Indices de végétation alternatifs

16

J'utilise des NDVI avec un succès limité pour identifier les arbres dans la région centrale des Grandes Plaines des États-Unis. Le problème que j'ai rencontré est que la réflectance des champs / pâturages agricoles a essentiellement la même signature spectrale que les arbres que j'identifie. Existe-t-il un indice de végétation qui peut être généré à partir de l'imagerie NAIP 4 bandes qui peut mieux isoler le couvert arboré mélangé dans les zones agricoles? Peut-être qu'une étape de pré / post-traitement peut être la plus efficace?

Exemple NDVI

— Aaron
source

Est-ce que l'un des groupes près d'Infra Red?

— Jakub Sisak GeoGraphics

Oui, bande 4 = NIR pour l'imagerie NAIP.

— Aaron

À quoi ressemble l'image lorsque vous utilisez le NIR? Cela ne permettrait-il pas de mieux isoler le couvert arboré? Bien que la végétation apparaisse rouge, je trouve qu'il est souvent plus facile de repérer différents motifs. Pouvez-vous publier la même image dans NIR? S'agit-il d'un processus manuel ou exécutez-vous l'imagerie via un type d'algorithme qui identifie les arbres?

— Jakub Sisak GeoGraphics

@Jakub: J'utilise un processus automatisé qui identifie les arbres en fonction d'un algorithme orienté objet. Désolé d'avoir oublié l'image utilisée pour l'exemple, cependant, l'imagerie de base est un NAIP 4 bandes standard avec NIR et RVB.

— Aaron

8

J'ai largement utilisé les données de l'indice de végétation amélioré (EVI) pour analyser les zones agricoles. Bien que je ne les ai jamais utilisés avec les images NAIP, vous n'avez besoin que de données rouges, bleues et infrarouges.

Pour vos besoins, le plus grand avantage d'EVI est qu'il ne "sature" pas aussi facilement que NDVI - il offre plus de contraste (plage dynamique) lors de l'examen de zones très végétalisées comme les champs agricoles cultivés. Le compromis est que le contraste entre les zones à faible EVI (comme les déserts ou les champs en jachère) et les zones cultivées n'est pas aussi grand. Mais pour vos besoins, cela n'a pas d'importance.

Dans cet histogramme de données NDVI, vous pouvez voir comment la plupart des pixels agricoles se trouvent à l'extrémité droite de la distribution. Il y a beaucoup de plage dynamique entre 0 et 0,5 qui est gaspillée. Cela revient à avoir une photo avec des niveaux mal ajustés. Votre couvert arboré et vos champs agricoles sont probablement tous les deux dans cette bosse, mais comme tout est compressé dans une petite région, ils ont la même couleur grise.

Histogramme NDVI

NDVI

Dans cet histogramme de la même zone exacte mais calculée avec EVI, vous pouvez voir comment la distribution est plus uniforme. La disparité d'intensité et de couverture de la végétation est représentée par une large gamme de valeurs, ce qui facilite la conduite des classifications. Cela donnera à vos arbres et à vos champs agricoles des nuances de gris plus disparates.

Histogramme EVI

EVI

— dmahr
source

3

@Aaron Vous pouvez utiliser n'importe quoi: ENVI, IDL, ArcGIS, NumPy, MATLAB, etc. Le calcul d'EVI n'est pas une formule particulièrement compliquée, l'équation est sur la page Wikipedia . Vous avez juste besoin d'utiliser les bandes rouge, bleue et infrarouge, puis c'est juste plug-and-chug.

— dmahr

@Aaron EVI at-il fini par travailler pour la tâche d'identification de l'arbre?

— dmahr

EVI qui ont été produits à partir d'un ensemble d'images naip a fonctionné de façon fantastique. Curieusement, EVI produit à partir des images naip d'un état différent a donné du sel et du poivre. Merci encore.

— Aaron

@Aaron Le problème du sel et du poivre pourrait être dû à un étiquetage différent dans les bandes. Tous les indices de végétation utilisent le «bord rouge» de la végétation dans les longueurs d'onde proche infrarouge.

— dmahr

2

Voici une déclaration d'algèbre raster qui vous donnera l'EVI.

(("band4" - "Band1") / ("Band4" + 6 * "Band1" - 7,5 * "Band3" + 1)) * 2,5

— Jeffrey Evans
source

1

Je pense que pour ArcGIS, vous aurez besoin d'une instruction Float pour vous assurer que les résultats sont conservés en virgule flottante. (Float ("band4" - "Band1") / Float ("Band4" + 6 * "Band1" - 7,5 * "Band3" + 1)) * 2,5

— Jeffrey Evans

2

Avez-vous accès à une autre image de la même année mais référencée à un stade de maturité différent? Imaginez que votre image soit du printemps, si vous avez une image de la fin de l'été, vous obtiendrez les changements dans les cultures et cela aiderait à distinguer l'agriculture de la forêt.

Quoi qu'il en soit, vous avez beaucoup d'options d'indices de végétation,

les plus courants sont:

NDVI
EVI

moins fréquent:

Indice de végétation perpendiculaire Sol
Indice de végétation ajusté
Indice de végétation résistant à l'atmosphère
Indice de surveillance de l'environnement mondial

— vascobnunes
source

Merci pour la réponse. Malheureusement, ces ensembles de données ne sont disponibles que sur feuilles au milieu de la saison de croissance. J'explore, avec un certain succès initial, l'utilisation des EVI.

— Aaron

-1

NDVI et EVI sont les meilleurs indicateurs pour de telles tâches. Cependant, vous pouvez expérimenter avec d'autres indices par défaut dans LandViewer ou créer votre propre index via la calculatrice intégrée. Un exemple d'une telle analyse peut être vu ici:

— Geowiz
source

Évitez l'autopromotion manifeste. La communauté a tendance à voter contre l'autopromotion manifeste et à la signaler comme spam. Publiez de bonnes réponses pertinentes et si certaines (mais pas toutes) concernent votre produit ou votre site Web, ce n'est pas grave. Cependant, vous devez divulguer votre affiliation dans vos réponses.] ( Genealogy.stackexchange.com/help/behavior ). Dans la pratique, cela signifie que toute réponse qui recommande votre propre produit doit inclure quelque chose comme " Divulgation: je suis le [poste] de [société] qui développe / distribue ce logiciel / test".

— PolyGeo