III. ГЕОМОРФОМЕТРИЯ И СОВРЕМЕННЫЕ ПОДХОДЫ К ЛАНДШАФТНОМУ СИНТЕЗУ

14. МОДЕЛИРОВАНИЕ ЛАНДШАФТНОГО ПОКРОВА И ЗЕМЛЕПОЛЬЗОВАНИЯ СРЕДСТВАМИ GIS

14.1. Краткая характеристика и параметры снимков серии Landsat

Снимки серии Landsat представляют собой уникальный источник данных о ландшафтном покрове и землепользовании поверхности планеты, прежде всего по причине огромного объема накопленных данных и возможности сравнения снимков, полученными летательными аппаратами начиная с 1972 г. XX века, когда на орбите Земли начал функционировать сенсор Landsat 1. Спутники сменяли друг друга (Landsat 2 - 1975, 3 - 1978, 4 - 1982, 5 - 1984, 7 - 1999). Landsat 8, запущенный в феврале 2013 года и являющийся последним в серии, производит высококачественные снимки Земли для любой точки планеты каждые 16 дней (разрешение в пикселях 28,5 метра плюс дополнительный диапазон с разрешением 15 метров). Каждый последующий сенсор обладал более совершенной техникой, что позволяло увеличивать число каналов (8 - Landsat 7, и 11 - Landsat 8). Снимки предоставляются всем желающим в качестве бесплатной услуги через Геологическую службу США (USGS). Отснятый полосами (шириной 185 км) материал разделяется для удобства пользователя на "сцены" прямоугольной формы.

В геоэкологическом моделировании для определения мозаики землепользования и классификации растительного покрова наиболее часто используются данных двух последних сенсоров - Landsat 5, Landsat 7 и Landsat 8, поскольку они имеют относительно близкие характеристики, и, следовательно, поставляемые ими снимки могут быть использованы для сравнения и анализа состояния и среднемноголетней динамики как природных, так и антропогенных экосистем. Английский термин Landuse/Landcover предполагает, что сенсоры спутников получает сигнал от любых объектов на поверхности земли, поэтому перевод "ландшафтный покров" не представляется удачным: к этой категории можно отнести все то, что не является напрямую видом землепользования (т.е., не представляется собой урбанизированную "ткань", сельскохозяйственные угодья, горные выработки и т.д.). Но и называть Landcover "растительным покровом" также неправомерно, потому что не любой естественный объект на поверхности земли является "растительностью": по снимкам Landsat дешифрируются лишенные какого-либо почвенно-растительного покрова пустыни и скальные поверхности, ледники и вечные снега, озера и реки (акватории). Таким образом, Landcover, скорее, "естественный покров", и если уж принимать термин "ландшафтный покров" - то исключительно с пониманием его общего и упрощенного значения.

На Рис. 14.1 показана разница между каналами (band) Landsat 7 и Landsat 8. Если для Landsat 7 каналы Blue, Green и Red являются каналами 1, 2 и 3 соответственно, то в Landsat 8 эти каналы маркированы как 2, 3 и 4. Инфракрасные полосы составляют 4, 5, 7 для Landsat 7 и 5, 6, 7 для Landsat 8. Для всех спутников полоса 8 является каналом высокого разрешения, охватывающим широкий спектральный диапазон.

Рис. 14.1 Сравнительные характеристики спектров сенсоров Landsat 7, 8 и Sentinel

После загрузки каждая спектральный канал отображается как отдельный файл и может отображаться отдельно или в виде композитного изображения. Подробные физические характеристики каналов Landsat 5, Landsat 7 и Landsat 8 приведены в Таблице 14.1, Таблице 14.2 и Таблице 14.3.

Таблица 14.1 Физические характеристики Landsat 5

Таблица 14.2 Физические характеристики Landsat 7

Разрешение съемки Landsat-5 составляет 30 м для всех каналов, кроме теплового (В6) с разрешением 120 м. Разрешение съемки Landsat-7 - 30 м для всех каналов, кроме теплового (В6) с разрешением 60 м, и панхроматического (B8) с разрешением 15 м. Разрешение съемки Landsat-8 - 30 м для всех каналов, кроме теплового (В10, В11) с разрешением 100 м, и панхроматического (В8) с разрешением 15 м. Исходное разрешение тепловых каналов (100 м, 120 м) в продуктах Landsat, доступных для скачивания, приведено к разрешению 30 м.

Таблица 14.3 Физические характеристики Landsat 8

Номер канала	Name	Наименование	Длина волны (мкм)	Разрешение (м)
Band 1	Coastal aerosol	Фиолетовый-темно-синий	0.43 - 0.45	30
Band 2	Blue	Голубой	0.45 - 0.51	30
Band 3	Green	Зеленый	0.53 - 0.59	30
Band 4	Red	Красный	0.64 - 0.67	30
Band 5	Near Infrared (NIR)	Ближний инфракрасный	0.85 - 0.88	30
Band 6	SWIR 1	Коротковолновый инфракрасный 1	1.57 - 1.65	30
Band 7	SWIR 2	Коротковолновый инфракрасный 2	2.11 - 2.29	30
Band 8	Panchromatic	Панхроматический	0.50 - 0.68	15
Band 9	Cirrus	Перистые облака	1.36 - 1.38	30
Band 10	Thermal Infrared (TIRS) 1	Тепловой	10.60 - 11.19	100
Band 11	Thermal Infrared (TIRS) 2	Тепловой	11.50 - 12.51	100

14.2. Загрузка и визуализация Landsat в ГИС SAGA

В настоящее время все большее число порталов поставляют космические снимки Landsat, однако их "первоисточником" является порталы National Aeronautics and Space Administration (NASA) и United States Geological Survey (USGS). Портал NASA интересен тем, что он аккумулирует и поддерживает весь комплекс научных тем, так или иначе связанных с данными Landsat, о чем свидетельствует название Landsat Science.

Рис. 14.2 Внешний вид портала NASA Landsat Science

Портал Геологической службы США USGS является общепризнанным и удобным источником - Access Data архивом снимков Landsat. Существуют два подхода к выкачиванию снимков Landsat из архива USGS. Один из них, с использованием Web-приложения GloVis довольно подробно и исчерпывающим образом изложен на сайте GIS-LAB. GloVis (Рис. 14.3) позволяет скачать и старые снимки Landsat 4-5 TM выбрав требуемую область в окне по картографической подложке и обозначив год, месяц и день в позиции Data Range, а также условия облачности в позиции Cloud Cover.

Рис. 14.3 Диалоговое окно сервиса GloVis

Другой способ связан с использованием Web-приложения EarthExplorer и программки Bulk Download Application.

Рис. 14.4 Диалоговое окно сервиса EarthExplorer

На вкладке Search Criteria можно набрать (даже кириллицей!) интересующую локализацию.

Рис. 14.5 Результаты поиска EarthExplorer

В открывающемся диалоге можно выбрать необходимые продукты, в том числе архив снимков Landsat

Рис. 14.6 Перечень продуктов EarthExplorer

Чтобы просмотреть снимок – жмем на его изображении (иконке слева). Чтобы увидеть крупнее – переносимся в отдельное окно: Click image to view in another window. Далее Submit Standing Request (см. выше) - подписываемся на загрузку выбранной сцены: самой важной здесь для нас будет кнопка span Add to Bulk Download|Добавить в загрузку. На форме выше выбираем Submit Order. Затем, если ещё не установлено приложение Bulk Download Application, на следующей форме выбираем отмеченную красным ссылку. Устанавливаем программу BDA; регистрируемся с теми же реквизитами, что были указаны при регистрации на EarthExplorer.

Рис. 14.7 Выбранный снимок в окне EarthExplorer

Загрузка и визуализация ДДЗ сегодня возможны в любой полнофункциональной ГИС. Однако, функция импорта в SAGA GIS делает работу с данными Landsat простым одноэтапным процессом. Нет другого инструмента, бесплатного или коммерческого, обеспечивающего более простой способ импорта и визуализации данных Landsat. Инструмент Landsat Import with Options объединяет три отдельные функции в одно простое диалоговое окно.

Coordinate System|Перепроецирование: данные Landsat по умолчанию находятся в Северной системе координат UTM, что является проблематичным для сцен южного полушария; инструмент импорта Landsat позволяет выбрать полусферу UTM сцены и/или географическую систему координат.
Show a Composite|Создание композита композитный дисплей RGB: позволяет выбрать комбинацию для отображения и сразу назначить каналы Red, Green, Blue, тогда файлы откроются как композитная сцена - сочетание каналов. Можно не использовать эту опцию и экспериментировать уже в окне SAGA, перебирая различные варианты.
Повышение контрастности: при импорте выбранная комбинация каналов автоматически появится в окне отображения карты с растягиванием гистограммы; в дополнение к этому, SAGA предоставляет способ улучшить отображение изображения "на лету".

Рис. 14.8 Диалоговое окно Landsat Import with Options SAGA

После загрузки все геотифы (11 каналов) Landsat 8 окажутся в списке данных. Теперь их можно рассматривать по отдельности и собирать необходимые композиты. Рассмотрим специфику и назначение отдельных каналов Landsat 8 (см. также Табл. 14.3).

Band 1: deep blues and violets|синий и фиолетовый канал Landsat получил наименование coastal/aerosol band|прибрежно/аэрозольный в соответствии с двумя видами использования - отображение мелководной зоны океана и отслеживание мельчайших частиц пыли и дыма.

Близок к предыдущему Band 2 normal blue|голубой канал, иногда переводится как "синий", поскольку в английском языке не различаются эти два цвета. Результат вычитания Band 1 minus Band 2 используется для улавливания "глубоких голубых тонов". Многие растения производят по мере роста «поверхностный воск» (как у растущих слив или плодов инжира), который позволяет им защищаться от опасного ультрафиолета, и на соответствующих фазах вегетации этот индекс может быть показательным.

Рис. 14.9 Каналы 1 и 2 в серых тонах почти неразличимы

Каналы Landsat 8 - Band 2 normal blue, Band 3 green, и Band 4 red: видимый голубой, видимый зеленый, видимый красный - передают часть спектра, воспринимаемую человеческим глазом. Поэтому их сочетание обычно используется для создания изображений в "видимом спектре" - итоговое изображение подобно тому, которое мы могли бы наблюдать пролетая над местностью на современном воздушном судне. Композит в натуральных цветах применяется для фиксации землепользования и моделирования покрытий типа Land Cover.

Band 5 - near infrared (NIR) - ближний инфракрасный, отражается растительностью и в сочетании с другими каналами позволяет получать вегетационные индексы типа NDVI, которые не могут быть извлечены только из видимого зеленого (Band 3) канала.

Рис. 14.10 а) зеленый 3-й канал хорошо выделяет долинные леса, b) ближний инфракрасный 5-й канал позволяет разделять поля с различными культурами и\или фазами зрелости а также видеть внутреннюю структуру зеленых насаждений

Band 6 ShortWave InfraRed (SWIR1) и Band 7 ShortWave InfraRed (SWIR2) - короткие инфракрасные каналы 6 и 7 хорошо отображают различия между влажной и сухой поверхностью, а также между разными типами горных пород и почв. В сочетании с другими каналами образует информативные так называемые false-color image|псевдоцветовые образы, часто используемые для различных специфических задач, например делимитации территорий, пострадавших от пожаров.

Рис. 14.11 Коротковолновые инфракрасные каналы 6 и 7

Band 8 panchromatic - панхроматический канал используется как дополнительный, обеспечивающий эффект pan sharpening - увеличения разрешения (резкости) изображения. Поскольку данный канал отличается по разрешению (15 м) в SAGA GIS он открывается в отдельной грид-системе набора данных.

Band 9 cirrus - канал перистых облаков используется для выделения и снятия облачности, которая, как отмечают специалисты, является "настоящей головной болью" для дешифровщиков космических снимков.

Band 10 и Band 11 Thermal InfraRed, (TIR) - тепловые каналы, позволяющие разделить объекты на поверхности по температуре. Преобразование этих каналов Landsat-8 дает возможность, например, получать тепловые карты на урбанизированные территории и выявлять так называемые "острова тепла" в современных мегаполисах.

Рис. 14.12 Тепловой 11-й канал Landsat-8 позволяет различать покрытые ледниками и снежниками хребты и поверхность горы Эльбрус в левом верхнем углу снимка

14.3. Композитные сочетания Landsat

Для получения композитов - сочетаний каналов в SAGA GIS необходимо указать значения Red-Green-Blue для привлекаемых к синтезу геотифов Landsat, при этом открытым в карте должен быть канал "назначаемый" красным Red: остальные слои могут быть добавлены из окна Data. Так, для получения композита в натуральных цветах добавляем к карте (Add to Map) Band 4 - Red, подсвечиваем слой (выделяем в списке слоев Карты) делая активным вкладку Setting|Установки, не забывая при этом, что канал Red всегда должен быть верхним (to Top) в списке слоев карты. В Установках в позиции Type выбираем RGB Composite (тогда Band 4 автоматически позиционируется This Color - Red, в строке Green - Band 3, в строке Blue - Band 2. После подтверждения настроек (Apply) в окне карты будет изображение композита в натуральных цветах.

Рис. 14.13 Композитное изображение в натуральных цветах - Red-Green-Blue (4-3-2) L8

Композит Red-Green-Blue (4-3-2) L8 позволяет видеть объект в привычном цвете и фактуре изображения: легко различимы ледниковые склоны и покрытые снежниками хребты, леса на склонах, не покрытые растительностью фрагменты скальных стенок, сельхозугодья различного вида и населенные пункты. Для достижения эффекта PanSharpening следует добавить к карте Band 8 и настроить его прозрачность. Другой способ получить композит повышенного разрешения — это использовать инструмент HS Sharpening набора Tools группы Imagery.

Рис. 14.14 Композит Red-Green-Blue (4-3-2): a) в натуральных цветах без эффекта Pan Sharpening и b) с добавленным восьмым каналом

Считается, что здоровая растительность выглядит зеленой, убранные поля – светлыми, угнетенная растительность – коричневой и желтой, дороги – серыми, береговые линии – белесыми. Эта комбинация каналов дает возможность анализировать состояние водных объектов и процессы седиментации, оценивать глубины. Композит Red-Green-Blue (4-3-2) L8 также используется для изучения антропогенных объектов. Вырубки и разреженная растительность детектируются плохо, в отличие, например, от комбинации Red-NIR-New Deep Blue (4-5-1). Облака и снег выглядят одинаково белыми и трудноразличимы. Кроме того, трудно отделить один тип растительности от другого.

Интересен композит NIR-Red-Green (5-4-3) L8 - стандартная комбинация «искусственные цвета». Растительность отображается в оттенках красного, городская застройка – зелено-голубых, а цвет почвы варьируется от темно до светло коричневого. Лед и снег выглядят белыми или светло голубыми, периферия заснеженных склонов, как в данном случае для Приэльбрусья смотрится синей. Хвойные леса будут выглядеть более темно-красными или даже коричневыми по сравнению со светло-зелеными лиственными. В светлые тона зеленого окрашены и днища долин (русловая сеть - в оттенках фиолетового); сельхозугодья - в различных оттенках красного. Эта комбинация очень популярна и используется, главным образом, для изучения состояния растительного покрова и почв, а также для мониторинга условий дренажа и для изучения состояния агрокультур.

Рис. 14.15 Композит NIR-Red-Green (5-4-3) в искусственных цветах: а) горный район, b) предгорье и освоенная равнина

Композит SWIR2-NIR-Green (7-5-3) представляет собой еще одну стандартную комбинацию «искусственные цвета», позволяющую различать типы растительности, в частности - дифференцировать хвойные и лиственные леса на склонах; кроме того, данный композит лучше, чем предыдущая комбинация разделяет сельскохозяйственные угодья. Снежные и ледниковые области белые и голубые, хвойные леса на склонах - красные, сельхозугодья различных культур и стадий вегетации - оттенки красного, желтого, зеленого.

Рис. 14.16 Композит SWIR2-NIR-Green (7-5-3) в искусственных цветах:: а) горный район, b) предгорье и освоенная равнина

Композит NIR-SWIR1-Blue (5-6-2) L8 позволяет дифференцировать растительность: здоровая растительность отображается в оттенках красного, коричневого, оранжевого и зеленого. Почвы могут выглядеть зелеными или коричневыми, урбанизированные территории – белесыми, серыми и зелено-голубыми; ярко голубой цвет может обнаруживать недавно вырубленные территории, а красноватые оттенки – разреженную растительность или восстанавливающуюся растительности. Чистая, глубокая вода будет выглядеть темно синей (почти черной), если же это мелководье или в воде содержится большое количество взвесей, то будут преобладать более светлые оттенки синего. Добавление первого коротковолнового инфракрасного канала SWIR1 позволяет дополнительно добиться хорошей различимости возраста растительности.

Рис. 14.17 Композит NIR-SWIR1-Blue (5-6-2) в искусственных цветах:: а) горный район, b) предгорье и освоенная равнина

В частности на приведенном снимке (Рис. 14.17) можно видеть как различаются заснеженные и ледниковые области, склоны различной (северо-западной и юго-восточной) экспозиции, залесенные и луговые склоны; в равнинной области естественная растительность имеет ярко коричневые оттенки а сельхозугодья - различные оттенки зеленого.

Композит NIR-SWIR1-Red (5-6-4) L8 - это комбинация ближнего NIR, среднего инфракрасного SWIR1 и красного видимого канала Red позволяет четко различить границу между водой и сушей, подчеркнуть скрытые детали, плохо видимые при использовании только каналов видимого диапазона. С большей точностью будут детектироваться водные объекты внутри суши. Композит отображает растительность в различных оттенках и тонах коричневого, зеленого и оранжевого. Эта комбинация дает возможность анализа влажности и полезна при изучении почв и растительного покрова. В целом, чем выше влажность почв, тем темнее будет выглядеть конкретная область снимка, что обусловлено поглощением водой излучения инфракрасного диапазона.

Рис. 14.18 Композит NIR-SWIR1-Red (5-6-4) в искусственных цветах: а) горный район, b) предгорье и освоенная равнина

На территории Приэльбрусья сочетание NIR-SWIR1-Red (5-6-4) L8 выделяет ярко-фиолетовый ("брусничный") оттенок заснеженных и ледниковых областей, заметна также дифференциация склонов разной экспозиции, ровный светло-коричневый оттенок лиственных насаждений предгорий и долин, богатство зеленых оттенков сельхозугодий.

Композит SWIR2-SWIR1-NIR (7-6-5) L8 - обеспечивает "дезавуирование" состояния атмосферы, поскольку комбинация не включает ни одного канала из видимого диапазона. Композит может быть использован для анализа типологии и структуры растительного покрова, а также текстуры и влажности почв. Так на приведенном фрагменте (Рис. 14.19) хвойные леса на склонах гор отображаются в различных оттенках зеленого, лиственные насаждения и луга - от оттенков синего до голубого цвета, лиственные леса предгорий и пойменные леса имеют интенсивно синий цвет, сельхозугодья - различные оттенки зеленого; хорошо выделяются поймы (в тонах коричневого) и населенные пункты.

Рис. 14.19 Композит SWIR2-SWIR1-NIR (7-6-5) в искусственных цветах: а) горный район, b) предгорье и освоенная равнина

Композит TIRS1-SWIR1-NIR (10-6-5) L8 c включением первого температурного канала позволяет обнаруживать поверхности более теплые чем их окружение; в роли таковых часто выступают места недавних пожаров (гари) или не заросшие вырубки; в данном отображении они обычно выглядят как ярко красные. На приведенном снимке (Рис. 14.20), в частности, хорошо дифференцируются пригребневые части хребтов, склоны различной крутизны и экспозиции с хвойными и лиственными лесами; на равнине разную насыщенность красного имеют сельскохозяйственные угодья с разными сроками обработки.

Рис. 14.20 Композит TIRS1-SWIR1-NIR 10-6-5 в искусственных цветах: а) горный район, b) предгорье и освоенная равнина

Сохранение композитов в SAGA GIS (для возможности обработки) производится в окне Data последовательностью MAP >> Save as image >> Taggle image File Format (*.tif). Чтобы не потерять в качестве композитного изображения в диалоговом окне следует указать Map Width|Ширину Изображения равным числу колонок исходного канала (в позиции Description параметр Number of Columns) и Map Hegth|Высоту Изображения (параметр Number of Rows). Итоговый геотифф будет содержать легенду с тремя каналами.

Рис. 14.21 Композит TIRS1-SWIR1-NIR 10-6-5 сохраненный как новый растр в формате геотифф и открытый в SAGA

14.4. Вегетационные индексы

Различные алгоритмы были разработаны исследователями в попытке извлечь максимальную информацию из спектральных полос спутниковых изображений. Как мы уже убедились разные комбинации каналов позволяют дифференцировать разные феномены и устранять воздействие нежелательных свойств растрового изображения; собственно исходя из этих особенностей и построены расчеты различных индексов [Черепанов, Дружинина, 2009].

Некоторые индексы были названы вегетационными индексами, поскольку использовались прежде всего для мониторинга и картографирования интенсивности вегетации. В самом общем виде Вегетационный индекс (ВИ) это показатель, рассчитываемый в результате операций с разными спектральными диапазонами (каналами) ДДЗ, и имеющий отношение к параметрам растительности в данном пикселе снимка. Предполагалось, что индексы растительности способны выявлять и акцентировать здоровую растительность яркими оттенками, приглушенными - поврежденную и\или угнетенную, при этом территории со скудной растительностью и без нее выглядят темными. Поскольку тени от форм рельефа (холмов и долин) влияют на интенсивность изображений, индексы создаются таким образом, чтобы сильнее выделялся цвет, а не интенсивность; в результате значение индекса растительности для соснового бора на затененной речной террасе будет почти совпадать с индексом для сосняка, находящегося на водоразделе и попадающего под воздействие прямого солнечного света.

Практически все ВИ (а их на сегодняшний день уже более полутора сотен) выведены эмпирически и используют отношение красного Band 4 канала Landsat 8 к ближнему инфракрасному каналу Band 5, а также основаны на предположении, что в ближнем инфракрасном диапазоне лежит так называемая "линия открытой почвы", т.е., линия в спектральном диапазоне соответствующая открытому лишенному растительности грунту. Считается также, что на диапазон красного канала (0,62–0,75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на диапазон инфракрасного (0,75–1,3 мкм) – максимальное отражение энергии клеточной структурой листа.

Необходимым функционалом для расчета вегетационных индексов обладают многие современные ГИС: ArcGIS, SAGA GIS, Global Mapper. Мощный инструментарий по расчету вегетационных индексов реализован в геоинформационных системах, специализирующихся на обработке данных дистанционного зондирования, таких как ENVI (возможен расчет 27 индексов) и ERDAS Imagine.

Расчет индексов в практически любых гис-пакетах может быть осуществлен через калькулятор растров в соответствии с формулой. Так, в SAGA GIS расчет может быть произведен с помощью инструмента Grid Calculator набора Calculus группы Grid. Пользователь должен "завести" необходимые растры (гриды) в определенном порядке (первый, второй, третий). Переменные грида в формуле начинаются с буквы g, за которой следует индекс позиции, соответствующий порядку гридов во входном списке (например: g1, g2, g3 соответствуют первому, второму, третьему гриду в списке). Гриды из других координатных систем, кроме системы по умолчанию, могут быть адресованы аналогично, используя букву h (h1, h2, h3), что соответствуют списку Гриды из разных систем. Например, при расчете индекса NDVI по формуле:
NDVI = (NIR - R) / (NIR + R)
пользователь указывает в позиции Grids диалогового окна инструмента Grid Calculator в качестве первого растра канал Red (4), в качестве второго канал NIR (5), записывая формулу в диалоговом окне инструмента Formula диалогового окна как:
(g2 - g1) / (g2 + g1)
поскольку в данном случае g2 (второй растр) - это ближний-инфракрасный 5-й канал, а g1 (первый растр) - красный канал 4.

Рис. 14.22 Последовательность выбора гридов для расчета в Grid Calculator SAGA

Рис. 14.23 Общий вид диалогового окна инструмента Grid Calculator SAGA

Для "облегчения жизни" потенциального пользователя в SAGA GIS разработаны два инструмента, позволяющие моделировать большую часть наиболее часто рассчитываемых ВИ. Vegetation Index набора Tools группы Imagery. SAGA GIS предлагает два варианта расчета - Vegetation Index Slope Based (основанный на учете уклона) [McCloy, 2006] - и Vegetation Index Distance Based (основанный на учете расстояния) [Silleos et al., 2006]. В (Таблице 14.4) приведены формулы расчета различных вегетационных индексов для Slope Based алгоритма, NIR - ближний-инфракрасный (5-й канал), Red - красный (4-й канал), Blue голубой (2-й канал) Landsat 8.

Таблица 14.4 Вегетационные индексы, рассчитываемые в SAGA

Наименование	Расчет	Автор
Vegetation Index (Slope Based)
Difference Vegetation Index	DVI = NIR - Red
Normalized Difference Vegetation Index	NDVI = (NIR - Red) / (NIR + Red)	Rouse et al. 1974
Ratio Vegetation Index	RVI = Red / NIR	Richardson and Wiegand, 1977
Normalized Ratio Vegetation Index	NRVI = (RVI - 1) / (RVI + 1)	Baret and Guyot, 1991)
Transformed Vegetation Index	TVI = [(NIR - Red) / (NIR + Red) + 0.5]*0.5	Deering et al., 1975
Corrected Transformed Ratio Vegetation Index	CTVI = [(NDVI + 0.5) / abs(NDVI + 0.5)] * [abs(NDVI + 0.5)]^0.5	Perry and Lautenschlager, 1984
Thiam's Transformed Vegetation Index	RVI = [abs(NDVI) + 0.5]^0.5	Thiam, 1997
Soil Adjusted Vegetation Index	SAVI = [(NIR - R) / (NIR + R)] * (1 + S)	Huete, 1988

Существуют разные классификации вегетационных индексов. Но наиболее часто выделяют так называемые "широкополосные" и "узкополосные индексы". К широкополосным относят индексы зелени, рассчитанные по данным в широких спектральных зонах:

Normalized Difference Vegetation Index;
Simple Ratio Index;
Enhanced Vegetation Index;
Atmospherically Resistant Vegetation Index
Sum Green Index.

Индексы этой группы отражают общее количество растительности, обобщая и отражая влияние таких факторов, как плотность и структура растительного покрова, площадь поверхности листьев, содержание хлорофилла; поэтому данные показатели используются для выявление территорий, покрытых и не покрытых растительностью, а также для оценки и мониторинга состояния растительного покрова, оценки продуктивности, урожайности и т.п.

Разностный вегетационный индекс (Difference Vegetation Index - DVI) представляет собой простую разницу значений растра ближнего-инфракрасного и красного каналов. В последнее время чаще используется нормализованный вариант.

Рис. 14.24 Разностный вегетационный индекс (DVI)

Нормализованный разностный вегетационный индекс (Normalized Difference Vegetation Index - показывает наличие и состояние растительности (относительную биомассу). Этот индекс использует контраст характеристик двух каналов из набора мультиспектральных растровых данных — поглощения пигментом хлорофилла в красном канале и высокой отражательной способности частей растений в инфракрасном канале. NDVI изменяется под влиянием целого ряда факторов: видового состава, плотности и сомкнутости растительного покрова, цвета почвы под разреженной растительностью, а также морфометрических параметров рельефа - уклона и экспозиции. Однако отражение широкого спектра детерминирующих факторов является причиной несовершенства метода, поскольку на результат могут воздействовать погодные условия и состояние фазы вегетационного развития растительного покрова. В частности отмечается что "в силу своей привязанности к количеству фотосинтезирующей биомассы индекс не эффективен на снимках, полученных в сезон ослабленной или невегетирующей в данный период растительности" [Воронина, Мамаш, 2014, стр. 91].

Рис. 14.25 Нормализованный разностный вегетационный индекс NDVI

NDVI часто используется для мониторинга засухи, мониторинга и прогнозирования урожаев, помощи в предсказании опасных зон пожаров и картографировании процесса опустынивания. NDVI предпочтительнее для глобального мониторинга растительности, и выдает значения от -1,0 (отрицательные значения в основном образуются от облаков, воды и снега) до 1,0 (представляющие зелень). Значения, близкие к нулю (<0,1) соответствуют открытому грунту и скальным поверхностям без растительности. Умеренные значения (от 0,2 до 0,3) представляют кустарники и луга, в то время как большие значения (от 0,6 до 0,8) указывают на умеренные и тропические леса [Mroz, Sobieraj, 3004].

Относительный вегетационный индекс (Ratio Vegetation Index, RVI) изменяется от 0 до до бесконечности, фиксируя объем зеленой фитомассы и сопутствующие показатели, такие как плотность напочвенного покрова или сомкнутость крон древостоя, обычные значения в диапазоне от 2 до 8.

Рис. 14.26 Относительный вегетационный индекс RVI

Усовершенствованный вегетационный индекс (Enhanced Vegetation Index, EVI) разработан как улучшение NDVI путем оптимизации сигнала растительности в областях с высоким индексом листовой поверхности LAI. Индекс использует синюю область отражения для коррекции фоновых сигналов почвы и уменьшения атмосферных воздействий, в том числе аэрозольного рассеяния. Наиболее полезен в регионах с высоким уровнем LAI, где NDVI может перенасыщаться. Отсутствует в наборе инструментов SAGA GIS и может быть рассчитан с помощью калькулятора:

EVI = 2.5 * ((NIR – Red) / ((NIR) + (C1 * Red) – (C2 * Blue) + L))
(NIR – Red) / (NIR + C1 * Red - C2 * BLUE + L) * (1 + L)

Коэффициенты C1, C2, L эмпирически установлены равными 6.0, 7.5 и 1.0 соответственно. Если в качестве третьего растра (g3) вести второй канал Landsat 8, то тогда в калькуляторе растра SAGA GIS формула принимает вид:

(g2- g1) / ((g2 + 6 * g1 - 7.5 * g3 + 1) * (1 + 1))
где g1 - Red, g2 - NIR, g3 - Blue каналы Landsat 8
Значения EVI для вегетационных пикселей должны находиться в диапазоне от 0 до 1. Для зелёной растительности обычны значения от 0.2 до 0.8.

Инфракрасный вегетационный индекс (Infrared Percentage Vegetation Index, IPVI) близок по значению к NDVI:

IPVI = NIR / (NIR + Red)
и может принимать значения от 0 до 1. Для зелёной растительности характерны значения от 0.6 до 0.9.

Рис. 14.27 Инфракрасный вегетационный индекс IPVI

Перпендикулярный вегетационный индекс (Perpendicular Vegetation Index, PVI) чувствителен к атмосферным отклонениям. При использовании этого метода для сравнения разных изображений его следует применять только к изображениям, скорректированным по атмосфере. Под этим названием скрываются по меньшей мере 4 индекса, рассчитываемые инструментом Vegetation Index Distance Based вSAGA GIS по нескольким различающимся авторским формулам. Одна из них:

PVI = NIR*sinα − Red*cosα
где α — угол между почвенной линией и осью NIR. Может принимать значения от − 1 до 1. Значительно изменяется в одной и той же зоне при переходе от горных к равнинным областям вследствие изменения угла α [Gitelson A., et al].

Взвешенный разностный вегетационный индекс (Weighted Difference Vegetation Index, WDVI) математически более простой вариант PVI, чувствителен к атмосферному воздействию:

WDVI = NIR − gRed
где g - наклон почвенной линии.

Рис. 14.28 Взвешенный разностный вегетационный индекс (Weighted Difference VI, WDVI) при угле почвенной линии в 30⁰

Все попытки улучшения вегетационных индексов сводились к стремлению нивелирования или учета влияния почвенных и атмосферных условий. Таким образом были разработаны так называемые узкополосные индексы:

Red Edge Normalized Difference Vegetation Index;
Modified Red Edge Simple Ratio Index;
Modified Red Edge Normalized Difference Vegetation Index;
Vogelmann Red Edge Index 1,2,3;
Red Edge Position Index.

Использование значений коэффициентов отражения в узких спектральных зонах позволяет использовать индексы для регистрации даже небольших изменений состояния растительности [Silleos et al., 2006].

Почвенный вегетационный индекс (Soil Adjusted Vegetation Index, SAVI) открывает группу индексов, учитывающих влияние почвенных условий. Индекс SAVI стремиться минимизировать влияние яркости почвы с помощью коэффициента коррекции яркости. Подсчитывается с использованием коэффициента S (или L) изменяющегося от 0 для очень густого растительного покрова, до "1 для очень разреженного, чаще всего используют S равный 0.5.

Модицифированный почвенный вегетационный индекс с 1 (Modified Soil Adjusted Vegetation Index, MSAVI1) рассчитывается как:

MSAVI1 = ((NIR - Red) / (NIR + Red + L)) * (1 + L)
где L = 1−2s · NDVI · WDVI, s — наклон почвенной линии.
Значения индекса изменяются от −1 до 1. Линия почв проходит через точку 0.

Группа индексов, устойчивых к влиянию атмосферы включает несколько индексов, простейшим из которых является Индекс устойчивости к видимой атмосфере (VARI), разработанный для выделения растительности в видимой части спектра, при ослаблении влияния разницы освещения и атмосферных явлений. Он идеально подходит для RGB или цветных изображений; использует все три видимых канала (4 Red, 3 Green, 2 Blue). VARI явно отличается от прочих индексов, резко отделяя часть естественного растительного покрова от сельскохозяйственных угодий, пастбищ и луговых участков.

VARI = (Green - Red) / (Green + Red - Blue)

Рис. 14.29 Индекс устойчивости к видимой атмосфере (VARI)

Особую группу образуют индексы, рассчитываемые по значениям коэффициентов отражения в узких спектральных диапазонах и отражающие общее количество и состояние растительности. К ним относятся Нормализованный разностный вегетационный индекс для области ближнего инфракрасного склона (Red Edge Normalized Difference Vegetation Index).

Любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик сенсора (ширина спектральных каналов, разрешение), условий съёмки, освещённости, состояния атмосферы. Эти индексы представляют только относительные оценки свойств растительного покрова, которые могут быть интерпретированы и с привлечением полевых данных пересчитаны в абсолютные [Silleos et al., 2006].

Кроме того вегетационные индексы подвержены выраженной внутрисезонной и внутригодовой динамике. Индексы растительности, рассчитанные для сельскохозяйственного поля, которые выполняются каждую неделю с момента засеивания поля и в течение всего вегетационного сезона будут изменяться в значительных пределах: сначала закономерно повышаясь по мере роста и созревания культур (когда изменяется цвет), наконец, урожай может быть собран, оставшееся жнивье или оттава на лугах будут иметь совсем другие характеристики. То же происходит, когда у овощных культур отпадают зеленые части, а у древесных - листья.

14.5. Компонентные и ландшафтные индексы

Поскольку отражательной способностью обладают не только зеленые растения, но и другие объекты землепользования и ландшафтного покрова, то разрабатывались специфические индексы для их делимитации. Например, специфические индексы применяются для обнаружения объектов, образуемых водой в разных агрегатных состояниях (жидком - акватории, кристаллическом - снежные покровы и ледники). Специальные индексы Водный индекс (Water Band Index, WBI), Индекс стресса влажности (Moisture Stress Index, MSI), Нормализованный разностный инфракрасный индекс (Normalized Difference Infrared Index, NDII) используются для оценки содержания влаги в растительном покрове по значениям в ближней инфракрасной и средней инфракрасной зонах спектра.

Стандартизованный индекс различий снежного покрова (Normalized Difference Snow Index, NDSI) разработан с целью идентификации снежного покрова и основан на соотношении данных Landsat 8 (каналы Green 3 и SWIR1 6) и MODIS (каналы 4 и 6), что, как считается, позволяет нивелировать влияние атмосферных эффектов [Riggs et al., 1994].

NDSI = (Green - SWIR) / (Green + SWIR)

Рис. 14.30 Стандартизованный индекс различий снежного покрова (NDSI) а) горный район, b) предгорье и освоенная равнина

NDSI в области ледников принимает максимальные (слабо положительные >0,08) значения, слабоотрицательные (-0,08) связаны с эрозионной сетью, отрицательные (-0,40) свойственны скальным склонам и сельскохозяйственным угодьям (полям).

Нормализованный разностный индекс лесного снежного покрова|Normalized Difference Forest Snow Index (NDFSI) разработан как средство распознавания снежного покрова под пологом леса. Рассчитывается как:

NDFSI = (NIR - SWIR) * (NIR + SWIR)
(5 - 6) * (5 + 6)

Рис. 14.31 Стандартизованный индекс различий снежного покрова (NDSI) а) горный район, b) предгорье и освоенная равнина

Нормализованный дифференцированный водный индекс|Normalized Difference Water Index (NDWI) разработан для исследования водных поверхностей с помощью ближнего инфракрасного диапазона и зеленой области спектра. Комбинация позволяет уменьшить влияние почвенного "шума" и растительного покрова. NDWI является важным показателем содержания воды в растениях, а также применяется для обнаружения затопленных сельскохозяйственных угодий, выявления наводнений на полях, мониторинга эффективности ирригации, определения заболоченных территорий.

NDWI = (Green-NIR) / (Green+NIR)

Рис. 14.32 Нормализованный дифференцированный водный индекс NDWI: предгорье и освоенная равнина

Значение NDWI изменяется от 0,0 для снежных и ледниковых поверхностей до -0,12 для речных долин и обводненных полей и до -0,5 для сухих склонов.

Стандартизованный индекс различий увлажненности|Normalized Difference Moisture Index (NDMI) чувствителен к уровню влажности в растительности. Используется для отслеживания засух, а также фиксирует присутствие горючих материалов в пожароопасных зонах. Использует каналы NIR (5) и SWIR1 (6) для создания коэффициента, предназначенного для приглушения освещения и атмосферных эффектов [Wilson et al., 2002].

NDMI = (NIR - SWIR1)/(NIR + SWIR1)

Рис. 14.33 Стандартизованный индекс различий увлажненности (NDMI): предгорье и освоенная равнина

Территории с высоким значением NDMI (0,20-0,38) - поймы рек, среднее значение около 0,12 - луговые пространства, лесополосы и нижние части увлажненных склонов, низкие значения -0,16 < NDMI <-0,08 - сухие сельхозугодья, скальные склоны.

Для определенных задач (например, для разделения глинистых и песчаных четвертичных отложений, дифференциации горных пород по содержанию железистых минералов) могут быть использованы так называемые геологические индексы.

Clay Minerals Ratio|Глинистый коэффициент - это соотношение каналов SWIR1 и SWIR2. Этот коэффициент использует тот факт, что водосодержащие минералы, такие как глина и алунит, поглощают излучение в части спектра 2,0-2,3 микрон. Этот индекс снижает изменения в освещении, относящиеся к рельефу, поскольку он является коэффициентом [Alasta, 2011]. Как можно видеть в пределах сцены меняется от 1,0 до 1,5, наименьшие значения на высоких хребтах с ледниками и снежниками, а также в пределах части сельхозугодий, наибольшая на поймах и залесенном низкогорье.

CMR = SWIR1 / SWIR2

Рис. 14.34 Глинистый коэффициент: предгорье и освоенная равнина

Ferrous Minerals Ratio|Коэффициент железистых минералов выделяет все железосодержащие материалы [Alasta, 2011]. Он использует соотношение между каналом SWIR и каналом NIR.

FMR = SWIR / NIR

К так называемым "ландшафтным индексам" относится Индекс выгоревших областей|Burn Area Index (BAI), для вычисления которого используют значения отражения в красной и ближней инфракрасной области спектра для идентификации областей поверхности, подвергшихся огню [Chuvieco, 2002]. В пределах сцены принимает отрицательные значения от -0,000032 до -0,00006, наибольшие значения в верхней части северо-восточных склонов.

BAI = 1/((0.1 -RED) * 2 + (0.06 - NIR) * 2)

Нормализованный индекс выгоревших областей (NBRI)использует каналы NIR и SWIR для выделения выжженных областей, одновременно приглушая разницу в освещении и атмосферных явлений. Для использования рекомендуется скорректировать яркость снимков [Key, Benson, 2005].

NBR = (NIR - SWIR) / (NIR + SWIR)

Рис. 14.35 Нормализованный индекс выгоревших областей (NBRI): предгорье и освоенная равнина

Нормализованный разностный индекс застройки|Normalized index of building differences (NDBI)использует каналы NIR и SWIR (ближний инфракрасный и коротковолновый инфракрасный) для выделения областей застройки [Zha et al., 2003]. В пределах сцены принимает значения от слабоотрицательных -0,36 до положительных 0,16

NDBI = (SWIR - NIR) / (SWIR + NIR)

Рис. 14.36 Стандартизованный индекс различий застройки (NDBI): предгорье и освоенная равнина

Как можно видеть в пределах территории Приэльбрусья NDBI скорее является показателем антропогенной измененности ландшафта: на одном конце шкалы (в оттенках синего) отрицательные значения - пойменные луга, мелколиственные и хвойные насаждений склонов, и темно-синие - заснеженные и ледниковые вершины; на другом конце шкалы - поля, населенные пункты. Возможно более яркий результат можно получить для территории крупного города.