El índice de vegetación de diferencia normalizada ( NDVI ) es un indicador gráfico simple que se puede utilizar para analizar mediciones de teledetección , a menudo desde una plataforma espacial , para evaluar si el objetivo que se observa contiene o no vegetación verde viva .
Breve historia
La exploración del espacio ultraterrestre comenzó en serio con el lanzamiento del Sputnik 1 por la Unión Soviética el 4 de octubre de 1957. Este fue el primer satélite artificial que orbita la Tierra . Los lanzamientos exitosos posteriores, tanto en la Unión Soviética (por ejemplo, los programas Sputnik y Cosmos ) como en los Estados Unidos (por ejemplo, el programa Explorer ), llevaron rápidamente al diseño y funcionamiento de satélites meteorológicos dedicados . Se trata de plataformas en órbita que embarcan instrumentos especialmente diseñados para observar la atmósfera y la superficie de la Tierra con miras a mejorar la predicción meteorológica . A partir de 1960, la serie de satélites TIROS se embarcó en cámaras de televisión y radiómetros. Esto fue más tarde (1964 en adelante) seguido por los satélites Nimbus y la familia de instrumentos radiómetros avanzados de muy alta resolución a bordo de las plataformas de la Administración Nacional Oceánica y Atmosférica (NOAA). Este último mide la reflectancia del planeta en bandas roja e infrarroja cercana, así como en la infrarroja térmica. Paralelamente, la NASA desarrolló el Earth Resources Technology Satellite (ERTS), que se convirtió en el precursor del programa Landsat . Estos primeros sensores tenían una resolución espectral mínima, pero tendían a incluir bandas en el rojo y el infrarrojo cercano, que son útiles para distinguir la vegetación y las nubes, entre otros objetivos.
Con el lanzamiento del primer satélite ERTS, que pronto pasaría a llamarse Landsat 1 , el 23 de julio de 1972 con su escáner multiespectral (MSS), la NASA financió una serie de investigaciones para determinar sus capacidades para la detección remota de la Tierra. Uno de esos primeros estudios se dirigió a examinar el reverdecimiento de la vegetación primaveral y el posterior secado en verano y otoño (el llamado "avance y retrogradación primaveral") en toda la extensión de norte a sur de la región de las Grandes Llanuras del centro de los Estados Unidos Esta región cubría una amplia gama de latitudes desde el extremo sur de Texas hasta la frontera entre Estados Unidos y Canadá, lo que resultó en una amplia gama de ángulos cenitales solares en el momento de las observaciones satelitales.
Los investigadores de este estudio de Great Plains (el estudiante de doctorado Donald Deering y su asesor, el Dr. Robert Hass) encontraron que su capacidad para correlacionar o cuantificar las características biofísicas de la vegetación de los pastizales de esta región a partir de las señales espectrales de los satélites se veía confundida por estas diferencias. en ángulo cenital solar a través de este fuerte gradiente latitudinal. Con la ayuda de un matemático residente (Dr. John Schell), estudiaron soluciones a este dilema y posteriormente desarrollaron la relación de la diferencia de radiancias rojas e infrarrojas sobre su suma como un medio para ajustar o "normalizar" los efectos de el ángulo cenital solar. Originalmente, llamaron a esta razón el "Índice de Vegetación" (y otra variante, la transformación de raíz cuadrada de la razón de diferencia-suma, el "Índice de Vegetación Transformada"); pero como varios otros investigadores de teledetección estaban identificando la relación rojo / infrarrojo simple y otras relaciones espectrales como el “índice de vegetación”, finalmente comenzaron a identificar la formulación de la relación de diferencia / suma como el índice de vegetación de diferencia normalizada. El primer uso informado de NDVI en el estudio de Great Plains fue en 1973 por Rouse et al. [3] (El Dr. John Rouse fue el Director del Centro de Percepción Remota de la Universidad Texas A&M, donde se llevó a cabo el estudio de Great Plains). Sin embargo, fueron precedidos en la formulación de un índice espectral de diferencia normalizado por Kriegler et al. en 1969. [4] Poco después del lanzamiento de ERTS-1 (Landsat-1), Compton Tucker del Goddard Space Flight Center de la NASA produjo una serie de artículos de revistas científicas tempranas que describen los usos del NDVI.
Por lo tanto, NDVI fue uno de los intentos más exitosos de identificar de manera simple y rápida áreas con vegetación y su "condición", y sigue siendo el índice más conocido y utilizado para detectar dosel de plantas verdes vivas en datos de teledetección multiespectrales. Una vez demostrada la viabilidad de detectar la vegetación, los usuarios tendían a utilizar también el NDVI para cuantificar la capacidad fotosintética de las copas de las plantas. Esto, sin embargo, puede ser una tarea bastante más compleja si no se realiza correctamente, como se analiza a continuación.
Razón fundamental
Las plantas verdes vivas absorben la radiación solar en la región espectral de la radiación fotosintéticamente activa (PAR), que utilizan como fuente de energía en el proceso de fotosíntesis . Las células de las hojas también han evolucionado para reemitir radiación solar en la región espectral del infrarrojo cercano (que transporta aproximadamente la mitad de la energía solar entrante total), porque la energía de los fotones en longitudes de onda superiores a unos 700 nanómetros es demasiado pequeña para sintetizar moléculas orgánicas. Una fuerte absorción en estas longitudes de onda solo resultaría en un sobrecalentamiento de la planta y posiblemente dañaría los tejidos. Por lo tanto, las plantas verdes vivas aparecen relativamente oscuras en el PAR y relativamente brillantes en el infrarrojo cercano. [5] Por el contrario, las nubes y la nieve tienden a ser bastante brillantes en el rojo (así como en otras longitudes de onda visibles) y bastante oscuras en el infrarrojo cercano. El pigmento de las hojas de las plantas, la clorofila, absorbe fuertemente la luz visible (de 0,4 a 0,7 µm) para su uso en la fotosíntesis. La estructura celular de las hojas, por otro lado, refleja fuertemente la luz del infrarrojo cercano (de 0,7 a 1,1 µm). Cuantas más hojas tiene una planta, más se ven afectadas estas longitudes de onda de luz, respectivamente. Dado que los primeros instrumentos de observación de la Tierra, como el ERTS de la NASA y el AVHRR de la NOAA , adquirieron datos en el infrarrojo cercano y visible, era natural aprovechar las fuertes diferencias en la reflectancia de las plantas para determinar su distribución espacial en estas imágenes de satélite.
El NDVI se calcula a partir de estas mediciones individuales de la siguiente manera:
donde Red y NIR representan las medidas de reflectancia espectral adquiridas en las regiones roja (visible) e infrarroja cercana, respectivamente. [6] Estas reflectancias espectrales son en sí mismas proporciones del reflejado sobre la radiación entrante en cada banda espectral individualmente, por lo que toman valores entre 0.0 y 1.0. Por diseño, el propio NDVI varía entre -1,0 y +1,0. NDVI es funcionalmente, pero no linealmente, equivalente a la relación simple infrarrojo / rojo (NIR / VIS). Por lo tanto, la ventaja del NDVI sobre una simple relación infrarrojo / rojo se limita generalmente a cualquier posible linealidad de su relación funcional con las propiedades de la vegetación (por ejemplo, biomasa). La relación simple (a diferencia de NDVI) es siempre positiva, lo que puede tener ventajas prácticas, pero también tiene un rango matemáticamente infinito (0 a infinito), lo que puede ser una desventaja práctica en comparación con NDVI. También en este sentido, tenga en cuenta que el término VIS en el numerador de NDVI solo escala el resultado, creando así valores negativos. NDVI es funcional y linealmente equivalente a la relación NIR / (NIR + VIS), que varía de 0 a 1 y, por lo tanto, nunca es negativa ni ilimitada en su rango. [7] Pero el concepto más importante en la comprensión de la fórmula algebraica NDVI es que, a pesar de su nombre, es una transformación de una relación espectral (NIR / VIS), y no tiene relación funcional con una diferencia espectral (NIR- VIS).
En general, si hay mucha más radiación reflejada en las longitudes de onda del infrarrojo cercano que en las longitudes de onda visibles, es probable que la vegetación en ese píxel sea densa y contenga algún tipo de bosque. Trabajos posteriores han demostrado que el NDVI está directamente relacionado con la capacidad fotosintética y, por lo tanto, con la absorción de energía de las copas de las plantas. [8] [9] Aunque el índice admite ir de -1 a 1, incluso en áreas urbanas más densamente pobladas el valor del NDVI normal es positivo, aunque más cercano a cero. Es más probable que los valores negativos se alteren en la atmósfera y en algunos materiales específicos . [10]
Rendimiento y limitaciones
Se puede ver en su definición matemática que el NDVI de un área que contiene un dosel de vegetación densa tenderá a valores positivos (digamos 0.3 a 0.8) mientras que las nubes y los campos de nieve se caracterizarán por valores negativos de este índice. Otros objetivos en la Tierra visibles desde el espacio incluyen:
- libre de pie de agua (por ejemplo, océanos, mares, lagos y ríos) que tienen una reflectancia más bien baja en ambas bandas espectrales (al menos de distancia de las costas) y por lo tanto dan como resultado valores de NDVI incluso ligeramente negativos muy bajo positivo o,
- suelos que generalmente exhiben una reflectancia espectral del infrarrojo cercano algo más grande que el rojo y, por lo tanto, tienden a generar también valores NDVI positivos bastante pequeños (digamos 0.1 a 0.2).
Además de la simplicidad del algoritmo y su capacidad para distinguir ampliamente las áreas con vegetación de otros tipos de superficies, el NDVI también tiene la ventaja de comprimir el tamaño de los datos a manipular por un factor 2 (o más), ya que reemplaza el dos bandas espectrales por un solo campo nuevo (eventualmente codificado en 8 bits en lugar de los 10 o más bits de los datos originales).
El NDVI se ha utilizado ampliamente en aplicaciones para las que no fue diseñado originalmente. El uso del NDVI para evaluaciones cuantitativas (a diferencia de las encuestas cualitativas como se indicó anteriormente) plantea una serie de problemas que pueden limitar seriamente la utilidad real de este índice si no se abordan adecuadamente. [ cita requerida ] Las siguientes subsecciones revisan algunos de estos temas.
- Matemáticamente, la suma y la diferencia de los dos canales espectrales contienen la misma información que los datos originales, pero la diferencia sola (o la diferencia normalizada) lleva solo una parte de la información inicial. El usuario debe juzgar si la información faltante es relevante o valiosa, pero es importante comprender que un producto NDVI contiene solo una fracción de la información disponible en los datos originales de reflectancia espectral.
- Los usuarios del NDVI han tendido a estimar un gran número de propiedades de la vegetación a partir del valor de este índice. Los ejemplos típicos incluyen el índice de área foliar , la biomasa , la concentración de clorofila en las hojas, la productividad de las plantas, la cobertura vegetal fraccionada, la precipitación acumulada, etc. Estas relaciones a menudo se derivan correlacionando los valores del NDVI derivados del espacio con los valores medidos en el suelo de estas variables. Este enfoque plantea problemas adicionales relacionados con la escala espacial asociada con las mediciones, ya que los sensores de satélite siempre miden las cantidades de radiación para áreas sustancialmente más grandes que las muestreadas por los instrumentos de campo. Además, por supuesto, es ilógico afirmar que todas estas relaciones se cumplen a la vez, porque eso implicaría que todas estas propiedades ambientales estarían directa e inequívocamente relacionadas entre sí.
- Las medidas de reflectancia deben ser relativas a la misma área y adquirirse simultáneamente. Esto puede no ser fácil de lograr con instrumentos que adquieren diferentes canales espectrales a través de diferentes cámaras o planos focales. El registro incorrecto de las imágenes espectrales puede provocar errores sustanciales y resultados inutilizables.
Además, el cálculo del valor NDVI resulta ser sensible a una serie de factores perturbadores que incluyen
- Efectos atmosféricos: La composición real de la atmósfera (en particular con respecto al vapor de agua y aerosoles) puede afectar significativamente las mediciones realizadas en el espacio. Por lo tanto, esto último puede malinterpretarse si estos efectos no se tienen en cuenta adecuadamente (como es el caso cuando el NDVI se calcula directamente sobre la base de mediciones sin procesar).
- Nubes: las nubes profundas (ópticamente gruesas) pueden ser bastante notables en las imágenes de satélite y producen valores NDVI característicos que facilitan su detección. Sin embargo, las nubes delgadas (como los cirros omnipresentes), o las nubes pequeñas con dimensiones lineales típicas más pequeñas que el diámetro del área realmente muestreada por los sensores, pueden contaminar significativamente las mediciones. De manera similar, las sombras de nubes en áreas que parecen claras pueden afectar los valores de NDVI y dar lugar a malas interpretaciones. Estas consideraciones se minimizan al formar imágenes compuestas a partir de imágenes diarias o casi diarias. [11] Las imágenes compuestas del NDVI han dado lugar a una gran cantidad de nuevas aplicaciones de vegetación en las que el NDVI o la capacidad fotosintética varían con el tiempo.
- Efectos sobre el suelo: Los suelos tienden a oscurecerse cuando están húmedos, por lo que su reflectancia es una función directa del contenido de agua. Si la respuesta espectral a la humectación no es exactamente la misma en las dos bandas espectrales, el NDVI de un área puede parecer que cambia como resultado de cambios en la humedad del suelo (precipitación o evaporación) y no debido a cambios en la vegetación.
- Efectos anisotrópicos: todas las superficies (ya sean naturales o artificiales) reflejan la luz de manera diferente en diferentes direcciones, y esta forma de anisotropía es generalmente espectralmente dependiente, incluso si la tendencia general puede ser similar en estas dos bandas espectrales. Como resultado, el valor de NDVI puede depender de la anisotropía particular del objetivo y de la geometría angular de iluminación y observación en el momento de las mediciones y, por tanto, de la posición del objetivo de interés dentro de la franja del instrumento o el tiempo de paso del satélite sobre el sitio. Esto es particularmente crucial en el análisis de datos AVHRR ya que la órbita de las plataformas NOAA tendía a desplazarse en el tiempo. Al mismo tiempo, el uso de imágenes NDVI compuestas minimiza estas consideraciones y ha llevado a conjuntos de datos NDVI de series de tiempo globales que abarcan más de 25 años.
- Efectos espectrales: Dado que cada sensor tiene sus propias características y rendimientos, en particular con respecto a la posición, ancho y forma de las bandas espectrales, una sola fórmula como NDVI arroja resultados diferentes cuando se aplica a las medidas adquiridas por diferentes instrumentos.
- Problema de unidad de área modificable (MAUP): NDVI es omnipresente como índice de vegetación. Dado que la cartografía y el seguimiento de la vegetación se realizan a través de sistemas de procesamiento de imágenes de ' big data '. Estos sistemas pueden utilizar algoritmos basados en píxeles u objetos para evaluar la salud de la vegetación, la evapotranspiración y otras funciones del ecosistema. Cuando una categoría de vegetación consta de varios píxeles, el cálculo de una 'media' puede ser una media de los valores NDVI para cada píxel (basado en píxeles), o una media de los valores rojos y una media de los valores NIR para todos los píxeles en los que el NDVI medio es la proporción de estos (basados en objetos). NDVI puede sufrir los problemas intratables asociados con MAUP. En particular, un estudio reciente demostró que cuando se estiman los valores medios del NDVI para ciertas distancias de amortiguación, la escala del análisis puede influir en las medidas del NDVI debido a la presencia de efectos de escala asociados con MAUP. [12] Otro estudio demostró que MAUP no tiene un impacto significativo en el caso de píxeles de vegetación pura en un entorno urbano. [13]
Se han propuesto varios derivados y alternativas al NDVI en la literatura científica para abordar estas limitaciones, incluido el Índice de Vegetación Perpendicular, [14] el Índice de Vegetación Ajustado al Suelo , [15] el Índice de Vegetación Atmosféricamente Resistente [16] y el Global Índice de seguimiento del medio ambiente. [17] Cada uno de estos intentó incluir correcciones intrínsecas para uno o más factores perturbadores. Sin embargo, no fue hasta mediados de la década de 1990 que se propuso una nueva generación de algoritmos para estimar directamente las variables biogeofísicas de interés (por ejemplo, la Fracción de Radiación Fotosintéticamente Activa Absorbida o FAPAR ), aprovechando el rendimiento mejorado y las características de sensores modernos (en particular, sus capacidades multiespectrales y multiangulares) para tener en cuenta todos los factores perturbadores. A pesar de muchos posibles factores perturbadores sobre el NDVI, sigue siendo una valiosa herramienta de monitoreo cuantitativo de la vegetación cuando la capacidad fotosintética de la superficie terrestre necesita ser estudiada en la escala espacial apropiada para varios fenómenos.
Aplicaciones agrícolas
Dentro de la agricultura de precisión , los datos del NDVI proporcionan una medida de la salud de los cultivos. Hoy en día, esto a menudo involucra drones agrícolas , que se combinan con NDVI para comparar datos y reconocer problemas de salud de los cultivos. Un ejemplo de esto son los drones agrícolas de PrecisionHawk y Sentera, que permiten a los agricultores capturar y procesar datos del NDVI en un día, un cambio con respecto a los usos tradicionales del NDVI y sus largos tiempos de espera. [18] Muchas de las investigaciones realizadas en la actualidad han demostrado que las imágenes NDVI pueden incluso obtenerse utilizando las cámaras digitales RGB normales mediante algunas modificaciones con el fin de obtener resultados similares a los obtenidos con las cámaras multiespectrales y pueden implementarse de manera efectiva en el cultivo. sistemas de vigilancia de la salud.
Ver también
- Índice de vegetación mejorado
- Índice de agua de diferencia normalizada (NDWI)
- Borde rojo
- Modelo de biosfera simple revisado (SIB-2)
- MAUP-NDVI [19]
Notas
- ^ "Medición de la vegetación (NDVI y EVI)" . 2000-08-30.
- ^ Datos descargados de la Oficina Australiana de Meteorología el 13 de junio de 2018, mapeados en R.14 de junio de 2018
- ^ Rouse, JW, Haas, RH, Scheel, JA y Deering, DW (1974) 'Monitoreo de sistemas de vegetación en las Grandes Llanuras con ERTS'. Actas, 3er Simposio sobre satélites de tecnología de recursos terrestres (ERTS) , vol. 1, pág. 48-62. https://ntrs.nasa.gov/citations/19740022614
- ^ Kriegler, FJ, Malila, WA, Nalepka, RF y Richardson, W. (1969) 'Transformaciones de preprocesamiento y sus efectos sobre el reconocimiento multiespectral'. Actas del Sexto Simposio Internacional sobre Teledetección del Medio Ambiente, pág. 97-131.
- ^ Gates, David M. (1980) Ecología biofísica , Springer-Verlag, Nueva York, 611 p.
- ^ "Medición de la vegetación" . Observatorio de la Tierra de la NASA. 2000-08-30.
- ^ Crippen, RE (1990) 'Calcular el índice de vegetación más rápido', Remote Sensing of Environment , 34 , 71-73.
- ^ Sellers, PJ (1985) 'Reflectancia, fotosíntesis y transpiración del dosel', International Journal of Remote Sensing , 6 , 1335-1372.
- ^ Myneni, RB, FG Hall, PJ Sellers y AL Marshak (1995) 'La interpretación de índices de vegetación espectral', Transacciones IEEE sobre geociencia y percepción remota , 33 , 481-486.
- ^ Kubaski, Kauan Mateus. "Clima urbano: temperatura superficial y NDVI un análisis de influencias en Ponta Grossa-PR" (PDF) (en portugués). UEPG (Pro-rector de Investigación y Postgrado-PROPESP). Archivado desde el original (PDF) el 9 de julio de 2019 . Consultado el 10 de septiembre de 2018 .
- ^ Holben, BN (1986) 'Características de imágenes compuestas de valor máximo a partir de datos AVHRR temporales', Revista internacional de percepción remota , 7 (11) , 1417-1434.
- ^ Labib, SM; Lindley, Sarah; Huck, Jonny J. (julio de 2020). "Escale los efectos en las métricas del espacio verde de detección remota y cómo mitigarlos para la evaluación de la exposición a la salud ambiental" . Informática, Medio Ambiente y Sistemas Urbanos . 82 : 101501. doi : 10.1016 / j.compenvurbsys.2020.101501 .
- ^ Nouri, Hamideh; Anderson, Sharolyn; Sutton, Paul; Beecham, Simon; Nagler, Pamela; Jarchow, Christopher J .; Roberts, Dar A. (abril de 2017). "NDVI, invariancia de escala y el problema de la unidad de área modificable: una evaluación de la vegetación en los Adelaide Parklands". Ciencia del Medio Ambiente Total . 584–585: 11–18. Código bibliográfico : 2017ScTEn.584 ... 11N . doi : 10.1016 / j.scitotenv.2017.01.130 . PMID 28131936 .
- ^ Richardson, AJ y CL Wiegand (1977) 'Distinguir la vegetación de la información de fondo del suelo', Ingeniería fotogramétrica y teledetección , 43 , 1541-1552.
- ^ Huete, AR (1988) 'Un índice de vegetación ajustado al suelo (SAVI)', Teledetección del medio ambiente , 25 , 53-70.
- ^ Kaufman, YJ y D. Tanre (1992) 'Índice de vegetación resistente a la atmósfera (ARVI) para EOS-MODIS', en 'Proc. IEEE Int. Geosci. y Symp de teledetección. '92 , IEEE, Nueva York, 261-270.
- ^ Pinty, B .; Verstraete, MM (1992). "GEMI: un índice no lineal para monitorear la vegetación global desde satélites". Vegetatio . Springer Nature. 101 (1): 15-20. doi : 10.1007 / bf00031911 . ISSN 0042-3106 . S2CID 32216977 .
- ^ Lyseng, Ron (2 de febrero de 2017). "Procesador de enlaces Sentera con sensor para NDVI en vivo" . Productor occidental .
- ^ Nouri, Hamideh; Anderson, Sharolyn; Sutton, Paul; Beecham, Simon; Nagler, Pamela; Jarchow, Christopher J .; Roberts, Dar A. (15 de abril de 2017). "NDVI, invariancia de escala y el problema de la unidad de área modificable: una evaluación de la vegetación en los Adelaide Parklands". Ciencia del Medio Ambiente Total . 584–585: 11–18. Código bibliográfico : 2017ScTEn.584 ... 11N . doi : 10.1016 / j.scitotenv.2017.01.130 . PMID 28131936 .
Referencias
- Deering, DW 1978. Características de reflectancia de pastizales medidas por sensores de aeronaves y naves espaciales. Doctor. Diss. Universidad de Texas A&M, College Station, 338p.
- Deering DW, JW Rouse, Jr., RH Haas y JA Schell. 1975. Medición de la "producción de forraje" de unidades de pastoreo a partir de datos de Landsat MSS, págs. 1169-1178. En Proc. Décimo Int. Symp. sobre Teledetección del Medio Ambiente. Univ. Michigan, Ann Arbor.
- Rouse, JW, Jr., RH Haas, JA Schell y DW Deering. 1973. Seguimiento del avance y retrogradación primaveral (efecto de onda verde) de la vegetación natural. Prog. Rep. RSC 1978-1, Remote Sensing Center, Texas A&M Univ., College Station, 93p. (NTIS No. E73-106393)
- Rouse, JW, RH Haas, JA Schell y DW Deering (1973) 'Monitoreo de sistemas de vegetación en las Grandes Llanuras con ERTS', Tercer Simposio ERTS , NASA SP-351 I, 309-317.
- Tucker, CJ (1979) 'Combinaciones lineales infrarrojas rojas y fotográficas para el seguimiento de la vegetación', Teledetección del medio ambiente , 8 (2) , 127-150.
enlaces externos
- Antecedentes de NOAA AVHRR
- Antecedentes del NDVI
- Preguntas frecuentes sobre índices de vegetación
- FAPAR como reemplazo de NDVI
- NDVICentral
- Instalación de procesamiento y archivo de VEGETATION en VITO
- Programa VEGETACIÓN
- ÍNDICE DE VEGETACIÓN