal-brusförhållandet blir högre.

Referens: Gitelson, A., Y. Gritz och M. Merzlyak. ”Relationships Between Leaf Chlorophyll Content and Spectral Reflectance and Algorithms for Non-Destructive Chlorophyll Assessment in Higher Plant Leaves.” Journal of Plant Physiology 160 (2003): 271-282.

---

GLI - Green Bladindex

Detta index var ursprungligen utformat för användning med en digital RGB-kamera för att mäta vete täckning, där de röda, gröna och blå digitala siffrorna (DN) varierar från 0 till 255.

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

GLI-värdena varierar från -1 till +1. Negativa värden representerar jord och icke-levande egenskaper, medan positiva värden representerar gröna blad och stjälkar.

Referens: Louhaichi, M., M. Borman och 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 Normaliserat vegetationsindex

Detta index liknar NDVI, förutom att det mäter det gröna spektrumet från 540 till 570 nm istället för det röda spektrumet. Detta index är mer känsligt för klorofyllkoncentration än NDVI.

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

Referens: Gitelson, A., och M. Merzlyak. "Fjärranalys av klorofyllkoncentrationen i högre växters blad." Advances in Space Research 22 (1998): 689-692.

---

GOSAVI - Green Optimerat jordjusterat vegetationsindex

Detta index utformades ursprungligen med hjälp av färg-infraröd fotografering för att förutsäga kvävebehovet för majs. Det liknar OSAVI, men ersätter det gröna bandet med det röda.

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

Referens: Sripada, R., et al. "Determining In-Season Nitrogen Requirements for Corn Using Aerial Color-Infrared Photography." Doktorsavhandling, North Carolina State University, 2005.

---

GRVI - Green Ratio Vegetation Index

Detta index är känsligt för fotosynteshastigheten i skogskronorna, eftersom reflektionsförmågan för grönt och rött starkt påverkas av förändringar i bladens pigment.

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

Referens: Sripada, R., et al. "Aerial Color Infrared Photography for Determining Early In-season Nitrogen Requirements in Corn." Agronomy Journal 98 (2006): 968-977.

---

GSAVI - Green Jordjusterat vegetationsindex

Detta index utformades ursprungligen med hjälp av färg-infraröd fotografering för att förutsäga kornets kvävebehov. Det liknar SAVI, men ersätter det gröna bandet med det röda.

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

Referens: Sripada, R., et al. "Determining In-Season Nitrogen Requirements for Corn Using Aerial Color-Infrared Photography." Doktorsavhandling, North Carolina State University, 2005.

---

LAI – Bladareaindex

Detta index används för att uppskatta lövverkstäckningen och för att prognostisera grödans tillväxt och avkastning. ENVI beräknar grönt LAI med hjälp av följande empiriska formel från Boegh et al (2002):

$$LAI = 3.618 * EVI - 0.118$$

Där EVI är:

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

Höga LAI-värden ligger vanligtvis mellan cirka 0 och 3,5. Om scenen innehåller moln och andra ljusa element som ger mättade pixlar kan LAI-värdena dock överstiga 3,5. Helst bör du maskera bort moln och ljusa element från scenen innan du skapar en LAI-bild.

Referens: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde och 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 – Bladklorofyllindex

Detta index används för att uppskatta klorofyllhalten i högre växter, som är känsliga för variationer i reflektans orsakade av klorofyllabsorption.

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

Referens: Datt, B. "Fjärranalys av vattenhalten i eukalyptusblad." Journal of Plant Physiology 154, nr 1 (1999): 30-36.

---

MNLI – Modifierat icke-linjärt index

Detta index är en förbättring av det icke-linjära indexet (NLI) som införlivar det jordjusterade vegetationsindexet (SAVI) för att ta hänsyn till jordbakgrunden. ENVI använder ett värde på 0,5 för justeringsfaktorn för trädkronans bakgrund (L).

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

Referens: Yang, Z., P. Willis och R. Mueller. ”Impact of Band-Ratio Enhanced AWIFS Image to Crop Classification Accuracy.” Proceedings of the Pecora 17 Remote Sensing Symposium (2008), Denver, CO.

---

MSAVI2 – Modifierat jordjusterat vegetationsindex 2

Detta index är en enklare version av indexet MSAVI som föreslagits av Qi et al (1994) och som förbättrar det jordjusterade vegetationsindexet (SAVI). Det minskar jordbruset och ökar det dynamiska omfånget för vegetationssignalen. MSAVI2 baseras på en induktiv metod som inte använder ett konstant L-värde (som med SAVI) för att markera frisk vegetation.

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

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

---

NDRE- Normaliserad skillnad RedEdge

Detta index liknar NDVI men jämför kontrasten mellan NIR och RedEdge istället för Red, vilket ofta upptäcker vegetationsstress tidigare.

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

---

NDVI – Normaliserat vegetationsindex

Detta index är ett mått på hälsosam, grön vegetation. Kombinationen av dess normaliserade skillnadsformulering och användningen av de högsta absorptions- och reflektionsregionerna för klorofyll gör det robust under en rad olika förhållanden. Det kan dock mättas i tät vegetation när LAI blir högt.

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

Värdet på detta index varierar mellan -1 och 1. Det vanliga intervallet för grön vegetation är 0,2 till 0,8.

Referens: Rouse, J., R. Haas, J. Schell och D. Deering. Övervakning av vegetationssystem i Great Plains med ERTS. Tredje ERTS-symposiet, NASA (1973): 309-317.

---

NLI – Icke-linjärt index

Detta index utgår från att förhållandet mellan många vegetationsindex och biofysiska ytparametrar är icke-linjärt. Det lineariserar förhållanden med ytparametrar som tenderar att vara icke-linjära.

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

Referens: Goel, N., och W. Qin. ”Influences of Canopy Architecture on Relationships Between Various Vegetation Indices and LAI and Fpar: A Computer Simulation.” Remote Sensing Reviews 10 (1994): 309-347.

---

OSAVI – Optimerat jordjusterat vegetationsindex

Detta index baseras på det jordjusterade vegetationsindexet (SAVI). Det använder ett standardvärde på 0,16 för justeringsfaktorn för trädkronans bakgrund. Rondeaux (1996) fastställde att detta värde ger större markvariation än SAVI för låg vegetationstäckning, samtidigt som det visar ökad känslighet för vegetationstäckning över 50 %. Detta index används bäst i områden med relativt gles vegetation där marken syns genom trädkronorna.

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

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

---

RDVI – Renormaliserat vegetationsindex

Detta index använder skillnaden mellan nära infraröda och röda våglängder, tillsammans med NDVI, för att markera frisk vegetation. Det är okänsligt för effekterna av mark och solens geometri.

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

Referens: Roujean, J., och F. Breon. "Estimating PAR Absorbed by Vegetation from Bidirectional Reflectance Measurements." Remote Sensing of Environment 51 (1995): 375-384.

---

SAVI – Jordjusterat vegetationsindex

Detta index liknar NDVI, men undertrycker effekterna av jordpixlar. Det använder en justeringsfaktor för trädkronans bakgrund, L, som är en funktion av vegetationstätheten och ofta kräver förkunskaper om vegetationsmängder. Huete (1988) föreslår ett optimalt värde på L=0,5 för att ta hänsyn till första ordningens variationer i markbakgrunden. Detta index används bäst i områden med relativt gles vegetation där marken syns genom trädkronorna.

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

Referens: Huete, A. "A Soil-Adjusted Vegetation Index (SAVI)." Remote Sensing of Environment 25 (1988): 295-309.

---

TDVI – Transformed Difference Vegetation Index

Detta index är användbart för övervakning av vegetationstäcket i urbana miljöer. Det mättas inte som NDVI och SAVI.

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

Referens: Bannari, A., H. Asalhi och P. Teillet. "Transformed Difference Vegetation Index (TDVI) for Vegetation Cover Mapping" I Proceedings of the Geoscience and Remote Sensing Symposium, IGARSS '02, IEEE International, volym 5 (2002).

---

VARI – Synligt atmosfäriskt resistent index

Detta index baseras på ARVI och används för att uppskatta andelen vegetation i en scen med låg känslighet för atmosfäriska effekter.

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

Referens: Gitelson, A., et al. "Vegetation and Soil Lines in Visible Spectral Space: A Concept and Technique for Remote Estimation of Vegetation Fraction. International Journal of Remote Sensing 23 (2002): 2537−2562.

---

WDRVI – Vegetationsindex med stort dynamiskt omfång

Detta index liknar NDVI, men använder en viktningskoefficient (a) för att minska skillnaden mellan bidraget från signalerna i det nära infraröda och röda spektrumet till NDVI. WDRVI är särskilt effektivt i scener med måttlig till hög vegetationstäthet när NDVI överstiger 0,6. NDVI tenderar att plana ut när vegetationsfraktionen och bladareaindexet (LAI) ökar, medan WDRVI är mer känsligt för ett bredare spektrum av vegetationsfraktioner och för förändringar i LAI.

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

Viktningskoefficienten (a) kan variera mellan 0,1 och 0,2. Ett värde på 0,2 rekommenderas av Henebry, Viña och Gitelson (2004).

Referenser

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 och A. Gitelson. "The Wide Dynamic Range Vegetation Index and its Potential Utility for Gap Analysis." Gap Analysis Bulletin 12: 50-56.