สูตรดัชนีหลายสเปกตรัม

This page lists some multispectral indices that Chloros uses

สูตรดัชนีด้านล่างใช้การผสมผสานระหว่างช่วงการส่งข้อมูลเฉลี่ยของตัวกรอง Survey3:

Survey3 สีของตัวกรอง	Survey3 ชื่อตัวกรอง	ช่วงการส่งข้อมูล (FWHM)	การส่งผ่านโดยเฉลี่ย
Blue	NGB - Blue	468-483nm	475nm
Cyan	OCN- Cyan	476-512nm	494nm
Green	RGN | NGB - Green	543-558nm	547nm
Orange	OCN - Orange	598-640nm	619nm
Red	RGN - Red	653-668nm	661nm
RedEdge	เรื่อง - RedEdge	712-735nm	724nm
NIR1	OCN - NIR1	798-848nm	823nm
NIR2	RGN | NGB | NIR - NIR2	835-865nm	850nm

เมื่อใช้สูตรเหล่านี้ ชื่ออาจลงท้ายด้วย "_1" หรือ "_2" ซึ่งสอดคล้องกับตัวกรอง NIR ที่ใช้ NIR1 หรือ NIR2

EVI - ดัชนีพืชพรรณที่ได้รับการปรับปรุง

ดัชนีนี้เดิมได้รับการพัฒนาเพื่อใช้กับข้อมูล MODIS เพื่อเป็นการปรับปรุงเหนือ NDVI โดยการปรับสัญญาณพืชพรรณให้เหมาะสมในพื้นที่ที่มีดัชนีพื้นที่ใบไม้สูง (LAI) มีประโยชน์มากที่สุดในภูมิภาค LAI ที่สูงซึ่ง NDVI อาจอิ่มตัว โดยจะใช้บริเวณการสะท้อนแสงสีน้ำเงินเพื่อแก้ไขสัญญาณพื้นหลังของดิน และเพื่อลดอิทธิพลของชั้นบรรยากาศ รวมถึงการกระเจิงของละอองลอย

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

ค่า EVI ควรอยู่ในช่วง 0 ถึง 1 สำหรับพิกเซลพืชพรรณ ลักษณะที่สว่าง เช่น เมฆและอาคารสีขาว รวมถึงลักษณะที่มืด เช่น น้ำ อาจส่งผลให้ค่าพิกเซลผิดปกติในภาพ EVI ก่อนที่จะสร้างภาพ EVI คุณควรปกปิดเมฆและคุณลักษณะที่สว่างออกจากภาพสะท้อนแสง และเลือกกำหนดค่าพิกเซลตั้งแต่ 0 ถึง 1 ได้

อ้างอิง: Huete, A., และคณะ "ภาพรวมของประสิทธิภาพเชิงรังสีและชีวฟิสิกส์ของดัชนีพืชพรรณ MODIS" การสำรวจสภาพแวดล้อมระยะไกล 83 (2545):195–213.

FCI1 - ดัชนีการปกคลุมป่าไม้ 1

ดัชนีนี้แยกความแตกต่างระหว่างหลังคาป่ากับพืชพรรณประเภทอื่นๆ โดยใช้ภาพการสะท้อนแบบหลายสเปกตรัมที่มีแถบขอบสีแดง

$$FCI1 = Red * RedEdge$$

พื้นที่ป่าจะมีค่า FCI1 ต่ำกว่า เนื่องจากการสะท้อนแสงของต้นไม้ลดลงและมีเงาอยู่ภายในทรงพุ่ม

อ้างอิง: Becker, Sarah J., Craig S.T. ดอทรี และแอนดรูว์ แอล. รัส "ดัชนีครอบคลุมป่าไม้ที่แข็งแกร่งสำหรับภาพหลายสเปกตรัม" วิศวกรรมโฟโตแกรมเมตริกและการสำรวจระยะไกล 84.8 (2018): 505-512.

FCI2 - ดัชนีความปกคลุมของป่า 2

ดัชนีนี้แยกความแตกต่างทรงพุ่มในป่าจากพืชพรรณประเภทอื่นๆ โดยใช้ภาพการสะท้อนแบบหลายสเปกตรัมซึ่งไม่มีแถบขอบสีแดง

$$FCI2 = Red * NIR$$

พื้นที่ป่าจะมีค่า FCI2 ต่ำกว่า เนื่องจากการสะท้อนแสงของต้นไม้ลดลงและมีเงาอยู่ภายในทรงพุ่ม

อ้างอิง: Becker, Sarah J., Craig S.T. ดอทรี และแอนดรูว์ แอล. รัส "ดัชนีครอบคลุมป่าไม้ที่แข็งแกร่งสำหรับภาพหลายสเปกตรัม" วิศวกรรมโฟโตแกรมเมตริกและการสำรวจระยะไกล 84.8 (2018): 505-512.

GEMI - ดัชนีการตรวจสอบสิ่งแวดล้อมทั่วโลก

ดัชนีพืชพรรณที่ไม่เป็นเชิงเส้นนี้ใช้สำหรับการตรวจสอบสภาพแวดล้อมทั่วโลกจากภาพถ่ายดาวเทียม และความพยายามในการแก้ไขผลกระทบของบรรยากาศ คล้ายกับ NDVI แต่มีความไวต่อผลกระทบของบรรยากาศน้อยกว่า ได้รับผลกระทบจากดินเปล่า จึงไม่แนะนำให้ใช้ในพื้นที่ที่มีพืชพรรณเบาบางหรือหนาแน่นปานกลาง

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

ที่ไหน:

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

อ้างอิง: Pinty, B. และ M. Verstraete GEMI: ดัชนีที่ไม่ใช่เชิงเส้นสำหรับตรวจสอบพืชพรรณทั่วโลกจากดาวเทียม พืชพรรณ 101 (1992): 15-20.

GARI - Green ดัชนีความต้านทานบรรยากาศ

ดัชนีนี้มีความไวต่อความเข้มข้นของคลอโรฟิลล์ที่หลากหลายและมีความไวต่อผลกระทบของบรรยากาศน้อยกว่า NDVI

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

ค่าคงที่แกมม่าเป็นฟังก์ชันถ่วงน้ำหนักซึ่งขึ้นอยู่กับสภาวะของละอองลอยในบรรยากาศ ENVI ใช้ค่า 1.7 ซึ่งเป็นค่าที่แนะนำจาก Gitelson, Kaufman และ Merzylak (1996, หน้า 296)

อ้างอิง: Gitelson, A., Y. Kaufman และ M. Merzylak "การใช้ Green Channel ในการสำรวจระยะไกลของพืชพรรณทั่วโลกจาก EOS-MODIS" การสำรวจสภาพแวดล้อมระยะไกล 58 (1996): 289-298.

GCI - Green ดัชนีคลอโรฟิลล์

ดัชนีนี้ใช้ในการประมาณปริมาณคลอโรฟิลล์ในใบจากพืชหลากหลายชนิด

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

การมี NIR ที่กว้างและความยาวคลื่นสีเขียวช่วยให้คาดการณ์ปริมาณคลอโรฟิลล์ได้ดีขึ้น ขณะเดียวกันก็ให้ความไวมากขึ้นและอัตราส่วนสัญญาณต่อเสียงรบกวนที่สูงขึ้น

อ้างอิง: Gitelson, A., Y. Gritz และ M. Merzlyak "ความสัมพันธ์ระหว่างปริมาณคลอโรฟิลล์ในใบกับการสะท้อนทางสเปกตรัมและอัลกอริธึมสำหรับการประเมินคลอโรฟิลล์แบบไม่ทำลายในใบพืชที่สูงขึ้น" วารสารสรีรวิทยาพืช 160 (2546): 271-282.

GLI - Green ดัชนีใบไม้

เดิมทีดัชนีนี้ได้รับการออกแบบมาเพื่อใช้กับกล้องดิจิตอล RGB เพื่อวัดข้าวสาลีคลุม โดยที่ตัวเลขดิจิทัล (DN) สีแดง เขียว และน้ำเงินอยู่ในช่วงตั้งแต่ 0 ถึง 255

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

ค่า GLI มีตั้งแต่ -1 ถึง +1 ค่าลบแสดงถึงลักษณะของดินและสิ่งไม่มีชีวิต ส่วนค่าบวกแสดงถึงใบและลำต้นสีเขียว

อ้างอิง: Louhaichi, M., M. Borman และ D. Johnson "ชานชาลาที่ตั้งอยู่ในพื้นที่และภาพถ่ายทางอากาศเพื่อบันทึกผลกระทบจากการเล็มหญ้าต่อข้าวสาลี" Geocarto International 16 ฉบับที่ 1 (2544): 65-70.

GNDVI - Green ดัชนีพืชพรรณความแตกต่างที่ทำให้เป็นมาตรฐาน

ดัชนีนี้คล้ายกับ NDVI ยกเว้นว่าจะวัดสเปกตรัมสีเขียวตั้งแต่ 540 ถึง 570 นาโนเมตร แทนที่จะเป็นสเปกตรัมสีแดง ดัชนีนี้มีความไวต่อความเข้มข้นของคลอโรฟิลล์มากกว่า NDVI

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

อ้างอิง: Gitelson, A. และ M. Merzlyak "การรับรู้ระยะไกลของความเข้มข้นของคลอโรฟิลล์ในใบพืชที่สูงขึ้น" ความก้าวหน้าในการวิจัยอวกาศ 22 (1998): 689-692.

GOSAVI - Green ดัชนีพืชพรรณที่ปรับปรุงดินที่ปรับให้เหมาะสม

ดัชนีนี้เดิมได้รับการออกแบบด้วยการถ่ายภาพอินฟราเรดสีเพื่อคาดการณ์ความต้องการไนโตรเจนสำหรับข้าวโพด คล้ายกับ OSAVI แต่เปลี่ยนแถบสีเขียวเป็นสีแดง

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

อ้างอิง: ศรีภาดา ร. และคณะ "การกำหนดความต้องการไนโตรเจนในฤดูกาลสำหรับข้าวโพดโดยใช้ภาพถ่ายอินฟราเรดสีทางอากาศ" ปริญญาเอก วิทยานิพนธ์, มหาวิทยาลัยแห่งรัฐนอร์ธแคโรไลนา, 2548.

GRVI - Green อัตราส่วนดัชนีพืชพรรณ

ดัชนีนี้มีความไวต่ออัตราการสังเคราะห์แสงในทรงพุ่มของป่า เนื่องจากการสะท้อนแสงสีเขียวและสีแดงได้รับอิทธิพลอย่างมากจากการเปลี่ยนแปลงของเม็ดสีในใบ

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

อ้างอิง: ศรีภาดา ร. และคณะ "การถ่ายภาพด้วยอินฟราเรดสีทางอากาศเพื่อกำหนดความต้องการไนโตรเจนในช่วงต้นฤดูกาลในข้าวโพด" พืชไร่วารสาร 98 (2549): 968-977.

GSAVI - Green ดัชนีพืชพรรณที่ปรับดิน

ดัชนีนี้เดิมได้รับการออกแบบด้วยการถ่ายภาพอินฟราเรดสีเพื่อคาดการณ์ความต้องการไนโตรเจนสำหรับข้าวโพด คล้ายกับ SAVI แต่เปลี่ยนแถบสีเขียวเป็นสีแดง

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

อ้างอิง: ศรีภาดา ร. และคณะ "การกำหนดความต้องการไนโตรเจนในฤดูกาลสำหรับข้าวโพดโดยใช้ภาพถ่ายอินฟราเรดสีทางอากาศ" ปริญญาเอก วิทยานิพนธ์, มหาวิทยาลัยแห่งรัฐนอร์ธแคโรไลนา, 2548.

LAI - ดัชนีพื้นที่ใบไม้

ดัชนีนี้ใช้เพื่อประมาณการการปกคลุมของใบไม้และเพื่อคาดการณ์การเติบโตและผลผลิตของพืชผล ENVI คำนวณ LAI สีเขียวโดยใช้สูตรเชิงประจักษ์ต่อไปนี้จาก Boegh et al (2002):

$$LAI = 3.618 * EVI - 0.118$$

โดยที่ EVI คือ:

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

โดยทั่วไปค่า LAI สูงจะอยู่ในช่วงประมาณ 0 ถึง 3.5 อย่างไรก็ตาม เมื่อฉากมีเมฆและคุณสมบัติสว่างอื่นๆ ที่สร้างพิกเซลอิ่มตัว ค่า LAI สามารถเกิน 3.5 ได้ คุณควรปกปิดเมฆและส่วนสว่างออกจากฉากของคุณก่อนที่จะสร้างภาพ LAI

อ้างอิง: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K. Schelde และ A. Thomsen "ข้อมูลหลายสเปกตรัมในอากาศสำหรับดัชนีพื้นที่ใบเชิงปริมาณ ความเข้มข้นของไนโตรเจน และประสิทธิภาพการสังเคราะห์แสงในการเกษตร" การสำรวจสภาพแวดล้อมระยะไกล 81 เลขที่ 2-3 (2545): 179-193.

LCI - ดัชนีคลอโรฟิลล์ของใบ

ดัชนีนี้ใช้ในการประมาณปริมาณคลอโรฟิลล์ในพืชชั้นสูง ซึ่งมีความไวต่อการแปรผันของการสะท้อนแสงที่เกิดจากการดูดซึมคลอโรฟิลล์

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

อ้างอิง: Datt, B. "การรับรู้ระยะไกลของปริมาณน้ำในใบยูคาลิปตัส" วารสารสรีรวิทยาพืช 154, ฉบับที่. 1 (1999): 30-36.

MNLI - แก้ไขดัชนีที่ไม่ใช่เชิงเส้น

ดัชนีนี้เป็นการปรับปรุงดัชนีไม่เชิงเส้น (NLI) ที่รวมดัชนีพืชพรรณที่ปรับดิน (SAVI) เพื่อพิจารณาพื้นหลังของดิน ENVI ใช้ค่าปัจจัยการปรับพื้นหลังหลังคา (L) เท่ากับ 0.5

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

อ้างอิง: Yang, Z., P. Willis และ R. Mueller "ผลกระทบของภาพ AWIFS ที่ปรับปรุงอัตราส่วนแบนด์ต่อความแม่นยำในการจำแนกประเภทพืชผล" การดำเนินการของการประชุม Pecora 17 Remote Sensing Symposium (2008), เดนเวอร์, โคโลราโด.

MSAVI2 - ดัชนีพืชพรรณที่ปรับปรุงดินดัดแปลง 2

ดัชนีนี้เป็นเวอร์ชันที่เรียบง่ายกว่าของดัชนี MSAVI ที่เสนอโดย Qi, et al (1994) ซึ่งปรับปรุงตามดัชนีพืชพรรณที่ปรับดิน (SAVI) จะช่วยลดเสียงรบกวนในดินและเพิ่มช่วงไดนามิกของสัญญาณพืชพรรณ MSAVI2 ใช้วิธีการอุปนัยที่ไม่ใช้ค่า L คงที่ (เช่นเดียวกับ SAVI) เพื่อเน้นพืชพรรณที่มีสุขภาพดี

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

อ้างอิง: Qi, J., A. Chehbouni, A. Huete, Y. Kerr และ S. Sorooshian "ดัชนีพืชพรรณปรับดินดัดแปลง" การสำรวจสภาพแวดล้อมระยะไกล 48 (1994): 119-126.

NDRE- ความแตกต่างที่ทำให้เป็นมาตรฐาน RedEdge

ดัชนีนี้คล้ายกับ NDVI แต่เปรียบเทียบความแตกต่างระหว่าง NIR กับ RedEdge แทนที่จะเป็น Red ซึ่งมักจะตรวจพบความเครียดของพืชได้เร็วกว่า

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

NDVI - ดัชนีพืชพรรณที่แตกต่างที่ทำให้เป็นมาตรฐาน

ดัชนีนี้เป็นตัวชี้วัดพืชพรรณสีเขียวที่มีสุขภาพดี การผสมผสานระหว่างสูตรความแตกต่างที่ทำให้เป็นมาตรฐานและการใช้บริเวณการดูดซับและการสะท้อนแสงสูงสุดของคลอโรฟิลล์ ทำให้คลอโรฟิลล์มีความทนทานในสภาวะต่างๆ อย่างไรก็ตาม มันสามารถอิ่มตัวได้ในสภาพพืชพรรณหนาแน่นเมื่อ LAI มีปริมาณสูง

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

ค่าของดัชนีนี้อยู่ในช่วง -1 ถึง 1 ช่วงทั่วไปสำหรับพืชสีเขียวคือ 0.2 ถึง 0.8

อ้างอิง: Rouse, J., R. Haas, J. Schell และ D. Deering การตรวจสอบระบบพืชพรรณใน Great Plains ด้วย ERTS การประชุมสัมมนา ERTS ครั้งที่สาม NASA (1973): 309-317.

NLI - ดัชนีที่ไม่ใช่เชิงเส้น

ดัชนีนี้สันนิษฐานว่าความสัมพันธ์ระหว่างดัชนีพืชพรรณหลายชนิดกับพารามิเตอร์ทางชีวฟิสิกส์ของพื้นผิวนั้นไม่เป็นเชิงเส้น มันทำให้ความสัมพันธ์เป็นเส้นตรงกับพารามิเตอร์พื้นผิวที่มีแนวโน้มว่าจะไม่เป็นเชิงเส้น

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

อ้างอิง: Goel, N. และ W. Qin "อิทธิพลของสถาปัตยกรรมทรงพุ่มต่อความสัมพันธ์ระหว่างดัชนีพืชพรรณต่างๆ กับ LAI และ Fpar: การจำลองด้วยคอมพิวเตอร์" รีวิวการสำรวจระยะไกล 10 (1994): 309-347.

OSAVI - ดัชนีพืชพรรณที่ปรับดินให้เหมาะสม

ดัชนีนี้อิงตามดัชนีพืชพรรณที่ปรับสภาพดิน (SAVI) โดยจะใช้ค่ามาตรฐาน 0.16 สำหรับปัจจัยการปรับพื้นหลังหลังคา Rondeaux (1996) ระบุว่าค่านี้ให้ความแปรปรวนของดินมากกว่า SAVI สำหรับพืชคลุมดินต่ำ ในขณะที่แสดงให้เห็นถึงความไวที่เพิ่มขึ้นต่อพืชคลุมดินมากกว่า 50% ดัชนีนี้ใช้ดีที่สุดในพื้นที่ที่มีพืชพรรณค่อนข้างเบาบางซึ่งมองเห็นดินผ่านทรงพุ่ม

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

อ้างอิง: Rondeaux, G., M. Steven และ F. Baret "การเพิ่มประสิทธิภาพดัชนีพืชพรรณที่ปรับดินแล้ว" การสำรวจสภาพแวดล้อมระยะไกล 55 (1996): 95-107.

RDVI - ดัชนีพืชพรรณที่แตกต่างที่ทำให้เป็นมาตรฐานใหม่

ดัชนีนี้ใช้ความแตกต่างระหว่างความยาวคลื่นใกล้อินฟราเรดและสีแดง พร้อมด้วย NDVI เพื่อเน้นพืชพรรณที่มีสุขภาพดี มันไม่ไวต่อผลกระทบของเรขาคณิตในการดูดินและดวงอาทิตย์

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

อ้างอิง: Roujean, J. และ F. Breon "การประมาณค่า PAR ที่ถูกดูดซับโดยพืชพรรณจากการวัดการสะท้อนแสงแบบสองทิศทาง" การสำรวจสภาพแวดล้อมระยะไกล 51 (1995): 375-384.

SAVI - ดัชนีพืชพรรณที่ปรับดิน

ดัชนีนี้คล้ายกับ NDVI แต่จะระงับผลกระทบของพิกเซลของดิน โดยจะใช้ปัจจัยการปรับพื้นหลังทรงพุ่ม L ซึ่งเป็นหน้าที่ของความหนาแน่นของพืชพรรณ และมักต้องอาศัยความรู้ล่วงหน้าเกี่ยวกับปริมาณพืชพรรณ Huete (1988) แนะนำค่าที่เหมาะสมที่สุดที่ L=0.5 เพื่อพิจารณาความแปรผันของพื้นหลังของดินลำดับที่หนึ่ง ดัชนีนี้ใช้ดีที่สุดในพื้นที่ที่มีพืชพรรณค่อนข้างเบาบางซึ่งมองเห็นดินผ่านทรงพุ่ม

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

อ้างอิง: Huete, A. "ดัชนีพืชพรรณที่ปรับดิน (SAVI)" การสำรวจสภาพแวดล้อมระยะไกล 25 (1988): 295-309.

TDVI - ดัชนีพืชพรรณที่แตกต่างที่เปลี่ยนแปลงแล้ว

ดัชนีนี้มีประโยชน์สำหรับการติดตามพืชพรรณที่ปกคลุมในสภาพแวดล้อมในเมือง มันไม่อิ่มตัวเหมือน NDVI และ SAVI

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

อ้างอิง: บันนาริ, เอ., เอช. อาซาลี และพี. ไทเลต์ "Transformed Difference พืชพรรณดัชนี (TDVI) สำหรับการทำแผนที่ปกคลุมพืชพรรณ" ในการดำเนินการของการประชุมสัมมนาทางธรณีวิทยาและการสำรวจระยะไกล, IGARSS '02, IEEE International, เล่มที่ 5 (2002).

VARI - ดัชนีความต้านทานบรรยากาศที่มองเห็นได้

ดัชนีนี้อิงตาม ARVI และใช้ในการประมาณสัดส่วนของพืชพรรณในฉากที่มีความไวต่อผลกระทบจากบรรยากาศต่ำ

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

อ้างอิง: Gitelson, A., และคณะ "เส้นพืชพรรณและดินในพื้นที่สเปกตรัมที่มองเห็นได้: แนวคิดและเทคนิคสำหรับการประมาณค่าเศษส่วนพืชพรรณระยะไกล วารสารการสำรวจระยะไกลระหว่างประเทศ 23 (2545): 2537−2562.

WDRVI - ดัชนีพืชพรรณช่วงไดนามิกกว้าง

ดัชนีนี้คล้ายกับ NDVI แต่ใช้ค่าสัมประสิทธิ์การถ่วงน้ำหนัก (a) เพื่อลดความแตกต่างระหว่างการมีส่วนร่วมของสัญญาณอินฟราเรดใกล้และสัญญาณสีแดงกับ NDVI WDRVI มีประสิทธิภาพเป็นพิเศษในฉากที่มีความหนาแน่นของพืชพรรณปานกลางถึงสูง เมื่อ NDVI เกิน 0.6 NDVI มีแนวโน้มที่จะลดลงเมื่อเศษส่วนพืชพรรณและดัชนีพื้นที่ใบ (LAI) เพิ่มขึ้น ในขณะที่ WDRVI มีความไวต่อเศษส่วนพืชพรรณในช่วงที่กว้างขึ้นและต่อการเปลี่ยนแปลงใน LAI

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

ค่าสัมประสิทธิ์การถ่วงน้ำหนัก (a) สามารถอยู่ในช่วงตั้งแต่ 0.1 ถึง 0.2 Henebry, Viña และ Gitelson (2004) แนะนำค่า 0.2

อ้างอิง

Gitelson, A. "ดัชนีพืชพรรณช่วงไดนามิกกว้างสำหรับการวัดปริมาณระยะไกลของลักษณะทางชีวฟิสิกส์ของพืชพรรณ" วารสารสรีรวิทยาพืช 161 ฉบับที่ 2 (2547): 165-173.

เฮนเนบรี, จี., เอ. วินา และเอ. กิเทลสัน "ดัชนีพืชพรรณช่วงไดนามิกกว้างและประโยชน์ที่เป็นไปได้สำหรับการวิเคราะห์ช่องว่าง" กระดานข่าวการวิเคราะห์ช่องว่าง 12: 50-56.