Характерным признаком растительности и ее состояния является спектральная отражательная способность, характеризующаяся большими различиями в отражении излучения разных длин волн. Знания о связи структуры и состояния растительности с ее спектрально отражательными способностями позволяют использовать аэрокосмические снимки для картографирования и идентификации типов растительности и их стрессового состояния.
Для работы со спектральной информацией часто прибегают к созданию так называемых «индексных» изображений. На основе комбинации значений яркости в определенных каналах, информативных для выделения исследуемого объекта, и расчета по этим значениям «спектрального индекса» объекта строится изображение, соответствующее значению индекса в каждом пикселе, что и позволяет выделить исследуемый объект или оценить его состояние. Спектральные индексы, используемые для изучения и оценки состояния растительности, получили общепринятое название вегетационных индексов. Вегетационный индекс (ВИ) - показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) данных дистанционного зондирования, и имеющий отношение к параметрам растительности в данном пикселе снимка. Эффективность ВИ определяется особенностями отражения; эти индексы выведены, главным образом, эмпирически.
В настоящее время существует около 160 вариантов вегетационных индексов. Они подбираются экспериментально (эмпирическим путем), исходя из известных особенностей кривых спектральной отражательной способности растительности и почв.
Расчет большей части вегетационных индексов базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках кривой спектральной отражательной способности растений (рис. 1). На красную зону спектра (0,62 - 0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную зону (0,75 - 1,3 мкм) максимальное отражение энергии клеточной структурой листа. Т. е. высокая фотосинтетическая активность (связанная, как правило, с большой фитомассой растительности) ведет к более низким значениям коэффициентов отражения в красной зоне спектра и большим значениям в ближней инфракрасной. Как это хорошо известно, отношение этих показателей друг к другу позволяет четко отделять растительность от прочих природных объектов.
При обработке космических снимков в программном комплексе ENVI имеется специальный калькулятор вегетационных индексов ENVI (калькулятор ВИ ENVI), который позволяет рассчитать 27 вегетационных индексов, используемых для оценки состояния растительности, содержания пигментов, азота, углерода, воды. По снимкам, где есть только красная и ближняя инфракрасная спектральные зоны, программа предложит рассчитать два индекса – NDVI и RVI. При работе с гиперспектральным снимком будет предложен расчет всех 27 индексов.
Рисунок 1.Индексы сгруппированы в категории по свойству растительности, которое они характеризуют:
Broadband Greenness (5 индексов): индексы «зелености», рассчитываемые по данным в широких спектральных зонах:
Normalized Difference Vegetation Index;
Simple Ratio Index;
Enhanced Vegetation Index;
Atmospherically Resistant Vegetation Index;
Sum Green Index.
Индексы этой группы отражают общее количество растительности и используются для оценки ее состояния при решении широкого круга задач. Они суммируют и отражают влияние таких факторов, как содержание хлорофилла, площадь листовой поверхности, сомкнутость и структура растительного покрова. Вегетационные индексы этой группы хорошо коррелируют с индексом фотосинтетически активной радиации (fAPAR) и индексом листовой поверхности (LAI). Их можно использовать при работе с любыми мультиспектральными аэрокосмическими снимками высокого, среднего или низкого разрешения, у которых есть спектральные каналы в красной (0,60 - 0,75 мкм) и ближней инфракрасной (0,75 - 1,3 мкм) зонах.
Основное назначение этих индексов – картирование растительного покрова, выявление площадей покрытых и непокрытых растительностью, оценка и мониторинг состояния растительного покрова, оценка продуктивности и урожайности. Narrowband Greenness (7 индексов): индексы «зелености», рассчитываемые по данным в узких спектральных зонах:
Red Edge Normalized Difference Vegetation Index;
Modified Red Edge Simple Ratio Index;
Modified Red Edge Normalized Difference Vegetation Index;
Vogelmann Red Edge Index 1;
Vogelmann Red Edge Index 2;
Vogelmann Red Edge Index 3;
Red Edge Position Index.
Индексы этой группы также отражают общее количество и состояние растительности. Все, сказанное для предыдущей группы индексов (Broadband Greenness), справедливо и здесь. Отличие в том, что для расчетов этих индексов используются значения коэффициентов отражения на участке спектра от 0,690 до 0,750 мкм, т. е. рассматривается область ближнего инфракрасного склона спектральной кривой растительности (red edge).
Использование значений коэффициентов отражения в узких спектральных зонах позволяет с помощью индексов фиксировать даже небольшие изменения состояния растительности. Расчет индексов возможен только по гиперспектральным аэрокосмическим снимкам. Light Use Efficiency (3 индекса): индексы эффективности использования света:
Photochemical Reflectance Index;
Structure Insensitive Pigment Index;
Red Green Ratio Index.
Индексы этой группы отражают эффективность, с которой растительность способна использовать поступающий свет для фотосинтеза. Они хорошо коррелируют с эффективностью усвоения углерода и с активностью роста, а также тесно связаны с поглощением фотосинтетически активной радиации.
Вегетационные индексы учитывают соотношение между различными типами пигментов для оценки общей эффективности использования света. Индексы помогают оценить рост и продуктивность растений, что актуально при решении сельскохозяйственных задач. Canopy Nitrogen (1 индекс): индекс содержания азота в растительном покрове:
Normalized Difference Nitrogen Index.
Этот индекс отражает концентрацию азота в растительном покрове. Азот входит в состав белков, хлорофилла и многих других органических соединений. Высокие концентрации обычно наблюдаются в быстрорастущей растительности. При азотном голодании листья приобретают бледно-зеленую окраску, мельчают, уменьшается ветвление побегов. При избытке азота усиливается рост, ткани образуются рыхлые, цветение задерживается. Вегетационные индексы, чувствительные к хлорофиллу, часто одновременно отражают содержание азота. Для расчета относительного содержания азота в растительном покрове используется средний инфракрасный диапазон (SWIR). Dry or Senescent Carbon (3 индекса): индексы содержания углерода в виде лигнина и целлюлозы:
Normalized Difference Lignin Index;
Cellulose Absorption Index;
Plant Senescence Reflectance Index.
Эти индексы разработаны для учета общего количества «сухого» углерода в виде лигнина и целлюлозы. Такой углерод в больших количествах присутствует в древесине и в мертвых или сухих растительных тканях. Увеличение этих показателей может отражать процесс «старения» и отмирания растений. Для расчета относительного содержания азота в растительном покрове используется средний инфракрасный диапазон (SWIR).
Эти индексы широко используются при оценке пожаропасности на территории. Leaf Pigments (4 индекса): индексы содержания пигментов – каротиноиды и антоцианины:
Carotenoid Reflectance Index 1;
Carotenoid Reflectance Index 2;
Anthocyanin Reflectance Index 1;
Anthocyanin Reflectance Index 2.
Индексы этой группы оценивают пигменты, характерные для растений в состоянии стресса. К ним относятся каротиноиды и антоцианины, которые наблюдаются в значительных количествах у угнетенной растительности. Индексы не учитывают хлорофилл, так как он измеряется с использованием индексов «зелености». Областями применения индексов Leaf Pigments является сельское хозяйство (мониторинг состояния полей и оценка урожайности), а также выявление участков растительного покрова, находящихся в стрессовом состоянии.
Часто индексы могут показать стрессовое состояние растительности еще до того, как оно будет заметно «невооруженным глазом». Для их расчета используются данные в узких спектральных зонах видимого диапазона. Canopy Water Content (4 индекса): индексы для оценки содержания влаги в растительном покрове:
ater Band Index;
Normalized Difference Water Index;
Moisture Stress Index;
Normalized Difference Infrared Index.
Эти индексы разработаны для оценки содержания влаги в растительном покрове. Содержание воды – важный показатель, высокое содержание влаги характерно для здоровой растительности, которая быстрее растет и более устойчива к пожарам. Для расчетов индексов используется ближний и средний инфракрасный диапазоны. Индексы широко применяются при оценке пожаропасности на территории вместе с индексами группы Dry or Senescent Carbon.
Каждая из перечисленных групп индексов предназначена для оценки какого-либо из свойств растительного покрова и содержит несколько индексов. Для конкретных природных условий и различных задач одни индексы из группы могут дать более точные результаты, чем другие. Сравнивая результаты расчетов индексов с полевыми данными, можно выбрать индекс, максимально точно отражающий исследуемое свойство. Таким образом существенно повышается точность результатов при последующей обработке.
Наиболее популярный и часто используемый индекс - NDVI (Normalized Difference Vegetation Index) – нормализованный разностный индекс растительности, впервые был описан Rouse B.J. в 1973 г. – простой количественный показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова. Индекс вычисляется по следующей формуле:
, где NIR - коэффициент отражения в ближней инфракрасной области спектра; RED - коэффициент отражения в красной области спектра.
Расчет NDVI базируется на двух наиболее стабильных (не зависящих от прочих факторов) участках спектральной кривой отражения сосудистых растений. В красной области спектра (0,6-0,7 мкм) лежит максимум поглощения солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области (0,7-1,0 мкм) находиться область максимального отражения клеточных структур листа. То есть высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной области спектра и большему в инфракрасной (рис.2).
Рисунок2.Участки характеристической кривой отражения растительности (усредненной), используемые для расчета NDVI c помощью данных MODIS
Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов. Использование же не простого отношения, а нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений как различия в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и пр.
Для растительности индекс NDVI принимает положительные значения, и чем больше зеленая фитомасса, тем они выше. На значения индекса влияет также видовой состав растительности, ее сомкнутость, состояние, экспозиция и угол наклона поверхности, цвет почвы под разреженной растительностью. Индекс умеренно чувствителен к изменениям почвенного фона, кроме случаев, когда густота растительного покрова ниже 30%. Индекс может принимать значения от -1 до 1. Для зеленой растительности индекс обычно принимает значения от 0,2 до 0,8.
NDVI может быть рассчитан на основе любых снимков высокого, среднего или низкого разрешения, имеющим спектральные каналы в красном (0,55-0,75 мкм) и инфракрасном диапазоне (0,75-1,0 мкм). Алгоритм расчета NDVI встроен практически во все распространенные пакеты программного обеспечения, связанные с обработкой данных дистанционного зондирования (ArcView Image Analysis, ERDAS Imagine, ENVI, Ermapper, Scanex MODIS Processor, ScanView и др.).
Комбинации каналов камер спутников используемые для расчета NDVI:
Как известно, отражение растительного покрова в красной и ближней инфракрасной областях электромагнитного спектра тесно связано с его зеленой фитомассой. Для того чтобы количественно оценить состояние растительности, широко применяется так называемый нормализованный разностный вегетационный индекс NDVI (Normalized Difference Vegetation Index). NDVI характеризует также плотность растительности, позволяет растениеводам оценить всхожесть и рост растений, продуктивность угодий. Индекс рассчитывается как разность значений отражения в ближней инфракрасной и красной областях спектра, деленная на их сумму. В результате значения NDVI меняются в диапазоне от –1 до 1 (рис.3).
Рисунок 3. Значения NDVI и соответствующие им типы растительного покрова.
Для зеленой растительности отражение в красной области всегда меньше, чем в ближней инфракрасной, за счет поглощения света хлорофиллом, поэтому значения NDVI для растительности не могут быть меньше 0.
Тип объекта
Коэффициент отражения в красной области спектра
Коэффициент отражения в ближней инфракрасной области спектра
Значение NDVI
Густая растительность
0,1
0,5
0,7
Разряженная растительность
0,1
0,3
0,5
Открытая почва
0,25
0,3
0,025
Облака
0,25
0,25
0
Снег и лед
0,375
0,35
-0,05
Вода
0,02
0,01
-0,25
Искусственные материалы (бетон, асфальт)
0,3
0,1
-0,5
Расчет индекса для каждого пиксела космического снимка по красной и ближней инфракрасной спектральным зонам позволяет получить производное изображение — карту NDVI.
NDVI позволяет выявить проблемные зоны угнетенной растительности, давая возможность принимать наиболее верные в долгосрочной перспективе решения, направленные на повышение урожайности. Участки с различным состоянием растительности или объемом зеленой фитомассы могут быть изображены различными цветами. При помощи статистической обработки карт NDVI помимо определения количества фитомассы можно также выделить площади посева различных сельскохозяйственных культур.
Комплексный подход к мониторингу сельскохозяйственных территорий:
Использование космических снимков среднего и высокого разрешения со спутников Terra,Aqua,Landsat,IRS.
Спутники Terra и Aqua позволяют получать информацию на обширные территории в тысячи квадратных километров дважды в день, что способствует оперативной оценке сельскохозяйственных угодий в масштабах 1:3 500 00–1:1 000 000.
Спутники Landsat и IRS позволяют получать детализированную информацию с частотой 2 раза в месяц и проводить исследования территории в масштабном ряду 1:15 000–1:300 000. Мониторинг сельскохозяйственных территорий: Октябрь–март:
Изучение динамики снежного покрова.
Оценка влагонакопления.
Оценка паводковой ситуации.
Оценка готовности угодий к следующему сезону.
Апрель–май:
Определение площади пашни, занимаемой озимыми культурами.
Определение площади земель без осенней послеуборочной обработки почвы.
Оценка состояния озимых культур для выявления и определения площади ареалов деградированных и погибших озимых.
Определение площади земель, на которых проведены инженерно мелиоративные мероприятия. Оценка качества проведения осушительной мелиорации.
Определение площади земель, занятых сельскохозяйственными культурами.
Определение степени увлажнения почв.
Определение температуры поверхности.
Июнь–июль:
Определение площади земель под зерновыми, пропашными и техническими культурами.
Определение площади паров (пары — поля, не занятые сельскохозяйственными культурами, находящиеся в стадии восстановления).
Оценка степени засоренности паров. Определение площади паров, требующих проведения противосорняковых мероприятий.
Выявление очагов поражения зерновых культур вследствие стихийных явлений (град, ливни, ураганы, засуха, пожары).
Динамика сенокосных работ. Определение площади скошенных сенокосных угодий.
Оперативная оценка состояния растительности, оценка фитомассы урожая.
Проведение работ по определению участков, требующих внесения удобрений и ядохимикатов в почву для повышения продуктивности сельскохозяйственных культур.
Мониторинг и оценка качества оросительных работ.
Прогнозирование и предварительная оценка урожайности.
Август–сентябрь:
Мониторинг уборочных работ.
Оценка готовности угодий к следующему сезону.
Космические снимки высокого разрешения позволяют решать задачи исследования гидрологического режима почв, установления источников и границ обводнения, выделения (по косвенным признакам) ареалов распространения различных видов растений. Данные дистанционных измерений помогают следить за состоянием естественных угодий, пастбищ и сенокосов, выявлять и контролировать развитие эрозионных процессов и вырабатывать противоэрозионные мероприятия. Выводы
Главным преимуществом вегетационных индексов является легкость их получения и широкий диапазон решаемых с их помощью задач. Так, NDVI часто используется как один из инструментов при проведении более сложных типов анализа, результатом которых могут являться карты продуктивности лесов и сельскохозяйственных земель, карты ландшафтов и природных зон, почвенные, аридные, фито-гидрологические, фенологические и другие эколого-климатические карты. Также на его основе возможно получение численных данных для использования в расчетах оценки и прогнозирования урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных стихийных бедствий, техногенных аварий и т. д.
Недостатки использования NDVI-индекса:
Невозможность использования данных, не прошедших этап радиометрической коррекции (калибровки);
Погрешности, вносимые погодными условиями, сильной облачностью и дымкой - их влияние можно частично скорректировать использованием улучшенных коэффициентов и композитных изображений с сериями NDVI за несколько дней, недель или месяцев (MVC - Maximum Value Composite). Усредненные значения позволяют избежать влияния случайных и некоторых систематических погрешностей. Как показывает практика, это очень часто применяемый подход для подготовки данных для создания карт NDVI.
Необходимостью для большинства задач сравнения полученных результатов с предварительно собранными данными тестовых участков (эталонов), в которых должны учитываться сезонные эколого-климатические показатели, как самого снимка, так и тестовых площадок на момент сбора данных. Особенно значимыми данные материалы становятся при расчетах продуктивности, запасах биомассы и прочих количественных показателях.
Возможностью использования съемки только времени сезона вегетации для исследуемого региона. В силу своей привязанности к количеству фотосинтезирующей биомассы, NDVI не эффективен на снимках полученных в сезон ослабленной или невегетирующей в этот период растительности.
Следует отметить, что любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора (ширина спектральных каналов, разрешения), условий съемки, освещенности, состояния атмосферы. Они дают только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением полевых данных пересчитаны в абсолютные.
Многие индексы, корректирующие влияние почвы, требуют предварительной атмосферой коррекции. Если вы планируете использовать вегетационные индексы для долговременного мониторинга, вы должны очень внимательно проанализировать вариабельность почв и выполнить атмосферную коррекцию.
Литература
Crippen, R. E. (1990) "Calculating the Vegetation Index Faster," Remote Sensing of Environment, vol 34., pp. 71-73.скачать
А.С. Черепанов, Е.Г. Дружинина. Спектральные свойства растительности и вегетационные индексы. Геоматика №3. 2009. скачать
В.Н. Антонов. Л.А. Сладких. Мониторинг состояния посевов и прогнозирование урожайности яровой пшеницы по данным ДЗЗ. Геоматика №3. 2009. скачать
Н. Куссуль, Н. Ильин, С. Скакун, А. Лавренюк. Оценка состояния растительности и прогнозирование урожайности озимых культур украины по спутниковым данным. скачать
Nurit Agama, William P. Kustas, Martha C. Anderson, Fuqin Li, Christopher M.U. Neale. Avegetation index based technique for spatial sharpening of thermal imagery. скачать
Zhangyan Jiang, Alfredo R. Huete, Jin Chen, Yunhao Chen, Jing Li, Guangjian Yan, Xiaoyu Zhang. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction.скачать
GIS-Lab: Геоинформационные системы и Дистанционное зондирование Земли