Alternative Vegetationsindizes

16

Ich habe NDVIs mit begrenztem Erfolg verwendet, um Bäume in der zentralen Great Plains-Region der USA zu identifizieren. Das Problem, auf das ich gestoßen bin, ist, dass das Reflexionsvermögen von Feldern / Weiden auf dem Bauernhof im Wesentlichen die gleiche spektrale Signatur aufweist wie die Bäume, die ich identifiziere. Gibt es einen Vegetationsindex, der aus 4-Band-NAIP-Bildern generiert werden kann, um die Vermischung von Baumbestandteilen in landwirtschaftlich genutzten Gebieten besser zu isolieren? Vielleicht ist ein Vor- / Nachbearbeitungsschritt am effektivsten?

NDVI-Beispiel

— Aaron
quelle

Ist eine der Bands in der Nähe von Infra Red?

— Jakub Sisak GeoGraphics

Ja, Band 4 = NIR für die NAIP-Bilder.

— Aaron

Wie sieht das Bild aus, wenn Sie das NIR verwenden? Würde dies nicht dazu beitragen, die Baumbedeckung besser zu isolieren? Obwohl die Vegetation rot erscheint, fällt es mir oft leichter, verschiedene Muster zu erkennen. Können Sie das gleiche Bild in NIR posten? Handelt es sich um einen manuellen Vorgang, oder führen Sie die Bilder mithilfe eines Algorithmus aus, der die Bäume identifiziert?

— Jakub Sisak GeoGraphics

@ Jakub: Ich benutze einen automatisierten Prozess, der Bäume anhand eines objektorientierten Algorithmus identifiziert. Entschuldigung, ich habe vergessen, welches Bild für das Beispiel verwendet wurde. Die Basisbilder sind Standard-4-Band-NAIP mit NIR und RGB.

— Aaron

8

Ich habe die EVI- Daten (Enhanced Vegetation Index) ausgiebig für die Analyse von landwirtschaftlichen Flächen verwendet. Obwohl ich es noch nie mit NAIP-Bildern verwendet habe, benötigen Sie lediglich Rot-, Blau- und IR-Daten.

Für Ihre Zwecke ist der größte Vorteil von EVI, dass es nicht so schnell "gesättigt" wird wie NDVI - es bietet mehr Kontrast (Dynamikbereich) bei der Untersuchung von stark bewachsenen Gebieten wie landwirtschaftlichen Anbauflächen. Der Nachteil ist, dass der Kontrast zwischen Niedrig-EVI-Gebieten (wie Wüsten oder Brachflächen) und bebauten Gebieten nicht so groß ist. Für Ihre Zwecke spielt dies jedoch keine Rolle.

In diesem Histogramm der NDVI-Daten können Sie sehen, wie sich die meisten landwirtschaftlichen Pixel am äußersten rechten Ende der Verteilung befinden. Es wird viel Dynamik zwischen 0 und 0,5 verschwendet. Dies ist vergleichbar mit einem Foto mit falsch eingestellten Werten. Ihre Baumbedeckung und die landwirtschaftlichen Felder befinden sich wahrscheinlich beide in diesem Buckel, aber weil alles in einer kleinen Region komprimiert ist, sehen sie in der gleichen Farbe grau aus.

NDVI-Histogramm

NDVI

In diesem Histogramm der exakt gleichen Fläche, aber mit EVI berechnet, können Sie sehen, wie die Verteilung gleichmäßiger ist. Die Ungleichheit in der Intensität und Bedeckung der Vegetation wird durch einen breiteren Wertebereich dargestellt, was die Durchführung von Klassifizierungen erleichtert. Dadurch erhalten Ihre Bäume und landwirtschaftlichen Felder unterschiedlichere Grautöne.

EVI-Histogramm

EVI

— dmahr
quelle

3

@Aaron Sie können alles verwenden: ENVI, IDL, ArcGIS, NumPy, MATLAB usw. Die Berechnung des EVI ist keine besonders komplizierte Formel. Die Gleichung befindet sich auf der Wikipedia-Seite . Sie müssen nur die roten, blauen und IR-Bänder verwenden und dann ist es nur Plug-and-Chug.

— dmahr

@Aaron Hat EVI für die Baumidentifizierungsaufgabe gearbeitet?

— dmahr

EVI, die aus einer Reihe von Naip-Bildern erstellt wurden, funktionierten fantastisch. Seltsamerweise ergab EVI, das aus Naip-Bildern eines anderen Staates hergestellt wurde, Salz und Pfeffer. Danke noch einmal.

— Aaron

@Aaron Das Problem mit Salz und Pfeffer kann auf eine unterschiedliche Kennzeichnung der Bänder zurückzuführen sein. Alle Vegetationsindizes verwenden den "roten Rand" der Vegetation im nahen Infrarot.

— dmahr

2

Hier ist eine Raster-Algebra-Anweisung, mit der Sie den EVI erhalten.

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

— Jeffrey Evans
quelle

1

Ich denke, dass Sie für ArcGIS eine Float-Anweisung benötigen, um sicherzustellen, dass die Ergebnisse im Fließkommaformat bleiben. (Float ("Band4" - "Band1") / Float ("Band4" + 6 * "Band1" - 7,5 * "Band3" + 1)) * 2,5

— Jeffrey Evans

2

Haben Sie Zugriff auf ein anderes Bild aus demselben Jahr, das sich jedoch auf einen anderen Reifegrad bezieht? Stellen Sie sich vor, Ihr Bild stammt aus dem Frühling. Wenn Sie ein Bild aus dem Spätsommer haben, werden Sie die Veränderungen bei den Ernten bemerken, und diese würden dazu beitragen, die Landwirtschaft von den Wäldern zu unterscheiden.

Auf jeden Fall haben Sie eine Menge Vegetationsindizes Optionen,

am häufigsten sind:

NDVI
EVI

seltener:

Senkrechter Vegetationsindex Boden
Angepasster Vegetationsindex
Atmosphärisch resistenter Vegetationsindex
Globaler Umweltüberwachungsindex

— vascobnunes
quelle

Danke für die Antwort. Leider sind diese Datensätze erst in der Mitte der Vegetationsperiode verfügbar. Ich untersuche mit anfänglichem Erfolg die Verwendung von EVIs.

— Aaron

-1

NDVI und EVI sind die besten Indikatoren für solche Aufgaben. Sie können jedoch mit anderen Standardindizes in LandViewer experimentieren oder einen eigenen Index über den eingebauten Taschenrechner erstellen. Ein Beispiel für eine solche Analyse ist hier zu sehen:

— Geowiz
quelle

Vermeiden Sie offensichtliche Eigenwerbung. Die Community tendiert dazu, offene Eigenwerbung abzustimmen und als Spam zu kennzeichnen. Veröffentlichen Sie gute, relevante Antworten, und wenn sich einige (aber nicht alle) auf Ihr Produkt oder Ihre Website beziehen, ist dies in Ordnung. Sie müssen jedoch Ihre Zugehörigkeit in Ihren Antworten offenlegen.] ( Genealogy.stackexchange.com/help/behavior ). In der Praxis bedeutet dies, dass jede Antwort, die Ihr eigenes Produkt empfiehlt, etwas wie " Offenlegung: Ich bin die [Position] von [Firma], die diese Software / diesen Test entwickelt / vertreibt" enthalten muss.

— PolyGeo