Lekcja VIII. Indeksy wegetacyjne.

Indeksy wegetacyjne Lekcja VIII. Indeksy wegetacyjne. Cel: Wprowadzenie użytkownika w zagadnienie indeksów wegetacyjnych oraz wykorzystanie plików formuł w celu ich tworzenia. Umiejętności które zdobędziesz: W trakcie lekcji zapoznasz się z szeregiem, dwu oraz trój pasmowych wskaźników wegetacyjnych. Dowiesz się jak generować indeksy przy zastosowaniu plików formuł. Zobaczysz również jak pisać takie formuły. Wstęp W celu realizowania lekcji VIII dobrze jest wcześniej zapoznać się z lekcją III. Lekcja VIII zapozna Cię z szeregiem wskaźników wegetacyjnych. Są one pewnego rodzaju ilościową miarą, która jest skorelowana z ilością biomasy bądź kondycją roślinności. Z reguły są one sformułowane jako kombinacja dwu lub trzech kanałów spektralnych (z czerwonym oraz bliską podczerwienią jako najczęściej występującymi), których wartości są dodawane, dzielone lub przemnażane w celu otrzymania jednej wartości (indeksu), która mówi o ilości oraz kondycji roślinności. Wiele naturalnych powierzchni ma niemalże identyczną jasność w czerwieni oraz w bliskiej podczerwieni. Nie dotyczy to jednak zielonej roślinności. Pasmo czerwone jest bardzo silnie absorbowane przez pigmenty fotosyntetyzujące (takie jak chlorofil a) znajdujące się w roślinach zielonych, podczas gdy pasmo bliskiej podczerwieni przechodzi lub jest odbijane przez tkanki np. liści, zależnie od jego koloru. Oznacza to że goła ziemia lub posiadająca ubogą pokrywę roślinną wykazuje podobną jasność w zakresie czerwieni oraz bliskiej podczerwieni. Tereny z bogatą pokrywą roślinna będą bardzo jasne w bliskiej podczerwieni i relatywnie ciemne w paśmie czerwonym. Zatem najprostszą formą indeksu wegetacyjnego jest stosunek pomiędzy odbiciem fal w paśmie bliskiej podczerwieni i w paśmie czerwieni (zobacz Ratio Vegetation Index poniżej). Dla gęstej i zdrowej roślinności, ten stosunek będzie wysoki w związku z odwróconą relacją pomiędzy jasnościami w pasmach czerwonym i podczerwonym spektrum widma. W Lekcji VIII będziemy się posługiwać zdjęciem wykonanym za pomocą sensora MERIS (Medium Resolution Imaging Spectrometer), umieszczonego na satelicie europejskiej agencji kosmicznej ENVISAT (ENVIronmental SATellite). Mierzy on odbicie światła słonecznego, jego zakres pomiarowy znajduje się pomiędzy 390nm a 1040nm. Obraz otrzymywany za pomocą ENVIST/MERIS składa się z 15 kanałów spektralnych, z których każdy ma programowalną szerokość w zakresie widma. Satelita skanuje powierzchnię ziemi tak zwaną metodą push-broom. Liniowy szeroki wachlarz promieni CCD dokonuje przestrzennego próbkowania (samplingu) prostopadle do kierunku ruchu satelity, podczas gdy ruch satelity powoduje skanowanie w kierunku równoległym. MERIS jest zaprojektowany tak, że to może dostarczać dane wtedy kiedy warunki światła są odpowiednie, a więc w czasie operowania słońca. Sensor posiada kąt widzenia 68.5 wokół punktu nadirowego przez co może generować obraz o szerokości 1150 km. Dwu-pasmowe indeksy wegetacyjne Każdy indeks wegetacyjny jest liczbą generowaną na podstawie pewnej kombinacji kanałów 1z9

Lekcja 8 spektralnych i posiada pewną zależność pomiędzy ilością roślinności, a wartością piksela obrazu. W tej lekcji zostanie przedstawionych kilka indeksów, których formuły znajdują się w odpowiednich plikach w folderze z lekcją. W tej części lekcji zostaną przedstawione następujące indeksy: 1. Ratio Vegetation Index RVI 2. Normalized Difference Vegetation Index NDVI 3. Infrared Percentage Vegetation Index IPVI 4. Difference Vegetation Index DVI 5. Soil Adjusted Vegetation Index SAVI 6. Global Environmental Monitoring Index GEMI Ratio Vegetation Index (RVI): Ten powszechnie znany i używany indeks wegetacyjny po raz pierwszy został opisany w 1969r przez Jordana. Jest on również znany jako Simple Ratio (SR) indeks. Powszechne w praktyce teledetekcyjnej jest używanie ilorazów pasm w celu wyeliminowania efektów albedo. Wielu ludzi używa ilorazu pasm bliskiej podczerwieni do czerwieni, w celu wyeksponowania komponentów roślinnych na obrazie, to jest właśnie indeks RVI. Mianownik rośnie (odbicie czerwieni) natomiast licznik maleje (odbicie w bliskiej podczerwieni) wraz ze wzrostem ilości roślinności. Typowe wartości dla tego wskaźnika to od ponad 1 dla gołej ziemi, do ponad 20 dla bardzo gęstej pokrywy roślinnej. RVI = NIR Red Normalized Difference Vegetation Index (NDVI): Jest to prawdopodobnie najczęściej używany spośród indeksów wegetacyjnych. W przypadku tego indeksu różnica odbicia w bliskiej podczerwieni i czerwieni jest dzielona przez ich sumę. Takie podejście kompensuje różnice ilości promieniowania w obydwu pasmach. Indeks ten posiada tę zaletę, że przyjmuje wartości pomiędzy - 1, a +1, podczas gdy RVI może przyjmować wartości od 0 do nieskończoności. Chociaż teoretycznie zakres wartości jakie może przyjmować indeks NDVI to (-1;+1), w rzeczywistości jednak typowy zakres wartości jakie przyjmuje indeks to od 0,1 dla gołej ziemi do około 0,9 dla gęstej roślinności. Uważa się że NDVI jest bardziej czuły na niewielkie ilości roślinności, podczas gdy RVI jest bardziej czuły na zmiany gęstej pokrywy roślinnej. NDVI = NIR Red NIR Red Infrared Percentage Vegetation Index (IPVI): Crippen (1990) uznał, że odejmowanie pasma czerwieni w liczniku indeksu NDVI nie jest konieczne i zaproponował ten indeks w celu przyspieszenia obliczeń. Indeks IPVI przyjmuje wartości z zakresu (0;1) co eliminuje ewentualne ujemne wartości i konieczność zapisu znaku (jak w przypadku NDVI) oraz potencjalne trudności w rozumieniu istoty ujemnych wartości indeksu wegetacyjnego. Indeksy IPVI i NDVI są praktycznie jednakowe ze względu na swoje zastosowanie. IPVI = NIR NIR Red Difference Vegetation Index (DVI): Zakres wartości jakie przyjmuje ten indeks jest teoretycznie bardzo szeroki jeśli jednak używa się zdjęć odbiciowości to wartości zawierają się najczęściej 2z9

pomiędzy 0 i 1. DVI = NIR Re d Indeksy wegetacyjne Soil Adjusted Vegetation Index (SAVI): Początek budowy tego indeksu (Heute, 1988) był oparty na pomiarach przy różnych typach traw oraz bawełny na jasnych oraz ciemnych glebach. Czynnik wyrównawczy L był dopasowywany tak, aby dawać identyczne wartości indeksu wegetacyjnego zarówno dla jasnych jak i dla ciemnych gleb. Indeks przyjmuje wartości w zakresie -1 do +1. SAVI = NIR Red NIR Red L 1 L gdzie L jest współczynnikiem korekcyjnym o wartościach od 0 dla bardzo bogatej pokrywy roślinnej do 1 dla bardzo małej pokrywy roślinnej. Najbardziej typową wartością współczynnika jest wartość 0,5 która jest odpowiednia dla średniej pokrywy roślinnej. Global Enviromental Monitoring Index (GEMI): Jest to indeks, wynaleziony przez Pinty i Verstraete (1992) w celu wyeliminowania konieczności szczegółowej korekcji atmosferycznej poprzez umieszczenie podstawowej korekcji atmosferycznej (n=eta) wewnątrz indeksu wegetacyjnego. Przyjmuje on wartości od 0 do 1. gdzie: Red 0,125 GEMI = 1 0,25 1 Red = 2 NIR2 Red 2 1,5 NIR 0,5 Red NIR Red 0,5 W folderze z lekcją znajduje się mała biblioteka formuł zawierających wyżej opisane indeksy. GEMI wymaga, aby zdjęcie wejściowe było zdjęciem z wartościami odbicia (wartości wyskalowane od 0 do 1). W takiej sytuacji wartości różnych indeksów są łatwiej porównywalne (większość zawiera się faktycznie w granicach od 0 do 1 z wyjątkiem indeksu RVI) jeśli wartości odbicia są danymi wejściowymi. Stąd w poniższej lekcji użyjesz zdjęć MERIS, dla kanału czerwonego (band#7, 665nm) i dla kanału bliskiej podczerwieni (band#13, 865nm), obszaru wschodniej Angli. Obrazy te mają zamaskowane obszary zajmowane przez morza przy użyciu zdjęcia w bliskiej podczerwieni w celu identyfikacji obszarów pokrytych wodą. Dane MERIS są dostarczane w formacie 16-bit unsigned integer (zapis pikseli 16 bitowy jako liczby całkowite nieujemne). Należy je przeskalować tak, aby piksele posiadały wartości od 0 do 1 przy użyciu dołączonych do zdjęcia scale offset (przesunięcie skalowe) i współczynników skalowania. Twoim pierwszym zadaniem będzie przeskalowanie zdjęcia na wartości od 0 do 1. Następnie będziesz mógł zastosować każdy z wyżej opisanych wskaźników wegetacyjnych oraz porównać je ze sobą. Otwórz czerwone i podczerwone pasma zdjęcia MERIS MERIS_665nm#07.dat i MERIS_865nm#13.dat, w obydwu przypadkach zaznacz opcję Null Value(s): = = 0. Połącz obydwa zdjęcia w zbiór, tak aby były one ułożone jedno na drugim (opcja Stacked). Metadane obydwu pasm są do nich dołączone. Aby je zobaczyć kliknij na szarej linii, znajdującej się pomiędzy zdjęciem a jego paskiem tytułowym. 3z9

Lekcja 8 Przytrzymując lewy przycisk myszy przeciągnij pasek w dół. W okienku które właśnie rozsunąłeś znajdują się następujące informacje: i. description - opis, ii. scaling factor - współczynnik skalowania, iii. scaling offset - przesunięcie skalowe, iv. unit - jednostka, v. spectral band index - numer kanału spektralnego, vi. vii. bandwith - szerokość pasma, wavelength - długość fali. W tym momencie najważniejszy dla nas są współczynnik skalowania i przesunięcie skalowe. Ich wartości zostały skopiowane do pliku formuły Konwersja_na_reflektancje.frm Otwórz plik formuły Konwersja_na_reflektancje.frm przeczytaj ją i przeanalizuj jak działa. Z wciśniętym przyciskiem <Ctrl> przeciągnij formułę na zbiór dwóch, wcześniej otwartych, zdjęć MERIS. Użycie pliku formuły spowoduje wygenerowanie dwóch zdjęć odbicia wyskalowanych od 0 do1. Zapisz te zdjęcia odpowiednio pod nazwami MERIS_665nmReflectance#07.dat i MERIS_865nmReflectance#13.dat Utwórz histogramy dla nowo wygenerowanych obrazów i zobacz że 99,9% pikseli w paśmie czerwieni posiada wartość odbicia <0,2, podczas gdy ponad 99% pikseli w paśmie bliskiej podczerwieni posiada wartość odbicia powyżej 0,2. Zamknij dwa oryginalne 16-bitowe zdjęcia MERIS, histogramy oraz plik formuły, a następnie połącz nowe przeskalowane obrazy w zbiór z jednym pustym obrazem (zaznacz opcję Stacked). Każdy z niżej opisanych indeksów wegetacyjnych wykorzystuje pasmo czerwieni (@1) oraz podczerwieni (@2). Indeks GEMI potrzebuje trzeciego pustego obrazu w celu wygenerowania obrazu eta będącego czynnikiem korekcji atmosferycznej. Teraz otwórz pliki formuł następujących indeksów i przeczytaj je. Przeanalizuj ich działanie i zastosuj je: 1. RVI.frm 2. NDVI.frm 3. IPVI.frm 4. DVI.frm 5. SAVI.frm 6. GEMI.frm Każdy plik formuły wygeneruje odpowiadający mu obraz indeksu wegetacyjnego, tak 4z9

Indeksy wegetacyjne więc najlepiej będzie zapisać je pod nazwami RVI.dat, NDVI.dat itd. Zamknij wszystkie otwarte pliki formuł. Kiedy już utworzysz i zapiszesz obrazy wszystkich wymienionych indeksów wegetacyjnych. Zauważ, że kiedy zaznaczysz przy wyświetlaniu obrazu opcję Null Value(s): = = 0 to podczas generowania histogramu program ignoruje wartości 0 i statystyki pokazują tylko wartości odnoszące się do interesującego nas indeksu, nie są natomiast brane pod uwagę obszary zamaskowane w tym wypadku obszary morza. Wszystkie indeksy wegetacyjne są w tej samej skali tzn. od 0 do 1. Z wyjątkiem Ratio Vegetation Index (RVI), więc ten indeks będziemy analizować osobno. Zaznacz cały obraz RVI.dat (<Ctrl+A>) i wygeneruj histogram. Zwróć uwagę, że histogram indeksu wykazuje dodatnią skośność rozkładu Gaussa. Prawie wszystkie wartości pikseli są pomiędzy 1 a 14 ( większość pomiędzy 2 i 8 a ich rozkład wykazuje dodatnią skośność w prawo tzn. posiada ogon w rosnącą stronę). Zamknij obraz indeksu RVI kiedy już to przeanalizujesz. Teraz połącz pozostałe pięć indeksów w zbiór (zaznacz opcję Stacked). Kiedy już to zrobisz utwórz histogram tego zbioru. Robi się to analogicznie jak w przypadku histogramu pojedynczego obrazu. Używaj przycisku <Tab> aby przełączać się pomiędzy histogramami obrazów w zbiorze. Zobacz, jak różni się rozkład wartości pikseli w poszczególnych indeksach. Średnie wartości zawierają się mniej więcej pomiędzy 0,3 i 0,8. Zamknij histogramy kiedy już skończysz. Indeksy wegetacyjne powinny być ze sobą mocno skorelowane ponieważ pokazują te sam obszar. Możesz sprawdzić czy tak rzeczywiście jest na przykładzie wygenerowanych przez siebie indeksów (NDVI.dat, IPVI.dat, DVI.dat, SAVI.dat, GEMI.dat) poprzez porównanie czterech z nich do piątego np. do szeroko stosowanego indeksu NDVI. Powróć do zbioru indeksów wegetacyjnych i użyj narzędzia Selctor do wybrania obrazu NDVI.dat. Następnie kliknij przycisk <1>, aby umieścić indeks NDVI na wierzchu. Następnie narysuj linię z zachodu na wschód w okolicach 600 linii od góry obrazu (52 o 36'53.61''), tak aby linia znajdowała się wyłącznie na lądzie. Teraz z menu w górnym pasku ekranu wybierz File, New w celu wygenerowania dokumentu przecięcia (transect document). Można zauważyć, że wskaźniki są generalnie mocno ze sobą skorelowane, ale w niektórych miejscach zachowują się trochę inaczej. Kiedy już skończysz analizować dokument zamknij go ale pozostaw linię na miejscu. Zależności pomiędzy indeksami mogą być dokładniej analizowane przez skopiowanie wartości pikseli przecięcia i wklejenie ich np. do arkusza kalkulacyjnego (Excel bądź Calc). Zostało to zrobione dla przecięcia zlokalizowanego trochę bardziej na południe dla wartości indeksów IPVI, GEMI, SAVI i DVI na osi Y w porównaniu do wartości NDVI na osi X dla każdego piksela z przecięcia z linią. 5z9

Lekcja 8 Otwórz skoroszyt Indeksy_wegetacyjne.xls i przeanalizuj wykres Porównanie indeksów wegetacyjnych. Widzimy że pomiędzy indeksami IPVI i NDVI istnieje liniowa zależność podczas gdy inne indeksy wykazują znaczny rozrzut szczególnie przy wyższych wartościach. Dane pikseli przecięcia na podstawie których został wygenerowany wykres można zobaczyć w arkuszu VI transect. W celu wygenerowania takiego wykresu w arkuszu kalkulacyjnym należy skopiować piksele przecięcia ze zbioru obrazów i wkleić je do arkusza kalkulacyjnego w komórkę A1 np. w Arkuszu 2 który jest pusty. Kiedy to zrobisz, wartości wszystkich pięciu indeksów wegetacyjnych zostaną wklejone jako kolumny. Kolumny otrzymają nazwy odpowiadające nazwom zdjęć. [Dopóki NDVI jest na pierwszym miejscu w zbiorze kolumna zawierająca wartości tego indeksu powinna zostać wklejona jako pierwsza].!!! UWAGA. Zauważ że standardowe ustawienie separatora dziesiętnego w opcjach regionalnych to ',' natomiast BILKO używa jako separatora dziesiętnego kropki. Aby wykonać wykres należy zamienić wszystkie kropki w arkuszu na przecinki. Zaznacz wszystkie 5 kolumn, kliknij na ikonę wykresu i wybierz jako typ wykresu, wykres punktowy XY. Ustaw indeks NDVI jako wartości osi X a wartości innych indeksów wegetacyjnych jako wartości osi Y. Utwórz wykres jako nowy arkusz. Zrobione!! Ta sekcja pokazuje, że indeksy wegetacyjne nie są tak proste jak niektórzy uważają i pokazuje jak biblioteki formuł mogą być konstruowane i używane do odpowiednio przygotowanych zdjęć oraz ich zbiorów. Trój-pasmowe indeksy wegetacyjne. Na koniec lekcji przyjrzysz się dwóm, bardziej wyrafinowanym, indeksom wegetacyjnym, które są generowane na podstawie 3 kanałów spektralnych.. Pierwszy, Angular Vegetation Index (AVI) używa oprócz czerwieni i bliskiej podczerwieni także zieleń. Podczas gdy drugi, Enhanced Vegetation Index (EVI), używa pasma niebieskiego. Angular Vegetation Index Na początku zajmiemy się bardziej złożonym indeksem AVI. Wymaga on zastosowania funkcji arcus tangens oraz użycia pasm zieleni, czerwieni oraz bliskiej podczerwieni. W przypadku zdjęć MERIS, do indeksu AVI jako pasma zieleni używa się pasmo o długości fali 560 nm w celu znormalizowania wpływu gleby oraz atmosfery i jednoczesnemu wsparciu wrażliwości na parametry pokrywy roślinnej. Koncepcja indeksu opiera się na pojęciu kąta zdefiniowanego pomiędzy wartościami odbicia w pasmach 560 nm, 665 nm i 865 nm, który to dobrze określa absorpcję wykazywaną przez chlorofil. Indeks jest sformułowany w taki sposób, że zaburzenia wprowadzane do jego wartości z powodu gleby oraz aerozoli, nie wpływają znacząco na wartość indeksu (Plummer et al. 1994). Jego wzór to: AVI =tan 1 L 3 L 2 L 2 x 1 NIR Red tan 1 L L 2 1 1 x L 2 Green Red gdzie: L1, L2, L3 są średnimi długościami fali dla zieleni, czerwieni i bliskiej podczerwieni, a tan -1 6z9

Indeksy wegetacyjne jest funkcją arcus tangens. Otwórz trzy obrazy MERIS_560nmReflectance#05.dat, MERIS_665nmReflectance#07.dat i MERIS_865nmReflectance#13.dat, w każdym przypadku w okienku dialogowym zaznacz opcję Null Value(s): ==0. Połącz je ze sobą w zbiór z dwoma pustymi obrazami (zaznacz opcję Stacked). Otwórz plik formuły AVI.frm przeczytaj ją wraz z komentarzami i przeanalizuj jak działa. Zastosuj ją, do zbioru który przed chwilą stworzyłeś oraz przeanalizuj histogram obrazu wynikowego. Jak widać 99,97% wartości zawiera się pomiędzy 0 a 1. Później będziesz mógł porównać wyniki otrzymane przy użyciu indeksu AVI z wynikami otrzymanymi przy użyciu indeksu EVI przy zastosowaniu narzędzia linii na obydwu obrazach. Zapisz obraz wynikowy jako AVI.dat. Następnie z menu w górnym pasku ekranu wybierz Edit, Go To w celu utworzenia linii z zachodu na wschód o długości 620 pikseli wzdłuż zdjęcia, od piksela o współrzędnych (20,600). [Podpowiedź: ustaw Position X: 20, Y: 600. Natomiast Selection Size DX: 620 i DY: 1]. Skopiuj linię do komórki A1 do pustego arkusza. Pozostaw linię na swoim miejscu i zamknij inne zdjęcia. Alternatywny sposób obliczania indeksu AVI (matematycznie odpowiadający pierwszemu) jest załączony w pliku formuły AVI_alternative.frm. Obejrzyj i przeanalizuj tę formułę. Enhanced Vegetation Index Obecnie program agencji NASA, Earth Observing System kładzie nacisk na stosowanie sprawnych zewnętrznych metod usuwania szumów. Realizując to poprzez poprawienie kalibracji, korekcji atmosferycznej i standaryzacji geometrii słońce powierzchnia sensor (sun surfach sensor) za pomocą wyrafinowanych modeli. Na pokładzie satelity Terra należącej do NASA jest zainstalowany instrument Moderate resolution Imaging Spectroradiometer, w skrócie MODIS. Usprawnił on znacząco możliwości obserwacji między innymi wzrostu roślin na skale globalną. MODIS wykonuje zdjęcia o dużo większej rozdzielczości przestrzennej (aż do 250m), przy tym dorównuje AVHRR w robieniu zdjęć z prawie całej powierzchni planety w cyklu dziennym i przewyższa przy tym jego rozdzielczość spektralną. Zespół badawczy MODIS opracował nowy produkt nazwany Enhanced Vegetation Index (EVI). EVI został wymyślony w celu optymalizacji sygnału uzyskiwanego od roślin wraz ze zwiększeniem wrażliwości w regionach charakteryzujących się dużą ilością biomasy. Istotne dla jego twórców było również poprawienie możliwości monitorowania roślinności, podczas jednoczesnej korekcji tła przez redukcje wpływu atmosfery. Jego równanie ma następującą postać: NIR Red EVI = NIR C 1 x Red C 2 x Blue L x Gain gdzie ρ λ to atmosferycznie skorygowana lub częściowo atmosferycznie skorygowana reflektancja powierzchni dla określonej długości fali (λ), L jest wartością dostosowującą tło roślinności. C1 i C2 7z9

Lekcja 8 są współczynnikami oporu aerozoli, które używają pasma niebieskiego w celu korekcji wpływu aerozoli w paśmie czerwonym. Współczynniki zaadaptowane do algorytmu EVI mają następujące wartości: L=1, C1=6. C2=7,5, oraz wzmocnienie Gain=2,5. W poniższym zadaniu indeks EVI jest zastosowany przy użyciu obrazów reflektancji MERIS dla pasma niebieskiego, czerwonego, podczerwonego. O długościach fal odpowiednio 489nm, 665nm, 865nm. Otwórz set o nazwie MERIS_#03+#07+#13.set, który otworzy trzy następujące zdjęcia MERIS_489nmReflectance#03.dat, MERIS_665nmReflectance#07.dat i MERIS_865nmReflectance#13.dat. Zaznacz opcję Null Value(s): == 0 i zastosuj Auto linear stretch (automatyczne liniowe dopasowanie histogramu) do wszystkich trzech zdjęć. Otwórz plik formuły EVI.frm, przeczytaj ją wraz z komentarzami i przeanalizuj jej działanie. Zastosuj ją do zbioru zdjęć i obejrzyj histogram obrazu wynikowego. Widać na nim, że wartości indeksu EVI mają rozkład Gaussa (normalny) o wartościach od 0 do 1, z wartością średnią około 0,46. Zapisz obraz jako EVI.dat. Kliknij prawym przyciskiem myszy na otwarty obraz AVI.dat (powinna być na nim zaznaczona linia) i wybierz z menu Copy. Następnie kliknij prawym przyciskiem myszy na obraz EVI i wybierz Paste. Analogiczna linia powinna zostać wklejona do nowego obrazu. Teraz skopiuj wartości tej linii do arkusza kalkulacyjnego w analogiczny sposób jak w poprzednim zadaniu z tymże do komórki B1. Powinieneś mieć teraz w kolumnie A wartości pikseli z linii indeksu AVI, a w kolumnie B z EVI. Utwórz wykres XY na którym na osi X znajdzie się AVI, na Y wartości EVI. Pamiętaj o tym aby zamienić kropki na przecinki ponieważ separatorem dziesiętnym w BILKO jest '.'. W arkuszu kalkulacyjnym możesz obliczyć współczynnik korelacji (Narzędzia, Analizy danych, Korelacja,), aby sprawdzić stopnień korelacji obydwu wskaźników. Zrób to, a kiedy skończysz możesz zapisać arkusz oraz zamknąć BILKO. Jak mogliśmy przypuszczać wartości obydwu indeksów są ze sobą bardzo mocno skorelowane (r=0,989; P<0,0005). Pokazuje nam to, że obydwa indeksy wegetacyjne opisują coś bardzo podobnego co w końcu jest prawdą!! Mamy nadzieję, że dzisiejsza lekcja pokazała, że jest o wiele więcej możliwości analizowania pokrywy roślinnej niż tylko NDVI. References Crippen, R.E. (1990) Calculating the vegetation index faster. Remote Sensing of Environment, 34: 71-73. Huete, A. R. (1988) A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25: 295-309. Jordan, C.F. (1969) Derivation of leaf area index from quality of light on the forest floor. Ecology, 50: 663-666. Kriegler, F.J., Malila, W.A., Nalepka, R.F. and Richardson, W. (1969) Preprocessing transformations and their effects on multispectral recognition. In: Proceedings of the Sixth International Symposium on Remote 8z9

Sensing of Environment, University of Michigan, Ann Arbor, MI, pp. 97-131. Indeksy wegetacyjne Lillesand, T.M. and Kiefer, R.W. (1987) Remote Sensing and Image Interpretation. 2nd Edition, John Wiley and Sons, New York. 721 pp. Pinty, B. and Verstraete, M.M. (1992) GEMI: a non-linear index to monitor global vegetation from satellites. Vegetatio, 101: 15-20. Plummer, S.E., North, P.R.J. and Briggs, S.A. (1994) The Angular Vegetation Index (AVI): an atmospherically resistant index for the second along-track scanning radiometer (ATSR-2). Proceedings of the Sixth International Symposium on Physical Measurements and Spectral Signatures in Remote Sensing, CNES, Toulouse, 717-722. Ray, T.W. (1994) http://hyperdaac.webthing.com/html/rsvegfaq.txt 9z9