Я использовал NDVI с ограниченным успехом, чтобы идентифицировать деревья в центральном регионе Великих равнин США. Проблема, с которой я столкнулся, состоит в том, что отражательная способность от полей / пастбищ фермы имеет по существу ту же спектральную сигнатуру, что и деревья, которые я идентифицирую. Есть ли растительный индекс, который можно получить из 4-полосных изображений NAIP, которые могут лучше справляться с изоляцией древесного покрова, смешанного в сельскохозяйственных районах? Возможно, этап предварительной / последующей обработки может быть наиболее эффективным?
Ответы:
Я широко использовал данные Enhanced Vegetation Index (EVI) для анализа сельскохозяйственных районов. Хотя я никогда не использовал его с изображениями NAIP, все, что вам нужно, это красные, синие и ИК данные.
Для ваших целей самое большое преимущество EVI состоит в том, что он не «насыщается» так же легко, как NDVI, - он предлагает больший контраст (динамический диапазон) при исследовании участков с сильной растительностью, таких как возделанные сельскохозяйственные поля. Компромисс заключается в том, что контраст между районами с низким EVI (например, пустынями или залежными полями) и посевными площадями не так велик. Но для ваших целей это не имеет значения.
На этой гистограмме данных NDVI вы можете видеть, как большинство сельскохозяйственных пикселей находится в дальнем правом конце распределения. Существует большой динамический диапазон от 0 до 0,5, который тратится впустую. Это похоже на фотографию с неправильно настроенными уровнями. Ваше дерево и сельскохозяйственные поля, вероятно, оба в этом горбе, но, поскольку они сжаты в одну небольшую область, они выглядят одинаково серого цвета.
Гистограмма NDVI
На этой гистограмме точно такой же площади, но рассчитанной с помощью EVI, вы можете увидеть, насколько более равномерным является распределение. Различия в интенсивности и охвате растительности представлены более широким диапазоном значений, что облегчает проведение классификаций. Это сделает ваши деревья и сельскохозяйственные поля более разнородными оттенками серого.
Гистограмма EVI
источник
Вот заявление о растровой алгебре, которое даст вам EVI.
((«band4» - «Band1») / («Band4» + 6 * «Band1» - 7,5 * «Band3» + 1)) * 2,5
источник
У вас есть доступ к другому изображению того же года, но к другой стадии зрелости? Представьте, что ваше изображение с весны, если у вас есть изображение с конца лета, вы получите изменения в посевах, которые помогут отличить сельское хозяйство от леса.
В любом случае у вас есть много вариантов индексов растительности,
Наиболее распространенными являются:
реже:
источник
NDVI и EVI являются лучшими показателями для таких задач. Однако вы можете поэкспериментировать с другими индексами по умолчанию в LandViewer или создать свой собственный индекс с помощью встроенного калькулятора. Пример такого анализа можно увидеть здесь:
источник