Galería de índices
Los índices de imágenes son imágenes que se calculan a partir de imágenes multibanda. Las imágenes destacan un fenómeno concreto que está presente y atenúan otros factores que degradan los efectos de la imagen. Por ejemplo, un índice de vegetación mostrará la vegetación que está en buen estado con un color brillante en la imagen de índice, mientras que la vegetación que no lo está tendrá valores más bajos y el terreno yermo será oscuro. Dado que el sombreado debido a las variaciones del terreno (colinas y valles) afecta a la intensidad de las imágenes, los índices se crean de manera que el color de un objeto se resalta en lugar de que lo haga el brillo o la intensidad del objeto. El valor de un índice de vegetación para un pino en buen estado que está sombreado en un valle será similar al de un pino que está a pleno sol. A menudo, estos índices se crean añadiendo y sustrayendo bandas, con lo que se generan varias relaciones de bandas. Están vinculados a bandas concretas que están en partes definidas del espectro electromagnético. Como resultado, es posible que solo sean válidos para ciertos sensores o clases de sensores, y es fundamental que se usen las bandas adecuadas en el cálculo.
Una de las formas habituales de usar estos índices es la comparación del mismo objeto en varias imágenes a lo largo del tiempo. Por ejemplo, podría haber varias imágenes de un campo agrícola tomadas con periodicidad semanal desde la siembra del campo y a lo largo de toda la estación de crecimiento. Se calcularía el índice de vegetación para cada imagen. Cuando se analizan estos índices de vegetación semanales, es esperable que haya un periodo de la estación de crecimiento en que las imágenes se vuelven más brillantes. Después, cuando comienza la senescencia en el otoño, el índice se reduce hasta que la planta se cosecha o hasta que las hojas mueren al final de la estación. El efecto normalizador de los índices hace que esta comparación resulte útil. Al comparar varios campos de una región, puede identificar los que se están desarrollando bien y los que tienen problemas. Este tipo de análisis también se puede usar para identificar los campos que han sufrido daños debidos a tormentas.
Seleccione el índice según el fenómeno que quiera analizar. Asegúrese de que la imagen de entrada procede de un sensor que tiene las bandas adecuadas (longitudes de onda y rango) para ser compatible con el índice que ha elegido. Los índices leen los metadatos de la imagen para comprobar los nombres de las bandas. Cuando encuentren una coincidencia, el índice se aplicará de forma automática. Normalmente, ArcGIS Pro utiliza los nombres de banda de Landsat 8, aunque los nombres de banda de otros sensores pueden tener otros nombres. En este caso, puede sustituir la banda adecuada del sensor que está utilizando en la función de índice. Por ejemplo, el producto ráster Landsat 5 TM tiene una banda (7) llamada infrarrojo medio (MIR), que se compara con la banda equivalente de Landsat 8 (7) denominada infrarrojo de onda corta 2 (SWIR2). En este caso, el índice que desea aplicar no puede encontrar la información necesaria sobre el nombre de banda en los metadatos de la imagen, y se abre un cuadro de diálogo que le pide que introduzca el número de banda adecuado para el índice que desea aplicar.
Nota:
Cuando seleccione un índice para aplicarlo a sus imágenes, asegúrese de que las imágenes de origen contienen la banda adecuada del índice. Por ejemplo, el Índice de nieve de diferencia normalizado (NDSI) necesita una banda infrarroja de onda corta (SWIR) y no funcionará correctamente con imágenes que no cuenten con una banda SWIR.
Índices de vegetación y suelos
CI verde
El método Índice de clorofila - Verde (CI verde), es un índice de vegetación que permite obtener una estimación del contenido de clorofila de las hojas a partir de la tasa de reflectividad en las bandas NIR y verde.
\(CIg \space = \space (NIR \space / \space Green) - 1\)
NIR = valores de píxel de la banda infrarroja cercana
Verde = valores de píxel de la banda verde
Si usa una lista delimitada por espacios, identificará las bandas NIR y verde en el siguiente orden: NIR Verde. Por ejemplo, 7 3.
Referencia: 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, Vol. 58, 289–298.
CI límite rojo
El método Índice de clorofila - Límite rojo (CI límite rojo) es un índice de vegetación que permite obtener una estimación del contenido de clorofila de las hojas a partir de la tasa de reflectividad en las bandas NIR y de límite rojo.
\(CIre \space = \space [(NIR \space / \space RedEdge)-1]\)
NIR = valores de píxel de la banda infrarroja cercana
Límite rojo = valores de píxel de la banda del límite rojo
Si usa una lista delimitada por espacios, identificará las bandas NIR y verde en el siguiente orden: NIR Límite rojo. Por ejemplo, 7 6.
Referencias:
- Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra," Journal of Photochemistry and Photobiology B 22, 247–252.
NDVI verde
El método Índice de vegetación de diferencia normalizada verde (GNDVI verde) es un índice de vegetación que se emplea para realizar estimaciones de la actividad fotosintética y es un índice de vegetación empleado comúnmente para determinar el consumo de agua y nitrógeno de la cubierta vegetal.
\(GNDVI \space = \space (NIR-Green)/(NIR+Green)\)
NIR = valores de píxel de la banda infrarroja cercana
Verde = valores de píxel de la banda verde
Si usa una lista delimitada por espacios, identificará las bandas NIR y verde en el siguiente orden: NIR Verde. Por ejemplo, 5 3.
Este índice coloca los valores entre -1,0 y 1,0.
Referencia: Buschmann, C., y E. Nagel. 1993. "In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation," International Journal of Remote Sensing, Vol. 14, 711–722.
MSAVI
El método Índice de vegetación ajustada de suelo modificado (MSAVI2) minimiza el efecto del terreno desnudo en el SAVI.
\(MSAVI2 \space = \space (1/2) * (2(NIR+1)-sqrt((2 * NIR+1) ^{2} -8(NIR-Red)))\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
Referencia: Qi, J. et al., 1994, "A modified soil vegetation adjusted index," Remote Sensing of Environment, Vol. 48, n.º 2, 119–126.
MTVI2
El método Índice de vegetación triangular modificado (MTVI2, por sus siglas en inglés) es un índice de vegetación que permite detectar el contenido de clorofila de las hojas a escala de dosel arbóreo, aunque es relativamente insensible al índice de área con follaje. Utiliza la reflectancia en las bandas verde, roja y NIR.
\(MTVI2 \space = \space [1.5(1.2(NIR-Green)-2.5(Red-Green))√((2NIR+1)²-(6NIR-5√(Red))-0.5)]\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
Verde = valores de píxel de la banda verde
Si usa una lista delimitada por espacios, identificará las bandas NIR, roja y verde en el siguiente orden: NIR Rojo Verde. Por ejemplo, 7 5 3.
Referencia: 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, Vol. 81, 416–426.
NDVI
El método Índice diferencial de vegetación normalizado (NDVI, por sus siglas en inglés) es un índice normalizado que permite generar una imagen que muestra el verdor (la biomasa relativa). Este índice aprovecha el contraste de las características de dos bandas de un dataset ráster multiespectral: las absorciones de pigmento de clorofila en la banda roja y la alta reflectividad de los materiales de las plantas en la banda NIR.
La ecuación del NDVI documentada y predeterminada es la siguiente:
\(NDVI \space = \space ((NIR \space - \space Red)/(NIR \space + \space Red))\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
Este índice coloca los valores entre -1,0 y 1,0.
Más información acerca del NDVI
PVI
El método Índice de vegetación perpendicular (PVI, por sus siglas en inglés) es similar a un índice diferencial de vegetación; sin embargo, es sensible a las variaciones atmosféricas. Al utilizar este método para comparar imágenes, solo se debe utilizar en imágenes que se han corregido atmosféricamente.
\(PVI \space = \space (NIR \space - \space a * Red \space - \space b) \space / \space (sqrt(1 \space + \space a ^{2} ))\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
a = pendiente de la línea de suelo
b = gradiente de la línea del suelo
Este índice coloca los valores entre -1,0 y 1,0.
NDVI de límite rojo
El método NDVI de límite rojo es un índice de vegetación que se emplea para estimar la salud de la vegetación mediante la banda de límite rojo. Resulta especialmente útil a la hora de realizar estimaciones de la salud de los cultivos en las etapas media y tardía del crecimiento, en las que la concentración de clorofila es relativamente mayor. Además, NDVIre puede usarse para cartografiar la variabilidad del nitrógeno en las hojas del campo para comprender mejor las necesidades de fertilizantes de los cultivos.
El índice NDVIre se calcula a partir de las bandas NIR y de límite rojo.
\(NDVIre \space = \space (NIR \space - \space RedEdge)/(NIR \space + \space RedEdge)\)
NIR = valores de píxel de la banda infrarroja cercana
Límite rojo = valores de píxel de la banda del límite rojo
Si usa una lista delimitada por espacios, identificará las bandas NIR y verde en el siguiente orden: NIR Límite rojo. Por ejemplo, 7 6.
Este índice coloca los valores entre -1,0 y 1,0.
Referencia: Gitelson, A.A., Merzlyak, M.N., 1994. "Quantitative estimation of chlorophyll using reflectance spectra," Journal of Photochemistry and Photobiology B 22, 247–252.
SR de límite rojo
El método Ratio simple de límite rojo (SRre de límite rojo) es un índice de vegetación empleado para realizar estimaciones de la cantidad de vegetación sana y en dificultades. Se trata de ratio de luz difundida en las bandas NIR y de límite rojo, lo que reduce los efectos de la atmósfera y la topografía.
Genera valores son elevados para la vegetación con alta cobertura de dosel y sana, menores para una alta cobertura de dosel con vegetación en dificultades y bajos para entidades de suelo, agua y desprovistas de vegetación. El rango de valores está entre 0 y alrededor de 30, estando una vegetación sana por lo general entre los valores 1 y 10.
\(SRre \space = \space NIR \space / \space RedEdge\)
NIR = valores de píxel de la banda infrarroja cercana
Límite rojo = valores de píxel de la banda del límite rojo
Si usa una lista delimitada por espacios, identificará las bandas NIR y verde en el siguiente orden: NIR Límite rojo. Por ejemplo, 7 6.
Referencia: Anatoly A. Gitelson, Yoram J. Kaufman, Robert Stark y Don Rundquist, 2002, "Novel algorithms for remote estimation of vegetation fraction," Remote Sensing of Environment, Vol. 80, 76–87.
RTVIcore
El método Índice triangulado de vegetación de límite rojo (RTVIcore, por sus siglas en inglés) es un índice de vegetación empleado para realizar estimaciones del índice de área con follaje y la biomasa. Este índice se basa en la reflectancia en las bandas espectrales de NIR, límite rojo y verde.
\(RTVICore \space = \space [100(NIR-RedEdge)-10(NIR-Green)]\)
NIR = valores de píxel de la banda infrarroja cercana
Límite rojo = valores de píxel de la banda del límite rojo
Verde = valores de píxel de la banda verde
Si usa una lista delimitada por espacios, identificará las bandas NIR, límite rojo y verde en el siguiente orden: NIR Límite rojo Verde. Por ejemplo, 7 6 3.
Referencia: 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, Vol. 90, 337–352.
SAVI
El método Índice de vegetación ajustado al suelo (SAVI, por sus siglas en inglés) es un índice de vegetación que intenta minimizar las influencias del brillo del suelo utilizando un factor de corrección de brillo del suelo. Esto con frecuencia se utiliza en regiones áridas en donde la cubierta de vegetación es baja y genera valores entre -1,0 y 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 = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja cercana
L = cantidad de cobertura de vegetación verde
Si usa una lista delimitada por espacios, identificará las bandas NIR y roja e introducirá el valor L en el siguiente orden: NIR Roja L. Por ejemplo, 4 3 0.5.
Referencia: Huete, A. R., 1988, "A soil-adjusted vegetation index (SAVI)," Remote Sensing of Environment, Vol. 25, 295–309.
SR
El método Ratio simple (SR, por sus siglas en inglés) es un índice de vegetación común empleado para realizar estimaciones de la cantidad de vegetación. Se trata de ratio de luz difundida en la banda NIR y absorbida en la banda roja, lo que reduce los efectos de la atmósfera y la topografía.
Genera valores elevados en el caso de la vegetación con un índice elevado de área con follaje o con alta cobertura de dosel, y bajos para las entidades de suelo, agua y desprovistas de vegetación. El rango de valores está entre 0 y alrededor de 30, estando una vegetación sana por lo general entre los valores 2 y 8.
\(SR \space = \space NIR \space / \space Red\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
Si usa una lista delimitada por espacios, identificará las bandas NIR y roja en el siguiente orden: NIR Roja. Por ejemplo, 4 3.
Referencia: Birth, G.S., and G.R. McVey, 1968. "Measuring color of growing turf with a reflectance spectrophotometer," Agronomy Journal Vol. 60, 640-649.
TSAVI
El método Índice de vegetación ajustado de suelo transformado (TSAVI, por sus siglas en inglés) es un índice de vegetación que minimiza las influencias de brillo del suelo al asumir que la línea del suelo tiene una intercepción y pendiente arbitraria.
\(TSAVI = \Large \frac {( s\ *\ (NIR\ -\ (s \ *\ Red)\ -\ a) )}{( \ (a\ *\ NIR)\ +\ Red\ -\ (a\ *\ s)\ +\ ({X\ *\ (1\ +\ s^{2})) \ )} }\)
NIR = valores de píxel de la banda infrarroja cercana
Rojo = valores de píxel de la banda roja
s = la pendiente de la línea del suelo
a = la intercepción de la línea del suelo
X = un factor de ajuste que se establece para minimizar el ruido del suelo
Referencia: Baret, F. y G. Guyot, 1991, "Potentials and limits of vegetation indices for LAI and APAR assessment," Remote Sensing of Environment, Vol. 35, 161–173.
VARI
El Índice de resistencia atmosféricamente visible (VARI) está diseñado para resaltar la vegetación en la parte visible del espectro, a la vez que mitiga las diferencias en la iluminación y los efectos atmosféricos. Resulta idóneo para las imágenes RGB o en color; utiliza las tres bandas de color.
\(VARI \space = \space (Green \space - \space Red)/ \space (Green \space + \space Red \space - \space Blue)\)
Verde = valores de píxel de la banda verde
Rojo = valores de píxel de la banda roja
Azul = valores de píxel de la banda azul
Referencia: 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.
Índices de agua
NDMI
El Índice de diferencia de humedad normalizado (NDMI) es sensible a los niveles de humedad de la vegetación. Se usa para monitorizar las sequías y los niveles de combustible en las áreas vulnerables a los incendios. Usa las bandas NIR y SWIR para crear una relación diseñada para mitigar la iluminación y los efectos atmosféricos.
\(NDMI \space = \space (NIR \space - \space SWIR1)/(NIR \space + \space SWIR1)\)
NIR = valores de píxel de la banda infrarroja cercana
SWIR1 = valores de píxel de la banda infrarroja de onda corta 1
Referencias:
Wilson, E.H. y 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. y 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
El Índice de agua de diferencia normalizada modificado (MNDWI) utiliza las bandas verde y SWIR para realzar las entidades que se encuentran en mar abierto. También disminuye las entidades de área construidas que a menudo se correlacionan con el mar abierto en otros índices.
\(MNDWI \space = \space (Green \space - \space SWIR) \space / \space (Green \space + \space SWIR)\)
Verde = valores de píxel de la banda verde
SWIR = valores de píxel de la banda infrarroja de onda corta
Referencia: 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
El Índice de nieve de diferencia normalizado (NDSI) está diseñado para usar MODIS (bandas 4 y 6) y Landsat TM (bandas 2 y 5) para la identificación de la cobertura de nieve a la vez que se ignora la cobertura de nubes. Como se basa en una proporción, también atenúa los efectos atmosféricos.
\(NDSI \space = \space (Green \space - \space SWIR) \space / \space (Green \space + \space SWIR)\)
Verde = valores de píxel de la banda verde
SWIR = valores de píxel de la banda infrarroja de onda corta
Referencia: Riggs, G., D. Hall y V. Salomonson. "A Snow Index for the Landsat Thematic Mapper and Moderate Resolution Imaging Spectrometer". Geoscience and Remote Sensing Symposium, IGARSS 94, Volumen 4: Surface and Atmospheric Remote Sensing: Technologies, Data Analysis, and Interpretation (1994), pp. 1942-1944.
Índices de geología
Minerales arcillosos
La relación de minerales arcillosos es una proporción entre las bandas SWIR1 y SWIR2. Esta relación aprovecha el hecho de que los minerales hídricos, como la arcilla o la alunita, absorben radiación en la parte de 2,0–2,3 micrones del espectro. Este índice atenúa los cambios de iluminación debidos al terreno, ya que se trata de una proporción.
\(Clay \space Minerals \space Ratio \space = \space SWIR1 \space / \space SWIR2\)
SWIR1 = valores de píxel de la banda infrarroja de onda corta 1
SWIR2 = valores de píxel de la banda infrarroja de onda corta 2
Reference: Dogan, H., 2009. "Mineral composite assessment of Kelkit River Basin in Turkey by means of remote sensing," Journal of Earth System Science, Vol. 118, 701-710.
Minerales ferrosos
La relación de minerales ferrosos resalta los minerales que contienen hierro. Usa la relación entre las bandas SWIR y NIR.
\(Ferrous\ Minerals\ Ratio\ =\ SWIR \space / \space NIR\)
SWIR = valores de píxel de la banda infrarroja de onda corta
NIR = valores de píxel de la banda infrarroja cercana
Referencia: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data". Actas del Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.
Óxido de hierro
La relación de óxido de hierro es una proporción entre las longitudes de onda roja y azul. La presencia de filosilicatos con contenido limonítico y una alteración del óxido de hierro limonítico causan absorción en la banda azul y reflectancia en la banda roja. Esto hace que las áreas con una gran alteración de hierro brillen. La naturaleza de la relación permite que el índice atenúe las diferencias de iluminación causadas por las sombras del terreno.
\(Iron \space Oxide \space Ratio \space = \space Red \space / \space Blue\)
Rojo = valores de píxel de la banda roja
Azul = valores de píxel de la banda azul
Referencia: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data". Actas del Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.
Índices de paisaje
BAI
El Índice de área calcinada (BAI) utiliza los valores de reflectancia de la parte roja y NIR del espectro para identificar las áreas del terreno afectadas por un incendio.
\(BAI = \Large \frac {1}{((0.1\ -\ RED)^2 \ + \ (0.06\ -\ NIR)^2)}\)
Rojo = valores de píxel de la banda roja
NIR = valores de píxel de la banda infrarroja cercana
Referencia: Chuvieco, E., M. Pilar Martín y 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
El Índice de relación de calcinación normalizado (NBRI) utiliza las bandas NIR y SWIR para destacar las áreas calcinadas a la vez que mitiga las diferencias en la iluminación y los efectos atmosféricos. Las imágenes se deben corregir a los valores de reflectancia antes de utilizar este índice; consulte la función Reflectancia aparente para más información.
\(NBR \space = \space (NIR \space - \space SWIR) \space / \space (NIR+ \space SWIR)\)
NIR = valores de píxel de la banda infrarroja cercana
SWIR = valores de píxel de la banda infrarroja de onda corta
Referencia: Key, C. y 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: Servicio forestal del USDA, Estación de investigación de las montañas Rocosas (2005).
NDBI
El Índice de áreas construidas de diferencia normalizada (NDBI) utiliza las bandas NIR y SWIR para resaltar las áreas construidas por el hombre. Se basa en una relación para mitigar los efectos de las diferencias de iluminación del terreno, así como los efectos atmosféricos.
\(NDBI \space = \space (SWIR \space - \space NIR) \space / \space (SWIR \space + \space NIR)\)
SWIR = valores de píxel de la banda infrarroja de onda corta
NIR = valores de píxel de la banda infrarroja cercana
Referencia: Zha, Y., J. Gao y S. Ni. "Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery". International Journal of Remote Sensing 24, n.° 3 (2003): 583-594.