COLABORADORES

NDVI (Índice de Vegetación de Diferencia Normalizada) y PRI (Índice de Reflectancia Fotoquímica): teoría, métodos y aplicación

La tecnología moderna permite muestrear índices espectrales de vegetación como NDVI y PRI a distintas escalas espaciales y temporales, desde satélites que toman muestras de toda la superficie terrestre hasta pequeños sensores portátiles que miden plantas individuales o incluso hojas.

¿Qué son NDVI y PRI?

NDVI (Normalized Difference Vegetation Index) y PRI (Photochemical Reflectance Index) son índices espectrales de vegetación derivados de mediciones de longitudes de onda relativamente estrechas de luz reflejada (10 a 50 nanómetros) en el espectro electromagnético. Esto resulta útil para medir diversas propiedades de las copas de las plantas. NDVI son las siglas de Normalized Difference Vegetation Index (índice de vegetación de diferencia normalizada) y PRI son las siglas de Photochemical Reflectance Index (índice de reflectancia fotoquímica).

Existen muchos tipos de índices espectrales de vegetación, sin embargo, este artículo y el seminario web se centran en la teoría, los métodos y la aplicación de NDVI y PRI, ya que son dos de los más utilizados.

NDVI es especialmente útil para medir las propiedades estructurales del dosel vegetal, como leaf area index, la interceptación de la luz e incluso la biomasa y el crecimiento, mientras que la PRI es más útil para obtener las propiedades funcionales del dosel vegetal, como la eficiencia en el uso de la luz. La literatura reciente muestra que la PRI también es útil para medir los pigmentos foliares.

Comprender las interacciones de la radiación en el dosel

Para entender de dónde proceden NDVI y la RPI, es importante conocer las interacciones entre el dosel y la radiación. Existen tres destinos principales para la radiación electromagnética cuando interactúa con las cubiertas vegetales.

En la figura 2, la energía se representa como fotones en forma de flechas. Los fotones procedentes del sol pueden interactuar con la cubierta de tres maneras: Pueden transmitirse, lo que significa que atraviesan la cubierta y llegan al suelo. Pueden ser absorbidos, lo que significa que el material fotosintético verde de la cubierta absorbe algunos fotones y utiliza esa energía para realizar la fotosíntesis. O pueden ser reflejados, lo que significa que golpean la superficie de la cubierta y son devueltos al espacio.

La figura 3 es un diagrama que muestra la radiación electromagnética. Una de las características más destacadas de este diagrama es el espectro visible. Va de 400 a 700 nanómetros y abarca los azules, verdes, amarillos, naranjas y rojos que ve el ojo humano. Sin embargo, también existe la radiación ultravioleta (UV) a longitudes de onda muy cortas y la radiación infrarroja a longitudes de onda más largas. Es importante entender que dentro del espectro de radiación electromagnética hay fotones de diferentes energías (longitudes de onda). La interacción de la radiación con la cubierta vegetal depende de la longitud de onda. Por ejemplo, los fotones rojos interactúan con las copas de manera diferente que los azules o los infrarrojos cercanos. Lo que miden los índices de vegetación es el componente reflejado de la radiación.

RADIACIÓN REFLEJADA
Características espectrales de la cubierta

La Figura 4 muestra un espectro típico de reflectancia de la cubierta que se esperaría ver en la mayoría de las cubiertas con material fotosintético verde. El eje y representa el porcentaje de reflectancia de la radiación electromagnética. El eje x es la longitud de onda en nanómetros. De 450 a 700 nanómetros es el rango visible, y aproximadamente a 700 nanómetros entramos en el infrarrojo y específicamente en la porción del infrarrojo cercano del espectro. Este espectro se ha obtenido a partir del dosel de una planta. Obsérvese que la mayor parte de la radiación reflejada en el espectro visible alcanza su punto máximo en el verde. Por eso, cuando observamos una cubierta vegetal, ésta suele ser verde. Los azules y los rojos en este caso son fuertemente absorbidos por las clorofilas. Obsérvese también la alta reflectancia en el infrarrojo cercano. Es muy típico ver altas reflectancias allí porque esa energía no se puede utilizar en la fotosíntesis. Las plantas han sido diseñadas para reflejar esa radiación.

Los distintos componentes de las cubiertas vegetales pueden afectar a los espectros en toda la gama de longitudes de onda del visible, el infrarrojo cercano y más allá. La Figura 5 ilustra el contenido de clorofila foliar en varios niveles.

A medida que varía el contenido de clorofila, este espectro cambia drásticamente, sobre todo en la región visible entre el verde y el rojo y un poco en el infrarrojo cercano.

Del mismo modo, la figura 6 ilustra que el contenido en carotenoides también modificará la reflectancia, pero sus efectos están mucho menos repartidos por todo el espectro.

La estructura celular de las hojas también es una propiedad de las cubiertas que puede afectar al espectro de reflectancia. La figura 7 muestra que su efecto tiende a ser uniforme en la mayor parte del visible y el infrarrojo cercano.

El contenido de agua foliar también puede influir mucho en el espectro de una hoja. La figura 8 muestra más del espectro infrarrojo cercano porque es ahí donde está la mayor parte del efecto del agua. No vemos el efecto en el rango visible, y hay un pequeño efecto en el rango infrarrojo cercano. Sin embargo, en torno a los 800 nanómetros, hay un gran efecto. Por tanto, es en las longitudes de onda más largas donde influye el contenido de agua.

Los ejemplos anteriores muestran efectos a nivel de hoja, sin embargo, el espectro de reflectancia observado desde un dosel es una mezcla de muchas hojas. Si las juntamos todas, se puede ver en la Figura 9 que leaf area index también tiene un efecto dramático en todas las porciones visibles e infrarrojas cercanas del espectro.

Obsérvese que en la región roja, de 600 a 700 nanómetros, y también en el infrarrojo cercano, donde hay material foliar añadido, las reflectancias son cada vez mayores.

Cómo se calcula NDVI

Los gráficos anteriores ilustran espectros de reflectancia continuos, pero el NDVI sólo se centra en dos regiones específicas del espectro; el infrarrojo cercano (NIR) a aproximadamente 800 nanómetros se combina con la reflectancia en la región roja, que suele estar aproximadamente entre 650 y 700 nanómetros (Figura 10). Un valor típico de NDVI oscila entre -1 y 1. Un valor más alto de NDVI indica un dosel más verde o más superficie foliar.

Como ya se ha mencionado, el porcentaje de reflectancia es una relación entre la radiación ascendente o la radiación que se refleja en la cubierta y la cantidad de energía incidente o que incide en la cubierta. La razón por la que NDVI está formulado con bandas rojas e infrarrojas cercanas es que el rojo está fuertemente influenciado por el contenido de clorofila y el infrarrojo cercano está relacionado con la estructura celular de la hoja y los espacios de aire dentro de la hoja. A medida que las hojas se expanden y maduran, la estructura celular cambia, y eso puede influir mucho en la dispersión del infrarrojo cercano. También vemos en el espectro de la figura 10 que el rojo se absorbe mucho. Esto se debe a que no se refleja mucho. Sin embargo, en el infrarrojo cercano vemos una gran cantidad de reflectancia. Por lo tanto, tomando la relación entre el rojo y el infrarrojo cercano (ecuación 1) podemos entender lo que está sucediendo con el dosel vegetal.

NDVI APLICACIONES
Estime leaf area index utilizando NDVI

NDVI se utiliza a menudo para estimar la leaf area index de una variedad de doseles diferentes. Esto resulta especialmente útil en un análisis de series temporales en el que se realiza un seguimiento de NDVI a lo largo del tiempo. En un dosel anual caducifolio en el que se producen grandes cambios estacionales en leaf area index, el NDVI es útil para rastrear esos cambios. NDVI también puede utilizarse para inferir o estimar la variabilidad espacial en leaf area index.

La Figura 11 muestra cómo los investigadores pueden utilizar las imágenes para comprender la variabilidad espacial del LAI. Pueden calcular NDVI utilizando esas imágenes porque tienen bandas de infrarrojo cercano y de ondas rojas. A continuación, utilizan esos valores de NDVI para cartografiar el IAF de los cultivos, de modo que puedan ver la heterogeneidad espacial del IAF tanto entre las unidades de gestión como dentro de cada una de ellas.

Tenga en cuenta que esta aplicación de NDVI tiene sus límites.

La figura 12 muestra que una vez que superamos LAI de tres a cuatro, NDVI tiende a saturarse en su relación con leaf area index. Esto se debe a que en la banda roja, la absorción de clorofila tiende a ser muy baja, incluso con LAI bajos. Así, a medida que se añade más superficie foliar, sólo se producen pequeños cambios en la absorción más allá de un LAI de tres o cuatro. Del mismo modo, en la banda del infrarrojo cercano, a medida que añadimos más material foliar, el cambio incremental en la reflectancia del infrarrojo cercano tiende a disminuir a LAI muy altos. Se trata, pues, de un posible punto débil de la utilización de NDVI para estimar el LAI. Este método sólo es apropiado para copas con un IAF comprendido entre cero y cuatro.

Otra aplicación relacionada de NDVI sería la estimación de la interceptación de la luz porque el LAI está relacionado con la cantidad de luz que absorbe el dosel de una planta. Más hojas significa más luz absorbida. La interceptación de la luz es una variable importante porque nos da una idea de la cantidad de luz que absorbe un dosel. Por ejemplo, si suponemos que una copa está aclimatada a su entorno y puede utilizar toda la energía luminosa, conocer la fracción de interceptación de la luz nos daría una idea de la capacidad fotosintética.

Una ventaja de utilizar NDVI para predecir la interceptación fraccional de la luz o la absorción fraccional de la radiación fotosintéticamente activa(F_PAR), es que la relación entre NDVI y F_PAR típicamente no satura. La absorción de luz tiende a ser relativamente completa en LAI de aproximadamente tres a cuatro. Cuando se añade área foliar adicional, no obtenemos incrementos lineales en la absorción fraccional de luz. La figura 13 muestra una relación lineal entre NDVI y F_PAR.

Obsérvese que incluso hasta valores de interceptación fraccionaria elevados, la curva se mantiene lineal.

Utilización de NDVI en fenología

Otro uso relativamente común de NDVI es la estimación de la fenología en sistemas caducifolios o anuales o en cualquier otro tipo de sistema con una gran variabilidad interanual en el área foliar. El gráfico inferior de la Figura 14 muestra que si tenemos una serie temporal de datos de NDVI y luego ajustamos una curva a esa serie temporal, tiene un patrón bastante regular.

Durante el invierno, hay mucha superficie foliar, por lo que NDVI es baja. Luego, en primavera, NDVI aumenta a medida que aumenta el LAI. Alcanza su punto máximo hacia la mitad de la temporada de crecimiento, y luego, en otoño, la senescencia y la caída de las hojas hacen que los valores de NDVI desciendan. A partir de estas curvas, podemos extraer varias métricas sobre el momento en que se producen diversos acontecimientos. Por ejemplo, si está interesado en el momento del reverdecer o del inicio de la temporada. El gráfico superior de la figura 14 muestra la métrica SOSp extraída de una curva NDVI . Esa métrica SOSp muestra cuándo empezaron a crecer las hojas. Como podemos ver cuándo empezaron a expandirse las hojas, podemos marcar eso con una fecha específica como el inicio de la estación. Si juntamos muchos años de observaciones como estas, entonces tendremos muchas fechas en las que se produjo el inicio de la estación para un dosel determinado. Podemos relacionarlo con las variables climáticas o con cualquier otra variable, para ver si hay alguna causa y efecto. Por ejemplo, algunos investigadores están descubriendo que a medida que el clima se calienta, la temporada de arranque suele adelantarse dentro del año. Y hay muchas otras métricas que podemos extraer de estas curvas. Podemos utilizar los datos de NDVI directamente como indicador de la fenología, o podemos utilizar los datos de NDVI como alimentación directa de un modelo para predecir cuándo se producen los fenómenos fenológicos.

La figura 15 ilustra otro ejemplo de utilización de NDVI para comprender la fenología. En una masa forestal con especies mixtas, podríamos observar muchos lugares diferentes dentro del dosel o incluso árboles individuales y seguir el ritmo de su desarrollo. La figura 15 muestra el desarrollo de un bosque de especies mixtas durante la primavera. Todas las especies comienzan con valores de NDVI muy diferentes. Esto está directamente relacionado con su leaf area index en ese momento. A medida que avanza la primavera, los valores de NDVI suelen aumentar para las especies caducifolias, y después todas tienden a converger en torno al día 150 en un valor de NDVI bastante uniforme. Así pues, en torno al día 150, la copa empieza a alcanzar la madurez estructural. No sabemos necesariamente qué está pasando con la aclimatación fotosintética en este punto, pero estos datos son un buen ejemplo de cómo los datos de NDVI pueden utilizarse para evaluar la heterogeneidad espacial o las diferencias especie por especie o árbol por árbol en el reverdecimiento, incluso dentro del mismo rodal.

Utilización de NDVI para estimar la productividad

NDVI pueden utilizarse para estimar directamente la productividad en cubiertas caducifolias o muy estacionales, como las praderas anuales, en las que la presencia de hojas verdes está estrechamente ligada a la fotosíntesis estacional.

Por ejemplo, la figura 16 muestra los datos de un artículo de Ryu en el que rastreaba la NDVI de una pradera anual a lo largo de varios años. Los valores de NDVI son los puntos verdes del gráfico superior, y los círculos abiertos de ese mismo gráfico son mediciones de la fotosíntesis. Obsérvese que NDVI hace un buen seguimiento del momento y la amplitud de la fotosíntesis en esta pradera anual. En el gráfico inferior, tomó el conjunto de datos de cuatro años y mostró la relación correlativa entre NDVI y la fotosíntesis del dosel. Así, ha creado un modelo empírico que utiliza NDVI para estimar la fotosíntesis del dosel en este ecosistema. Dado que NDVI rastrea el momento de la fotosíntesis en este sistema, podríamos estimar no sólo la fotosíntesis instantánea en cualquier día del año, sino que también podríamos responder a preguntas como: ¿cómo puedo estimar el periodo de actualización del carbono? ¿Cuándo comenzó la estación? ¿Cuándo alcanzó su punto álgido? ¿Cuándo terminó? La figura 16 es un rico conjunto de datos que podría explotarse en busca de diversas variables útiles.

NDVI limitaciones

Algunas limitaciones que hay que tener en cuenta al utilizar NDVI son:

1. Como ya se ha mencionado, NDVI tiende a saturarse con LAI altos: (Véase la figura 12) Una forma de sortear este problema es que, dependiendo de sus requisitos, el LAI puede no ser lo que necesita. Tal vez sea la interceptación fraccional real. Pero si se trata de LAI, entonces tenga en cuenta que probablemente no va a obtener mucho uso de NDVI si está trabajando en sistemas con LAI realmente alto.
2. La NDVI no es muy dinámica en los ecosistemas perennifolios, al menos no en un enfoque de series temporales: Esto tiene sentido porque los miembros de los sistemas perennifolios son perennes. No hay muchos cambios de invierno a verano en leaf area index y, por tanto, en la interceptación fraccionada de la luz, al menos en la medida en que está controlada por el LAI.

La figura 17 muestra que, durante todo un año, los valores de NDVI son bastante estables, mientras que la absorción de_{CO2 por} el dosel o la fotosíntesis son dinámicas a lo largo del tiempo. Pero no hay ninguna relación entre la dinámica temporal de NDVI y la absorción de_CO2 del dosel. Por lo tanto, NDVI no se utilizaría de forma adecuada. Queremos saber algo más sobre el dosel y lo que impulsa el cambio funcional. Dicho esto, NDVI puede seguir siendo útil en sistemas de hoja perenne para observar la heterogeneidad espacial. Si se busca variabilidad en el LAI o en la biomasa de intercepción de luz en grandes áreas o en series temporales largas. Por ejemplo, si se está evaluando la recuperación y el crecimiento tras un incendio forestal, incluso si se trata de un sistema perennifolio, si se observa un periodo de tiempo lo suficientemente amplio, NDVI será sensible en el sistema. Sin embargo, en la escala temporal anual probablemente no habrá muchos cambios dinámicos.

Cómo calcular el PRI (índice de reflectancia fotoquímica)

El PRI es similar al NDVI en su formulación, la única diferencia son las longitudes de onda o bandas utilizadas como entradas. El PRI se calcula con reflectancias a 531 nanómetros y 570 nanómetros, y los valores del PRI oscilan entre -1 y 1.

El índice de reflectancia fotoquímica se utiliza sobre todo para determinar la eficiencia en el uso de la luz o los cambios en la eficiencia en el uso de la luz que se producen en el dosel de una planta. Para ello se examina la respuesta en 531 nanómetros a los cambios en los pigmentos xantofílicos.

La figura 18 muestra un par de espectros de reflectancia diferentes que se recogieron en una sucesión relativamente rápida. Calculando la diferencia entre esos dos espectros, vemos unas pocas áreas de pico en las que las diferencias eran mayores. Uno de ellos, aproximadamente a 531 nanómetros, podría atribuirse a la actividad del ciclo de la xantofila.

El ciclo de la xantofila es una acción/reacción rápida y reversible en la que los pigmentos de xantofila pasan por un proceso de conversión interna tanto hacia delante como hacia atrás.

La figura 19 ilustra ese proceso de conversión interna. En la parte derecha del diagrama, empezamos con la violaxantina. Se convierte en anteraxantina, y el producto final es la zeaxantina. La violaxantina es el estado sin estrés y a medida que la planta encuentra estrés, se produce una conversión interna de pigmentos hasta que hay más pigmento en el estado de zeaxantina. Si se libera el estrés, ese proceso es reversible. Por ejemplo: si disminuimos el nivel de luz, esas conversiones internas de pigmentos pueden invertirse hasta que haya mayoritariamente violaxantina en el tejido de la planta. Esta es una forma omnipresente para las plantas de lidiar de forma segura con ambientes estresantes. Cuando las plantas están afuera están continuamente absorbiendo radiación. No pueden levantarse y alejarse. Este proceso es una forma de que absorban el exceso de luz en el ciclo de la xantofila, donde esa energía se utiliza para impulsar las conversiones internas del pigmento, en lugar de dañar la maquinaria fotosintética. Cuando se absorbe la luz y se utiliza para el ciclo de la xantofila, se reduce la eficiencia del uso de la luz porque esa luz no está impulsando la absorción de carbono. En lugar de eso, va a un proceso de disipación de calor a través del ciclo de la xantofila. Por lo tanto, el ciclo de la xantofila es una de las formas en que la planta controla la eficiencia del uso de la luz.

El ciclo de la xantofila también muestra otras dinámicas interesantes a lo largo del tiempo. Por ejemplo, la Figura 20 de un trabajo de Demmig, Adams y Adams muestra algunos tratamientos diferentes y lo que podemos esperar con el tamaño total del fondo de xantofilas (la suma de los contenidos de violaxantina, anteraxantina y zeaxantina). Y también muestra el tamaño relativo del pool o las proporciones de violaxantina, anteraxantina y zeaxantina.

Los gráficos circulares superiores comparan las hojas sombreadas con las hojas soleadas. En las hojas iluminadas por el sol, el tamaño total del pool es mucho mayor que en las sombreadas. Observe las proporciones de cada una de las xantofilas. En las hojas sombreadas, muchas más xantofilas están en estado de violaxantina, presumiblemente porque hay menos necesidad de fotoprotección en el momento en que se toman las muestras. Por el contrario, una fracción mucho mayor de las xantofilas se encuentra en estado de zeaxantina en las hojas iluminadas por el sol, lo que indica una necesidad de fotoprotección.

Lo mismo puede observarse al comparar el contenido de xantofilas en verano y en invierno. Por ejemplo, en un árbol de hoja perenne invernante hay mucha menos necesidad de fotoprotección durante el verano porque gran parte de la energía que absorben las plantas (suponiendo que no haya estrés) puede utilizarse en la fotosíntesis. Pero en invierno, las temperaturas son bajas y las condiciones no son favorables para la fotosíntesis. La planta sigue absorbiendo luz, pero tiene que hacer algo con ella para no destruirse. Así que la planta invierte recursos en aumentar el tamaño de la reserva de xantofilas. Así, hay una mayor fracción de zeaxantina en invierno porque hay una gran necesidad de fotoprotección.

En el ejemplo inferior, hay una diferencia en el tratamiento con nitrógeno y básicamente sigue el patrón de los otros dos ejemplos. Cuando la planta tiene mucho nitrógeno, está menos estresada y necesita menos fotoprotección. Cuando tiene poco nitrógeno, no es capaz de utilizar los fotones absorbidos y tiene una mayor necesidad de fotoprotección a través de los pigmentos xantofilos.

La PRI ayuda a captar la dinámica de la xantofila

Una de las formas en que los investigadores utilizan la PRI es para captar esa dinámica temporal de la xantofila (es decir, la eficiencia en el uso de la luz a través de la actividad xantofílica). El uso de la PRI comenzó cuando el Dr. John Gamon descubrió que la actividad del ciclo de la xantofila era detectable utilizando espectros reflejados. Descubrió que la reflectancia a 531 nanómetros era la más sensible a los cambios en la xantofila.

La parte superior derecha de la Figura 21 muestra la reflectancia a 531 nanómetros, y el estado de oxidación en el eje x indica el estado del ciclo de la xantofila en términos de proporciones de violaxantina, anteraxantina y zeaxantina. En este corto periodo de tiempo, podemos observar la dinámica del ciclo de la xantofila y que la reflectancia a 531 nanómetros es sensible a esos cambios.

Una cosa a tener en cuenta es que PRI también utiliza una banda de referencia a 570 nanómetros que está ahí sólo como referencia. No hay ningún cambio que se produce en 570 nanómetros cuando las xantofilas están cambiando.

La figura 22 muestra que el cambio en la PRI es casi tan sensible a los cambios en el estado de oxidación de las xantofilas como la reflectancia a 531 nanómetros. Obsérvese también que la actividad de las xantofilas sólo puede detectarse dentro de bandas relativamente estrechas dentro del espectro de reflectancia. En este caso, una banda ancha (es decir, la medición de todo el espectro verde) probablemente no detectaría la actividad del ciclo de las xantofilas. Por lo tanto, se requieren mediciones de banda de onda estrecha para detectar o ser lo suficientemente sensibles como para detectar un cambio relacionado con la xantofila.

Comprender la dinámica de la función fotosintética

Algunos investigadores utilizan la PRI para llegar a la dinámica diurna o a la dinámica a corto plazo en la función fotosintética de las plantas. Las figuras 23 y 24 ilustran ejemplos de experimentos sencillos que muestran lo dinámica que puede ser la PRI ante cambios en la eficiencia del uso de la luz.

La figura 23 es un experimento en el que los investigadores proyectaron luz escalonada sobre una planta (los niveles de luz aumentaron hasta alcanzar un máximo y luego disminuyeron). El gráfico superior muestra el aumento y la disminución del nivel de luz. Y la absorción de_CO2 (que indica la fotosíntesis) también sigue ese cambio en el nivel de luz. Por tanto, a medida que se dispone de más energía, la fotosíntesis aumenta, y a medida que disminuye el nivel de luz, la fotosíntesis disminuye.

El gráfico inferior de la figura 23 es exactamente el mismo experimento utilizando mediciones diferentes. Las dos mediciones son PRI y 𝚫F/F_m que es una medida de fluorescencia que mide la eficiencia del fotosistema II (relacionada con la eficiencia del uso de la luz). La Figura 24 muestra que la PRI y la medida de fluorescencia siguen bien el ritmo de los pasos en el nivel de luz. De nuevo, a medida que aumenta la luz, la PRI disminuye y 𝚫F/F_m indican una disminución de la eficiencia en el uso de la luz. Y luego, a medida que el nivel de luz se reduce, vemos lo contrario.

La figura 24 es otro experimento sencillo que ilustra la evolución temporal de la fluorescencia y la PRI a lo largo del tiempo. Las plantas comienzan en la oscuridad a la hora cero. Después de una hora, se encienden las luces y se produce una respuesta casi inmediata de la fluorescencia y la PRI. Responden muy fuertemente hacia abajo en correlación con la eficiencia del uso de la luz. Luego, después de que la luz ha estado encendida durante algún tiempo, los experimentadores apagan la luz. Y de nuevo, hay una respuesta relativamente rápida e inmediata tanto de la fluorescencia como de la PRI a ese cambio en el nivel de luz, ya que la fisiología de las hojas está cambiando.

Estos experimentos demuestran que la PRI podría ser útil para medir cambios rápidos que podrían producirse en el transcurso de todo un día o cuando el dosel de una planta pasa del sol a la sombra. Al cambiar estas u otras variables ambientales, cabría esperar cambios en la eficiencia del uso de la luz que la PRI podría detectar.

Utilizar la RPI para cambios a largo plazo

La idea de utilizar la PRI para mediciones a largo plazo siempre ha existido, pero no tantos investigadores se han adentrado en este campo porque medir la PRI durante largos periodos de tiempo ha resultado algo difícil. Normalmente se requiere instrumentación avanzada para obtener esas estrechas longitudes de onda de luz. Sin embargo, en los últimos tiempos se ha despertado un mayor interés, y los resultados presentados en la figura 25 son relativamente nuevos y aún se están explorando.

Lo que los investigadores han descubierto hasta ahora es que, durante periodos de tiempo más largos, la PRI no sólo es sensible al ciclo de la xantofila, sino también al contenido total de carotenoides y clorofila. Es importante señalar que las xantofilas (violaxantina, anteraxantina y zeaxantina) son una clase de carotenoides. Por eso, cuando los investigadores miden el contenido total de carotenoides, a menudo una gran parte son xantofilas. Aún no está del todo claro si el PRI responde sólo a las xantofilas o al total de carotenoides. Las investigaciones posteriores ayudarán a aclararlo. Pero los investigadores han descubierto que existe una correlación muy estrecha entre la PRI y la proporción entre carotenoides y clorofilas. La proporción entre carotenoides y clorofila puede relacionarse con la eficiencia en el uso de la luz porque los carotenoides son pigmentos accesorios y pueden desempeñar una función de captación de luz. Pero una gran mayoría de ellos, como las xantofilas, también desempeñan una función fotoprotectora. Así que si comparamos el contenido de carotenoides con el de clorofila, podemos observar la dinámica de esa proporción a lo largo del tiempo y hacernos una idea de lo estresada que puede estar una planta. Podría ser una forma de analizar la eficiencia en el uso de la luz o la eficiencia fotosintética utilizando la PRI, pero en un periodo de tiempo más amplio o en áreas espaciales más extensas.

El gráfico de la izquierda de la Figura 25 muestra un estudio en el que se analizó un dosel de pino silvestre durante todo un año para evaluar algunas correlaciones a largo plazo entre la fisiología fotosintética, los pigmentos foliares y la PRI. Lo que encontraron fue que casi todas las variables fisiológicas fotosintéticas importantes están relacionadas con la IPR. Parte de esto se debe a que existe una gran correlación entre estas variables, pero en consonancia con estudios anteriores, encontraron algunas de las correlaciones más altas con la proporción de xantofilas en relación con la clorofila, la proporción de carotenoides en relación con la clorofila y el tamaño total de la reserva de xantofilas en relación con el tamaño total de la reserva de carotenoides.

Pero, aunque hay mucha correlación, si nos fijamos en la Figura 26, los investigadores siguen demostrando que la PRI puede utilizarse durante largos periodos de tiempo para estimar las tendencias de la eficiencia en el uso de la luz.

Así pues, la PRI es adecuada para medir la eficiencia del uso de la luz en escalas de tiempo diurnas, y también parece que podemos utilizarla en escalas de tiempo más largas. Sin embargo, cuando se utiliza a escalas temporales más largas, se debe tener cierta precaución en la interpretación de los datos para comprender realmente los factores que causan los cambios en la PRI.

Limitaciones PRI

Al igual que con NDVI, existen algunas limitaciones con la PRI. En primer lugar, se ha observado que la relación entre la PRI y la eficiencia en el uso de la luz, independientemente de la escala temporal, varía entre las distintas copas de los árboles. Por tanto, hay algunas dependencias entre especies y algunas dependencias estructurales.

La Figura 27 muestra que, en muchas especies diferentes, la relación entre la PRI y la fluorescencia (que es un indicador indirecto de la eficiencia en el uso de la luz) es diferente según la especie. Así que no es posible medir la PRI y extraer un valor de eficiencia en el uso de la luz. Para obtener un valor absoluto de eficiencia luminosa, primero hay que realizar un trabajo previo para establecer esas relaciones correlativas. Esto también se aplica a NDVI. Si se conoce el valor de NDVI , hay que realizar algún trabajo correlativo antes de poder transferir ese número NDVI a un LAI o F_PAR absoluto.

En toda una temporada de crecimiento, la PRI responde a cambios en muchas variables, la mayoría de ellas relacionadas con el rendimiento fotosintético. Pero hay que tener cuidado al comparar directamente las mediciones de PRI en un período de tiempo con otro período de tiempo posterior, así como si se escalan algunas de estas mediciones a través del espacio.

También hay que tener en cuenta que la PRI y la eficiencia en el uso de la luz tienden a desacoplarse, especialmente en casos extremos. Por ejemplo, en un ecosistema de hoja perenne suele haber un desacoplamiento en el periodo de transición de primavera a verano. El otro lugar donde los investigadores han observado un desacoplamiento es durante una sequía extrema. Cuando los árboles están al borde de la muerte, la PRI tiende a desacoplarse. En esas situaciones, la mayoría de las veces el resultado es que la PRI sobreestima la eficiencia en el uso de la luz. Así que, de nuevo, se impone la cautela.

Por último, la eficiencia en el uso de la luz no sólo está relacionada con los pigmentos del ciclo de la xantofila o con el contenido de otros pigmentos foliares. En algunos casos también hay que tener en cuenta la fotorrespiración, y la PRI no está relacionada con la fotorrespiración. Por lo tanto, la fotorrespiración puede ser una fuente de error en las estimaciones de la eficiencia del uso de la luz basadas en la PRI.

Combinación de mediciones de NDVI y PRI

Existe un amplio interés por poder estimar la fotosíntesis de forma remota o no destructiva. Algunos investigadores han vuelto al modelo de eficiencia en el uso de la luz de Monteith (Ecuación 3).

donde GPP (Productividad Primaria Bruta) o fotosíntesis es un producto de PAR (radiación fotosintéticamente activa) que incide sobre una cubierta vegetal, por_FPAR (intercepción fraccional de la luz) o la cantidad de esa PAR que absorbe realmente la cubierta vegetal, por ε (eficiencia de uso de la luz). En otras palabras, ¿con qué eficacia se utilizan los fotones absorbidos para fijar carbono en forma de carbohidratos?

Sin embargo, algunos investigadores han propuesto utilizar una variable sustitutiva de F_PAR y ε, pero no para PAR.

Los investigadores han probado a sustituir NDVI por F_PAR y PRI por ε, y han generado algunos resultados decentes. En la figura 28 se muestra un estudio con escalas temporales y espaciales.

Cada punto de datos procede de una ubicación diferente o de un periodo de tiempo diferente muestreado en la misma ubicación. En este caso, simplemente multiplicaron NDVI por sPRI (sPRI es una forma de escalar PRI para que sus valores caigan entre cero y uno). sPRI es esencialmente equivalente a PRI se puede ver la relación en la Figura 28 es bastante estrecha.

La figura 29 es un intento de agrupar PAR y_FPAR en APAR. APAR es la radiación fotosintéticamente activa absorbida. Así que es como combinar PAR y_FPAR, y luego multiplicar eso por, de nuevo, el PRI escalado. Estos investigadores intentan estimar la fotosíntesis en unidades reales de fotosíntesis. De nuevo, es una relación bastante lineal. Hay algún sesgo en términos de escala, pero de nuevo, un trabajo bastante bueno de detección remota de la fotosíntesis.

Una aplicación de la combinación del modelo de tipo de eficiencia de uso de la luz NDVI y sPRI sería el escalado espacial.

La figura 30 muestra un producto obtenido a partir de imágenes de satélite. A partir de esas imágenes de satélite, el investigador pudo calcular NDVI y PRI. Combinaron NDVI y PRI en el modelo de eficiencia del uso de la luz, y para cada píxel o cada ubicación dentro de la imagen, extrajeron una estimación de la absorción de_CO2 o fotosíntesis. Aunque esto se obtiene a partir de una imagen de satélite, se puede imaginar que se podrían colocar muchos sensores en todo el paisaje para obtener algo muy similar, o al menos tener una idea de cuál es la heterogeneidad espacial en la fotosíntesis utilizando este enfoque combinado NDVI/PRI.

Cómo medir NDVI, PRI y reflectancia espectral

Existe una gran variedad de formas de medir los datos espectrales, en parte porque hay una gran variedad de longitudes de onda de luz que podríamos estar midiendo.

La figura 31 muestra varias mediciones de distintos instrumentos. Por ejemplo, existe lo que llamaremos "datos hiperespectrales" que podríamos obtener de un espectrómetro y que nos proporcionan información casi continua de todo el espectro. Este sería el tipo más detallado de datos espectrales que podríamos extraer de un instrumento. Por lo general, este tipo de instrumentos se utilizan en aplicaciones de investigación de teledetección en las que se buscan nuevos índices de vegetación o nuevas dinámicas. Por ejemplo, cuando se descubrió el PRI, fue explorando múltiples espectros a la vez.

Otro enfoque sería utilizar un número limitado de bandas espectrales. Así, por ejemplo, el satélite QuickBird y otros satélites de alta resolución ofrecen lo que podríamos denominar "datos multiespectrales". QuickBird nos proporciona bandas en el azul, el verde, el rojo y el infrarrojo cercano, sólo cuatro bandas para representar la dinámica espectral a través de esta región para las cubiertas vegetales. Así que el enfoque multiespectral es básicamente sinónimo de radiómetro multibanda. La diferencia entre hiperespectral y multiespectral es difusa, pero básicamente, "hiper" significa mucho, y "multi" significa sólo unos pocos. En el lado extremo está el hiperespectral, pero en el lado opuesto tenemos un radiómetro monobanda. Un instrumento PAR es esencialmente un radiómetro monobanda con una banda de ondas de medición muy amplia. Mide la radiación entre 400 y 700 nanómetros y emite un valor único para toda esa región. Un piranómetro hace lo mismo, pero su región es aún más amplia y se extiende mucho más hacia las regiones infrarrojas de onda corta y cercana.

Así que el instrumento que necesitamos depende de los objetivos de la investigación. Si nuestros objetivos son sólo medir para las aplicaciones específicas de este artículo, un espectrómetro completo va a ser excesivo. En estos casos, podemos utilizar un radiómetro multibanda, ya sea para medir la PRI, la NDVI, o ambas simultáneamente. Sólo necesitamos cuatro bandas.

El sensorNDVI /PRI de METER es un radiómetro multibanda que mide tanto NDVI como PRI.

Un tipo tiene bandas centradas en 630 nanómetros y 800 nanómetros diseñadas para mediciones NDVI . Y el otro tipo tiene bandas centradas en 532 nanómetros y 570 nanómetros diseñadas para medir la PRI. Los sensores de reflectancia espectral están diseñados para medir la radiación entrante (figura 33).

Los difusores de teflón ofrecen una visión semiesférica del cielo que permite medir la luz incidente. Y en la parte inferior derecha se muestran los sensores direccionales que tienen topes de campo físicos que restringen el campo de visión a 20 grados. También permite que se puedan apuntar, de modo que los investigadores que los utilicen puedan dirigir la mirada del sensor dentro de un dosel vegetal. Tiene una calibración trazable al NIST, por lo que proporciona mediciones y unidades físicas reales de luz. Es pequeño, hermético y resistente a la intemperie, por lo que no hay que preocuparse de colocarlo en el exterior y de que recoja datos durante largos periodos de tiempo, lo que suele ser un problema con la mayoría de los espectrómetros. Normalmente hay que construir algún tipo de contenedor para ese instrumento para protegerlo de los elementos.

NDVI y consideraciones sobre la medición de los PRI

Si queremos medir la reflectancia espectral para obtener PRI y NDVI, normalmente nos va a interesar una vista de arriba abajo del dosel, al menos para las mediciones de radiancia (o las mediciones de afloramiento).

Para ello es necesario realizar mediciones por encima del dosel. La dificultad de esta tarea depende de la altura del dosel. Por ejemplo, en la figura 34 hay una torre de flujo en el norte de Michigan que se extiende bastante por encima de un dosel mixto caducifolio. Sería la plataforma perfecta para un sensor SRS. Pero si el dosel es, por ejemplo, un cultivo de trigo, una torre es innecesaria. Puedes montar el sensor en el poste de una valla o en un trípode resistente. En cualquier caso, el sensor debe estar por encima de la cubierta.

Cuando se realizan mediciones a largo plazo de la reflectancia espectral, resulta ventajoso disponer de instrumentos de doble visión: un instrumento que mira hacia arriba para cuantificar la radiación incidente y otro que mira hacia abajo para cuantificar la cantidad de esa radiación que se refleja. Esto significa que no importan las condiciones del cielo, se puede medir en condiciones de luz solar y si hay nubes no afectará a la medición porque ambas fuentes de radiación se cuantifican simultáneamente. Esto también supone una ventaja con respecto a las mediciones de reflectancia espectral en tierra, a diferencia de las imágenes por satélite. Y el problema con las imágenes de satélite es que siempre que hay cobertura cloud , especialmente en la región visible, obstruye nuestra visión del ecosistema del dosel que nos interesa. Pero un sensor SRS o un espectrómetro que pueda medir el dosel en todas las condiciones nos permite explorar NDVI y PRI con mucho más detalle en todas las condiciones. Además, si intentamos colocar un sensor por encima de la cubierta, resulta ventajoso utilizar un sensor pequeño y de baja potencia, ya que es más fácil colocarlo donde pueda vigilar la cubierta de forma continua.

Una cosa que hay que tener en cuenta con NDVI y PRI es que los cambios en la geometría de la superficie del sensor solar pueden tener un efecto dramático en los datos. Esto es especialmente importante cuando se consideran datos de series temporales. Por ejemplo, en la Figura 35 se representan cinco días de NDVI .

Cada línea representa un día diferente. Nótese que entre todas esas líneas de datos hay un patrón típico en forma de U. Se trata de efectos angulares, lo que significa que no era el LAI o la interceptación fraccional de la luz lo que estaba cambiando. El sensor estaba mirando a una ubicación fija. Así que tenía que ver con la forma en que los fotones interactuaban con el dosel y eran registrados por el instrumento.

La figura 36 muestra un ejemplo extremo de retrodispersión y dispersión frontal.

En este ejemplo, la ubicación del observador y de la cubierta no cambia, pero sí cambia la posición del sol en el cielo. Esto puede tener un gran efecto en la forma en que los fotones inciden en la cubierta y en cómo se registran en el lugar donde se encuentra el observador o el instrumento.

También hay que tener en cuenta que, al recopilar largas series temporales de datos en todas las condiciones meteorológicas, pueden ocurrir cosas que provoquen observaciones espurias. La óptica delantera puede mojarse, un pájaro puede posarse en el sensor o éste puede ensuciarse. Todas estas cosas pueden causar ruido o picos en los datos. Así, por ejemplo, el día 178 de la figura 35 muestra un gran pico ascendente.

Por lo tanto, suele ser necesario filtrar los datos de las series temporales NDVI y PRI. Una de las soluciones al efecto de la geometría de la superficie del sensor solar es utilizar sólo una observación por día. Esto suele funcionar bien con NDVI porque NDVI analiza variables relacionadas estructuralmente, como el LAI, que no cambian mucho a lo largo de un día, pero sí cambian de un día para otro o a lo largo de semanas y meses. Por tanto, si ese es el objetivo, lo único que se necesita es una resolución diaria. La figura 37 es un ejemplo en el que los investigadores extrajeron una medición alrededor del mediodía cada día. El mediodía, especialmente el mediodía solar, es mejor porque el cenit y el acimut solar son consistentes de un día para otro cuando se realizan las observaciones.

La Figura 38 es una serie temporal de varias parcelas de tratamiento diferentes, en las que se representan los datos diarios para mostrar los patrones o las diferencias en los patrones de verdor durante la transición de primavera a verano en una pradera.

Algunos investigadores quieren datos diurnos, especialmente en el caso de la PRI, ya que ésta puede ser muy dinámica al responder a la dinámica del ciclo de la xantofila. Hay mucho interés en comprender cuáles son algunos de esos acoplamientos estrechos y reacciones rápidas a medida que las plantas y las cubiertas vegetales responden a cambios rápidos en el medio ambiente. Si va a utilizar los datos diurnos, le recomendamos que estudie el modelado bidireccional de la reflectancia (modelado o contabilización de los efectos angulares presentes en los datos) en un artículo de Thomas Hillker publicado en Remote Sensing of Environment en 2008.

Referencias

• Colombo, Roberto, Dario Bellingeri, Dante Fasolini y Carlo M. Marino. "Retrieval of leaf area index in different vegetation types using high resolution satellite data". Teledetección del medio ambiente 86, no. 1 (2003): 120-131.(Enlace del artículo).
• Demmig-Adams, Barbara, y William W. Adams III. "El papel de los carotenoides del ciclo de la xantofila en la protección de la fotosíntesis". Trends in Plant science 1, no. 1 (1996): 21-26.(Enlace del artículo).
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen, y J. Peñuelas. "Teledetección del ciclo de la xantofila y fluorescencia de la clorofila en hojas y doseles de girasol". Oecologia 85, no. 1 (1990): 1-7.(Enlace al artículo).
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas y Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types". Ecological Applications 5, no. 1 (1995): 28-41.(Enlace al artículo).
• Gamon, JAm, L. Serrano, y J. S. Surfus. "El índice de reflectancia fotoquímica: un indicador óptico de la eficiencia del uso de la radiación fotosintética a través de especies, tipos funcionales y niveles de nutrientes". Oecologia 112, no. 4 (1997): 492-501.(Enlace al artículo).
• Gamon, J. A., y J. S. Surfus. "Evaluación del contenido y la actividad de los pigmentos foliares con un reflectómetro". The New Phytologist 143, no. 1 (1999): 105-117.(Enlace del artículo).
• Gamon, J. A., J. Penuelas y C. B. Field. "Un índice espectral de banda de onda estrecha que rastrea los cambios diurnos en la eficiencia fotosintética". Teledetección del medio ambiente 41, no. 1 (1992): 35-44.(Enlace al artículo).
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel y Peter S. Curtis. "A comparison of multiple phenology data sources for estimating seasonal transitions in deciduous forest carbon exchange". Meteorología Agrícola y Forestal 151, nº 12 (2011): 1741-1752.(Enlace al artículo).
• Garrity, Steven R., Jan UH Eitel, y Lee A. Vierling. "Desentrañar las relaciones entre los pigmentos de las plantas y el índice de reflectancia fotoquímica revela un nuevo enfoque para la estimación remota del contenido de carotenoides". Teledetección del Medio Ambiente 115, nº 2 (2011): 628-635.(Enlace al artículo).
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet y T. Andrew Black. "Multi-angle remote sensing of forest light use efficiency by observing PRI variation with canopy shadow fraction". Teledetección del Medio Ambiente 112, no. 7 (2008): 3201-3211.(Enlace al artículo).
• Peñuelas, Josep, Iolanda Filella, y John A. Gamon. "Evaluación de la eficiencia fotosintética de uso de la radiación con reflectancia espectral". New Phytologist 131, no. 3 (1995): 291-296.(Enlace al artículo).
• Porcar-Castell, Albert, José Ignacio Garcia-Plazaola, Caroline J. Nichol, Pasi Kolari, Beñat Olascoaga, Nea Kuusinen, Beatriz Fernández-Marín, Minna Pulkkinen, Eija Juurola y Eero Nikinmaa. "Fisiología de la relación estacional entre el índice de reflectancia fotoquímica y la eficiencia fotosintética del uso de la luz". Oecologia 170, nº 2 (2012): 313-323.(Enlace al artículo).
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts y Dylan Prentiss. "Modelización del flujo ecosistémico espacialmente distribuido del bosque boreal utilizando índices hiperespectrales de imágenes AVIRIS". Journal of Geophysical Research: Atmospheres 106, no. D24 (2001): 33579-33591.(Enlace al artículo).
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid y Daniel A. Sims. "Potential of MODIS ocean bands for estimating CO2 flux from terrestrial vegetation: A novel approach". Geophysical Research Letters 31, no. 10 (2004).(Enlace al artículo).
• Ryu, Youngryel, Dennis D. Baldocchi, Joseph Verfaillie, Siyan Ma, Matthias Falk, Ilse Ruiz-Mercado, Ted Hehn y Oliver Sonnentag. "Testing the performance of a novel spectral reflectance sensor, built with light emitting diodes (LEDs), to monitor ecosystem metabolism, structure and function". Meteorología Agrícola y Forestal 150, no. 12 (2010): 1597-1606.(Enlace al artículo).

¿Preguntas?

Nuestros científicos cuentan con décadas de experiencia ayudando a investigadores y cultivadores a medir el continuo suelo-planta-atmósfera.

• Hable con un experto
• Solicitar un cotización
• Ver todos nuestros instrumentos de tejadillo

ANEXO

Cómo sacar más partido a su sensor NDVI

Vea este vídeo o lea el siguiente artículo para saber cómo se utiliza NDVI en la investigación actual y cómo superar algunas de las limitaciones de NDVI.

NDVI - mundial

La forma más amplia de pensar en NDVI son los datos obtenidos desde un satélite en órbita terrestre. En la Figura 1 se pueden ver zonas con mucha vegetación que tienen valores altos de NDVI representadas por colores verde oscuro en todo el planeta.

Por el contrario, las zonas con poca vegetación presentan valores bajos de NDVI , que tienen un aspecto marrón. NDVI es sensible a la cantidad de cubierta vegetal presente en la superficie terrestre.

NDVI - local

¿Qué utilidad puede tener NDVI a nivel de parcela? La figura 2 muestra un gradiente sucesional en el que el momento cero es una parcela de suelo desnudo, o unas pocas hierbas o gramíneas anuales. Si dejamos esa parcela de suelo el tiempo suficiente, la vegetación cambiará: los arbustos pueden tomar el relevo de las gramíneas y, con el tiempo, podríamos ver un bosque. En una zona extensa, también podemos pasar de pastizales a bosques. En un sistema agrícola, la vegetación se renueva anualmente: del campo desnudo a la aparición, madurez y senescencia de las plantas. Este ciclo se repite cada año. Dentro de estos ciclos de crecimiento, NDVI ayuda a cuantificar el crecimiento del dosel que se produce a lo largo del tiempo, así como la dinámica espacial que tiene lugar a través de los paisajes.

Datos de reflectancia espectral

¿De dónde procede NDVI ? En la figura 3, el eje x representa la longitud de onda de la luz dentro del espectro electromagnético; de 450 a 950 nm abarca tanto la región visible como una parte del infrarrojo cercano. En el eje Y se muestra el porcentaje de reflectancia. Se trata de un espectro de reflectancia típico de la vegetación verde.

La línea hiperespectral verde es la que esperaríamos obtener de un radiómetro espectral. La reflectancia suele ser baja en la región azul, más alta en la verde y más baja en la roja. Cambia drásticamente al pasar del visible al infrarrojo cercano. Las dos barras verticales etiquetadas NDVI dan una idea de dónde mide un sensor típico NDVI dentro del espectro. Una banda está en la región del rojo y la otra en la del infrarrojo cercano.

NDVI aprovecha la gran diferencia entre la región visible y la porción infrarroja cercana del espectro. Las plantas sanas y en crecimiento reflejan intensamente el infrarrojo cercano. Las dos imágenes de la derecha de la figura anterior corresponden a la misma zona. La imagen superior se muestra en color verdadero, es decir, en tres bandas: azul, verde y roja. La imagen inferior es una imagen infrarroja en falso color. Las tres bandas mostradas son azul, verde y, en lugar del rojo, hemos utilizado el infrarrojo cercano. El color rojo brillante indica mucha reflectancia en el infrarrojo cercano, típica de la vegetación verde o sana.

La razón por la que NDVI se formula con rojo e infrarrojo cercano es que el rojo se centra en la absorción de la clorofila, y el infrarrojo cercano es sensible a la estructura del dosel y a la estructura celular interna de las hojas. A medida que añadimos hojas a un dosel, hay más clorofila y complejidades estructurales, por lo que podemos esperar cantidades decrecientes de reflectancia roja y mayores cantidades de reflectancia infrarroja cercana.

¿Cómo se calcula el NDVI?

El índice de vegetación de diferencia normalizada tiene en cuenta la cantidad de infrarrojo cercano (NIR) reflejada por las plantas. Se calcula dividiendo la diferencia entre las reflectancias (Rho) en el infrarrojo cercano y el rojo por la suma de ambas. Los valores de NDVI suelen oscilar entre uno negativo (agua superficial) y uno (dosel lleno y vibrante). Los valores bajos (0,1 - 0,4) indican copas escasas, mientras que los valores altos (0,7 - 0,9) sugieren copas llenas y activas.

La forma de calcular el porcentaje de reflectancia consiste en cuantificar tanto la radiación ascendente (la radiación que incide sobre la cubierta y luego se refleja hacia nuestro sensor) como la cantidad total de radiación descendente (procedente del cielo) sobre una cubierta. La relación entre ambas nos da el porcentaje de reflectancia en cada una de las bandas.

NDVI aplicaciones

La gente utiliza NDVI para inferir cosas como leaf area index(LAI) o la interceptación fraccional de la luz (_FPAR) de un dosel. Algunos científicos también asocian NDVI con la biomasa o el rendimiento de un cultivo. La gente también utiliza NDVI para hacerse una idea de la fenología (patrones temporales generales de verdor), así como de dónde se encuentra la vegetación o cuánta vegetación hay en un lugar concreto.

En la Figura 4, se puede ver cómo el espectro de reflectancia en un LAI de dosel dado cambia con leaf area index, disminuyendo en el rango visible mientras aumenta en el infrarrojo cercano.

Cuando el LAI es muy bajo, el espectro de reflectancia es relativamente indiferenciado entre el rojo y el NIR (línea negra), pero cuando el LAI es alto, hay una fuerte absorción de luz roja por la clorofila con una fuerte reflectancia en el NIR. De hecho, a medida que aumenta el LAI, aumenta la reflectancia en el infrarrojo cercano, en torno a los 800 nm.

NDVI limitaciones

Las limitaciones del Índice de Vegetación de Diferencia Normalizada tienden a producirse en los extremos del espectro. Siempre que haya una cobertura vegetal muy baja (la mayor parte de la escena es suelo), NDVI será sensible a ese suelo. Esto puede confundir las mediciones. En el otro extremo, donde hay una gran cantidad de vegetación, NDVI tiende a saturarse. Obsérvese la insignificante diferencia entre los espectros en un leaf area index (LAI) de 3 (púrpura) frente a 6 (verde). De hecho, en un bosque tropical, NDVI no será sensible a pequeños cambios en el LAI porque éste ya es muy alto. Sin embargo, existen varias soluciones.

Solución 1: Índice de vegetación ajustado al suelo

La figura 5 muestra los resultados de un estudio en el que se realizaron mediciones espectrales de distintos índices de vegetación a lo largo de un transecto de suelo desnudo. Al pasar de un suelo arcilloso seco a un suelo arcilloso húmedo, se observa una fuerte respuesta de NDVI debida a la humedad del suelo; algo indeseable si estamos midiendo la vegetación. No nos interesa un índice que sea sensible a los cambios en el suelo o en la humedad del suelo. Sin embargo, hay algunos otros índices representados en la figura 5 con una sensibilidad mucho menor a las variaciones del suelo a lo largo del transecto.

El primero de esos índices es el Índice de Vegetación Ajustado al Suelo (SAVI). La ecuación del SAVI es similar a la de NDVI. Incorpora las mismas dos bandas que NDVI: el infrarrojo cercano y el rojo.

Lo único que es diferente es el parámetro L. L es un factor de ajuste del suelo con valores que oscilan entre 0 y 1. Cuando la cubierta vegetal es del 100%, L es 0 porque no es necesario ajustar el fondo del suelo. Cuando la cobertura vegetal es del 100%, L es 0 porque no hay necesidad de un ajuste de fondo del suelo. Sin embargo, cuando la cubierta vegetal es muy baja, ese parámetro L se aproximará a uno. Como es difícil medir exactamente la cobertura vegetal sin utilizar NDVI, podemos modificar NDVI para que no sea sensible al suelo adivinando de antemano cuál debería ser L. Es práctica común fijar L en un valor intermedio de 0,5. En la figura 5 se puede ver que el índice de vegetación ajustado al suelo o SAVI tiene una sensibilidad mucho menor al fondo del suelo.

Solución 2: SAVI modificado

El siguiente índice de vegetación es el SAVI modificado (MSAVI). La ecuación SAVI contiene un parámetro L que tenemos que estimar, lo que no es una forma precisa de manejar las cosas. Así que un científico llamado Qi desarrolló un óptimo universal para L. No vamos a entrar en las matemáticas, pero él fue capaz de simplificar la ecuación SAVI a donde ya no hay una necesidad de que el parámetro L, y las únicas entradas necesarias son las reflectancias en el infrarrojo cercano y el rojo.

Se trataba de un avance bastante significativo, ya que evitaba la necesidad de estimar o medir independientemente L. Cuando Qi comparó SAVI con MSAVI, prácticamente no había diferencias entre los dos índices en cuanto a su sensibilidad a la cantidad de vegetación y su respuesta al fondo del suelo.

NDVI limitaciones: LAI elevado

NDVI es útil en el rango medio de LAIsiempre que no haya fuertes efectos del suelo, pero a medida que se acerca a un LAI superior a 4, se pierde sensibilidad. En la figura 7, la pérdida de sensibilidad se debe principalmente a una saturación de la banda roja. Las mediciones se realizaron en un dosel de trigo y otro de maíz. La reflectancia en el infrarrojo cercano es sensible en todo el espectro de las cubiertas de trigo y maíz, pero el rojo se satura con relativa rapidez. Donde empieza a saturarse el rojo es donde empieza a saturarse NDVI .

NOTA: NDVI se satura en LAI altos, sin embargo, si su propósito es obtener la intercepción fraccional de la luz, NDVI tiende a no tener el problema de saturación. En la Figura 8,_FPAR o la intercepción fraccional de la luz de la radiación fotosintéticamente activa está casi completa mucho antes de que NDVI se sature. Esto se debe a que las copas de los árboles son eficientes interceptando la luz, y una vez que llegamos a un LAI de aproximadamente 4, la mayor parte de la luz ha sido interceptada o absorbida por la copa. Por lo tanto, los incrementos en el LAI no afectan significativamente a la variable_FPAR.

Solución 3: WDRVI

Una solución para el problema de la saturación de NDVI es el llamado Índice de Vegetación de Amplio Rango Dinámico (WDRVI). Su formulación es similar a la de NDVI, salvo por un coeficiente de ponderación que puede utilizarse para reducir la disparidad entre la contribución de la reflectancia en el infrarrojo cercano y en el rojo.

En el WDRVI, a se multiplica por la reflectancia en el infrarrojo cercano para reducir su valor y acercarlo al de la reflectancia en el rojo. De este modo, se equilibra la contribución del rojo y del infrarrojo cercano al índice de vegetación.

a puede oscilar entre 0 y 1. La Figura 9 muestra que a medida que utilizamos un valor menor de a, obtenemos una respuesta lineal creciente del índice de vegetación dinámico amplio al LAI.

El único inconveniente del WDRVI es que la selección de a es subjetiva. Es algo que se experimenta por cuenta propia hasta encontrar un valor de a que sea óptimo para la solución. La gente tiende a errar por el lado de un valor muy bajo simplemente porque se acercarán cada vez más a una respuesta lineal al LAI a medida que disminuye.

Solución 4: Índice de vegetación mejorado

El Índice de Vegetación Mejorado (EVI) se diseñó para aumentar la sensibilidad en ecosistemas de gran biomasa, pero también intenta reducir las influencias atmosféricas. Se trataba de un índice de vegetación creado para los fines de una plataforma basada en satélites. Hay mucha atmósfera que atravesar desde un satélite hasta el suelo, y a veces los aerosoles de la atmósfera afectan a las reflectancias en las regiones del rojo y del infrarrojo cercano, provocando observaciones espurias. El EVI también intenta reducir la sensibilidad del índice al suelo. Así pues, el EVI es una especie de solución a ambos extremos.

En la ecuación del EVI, las dos entradas principales son las reflectancias del infrarrojo cercano y del rojo. C1, C2 y L son parámetros que se pueden estimar, pero la banda azul es algo que hay que medir. La mayoría de los sensores de NDVI son sensores de dos bandas, por lo que no se dispone de esa información en el azul. Además, con los satélites, la banda azul es relativamente ruidosa y no siempre tiene los datos de mejor calidad, por lo que el EVI tiene un valor limitado.

Solución 5: EVI2 (Índice de vegetación mejorado 2)

Estos problemas llevaron a un científico llamado Jiang a idear una solución. Jiang observó bastante autocorrelación entre la banda roja y la azul, por lo que decidió intentar formular el EVI sin la banda azul en lo que llamó el EVI2 (Enhanced Vegetation Index 2). Si te interesan las matemáticas, te animamos a que leas su artículo, pero aquí te damos la ecuación por si te interesa utilizarla.

Cuando Jiang calculó su EVI2 y lo comparó con el EVI tradicional (Figura 10), la relación era casi uno a uno. A todos los efectos, el EVI2 era equivalente al EVI. Dado que esto evita la banda azul, ofrece algunas posibilidades interesantes, ya que se reduce a sólo utilizar las dos entradas de las bandas NIR y roja para calcular NDVI.

NDVI resumen de sensores

NDVI tienen un valor considerable y, aunque hay extremos en los que NDVI obtiene malos resultados, incluso en estos casos existen varias soluciones. Todas estas soluciones utilizan las bandas del infrarrojo cercano y del rojo, por lo que se puede tomar un sensorNDVI , obtener los valores brutos de las reflectancias del infrarrojo cercano y del rojo y reformularlos en uno de estos índices (hay varios índices más disponibles que no hemos tratado). Así pues, si se encuentra en un sistema con un LAI extremadamente alto o bajo, intente determinar cómo pueden utilizarse las bandas del infrarrojo cercano y del rojo en algún tipo de índice de vegetación que le permita investigar su aplicación específica.

Referencias

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas y Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types". Ecological Applications 5, no. 1 (1995): 28-41.(Enlace al artículo).
• Gitelson, Anatoly A. "Índice de vegetación de amplio rango dinámico para la cuantificación a distancia de las características biofísicas de la vegetación". Journal of plant physiology 161, no. 2 (2004): 165-173.(Enlace del artículo).
• Huete, Alfredo. "Huete, AR Un índice de vegetación ajustado al suelo (SAVI). Teledetección del Medio Ambiente". Teledetección del medio ambiente 25 (1988): 295-309.
• Jiang, Zhangyan, Alfredo R. Huete, Kamel Didan, y Tomoaki Miura. "Desarrollo de un índice de vegetación mejorado de dos bandas sin banda azul". Teledetección del Medio Ambiente 112, no. 10 (2008): 3833-3845.(Enlace del artículo).
• Qi, Jiaguo, Abdelghani Chehbouni, Alfredo R. Huete, Yann H. Kerr y Soroosh Sorooshian. "Un índice de vegetación modificado ajustado al suelo". Teledetección del medio ambiente 48, no. 2 (1994): 119-126.(Enlace al artículo).
• Rocha, Adrian V., y Gaius R. Shaver. "Ventajas de un EVI de dos bandas calculado a partir de flujos de radiación solar y fotosintéticamente activa". Meteorología Agrícola y Forestal 149, no. 9 (2009): 1560-1563.(Enlace al artículo).

¿Preguntas?

Nuestros científicos cuentan con décadas de experiencia ayudando a investigadores y cultivadores a medir el continuo suelo-planta-atmósfera.

• Hable con un experto
• Solicitar un cotización
• Ver todos nuestros instrumentos de tejadillo