Galerie "Indizes"
Bildindizes sind Bilder, die mithilfe von Multibandbildern berechnet werden. Die Bilder betonen ein bestimmtes vorhandenes Phänomen und reduzieren gleichzeitig andere Faktoren, die die Effekte des Bildes beeinträchtigen. Ein Vegetationsindex stellt gesunde Vegetation im Indexbild beispielsweise hell dar, während ungesunde Vegetation niedrigere Werte aufweist und karges Terrain dunkel angezeigt wird. Da Schattierung aufgrund von Terrainvariationen (Berge und Täler) Auswirkungen auf die Bildintensität haben, werden die Indizes so erstellt, dass die Farbe eines Objekts statt die Intensität oder Helligkeit des Objekts betont wird. Der Wert eines Vegetationsindexes für eine gesunde Pinie im Schatten eines Tales ähnelt dem Wert einer Pinie unter voller Sonneneinstrahlung. Diese Indizes werden häufig durch die Kombinationen hinzugefügter und subtrahierter Bänder erstellt, wodurch verschiedene Bandverhältnisse entstehen. Sie werden mit bestimmten Bändern verknüpft, die sich in bestimmten Teilen des elektromagnetischen Spektrums befinden. Demzufolge sind sie möglicherweise nur für bestimmte Sensoren bzw. Sensorenklassen gültig; außerdem ist es wichtig, dass die richtigen Bänder in der Berechnung verwendet werden.
Diese Indizes werden häufig zum Vergleich desselben Objekts in mehreren Bildern im Zeitverlauf herangezogen. Beispielsweise können mehrere Bilder einer landwirtschaftlichen Fläche wöchentlich seit deren Bepflanzung und während der gesamten Wachstumszeit aufgenommen werden. Der Vegetationsindex wird für jedes Bild berechnet. Wenn Sie diese wöchentlichen Vegetationsindizes analysieren, erwarten Sie eine Aufhellung während der Wachstumszeit. Anschließend erfolgt eine Reduzierung des Index, wenn die Vegetationsalterung im Herbst beginnt, bis die Pflanze geerntet wird oder die Blätter am Ende der Jahreszeit abgestorben sind. Der normalisierende Effekt der Indizes macht diesen Vergleich praktikabel. Durch den Vergleich mehrerer Felder in einer Region können Sie ermitteln, welche Felder fruchtbar sind und welche weniger gut gedeihen. Dieser Analysetyp kann auch dazu verwendet werden, um sturmgeschädigte Felder zu identifizieren.
Wählen Sie einen Index aus, der zu Phänomenen passt, die Sie analysieren möchten. Stellen Sie sicher, dass das Eingabebild von einem Sensor stammt, der über die geeigneten Bänder (Wellenlänge und Bereich) verfügt, um den ausgewählten Index zu unterstützen. Die Indizes lesen die Metadaten aus dem Bild, um die Bandnamen zu überprüfen. Wenn eine Übereinstimmung gefunden wird, wird der Index automatisch angewendet. ArcGIS Pro verwendet generell die Bandnamen aus Landsat 8. Die Bandnamen aus anderen Sensoren haben jedoch möglicherweise andere Namen. In diesem Fall können Sie das entsprechende Band des Sensors ersetzen, den Sie in der Indexfunktion verwenden. Das Raster-Produkt "Landsat 5 TM Raster" weist beispielsweise ein Band (7) namens "Mittelinfrarot" (MIR) auf, das mit dem entsprechenden Landsat-8-Band (7) mit der Bezeichnung "Kurzwelleninfrarot 2" (SWIR2) vergleichbar ist. In diesem Fall kann der Index, den Sie anwenden möchten, die erforderlichen Bandnameninformationen in den Bildmetadaten nicht finden. Es wird ein Dialogfeld angezeigt, in dem Sie die richtige Bandnummer für den Index, den Sie anwenden möchten, eingeben müssen.
Hinweis:
Stellen Sie bei der Auswahl eines auf die Bilddaten anzuwendenden Index sicher, dass die Quellbilddaten das richtige Band für den Index enthalten. Beispiel: Der Normalized Difference Snow Index (NDSI) erfordert ein Kurzwelleninfrarotband (SWIR) und funktioniert nicht ordnungsgemäß mit Bilddaten, die kein SWIR-Band enthalten.
Vegetations- und Bodenindizes
CI Green
Bei der Methode "Chlorophyll Index – Green (Cl Green)" handelt es sich um einen Vegetationsindex für die Schätzung des Chlorophyllgehalts in Blättern mithilfe des Reflexionsverhältnisses im NIR- und grünen Band.
\(CIg \space = \space (NIR \space / \space Green) - 1\)
NIR = Pixelwerte vom nahinfraroten Band
Green = Pixelwerte vom grünen Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR- und grüne Band in der folgenden Reihenfolge: NIR Green. Zum Beispiel: 7 3.
Quelle: Gitelson, A.A., Kaufman, Y.J., Merzlyak, M.N., 1996. "Use of a green channel in remote sensing of global vegetation from EOS-MODIS", Remote Sensing of Environment, Bd. 58, 289-298.
CI Red-Edge
Bei der Methode "Chlorophyll Index – Red-Edge (Cl Red Edge)" handelt es sich um einen Vegetationsindex für die Schätzung des Chlorophyllgehalts in Blättern mithilfe des Reflexionsverhältnisses im NIR- und im Red-Edge-Band.
\(CIre \space = \space [(NIR \space / \space RedEdge)-1]\)
NIR = Pixelwerte vom nahinfraroten Band
NIR = Pixelwerte vom Red Edge-Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR-Band und die rote Kante in der folgenden Reihenfolge: NIR Red Edge. Zum Beispiel: 7 6.
Referenzen:
- Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra", Journal of Photochemistry and Photobiology B 22, 247-252.
Green NDVI
Bei der Methode "Green Normalized Difference Vegetation Index (Green NDVI)" handelt es sich um einen Vegetationsindex für die Schätzung der Fotosyntheseaktivität und einen allgemein gebräuchlichen Vegetationsindex zum Bestimmen der Wasser- und Stickstoffaufnahme im Pflanzendach.
\(GNDVI \space = \space (NIR-Green)/(NIR+Green)\)
NIR = Pixelwerte vom nahinfraroten Band
Green = Pixelwerte vom grünen Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR- und grüne Band in der folgenden Reihenfolge: NIR Green. Zum Beispiel: 5 3.
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Quelle: Buschmann, C., und E. Nagel. 1993. "In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation," International Journal of Remote Sensing, Bd. 14, 711–722.
MSAVI
Die Methode "Modified Soil Adjusted Vegetation Index (MSAVI2)" minimiert die Auswirkung des nackten Erdbodens auf den SAVI.
\(MSAVI2 \space = \space (1/2) * (2(NIR+1)-sqrt((2 * NIR+1) ^{2} -8(NIR-Red)))\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
Quelle: Qi, J. et al., 1994, "A modified soil vegetation adjusted index", Remote Sensing of Environment, Bd. 48, Nr. 2, 119–126.
MTVI2
Die Methode "Modified Triangular Vegetation Index (MTVI2)" ist ein Vegetationsindex für das Ermitteln des Chlorophyllgehalts in Blättern im Pflanzendach, der den Blattflächenindex größtenteils nicht berücksichtigt. Er verwendet die Reflexion im grünen, roten und NIR-Band.
\(MTVI2 \space = \space [1.5(1.2(NIR-Green)-2.5(Red-Green))√((2NIR+1)²-(6NIR-5√(Red))-0.5)]\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
Green = Pixelwerte vom grünen Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR-, rote und grüne Band in der folgenden Reihenfolge: NIR Red Green. Zum Beispiel: 7 5 3.
Quelle: Haboudane, D., Miller, J.R., Tremblay, N., Zarco-Tejada, P.J., Dextraze, L., 2002. "Integrated narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture", Remote Sensing of Environment, Bd. 81, 416-426.
NDVI
Die Methode "Normalisierter differenzierter Vegetationsindex (NDVI)" ist ein standardisierter Index, der Ihnen das Erstellen eines Bildes mit Grünanteilen (relative Biomasse) ermöglicht. Dieser Index nutzt den Kontrast der Eigenschaften zweier Bänder aus einem multispektralen Raster-Dataset: die Absorption durch die Chlorophyllpigmente im roten Band und den Pflanzen-Reflexionsgrad im NIR-Band.
Dies ist die dokumentierte und standardisierte NDVI-Gleichung:
\(NDVI \space = \space ((NIR \space - \space Red)/(NIR \space + \space Red))\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
PVI
Die Methode "Perpendicular Vegetation Index (PVI)" ist einem Difference Vegetation Index ähnlich; er ist jedoch gegen atmosphärische Variationen empfindlich. Wenn Sie diese Methode verwenden, um Bilder miteinander zu vergleichen, sollten Sie sie nur für Bilder verwenden, die atmosphärisch korrigiert wurden.
\(PVI \space = \space (NIR \space - \space a * Red \space - \space b) \space / \space (sqrt(1 \space + \space a ^{2} ))\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
a = Neigung der Bodenlinie
b = Farbverlauf der Bodenlinie
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Red-Edge NDVI
Die Methode "Red-Edge NDVI" ist ein Vegetationsindex für die Schätzung des Vegetationszustands mithilfe der roten Kante. Sie eignet sich besonders gut für die Einschätzung des Zustands von Feldfrüchten in der mittleren bis späten Wachstumsphase, da die Chlorophyllkonzentration dann relativ hoch ist. Darüber hinaus kann mit dem NDVIre auch die Schwankung des Stickstoffgehalts in den Blättern innerhalb eines Feldes verzeichnet werden, um zu ermitteln, welcher Dünger von den Feldfrüchten benötigt wird.
Der NDVIre-Index wird mit dem nahinfraroten Band (NIR) und der roten Kante berechnet.
\(NDVIre \space = \space (NIR \space - \space RedEdge)/(NIR \space + \space RedEdge)\)
NIR = Pixelwerte vom nahinfraroten Band
NIR = Pixelwerte vom Red Edge-Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR-Band und die rote Kante in der folgenden Reihenfolge: NIR Red Edge. Zum Beispiel: 7 6.
Dieser Index gibt Werte zwischen -1,0 und 1,0 aus.
Quelle: Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra", Journal of Photochemistry and Photobiology B 22, 247-252.
Red-Edge SR
Die Methode "Der Red-Edge Simple Ratio (Red-Edge SR)" ist ein Vegetationsindex für das Schätzen der gesunden und gestressten Vegetationsmenge. Er bezeichnet das Verhältnis des Lichts, das im NIR-Band und an der roten Kante gestreut wird, wodurch die Auswirkungen der Atmosphäre und Topografie reduziert werden.
Die Werte sind bei einer Vegetation mit einer hohen Pflanzendachdichte und gesunden Vegetation hoch und niedriger bei einer hohen Pflanzendachdichte und gestressten Vegetation sowie Boden-, Wasser- und vegetationslosen Features. Der Wertebereich reicht von 0 bis etwa 30, wobei sich eine gesunde Vegetation normalerweise innerhalb des Wertebereichs von 1 bis 10 bewegt.
\(SRre \space = \space NIR \space / \space RedEdge\)
NIR = Pixelwerte vom nahinfraroten Band
NIR = Pixelwerte vom Red Edge-Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR-Band und die rote Kante in der folgenden Reihenfolge: NIR Red Edge. Zum Beispiel: 7 6.
Quelle: Anatoly A. Gitelson, Yoram J. Kaufman, Robert Stark und Don Rundquist, 2002, "Novel algorithms for remote estimation of vegetation fraction," Remote Sensing of Environment, Vol. 80, 76–87.
RTVIcore
Die Methode "Red-Edge Triangulated Vegetation Index (RTVICore)" ist ein Vegetationsindex für die Schätzung von Blattflächenindex und Biomasse. Dieser Index verwendet Reflexion im NIR- und grünen Spektralband und an der roten Kante.
\(RTVICore \space = \space [100(NIR-RedEdge)-10(NIR-Green)]\)
NIR = Pixelwerte vom nahinfraroten Band
NIR = Pixelwerte vom Red Edge-Band
Green = Pixelwerte vom grünen Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie das NIR- und grüne Band und die rote Kante in der folgenden Reihenfolge: NIR Red Edge Green. Zum Beispiel: 7 6 3.
Quelle: Haboudane, D., Miller, J.R., Pattey, E., Zarco-Tejada, P.J., Strachan, I.B., 2004. "Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: modeling and validation in the context of precision agriculture", Remote Sensing of Environment, Bd. 90, 337-352.
SAVI
Die Methode "Soil-Adjusted Vegetation Index (SAVI)" ist ein Vegetationsindex, der versucht, Einflüsse durch die Bodenhelligkeit mit einem Bodenhelligkeits-Korrekturfaktor zu minimieren. Er wird oft in trockenen Regionen mit niedriger vegetativer Bodendeckung verwendet. Die Ausgabewerte liegen zwischen -1,0 und 1,0.
\(SAVI \space = \space ((NIR \space - \space Red) \space / \space (NIR \space + \space Red \space + \space L)) \space x \space (1 \space + \space L)\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
L = Grüne vegetative Bodenbedeckung
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie die NIR- und die roten Bänder und geben den L-Wert in der folgenden Reihenfolge ein: NIR Red L. Zum Beispiel: 4 3 0,5.
Quelle: Huete, A. R., 1988, "A soil-adjusted vegetation index (SAVI)", Remote Sensing of Environment, Bd. 25, 295–309.
SR
Die Methode "Simple Ratio (SR)" ist ein allgemeiner Vegetationsindex für das Schätzen der Vegetationsmenge. Er bezeichnet das Verhältnis des Lichts, das im NIR-Band gestreut und im roten Band absorbiert wird, wodurch die Auswirkungen der Atmosphäre und Topografie reduziert werden.
Die Werte sind bei einer Vegetation mit einem großen Blattflächenindex oder einer hohen Pflanzendachdichte hoch und niedrig bei Boden-, Wasser- und vegetationslosen Features. Der Wertebereich reicht von 0 bis etwa 30, wobei sich eine gesunde Vegetation normalerweise innerhalb des Wertebereichs von 2 bis 8 bewegt.
\(SR \space = \space NIR \space / \space Red\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
Mithilfe einer durch Leerzeichen getrennten Liste identifizieren Sie die NIR- und die roten Bänder in der folgenden Reihenfolge: NIR Red. Zum Beispiel: 4 3.
Quelle: Birth, G.S., und G.R. McVey, 1968. "Measuring color of growing turf with a reflectance spectrophotometer," Agronomy Journal Bd. 60, 640-649.
TSAVI
Die Methode "Transformed Soil Adjusted Vegetation Index (TSAVI)" ist ein Vegetationsindex, der die Bodenhelligkeitseinflüsse minimiert, indem angenommen wird, dass die Bodenlinie eine beliebige Neigung und einen beliebigen Schnittpunkt hat.
\(TSAVI = \Large \frac {( s\ *\ (NIR\ -\ (s \ *\ Red)\ -\ a) )}{( \ (a\ *\ NIR)\ +\ Red\ -\ (a\ *\ s)\ +\ ({X\ *\ (1\ +\ s^{2})) \ )} }\)
NIR = Pixelwerte vom nahinfraroten Band
Red = Pixelwerte vom roten Band
s = Neigung der Bodenlinie
a = Schnittpunkt der Bodenlinie
X = ein Anpassungsfaktor, der festgelegt wird, um Bodenrauschen zu minimieren
Quelle: Baret, F. and G. Guyot, 1991, "Potentials and limits of vegetation indices for LAI and APAR assessment," Remote Sensing of Environment, Bd. 35, 161–173.
VARI
Der Visible Atmospherically Resistant Index (VARI) dient zur Betonung von Vegetation im sichtbaren Teil des Spektrums, wobei Lichtunterschiede und atmosphärische Effekte gemindert werden. Er ist ideal für RGB- oder Farbbilder geeignet und nutzt alle drei Farbbänder.
\(VARI \space = \space (Green \space - \space Red)/ \space (Green \space + \space Red \space - \space Blue)\)
Green = Pixelwerte vom grünen Band
Red = Pixelwerte vom roten Band
Blue = Pixelwerte vom blauen Band
Reference: Gitelson, A., et al. "Vegetation and Soil Lines in Visible Spectral Space: A Concept and Technique for Remote Estimation of Vegetation Fraction." International Journal of Remote Sensing 23 (2002): 2537−2562.
Wasserindizes
NDMI
Der Normalized Difference Moisture Index (NDMI) ist empfindlich gegenüber dem Feuchtigkeitsniveau der Vegetation. Er dient zur Überwachung der Trockenheit und der Menge an brennbarem Material in brandgefährdeten Gebieten. Er verwendet Nahinfrarot- und Kurzwelleninfrarotbänder, um ein Verhältnis zur Minderung von Licht- und atmosphärischen Effekten zu berechnen.
\(NDMI \space = \space (NIR \space - \space SWIR1)/(NIR \space + \space SWIR1)\)
NIR = Pixelwerte vom nahinfraroten Band
SWIR1 = Pixelwerte aus dem Kurzwelleninfrarotband 1
Referenzen:
Wilson, E.H. and Sader, S.A., 2002, "Detection of forest harvest type using multiple dates of Landsat TM imagery." Remote Sensing of Environment, 80 , pp. 385-396.
Skakun, R.S., Wulder, M.A. and Franklin, .S.E. (2003). "Sensitivity of the thematic mapper enhanced wetness difference index to detect mountain pine beetle red-attack damage." Remote Sensing of Environment, Vol. 86, Pp. 433-443.
MNDWI
Der Modified Normalized Difference Water Index (MNDWI) verwendet grüne und Kurzwelleninfrarotbänder zur Verstärkung der Features offener Gewässer, wobei bebautes Land reduziert wird. Er reduziert auch integrierte Flächen-Features, die häufig mit offenen Gewässern anderer Indizes korreliert sind.
\(MNDWI \space = \space (Green \space - \space SWIR) \space / \space (Green \space + \space SWIR)\)
Green = Pixelwerte vom grünen Band
SWIR = Pixelwerte aus dem Kurzwelleninfrarotband
Quellennachweis: Xu, H. "Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery." International Journal of Remote Sensing 27, No. 14 (2006): 3025-3033.
NDSI
Der Normalized Difference Snow Index (NDSI) ist für die Verwendung der MODIS-Bänder 4 und 6 sowie der Landsat-TM-Bänder 2 und 5 zur Identifizierung von Schneedecken konzipiert, wobei die Wolkenbedeckung ignoriert wird. Da er verhältnisbasiert ist, reduziert er auch atmosphärische Effekte.
\(NDSI \space = \space (Green \space - \space SWIR) \space / \space (Green \space + \space SWIR)\)
Green = Pixelwerte vom grünen Band
SWIR = Pixelwerte aus dem Kurzwelleninfrarotband
Reference: Riggs, G., D. Hall, and V. Salomonson. "A Snow Index for the Landsat Thematic Mapper and Moderate Resolution Imaging Spectrometer." Geoscience and Remote Sensing Symposium, IGARSS '94, Volume 4: Surface and Atmospheric Remote Sensing: Technologies, Data Analysis, and Interpretation (1994), pp. 1942-1944.
Geologie-Indizes
Tonmineralien
Das Tonmineralienverhältnis ist ein Verhältnis der SWIR1- und SWIR2-Bänder. Dieses Verhältnis nutzt die Tatsache, dass wasserhaltige Mineralien wie Tonarten, Alunit usw. die Strahlung im 2,0- bis 2,3-Mikrometer-Teil des Spektrums absorbieren. Dieser Index mindert Beleuchtungsänderungen, die auf das Terrain zurückzuführen sind, da es ein Verhältnis ist.
\(Clay \space Minerals \space Ratio \space = \space SWIR1 \space / \space SWIR2\)
SWIR1 = Pixelwerte aus dem Kurzwelleninfrarotband 1
SWIR2 = Pixelwerte aus dem Kurzwelleninfrarotband 2
Quelle: Dogan, H., 2009. "Mineral composite assessment of Kelkit River Basin in Turkey by means of remote sensing", Journal of Earth System Science, Band 118, 701-710.
Eisenmineralien
Das Verhältnis von Eisenmineralien hebt alle Mineralien hervor, die eisenbasiert sind. Es verwendet das Verhältnis zwischen dem Nahinfrarot- und Kurzwelleninfrarotband.
\(Ferrous\ Minerals\ Ratio\ =\ SWIR \space / \space NIR\)
SWIR = Pixelwerte aus dem Kurzwelleninfrarotband
NIR = Pixelwerte vom nahinfraroten Band
Quellennachweis: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data." Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.
Eisenoxid
Das Eisenoxidverhältnis ist ein Verhältnis der roten und blauen Wellenlänge. Das Vorhandensein von Phyllosilikaten mit angelagertem Limonit und verändertem limonitischem Eisenoxid verursachen eine Absorption im Blau-Band und Reflexion im Rot-Band. Dadurch werden Flächen, die starken Gesteinsveränderungen durch Eisen unterworfen sind, hell dargestellt. Die Art des Verhältnisses ermöglicht es diesem Index, Beleuchtungsunterschiede zu mindern, die durch Terrainschatten verursacht werden.
\(Iron \space Oxide \space Ratio \space = \space Red \space / \space Blue\)
Red = Pixelwerte vom roten Band
Blue = Pixelwerte vom blauen Band
Quellennachweis: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data." Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.
Landschaftsindizes
BAI
Der Brandflächenindex (BAI, Burn Area Index) verwendet die Reflexionswerte im roten und infrarotnahen Teil des Spektrums, um die Bereiche des Terrains zu identifizieren, die vom Feuer betroffen sind.
\(BAI = \Large \frac {1}{((0.1\ -\ RED)^2 \ + \ (0.06\ -\ NIR)^2)}\)
Red = Pixelwerte vom roten Band
NIR = Pixelwerte vom nahinfraroten Band
Referenz: Chuvieco, E., M. Pilar Martin, and A. Palacios. "Assessment of Different Spectral Indices in the Red-Near-Infrared Spectral Domain for Burned Land Discrimination." Remote Sensing of Environment 112 (2002): 2381-2396.
NBR
Der Normalized Burn Ratio Index verwendet Nahinfrarot- und Kurzwelleninfrarotbänder, um verbrannte Flächen zu betonen, wobei Beleuchtungs- und atmosphärische Effekte abgeschwächt werden. Ihre Bilder sollten vor der Verwendung dieses Indexes den Reflexionswerten entsprechend korrigiert werden. Weitere Informationen finden Sie im Artikel über die Funktion Sichtbare Reflexion.
\(NBR \space = \space (NIR \space - \space SWIR) \space / \space (NIR+ \space SWIR)\)
NIR = Pixelwerte vom nahinfraroten Band
SWIR = Pixelwerte aus dem Kurzwelleninfrarotband
Referenz: Key, C. and N. Benson, N. "Landscape Assessment: Remote Sensing of Severity, the Normalized Burn Ratio; and Ground Measure of Severity, the Composite Burn Index" FIREMON: Fire Effects Monitoring and Inventory System, RMRS-GTR, Ogden, UT: USDA Forest Service, Rocky Mountain Research Station (2005).
NDBI
Der normalisierte differenzierte Vegetationsindex (NDBI, Normalized Difference Built-up Index) verwendet die Nahinfrarot- und Kurzwelleninfrarotbänder, um künstlich bebaute Flächen hervorzuheben. Er ist verhältnisbasiert, um die Auswirkungen der Lichtunterschiede bei Terrains und atmosphärische Effekte zu mindern.
\(NDBI \space = \space (SWIR \space - \space NIR) \space / \space (SWIR \space + \space NIR)\)
SWIR = Pixelwerte aus dem Kurzwelleninfrarotband
NIR = Pixelwerte vom nahinfraroten Band
Referenz: Zha, Y., J. Gao, and S. Ni. "Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery." International Journal of Remote Sensing 24, no. 3 (2003): 583-594.