Índice de vegetación

Promedio semestral del NDVI para Australia, del 1 de diciembre de 2012 al 31 de mayo de 2013 ^[1]

Un índice de vegetación ( VI ) es una transformación de imágenes espectrales de dos o más bandas de imágenes diseñada para mejorar la contribución de las propiedades de la vegetación y permitir comparaciones espaciales y temporales confiables de la actividad fotosintética terrestre y las variaciones estructurales del dosel . ^{[2] [3]}

Existen muchos índices de variación, muchos de los cuales son funcionalmente equivalentes. Muchos de ellos utilizan la relación inversa entre la reflectancia roja y la del infrarrojo cercano asociada con una vegetación verde saludable. Desde la década de 1960, los científicos han utilizado la teledetección por satélite para monitorear la fluctuación de la vegetación en la superficie de la Tierra. Las mediciones de los atributos de la vegetación incluyen el índice de área foliar (LAI), el porcentaje de cobertura verde, el contenido de clorofila, la biomasa verde y la radiación fotosintéticamente activa absorbida (APAR).

Históricamente, los VI se han clasificado en función de una serie de atributos, entre los que se incluyen el número de bandas espectrales (2 o más de 2); el método de cálculo (ratio u ortogonal), según el objetivo requerido; o por su desarrollo histórico (clasificados como VI de primera generación o VI de segunda generación). ^[4] Con el fin de comparar la eficacia de los diferentes VI, Lyon, Yuan et al. (1998) ^[5] clasificaron 7 VI en función de sus métodos de cálculo (sustracción, división o transformación racional). Debido a los avances en la tecnología de teledetección hiperespectral, ahora se encuentran disponibles espectros de reflectancia de alta resolución, que se pueden utilizar con VI multiespectrales tradicionales. Además, se han desarrollado VI para su uso específico con datos hiperespectrales, como el uso de índices de vegetación de banda estrecha.

Usos

Los índices de vegetación se han utilizado para:

• examinar las tendencias climáticas ; ^[6]
• Estimar el contenido de agua de los suelos de forma remota; ^{[7] [8]}
• monitorear la sequía ; ^{[9] [10] [11]}
• programar el riego de los cultivos , ^[12] manejo de los cultivos; ^[13]
• Monitorizar la evaporación y la transpiración de las plantas . ^[14]
• evaluar los cambios en la biodiversidad ^[15]
• clasificar la vegetación ^[16]
• Detección y cuantificación de enfermedades de los cultivos ^[17]

Índice de tipos de vegetación

Índice de vegetación multiespectral

NDVI a través de Landsat 8 aplicado al área urbana de Ponta Grossa , sur de Brasil

• Índice de vegetación proporcional (RVI): definido como la relación entre las luces roja e infrarroja cercana de imágenes multiespectrales ^[18]
• Índice de vegetación de diferencia normalizada (NDVI): el índice de teledetección más utilizado ^[19] que calcula la relación entre la diferencia y la suma entre las bandas de infrarrojo cercano y rojo de imágenes multiespectrales. Normalmente toma valores entre -1 y +1. Se utiliza principalmente en el seguimiento de la dinámica de la vegetación, ^[20] incluida la cuantificación de la biomasa.
• Transformación de borlas de Kauth-Thomas: un índice de mejora espectral que transforma la información espectral de datos satelitales en características espectrales ^{[21] [22] [23]}
• Índice infrarrojo
• Índice de agua de diferencia normalizada
• Índice de vegetación perpendicular
• Verdor sobre el suelo desnudo
• Índice de estrés hídrico: índice espectral que mide el nivel de estrés hídrico en las hojas ^[24]
• Índice de contenido de agua en las hojas (LWCI) ^[25]
• Índice MidIR
• Índice de vegetación ajustado al suelo (SAVI): una forma ajustada del NDVI desarrollada para minimizar los efectos del brillo del suelo en los índices de vegetación espectral, particularmente en áreas con alta composición del suelo ^[26]
• SAVI modificado: se aplica principalmente en áreas con medidas NDVI bajas.
• Índice de vegetación resistente a la atmósfera
• Índice de vegetación resistente a la atmósfera y al suelo
• Índice de vegetación mejorado (EVI): muy similar al NDVI. La única diferencia es que corrige el ruido de fondo atmosférico y del dosel, en particular en regiones con alta biomasa.
• Nuevo índice de vegetación
• Índice de vegetación libre de aerosoles
• Índice de vegetación triangular
• Relación simple reducida
• Índice de resistencia atmosférica visible
• Índice acumulado de diferencia normalizada
• Índice de vegetación de diferencia ponderada (WDVI)
• Fracción de radiación fotosintéticamente activa absorbida (FAPAR)
• Índice de verdor de diferencia normalizada (NDGI)
• Índice de estrés hídrico por temperatura y vegetación (TVWSI) ^[27]

Índice de vegetación hiperespectral

Con la llegada de los datos hiperespectrales , se han desarrollado índices de vegetación específicamente para datos hiperespectrales.

• Índice de vegetación de diferencia normalizada de banda discreta
• Índice de amarillez
• Índice de reflectancia fotoquímica
• Índice de agua de diferencia normalizada de banda discreta
• Determinación de la posición del borde rojo
• Predicción del contenido de clorofila en los cultivos
• Índice de distancia de momento (MDI)

Índices avanzados de vegetación

Con la aparición del aprendizaje automático , se pueden utilizar ciertos algoritmos para determinar índices de vegetación a partir de datos. Esto permite tener en cuenta todas las bandas espectrales y descubrir parámetros ocultos que pueden ser útiles para fortalecer estos índices de vegetación. Así, pueden ser más robustos frente a variaciones de luz, sombras o incluso imágenes no calibradas si estos artefactos existen en los datos de entrenamiento.

• Síntesis de índices de vegetación mediante programación genética ^[28]
• Un enfoque de computación blanda para seleccionar y combinar bandas espectrales ^[29]
• DeepIndices: índices de teledetección basados ​​en la aproximación de funciones mediante aprendizaje profundo ^[30]

Véase también

• Coeficiente de cultivo

Referencias

1. Datos descargados de la "Oficina Australiana de Meteorología".el 13 de junio de 2018, mapeado en R 14 de junio de 2018
2. Huete, A.; Didan, K.; Miura, T.; Rodríguez, EP; Gao, X.; Ferreira, LG (2002). "Resumen del desempeño radiométrico y biofísico de los índices de vegetación MODIS". Teledetección del medio ambiente . 83 (1–2): 195–213. Bibcode :2002RSEnv..83..195H. doi :10.1016/S0034-4257(02)00096-2.
3. Carlos, Pérez Gutiérrez; Muñoz Nieto, Ángel Luis. Teledetección: Nociones y Aplicaciones (en español). España. pag. 144.ISBN​ 978-84-611-1613-3. Recuperado el 17 de octubre de 2024 .
4. Bannari, A.; Morin, D.; Bonn, F.; Huete, AR (1995-08-01). "Una revisión de los índices de vegetación". Revisiones de teledetección . 13 (1–2): 95–120. doi :10.1080/02757259509532298. ISSN  0275-7257.
5. Lyon, John G (1998). "Un experimento de detección de cambios utilizando índices de vegetación". Ingeniería fotogramétrica y teledetección : 143–150. CiteSeerX 10.1.1.462.2056 . 
6. Eklundh, L.; Olsson, L. (2003). "Tendencias del índice de vegetación para el Sahel africano 1982-1999". Geophysical Research Letters . 30 (8): 1430. Bibcode :2003GeoRL..30.1430E. doi : 10.1029/2002GL016772 . ISSN  0094-8276. S2CID  129096989.
7. Gillies, RR; Kustas, WP; Humes, KS (1997). "Una verificación del método del 'triángulo' para obtener el contenido de agua del suelo superficial y los flujos de energía a partir de mediciones remotas del Índice de Vegetación de Diferencia Normalizada (NDVI) y la e superficial". Revista Internacional de Teledetección . 18 (15): 3145–3166. Bibcode :1997IJRS...18.3145G. doi :10.1080/014311697217026. ISSN  0143-1161.
8. Sandholt, Inge; Rasmussen, Kjeld; Andersen, Jens (2002). "Una interpretación simple del espacio índice de temperatura/vegetación de la superficie para la evaluación del estado de humedad de la superficie". Teledetección del medio ambiente . 79 (2–3): 213–224. Bibcode :2002RSEnv..79..213S. doi :10.1016/S0034-4257(01)00274-7. ISSN  0034-4257.
9. Peters, AJ; Walter-Shea, EA; Ji, L.; Vliia, A.; Hayes, M.; Svoboda, MD (2002). "Monitoreo de sequía con índice de vegetación estandarizado basado en NDVI" (PDF) . Ingeniería fotogramétrica y teledetección . 68 (1): 71–75 . Consultado el 16 de mayo de 2018 .
10. Kogan, FN (1995). "Aplicación del índice de vegetación y la temperatura de brillo para la detección de sequías". Avances en la investigación espacial . 15 (11): 91–100. Bibcode :1995AdSpR..15k..91K. doi :10.1016/0273-1177(95)00079-T. ISSN  0273-1177.
11. Wan, Z.; Wang, P.; Li, X. (2004). "Uso de los productos MODIS de temperatura de la superficie terrestre e índice de vegetación de diferencia normalizada para monitorear la sequía en las Grandes Llanuras del sur, EE. UU." Revista internacional de teledetección . 25 (1): 61–72. Bibcode :2004IJRS...25...61W. doi :10.1080/0143116031000115328. ISSN  0143-1161. S2CID  129234540.
12. Jones, HG (2004). "Programación del riego: ventajas y desventajas de los métodos basados ​​en plantas". Journal of Experimental Botany . 55 (407): 2427–2436. doi : 10.1093/jxb/erh213 . ISSN  1460-2431. PMID  15286143.
13. Pinter, Jr., Paul J.; Hatfield, Jerry L.; Schepers, James S.; Barnes, Edward M.; Moran, M. Susan; Daughtry, Craig ST; Upchurch, Dan R. (2003). "Teledetección para la gestión de cultivos". Ingeniería fotogramétrica y teledetección . 69 (6): 647–664. doi : 10.14358/PERS.69.6.647 . ISSN  0099-1112.
14. Kustas, WP; Norman, JM (2009). "Uso de teledetección para el monitoreo de la evapotranspiración en superficies terrestres". Revista de Ciencias Hidrológicas . 41 (4): 495–516. doi :10.1080/02626669609491522. ISSN  0262-6667.
15. Pettorelli, Nathalie; Ryan, Sadie; Mueller, Thomas; Bunnefeld, Nils; Jędrzejewska, Bogumiła; Lima, Mauricio; Kausrud, Kyrre (2011). "El índice de vegetación de diferencia normalizada (NDVI): éxitos imprevistos en ecología animal" (PDF) . Climate Research . 46 (1): 15–27. Bibcode :2011ClRes..46...15P. doi : 10.3354/cr00936 . ISSN  0936-577X. JSTOR  24872307.
16. Lloyd, Daniel (1990). "Una clasificación fenológica de la cubierta vegetal terrestre utilizando imágenes del índice de vegetación de onda corta". Revista Internacional de Teledetección . 11 (12): 2269–2279. Bibcode :1990IJRS...11.2269L. doi :10.1080/01431169008955174. ISSN  0143-1161.
17. Mahlein, AK; Rumpf, T.; Welke, P.; Dehne, HW; Plümer, L.; Steiner, U.; Oerke, EC (enero de 2013). "Desarrollo de índices espectrales para detectar e identificar enfermedades de las plantas". Teledetección del medio ambiente . 128 : 21–30. Bibcode :2013RSEnv.128...21M. doi :10.1016/j.rse.2012.09.019.
18. Jordan, Carl F. (julio de 1969). "Derivación del índice de área foliar a partir de la calidad de la luz en el suelo forestal". Ecología . 50 (4): 663–666. Bibcode :1969Ecol...50..663J. doi :10.2307/1936256. ISSN  0012-9658. JSTOR  1936256.
19. Bhandari, AK; Kumar, A.; Singh, GK (2012). "Extracción de características utilizando el índice de vegetación de diferencia normalizada (NDVI): un estudio de caso de la ciudad de Jabalpur". Procedia Technology . 6 : 612–621. doi : 10.1016/j.protcy.2012.10.074 . ISSN  2212-0173.
20. Vrieling, Anton; de Leeuw, Jan; Said, Mohammed (22 de febrero de 2013). "Duración del período de crecimiento en África: variabilidad y tendencias a partir de 30 años de series temporales de NDVI". Teledetección . 5 (2): 982–1000. Bibcode :2013RemS....5..982V. doi : 10.3390/rs5020982 . ISSN  2072-4292.
21. Siwe, Rene Ngamabou; Koch, Barbara (12 de enero de 2008). "Análisis del vector de cambio para categorizar los procesos de cambio de la cobertura terrestre utilizando el gorro con borlas como indicador biofísico". Monitoreo y evaluación ambiental . 145 (1–3): 227–235. Bibcode :2008EMnAs.145..227S. doi :10.1007/s10661-007-0031-6. ISSN  0167-6369. PMID  18193332. S2CID  189913689.
22. Yousuf, Reem; AL-Khakani, Ebtihal (2021). "Evaluación del grado de desertificación mediante técnicas de transformación de borlas y de indicadores espectrales: Irak". Ciencias básicas y aplicadas - Revista científica de la Universidad Rey Faisal . doi : 10.37575/b/sci/0019 . ISSN  1658-0311.
23. Kauth RJ y GS Thomas (1976): El gorro con borlas: una descripción gráfica del desarrollo espectral-temporal de los cultivos agrícolas tal como los ve el LANDSAT. Actas del Simposio sobre procesamiento de datos obtenidos por teledetección mediante máquinas
24. Rock, BN; Vogelmann, JE; Williams, DL; Vogelmann, AF; Hoshizaki, T. (julio de 1986). "Detección remota de daños forestales". BioScience . 36 (7): 439–445. doi :10.2307/1310339. ISSN  1525-3244. JSTOR  1310339.
25. Entrada de LWCI en la base de datos de índice, https://www.indexdatabase.de/db/i-single.php?id=129
26. Huete, AR (agosto de 1988). "Un índice de vegetación ajustado al suelo (SAVI)". Teledetección del medio ambiente . 25 (3): 295–309. Código Bibliográfico :1988RSEnv..25..295H. doi :10.1016/0034-4257(88)90106-X.
27. Joshi, RC; Ryu, D.; Sheridan, GJ; Lane, PNJ (2021). "Modelado del estrés hídrico de la vegetación en el bosque desde el espacio: índice de estrés hídrico de la vegetación por temperatura (TVWSI)". Remote Sens . 13 (22:4635): 4635. Bibcode :2021RemS...13.4635J. doi : 10.3390/rs13224635 .
28. Puente, César; Olagué, Gustavo; Trabucchi, Mattia; Arjona-Villicaña, P. David; Soubervielle-Montalvo, Carlos (enero 2019). "Síntesis de índices de vegetación utilizando programación genética para la estimación de la erosión del suelo". Teledetección . 11 (2): 156. Código bibliográfico : 2019RemS...11..156P. doi : 10.3390/rs11020156 . ISSN  2072-4292.
29. Albarracín, Juan FH; Oliveira, Rafael S.; Hirota, Marina; dos Santos, Jefersson A.; Torres, Ricardo da S. (enero 2020). "Un enfoque de informática suave para seleccionar y combinar bandas espectrales". Teledetección . 12 (14): 2267. arXiv : 2011.05127 . Código Bib : 2020RemS...12.2267A. doi : 10.3390/rs12142267 . ISSN  2072-4292.
30. Vayssade, Jehan-Antoine; Paoli, Jean-Noël; Gée, Christelle; Jones, Gawain (enero de 2021). "DeepIndices: índices de teledetección basados ​​en la aproximación de funciones mediante aprendizaje profundo, aplicación a imágenes de vegetación no calibradas". Teledetección . 13 (12): 2261. Bibcode :2021RemS...13.2261V. doi : 10.3390/rs13122261 . ISSN  2072-4292.