Вегетационные индексы

Вегетационные индексы — это безразмерные показатели, рассчитываемые на основе данных дистанционного зондирования Земли (ДЗЗ) в различных спектральных диапазонах. Они предназначены для количественной оценки состояния растительного покрова, его биомассы, продуктивности, влажности и других характеристик. Основной принцип расчёта большинства вегетационных индексов основан на различии в отражательной способности растений в красной (поглощается хлорофиллом) и ближней инфракрасной (сильно отражается клеточной структурой листа) областях спектра.

История развития

Первые работы по использованию спектральных отношений для оценки растительности относятся к 1960-м годам, когда появились спутниковые программы Landsat (США) и другие метеорологические спутники. В 1973 году Р. Л. Пирсон и Л. Д. Миллер предложили один из первых индексов — Ratio Vegetation Index (RVI). Однако широкое распространение вегетационные индексы получили после разработки в 1974 году Дж. В. Раузе и его коллегами из Техасского университета A&M индекса NDVI (Normalized Difference Vegetation Index), который стал стандартом де-факто в области ДЗЗ. В 1980-е годы были разработаны индексы, устойчивые к влиянию атмосферы и почвы (например, SAVI, ARVI). С начала XXI века, с появлением спутников нового поколения (MODIS, Sentinel-2), количество и сложность вегетационных индексов значительно возросли.

Физические основы

Работа вегетационных индексов основана на различиях в спектральной отражательной способности растительности и других объектов земной поверхности.

• Видимый диапазон (0,4–0,7 мкм): В красной области спектра (0,6–0,7 мкм) хлорофилл активно поглощает солнечную энергию для фотосинтеза. Поэтому зелёная растительность имеет низкую отражательную способность в красном канале.
• Ближний инфракрасный диапазон (0,7–1,3 мкм): Внутренняя структура листа (мезофилл) сильно рассеивает инфракрасное излучение, что приводит к высокой отражательной способности в этом диапазоне. Чем больше биомасса и чем здоровее растение, тем выше отражение в ближнем ИК.
• Средний инфракрасный диапазон (1,3–3,0 мкм): Используется для оценки влажности растительности и почвы, так как вода поглощает излучение в этом диапазоне.

Таким образом, здоровая растительность характеризуется резким контрастом между низким отражением в красном и высоким в ближнем ИК диапазонах. Большинство индексов количественно выражают этот контраст.

Классификация вегетационных индексов

Существует несколько сотен различных вегетационных индексов, которые можно классифицировать по нескольким признакам.

По типу используемых спектральных каналов

1. Индексы на основе красного и ближнего ИК-каналов. Это наиболее распространённая группа. Примеры: NDVI, RVI, SAVI, EVI.
2. Индексы с использованием зелёного канала. Позволяют лучше оценивать растительность в условиях высокой плотности или при наличии водной поверхности. Пример: GNDVI (Green Normalized Difference Vegetation Index).
3. Индексы с использованием коротковолнового ИК-канала (SWIR). Чувствительны к влажности растительности и почвы. Пример: NDWI (Normalized Difference Water Index), LSWI (Land Surface Water Index).
4. Индексы с использованием красного края (Red Edge). Используют узкий спектральный диапазон (0,7–0,75 мкм), где происходит резкий переход от поглощения к отражению. Чувствительны к содержанию хлорофилла и стрессу растений. Пример: REP (Red Edge Position), CI (Chlorophyll Index).

По устойчивости к внешним факторам

1. Простые индексы (некорректированные). Чувствительны к влиянию атмосферы, почвы и угла съёмки. Пример: NDVI.
2. Индексы с коррекцией почвы. Учитывают отражательную способность почвы под растительным покровом. Пример: SAVI (Soil-Adjusted Vegetation Index), MSAVI (Modified SAVI).
3. Индексы с коррекцией атмосферы. Устойчивы к влиянию аэрозолей и водяного пара. Пример: ARVI (Atmospherically Resistant Vegetation Index), EVI (Enhanced Vegetation Index).
4. Комбинированные индексы. Учитывают одновременно несколько факторов. Пример: EVI2 (Two-band Enhanced Vegetation Index).

Основные вегетационные индексы

NDVI (Normalized Difference Vegetation Index)

NDVI — наиболее широко используемый вегетационный индекс. Рассчитывается по формуле:

NDVI = (NIR — Red) / (NIR + Red)

где NIR — отражение в ближнем инфракрасном диапазоне, Red — отражение в красном диапазоне.

Значения NDVI варьируются от -1 до +1. Для растительности характерны положительные значения (обычно от 0,2 до 0,9). Чем выше значение, тем плотнее и здоровее растительность. Отрицательные значения соответствуют воде, снегу, облакам. Значения около нуля — открытой почве, горным породам.

Преимущества: простота расчёта, высокая корреляция с биомассой, доступность данных для большинства спутников. Недостатки: насыщение при высокой плотности растительности (например, в тропических лесах), чувствительность к атмосферным эффектам и типу почвы.

EVI (Enhanced Vegetation Index)

EVI — улучшенный вегетационный индекс, разработанный для спутников MODIS (NASA). Он включает коррекцию атмосферных помех и почвенного фона, а также использует дополнительный синий канал для уменьшения влияния аэрозолей.

Формула (упрощённая): EVI = G (NIR — Red) / (NIR + C1 Red — C2 * Blue + L)

где G — коэффициент усиления (обычно 2,5), C1 и C2 — коэффициенты атмосферной коррекции (6,0 и 7,5 соответственно), L — поправка на почву (1), Blue — отражение в синем диапазоне.

EVI более чувствителен к изменениям в условиях высокой биомассы, чем NDVI, и менее подвержен насыщению.

SAVI (Soil-Adjusted Vegetation Index)

SAVI — индекс, корректирующий влияние почвенного фона. Вводится поправочный коэффициент L, который зависит от плотности растительности.

Формула: SAVI = (NIR — Red) / (NIR + Red + L) * (1 + L)

где L обычно принимает значения от 0 (очень плотная растительность) до 1 (очень разреженная растительность). Стандартное значение L = 0,5.

NDWI (Normalized Difference Water Index)

NDWI — индекс для оценки содержания воды в растительности и почве. Использует зелёный и ближний ИК-каналы (или коротковолновый ИК).

Формула (вариант для воды в растительности): NDWI = (Green — NIR) / (Green + NIR)

Положительные значения указывают на наличие воды, отрицательные — на сухую поверхность.

Применение

Вегетационные индексы широко используются в различных областях.

Сельское хозяйство

• Мониторинг состояния посевов: Оценка всхожести, биомассы, фазы развития, выявление участков с угнетением (засуха, болезни, вредители).
• Точное земледелие: Дифференцированное внесение удобрений, средств защиты растений, орошение на основе карт вегетационных индексов.
• Прогнозирование урожайности: Корреляция между значениями NDVI в ключевые фазы развития и конечной урожайностью.
• Оценка ущерба от стихийных бедствий: Засухи, наводнения, градобития.

Лесное хозяйство

• Оценка состояния лесов: Выявление участков, поражённых пожарами, вредителями (например, короедом-типографом), болезнями.
• Мониторинг лесовосстановления: Оценка эффективности посадок и естественного возобновления.
• Картографирование типов леса: Различение хвойных и лиственных пород (сезонная динамика NDVI).

Экология и охрана природы

• Оценка биоразнообразия: Корреляция между вегетационными индексами и видовым богатством.
• Мониторинг изменений в экосистемах: Оценка последствий изменения климата, антропогенного воздействия (вырубки, осушение болот).
• Картографирование растительного покрова: Создание карт типов растительности и их динамики.

Геология и гидрология

• Поиск подземных вод: Косвенная индикация по аномалиям вегетации.
• Мониторинг состояния водных объектов: NDWI для оценки площади водной поверхности и содержания взвешенных веществ.

Ограничения и критика

Несмотря на широкое применение, вегетационные индексы имеют ряд ограничений:

1. Насыщение: Индексы, особенно NDVI, перестают быть чувствительными к увеличению биомассы при её высоких значениях (например, в густых лесах).
2. Влияние атмосферы: Облачность, дымка, аэрозоли искажают значения индексов. Требуется атмосферная коррекция снимков.
3. Влияние почвы: Тип, цвет и влажность почвы могут влиять на значения индексов, особенно при разреженном растительном покрове.
4. Угол съёмки: Изменение угла наблюдения спутника может приводить к различиям в значениях индексов для одного и того же участка.
5. Сезонная и межгодовая изменчивость: Для корректного анализа необходимы многолетние временные ряды данных.
6. Неоднозначность интерпретации: Одно и то же значение NDVI может соответствовать разным состояниям растительности (например, высокая биомасса при низком содержании хлорофилла или наоборот).

Перспективы развития

Современные тенденции в области вегетационных индексов включают:

• Разработку индексов на основе данных гиперспектральной съёмки (сотни узких спектральных каналов), позволяющих более точно определять химический состав растений (содержание хлорофилла, азота, лигнина).
• Использование данных радарной съёмки (SAR) для оценки биомассы и влажности, особенно в условиях облачности.
• Применение методов машинного обучения для автоматического выбора оптимальных индексов и их комбинаций для конкретных задач.
• Создание глобальных продуктов на основе вегетационных индексов (например, MODIS NDVI, Sentinel-2 NDVI) с высоким пространственным и временным разрешением.

Источники

1. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. Third ERTS Symposium, NASA SP-351, 309-317.
2. Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295-309.
3. Liu, H. Q., & Huete, A. R. (1995). A feedback based modification of the NDVI to minimize canopy background and atmospheric noise. IEEE Transactions on Geoscience and Remote Sensing, 33(2), 457-465.
4. Gao, B. C. (1996). NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257-266.
5. Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2), 127-150.
6. Книжников, Ю. Ф., Кравцова, В. И., & Тутубалина, О. В. (2011). Аэрокосмические методы географических исследований. М.: Издательский центр «Академия».
7. Чандра, А. М., & Гош, С. К. (2008). Дистанционное зондирование и географические информационные системы. М.: Техносфера.