Bildindizes sind Bilder, die mithilfe von Multibandbildern berechnet werden. Die Bilder betonen ein bestimmtes vorhandenes Phänomen und reduzieren gleichzeitig andere Faktoren, die die Effekte des Bildes beeinträchtigen. Ein Vegetationsindex stellt gesunde Vegetation im Indexbild beispielsweise hell dar, während ungesunde Vegetation niedrigere Werte aufweist und karges Terrain dunkel angezeigt wird. Da Schattierung aufgrund von Terrainvariationen (Berge und Täler) Auswirkungen auf die Bildintensität hat, werden die Indizes so erstellt, dass die Farbe eines Objekts statt die Intensität oder Helligkeit des Objekts betont wird. Der Wert eines Vegetationsindexes für eine gesunde Pinie im Schatten eines Tales ähnelt dem Wert einer Pinie unter voller Sonneneinstrahlung. Diese Indizes werden häufig durch die Kombinationen hinzugefügter und subtrahierter Bänder erstellt, wodurch verschiedene Bandverhältnisse entstehen. Sie werden mit bestimmten Bändern verknüpft, die sich in bestimmten Teilen des elektromagnetischen Spektrums befinden. Demzufolge sind sie möglicherweise nur für bestimmte Sensoren bzw. Sensorenklassen gültig; außerdem ist es wichtig, dass die richtigen Bänder in der Berechnung verwendet werden.
Diese Indizes werden häufig zum Vergleich desselben Objekts in mehreren Bildern im Zeitverlauf herangezogen. Beispielsweise können mehrere Bilder einer landwirtschaftlichen Fläche wöchentlich seit deren Bepflanzung und während der gesamten Wachstumszeit aufgenommen werden. Der Vegetationsindex wird für jedes Bild berechnet. Wenn Sie diese wöchentlichen Vegetationsindizes analysieren, erwarten Sie eine Aufhellung während der Wachstumszeit. Anschließend erfolgt eine Reduzierung des Index, wenn die Vegetationsalterung im Herbst beginnt, bis die Pflanze geernetet wird oder die Blätter am Ende der Jahreszeit abgestorben sind. Der normalisierende Effekt der Indizes macht diesen Vergleich praktikabel. Durch den Vergleich mehrerer Felder in einer Region können Sie ermitteln, welche Felder fruchtbar sind und welche weniger gut gedeihen. Dieser Analysetyp kann auch dazu verwendet werden, um sturmgeschädigte Felder zu identifizieren.
Wählen Sie einen Index aus, der zu Phänomenen passt, die Sie analysieren möchten. Stellen Sie sicher, dass das Eingabebild von einem Sensor stammt, der über die geeigneten Bänder (Wellenlänge und Bereich) verfügt, um den ausgewählten Index zu unterstützen. Die Indizes lesen die Metadaten aus dem Bild, um die Bandnamen zu überprüfen. Wenn eine Übereinstimmung gefunden wird, wird der Index automatisch angewendet.
MSAVI
Der Modified Soil Adjusted Vegetation Index (MSAVI2) minimiert die Auswirkung des nackten Erdbodens auf den Soil-Adjusted Vegetation Index (SAVI).
MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)2-8(NIR-Red)))- NIR = Pixelwerte vom nahinfraroten Band
- Rot = Pixelwerte vom roten Band
Quelle: Qi, J. et al., 1994, "A modified soil vegetation adjusted index", Remote Sensing of Environment, Bd. 48, Nr. 2, 119–126.
NDVI
Der normalisierte differenzierte Vegetationsindex (NDVI) ist ein standardisierter Index, der Ihnen das Erstellen eines Bildes mit Grünanteilen (auch als relative Biomasse bezeichnet) ermöglicht. Dieser Index nutzt den Kontrast der Eigenschaften zweier Bänder aus einem multispektralen Raster-Dataset: die Absorption durch die Chlorophyllpigmente im roten Band und den Pflanzen-Reflexionsgrad im nahinfraroten Band (NIR).
Dies ist die dokumentierte und standardisierte NDVI-Gleichung:
NDVI = ((NIR - Red)/(NIR + Red))- NIR = Pixelwerte vom nahinfraroten Band
- Rot = Pixelwerte vom roten Band
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
SAVI
Der Soil-Adjusted Vegetation Index (SAVI) ist ein Vegetationsindex, der entworfen wurde, um Einflüsse durch die Bodenhelligkeit mit einem Bodenhelligkeits-Korrekturfaktor zu minimieren. Dies wird oft in trockenen Regionen verwendet, wo die vegetative Bodendeckung niedrig ist.
SAVI = ((NIR - Red) / (NIR + Red + L)) x (1 + L)- NIR = Pixelwerte vom nahinfraroten Band
- Red = Pixelwerte vom roten Band
- L = Grüne vegetative Bodenbedeckung
NIR und Rot beziehen sich auf die Bänder, die diesen Wellenlängen zugeordnet sind. Der L-Wert hängt von der Menge der grünen vegetativen Bodendeckung ab. Im Allgemeinen gilt in Bereichen ohne grüne Vegetations-Bodendeckung L=1; in Bereichen mit mäßiger grüner Vegetations-Bodendeckung L=0.5; und in Bereichen mit sehr hoher Vegetations-Bodendeckung L=0 (dies entspricht der NDVI-Methode). Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Quelle: Huete, A. R., 1988, "A soil-adjusted vegetation index (SAVI)", Remote Sensing of Environment, Bd. 25, 295–309.
TSAVI
Der Transformed Soil Adjusted Vegetation Index (TSAVI) ist ein Vegetationsindex, der entworfen wurde, um Bodenhelligkeitseinflüsse zu minimieren, indem angenommen wird, dass die Bodenlinie eine beliebige Neigung und einen beliebigen Schnittpunkt hat.
TSAVI=(s(NIR-s*Red-a))/(a*NIR+Red-a*s+X*(1+s2))- NIR = Pixelwerte vom nahinfraroten Band
- R = Pixelwerte vom roten Band
- s = Neigung der Bodenlinie
- a = Schnittpunkt der Bodenlinie
- X = ein Anpassungsfaktor, der festgelegt wird, um Bodenrauschen zu minimieren
Quelle: Baret, F. and G. Guyot, 1991, "Potentials and limits of vegetation indices for LAI and APAR assessment," Remote Sensing of Environment, Bd. 35, 161–173.
Green NDVI
Der Green Normalized Difference Vegetation Index (GNDVI) ist ein Vegetationsindex für die Schätzung der Fotosyntheseaktivität und ein allgemein gebräuchlicher Vegetationsindex zum Bestimmen der Wasser- und Stickstoffaufnahme im Pflanzendach.
GNDVI = (NIR - Grün)/(NIR + Grün)- NIR = Pixelwerte vom nahinfraroten Band
- Green = Pixelwerte vom grünen Band
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Quelle: Buschmann, C., und E. Nagel. 1993. In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation. International Journal of Remote Sensing, Bd. 14, 711–722.
Red-Edge NDVI
Der Red-Edge NDVI ist ein Vegetationsindex für die Schätzung des Vegetationszustands mithilfe des Red Edge-Bandes. Er eignet sich besonders gut für die Einschätzung des Zustands von Feldfrüchten in der mittleren bis späten Wachstumsphase, während der die Chlorophyllkonzentration relativ hoch ist. Mit ihm kann die Schwankung des Stickstoffgehalts in den Blättern innerhalb eines Feldes verzeichnet werden, um zu ermitteln, welcher Dünger von den Feldfrüchten benötigt wird.
Der Red-Edge NDVI-Index wird mit dem nahinfraroten Band (NIR) und der roten Kante berechnet.
NDVIre = (NIR - Red-Edge)/(NIR + Red-Edge)- NIR = Pixelwerte vom nahinfraroten Band
- NIR = Pixelwerte vom Red Edge-Band
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Quelle: Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra", Journal of Photochemistry and Photobiology B 22, 247-252.