No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Índices espectrales

11/18
Recursos
En la primera clase del curso podrás encontrar la presentación descargable donde podrás ver las referencias de las imágenes utilizadas en esta clase. Las mejores de ellas las hemos dejado en los Recursos para que puedas aprender más sobre datos geoespaciales.

Aportes 28

Preguntas 2

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

El índice NDWI (Índice Diferencial de Agua Normalizado) se usa para identificar zonas con alta cantidad de agua, con este índice se puede determinar la saturación de humedad del suelo, delimitar cuerpos de agua o analizar el estrés hídrico en la vegetación.

Para mayor info te dejo este enlace c:

Imagen del artículo de Giuliani et al. (2020).

Me interesó el Green Coverage Index (GCI) que indica el nivel de clorofila en la vegetación, puede advertir acerca de la salud de las plantas.

Imágenes raster

Están formadas por una matriz de celdas donde cada celda tiene un valor que es único.
Las celdas con una coloración más oscura tienen un valor de píxel más bajo y viceversa.
Podemos concluir que la paleta de colores va de oscuro (negro) a claro (blanco).
.

Índices espectrales

Ecuación matemática que se aplica en las bandas espectrales de la imagen, píxel a píxel.
Existen varias ecuaciones: suma, resta, desviación estándar, etc.
Si consideramos tres rasteres con las mismas dimensiones (mismo número de filas y de columnas) y que puedan superponerse uno encima del otro.

  • Sum (suma): se suman los valores de cada raster, en caso que falte alguno no se completa esa celda en el raster de salida de la suma.
  • Count (cuenta): cuántas celdas tienen valor.
  • Mean (media): sumar los tres rasteres y dividirlos entre tres. Cuando no tengamos algún dato tampoco tendremos datos en la media.
  • Median (mediana).
  • Stdev (desviación estándar).
  • Variance (varianza).
  • Minimum (mínimo).
  • Maximum (máximo).
  • Minority (minoritario).
  • Majority (mayoritario).
  • Range (rango): diferencia entre el valor más alto y el valor más bajo.
  • Variety (variedad).

.

Ejemplo: NDVI

Normalized Difference Vegetation Index
Utilización: conocer el vigor del cultivo.
.
NDVI = ( NIR - Red ) / ( NIR + Red )
.
Donde:

  • NIR: Near InfraRed
  • Red: la banda del rojo

.
NDVI Legend:

  • HIGH: 0.6 (Verde)
  • LOW: 0.3 (Rojo)

.
Este índice es normalizado, lo que significa que sus valores van a ir entre -1 y 1.
En este caso la leyenda nos indica que el máximo es 0.6, en lugar de 1, y el mínimo es 0.3 en lugar de -1.
La paleta de colores, en este caso, va de rojo a verde. Siendo rojo en la zona menos vigorosa del cultivo y verde la zona más vigorosa.
.
Existen infinidad de ejemplos de índices espectrales, con múltiples propósitos.
.
Índice de minerales ferrosos:
Ferrous Minerals Ratio = SWIR / NIR
.
Índice normalizado de área quemada:

NBR = ( NIR - SWIR ) / ( NIR + SWIR )

Me interesa el Índice de Vegetación Avanzada (AVI) que utiliza las bandas espectrales roja y cercana al infrarrojo. Al igual que el NDVI, el AVI se utiliza en estudios de vegetación para monitorear las variaciones de cultivos y bosques a lo largo del tiempo. Fuente

Otro ejemplo de índice, es el Índice de Anomalía Térmica (TAI). Se utiliza para detectar y monitorear anomalías térmicas en la superficie terrestre, lo que puede ser útil para identificar cambios en la vegetación y la actividad biológica. Se calcula utilizando la temperatura de la superficie terrestre medida en el espectro de ondas largas del espectro electromagnético.

La radioastronomía es la rama de la astronomía que estudia los objetos celestes y los fenómenos astrofísicos midiendo su emisión de radiación electromagnética

Fuente

  • Emisividad térmica es la relación entre la emisión de calor radiante de un objeto o superficie específica y la de un cuerpo negro estándar. La emisividad es una cantidad adimensional dada en el rango de 0 a 1

👾

Normalized Difference Snow Index (NDSI):

El Índice Diferencial Normalizado de Nieve (NDSI) es un indicador numérico que muestra la cobertura de nieve en áreas terrestres. Las bandas espectrales de infrarrojos verdes y de onda corta (SWIR) se utilizan dentro de esta fórmula para trazar el mapa de la cubierta de nieve. Dado que la nieve absorbe la mayor parte de la radiación incidente en el SWIR mientras que las nubes no lo hacen, esto permite a NDSI distinguir la nieve de las nubes. Esta fórmula se utiliza comúnmente en la aplicación de mapas de cobertura de nieve y hielo, así como en el monitoreo de glaciares (Bluemarblegeo, 2019).
.
Fórmula del NDSI = (Green-SWIR) / (Green+SWIR)
En caso para Landsat 8 es:
NDSI = (B3 – B6) / (B3 + B6)
.

Normalized Difference Glacier Index (NDGI):

El Índice Glaciar Diferencial Normalizado (NDGI) se utiliza para ayudar a detectar y monitorear glaciares utilizando las bandas espectrales verde y roja. Esta ecuación se utiliza comúnmente en la detección de glaciares y en aplicaciones de monitoreo de glaciares (Bluemarblegeo, 2019).
.
Fórmula del NDGI = (NIR-Green)/(NIR+Green)
En caso para Landsat 8 es:
NDGI = (B3 – B4) / (B3 + B4)
.

Bare Soil Index (BSI):

El Índice de Suelo Desnudo (BSI) es un indicador numérico que combina bandas espectrales azules, rojas, infrarrojas cercanas e infrarrojas de onda corta para capturar las variaciones del suelo. Estas bandas espectrales se utilizan de manera normalizada. Las bandas de infrarrojos de onda corta y las bandas espectrales rojas se utilizan para cuantificar la composición mineral del suelo, mientras que las bandas azules y las bandas espectrales de infrarrojos cercanos se utilizan para mejorar la presencia de vegetación (GU, 2019).
.
Fórmula del BSI = ((Red+SWIR) – (NIR+Blue)) / ((Red+SWIR) + (NIR+Blue))
En caso para Landsat 8 es:
BSI = (B6 + B4) – (B5 + B2) / (B6 + B4) + (B5 + B2)
.

Normalized Difference Moisture Index (NDMI):

El Índice de Diferencia Normalizada de Humedad (NDMI) se utiliza para determinar el contenido de agua de la vegetación. Se calcula como una relación entre los valores NIR y SWIR de forma tradicional (USGS, 2019).
.
Fórmula del NDMI = (NIR – SWIR) / (NIR + SWIR)
En caso para Landsat 8 es:
NDMI = (B5 – B6) / (B5 + B6)
.
Para más indices les dejo aqui la fuente de información:
https://acolita.com/lista-de-indices-espectrales-en-sentinel-2-y-landsat/

**MNDWI (Modified Normalized Difference Water Index):** Mejora la detección de cuerpos de agua pequeños.
He calculado el índice NDWI para una región de Barcelona donde hay dos pantanos, Sau y Susqueda, actualmente en emergencia por sequía... Las imágenes son de 2015 cuando tenían buen nivel de agua ![](https://static.platzi.com/media/user_upload/image-64192598-dd0d-4922-a76b-3e272b0627a9.jpg)
Me interesa el índice de área foliar (LAI) para evaluar la productividad asociada a las enfermedades de la palma africana

Los índices espectrales son herramientas valiosas en el análisis de imágenes satelitales y datos espectrales para obtener información específica sobre la superficie terrestre. Estos índices se crean combinando diferentes bandas espectrales para resaltar características particulares del entorno.

Un ejemplo claro es

Índice de Estrés de Calor (HSI):

Fórmula: 
HSI = 
Red
SWIR
​
 
Explicación
Mide el estrés térmico en la vegetación. Valores altos indican áreas afectadas por el calor o el estrés hídrico.
Aplicación: Monitoreo de cultivos bajo condiciones de estrés térmico, evaluación de la salud vegetal.

Los índices espectrales son herramientas valiosas en el análisis de imágenes satelitales y datos espectrales para obtener información específica sobre la superficie terrestre. Estos índices se crean combinando diferentes bandas espectrales para resaltar características particulares del entorno.

Un ejemplo Claro es

Índice de Agua Normalizada (NDWI):

Fórmula: 
NDWI = 
(Green+NIR)
(Green−NIR)
​
 
Explicación: Indica la presencia de agua. Altos valores sugieren presencia de agua, mientras que bajos valores indican superficies terrestres.
Aplicación: Detección de cuerpos de agua, evaluación de cambios en la humedad del suelo.

ARVI (Índice de Vegetación Resistente a la Atmósfera): Su uso suele enfocarse sobre regiones con alto contenido de aerosol atmosférico (por ejemplo, lluvia, niebla, polvo, humo, contaminación del aire).

Mapa de ruido del valle de aburra, Medellín, Antioquia, Colombia

Encontré esta tesis donde usan los índices espectrales para calcular el albeldo, que es la cantidad de energía solar que rebota en el suelo.

“Para este proyecto, las bandas espectrales con las que se
trabaja pertenecen al sensor OLI, por lo que únicamente se hará hincapié en este. En concreto
las bandas utilizadas son la 2, 3, 4, 5, 6 y 7, y adicionalmente la 1 para métodos con BRDF.
Todas estas bandas pueden adquirirse en 12 bits de resolución radiométrica, 30m de
resolución espacial y 16 días de resolución temporal.”

Índice de Vegetación Mejorado (EVI)
EVI= (NIR-R)/(NIR+C1R-C2B+L)
Dónde: NIR= banda 5, R= banda 4, B= banda 2, L= 1, C1=6, C2=7.5
Este índice incorpora un valor ¨L¨ para realizar un ajuste en relación al canopeo, un valor ¨C¨ cómo
coeficiente de resistencia de la atmosfera, y un valor correspondiente a la banda azul (B). Teniendo en
cuenta estos coeficientes se realiza una corrección del índice normal reduciendo los ruidos producto de
la interferencia de la atmósfera, el canopeo y la saturación

el Green Coverage Index es un índice que se utiliza para medir los niveles de clorofila en las plantas y con eso su salud

Green Normalized Difference Vegetation Index (GNDVI)

Para el estudio de la cobertura vegetal dentro de una ciudad donde hay parques y plazas usados por la gente , creo que los índices que se pueden adaptar mejor son el SAVI y el BSI.