(English below)

Bạn có biết rằng có ít nhất một trăm chỉ số quang phổ khác, ngoại trừ NDVI (Chỉ số Lớp phủ Thực vật Khác biệt Chuẩn hóa), được sử dụng rộng rãi để phân tích lớp phủ thực vật?

Mọi chỉ số về cơ bản là sự kết hợp nhất định (công thức) của các đặc tính phản xạ đo được bằng cảm biến (hàm lượng nước, hàm lượng diệp lục, sắc tố, v.v.) ở 2 hoặc nhiều bước sóng cho thấy các đặc điểm cụ thể của lớp phủ thực vật. Khi các bộ cảm biến phát triển, các vệ tinh quan trắc Trái đất cung cấp cho các chuyên gia viễn thám dữ liệu mới nhằm bổ sung cho nghiên cứu của họ và cải thiện phân tích hiện có.

Hãy xem xét kỹ hơn các chỉ số LandViewer mới và tìm hiểu những thông tin chi tiết hữu ích mà chúng có thể thêm vào phân tích dựa trên NDVI thông thường của bạn.

Mọi chỉ số đều có giới hạn của nó. NDVI nhạy cảm với các tác động của đất và khí quyển, đó là lý do tại sao nên áp dụng các chỉ số bổ sung để phân tích lớp thực vật chính xác hơn.

NBR
Chỉ số NBR là gì? Theo định nghĩa, nó là Tỷ lệ đốt bình thường được sử dụng để làm nổi bật các khu vực bị cháy sau ngọn lửa. Phương trình của chỉ số thảm thực vật NBR bao gồm các phép đo ở cả bước sóng NIR và SWIR: thảm thực vật khỏe mạnh cho thấy độ phản xạ cao trong phổ NIR, trong khi các khu vực thảm thực vật bị đốt cháy gần đây phản ánh cao trong phổ SWIR. Chỉ số cháy NBR đã trở nên đặc biệt quan trọng trong những năm qua khi các điều kiện thời tiết khắc nghiệt (như hạn hán El Niño) gây ra sự gia tăng đáng kể các vụ cháy rừng phá hủy sinh khối rừng.

Để thực hiện tính toán chỉ số thảm thực vật NBR, người ta cần một ảnh raster chứa dải hồng ngoại sóng gần và hồng ngoại sóng ngắn, đó có thể là ảnh vệ tinh được thu thập bởi Landsat 7, Landsat 8, MODIS, v.v. Phạm vi giá trị nằm trong khoảng từ 1 đến -1.

Công thức của chỉ số quang phổ NBR:

NBR = (NIR - SWIR) / (NIR + SWIR)

Thực tế chính: Một thực tế phổ biến là đánh giá mức độ và mức độ nghiêm trọng của vết bỏng với NBR khác biệt tương đối (Tỷ lệ bỏng chuẩn hóa đồng bằng), cho thấy phản ứng cao nhất đối với những thay đổi cảnh quan do lửa gây ra. Đó là sự khác biệt giữa NBR được tính từ hình ảnh của một khu vực trước đám cháy và NBR được tính từ hình ảnh được chụp ngay sau khi cháy. Ngoài ra, còn có chỉ số NBR Thermal 1, bao gồm dải nhiệt để nâng cao NBR và cung cấp sự khác biệt chính xác hơn giữa đất bị đốt cháy và đất không bị đốt cháy.

Sử dụng khi nào: việc sử dụng chỉ số NBR điển hình cho nông nghiệp và lâm nghiệp là phát hiện các đám cháy đang hoạt động, phân tích mức độ nghiêm trọng của vết cháy và theo dõi sự tồn tại của thảm thực vật sau khi cháy.

Sử dụng NBR với ảnh Landsat-8 để theo dõi đám cháy rừng

GCI
Trong viễn thám, Chỉ số diệp lục xanh được sử dụng để ước tính hàm lượng diệp lục lá trong các loài thực vật khác nhau. Hàm lượng diệp lục phản ánh trạng thái sinh lý của thảm thực vật; nó giảm ở những cây bị căng thẳng và do đó có thể được sử dụng như một phép đo sức khỏe của cây.

Công thức của chỉ số GCI:

GCI = (NIR) / (Xanh lục) - 1

Thực tế chính: Dự đoán tốt hơn về lượng diệp lục với chỉ số thực vật GCI có thể đạt được bằng cách sử dụng các cảm biến vệ tinh có NIR rộng và bước sóng màu xanh lá cây.

Sử dụng khi nào: để theo dõi tác động của thời vụ, áp lực môi trường, thuốc trừ sâu đã sử dụng lên sức khỏe cây trồng.

Chỉ số SIPI cho kết quả phân loại tốt ngay cả khi khu vực nghiên cứu có sự khác biệt về chỉ số lá (LAI)

SIPI
Chỉ số sắc tố không nhạy cảm về cấu trúc rất tốt cho việc phân tích thảm thực vật có cấu trúc tán thay đổi. Nó ước tính tỷ lệ của carotenoid so với chất diệp lục: các tín hiệu giá trị tăng lên của thảm thực vật bị căng thẳng

Công thức của chỉ số SIPI:

SIPI = (NIR - Xanh lam) / (NIR - Đỏ)

Thực tế chính: Giá trị SIPI cao (tăng carotenoid và giảm chất diệp lục) thường là dấu hiệu của bệnh thực vật, có liên quan đến việc mất chất diệp lục ở thực vật.

Sử dụng khi nào: để theo dõi sức khỏe cây trồng ở những vùng có sự biến động cao về cấu trúc tán hoặc chỉ số diện tích lá, để phát hiện sớm bệnh cây hoặc các nguyên nhân gây căng thẳng khác.

Theo dõi ức chế của cây trồng bằng chỉ số GCI

------

6 Spectral Indexes To Make Vegetation Analysis Complete - P1

Did you know there is at least a hundred other spectral indexes, except NDVI (Normalized Difference Vegetation Index), that are widely used to analyze vegetation?

Every index is basically a certain combination (formula) of the sensor-measured reflectance properties (water content, chlorophyll content, pigment, etc.) at 2 or more wavelengths that reveals particular characteristics of vegetation. As sensors advance, Earth-observing satellites provide remote sensing experts with new data to fuel their research and improve existing analysis.

Let’s take a closer look at new LandViewer indexes and learn what useful insights they can add to your regular NDVI based analysis.

Every index has its limitations. NDVI is sensitive to the effects of soil and atmosphere, that’s why it’s recommended to apply additional indexes for more accurate analysis of vegetation.

NBR

What is NBR index? By definition, it is the Normalized Burn Ratio that is used to highlight burned areas following the fire. The equation of NBR vegetation index includes measurements at both NIR and SWIR wavelengths: healthy vegetation shows high reflectance in NIR spectrum, whereas the recently burned areas of vegetation reflect highly in the SWIR spectrum. NBR fire index has become especially instrumental in the past years as extreme weather conditions (such as El Niño drought) cause significant increase in wildfires destroying forest biomass.

To perform NBR vegetation index calculation, one needs a raster image containing the near infrared and shortwave infrared bands, that may be a satellite image collected by Landsat 7, Landsat 8, MODIS, etc. The range of values is between 1 and -1.

Formula of spectral index NBR:

NBR = (NIR – SWIR) / (NIR + SWIR)

Key fact: It’s a common practice to assess burn extent and severity with the relative differenced NBR (delta Normalized Burn Ratio), that has shown the highest response to landscape changes caused by fire. It is a difference between the NBR calculated from an image of an area before the fire and NBR calculated from an image taken immediately after the burn. Additionally, there’s the NBR Thermal 1 index, which includes the Thermal band to enhance NBR and provide more accurate differentiation between the burned and unburned land.

When to use: the typical use of NBR index for agriculture and forestry is detection of active fires, analysis of burn severity, and monitoring of vegetation survival after the burn.

GCI

In remote sensing, the Green Chlorophyll Index is used to estimate the content of leaf chlorophyll in various species of plants. The chlorophyll content reflects the physiological state of vegetation; it decreases in stressed plants and can therefore be used as a measurement of plant health.

Formula of GCI index:

GCI = (NIR) / (Green) – 1

Key fact: Better prediction of chlorophyll amount with the GCI vegetation index can be achieved by using satellite sensors that have broad NIR and green wavelengths.

When to use: for monitoring the impact of seasonality, environmental stresses, applied pesticides on plant health.

SIPI

The Structure Insensitive Pigment Index is good for analysis of vegetation with the variable canopy structure. It estimates the ratio of carotenoids to chlorophyll: the increased value signals of stressed vegetation

Formula of SIPI index:

SIPI = (NIR – Blue) / (NIR – Red)

Key fact: High SIPI values (increased carotenoids and decreased chlorophyll) are often an indicator of plant disease, which is associated with loss of chlorophyll in plants.

When to use: for monitoring plant health in regions with high variability in canopy structure or leaf area index, for early detection of plant disease or other causes of stress.

Geolink tổng hợp từ EOS