NDVI di lingkungan perkotaan

12

Pertimbangan apa yang harus dipertimbangkan ketika mencoba mendapatkan NDVI dari lingkungan perkotaan?

Saya menarik lapisan kanopi pohon dari data LAR-IAC dan menggunakan NDVI 0,38. Namun, FAQ tentang Vegetasi dalam Penginderaan Jauh ini merekomendasikan penggunaan> 0.8, sementara saya telah membaca> 0.6 sebagai NDVI yang baik untuk vegetasi yang lebat. Apakah 0,38 terlalu rendah, dan apakah mungkin lebih rendah karena lingkungan perkotaan (Pasadena, CA)? Haruskah saya menggunakan indeks alternatif, seperti SAVI (Soil Adjusted Vegetation Index), tetapi mungkin untuk daerah perkotaan?

htomita
sumber
1
NDVI harus menghasilkan kontinum nilai mulai dari -1 hingga +1, apakah Anda mencoba untuk mendapatkan nilai ambang untuk menentukan keberadaan vegetasi? Apa instrumen RS dari dan pada skala apa?
scw
Nilai ambang yang kami temui adalah 0,38, tetapi tampaknya rendah, menurut FAQ yang saya tautkan di atas. Saya ingin tahu apakah itu karena menjalankan NDVI di daerah perkotaan, dan mungkin ada metode koreksi? Data dikategorikan sebagai Color Orthogonal Imagery, resolusi 4 ”(daerah perkotaan). Pdf ini f / LAR-IAC mengatakan Pictometry melakukan pengumpulan data untuk pesawat, tetapi bukan instrumen apa. Aspek NDVI apa yang mempengaruhi varians dalam instrumen, mengingat NIR dan panjang gelombang merah?
htomita
2
Alasan saya bertanya adalah karena kebanyakan orthophotos hanya mengandung tiga pita dalam spektrum yang terlihat, dan tidak memiliki sensor NIR ketika melakukan flyover. Juga, yang memiliki panjang gelombang Merah dan NIR dapat membantu mencari tahu korespondensi data dengan penggunaan NDVI lainnya yang lebih mapan.
scw
ah, tip baik scw. Jadi Anda menyarankan bahwa jika saya mengetahui panjang gelombang Merah dan NIR dari flyover, saya kemudian dapat membandingkannya dengan studi kasus lainnya? Ya, saya tidak tahu kisaran panjang gelombang yang tepat, tetapi saya akan mencari tahu besok.
htomita
4
sudahkah Anda menemukan sesuatu yang lebih jauh tentang data?
scw

Jawaban:

3

Pasti ada bias di NDVI area Urban, saya lebih suka menggunakan indeks vegetasi yang ditingkatkan (EVI) indeks untuk daerah perkotaan. EVI adalah indeks 'yang dioptimalkan' yang dirancang untuk meningkatkan sinyal vegetasi dengan sensitivitas yang lebih baik di daerah biomassa tinggi dan pemantauan vegetasi yang ditingkatkan melalui pemisahan sinyal latar kanopi dan pengurangan pengaruh atmosfer.

EvilInside
sumber
0

Saya akan membandingkan citra Anda dengan nilai yang diketahui, seperti menggunakan peta web berdampingan dan menghasilkan ambang Anda sendiri. Bergantung pada citra Anda, waktu, hari, cuaca, semua dapat mempengaruhi hasil Anda.

kpierce8
sumber