Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 1. С. 133-143

Влияние условий наблюдения на точность расчёта вегетационного индекса растительности NDVI по данным дистанционного зондирования Земли

А.И. Алексанин 1, 2 , А.Н. Тимофеев 2 
1 Институт автоматики и процессов управления ДВО РАН, Владивосток, Россия
2 Дальневосточный федеральный университет, Владивосток, Россия
Одобрена к печати: 29.12.2022
DOI: 10.21046/2070-7401-2023-20-1-133-143
Рассматриваются вопросы точности расчёта нормализованного вегетационного индекса NDVI (англ. Normalized Difference Vegetation Index) по спутниковым данным. Сравниваются значения индекса, рассчитанного алгоритмом пакета программ SeaDAS по данным радиометра MODIS/Aqua (англ. Moderate Resolution Imaging Spectroradiometer), со значениями, полученными на полигоне Ла-Кро (Франция, фр. La Crau) за семь лет. Полигон находится вблизи побережья Средиземного моря и представляет собой плоское поле, на котором растёт трава. Измерения проводятся автоматической фотометрической станцией. Расчёты показывают близость спутниковых и полигонных измерений: систематическое рассогласование — 0,005; стандартное отклонение — 0,03. Используемый алгоритм не учитывает влияние аэрозоля на величину NDVI. Тем не менее погрешности, обусловленные отсутствием учёта аэрозоля, лежат в пределах общей погрешности расчётов. Наблюдается незначительная зависимость погрешности от зенитного угла солнца, который изменялся в диапазоне от 20 до 70. Двухлучевая функция отражательной способности поверхности на полигоне однородна, за исключением направлений, близких к солнечному зайчику. Измерения были далеки от зоны солнечного зайчика. Тем не менее точность расчёта зависит от разницы азимутального угла съёмки полигона с азимутом на солнце. Значительными оказались рассогласования NDVI, обусловленные различиями центральных волновых чисел разных спутников. Сравнение проводилось для следующих радиометров: MODIS/Aqua, Landsat-8/OLI-1 (англ. Operational Land Imager), Landsat-9/OLI-2, «Канопус-В»/МСС.
Ключевые слова: вегетационный индекс NDVI, погрешности расчётов, атмосферная коррекция изображений, MODIS/Aqua
Полный текст

Список литературы:

  1. Васильев А. И., Стремов А. С., Коваленко В. П., Михеев А. А. Методика сопоставления базовых продуктов МСС КА «Канопус-В» и Landsat ETM+ // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 4. С. 36–48. DOI: 10.21046/2070-7401-2018-15-4-36-48.
  2. Селин В. А., Марков А. Н., Васильев А. И., Коршунов А. П. Геоинформационный сервис «Банк базовых продуктов» // Ракетно-косм. приборостроение и информац. системы. 2019. Т. 6. Вып. 1. С. 40–48. DOI: 10.30894/issn2409-0239.2019.6.1.40.48.
  3. Хайлов М. Н., Заичко В. А. Научно-технические проблемы сбора, хранения, обработки, распространения и применения космической геопространственной информации в интересах российских потребителей // Дистанционное зондирование Земли из космоса в России. 2020. № 1. C. 6–15. http://2020.raystudio.ru/media/pdf/dzz/dzz-2020-01_n.pdf (дата обращения 19.08.2022).
  4. Albarakat R., Lakshmi V. Comparison of normalized difference vegetation index derived from Landsat, MODIS, and AVHRR for the Mesopotamian Marshes between 2002 and 2018 // Remote Sensing. 2019. V. 11. Art. No. 1245. 16 p. DOI: 10.3390/rs11101245.
  5. Chander G., Markham B. L., Helder D. L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors // Remote Sensing of Environment. 2009. V. 113. P. 893–903. https://doi.org/10.1016/j.rse.2009.01.007.
  6. Czapla-Myers J., McCorkel J., Anderson N., Thome K., Biggar S., Helder D., Aaron D., Leigh L., Mishra N. The ground-based absolute radiometric calibration of Landsat 8 OLI // Remote Sensing. 2015. V. 7. P. 600–626. https://doi.org/10.3390/rs70100600.
  7. Gumley L., Descloitres J., Schmaltz J. Creating reprojected true color MODIS images: A tutorial. Version 1.0.1. 2007. 19 p. https://ftp.ssec.wisc.edu/pub/willemm/Creating_Reprojected_True_Color_MODIS_Images_A_Tutorial_process.pdf (accessed 31.07.2022).
  8. Holben B. N. Characteristics of maximum-value composite images from temporal AVHRR data // Intern. J. Remote Sensing. 1986. V. 7. No. 2. P. 1417–1434. DOI: 10.1080/01431168608948945.
  9. Huang Sh., Tang L., Hupy J. P., Wang Ya., Shao G. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing // J. Forestry Research. 2021. V. 32. No. 1. P. 1–6. https://doi.org/10.1007/s11676-020-01155-1.
  10. Huete A., Justice Ch., van Leeuwen W. MODIS vegetation index (mod 13). Algorithm theoretical basis document. Version 3 / University of Arizona; University of Virginia. 1999. 129 p. https://modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf.
  11. Jordan C. F. Derivation of leaf-area index from quality of radiation on the forest floor // Ecology. 1969. V. 50. No. 4. P. 663–666. https://doi.org/10.2307/1936256.
  12. Lee K., Kim K., Lee S.-G, Kim Yo. Determination of the normalized difference vegetation index (NDVI) with top-of-canopy (TOC) reflectance from a KOMPSAT-3A image using orfeo toolBox (OTB) extension // ISPRS Intern. J. Geo-Information. 2020. V. 9. ID 257. 16 p. https://doi.org/10.3390/ijgi9040257.
  13. Meygret A., Santer R., Berthelot B. ROSAS a Robotic station for atmosphere and surface characterization dedicated to on-orbit calibration // Proc. SPIE. 2011. V. 8153. ID. 815311. DOI: 10.1117/12.892759.
  14. RadCalNet guidance site characterisation. CEOS reference: QA4EO-WGCV-RadCalNet-G2_v1. Version: 1.0. 2018. https://www.radcalnet.org/documentation/RadCalNetGenDoc/G2-RadCalNetGuidance-SiteCharacterisation_V1.pdf.
  15. Rouse J. W., Haas R. Y., Schell J. A., Deering D. W. Monitoring vegetation systems in the great plains with ERTS // 3rd ERTS Symp. NASA, Goddard Space Flight Center, 1973. V. 1. Sect. A. Paper-A20. P. 309–317. https://ntrs.nasa.gov/citations/19740022614 (accessed 31.07.2022).
  16. Uudus B., Park K.-A., Kim K.-R., Kim J., Ryu J.-H. Diurnal variation of NDVI from an unprecedented high-resolution geostationary ocean colour satellite // Remote Sensing Letters. 2013. V. 4. No. 7. P. 639–647. DOI: 10.1080/2150704X.2013.781285.
  17. Wang Sh., Yang M., Li J., Shen Q., Zhang F. MODIS surface reflectance product (MOD09) validation for typical inland waters in China // Ocean Remote Sensing and Monitoring from Space // Proc. SPIE. 2014. V. 9261. ID 92610F. DOI: 10.1117/12.2068628.
  18. Xie Y., Zhao X., Li L., Wang H. Calculating NDVI for Landsat7-ETM data after atmospheric correction using 6S model: A case study in Zhangye city, China // 18th Intern. Conf. Geoinformatics. 2010. P. 1–4. DOI: 10.1109/GEOINFORMATICS.2010.5567553.