Применение вегетационных индексов при мультиспектральном зондировании полей
Зачастую аграрии предпочитают не разбираться с тонкостях выбора и использования вегетационных индексов, ограничиваясь лишь NDVI.
Однако в реальности существует более 150 различных индексов. Разумеется, знать и тем более использовать их все нет никакой необходимости. Но иметь в своём арсенале хотя бы 5 - 10 для различных ситуаций может быть полезно. О значении вегетационных индексов расскажет специалист в области сельского хозяйства компании Skymec Иван Черкасов.
Вегетационный индекс — что это?
NDVI (Normalized Difference Vegetation Index) — нормализованный относительный индекс растительности — простой показатель количества фотосинтетически активной биомассы. Этот индекс вычисляется по поглощению и отражению растениями лучей красной и ближней инфракрасной зоны спектра. Значения индекса для растительности лежат в диапазоне от 0,20 до 0,95. Чем лучше развита растительность во время вегетации, тем выше значение NDVI. Таким образом, NDVI – это индекс, по которому можно судить о развитии зеленой массы растений во время вегетации. Для тех, кому интересно, внизу приложу формулы по индексам и фото.
При работе следует учитывать главные 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. 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, примеры показанные в дальнейшем, к сожалению, сделаны на основе разовой съемки, ошибки которой не скорректированы с помощью MVC — Maximum Value Composite.
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.
Также есть несколько индексов, которые используются чаще всего: NDRE, GNDVI, OSAVI, LCI, VARI, TGI.
Дальний инфракрасный NDVI (NDRE) — это индекс вегетации для оценки состояния растительности с использованием дальнего красного канала. Он хорошо подходит для оценки состояния культур на поздних стадиях созревания, когда концентрация хлорофилла и площадь листовой поверхности сравнительно высокая. Также NDRE можно использовать для картирования содержания азота в листве в пределах одного поля, чтобы контролировать количество внесения удобрений.
Этот индекс аналогично NDVI выводит значения между -1,0 и 1,0.
Green Normalized Difference Vegetation Index — это зеленый нормализованный относительный вегетационный индекс. Похож на NDVI, однако вместо красного спектра измеряет зеленый. Это показатель фотосинтетической активности растительного покрова, наиболее часто используемый при оценке влагосодержания и концентрации азота в листьях растений по мультиспектральным данным, у которых отсутствует крайний красный канал. По сравнению с индексом NDVI, более чувствителен к концентрации хлорофилла. Применяется при оценке угнетенной и стареющей растительности.
Soil-Adjusted Vegetation Index (SAVI) – это индекс растительности, который минимизирует влияние яркости почвы с помощью коэффициента коррекции яркости почвы. Он часто используется в пустынных и полупустынных зонах, где растительное покрытие незначительно, а результатами будут значения от -1.0 и 1.0. Показать работу SAVI сложно, поскольку он нуждается в поправочном коэффициенте, который необходимо рассчитывать для каждой конкретной съёмки.
Leaf chlorofyll index (LCI) — это индекс для оценки содержания хлорофилла в зонах полного покрытия листьев. Чаще используется в различных научных работах, чем в производстве т.к представляет данные, с которыми не очень удобно работать визуально.
Индекс устойчивости к видимой атмосфере (VARI) разработан для выделения растительности в видимой части спектра, при ослаблении влияния разницы освещения и атмосферных явлений. Он подходит для RGB или цветных изображений, также использует все три цветовых канала. Интересен тем, что позволяет получить данные, применяя только каналы видимого света. Качество данных невысокое, однако в условиях, когда мультиспектральный дрон отсутствует, а спутниковые снимки невозможно получить из-за высокой облачности — он незаменим.
Правила работы с индексами
Ведите историю полей. Каждое поле уникально, поэтому история территории должна включать не только севообороты и обработки, но и вегетационные индексы. Это поможет вовремя заметить отклонения от средней нормы и произвести полевую оценку и корректирующие мероприятия. История поля должна из года в год иметь минимум один общий индекс, по которому можно будет сравнить динамику.
Выезжайте на место работы. Индекс может сообщить нам только о неполадках и стабильной работе. Без полевого наблюдения эти данные имеют мало значения. Поэтому важно выезжать на место аномального изменения индекса и уточнять причину. Используйте всё, что может дать вам дополнительную информацию: метеостанции на полях, химический анализ почвы в местах аномалий, карты микрорельефа и другое.
Обращайте внимание на особенности каждого индекса. Их можно легко отыскать по первым ссылкам в интернете. Например, какие каналы использует индекс? Возможно у вашей мультиспектральной камеры нет такого канала. Нужна ли данному индексу радиометрическая коррекция? Чувствителен ли данный индекс к усиленному влиянию почвы? Ответы на все эти вопросы помогу избежать неудач.
Экспериментируйте с индексами. Попробуйте использовать 5-10 разных индексов. Это поможет найти тот показатель, который подчеркнет все особенности поля. Помните, что если NDRE лучше проявил себя в конкретной ситуации, то в историю поля также необходимо занести NDVI, при условии что он является основным для истории территории.
Где взять мультиспектральные данные
Мультиспектральные снимки можно получить со спутника либо самостоятельно. Также применяются различные сервисы, однако данный метод имеет свои недостатки: большой период ожидания между снимками, крайне низкое разрешение, а также значительное влияние облачности в момент съёмки.
Съёмка БПЛА различных видов, оснащённых мультиспектральными камерами, имеет ряд преимуществ:
а) Данные можно получать тогда, когда это удобно и необходимо;
б) Разрешение снимков измеряется сантиметрами, а не десятками метров, как в случае со спутниками;
Самый используемый дрон DJI Phantom 4 Multispectral. Это беспилотник предназначен для мониторинга и анализа сельскохозяйственных площадей. Оснащен мультиспектральной камерой, которая позволяет составить карту неоднородностей полей по биомассе и выявить зоны с негативными факторами, оказывающие угнетающее воздействие на выращиваемую культуру. Дрон лучше приобретать у официального дистрибьютора, где вы сможете получить актуальную информацию от специалиста, пройти обучение и получить гарантийное обслуживание. Skymec поддерживает своих клиентов на каждом этапе.
Программы для работы с мультиспектральными данными
DJI Terra — программа, работающая только с дронами DJI. Она проста в работе, не требует от оператора особых знаний и квалификации. Недостатками продукта является проприетарность, а также ограниченный выбор из пяти встроенных индексов. Однако этого количества хватает для работы.
Pix4D fields не уступает по легкости в освоении DJI Terra , однако имеет встроенный калькулятор индексов, который позволяет работать с любым индексом.
QGIS и Arcgis предназначены для работы с мультиспектральными данными, однако сложны в освоении на высоком уровне. Их следует рассматривать только опытным пользователям подобных программ.
С формулами и примерами вы можете ознакомиться в карусели.
2 комментария