Российская сеть изучения и охраны пернатых хищников
Я хочу сообщить о встрече окольцованной птицы!
Пернатые хищники
Соколообразные
Совообразные
Изучение
Ключевые виды
Мониторинг
Фаунистика
Миграции
Кольцевание
Охрана
Платформинг
Нестбоксинг
Птицы и ЛЭП
ООПТ
Информация о сети
Устав и программа
Члены сети
Проекты
Мероприятия сети
Блоги
СМИ о нас
Библиотека
Журнал “RC”
Методики
Книги
Статьи
Отчёты и доклады
Презентации
Новости
События
Конференции
Прочие объявления
Из соцсетей
Для спонсоров
Горящие проекты
МЫ В СОЦСЕТЯХ
RRRCN RRRCN
Fatbirder's Top 1000 Birding Websites
НАШИ БАННЕРЫ
RRRCN RRRCN

ArcView GIS для экологов

3.1.2.4.4.3. Вегетационный индекс

Вегетационный индекс (ВИ) – это показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) ДДЗ, и имеющий отношение к параметрам растительности в данном пикселе снимка. Эффективность ВИ определяется особенностями отражения; эти индексы выведены, главным образом, эмпирически.

Основное предположение по использованию ВИ состоит в том, что некоторые математические операции с разными каналами ДДЗЗ могут дать полезную информацию о растительности. Это подтверждается множеством эмпирических данных. Второе предположение – это идея, что открытая почва на снимке будет формировать в спектральном пространстве прямую линию – так называемую почвенную линии (см. предыдущую главу). Почти все распространенные вегетационные индексы используют только соотношение красного – ближнего инфракрасного каналов, предполагая, что в ближней инфракрасной области лежит линия открытой почвы. Подразумевается, что эта линия означает нулевое количество растительности.

На данный момент имеется две разных идеи о направлении линий одинаковой растительности (изовегетационных линий):

- все изовегетационные линии сходятся в одной точке. Индексы, которые придерживаются этого предположения – это относительные индексы (ratio-based), которые измеряют наклон линий между точкой конвергенции и точки соотношения RED-NIR (красный – ближний инфракрасный) в пикселе. Примерами являются индексы: NDVI, SAVI, и RVI.

- все изовегетационные линии идут параллельно почвенной линии. Эти индексы обычно называют «перпендикулярными» индексами, они измеряют перпендикулярное расстояние от почвенной линии до точки RED-NIR в пикселе. Примеры: PVI, WDVI, и DVI.

При всем своем разнообразии вегетационные индексы для территорий с разреженным растительным покровом работают очень плохо. Если растительный покров скудный, то спектр снимка в основном зависит от почвы. Почвы могут различаться очень сильно по отражению, даже если для анализа используются очень широкие спектральные диапазоны. Рядом исследований показано, что почвенный фон сильно влияет на индексы – если он яркий, то значение индекса будет меньше, если фон темный, то индекс будет больше; многие фоновые материалы (почва, камни, растительная подстилка) сильно варьируют в красном – ближнем инфракрасном диапазоне, и это может сильно изменить индекс (Huete et al., 1985; Elvidge, Lyon, 1985). Для решения этих проблем более эффективным методом является применение анализа спектральных смесей.

Для определенных ВИ существуют свои пороги чувствительности к разряженности растительности. Например, RVI, NDVI, IPVI не стоит применять, если растительный покров меньше 30%, SAVI, MSAVI1, MSAVI2 – если меньше 15%.

В Image Analyst реализован метод определения NDVI.

NDVI (Normalized Difference Vegetation Index) – нормализованный относительный индекс растительности – простой количественный показатель количества фотосинтетически активной биомассы (впервые описан в 1973 г. по концепции, представленной в 1969 г. (Kriegler et al., 1969; Rouse et al., 1973)). Один из самых распространенных и используемых индексов для решения задач, использующих количественные оценки растительного покрова. NDVI имеет самый широкий динамический диапазон из распространенных ВИ, и лучшую чувствительность к изменениям в растительном покрове. Он умеренно чувствителен к изменениям почвенного и атмосферного фона, кроме случаев с бедной растительностью.

Вычисляется NDVI по следующей формуле:

NDVI = (NIR-RED)/(NIR+RED), где:

NIR — отражение в ближней инфракрасной области спектра

RED — отражение в красной области спектра

Согласно этой формуле, плотность растительности (NDVI) в определенной точке изображения равна разнице интенсивностей отраженного света в красном и инфракрасном диапазоне, деленной на сумму их интенсивностей. Значения NDVI изменяются от -1 до 1

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. 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.

NDVI может быть рассчитан на основе любых снимков высокого, среднего или низкого разрешения, имеющих спектральные каналы в красном (0,55-0,75 мкм) и инфракрасном диапазоне (0,75-1,0 мкм) (рис. 298, табл. 5).

Рис. 298. Участки усредненной кривой отражения растительности, используемые для расчета NDVI по данным MODIS
Рис. 298. Участки усредненной кривой отражения растительности, используемые для расчета NDVI по данным MODIS

Таблица 5. Комбинации каналов камер спутников используемые для расчета NDVI.
Таблица 5. Комбинации каналов камер спутников используемые для расчета NDVI

Для отображения индекса NDVI используется стандартизованная непрерывная градиентная или дискретная шкала, показывающая значения в диапазоне от -1 до 1 в процентах (рис. 299) или масштабированная цветовая шкала в диапазоне от 0 до 255 (соответствует количеству градаций серого) или в диапазоне 0..200 (-100..100), что более удобно, так как каждая единица соответствует 1% изменения показателя. Благодаря особенности отражения в NIR-RED областях спектра, природные объекты, не связанные с растительностью, имеют фиксированное значение NDVI, (что позволяет использовать этот параметр для их идентификации) (табл. 6).

Рис. 299. Дискретная шкала NDVI
Рис. 299. Дискретная шкала NDVI

Таблица 6. Значения NDVI для разных типов поверхности
Таблица 6. Значения NDVI для разных типов поверхности

Для перевода значений из шкалы -1..1 в 0..200 (масштабирование) используется следующая формула: масштабированный NDVI = 100(NDVI + 1).

Существует устойчивая корреляция между показателем NDVI и продуктивностью для различных типов экосистем (рис. 300). Это свойство довольно активно используется для регионального картирования и анализа различных типов ландшафтов, оценки ресурсов и площадей биосистем в масштабе стран и континентов. Однако чаще, расчет NDVI употребляется на основе серии разновременных (разносезонных) снимков с заданным временным разрешением, позволяя получать динамическую картину процессов изменения границ и характеристик различных типов растительности (месячные вариации, сезонные вариации, годовые вариации).

Рис. 300. Распределение показателей NDVI в зависимости от продуктивности разных растительных сообществ
Рис. 300. Распределение показателей NDVI в зависимости от продуктивности разных растительных сообществ

Будучи искусственным безразмерным показателем NDVI предназначен для измерения эколого-климатических характеристик растительности, но в тоже время может показывать значительную корреляцию с некоторыми параметрами, совсем другой области:

- Продуктивностью (временные изменения)

- Биомассой

- Влажностью и минеральной (органической) насыщенностью почвы

- Испаряемостью (эвапотранспирацией)

- Объемом выпадаемых осадков

- Мощностью и характеристиками снежного покрова

Зависимость между этими параметрами и NDVI, как правило, не прямая и связана с особенностями исследуемой территории, ее климатическими и экологическими характеристиками, кроме этого, часто приходиться учитывать временную разницу параметра и ответной реакции NDVI.

Благодаря всем этим особенностям, карты NDVI часто используются как один из промежуточных дополнительных слоев для проведения более сложных типов анализа, результатами которых могут являться карты продуктивности лесов и сельхозземель, карты типов ландшафтов, растительности и природных зон, почвенные, аридные, фито-гидрологические и другие эколого-климатические карты. Так же, на основе NDVI возможно получение численных данных для использования в расчетах оценки и прогнозирования урожайности и продуктивности, биологического разнообразия, степени нарушенности и ущерба от различных естественных и антропогенных бедствий, аварий и т.д. Часто эти данные используются для вычисления других, универсальных и территориально-привязанных индексов: LAI — индекс листовой поверхности, FPAR — индекс фотосинтетической активной радиации, поглощаемый растительностью и пр.

В целом, главным преимуществом NDVI является легкость его получения: для вычисления индекса не требуется никаких дополнительных данных и методик, кроме непосредственно самой космической съемки и знания ее параметров.

Так, благодаря минимальному временному разрешению данных MODIS/Terra, вычисление NDVI на их основе может давать оперативную информацию об эколого-климатической обстановке и возможность отслеживать динамику различных параметров с периодичностью до 1 недели! А большой пространственный охват позволяет проводить мониторинг территорий, соразмерный с площадями областей и целых стран. Данные же камер высокого разрешения, типа Landsat, IRS, Aster позволяют следить за состоянием объектов размерами вплоть до отдельного поля или лесного выдела.

Следует, однако, учитывать и главные недостатки использования NDVI-индекса.

Невозможно использование данных, не прошедших этап радиометрической коррекции;

Погрешности вносят погодные условиями, сильная облачность и дымка – 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. Расчет MVC может быть выполнен для покрытий GRID с помощью калькулятора значений карты (Map Calculator).

Возможно использование съемки лишь периода вегетации. В силу своей привязанности к количеству фотосинтезирующей биомассы, NDVI не эффективен на снимках полученных в сезон ослабленной или невегетирующей в этот период растительности.

Для расчета вегетационного индекса:

Рис. 301. Расчет вегетационного индекса: шаг 1
Рис. 301. Расчет вегетационного индекса: шаг 1.

Рис. 302. Расчет вегетационного индекса: шаг 2 – конвертирование в GRID
Рис. 302. Расчет вегетационного индекса: шаг 2 – конвертирование в GRID.

1. В режиме открытого окна Вида в панели управления ArcView (при подключенном модуле Image Analyst) нажимаем кнопку «Add Theme – Добавить тему» – открывается окно загрузки файла.

2. В окне загрузки файла в меню «Data Source Types» выбираем тип файлов как «Image Analysis Data Source», выбираем диск, папку, файл и нажимаем «ОК».

3. Загруженную в ArcView тему выделяем в оглавлении Вида и в панели управления ArcView в меню «Image Analysis» выбираем команду «Vegetative Index – Вегетационный индекс» — открывается окно выбора каналов (Vegetative Index of <название темы>) (рис. 301).

4. В окне выбора каналов в меню «Near Infrared Layer – Ближний инфракрасный канал» выбираем канал, соответствующий ближнему инфракрасному (для Landsat TM/ETM+ обычно Layer_4), в меню «Visible Red Layer – Видимый красный канал» выбираем канал, соответствующий видимому красному каналу (для Landsat TM/ETM+ обычно Layer_3) и нажимаем «ОК» — начинается процесс расчета вегетационного индекса NDVI. После того как расчет осуществлен, растровая тема расчета добавляется в оглавление Вида.

5. Для обработки темы расчета вегетационного индекса, лучше ее сохранить в GRID, чтобы далее с ней можно было работать, используя инструментарий Spatial Analyst. Для этого выделяем тему расчета вегетационного индекса (по умолчанию она носит название NDVI of <название исходного изображения>), в меню «Theme – Тема» выбираем команду «Save Image As… – Сохранить изображение как…» — в открывшемся окне сохранения файла выбираем диск, папку, в меню «List Files of Type» выбираем тип фала GRID и задав название файлу нажимаем кнопку «ОК» (рис. 302).

Рис. 303. Расчет вегетационного индекса на примере Волжско-Камского заповедника и окрестностей в позднеосенний период: оригинальный снимок Landsat ETM+ со стандартной комбинацией каналов «искусственные цвета» (4-3-2) – верхнее левое изображение, растровая тема расчета вегетационного индекса – верхнее правое изображение, результирующая грид-тема расчета вегетационного индекса – нижнее левое изображение и результирующая  векторная тема расчета вегетационного индекса с легендой, приведенной в соответствие с дискретной шкалой NDVI – нижнее правое изображение
Рис. 303. Расчет вегетационного индекса на примере Волжско-Камского заповедника и окрестностей в позднеосенний период: оригинальный снимок Landsat ETM+ со стандартной комбинацией каналов «искусственные цвета» (4-3-2) – верхнее левое изображение, растровая тема расчета вегетационного индекса – верхнее правое изображение, результирующая грид-тема расчета вегетационного индекса – нижнее левое изображение и результирующая векторная тема расчета вегетационного индекса с легендой, приведенной в соответствие с дискретной шкалой NDVI – нижнее правое изображение.

6. В открывшемся следом диалоговом окне на предложение добавить файл в Вид отказываемся и загружаем файл с помощью кнопки «Add Theme – Добавить тему» как «Grid Data Source» — тема расчета вегетационного индекса в формате GRID с автоматически расклассифицированной легендой добавляется в оглавление Вида (рис. 303).

7. Если необходимо перевести данные в векторный формат, то предварительно имеет смысл изображение разбить на определенное количество классов (классифицировать) и генерализовать, затем запустить команду конвертирования в шейп (см. следующую главу) – в результате будет получена векторная карта вегетационного индекса (рис. 303), с которой можно работать в любых ГИС-приложениях и совмещать с данными в любых проекциях в ArcView.

 

Содержание

 

 

Страниц: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55

Наверх

Пернатые хищники и их охрана
Форум сети
Фотоальбом
Видеотека
  • Login

  • Войти через loginza

    30.11.2016

    Международная конференция по сохранению птиц в Венгрии

    Международная конференция по охране птиц в Венгрии

    Международная конференция по сохранению птиц, организованная Венгерской национальной сетевой компанией MAVIR , в сотрудничестве с Обществом охраны птиц Венгрии (MME/Birdlife) и Институтом Германа Отто, прошла в Венгрии 7-8 ноября 2016.

    29.11.2016

    Прослеживание балобанов, помеченных передатчиками, подтверждает, что браконьерство наносит основной урон популяциям соколов

    DSC_7919-

    Из 10 балобанов (6 самок и 4 самцов), помеченных передатчиками в Алтае-Саянском регионе в 2016 г. после сезона браконьерского лова соколов продолжило миграцию лишь 4 сокола (3 самца и 1 самка).

    Все новости

    Flora Hoser on the conference. Photo by Márton Horváth

    Презентации докладов Международной конференции по сохранению птиц в Венгрии

    Презентации докладов Международной конференции по сохранению птиц в Венгрии, проходившей 7-8 ноября 2016 г.

    Эльвира Николенко на конференции «Сохранение биоразнообразия в Южной Сибири»

    Презентации докладов конференции «Сохранение биоразнообразия в Южной Сибири»

    Презентации докладов конференции «Сохранение биоразнообразия в Южной Сибири», проходившей в г. Новосибирск (Россия) 4–6 ноября 2016 г.

    Все публикации