Индексы изображений - это изображения, вычисленные из многоканальных изображений. Изображения помогают выявить определенный существующий феномен, при этом смягчая другие факторы, которые ухудшают эти эффекты в изображении. Например, индекс растительности покажет здоровую растительность ярким цветом в индексном изображении, при этом больная растительность имеет значения ниже, и пустынные территории выглядят темными. Поскольку тени от форм рельефа местности (холмов и долин) влияют на интенсивность изображений, индексы создаются таким образом, чтобы сильнее выделялся цвет объекта, а не интенсивность или яркость объекта. Значение индекса растительности для здоровых сосновых деревьев, затененных в долине, будет почти совпадать с индексом для сосновых деревьев, находящихся на прямом солнечном свету. Эти индексы часто создаются путем комбинирования, добавления и удаления каналов, поэтому представляют собой различные пропорции каналов. Они привязаны к определенным каналам, которые находятся в определенных частях электромагнитного спектра. Как результат, они могут быть корректными для некоторых сенсоров или классов сенсоров, поэтому очень важно, чтобы в этих вычислениях использовались правильные каналы.
Одним из основных способов использования этих индексов является сравнение одного и того же объекта на множестве изображений за период времени. Например, существует несколько снимков сельскохозяйственного поля, которые выполнялись каждую неделю с момента засеивания поля и в течение всего вегетационного сезона. Индекс растительности будет вычислен для каждого изображения. Когда вы анализируете эти еженедельные индексы растительности, вы ожидаете увидеть повышение яркости в течении вегетационного сезона. Затем, когда осенью начинается старение растительности, вы ожидаете уменьшение индекса, пока урожай не будет собран, или листья не опадут в конце сезона. Усредненный эффект индексов делает это сравнение резонным. Сравнивая различные поля в области, вы можете определить процветающие поля или поля, которые подвергаются стрессу. Этот тип анализа также может быть использован для определения полей, которые пострадали от урагана.
Выберите индекс в соответствии с явлением, который хотите проанализировать. Убедитесь, что входное изображение получено с сенсора, который имеет необходимые каналы (длины волн и диапазон) для поддержки выбранного индекса. Индексы считывают метаданные из изображения, чтобы проверить имена каналов. Когда они найдут совпадение, автоматически будет применен индекс.
MSAVI
Модифицированный индекс растительности с коррекцией по почве (MSAVI2) разработан для минимизации воздействия обнаженной почвы на индекс растительности с поправкой на почву (SAVI).
MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)2-8(NIR-Red)))- NIR = значения пикселов из ближнего инфракрасного канала
- Red = значения пикселов из красного канала
Литература: Qi, J. et al., 1994, "Модифицированный индекс почвенной растительности, скорректированный", Дистанционное зондирование окружающей среды, Vol. 48, № 2, 119–126.
NDVI
Нормализированный вегетационный индекс (NDVI) - это стандартизированный индекс, показывающий наличие и состояние растительности (относительную биомассу). Этот индекс использует контраст характеристик двух каналов из набора мультиспектральных растровых данных – поглощения пигментом хлорофилла в красном канале и высокой отражательной способности растительного сырья в инфракрасном канале (NIR).
Документированное уравнение NDVI, используемое по умолчанию:
NDVI = ((NIR - Red)/(NIR + Red))- NIR = значения пикселов из ближнего инфракрасного канала
- Red = значения пикселов из красного канала
Этот индекс выводит значения между -1,0 и 1,0.
SAVI
Индекс растительности с коррекцией по почве (Soil-Adjusted Vegetation Index, SAVI) – это индекс растительности, который пытается минимизировать влияние яркости почвы с помощью коэффициента коррекции яркости почвы. Он часто используется в пустынных областях, где растительное покрытие незначительно.
SAVI = ((NIR - Red) / (NIR + Red + L)) x (1 + L)- NIR = значения пикселов из ближнего инфракрасного канала
- Red = значения пикселов из ближнего красного канала
- L = значение покрытия зеленой растительности
NIR и Red обозначают каналы, связанные с длиной соответственно ближних инфракрасных и красных волн. Значение L варьируется в зависимости от величины зеленого растительного покрытия. Обычно в областях без зеленого растительного покрытия L=1; в областях с умеренным зеленым растительным покрытием L=0,5; а в областях с очень густым растительным покрытием L=0 (что эквивалентно методу NDVI). Этот индекс выводит значения между -1,0 и 1,0.
Литература: Huete, A. R., 1988, "Индекс растительности с поправкой на почву" (SAVI), " Дистанционное зондирование окружающей среды, том 25, 295-309".
TSAVI
Преобразованный индекс растительности с коррекцией по почве (Transformed Soil Adjusted Vegetation Index, TSAVI) – это индекс растительности, который пытается минимизировать влияние яркости почвы путем предположения, что линия почвы имеет произвольный уклон и пересечение.
TSAVI=(s(NIR-s*Red-a))/(a*NIR+Red-a*s+X*(1+s2))- NIR = значения пикселов из ближнего инфракрасного канала
- R = значения пикселов из красного канала
- s = уклон линии почвы
- a = пересечение линии почвы
- X = коэффициент коррекции, установленный для минимизации искажений из-за почвы
Литература: Baret, F. и G. Guyot, 1991, "Потенциалы и пределы вегетационных индексов для оценки LAI и APAR", Дистанционное зондирование окружающей среды, Том 35, 161–173.
NDVI зеленый
Индекс растительности нормализованная разница зеленого (GNDVI) - это индекс вегетации для оценки активности фотосинтеза и обычно используется для оценки потребления растениями воды и удобрений.
GNDVI = (NIR-Green)/(NIR+Green)- NIR = значения пикселов из ближнего инфракрасного канала
- Green = значения пикселов из зеленого канала
Этот индекс выводит значения между -1,0 и 1,0.
Литература: Buschmann, C. и E. Nagel. 1993. In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation. International Journal of Remote Sensing, Том 14, 711-722.
NDVI красного края
NDVI красного края – это индекс растительности для оценки состояния растительности с помощью канала красного края. Он особенно хорошо подходит для оценки состояния сельскохозяйственных культур на средней и поздних стадиях созревания, когда концентрация хлорофилла сравнительно высокая. Также его можно использовать для картографирования изменений содержания азота в листве в пределах одного поля, чтобы контролировать количество внесения удобрений.
Индекс NDVI красного края рассчитывается на основе каналов NIR и red-edge.
NDVIre = (NIR-RedEdge)/(NIR+RedEdge)- NIR = значения пикселов из ближнего инфракрасного канала
- RedEdge = значения пикселов из дальнего инфракрасного канала
Этот индекс выводит значения между -1,0 и 1,0.
Литература: Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra, Journal of Photochemistry and Photobiology B 22, 247–252.