نمایه های طیفی تصاویر ماهواره ای در سنجش از دور

در طول سالیان مختلف، تعداد زیادی نمایه طیفی توسط جوامع مختلف علمی ارائه شده است تا اینکه در مورد مسائل پیچیده محیطی مورد استفاده قرار گیرند. در این نوشته برخی از نمایه های رایج و پر کاربرد را معرفی نموده و روش محاسبه و آنالیز آنها مورد بررسی قرار خواهند گرفت.

شاخص پوشش گیاهی پیشرفته (AVI)

Advanced Vegetation Index (AVI)

شاخص پوشش گیاهی پیشرفته (AVI) یک شاخص عددی، شبیه به شاخص پوشش گیاهی NDVI می باشد که از باندهای طیفی قرمز و مادون قرمز نزدیک استفاده می کند. همچون NDVI شاخص AVI برای مطالعات مربوط به پوشش گیاهی مورد استفاده قرار می گیرد تا اینکه نوسانات پوشش گیاهی جنگلی و یا محصولات کشاورزی را در طول زمان مورد پایش و بررسی نماید. با تلفیق نتایج حاصل از شاخص AVI و NDVI در بازه های چند-زمانه (Multi-temporal)، کاربران می توانند انواع مختلف پوشش گیاهی و پارامترها و ویژگی های فنولوژی گیاهی آنها را استخراج کنند. برای محاسبه AVI با استفاده از تصاویر ماهواره ای لندست 8، لندست 5 و سنتینل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.

شاخص خاک عریان (BSI)

Bare Soil Index (BSI)

شاخص خاک عریان (Bare Soli Index) یک نمایه عددی است که باندهای طیفی آبی، قرمز، مادون قرمز نزدیک و مادون قرمز موج کوتاه را با هم تلفیق می کند تا اینکه نوسانات خاک را استخراج کند. این باندهای طیفی به صورت نرمال شده مورد استفاده قرار می گیرند. باند مادون قرمز موج کوتاه و باند طیفی قرمز برای کمی سازی ترکیبات معدنی خاک مورد استفاده قرار می گیرند در حالی که باند آبی و باند طیفی مادون قرمز نزدیک برای بهبود در تشخیص پوشش گیاهی کاربرد دارند. شاخص BSI در کاربردهای سنجش از دور عددی قابلیت استفاده دارد، مواردی همچون نقشه کشی خاک، تشخیص محصولات کشاورزی (با ترکیب با شاخص NDVI) و مواردی از این دست. برای محاسبه شاخص خاک عریان BSI در مورد تصاویر ماهواره های لندست 8، 5 و سنتیل 2 با استفاده از روابط ارائه شده در شکل زیر عمل کنید.

Shadow Index (SI)

ویژگی های سایه های پوشش گیاهی، مرتبط با تشعشع طیفی کل می باشد که از سایه انداز گیاهان منعکس می گردد. سایه های مربوط به سایه انداز یا تاج گیاهان، اطلاعات ارزشمندی در مورد آرایش درختان و گیاهان فراهم می آورد. شاخص سایه یا SI به عنوان یک نمایه سنجش از دوری، با استفاده از باند های مرئی طیف الکترومغناطیسی محاسبه می گردد، به طوری که مقدار انرژی که به سنسور ماهواره منعکس نمی گردد را شبیه سازی می نماید. شاخص SI دارای کاربردهای مهمی در پایش محصوات کشاورزی و جنگلداری دارد. این شاخص معمولاً با شاخص پوشش گیاهی AVI و BSI تلفیق می شود تا به فهم وضعیت پوشش گیاهی منطقه کمک نماید و برای محاسبه شاخص SI در مورد تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 مطابق با فرمول های ارائه شده در شکل زیر عمل کنید.

شاخص پوشش گیاهی تفاضلی نرمال شده (NDVI)

Normalized Difference Vegetation Index (NDVI)

شاخص پوشش گیاهی تفاضلی نرمال شده (NDVI) یک نمایه عددی است که از باندهای طیفی مادون قرمز نزدیک و باند قرمز استفاده می کند. شاخص NDVI به شدت وابسته به محتوای گیاهی است. مقادیر بالای NDVI مربوط به مناطقی است که انعکاس بیشتری در طیف مادون قرمز نزدیک دارد. انعکاس بالاتر در مادون قرمز نزدیک مربوط به پوشش گیاهی سالم تر و متراکم تر است. شاخص NDVI در کاربردهای متعددی در سنجش از دور همچون تعیین فنولوژی گیاهی محصولات کشاورزی، تشخیص نوع کشت، سلامتی محصول، پایش جنگل و مواردی از این قبیل، قابل استفاده می باشد. برای محاسبه شاخص NDVI در مورد تصاویر لندست 8 و 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود:

شاخص تفاضلی نرمال شده آب (NDWI)

Normalized Difference Water Index (NDWI)

شاخص NDWI یک نمایه عددی است که از تصاویر ماهواره ای اپتیکی، استخراج می گردد. برای محاسبه این نمایه، از باند مادون قرمز نزدیک و باند طیفی مادون قرمز موج کوتاه استفاده می شود. باند طیفی SWIR یا مادون قرمز موج کوتاه، به شدت وابسته به تغییرات مقدار آب پوشش گیاهی و ساختار اسفنجی بافت درونی گیاه است. پاسخ باند طیفی مادون قرمز نزدیک یا NIR وابسته به ساختار درونی برگ ها و مقدار محتوای مواد خشک درون برگ ها به جز محتوای آب درون آنها است. شاخص NDWI در بسیاری از کاربردهای سنجش از دوری، مورد استفاده قرار می گیرد. برخی از این موارد شامل بررسی و پایش سلامتی گیاه، نقشه کشی زمین و آب در مقیاس وسیع، تفکیک پهنه های آبی داخلی از پهنه های آبی دریا، می شوند که می توان از شاخص NDWI استفاده نمود. برای محاسبه شاخص NDWI بر اساس تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 می توانید از روابط ارائه شده در شکل بعد استفاده کنید.

شاخص تفاضلی نرمال شده برف (NDSI)

Normalized Difference Snow Index (NDSI)

شاخص تفاضلی نرمال شده برف (NDSI) یک نمایه عددی است که پوشش برف بر روی اراضی را مشخص می کند. باندهای طیفی سبز و مادون قرمز موج کوتاه مورد استفاده قرار می گیرند تا اینکه نقشه پوشش برف ترسیم شود. ابرها و برف عمده تابش ورودی را در محدوده باند مرئی منعکس می کنند. در هر صورت برف برف بیشتر تابش ورودی در محدوده مادون قرمز موج کوتاه را جذب نموده در حالی که ابرها اینگونه عمل نمی کنند. این وضعیت شاخص NDSI را قادر می سازد که برف را از ابر تشخیص دهد. شاخص NDSI معمولاً در نقشه کشی پوشش برف و یخ مورد استفاده قرار می گیرند و همچنین می تواند در پایش یخچال ها نیز مورد استفاده قرار گیرد. برای محاسبه شاخص NDSI در مورد تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.

شاخص تفاضلی نرمال شده یخچالی (NDGI)

Normalized Difference Glacier Index (NDGI)

یخچال ها بخش مهم و حیاتی از محیط زندگی ما و بخصوص یخ کره هستند. اگرچه همه با یخچال ها آشنایی ندارند، اما آنها مناطق طبیعی بسیار مهمی بوده و نیاز است حفظ و نگهداری شوند و مورد پایش و بررسی قرار گیرند. دانشمندان، یخچال ها را تحلیل و آنالیز می کنند تا بهتر بتوانند اقلیم و تغییرات اقلیمی را فهم نموده و بتوانند از این طریق به تاریخچه طولانی مدت اقلیمی زمین دسترسی پیدا کنند. شاخص تفاضلی نرمال شده یخچالی (NDGI) یک نمایه عددی است که به تشخیص و پایش یخچال ها کمک نموده و از باند سبز و باند طیفی قرمز استفاده می کند تا تغییرات یخچال ها را بارزسازی نماید. مهم ترین کاربرد سنجش از دوری نمایه NDGI تشخیص و پایش یخچال ها (جا به جای در طول زمان، پیوستگی و …) می باشد. برای محاسبه شاخص NDGI به کمک تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.

شاخص تفاضل نرمال شده رطوبت (NDMI)

Normalized Difference Moisture Index (NDMI)

شاخص تفاضلی نرمال شده رطوبت (NDMI) یک نمایه عددی است که با ترکیب با شاخص پوشش گیاهی NDVI و یا AVI مورد استفاده قرار می گیرد که در ارتباط با رطوبت پوشش گیاهی است. شاخص NDMI از باند طیفی مادون قرمز نزدیک و مادون قرمز موج کوتاه استفاده می کند تا اینکه نوسانات رطوبت در عرصه های دارای پوشش گیاهی را به دست آورد. پایش خشکسالی و تغییرات در شرایط رطوبتی پوشش گیاهی از کاربردهای سنجش از دوری این نمایه است. شاخص NDMI در ضمن می تواند برای تعیین رطوبت در مورد ارزیابی خطر آتش سوزی در عرصه های پوشش گیاهی مورد استفاده قرار گیرد. برای محاسبه NDMI با استفاده از تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.

شاخص نسبت سوختگی نرمال شده (NBRI)

Normalized Burned Ratio Index (NBRI)

آتش سوزی های جنگلی، یک پدیده انسانی و یا طبیعی شدید است که منابع طبیعی، احشام و دام ها، مراتع را به شدت تخریب نموده و از بین می برد و محیط های محلی را نا متعادل نموده و مقدار بسیار زیادی از گازهای گلخانه ای و سایر گازهای سمی را به اتمسفر آزاد می نماید. جوامع علمی نمایه نسبت سوختگی نرمال شده (NBRI) را برای تقریب شدت و آتش به خصوص در مناطق جنگلی ارائه کرده اند. شاخص NBRI از مزایای باند طیفی مادون قرمز نزدیک و مادون قرمز موج کوتاه استفاده می نماید که به تغییرات پوشش گیاهی حساس بوده، تا اینکه مناطق سوخته را تشخیص داده و بتواند بازیابی اکوسیستم ها را پایش نماید. یک تصویر NBRI پیش از آتش سوزی و یک تصویر دیگر در بعد از این حادثه می تواند توان اکوسیستم محلی برای بازیابی خود را ارزیابی نماید. تفاوتی که بین این دو تصویر NBRI وجود دارد می تواند مناطق تحت تاثیر سوختگی را بارزسازی نموده و می تواند در پایش رفتار اکوسیستم در گذر زمان مورد استفاده قرار گیرد. برای محاسبه شاخص NBRI با استفاده از تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.

شاخص نسبت رنگینه کلروفیل نرمال شده (NPCRI)

Normalized Pigment Chlorophyll Ratio Index (NPCRI)

محتوای کلروفیل پوشش گیاهی یا محصولات زراعی، یکی از پارامترهایی است که برای تعیین چندین پارامتر فیزیولوژیکی گیاهان مورد نیاز است. به طور مثال، محصولاتی که دارای مقدار نیتروژن کمی باشند، دارای مقدار بیشتری کارتونوئید به نسبت کلروفیل هستند. تغییرات این مؤلفه ها، می تواند پاسخ طیفی گیاهان را تغییر دهد، بنابراین امکان کمی سازی با استفاده از این شاخص های طیفی را فراهم می آورد. شاخص نسبت رنگینه کلروفیل نرمال شده (NPCRI) یک نمایه عددی است که در ارتباط با مقدار کلروفیل بوده و می تواند در مراحل مختلف کشاورزی مورد استفاده قرار بگیرد. با استفاده از باندهای طیفی آبی و قرمز، شاخص NPCRI می تواند اطلاعات لازم برای کمی سازی کلروفیل و نیتروزن را به دست آورد. برای محاسبه این شاخص با استفاده از تصاویر ماهواره ای لندست 8، 5 و سنتیل 2 از فرمول های ارائه شده در شکل زیر استفاده می شود.