Sebuah Insight ke NDVI

Sebuah Insight ke NDVI

The Normalised Perbedaan Indeks Vegetasi (NDVI) merupakan ukuran dari tutupan vegetasi pada permukaan tanah. Vegetasi yang lebat muncul sangat kuat dalam citra, dan daerah dengan vegetasi sedikit atau tidak ada juga diidentifikasi dengan jelas. NDVI juga mengidentifikasi air dan es. Vegetasi berbeda dari permukaan lahan lainnya karena cenderung menyerap sangat panjang gelombang merah sinar matahari dan mencerminkan dalam panjang gelombang inframerah. The Normalised Perbedaan Indeks Vegetasi (NDVI) adalah ukuran perbedaan pantulan antara rentang panjang gelombang. NDVI mengambil nilai antara -1 dan 1, dengan nilai 0,5 mengindikasikan vegetasi yang lebat dan nilai-nilai <0 menunjukkan tidak ada vegetasi. NDVI telah terbukti memiliki sangat luas (dan terus bertambah) berbagai aplikasi. Hal ini digunakan untuk memonitor kondisi vegetasi dan karena itu memberikan peringatan dini kekeringan dan kelaparan.

Meskipun NDVI Data telah terbukti sangat berguna itu hanya dapat digunakan dengan baik ketika pengguna menyadari banyak keterbatasan data.

NDVI: Bagaimana itu dihitung.

Sejak tahun 1982, NASA telah menghasilkan gambar NDVI Afrika tiga kali sebulan, membangun sebuah arsip yang berharga dari kondisi di Afrika selama periode tersebut. Hal ini memungkinkan kondisi sekarang harus dibandingkan dengan tahun-tahun sebelumnya.

Ketika pertama NOAA satelit yang diluncurkan, saluran 1 dan 2 di AVHRR yang dirancang untuk memantau awan, es dan tanah / batas air. Namun, para peneliti segera menyadari dua saluran dapat dikombinasikan untuk mendeteksi vegetasi menggunakan pantulan yang berbeda dari vegetasi di dua saluran. Klorofil menyerap cahaya dalam saluran merah 1 (0,58-0,68 mikron) dan dedaunan memantulkan cahaya dalam saluran inframerah dekat 2 (0,72-1,10 mikron). Hal ini ditunjukkan pada Gambar 1 dan Gambar 2. Oleh karena itu, aktivitas fotosintesis yang lebih tinggi akan menghasilkan pantulan yang lebih rendah dalam saluran merah dan reflektansi tinggi dalam saluran inframerah dekat. Tanda tangan ini bersifat unik untuk tanaman hijau.

VegetationSpecReflectance

Gambar 1: Vegetasi reflektansi spektral.

NDVI1

Gambar 2: Khas pantulan kurva untuk vegetasi, tanah dan air [Lillesand dan Kiefer, 1994].

Dengan menggabungkan dua saluran dalam rasio atau perbedaan, memungkinkan respon terhadap pertumbuhan vegetasi harus dibedakan dari sinyal latar belakang. Metode, yang dikembangkan oleh NASA dikenal sebagai Normalkan Selisih Indeks Vegetasi (NDVI) dan diberikan oleh persamaan (NIR-RED/NIR + RED), di mana RED dan NIR sesuai dengan saluran 1 dan 2 masing-masing. Dengan normalisasi perbedaan dalam cara ini, nilai-nilai dapat ditingkatkan antara nilai -1 sampai +1. Hal ini juga mengurangi pengaruh penyerapan atmosfer. Tabel 1 menunjukkan nilai reflektansi khas dalam saluran merah dan inframerah, dan NDVI untuk jenis penutup khas. Air biasanya memiliki nilai NDVI kurang dari 0, tanah gundul antara 0 dan 0,1 dan vegetasi lebih dari 0,1.

 

SAMPUL TYPE

RED

NIR

NDVI

Vegetasi yang lebat

0.1

0.5

0.7

Tanah kering Bare

0.269

0.283

0.025

Awan-awan

0.227

0.228

0,002

Salju dan es

0,375

0.342

-0,046

Air

0.022

0.013

-0,257

Tabel 1: NDVI nilai khas untuk berbagai jenis penutup [Holben, 1986].

 

NDVI: IRS 1C LISS-3 (Sensor) Produk.

Gambar 2 menunjukkan citra NDVI kabupaten Mewat dari Haryana, India dihitung untuk 8 Februari 1998. Data yang digunakan untuk menghitung NDVI adalah dari LISS-3 sensor IRS 1C.

Rumus berikut ini digunakan untuk memperoleh NDVI.

NDVI = (NIR – Red) / (NIR + Red) = (3 Band – Band 2) / (3 + Band Band 2)

mewatNDVILegend

Gambar 3: NDVI citra kabupaten Mewat dari Haryana, India 8 Februari 1998

 

Satelit yang berbeda memiliki band yang berbeda untuk daerah infra merah merah dan dekat. Berikut ini adalah rumus untuk menghitung NDVI dari sebagian besar satelit umum:

 

LANDSAT TM:

NDVI = (NIR – Red) / (NIR + Red) = (4 Band – Band 3) / (4 + Band Band 3)

LANDSAT MSS:

NDVI = (NIR – Red) / (NIR + Red) = (4 Band – Band 2) / (4 + Band Band 2)

AVHRR:

NDVI = (NIR – Red) / (NIR + Red) = (2 Band – Band 1) / (2 + Band Band 1)

SPOT:

NDVI = (NIR – Red) / (NIR + Red) = (3 Band – Band 2) / (3 + Band Band 2)

AVIRIS:

NDVI = (NIR – Red) / (NIR + Red) = (4 Band – Band 4) / (4 + Band Band 4)

IRS 1C (LISS – 3), IRS 1D (LISS – 3), IRS P6 (LISS – 3):

NDVI = (NIR – Red) / (NIR + Red) = (3 Band – Band 2) / (3 + Band Band 2)

 

NDVI: Keterbatasan.

 

1. Resolusi temporal

Hal ini penting untuk mendapatkan keseimbangan yang tepat antara resolusi temporal data dan skala waktu variasi dalam kuantitas yang diukur. Sebagai contoh, komposit nilai maksimum data NDVI jarang kurang dari dekadal. Akibatnya, NDVI MVC tidak boleh digunakan untuk menyelidiki peristiwa jangka pendek seperti kebakaran hutan. Hal ini lebih tepat untuk menggunakan data NDVI untuk memantau peristiwa jangka panjang seperti pertumbuhan vegetasi melalui musim, atau tingkat deforestasi.

2. Interferensi Atmosfer

Cahaya tersebar ke segala arah oleh partikel di atmosfer. Hamburan cenderung meningkatkan jumlah radiasi merah yang diterima oleh satelit seperti merah lebih mudah tersebar di atmosfer daripada dekat inframerah. Hal ini memiliki efek mengurangi nilai NDVI. Untuk jangka pendek, masalah ini diminimalkan dengan mengambil komposit nilai maksimum karena nilai maksimum setiap pixel adalah mungkin telah terjadi ketika hamburan adalah minimal.

Namun, dalam kasus-kasus ekstrim jangka panjang, peristiwa aerosol skala besar, seperti awan abu dari Mt. Letusan Pinatubo pada Juni 1991, nilai compositing maksimum tidak akan bekerja. Mt. Pinatubo meletus di Filipina eksplosif pada bulan Juni 1991. Kekuatan vertikal letusan mendorong sejumlah besar material hingga ke stratosfer, tingkat atas atmosfer. Aerosol ini stratosfir memiliki efek yang besar pada kejelasan atmosfer dan artifisial mengurangi nilai NDVI. Sebuah prosedur koreksi dikembangkan oleh NASA, tapi tidak semua gambar dikoreksi yang berkualitas tinggi.

3. Tipe tutupan lahan

Dengan pengecualian dari skema irigasi yang sangat besar dan pertanian komersial, pixel NDVI sangat jarang mencakup daerah pertanian tunggal homogen. Sebaliknya mungkin menutupi jalan, bangunan, tanah yang gundul, badan air kecil, vegetasi alam dan pertanian, semua dalam satu pixel.Sebuah pixel NDVI adalah jumlah radiasi yang dipantulkan dari semua jenis tutupan lahan dalam wilayah yang dicakup oleh pixel. NDVI merupakan indikator dari kondisi vegetasi secara keseluruhan di daerah, termasuk vegetasi alam dan pertanian. Dalam pertanian tadah hujan, vegetasi alami dapat mengikuti pola yang mirip dengan pertanian.

Lebih sering Namun, pertanian lebih rentan terhadap kondisi buruk dan mengikuti siklus pertumbuhan yang berbeda. Ketika melihat NDVI, selalu ingat bahwa Anda melihat kondisi umum dan belum tentu kondisi tanaman tertentu.

4. Vegetasi Konservasi-jenis tanah

  Cahaya yang dipantulkan dari tanah dapat memiliki dampak yang signifikan terhadap nilai NDVI (mengubah nilai hingga 20%). Umumnya, semakin besar cahaya yang dipantulkan dari tanah, semakin rendah nilai NDVI. Tanah-jenis karena merupakan faktor penting. Mengingat dua jenis tanah, satu dengan reflektifitas lebih besar tapi dengan kondisi vegetatif yang sama, tanah dengan besar reflektifitas akan rata-rata menghasilkan nilai NDVI rendah. Huete dan Jackson menemukan bahwa-jenis tanah memiliki pengaruh terbesar pada nilai-nilai NDVI antara 40 dan vegetasi 75%.

5. Degradasi Sensor

The radiometer satelit degradasi dari waktu ke waktu. Akibatnya, koefisien kalibrasi tidak konstan. Saluran termal AVHRR memiliki sistem internal kalibrasi, tetapi saluran yang tampak (1) tidak. Teknik sederhana untuk kalibrasi channel 1 adalah dengan menggunakan target stabil di permukaan bumi seperti gurun pasir dan lautan. Koreksi diterapkan langsung ke NDVI menggunakan deviasi dari nilai yang diharapkan ditemukan di gurun Sahara. Penggunaan sebuah offset untuk NDVI adalah sederhana karena faktor koreksi dapat bervariasi selama rentang nilai NDVI, tapi itu lebih baik daripada tidak ada koreksi sama sekali. Bila menggunakan NDVI citra, perawatan harus dilakukan untuk memastikan data telah diperbaiki, dan jika tidak, maka untuk membuat koreksi diri.

Referensi: http://www.met.rdg.ac.uk

Advertisements