NDVI: принцип работы, применение и расчет в QGIS

Узнаем об одной из самых популярных метрик, которую используют ГИС-специалисты — вегетационном индексе NDVI, а также рассчитаем его в QGIS на данных Landsat.

NDVI означает Normalized Difference Vegetation Index, что в русскоязычной литературе часто переводится как нормализованный относительный индекс растительности. Этот индекс появился в начале семидесятых годов прошлого века, когда начали активно появляться спутники, выполняющие многоспектральную съемку поверхности Земли. Благодаря своей способности определять наличие растительности и ее состояние по данным дистанционного зондирования, NDVI стал самым популярным индексом, основанным на данных мультиспектральных сенсоров.

Солнце в единицу времени излучает некоторое количество электромагнитного излучения в разных диапазонах длин волн, которое достигает поверхности Земли. Объекты на поверхности поглощают часть падающего излучения, а другую часть отражают, и делают это по-разному в разных спектральных диапазонах.

По соотношению поглощенного и отраженного излучения в различных диапазонах спектра мы можем дешифрировать объекты на поверхности по данным дистанционного зондирования. Именно для этого используются индексы, которые помогают точнее определять объекты по их спектральным свойствам.

Вегетационный индекс NDVI в первую очередь используется для оценки количества и качества растительности, и физический смысл индекса основан на фотосинтетической активности. Растения активно поглощают красную часть видимого спектра и отражают значительную часть излучения в ближнем инфракрасном диапазоне. Чем лучше объект поглощает видимые электромагнитные волны в красной части спектра и чем лучше отражает ближнее инфракрасное излучение, тем увереннее мы можем сказать, что этот объект — фотосинтезирующее растение.

NDVI широко используется для оценки и классификации растительности (и других объектов) для самых разных задач. Все сферы применения перечислить невозможно, но ниже несколько примеров:

Сельское хозяйство
В сельском хозяйстве индекс получил наиболее широкое применение. Он позволяет проводить мониторинг состояния сельскохозяйственных культур, оценивать продуктивность пастбищ, а также определять эффективность агротехнических мероприятий, под которыми подразумеваются десятки комбинаций режимов орошения, обработки почв, внесения удобрений и борьбы с вредителями.

Экология
С помощью NDVI удобно анализировать изменения экосистем и определять, как сообщества восстанавливаются после пожаров, как зарастают заброшенные сельскохозяйственные угодья и как в целом меняются экосистемы от антропогенного воздействия. Кроме того, NDVI помогает точнее классифицировать растительность на космоснимках и определять границы разных сообществ.

Градостроительство
NDVI широко применяется при анализе городского озеленения, оценке обеспеченности населения зелеными насаждениями, изучении городских островов тепла и мониторинге изменений растительного покрова в городах.

Чтобы определить NDVI, понадобится устройство, которое может получать данные о количестве отраженного излучения в видимом и в ближнем инфракрасном диапазонах. Этим устройством может быть сенсор на космическом спутнике, мультиспектральная камера на беспилотнике или даже фотоаппарат с добавленным NIR-сенсором.

По результатам съемки с этих устройств получаются растровые снимки одной и той же территории с данными по отраженному излучению в видимом и в ближнем инфракрасном диапазонах. Для расчета NDVI из видимого спектра нам понадобится только красный канал (изредка используется синий, но это весьма специфические случаи).

Определяется NDVI с помощью расчета по классической формуле:

В этой формуле NIR — значение отражения в ближнем инфракрасном диапазоне, а RED — значение отражения в красном диапазоне. Использование двух измерений и их нормализация позволяет повысить точность определения растительности.

Полученные значения NDVI варьируются от −1 до +1, где значения ближе к 1 означают густую и здоровую растительность. Низкие значения NDVI не только означают отсутствие растительности, но также используются для определения, что именно находится на территории: вода, снег, песок, асфальт или иные типы поверхности.

Можно найти и другие таблицы для того, чтобы ориентироваться в значениях NDVI, и некоторые из них даже позволяют определить типы растительности по диапазонам значений. Но к этим числам важно относиться с осторожностью: если кто-то в Сибири определил, что у здоровых сосен NDVI варьируется от 0,6 до 0,7, это не значит, что по всему миру NDVI здоровых сосен будет таким же.

Данных, позволяющих рассчитать NDVI, а также готовых продуктов с рассчитанным NDVI, довольно много. Спутники Landsat делают снимки одной и той же территории регулярно в течение многих десятилетий, и все их можно скачать бесплатно в открытом доступе. И это далеко не единственный источник данных, есть другие спутники или даже результаты собственной аэрофотосъемки. Но как это часто бывает, в большой силе — большая ответственность.

У NDVI есть и ограничения, которые влияют на возможности его применения и на сравнение данных в разных работах. При определении NDVI играют роль множество факторов: состав атмосферы, наличие облаков, другие погодные условия, состав почвы, чувствительность сенсора (у разных спутников она разная), метод обработки сигналов от спутников и другие. И само полученное значение NDVI является относительным числом, а не абсолютным, так что по одному значению нельзя сделать вывод о количестве биомассы.

NDVI чувствителен к состоянию атмосферы, и несмотря на довольно большое количество мультиспектральных снимков, не всегда просто найти подходящие в определенную дату или время года. А учитывая чувствительность к особенностям сенсора и алгоритмам обработки данных, расчет NDVI для одной территории по снимкам с разных источников может давать различающиеся значения.

Интерпретация выводов NDVI на одной территории не всегда может подходить для другой из-за особенностей климата, растительности, почв или даже угла падения солнечных лучей. А классификация поверхностей с помощью индекса может быть весьма ненадежна, поэтому лучше подключать и другие способы для дешифрирования объектов.

Посчитать NDVI в QGIS очень просто. Рассмотрим этот процесс на данных Landsat 8 или 9, так как они бесплатные и их легко скачать без ограничений с EarthExplorer после регистрации. Но вы также можете использовать и другие источники данных, лишь бы в них были нужные каналы.

Чтобы посчитать NDVI, нам понадобятся снимки в красном и в ближнем инфракрасном диапазонах. При использовании данных Landsat 8 или 9 их названия будут иметь вид:

LC08_L1TP_171026_20220708_20220721_02_T1_B4 (красный)

LC08_L1TP_171026_20220708_20220721_02_T1_B5 (ближний инфракрасный)

Подбирайте снимки, сделанные в период вегетации, то есть в летнее время, а также конец весны - начало осени. В зависимости от региона и климатических условий этот период может быть уже или шире.

Если для ваших целей нет снимков Landsat 8 или 9, а есть Landsat других версий, то названия нужных каналов будут другие, и их нужно определить самостоятельно.

Если вы используете Landsat 8 или 9, то по возможности используйте версии Level-2, для них произведена дополнительная атмосферная коррекция. А чтобы корректно сравнивать снимки, полученные в разное время и с разных спутников, кроме атмосферной коррекции необходимо провести еще и радиометрическую калибровку. В любом случае, при публикации результатов всегда указывайте, с помощью каких данных вы проводили расчет NDVI.

Загрузите снимки любым удобным для вас способом в QGIS.

Чтобы посчитать NDVI, на верхней панели найдите вкладку «Растр», а в ней – «Калькулятор растров». После этого просто повторите формулу NDVI, которую я указал выше в статье.

Во вкладке «Выражение» нам нужно повторить формулу NDVI, подставив наши каналы растра. В окне «Слой результатов» выберите, куда сохранить растр, и нажмите «Ок», чтобы произошел расчет индекса.

Теперь у нас есть слой со значениями NDVI, который можно интерпретировать.

Для оформления результатов расчета NDVI на картах чаще всего используют цветовую шкалу, представленную красным, желтым и зеленым цветами, причем именно в таком порядке. В QGIS такая цветовая шкала называется RdYlGn. Она интуитивно хорошо ассоциирует значения индекса с объектами.

Чем ближе к значение NDVI к единице, тем больше вероятность, что это очень густая зеленая растительность. Желтым цветом показаны объекты со значениями, близкими к нулю, и часто это оказывается голая земля. Значения NDVI, близкие к −1, в стандартной палитре показаны красным. С точки зрения оценки вегетации все понятно: зеленое — хорошо, красное — плохо.

Если мы вернемся к таблице с примерными значениями NDVI для поверхностей разных типов, то заметим, что мои значения не совсем соотносятся с ней. Значения NDVI застройки местами практически не отличаются от значений водной поверхности или открытого грунта.

Если при расчете NDVI его значения для определенных объектов отличаются от табличных значений или цифр из других статей, это нормальное явление. Обычно в таблицах вы найдете усредненные значения, причем рассчитанные для определенных спутниковых снимков.
Лучше всего определить диапазоны индекса NDVI для своей территории и сравнивать только те значения, которые получены одинаковым образом.

NDVI – обширная и интересная тема, поэтому не могу не поделиться полезными материалами, которые позволят узнать о ней больше: