Нормализованный разностный индекс влажности

количество Индексы растительности, поддерживаемые GeoPard Растет постоянно. Команда GeoPard представляет нормализованный разностный индекс влажности (NDMI). Этот индекс определяет содержание воды в растительности и нормализованный разностный индекс влажности (NDWI). Он полезен для поиска мест с уже существующей растительностью. водный стресс у растений.

Низкие значения NDMI указывают на участки, где растения испытывают стресс из-за недостатка влаги.
С другой стороны, более низкие значения нормализованного разностного водного индекса после пика растительности указывают на участки, которые становятся... готовы к сбору урожая первый.

Разница в относительном содержании воды в растительности между двумя спутниковыми снимками (в данном случае, созвездия Sentinel-2).

На следующих скриншотах вы можете увидеть зоны NDMI, сгенерированные на основе спутниковых снимков от 19 июня (пик растительности) и 6 июля, а также карту уравнений, отображающую разницу NDMI.

Индекс NDMI рассчитан на основе изображений Planet / Sentinel-2 / Landsat.

Что такое индекс влажности?

Это показатель или расчет, используемый для оценки содержания или доступности влаги в определенной области или регионе. Обычно он рассчитывается на основе различных факторов окружающей среды, таких как осадки, испарение, свойства почвы и растительный покров.

Это позволяет получить относительное представление о влажности или сухости местности, помогая выявить потенциальный дефицит воды или засуху.

Это ценный инструмент для мониторинга и управления водными ресурсами, планирования сельскохозяйственной деятельности и понимания экологических условий конкретного региона.

Что такое нормализованный разностный индекс влажности?

Нормализованный разностный индекс влажности (NDMI) — это индекс растительности, рассчитываемый на основе данных дистанционного зондирования для оценки и мониторинга содержания влаги в растительности. Как и другие индексы растительности, он вычисляется с использованием значений спектрального отражения, полученных со спутниковых или аэрофотоснимков.

Этот метод особенно полезен для мониторинга водного стресса у растений, оценки засушливых условий, прогнозирования риска пожаров и изучения воздействия изменения климата на растительность.

Он рассчитывается с использованием ближнего инфракрасного (NIR) и коротковолнового инфракрасного (SWIR) диапазонов, которые чувствительны к содержанию влаги в растительности. Формула для расчета NDMI выглядит следующим образом:

НДМИ = (NIR – SWIR) / (NIR + SWIR)

Значения NDWI обычно варьируются от -1 до 1, при этом более высокие значения указывают на более высокое содержание влаги в растительности, а более низкие — на более низкое содержание влаги или водный стресс у растительности. Отрицательные значения NDMI могут быть связаны с участками без растительности или участками с очень низким содержанием влаги.

Что такое NDWI?

NDWI, или нормализованный разностный водный индекс, — это индекс дистанционного зондирования, используемый для количественной оценки содержания воды или связанных с водой характеристик растительности или ландшафта.

Он рассчитывается путем анализа отражательной способности ближнего инфракрасного и зеленого диапазонов света на спутниковых или аэрофотоснимках. Он особенно полезен для идентификации водоемов, мониторинга изменений доступности воды и оценки состояния растительности.

Сравнивая поглощение и отражение различных длин волн, этот метод предоставляет ценную информацию для таких применений, как мониторинг засухи, гидрологический анализ и управление экосистемами.

Визуализация NDMI для определения нормализованного разностного водного индекса.

Визуализация NDMI включает в себя обработку спутниковых или аэрофотоснимков, вычисление значений NDMI и последующее отображение результатов в виде цветовой карты или изображения. Вот общие шаги для визуализации NDMI:

• Получите спутниковые или аэрофотоснимки: Получите мультиспектральные изображения со спутника или аэрофотосъемочной платформы, такой как Landsat, Sentinel или MODIS. Убедитесь, что изображения включают необходимые диапазоны: ближний инфракрасный (NIR) и коротковолновый инфракрасный (SWIR).
• Предварительная обработка изображений: В зависимости от источника данных может потребоваться предварительная обработка изображений для коррекции атмосферных, геометрических и радиометрических искажений. Преобразуйте цифровые значения (DN) на изображении в значения спектральной отражательной способности.
• Рассчитайте NDMI: Для каждого пикселя изображения используйте значения отражательной способности в ближнем инфракрасном (NIR) и коротковолновом инфракрасном (SWIR) диапазонах для вычисления NDMI по формуле: NDMI = (NIR – SWIR) / (NIR + SWIR).
• Цветовая гамма: Присвойте значениям NDMI цветовую палитру. Обычно используется непрерывная цветовая шкала, от одного цвета (например, красного) для низких значений NDMI (указывающих на низкое содержание влаги) до другого цвета (например, зеленого) для высоких значений NDMI (указывающих на высокое содержание влаги). Для создания цветовой карты можно использовать такие программы, как QGIS, ArcGIS, или программные библиотеки, такие как Rasterio и Matplotlib в Python.
• Визуализируйте карту NDMI: Отобразите карту или изображение NDMI с помощью программного обеспечения ГИС, библиотеки программирования или онлайн-платформы. Это позволит вам проанализировать пространственное распределение влажности растительности и выявить зоны водного стресса или повышенной влажности.
• Интерпретация и анализ: Используйте визуализацию NDWI для оценки состояния растительности, мониторинга засушливых условий или оценки риска возникновения пожаров. Вы также можете сравнивать карты нормализованного разностного водного индекса за разные периоды времени, чтобы анализировать изменения содержания влаги в растительности с течением времени.

Помните, что различные программные инструменты или библиотеки программирования могут иметь несколько отличающиеся рабочие процессы, но общий процесс будет схожим. Кроме того, вы можете накладывать другие слои данных, такие как землепользование, высота над уровнем моря или административные границы, чтобы улучшить анализ и лучше понять взаимосвязь между содержанием влаги в растительности и другими факторами.