Funkcja Arytmetyka pasma

Funkcja Arytmetyka pasma dokonuje operacji arytmetycznych na pasmach warstwy rastrowej. Można wybrać jeden ze wcześniej zdefiniowanych algorytmów albo wprowadzić własną jednowierszową formułę. Obsługiwane są operatory -,+,/,* i jednoargumentowy operator -.

Uwagi

Definiując algorytm arytmetyki pasma z użyciem metody Zdefiniowane przez użytkownika, można wprowadzić jednowierszową formułę algebraiczną tworzącą jednowarstwowe dane wynikowe. Obsługiwane są operatory -,+,/,* i jednoargumentowy operator -. W celu identyfikacji pasm należy poprzedzić numer pasma literą B lub b. Na przykład:

B1 + B2 b1 + (-b2) (B1 + B2) / 2(B3 * B5)

Korzystając z wcześniej zdefiniowanych wskaźników, należy wprowadzić rozdzielaną spacjami listę określającą numery stosowanych pasm. Wstępnie zdefiniowane wskaźniki są opisane poniżej.

Metoda BAI

Wskaźnik Burn Area Index (BAI) wykorzystuje wartości współczynnika odbicia w części czerwonej i NIR widma do identyfikowania obszarów, na których doszło do pożaru.

BAI = 1/((0,1 -RED)^2 + (0,06 - NIR)^2)
  • Red = wartości pikseli dla pasma czerwieni
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni

Używając rozdzielanej spacjami listy, pasma czerwieni i NIR określa się w następującej kolejności: Red NIR. Przykład: 3 4.

Materiał referencyjny: Chuvieco, E., M. Pilar Martin i A. Palacios. „Assessment of Different Spectral Indices in the Red-Near-Infrared Spectral Domain for Burned Land Discrimination”. Remote Sensing of Environment 112 (2002): 2381–2396.

Metoda CIg

Wskaźnik chlorofilowy — zielony (Chlorophyll Index — Green, Clg) jest wskaźnikiem roślinności służącym do szacowania zawartości chlorofilu w liściach przy użyciu współczynnika odbicia w pasmach bliskiej podczerwieni (NIR) i zieleni.

CIg = [(NIR / Green)-1]
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Green = wartości pikseli dla pasma zieleni

Używając rozdzielanej spacjami listy, pasma NIR i zieleni określa się w następującej kolejności: NIR Green. Przykład: 7 3.

Materiał referencyjny: Gitelson, A.A., Kaufman, Y.J., Merzlyak, M.N., 1996. „Use of a green channel in remote sensing of global vegetation from EOS-MODIS”, Remote Sensing of Environment, Vol. 58, 289–298.

Metoda CIre

Metoda wskaźnika chlorofilowego — krawędzi czerwieni (Chlorophyll Index — Red-Edge, Clre) jest wskaźnikiem roślinności służącym do szacowania zawartości chlorofilu w liściach przy użyciu współczynnika odbicia w pasmach bliskiej podczerwieni (NIR) i krawędzi czerwieni.

Clre = [(NIR / RedEdge)-1]
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • RedEdge = wartości pikseli dla pasma krawędzi czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i krawędzi czerwieni określa się w następującej kolejności: NIR RedEdge. Przykład: 7 6.

Materiały referencyjne:

  • Gitelson, A.A., Merzlyak, M.N., 1994. „Quantitative estimation of chlorophyll using reflectance spectra”, Journal of Photochemistry and Photobiology B 22, 247–252.

Metoda Clay Minerals

Współczynnik minerałów ilastych to stosunek pasm SWIR1 i SWIR2. Współczynnik ten wykorzystuje fakt, że minerały uwodnione, takie jak iły i ałunit, pochłaniają promieniowanie w części widma 2,0–2,3 mikrona. Wskaźnik ten ogranicza zmiany oświetlenia wynikające z ukształtowania terenu, ponieważ jest to współczynnik.

Współczynnik minerałów ilastych = SWIR1 / SWIR2
  • SWIR1 = wartości pikseli dla krótkofalowego pasma podczerwieni 1
  • SWIR2 = wartości pikseli dla krótkofalowego pasma podczerwieni 2

W przypadku czujników Landsat TM i ETM+ odpowiada to pasmom 5 (SWIR1) i 7 (SWIR2). W przypadku czujników Landsat 8 odpowiada to pasmom 6 (SWIR1) i 7 (SWIR2).

Używając rozdzielanej spacjami listy, pasma SWIR2 i SWIR2 określa się w następującej kolejności: SWIR1 SWIR2. Przykład: 6 7.

Materiał referencyjny: Dogan, H., 2009. „Mineral composite assessment of Kelkit River Basin in Turkey by means of remote sensing”, Journal of Earth System Science, Vol. 118, 701–710.

Metoda EVI

Metoda rozszerzonego wskaźnika roślinności (Enhanced Vegetation Index, EVI) to zoptymalizowany wskaźnik roślinności, który uwzględnia wpływ warunków atmosferycznych oraz sygnały roślinności w tle. Jest on podobny do wskaźnika NDVI, ale jest mniej wrażliwy na szumy związane z tłem i warunkami atmosferycznymi. Nie staje się tak nasycony, jak wskaźnik NDVI podczas wyświetlania obszarów o dużym zagęszczeniu roślinnością zieloną.

EVI = 2,5*(NIR - Red) / (NIR + 6*Red - 7,5*Blue + 1)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni
  • Blue = wartości pikseli dla pasma niebieskiego

Używając rozdzielanej spacjami listy, pasma NIR, czerwieni i niebieskiego określa się w następującej kolejności: NIR Red Blue. Przykład: 5 4 2.

Ten index daje wartości wynikowe między 0 a 1.

Materiał referencyjny: Huete, A. et al. 2002, „Overview of the radiometric and biophysical performance of the MODIS vegetation indices”, Remote sensing of environment , Vol. 83, 195–213.

Metoda Ferrous Minerals

Metoda współczynnika minerałów żelazowych (Ferrous Minerals, FM) jest wskaźnikiem geologicznym służącym do identyfikowania skał, w których znajduje się pewna ilość minerałów zawierających żelazo przy użyciu pasma SWIR i pasma NIR. Współczynnik FM jest używany podczas tworzenia map kompozytów mineralnych.

Współczynnik minerałów żelazowych wyróżnia materiały zawierające żelazo. Wykorzystuje stosunek pasma SWIR do pasma NIR.

Współczynnik minerałów żelazowych = SWIR / NIR
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni

W przypadku czujników Landsat TM i ETM+ odpowiada to pasmom 5 (SWIR) i 4 (NIR). W przypadku czujników Landsat 8 odpowiada to pasmom 6 (SWIR) i 5 (NIR).

Używając rozdzielanej spacjami listy, pasma SWIR i NIR określa się w następującej kolejności: SWIR NIR. Przykład: 6 5.

Materiał referencyjny: Segal, D. „Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data”. Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): str. 949–951.

Metoda GEMI

Metoda GEMI (Global Environmental Monitoring Index, wskaźnik globalnego monitorowania środowiskowego) jest nieliniowym indeksem roślinności służącym do globalnego monitorowania środowiska przy użyciu zobrazowań satelitarnych. Jest on podobny do indeksu NDVI, jednak jest mniej wrażliwy na zjawiska atmosferyczne. Na indeks ten wpływają puste obszary, zatem nie zaleca się używania go w obszarach o niskim lub umiarkowanym zagęszczeniu roślinności.

GEMI = eta*(1-0.25*eta)-((Red-0.125)/(1-Red))

gdzie

eta = (2*(NIR2-Red2)+1,5*NIR+0,5*Red)/(NIR+Red+0,5)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i czerwieni określa się w następującej kolejności: NIR Red. Na przykład: 4 3.

Ten index daje wartości wynikowe między 0 a 1.

Materiał referencyjny: Pinty, B. i Verstraete, M. M. 1992, „GEMI: a non-linear index to monitor global vegetation from satellites”, Plant Ecology, Vol. 101, 15–20.

Metoda GNDVI

Metoda zielonego znormalizowanego różnicowego wskaźnika roślinności (GNDVI) jest wskaźnikiem roślinności służącym do szacowania aktywności fotosyntetycznej. Jest on często używany do określania poboru wody i azotu przez sklepienie roślin.

GNDVI = (NIR-Green)/(NIR+Green)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Green = wartości pikseli dla pasma zieleni

Używając rozdzielanej spacjami listy, pasma NIR i zieleni określa się w następującej kolejności: NIR Green. Przykład: 5 3.

Ten index daje wartości wynikowe między -1,0 a 1,0.

Materiał referencyjny: Buschmann, C. i E. Nagel. 1993. „In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation”, International Journal of Remote Sensing, Vol. 14, 711–722.

Metoda GVI (Landsat TM)

Metoda indeksu GVI (Green Vegetation Index, indeks roślinności zielonej) została początkowo zaprojektowana na podstawie zobrazowania Landsat MSS, ale została zmodyfikowana w taki sposób, że można jej używać ze zobrazowaniem Landsat TM. Jest ona także znana pod nazwą Landsat TM Tasseled Cap green vegetation index (indeks roślinności zielonej Landsat TM Tasseled Cap). Ten indeks może być używany ze zobrazowaniami, których pasma mają takie same charakterystyki spektralne.

GVI=-0,2848*Band1-0,2435*Band2-0,5436*Band3+0,7243*Band4+0,0840*Band5-1,1800*Band7

Korzystając z rozdzielanej spacjami listy, określa się sześć pasm Landsat TM, w kolejności od pierwszego do piątego i szóstego. Na przykład: 1 2 3 4 5 6. Jeśli dane wejściowe zawierają sześć pasm podanych w oczekiwanej kolejności, wówczas nie trzeba wprowadzać wartości w polu tekstowym Indeksy pasm.

Ten index daje wartości wynikowe między -1 a 1.

Materiał referencyjny: Todd, S. W., R. M. Hoffer i D. G. Milchunas, 1998, „Biomass estimation on grazed and ungrazed rangelands using spectral indices”, International Journal of Remote Sensing, Vol. 19, No. 3, 427–438.

Metoda Iron Oxide

Współczynnik tlenków żelaza to stosunek pasma czerwieni do niebieskiego. Obecność krzemianów zawierających limonit i przeobrażonych limonitycznych tlenków żelaza powoduje absorpcję w paśmie niebieskim i odbicia w paśmie czerwonym. Powoduje to, że obszary z dużą zawartością przeobrażonego żelaza są jasne. Charakter tego współczynnika umożliwia zniwelowanie we wskaźniku różnic oświetlenia spowodowanych cieniowaniem rzeźby terenu.

Współczynnik tlenków żelaza = Red / Blue
  • Red = wartości pikseli dla pasma czerwieni
  • Blue = wartości pikseli dla pasma niebieskiego

W przypadku czujników Landsat TM i ETM+ odpowiada to pasmom 3 (red) i 1 (blue). W przypadku czujników Landsat 8 odpowiada to pasmom 4 (red) i 2 (blue).

Używając rozdzielanej spacjami listy, pasma czerwieni i niebieskie określa się w następującej kolejności: Red Blue. Przykład: 4 2.

Materiał referencyjny: Segal, D. „Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data”. Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): str. 949–951.

Metoda MNDWI

Zmodyfikowany znormalizowany różnicowy wskaźnik wody (Modified Normalized Difference Water Index — MNDWI) wykorzystuje pasma zielone i SWIR w celu uwypuklenia obiektów typu otwarte wody. Osłabia obiekty obszarów zabudowanych, które są często skorelowane z otwartymi wodami w innych wskaźnikach.

MNDWI = (Green - SWIR) / (Green + SWIR)
  • Green = wartości pikseli dla pasma zieleni
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni

Używając rozdzielanej spacjami listy, pasma zieleni i SWIR określa się w następującej kolejności: Green SWIR. Przykład: 3 7.

Materiał referencyjny: Xu, H. „Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery”. International Journal of Remote Sensing 27, Nr 14 (2006): 3025–3033.

Zmodyfikowana metoda SAVI

Metoda zmodyfikowanego wskaźnika roślinności dostosowanego względem gleby (MSAVI2, Modified Soil Adjusted Vegetation Index) stanowi próbę zminimalizowania wpływu pustych obszarów na metodę SAVI.

MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)2-8(NIR-Red)))
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i czerwieni określa się w następującej kolejności: NIR Red. Na przykład: 4 3.

Materiał referencyjny: Qi, J. i inni, 1994, „A modified soil vegetation adjusted index”, Remote Sensing of Environment, Vol. 48, No. 2, 119–126.

Metoda MTVI2

Metoda zmodyfikowanego trójkątnego wskaźnika roślinności (MTVI2) jest wskaźnikiem roślinności używanym do wykrywania zawartości chlorofilu w liściach na poziomie całego sklepienia roślin. Jest ona względnie nieczuła na wskaźnik pokrycia liściowego. Wykorzystuje odbicie w pasmach zieleni, czerwieni i NIR.

MTVI2 = [1,5(1,2(NIR-Green)-2,5(Red-Green))√((2NIR+1)²-(6NIR-5√(Red))-0,5)]
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni
  • Green = wartości pikseli dla pasma zieleni

Używając rozdzielanej spacjami listy, pasma NIR, czerwieni i zieleni określa się w następującej kolejności: NIR Red Green. Przykład: 7 5 3.

Materiał referencyjny: Haboudane, D., Miller, J.R., Tremblay, N., Zarco-Tejada, P.J., Dextraze, L., 2002. „Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture”, Remote Sensing of Environment, Vol. 81, 416–426.

Metoda NBR

Wskaźnik Normalized Burn Ratio index (NBRI) wykorzystuje pasma NIR i SWIR w celu uwypuklenia obszarów spalonych z jednoczesnym ograniczeniem wpływu naświetlenia oraz zjawisk atmosferycznych. Zanim wykorzysta się ten wskaźnik, należy skorygować obrazy pod kątem wartości współczynnika odbicia. Więcej informacji zawiera opis funkcji Widoczne odbicie.

NBR = (NIR - SWIR) / (NIR+ SWIR)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni

Używając rozdzielanej spacjami listy, pasma NIR i SWIR określa się w następującej kolejności: NIR SWIR. Przykład: 4 7.

Materiał referencyjny: Key, C. i N. Benson, N. „Landscape Assessment: Remote Sensing of Severity, the Normalized Burn Ratio; and Ground Measure of Severity, the Composite Burn Index”. FIREMON: Fire Effects Monitoring and Inventory System, RMRS-GTR, Ogden, UT: USDA Forest Service, Rocky Mountain Research Station (2005).

Metoda NDBI

Znormalizowany różnicowy wskaźnik zabudowy (Normalized Difference Built-up Index — NDBI) korzysta z pasm NIR i SWIR w celu uwypuklenia obszarów zabudowy. Jest oparty na współczynniku, aby łagodzić efekty wynikające z różnic oświetlenia terenu oraz efekty atmosferyczne.

NDBI = (SWIR - NIR) / (SWIR + NIR)
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni

Używając rozdzielanej spacjami listy, pasma SWIR i NIR określa się w następującej kolejności: SWIR NIR. Przykład: 7 4.

Materiał referencyjny: Zha, Y., J. Gao i S. Ni. „Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery”. International Journal of Remote Sensing 24, nr 3 (2003): 583–594.

Metoda NDMI

Znormalizowany różnicowy wskaźnik wilgotności (Normalized Difference Moisture Index — NDMI) jest wrażliwy na poziomy wilgotności roślinności. Jest on używany do monitorowania suszy oraz poziomów substancji palnych w obszarach narażonych na pożary. Wykorzystuje on pasma NIR i SWIR do utworzenia współczynnika zaprojektowanego z myślą o ograniczeniu wpływu naświetlenia oraz zjawisk atmosferycznych.

NDMI = (NIR - SWIR1)/(NIR + SWIR1)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • SWIR1 = wartości pikseli dla krótkofalowego pasma podczerwieni 1

Używając rozdzielanej spacjami listy, pasma SWIR i NIR określa się w następującej kolejności: NIR SWIR1. Przykład: 4 7.

Materiały referencyjne:

  1. Wilson, E.H. i Sader, S.A., 2002, „Detection of forest harvest type using multiple dates of Landsat TM imagery”. Remote Sensing of Environment, 80 , str. 385–396.
  2. Skakun, R.S., Wulder, M.A. i Franklin, .S.E. (2003). „Sensitivity of the thematic mapper enhanced wetness difference index to detect mountain pine beetle red-attack damage”.Remote Sensing of Environment, tom 86, str. 433–443.

Metoda NDSI

Wskaźnik Normalized Difference Snow Index (NDSI) został zaprojektowany pod kątem wykorzystania pasm MODIS 4 i 6 oraz Landsat TM 2 i 5 do identyfikacji pokrywy śnieżnej, ignorując zachmurzenie. Ponieważ jest oparty na współczynniku, łagodzi również efekty atmosferyczne.

NDSI = (Green - SWIR) / (Green + SWIR)
  • Green = wartości pikseli dla pasma zieleni
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni

Używając rozdzielanej spacjami listy, pasma zieleni i SWIR określa się w następującej kolejności: Green SWIR. Przykład: 3 7.

Materiał referencyjny: Riggs, G., D. Hall i V. Salomonson. „A Snow Index for the Landsat Thematic Mapper and Moderate Resolution Imaging Spectrometer”. Geoscience and Remote Sensing Symposium, IGARSS '94, tom 4: Surface and Atmospheric Remote Sensing: Technologies, Data Analysis, and Interpretation (1994), str. 1942–1944.

Metoda NDVI

Metoda znormalizowanego różnicowego wskaźnika wegetacji (Normalized Difference Vegetation Index, NDVI) jest standardowym indeksem umożliwiającym generowanie obrazów obszarów zielonych (względnej biomasy). Ten indeks wykorzystuje kontrast między charakterystykami dwóch pasm z wielospektralnego zestawu danych rastrowych: absorpcji chlorofilu w paśmie czerwieni i wysokiego współczynnik odbicia roślinności w paśmie NIR.

Udokumentowane i domyślne równanie NDVI ma następującą postać:

NDVI = ((NIR - Red)/(NIR + Red))
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i czerwieni określa się w następującej kolejności: NIR Red. Na przykład: 4 3.

Ten index daje wartości wynikowe między -1,0 a 1,0.

Materiał referencyjny: Rouse, J.W., R.H. Haas, J.A. Schell, and D.W. Deering, 1973, „Monitoring vegetation systems in the Great Plains with ERTS”, Trzecie sympozjum ERTS, NASA SP-351 I:309-317.

Dowiedz się więcej na temat indeksu NDVI

Metoda NDVIre

Metoda wskaźnika NDVI krawędzi czerwieni (NDVIre) jest wskaźnikiem roślinności służącym do szacowania kondycji roślinności z użyciem pasma krawędzi czerwieni. Jest szczególnie przydatna do szacowania kondycji plonów w środkowym i późnym etapie wzrostu, gdy koncentracja chlorofilu jest stosunkowo duża. Ponadto wskaźnik NDVIre może być wykorzystywany do odwzorowywania zmienności zawartości azotu w liściach na obszarze pola, co pozwala określić wymagania w zakresie nawożenia plonów.

Wskaźnik NDVIre jest obliczany przy użyciu pasma NIR i pasma krawędzi czerwieni.

NDVIre = (NIR - RedEdge)/(NIR + RedEdge)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • RedEdge = wartości pikseli dla pasma krawędzi czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i krawędzi czerwieni określa się w następującej kolejności: NIR RedEdge. Przykład: 7 6.

Ten index daje wartości wynikowe między -1,0 a 1,0.

Materiał referencyjny: Gitelson, A.A., Merzlyak, M.N., 1994. „Quantitative estimation of chlorophyll using reflectance spectra”, Journal of Photochemistry and Photobiology B 22, 247–252.

Metoda NDWI

Metoda znormalizowanego różnicowego wskaźnika wody (NDWI) to wskaźnik służący do wyznaczania granic i monitorowania zmian zawartości na powierzchni wody. Wskaźnik ten jest obliczany z użyciem pasm NIR i zieleni.

NDWI = (Green - NIR) / (Green + NIR)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Green = wartości pikseli dla pasma zieleni

Używając rozdzielanej spacjami listy, pasma NIR i zieleni określa się w następującej kolejności: NIR Green. Przykład: 5 3.

Ten index daje wartości wynikowe między -1,0 a 1,0.

Materiał referencyjny: McFeeters, S., 1996. „The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open Water Features”, International Journal of Remote Sensing, 17, 1425–1432.

Metoda PVI

Metoda wskaźnika roślinności pionowej (PVI, Perpendicular Vegetation Index) jest podobna do różnicowego wskaźnika roślinności (DVI), jednak jest wrażliwa na zmiany warunków atmosferycznych. Ta metoda powinna być używana tylko do porównywania obrazów, w przypadku których wyeliminowano wpływ warunków atmosferycznych.

PVI = (NIR - a*Red - b) / (sqrt(1 + a2))
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni
  • a = spadek linii gleb
  • b = gradient linii gleb

Używając rozdzielanej spacjami listy, określa się pasma NIR i czerwieni oraz wprowadza się wartości a i b w następującej kolejności: NIR Red a b. Przykład: 4 3 0,3 0,5.

Ten index daje wartości wynikowe między -1,0 a 1,0.

Materiał referencyjny: Richardson, A. J. and C. L. Wiegand, 1977, „Distinguishing vegetation from soil background information”, Photogrammetric Engineering and Remote Sensing, 43, 1541–1552.

Metoda RTVIcore

Metoda trójkątnego wskaźnika roślinności krawędzi czerwieni (RTVICore) jest wskaźnikiem roślinności służącym do szacowania wskaźnika pokrycia liściowego i biomasy. Ten indeks wykorzystuje odbicie w pasmach spektralnych NIR, krawędzi czerwieni i zieleni.

RTVICore = [100(NIR-RedEdge)-10(NIR-Green)]
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • RedEdge = wartości pikseli dla pasma krawędzi czerwieni
  • Green = wartości pikseli dla pasma zieleni

Używając rozdzielanej spacjami listy, pasma NIR, krawędzi czerwieni i zieleni określa się w następującej kolejności: NIR RedEdge Green. Przykład: 7 6 3.

Materiał referencyjny: Haboudane, D., Miller, J.R., Pattey, E., Zarco-Tejada, P.J., Strachan, I.B., 2004. „Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: modeling and validation in the context of precision agriculture”, Remote Sensing of Environment, Vol. 90, 337–352.

Metoda SAVI

Metoda wskaźnika roślinności dostosowanego względem gleby (SAVI, Soil-Adjusted Vegetation Index) jest indeksem roślinności, w przypadku którego podjęto próbę zminimalizowania wpływu jasności obrazu gleb przy użyciu współczynnika korygującego jasność obrazu gleb. Jest on często używany na jałowych obszarach o niskim zagęszczeniu szaty roślinnej i daje wartości wynikowe między -1,0 a 1,0.

SAVI = ((NIR - Red) / (NIR + Red + L)) x (1 + L)
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma bliskiej czerwieni
  • L = wielkość pokrycia roślinnością zieloną

Używając rozdzielanej spacjami listy, pasma NIR i pasma czerwieni oraz wartość L określa się w następującej kolejności: NIR Red L. Na przykład: 4 3 0,5.

Materiał referencyjny: Huete, A. R., 1988, „A soil-adjusted vegetation index (SAVI)”, Remote Sensing of Environment, Vol 25, 295–309.

Metoda SR

Metoda prostego współczynnika (Simple Ratio, SR) jest wskaźnikiem roślinności często używanym do szacowania ilości roślinności. Jest to stosunek światła rozproszonego w paśmie NIR do zaabsorbowanego w paśmie czerwieni, co zmniejsza wpływ atmosfery i topografii.

Wartości są wysokie dla roślinności o wysokim wskaźniku pokrycia liściowego lub wysokim pokryciu sklepienia, a niskie w przypadku gleby, wody i obiektów bez wegetacji. Zakres wartości obejmuje liczby od 0 do około 30, gdzie zdrowej roślinności odpowiadają zwykle wartości od 2 do 8.

SR = NIR / Red
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i czerwieni określa się w następującej kolejności: NIR Red. Na przykład: 4 3.

Materiał referencyjny: Birth, G.S. i G.R. McVey, 1968. „Measuring color of growing turf with a reflectance spectrophotometer”, Agronomy Journal Vol. 60, 640–649.

Metoda SRre

Metoda prostego współczynnika krawędzi czerwieni (SRre) jest wskaźnikiem roślinności używanym do szacowania ilości zdrowej i poddanej stresowi roślinności. Jest to współczynnik światła rozproszonego w paśmie NIR i w paśmie czerwieni, co zmniejsza wpływ atmosfery i topografii.

Wartości są wysokie w przypadku zdrowej roślinności o wysokim pokryciu sklepienia, niższe w przypadku wysokiego pokrycia sklepienia i roślinności poddanej dużemu stresowi, a niskie w przypadku gleby, wody i obiektów bez wegetacji. Zakres wartości obejmuje liczby od 0 do około 30, gdzie zdrowej roślinności odpowiadają zwykle wartości od 1 do 10.

SRre = NIR / RedEdge
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • RedEdge = wartości pikseli dla pasma krawędzi czerwieni

Używając rozdzielanej spacjami listy, pasma NIR i krawędzi czerwieni określa się w następującej kolejności: NIR RedEdge. Przykład: 7 6.

Materiał referencyjny: Anatoly A. Gitelson, Yoram J. Kaufman, Robert Stark i Don Rundquist, 2002, „Novel algorithms for remote estimation of vegetation fraction”, Remote Sensing of Environment, Vol. 80, 76–87.

Metoda Wzór Sułtana

Proces Sułtana wykorzystuje 8-bitowy obraz zawierający sześć pasm i stosuje metodę Wzór Sułtana w celu utworzenia 8-bitowego obrazu zawierającego trzy pasma. Wynikowy obraz pozwala wyróżnić spotykane na wybrzeżach formacje skalne nazywane ofiolitami. Ten wzór został opracowany w oparciu o pasma TM i ETM sceny Landsat 5 lub 7. Równania wykorzystywane do utworzenia każdego pasma wynikowego są następujące:

Band 1 = (Band5 / Band7) x 100 Band 2 = (Band5 / Band1) x 100 Band 3 = (Band3 / Band4) x (Band5 / Band4) x 100

Korzystając z rozdzielanej spacjami listy, określa się indeksy wymaganych pięciu pasm. Na przykład 1 3 4 5 6. Jeśli dane wejściowe zawierają sześć pasm podanych w oczekiwanej kolejności, nie trzeba wprowadzać wartości w polu tekstowym Indeksy pasm.

Materiał referencyjny: Sultan, M., Arvidson, R.E, Sturchio, N.C. & Guiness, E.A. 1987, „Lithologic mapping in Arid Regions with Landsat thematic mapper data: Meatig Dome, Egypt”, Geological Society of America Bulletin 99: 748–762

Przekształcona metoda SAVI

Metoda przekształconego wskaźnika roślinności dostosowanego względem gleby (TSAVI, Transformed Soil Adjusted Vegetation Index) jest indeksem roślinności, w przypadku którego minimalizowany jest wpływ jasności obrazu gleb, przyjmując, że linia gleb ma arbitralny spadek i przecięcie.

TSAVI = (s * (NIR - s * Red - a)) / (a * NIR + Red - a * s + X * (1 + s2))
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • Red = wartości pikseli dla pasma czerwieni
  • s = spadek linii gleb
  • a = przecięcie linii gleb
  • X = współczynnik korygujący ustawiany w celu zminimalizowania szumu gleby

Używając rozdzielanej spacjami listy, pasma NIR i czerwieni i wartości s, a oraz X określa się w następującej kolejności: NIR Red s a X. Przykład: 3 1 0,33 0,50 1,50.

Materiał referencyjny: Baret, F. i G. Guyot, 1991, „Potentials and limits of vegetation indices for LAI and APAR assessment”, Remote Sensing of Environment, Vol. 35, 161–173.

Materiał referencyjny: Baret, F. i G. Guyot, 1991, „Potentials and limits of vegetation indices for LAI and APAR assessment”, Remote Sensing of Environment, Vol. 35, 161–173.

Metoda VARI

Wskaźnik Visible Atmospherically Resistant Index (VARI) został zaprojektowany w celu uwypuklenia szaty roślinnej w widocznej części widma z jednoczesnym ograniczeniem wpływu różnic oświetlenia oraz zjawisk atmosferycznych. Z tego względu doskonale sprawdza się w przypadku obrazów RGB lub kolorowych; korzysta ze wszystkich trzech pasm kolorów.

VARI = (Green - Red)/(Green + Red - Blue)
  • Green = wartości pikseli dla pasma zieleni
  • Red = wartości pikseli dla pasma czerwieni
  • Blue = wartości pikseli dla pasma niebieskiego

Używając rozdzielanej spacjami listy, pasma czerwieni, zieleni i koloru niebieskiego określa się w następującej kolejności: Red Green Blue. Na przykład 3 2 1.

Materiał referencyjny: Gitelson, A. i inni. „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.

Metoda WNDWI

Metoda ważonego znormalizowanego różnicowego wskaźnika wody (WNDWI) to wskaźnik opracowany w celu zmniejszenia błędu często występującego w innych wskaźnikach wody, który pojawia się np. w przypadku zmętnienia wody, niewielkich zbiorników wodnych lub zacienienia scen poddawanych teledetekcji.

WNDWI = [Green – α * NIR – (1 – α) * SWIR ] / [Green + α * NIR + (1 – α) * SWIR]
  • Green = wartości pikseli dla pasma zieleni
  • NIR = wartości pikseli dla pasma bliskiej podczerwieni
  • SWIR = wartości pikseli dla krótkofalowego pasma podczerwieni
  • α = współczynnik ważony z zakresu od 0 do 1. Wartość domyślna wynosi 0,5.

Używając rozdzielanej spacjami listy, pasma zieleni, NIR i SWIR oraz współczynnik α określa się w następującej kolejności: Green NIR SWIR α. Przykład: 2 5 6 0.5.

Materiał referencyjny: Qiandong Guo, Ruiliang Pu, Jialin Li & Jun Cheng, 2017, „A weighted normalized difference water index for water extraction using Landsat imagery”, International Journal of Remote Sensing, Vol. 38, 5430–5445.

Parametry

ParametrOpis

Raster

Wejściowe dane warstwy rastrowej

Metoda

Typ algorytmu arytmetyki pasma, który ma zostać wdrożony. Można zdefiniować niestandardowy algorytm lub wybrać jeden ze wstępnie zdefiniowanych wskaźników.

Zdefiniowana przez użytkownika — pozwala zdefiniować niestandardowe wyrażenie arytmetyki pasma.

BAI — wskaźnik obszarów spalonych

Clg — wskaźnik chlorofilowy — zielony

Clre — wskaźnik chlorofilowy — krawędź czerwieni

Clay Minerals — współczynnik minerałów ilastych

EVI — rozszerzony wskaźnik roślinności

Ferrous Minerals — współczynnik minerałów żelazowych

GEMI — wskaźnik globalnego monitorowania środowiskowego

GNDVI — zielony znormalizowany różnicowy wskaźnik roślinności

GVI (Landsat TM) — wskaźnik roślinności zielonej Landsat TM

Iron Oxide — współczynnik tlenków żelaza

MNDWI — zmodyfikowany znormalizowany różnicowy wskaźnik wody

MTVI2 — zmodyfikowany trójkątny wskaźnik roślinności

Zmodyfikowany SAVI — zmodyfikowany wskaźnik roślinności dostosowany względem gleby

NBR — znormalizowany współczynnik spalenia

NDBI — znormalizowany różnicowy indeks zabudowy

NDSI — znormalizowany różnicowy wskaźnik śniegu

NDVI — znormalizowany różnicowy wskaźnik roślinności

NDVIre — znormalizowany różnicowy wskaźnik roślinności krawędzi czerwieni

NDWI — znormalizowany różnicowy wskaźnik wody

PVI — wskaźnik roślinności pionowej

RTVICore — trójkątny wskaźnik roślinności krawędzi czerwieni

SAVI — wskaźnik roślinności dostosowany względem gleby

SR — prosty współczynnik

SRre — prosty współczynnik

Wzór Sułtana — wzór Sułtana

Przetransformowany SAVI — przetransformowany wskaźnik roślinności dostosowany względem gleby

VARI — wskaźnik Visible Atmospherically Resistant Index

WNDWI — ważony znormalizowany różnicowy wskaźnik wody

Indeksy pasm

Jeśli w parametrze Metoda wybrane zostanie ustawienie Zdefiniowana przez użytkownika, należy zdefiniować formułę arytmetyki pasma.

Jeśli w parametrze Metoda zostanie wybrany wstępnie zdefiniowany wskaźnik, należy zdefiniować odpowiednie pasma wejściowych zestawów danych rastrowych, które odpowiadają wskaźnikowi.


W tym temacie
  1. Uwagi
  2. Parametry