 |  |  |  |
Los índices de vegetación utilizan varias combinaciones de datos de satélite multiespectrales para producir una única imagen que representa el vigor vegetativo/estrés/sequía. Los cultivos tienen un patrón característico de respuesta espectral en el que la energía azul y roja visible es absorbida fuertemente, la luz verde visible se refleja débilmente (por lo tanto un color verde) y la energía de infrarrojo cercano se refleja muy fuertemente. Debido a este patrón de respuesta espectral característica, muchos de los modelos de índices de vegetación utilizar sólo las bandas de imágenes de color rojo y el infrarrojo cercano. En los últimos índices de sequía son basados en teledetección en pocas bandas ópticas que proporcionan los sensores de NOAA AVHRR o Landsat TM, una nueva generación trata de utilizar las capacidades multibanda, por ejemplo, el sensor MODIS a bordo de los satélites Terra / Aqua un ejemplo de los cuales es de índice normalizado de sequía de multibanda NMDI (Wang y Qu 2007).
Relación simple
Numerosos índices de vegetación se han formulado, la mayoría de los cuales se relacionan con el índice de relación simple descrita por primera vez por Jordan (1969).
Los rangos típicos son un poco más del 1 por el suelo descubierto a más de 20 para la vegetación densa. Sin embargo, el índice es más susceptible a la división por cero errores y la correspondiente escala no es lineal por lo que es difícil aplicar procedimientos estadísticos.
El índice de vegetación normalizado - NDVI
Es un índice de aceptación universal para la evaluación de la sequía debido a su simplicidad en los cálculos, fácil de interpretar y su capacidad para compensar parcialmente los efectos de la atmósfera, la geometría de iluminación. La gravedad de la situación de sequía se evalúa por el grado de desviación NDVI de su media a largo plazo.
ρNIR and ρRed son valores de reflectancia de bandas rojas e infrarrojo cercano. El índice contrasta las características de absorción de la clorofila en la región roja del espectro electromagnético y la fuerte reflectancia de la región de infrarrojo cercano al valor del índice resultante es sensible a la presencia de vegetación y se puede utilizar para hacer frente a cuestiones de tipo de vegetación, cantidad y condición. La escala de medición tiene unas características deseables de la producción de valores en el rango de -1,0 a 1,0, en donde las áreas con vegetación típicamente tendrán valores mayores que cero y los valores negativos indican características sin vegetación de superficie, tales como agua, estéril, hielo, nieve, o las nubes, mientras que el RVI varía desde 0 hasta el infinito. Además de las divisiones anteriores por cero se reducen significativamente. Este índice es sensible a niveles bajos de la cubierta vegetal, en comparación con SR que es más sensible a las variaciones en follajes densos.
Índice de Vegetación Mejorado - EVI
Esto estaba destinado a mejorar la calidad de NDVI ya que corrige algunas distorsiones en la luz reflejada causada por las partículas en el aire, así como la cobertura del suelo por debajo de la vegetación.
ρNIR and ρRed and ρblue son valores de reflectancia de rojo, infrarrojo cercano y bandas azules, mientras que; C1 y C2 son la resistencia a la atmósfera de color rojo y azul coeficientes respectivamente L es el factor de corrección de brillo del fondo del pabellón y G es un factor de ganancia ni el NDVI ni el producto EVI eliminarán todos los obstáculos. Las nubes y los aerosoles a menudo pueden bloquear la vista de la superficie de los satélites en su totalidad, el brillo del sol puede saturar algunos píxeles, y daños temporales en los instrumentos de los satélites mismos que pueden distorsionar una imagen. Promedios a largo plazo de los datos de vegetación ayudan a eliminar los errores causados por las nubes, pero elimina los detalles, especialmente a altas resoluciones espaciales Kogan (1990).
Índice de Condición de la vegetación - VCI
Este índice fue sugerido por primera vez por Kogan (1995 y 1997). Esto demuestra, efectivamente, lo cerca del NDVI del mes en curso es el NDVI mínimo calculado a partir del registro a largo plazo de imágenes de teledetección.
Los valores del VCI entre 50 a 100% indican condiciones óptimas o por arriba de lo normal. En los valores del VCI de 100% el valor NDVI para este mes (o semana) es igual al NDVImax. Diferentes grados de severidad de sequias son indicados por los valores VCI debajo de 50%.
Sistema de Índice de Estrés Agrícola de la FAO
La FAO hace uso del índice de vegetación de la Salud (VHI) que combina dos índices: el índice de la condición de la vegetación (VCI) y el índice de Condición de la temperatura (TCI). El VCI se deriva de la NDVI usando la ecuación, que se puede ver en el párrafo anterior.
La TCI es similar a la VCI, pero se deriva de las mediciones de temperatura estimada de la banda infrarroja del sensor AVHRR (canal 4). Kogan (1995) propuso este índice de temperatura para eliminar el efecto distorsionador de las nubes en la evaluación de satélite de la vegetación, ya que el canal 4 es menos sensible al contenido de vapor de agua en la atmósfera de los canales de luz visible. La formulación matemática de la TCI es:
EL VHI es representado como una combinación linear del VCI y el TCI.
Los parámetros "a" y "b" tienen pesos diferentes en función de que se está analizando la cosecha. En condiciones normales cerca de, la vegetación es más sensible a la humedad durante la formación del pabellón y a la temperatura durante la floración.
Aplicaciones de percepción remota de sequía para la agricultura
La sequía es un fenómeno regional y, como tal, como sensores (MODIS, Landsat, NOAA AVHRR, etc.) de baja resolución espacial se han utilizado para la vigilancia de la sequía. Para determinar la cantidad o lo que se han visto afectados los cultivos entonces hay necesidad de utilizar imágenes de mayor resolución para extraer información actualizada del uso de tierras (a pequeña escala). Esta información se utiliza junto con el mapa de riesgo de sequía. Otros estados en el que los factores sociales y físicos clave definen la sequía agrícola son identificados y los correspondientes mapas temáticos se preparan. El riesgo se calcula mediante la integración de la amenaza y la vulnerabilidad. Es importante señalar que imágenes de alta resolución son costosas de obtener.
Fuentes
Jordan, C.F. 1969. Derivation of leaf Area Index from Quality of Light on the Forest Floor. Ecology, 50: 663-666.
Kogan F.N. 1990. Remote Sensing of Weather Impacts on Vegetation in Homogeneous Areas. Int. J. Remote sensing, 11:1405-1419
Kogan F.N. 1995. Application of Vegetation Index and Brightness Temperature for Drought Detection. Adv. Space Research, 11:91-100.
Kogan F.N. 1997. Global Drought Watch Space. Bull Am.soc.met., 78:621-636.
LONG X., ZHEN L. ,CHENG S. et al. 2011 Quantitative Assessment and Spatial Characteristics of Agricultural Drought Risk in the Jinghe Watershed, Northwestern China[J]. Journal of Resources and Ecology, 2(4): 338-344.
Rouse, J., Hass, R., Schell, J. 1973. Deering, D. Monitoring Vegetation Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA, SP-351 I, 309-317.
Wang, L. and Qu, J.J. 2007. NMDI: A Normalized Multi Band Drought Index for Monitoring Soil and Vegetation Moisture with Satellite Remote Sensing. Geophys. Res. Left., 34, L20405
