Normalized Difference Vegetation Index: differenze tra le versioni

Versione delle 01:04, 22 ago 2013

Versione delle 00:51, 8 gen 2014

Riga 3:

== Cenni storici ==

[[ImageFile:NDVI_062003.png|thumb|300px|right|NDVI in giugno sulle isole Britanniche (NOAA AVHRR)]]

[[ImageFile:NDVI_102003.png|thumb|300px|right|NDVI in ottobre sulle isole Britanniche (NOAA AVHRR)]]

L'esplorazione dello spazio è iniziata seriamente con il lancio dello [[Sputnik 1]] da parte dell'[[Unione Sovietica]] il [[4 ottobre]] [[1957]]. Questo è stato il primo [[satellite artificiale]] in orbita intorno alla [[Terra]]. Successivi lanci effettuati con successo, sia in Unione Sovietica (ad esempio, il [[programma Sputnik]] e le [[Cosmos (missioni spaziali)|missioni Cosmos]]), e negli Stati Uniti (ad esempio, il [[programma Explorer]]), hanno portato rapidamente alla progettazione e al funzionamento di appositi [[Satellite meteorologico|satelliti meteorologici]]. Si tratta di piattaforme orbitanti che imbarcano strumenti appositamente progettati per osservare l'[[atmosfera terrestre]] e la sua superficie al fine di migliorare le [[Previsione meteorologica|previsioni meteorologiche]]. A partire dal 1960, la serie di satelliti [[Television Infrared Observation Satellite|TIROS]] imbarcavano telecamere e radiometri. Questo è stato in seguito (dal 1964 in poi) seguito dai [[satelliti Nimbus]] e la famiglia di strumenti a bordo ''[[Advanced Very High Resolution Radiometer]]'' (AVHRR) sulle piattaformi della [[National Oceanic and Atmospheric Administration]] (NOAA). Quest'ultimo sensore misura la riflettanza del pianeta in banda rossa e nel vicino infrarosso, nonché nell'infrarosso termico. In parallelo, la NASA ha sviluppato la ''[[Earth Resources Technology Satellite]]'' (ERTS), che divenne il precursore del programma [[Landsat]]. Questi sensori primitivi erano dotato di una minima risoluzione spettrale, ma tendeva a includere bande nel rosso e nel vicino infrarosso, che sono utili per distinguere la vegetazione e le nuvole, in mezzo ad altri obiettivi.

Con il lancio del primo satellite ERTS - che è stato presto ribattezzato Landsat 1 - il 23 luglio 1972 con il suo scanner multispettrale (''multispectral scanner'' - MSS) la NASA ha finanziato una serie di indagini tese ad accertare le sue capacità per il telerilevamento terrestre. Uno di questi primi studi è stato diretto allo studio della vegetazione tra primavera, estate e autunno (la cosiddetta "''vernal advancement and retrogradation''") in tutto il nord con estensione fino a sud della regione delle [[Grandi Pianure]] degli Stati Uniti centrali. Questa regione copre una vasta gamma di latitudini dalla punta meridionale del Texas al confine USA-Canada, che ha portato in una vasta gamma di angoli zenitali solari al momento delle osservazioni satellitari.

Riga 19:

L'NDVI viene così calcolato:

:<math>\mbox{NDVI}=\frac{(\mbox{NIR}-\mbox{VIS})}{(\mbox{NIR}+\mbox{VIS})}</math>

dove VIS e NIR stanno rispettivamente per le misure di riflettanza spettrale acquisite nelle regioni visibile (rosso) e nel vicino infrarosso.<ref>{{en}} http://earthobservatory.nasa.gov/Features/MeasuringVegetation/measuring_vegetation_2.php</ref> Queste riflettanze spettrali sono esse stesse rapporti della radiazione riflessa su quella entrante per ogni banda spettrale, e di conseguenza assumono valori compresi tra 0 e 1. In base alla definizione, lo stesso NDVI varia quindi tra -1 e +1. Va notato che NDVI è funzionale, ma non linearmente equivalente al semplice rapporto infrarosso/rosso (NIR/VIS). <!-- Il vantaggio del NDVI, nei confronti di un semplice rapporto infrarosso/rosso, è quindi generalmente limitato ad ogni linearità del suo rapporto funzionale con proprietà vegetazione (ad esempio la biomassa). --> Il rapporto semplice (a differenza NDVI) è sempre positivo, e può avere vantaggi pratici, ma ha anche un intervallo matematicamente infinito (da 0 a infinito), che può essere uno svantaggio pratico rispetto al NDVI. Anche a questo proposito, si noti che il termine VIS al numeratore di NDVI scala soltanto il risultato, andando a creare i valori negativi. NDVI è funzionale e linearmente equivalente al rapporto NIR/(NIR+VIS), che varia da 0 a 1 e non è quindi negativo e risulta quindi limitato.<ref>{{en}} Crippen, R.E. (1990) 'Calculating the vegetation index faster,' ''Remote Sensing of Environment'', '''34''', 71-73.</ref> Tuttavia, il concetto più importante per la comprensione della formula algebrica del NDVI è che, nonostante il nome, è una trasformazione di un rapporto spettrale (NIR/VIS), e non ha alcuna relazione funzionale di una differenza spettrale (NIR-VIS).

In generale, se vi è molta più radiazione riflessa nel vicino infrarosso rispetto a quella nelle lunghezze d'onda visibili, allora la vegetazione in quel pixel è probabile che sia maggiormente densa e può contenere anche della foresta. Un lavoro successivo ha dimostrato che l'NDVI è direttamente legato alla capacità di fotosintesi e quindi all'assorbimento di energia delle chiome degli alberi.<ref>{{en}} Sellers, P. J. (1985) 'Canopy reflectance, photosynthesis, and transpiration', ''International Journal of Remote Sensing'', '''6''', 1335-1372.</ref><ref>{{en}} Myneni, R. B., F. G. Hall, P.J. Sellers, and A.L. Marshak (1995) 'The interpretation of spectral vegetation indexes', ''IEEE Transactions on Geoscience and Remote Sensing'', '''33''', 481-486.</ref>

== Prestazioni e limitazioni ==

Si può vedere dalla sua definizione matematica che l'NDVI di un'area contenente una fitta vegetazione tenderà a dare valori positivi (0,3-0,8) mentre nel caso di nuvole e di neve sarà caratterizzato da valori negativi. Altri obiettivi visibili dallo spazio sulla terra sono:

* acque ferme (ad esempio, oceani, mari, laghi e fiumi) che hanno una riflettanza piuttosto bassa in entrambe le bande spettrali (perlomeno lontano dalle coste) e quindi portano a valori positivi o addirittura leggermente negativi di NDVI;

* terreni che in genere mostrano una riflettanza spettrale nel vicino infrarosso un po' più grande rispetto al rosso, e quindi tendono a generare valori positivi anche piuttosto piccoli NDVI (ovvero 0,1-0,2).

Oltre alla semplicità dell'algoritmo e la sua capacità di distinguere sostanzialmente aree vegetate da altri tipi di superficie, l'NDVI ha anche il vantaggio di comprimere la dimensione dei dati che devono essere compressi di un fattore 2 (o più), dal momento che sostituisce due bande spettrali in una singola (eventualmente codificando su 8 bit invece dei 10 o più bit dei dati originali).

Riga 37:

Inoltre, il calcolo del valore NDVI risulta essere sensibile ad una serie di fattori perturbanti:

* Effetti atmosferici: la reale composizione dell'atmosfera (in particolare per quanto riguarda il vapore acqueo e l'aerosol) possono influenzare significativamente le misure effettuate dallo spazio. Quindi, queste ultime possono essere male interpretate se questi effetti non sono adeguatamente presi in considerazione (come è il caso quando l'NDVI viene calcolato direttamente sulla base delle misurazioni grezze).

* Nuvole: nuvole profonde (otticamente spesse) possono essere molto evidenti nelle immagini satellitari e producono caratteristici valori di NDVI che facilitano il loro discernimento. Tuttavia, nubi sottili (ad esempio gli onnipresenti cirri) oppure nuvole piccole dimensioni (con un diametro minore della superficie effettivamente campionata dal sensore) possono contaminare significativamente le misurazioni. Allo stesso modo, le ombre delle nubi in zone che non appaiono chiare possono influire i valori NDVI e portare a errate interpretazioni. Queste considerazioni possono essere minimizzate formando immagini composite utilizzando immagini giornaliere.<ref>{{en}} Holben, B. N. (1986)'Characteristics of Maximum-Value Composite Images from Temporal AVHRR Data','' International Journal of Remote Sensing'', '''7(11)''', 1417-1434.</ref> Immagini NDVI composite hanno portato ad un gran numero di nuove applicazioni in cui la vegetazione NDVI o la capacità fotosintetica varia nel tempo.

* Effetti del suolo: terreni tendono a scurirsi quando sono bagnati, e quindi la loro riflettanza diviene una funzione diretta del contenuto d'acqua. Se la risposta spettrale di umidificazione non è esattamente la stessa nelle due bande spettrali, l'NDVI di una zona può apparire cambiato a seguito di variazioni di umidità del suolo (precipitazioni o evaporazioni) e non a causa dei cambiamenti della vegetazione.

* Effetti anisotropi: tutte le superfici (naturali o artificiali) riflettono la luce in modo diverso in direzioni diverse, e questa forma di anisotropia è di solito spettralmente dipendente, anche se la tendenza generale può essere simile in queste due bande spettrali. Come risultato, il valore di NDVI può dipendere dalla anisotropia particolare del bersaglio e dalla geometria angolare dell'illuminazione e dell'osservazione al momento delle misurazioni, e quindi dalla posizione del bersaglio di interesse all'interno della fascia dello strumento o il tempo di passaggio del satellite sul sito. Ciò è particolarmente importante in un'analisi di dati AVHRR dal momento che l'orbita delle piattaforme NOAA tendevano ad andare alla deriva nel tempo. Allo stesso tempo, l'uso di immagini composite NDVI minimizza queste considerazioni e ha portato a livello mondiale una serie di dati temporali NDVI per più di 25 anni.

Riga 44:

Per queste ragioni, l'NDVI deve essere utilizzato con grande cautela. In qualsiasi applicazione quantitativa che necessita di un dato livello di accuratezza, tutti i fattori perturbanti che possono comportare errori o incertezze di questo ordine di grandezza dovrebbe essere esplicitamente presi in considerazione; questo può richiedere svariati processi di lavorazione sulla base di dati ausiliari e altre fonti di informazione. Le versioni più recenti di set di dati NDVI hanno tentato di tenere conto di questi fattori di complicazione, attraverso elaborazioni.<ref>{{en}} http://earlywarning.usgs.gov/adds/readme.php?symbol=nd</ref>

Un certo numero di derivati e le alternative al NDVI sono state proposte nella letteratura scientifica per affrontare queste limitazioni, tra cui ''Perpendicular Vegetation Index'',<ref>{{en}} Richardson, A. J. and C. L. Wiegand (1977) 'Distinguishing vegetation from soil background information', ''Photogrammetric Engineering and Remote Sensing'', '''43''', 1541-1552.</ref> il ''Soil-Adjusted Vegetation Index'',<ref>{{en}} Huete, A. R. (1988)'A soil-adjusted vegetation index (SAVI)', ''Remote Sensing of Environment'', '''25''', 53-70.</ref> il ''Atmospherically Resistant Vegetation Index'',<ref>{{en}} Kaufman, Y. J. and D. Tanre (1992) 'Atmospherically resistant vegetation index (ARVI) for EOS-MODIS', in 'Proc. IEEE Int. Geosci. and Remote Sensing Symp. '92'', IEEE, New York, 261-270.</ref> e il ''Global Environment Monitoring Index''.<ref>{{en}} Pinty, B. and M. M. Verstraete (1992) 'GEMI: A non-linear index to monitor global vegetation from satellites', ''Vegetatio'', '''101''', 15-20.</ref> Ciascuno di questi tenta di includere una correzione intrinseca per uno o più fattori perturbanti. Dalla metà degli anni 1990, tuttavia, una nuova generazione di algoritmi sono stati proposti per valutare direttamente le variabili biogeofisiche di interesse (ad esempio, ''Fraction of Absorbed Photosynthetically Active Radiation'' o FAPAR), sfruttando le prestazioni avanzate e le caratteristiche dei moderni sensori (in particolare le loro capacità multispettrali e multiangolari) ad adottare tutti i fattori perturbanti in considerazione. A dispetto di molti possibili fattori perturbanti, l'NDVI rimane un prezioso strumento di monitoraggio quantitativo della vegetazione quando la capacità fotosintetica della superficie terrestre deve essere studiata in una scala spaziale per diversi fenomeni.

== Note ==