El tradicional índice de vegetación NDVI es el índice de vegetación más viral de internet, pero no es el único capaz de discriminar la presencia de masas vegetales. Existen otros índices adicionales que puedes emplear a la hora de evaluar la presencia de vegetación y, además, determinar el estado de salud de la estructura vegetal o momento fenológico. Conocer cómo se comporta la vegetación en cada una de las bandas de operación de tu satélite es la clave para saber con qué bandas trabajar y qué índices poder trabajar.
Ejemplo del Índice NDVI de la vegetaciónAunque el Índice Diferencial Normalizado de Vegetación, o NDVI, es el indicador estrella para analizar la presencia de masas de vegetación, puedes trabajar índices adicionales que permiten trabajar la presencia de vegetación, incluso con imágenes a color natural cuando cuentes con imágenes convencionales a color natural. El mítico NDVI presenta el inconveniente de ofrecer datos enmascarados por la reflectividad del suelo. Ayuda a discriminar zonas desnudas y presencia de agua haciendo del índice un parámetro cualitativo interesante, pero interfiere en la identificación de presencia de vegetación cuando el suelo se encuentra parcialmente cubierto. Índices, como el SAVI, pueden ayudar a obtener mejores resultados frente al tradicional NDVI.
Aquí tienes algunos índices de vegetación adicionales que puedes emplear a la hora de analizar las masas vegetales y los estados naturales de los ecosistemas. Cada uno de ellos plantea una mejora al convencional NDVI en función de las condiciones en las que se encuentre nuestra vegetación para obtener una mayor sensibilidad en los análisis.
Índice SAVI (Soil Adjusted Vegetation Index)
SAVI = ((NIR – RED) / (NIR + RED + L)) * (1+L)
El parámetro L dependerá de la densidad vegetal y permitirá corregir el problema de influencia del suelo ofrecido por el índice NDVI. Por defecto el valor empleado es 0,5 para vegetaciones intermedias. Valores próximos a 0 mostrarán índices equivalentes al NDVI para vegetación de gran densidad. Valores próximos a 1 ayudarán amortiguar la influencia del suelo en condiciones de vegetación en desarrollo o con baja densidad.
Ejemplo del Índice SAVI de la vegetaciónÍndice EVI (Enhanced Vegetation Index)
EVI = 2,5 * ((NIR – RED) / ((NIR) + (C1 * RED) – (C2 * BLUE) + L))
EVI es un índice más propio de bandas MODIS que trabaja las bandas rojo y azul del visible para corregir el efecto de la atmósfera junto al factor L para corregir la influencia del suelo. Además del factor L emplea dos parámetros adicionales constantes C (C1=6, C2=7.5,)
Índice NBR (Normalized Burn Ratio)
NBR = (NIR – SWIR) / (NIR + SWIR)
La vegetación ofrece comportamientos opuestos entre el SWIR y el NIR cuando se trata de vegetación sana o vegetación afectada por un incendio. El índice de calcinación NBR puede ayudarte a identificar zonas vegetales afectadas por incendios y, en base a su valor, determinar el nivel de afección vegetal por la severidad del incendio. Es un indicador a considerar cuando la zona de estudio ha sufrido un incendio y se encuentra en fase de regeneración. Cuanto mayor diferencia entre valores SWIR y NIR existan, mayor severidad de incendio y mayor daño en la estructura vegetal presentará tu zona de trabajo.
Índice GLI (Green Leaf Index)
GLI = (GREEN – RED) + (GREEN – BLUE) / (2*GREEN) + RED + BLUE
El índice GLI es un estupendo índice cuando no dispongas de las bandas de trabajo originales y cuentes con imágenes RGB básicas a color natural, ya sea proveniente de vuelos aéreos o imágenes de drones. A través de las bandas del rojo, verde y azul de la imagen podrás discriminar zonas vegetales, aunque deberás de ser cuidadoso si existen zonas de sombra ya que el índice es especialmente sensible al color y te mostrará zonas de oscuridad como zonas de vegetación. Valores positivos harán alusión a estructuras vegetales mientras valores negativos identificarán el resto de elementos territoriales.
Índice GLI de la vegetaciónÍndice GCL (Green Chlorophyll Index)
GCL = (NIR) / (GREEN) – 1
El índice GCL se centra en la cantidad de clorofila en la vegetación, por lo que resulta interesante para analizar las masas vegetales desde un punto de vista fenológico. La presencia de clorofila en la estructura vegetal varía con las estaciones del año o el estrés al que esté sometida.
Índice RGR (Red Green Ratio):
RGR = (RED) / (GREEN)
Resulta útil para los casos de masas vegetales que generan enrojecimiento de la estructura vegetal como mecanismo de defensa ante el exceso de luz ultravioleta o por degradación de clorofila durante periodos fenológicos como el otoño.
Índice SIPI (Structure Insensitive Pigment Index)
SIPI = (800nm – 445nm) / (800nm – 680nm)
El dosel vegetal no se distribuye de manera regular. El índice SIPI te ayudará a obtener un índice NDWI adaptado a las variaciones de la estructura del dosel vegetal, pudiendo trabajar con la banda NIR y longitudes de onda próximas al azul y el rojo. Bajo este índice deberás prestar cierta atención a las bandas ya que algunos sensores operan bajo longitudes de onda cercanas al azul y al rojo debiendo recurrir a bandas inferiores o superiores o directamente las bandas del visible como alternativa.
Índice SIPI de la vegetaciónAnálisis multitemporales de vegetación
En ocasiones, la presencia de vegetación, no es lo más importante. Contar con un índice que te ayude a identificar aspectos temporales (momento temporal de presencia vegetal) frente a aspectos cualitativos (agua, suelo desnudo y vegetación). Para ello puedes generar un indicador basado en una composición RGB de tres imágenes temporales vinculadas a un índice vegetal específico. Por ejemplo, tres índices temporales de NDVI. La composición cromática te permitirá identificar en qué momento estaba presente o ausente la vegetación. Puedes emplear esta guía y toolbox para generar este análisis multitemporal basado en cualquier índice de vegetación.
Análisis multitemporal de la vegetaciónY si además de analizar la vegetación quieres analizar otros elementos territoriales, tienes otros índices y estrategias de identificar recursos naturales por el territorio. Pásate por este curso de teledetección y aprende a manejar las bandas de trabajo, componer filtros analíticos y analizar índices multiespectrales.
Deja una respuesta