Нормализованная разность водного индекса - Normalized difference water index

Нормализованная разница водного индекса (NDWI) может относиться как минимум к одному из двух дистанционное зондирование -производные показатели, относящиеся к жидкой воде:

Один используется для отслеживания изменений содержания воды в листьях, используя ближний инфракрасный (NIR) и коротковолновый инфракрасный (SWIR) длины волн, предложенный Гао в 1996 году:[1]

Другой используется для мониторинга изменений, связанных с содержанием воды в водоемах, с использованием длин волн зеленого и ближнего ИК-диапазона, определенных Макфитерсом (1996):

Обзор

В дистанционном зондировании соотношение изображения или же спектральное нормирование представляют собой методы улучшения, в которых растровый пиксель из одного спектрального диапазона делится на соответствующее значение в другом диапазоне.[2] Оба указанных выше индекса имеют одну и ту же функциональную форму; выбор используемых полос - это то, что делает их подходящими для конкретной цели.

Если вы хотите контролировать растительность в районах, пострадавших от засухи, то рекомендуется использовать индекс NDWI, предложенный Гао, с использованием NIR и SWIR. Коэффициент отражения SWIR в этом индексе отражает изменения как содержания воды в растительности, так и губчатой мезофилл структура в пологах растительности. На коэффициент отражения в ближнем инфракрасном диапазоне влияет внутренняя структура листа и содержание сухого вещества в листе, но не содержание воды. Комбинация NIR с SWIR устраняет отклонения, вызванные внутренней структурой листа и содержанием сухого вещества листа, повышая точность определения содержания воды в растительности.[3]

Концепция NDWI, сформулированная Гао, сочетающая отражательную способность NIR и SWIR, является более распространенной и имеет более широкий диапазон применения. Его можно использовать для исследования содержания воды на уровне отдельных листьев.[4] [5] а также навес / спутниковый уровень [6] [7] [8] [9] [10].

Диапазон применения NDWI (Gao, 1996) распространяется от сельскохозяйственного мониторинга для орошения сельскохозяйственных культур.[11] и управление пастбищами [12] к лесному мониторингу для оценки пожарной опасности и влажности живого топлива [13] [14] [15] особенно актуально в контексте изменения климата.

Различные полосы SWIR могут использоваться для характеристики водопоглощения в обобщенной форме NDWI, как показано в уравнении. 1. Две основные особенности водопоглощения в спектральной области SWIR сосредоточены вблизи 1450 нм и 1950 нм в то время как две незначительные абсорбционные особенности сосредоточены около 970 и 1200 нм в спектре живой растительности. [16] [17] Сентинел-2 MSI имеет две спектральные полосы в области SWIR: полоса 11 (центральная длина волны 1610 нм) и полоса 12 (центральная длина волны 2200 нм). Спектральная полоса в ближнем ИК-диапазоне с аналогичным разрешением на местности 20 м - полоса 8А (центральная длина волны 865 нм).

Sentinel-2 NDWI для сельскохозяйственного мониторинга засухи и управления орошением можно построить с использованием любой комбинации:

  • диапазон 8A (864 нм) и диапазон 11 (1610 нм)
  • диапазон 8A (864 нм) и диапазон 12 (2200 нм)

Оба состава подходят.

Sentinel-2 NDWI для обнаружения водоемов можно построить, используя:

  • «Зеленый» диапазон 3 (559 нм) и «NIR» диапазон 8A (864 нм)


Индекс Макфитерса: при поиске водных объектов или изменении уровня воды (например, наводнение) рекомендуется использовать зеленый и ближний ИК-диапазоны спектра.[18] или зеленый и SWIR спектральные диапазоны. Для улучшения обнаружения открытой воды была предложена модификация нормализованного разностного индекса воды (MNDWI) путем замены спектрального диапазона NIR на SWIR. [19]

Интерпретация

Визуальная или цифровая интерпретация созданного выходного изображения / растра аналогична NDVI:

  • От -1 до 0 - яркая поверхность без растительности и воды
  • +1 - представляют содержание воды

Для второго варианта NDWI другой порог также можно найти в [20] что позволяет избежать ложных тревог в городских условиях:

  • <0,3 - Без воды
  • > = 0,3 - Вода.

внешняя ссылка

Рекомендации

  1. ^ Гао. «NDWI - нормализованный разностный водный индекс для дистанционного зондирования жидкой воды растительности из космоса». 1996 г. http://ceeserver.cee.cornell.edu/wdp2/cee6150/Readings/Gao_1996_RSE_58_257-266_NDWI.pdf
  2. ^ Лиллисанд и Кифер
  3. ^ Ceccato et al. 2001 г.
  4. ^ Ceccato et al 2001 Дистанционное зондирование окружающей среды 77 (2001) 22–33
  5. ^ Fourty & Baret 1997 О спектральных оценках биохимии свежих листьев. Международный журнал дистанционного зондирования, 19, 1283–1297
  6. ^ Сьюзан Л. Устин, Дар А. Робертс, Хорхе Пинсон, Стефан Жакмуд, Маргарет Гарднер, Джордж Шеер, Клаудия М. Кастаньеда, Алисия Паласиос-Оруэта, 1998 г. Оценка содержания воды в древесном покрове кустов чапараля с помощью оптических методов, дистанционное зондирование окружающей среды, том 65 , Выпуск 3, страницы 280-291, ISSN 0034-4257,https://doi.org/10.1016/S0034-4257(98)00038-8
  7. ^ Серрано Л., Устин С.Л., Робертс Д.А., Гамон Дж. И Пеньуэлас Дж. 2000. Определение содержания воды в чапаральной растительности на основе данных AVIRIS. Дистанционное зондирование окружающей среды, 74 (3): 570-581.
  8. ^ П. Э. Деннисон, Д. А. Робертс, С. Х. Петерсон и Дж. Речел (2005) Использование нормализованного разностного водного индекса для мониторинга влажности живого топлива, Международный журнал дистанционного зондирования, 26: 5, 1035-1042, DOI: 10.1080 / 0143116042000273998
  9. ^ Serrano, J .; Shahidian, S .; да Силва Дж. М. (2019) Оценка нормированного разностного водного индекса как инструмент для мониторинга сезонной и межгодовой изменчивости пастбищ в средиземноморской агро-силво-пастбищной системе. Вода 2019, 11, 62; DOI: 10.3390 / w11010062
  10. ^ Marusig, D .; Петруцеллис, Ф .; Tomasella, M .; Napolitano, R .; Альтобелли, А .; Нардини, А. Корреляция состояния воды растений, измеряемых полевыми и дистанционными методами, как инструмент для мониторинга риска вымирания лесов из-за засухи. Леса 2020, 11, 77
  11. ^ Э. Фарг, С. Арафат, М.С. Абд Эль-Вахед, А. Эль-Гинди, 2017 Оценка распределения воды при поворотных оросительных системах с использованием изображений дистанционного зондирования в восточной части дельты Нила. https://doi.org/10.1016/j.ejrs.2016.12.001.
  12. ^ Serrano, J .; Shahidian, S .; да Силва Дж. М. (2019) doi: 10.3390 / w11010062
  13. ^ П. Э. Деннисон, Д. А. Робертс, С. Х. Петерсон и Дж. Речел (2005) DOI: 10.1080 / 0143116042000273998
  14. ^ Abdollahi, M .; Ислам, Т .; Gupta, A .; Хасан, К. Продвинутая система прогнозирования опасности лесных пожаров: интеграция дистанционного зондирования и исторических источников данных о возгорании. Удаленный сенс.2018, 10, 923.
  15. ^ Marusig, D .; Петруцеллис, Ф .; Tomasella, M .; Napolitano, R .; Альтобелли, А .; Нардини, А. Корреляция состояния воды растений, измеряемых полевыми и дистанционными методами, как инструмент для мониторинга риска вымирания лесов из-за засухи. Леса 2020, 11, 77
  16. ^ Курран, П.Дж. (1989) Дистанционное зондирование химии листьев. УДАЛЕННОЕ ЧУВСТВО. ЭНВИРОН. 30: 271–278
  17. ^ Jacquemoud & Ustin, 2003: Применение моделей переноса излучения для оценки влажности и картографирования выжженных земель http://www.ipgp.jussieu.fr/~jacquemoud/publications/jacquemoud2003.pdf
  18. ^ С. К. МакФитерс (1996) Использование Нормализованного разностного водного индекса (NDWI) при разграничении объектов открытой воды, International Journal of Remote Sensing, 17: 7, 1425-1432, DOI: 10.1080 / 01431169608948714
  19. ^ Сюй, 2006: Сюй, Ханьцю «Модификация нормализованного разностного водного индекса (NDWI) для улучшения характеристик открытой воды на изображениях с дистанционным зондированием». Международный журнал дистанционного зондирования 27, № 14 (2006): 3025-3033. https://doi.org/10.1080/01431160600589179
  20. ^ https://www.mdpi.com/2072-4292/5/7/3544/htm