CONTRIBUENTI

NDVI (Normalized Difference Vegetation Index) e PRI (Photochemical Reflectance index): teoria, metodi e applicazioni

La tecnologia moderna consente di campionare gli indici spettrali della vegetazione, come NDVI e PRI, su una gamma di scale sia spaziali che temporali, dai satelliti che campionano l'intera superficie terrestre a piccoli sensori portatili che misurano singole piante o addirittura foglie.

Cosa sono NDVI e PRI?

NDVI (Normalized Difference Vegetation Index) e PRI (Photochemical Reflectance Index) sono entrambi indici spettrali della vegetazione derivati dalla misurazione di lunghezze d'onda relativamente strette della luce riflessa (da 10 a 50 nanometri) nello spettro elettromagnetico. Questo è utile per misurare varie proprietà delle chiome delle piante. NDVI sta per Normalized Difference Vegetation Index e PRI sta per Photochemical Reflectance Index.

Esistono molti tipi di indici spettrali della vegetazione, tuttavia questo articolo e il webinar si concentrano sulla teoria, sui metodi e sull'applicazione di NDVI e PRI, che sono due degli indici più comunemente utilizzati.

NDVI è particolarmente utile per misurare le proprietà strutturali delle chiome delle piante, come leaf area index, l'intercettazione della luce e persino la biomassa e la crescita, mentre il PRI è più utile per ottenere proprietà funzionali delle chiome delle piante, come l'efficienza di utilizzo della luce. La letteratura recente dimostra che il PRI è utile anche per misurare i pigmenti fogliari.

Comprendere le interazioni con la radiazione della calotta

Per capire da dove provengono NDVI e PRI, è importante conoscere le interazioni tra chioma e radiazione. Esistono tre destini principali per la radiazione elettromagnetica quando interagisce con le chiome delle piante.

Nella Figura 2, l'energia è rappresentata come fotoni sotto forma di frecce. I fotoni provenienti dal sole possono interagire con la copertura in tre modi: Possono essere trasmessi, cioè attraversare la chioma e colpire il suolo. Possono essere assorbiti, dove il materiale fotosintetico verde all'interno della chioma assorbe alcuni fotoni e utilizza l'energia per la fotosintesi. Oppure possono essere riflessi, cioè colpiscono la superficie della chioma e vengono riflessi nello spazio.

La Figura 3 mostra un diagramma della radiazione elettromagnetica. Una delle caratteristiche più evidenti di questo diagramma è lo spettro visibile. Esso va da 400 a 700 nanometri e comprende i blu, i verdi, i gialli, gli arancioni e i rossi visti dall'occhio umano. Tuttavia, vi è anche la radiazione ultravioletta (UV) a lunghezze d'onda molto corte e la radiazione infrarossa a lunghezze d'onda maggiori. È importante capire che all'interno dello spettro delle radiazioni elettromagnetiche ci sono fotoni a diverse energie (lunghezze d'onda). L'interazione della radiazione con la chioma di una pianta dipende dalla lunghezza d'onda. Ad esempio, i fotoni rossi interagiscono con le chiome in modo diverso rispetto ai fotoni blu o ai fotoni del vicino infrarosso. Gli indici di vegetazione misurano la componente riflessa della radiazione.

RADIAZIONE RIFLESSA
Caratteristiche spettrali della chioma

La Figura 4 mostra un tipico spettro di riflettanza della chioma che ci si aspetta di vedere dalla maggior parte delle chiome con materiale fotosintetico verde. L'asse y rappresenta la percentuale di riflessione della radiazione elettromagnetica. L'asse x rappresenta la lunghezza d'onda in nanometri. Da 450 a 700 nanometri è la gamma del visibile, mentre a circa 700 nanometri si entra nell'infrarosso e in particolare nella porzione di spettro del vicino infrarosso. Questo spettro è stato ricavato da una chioma vegetale. Si noti che la maggior parte della radiazione riflessa nello spettro visibile ha un picco nel verde. Per questo motivo, quando osserviamo una chioma vegetale, è tipicamente verde. I blu e i rossi in questo caso sono fortemente assorbiti dalle clorofille. Si noti anche l'elevata riflettanza nella gamma del vicino infrarosso. È molto tipico vedere riflessi elevati in questa zona perché l'energia non può essere utilizzata nella fotosintesi. Le piante sono state progettate per riflettere questa radiazione.

I diversi componenti delle chiome delle piante possono influenzare gli spettri nell'intervallo di lunghezze d'onda del visibile, del vicino infrarosso e oltre. La Figura 5 illustra il contenuto di clorofilla fogliare a vari livelli.

Al variare del contenuto di clorofilla, questo spettro cambia drasticamente, soprattutto nella regione visibile tra il verde e il rosso e un po' nel vicino infrarosso.

Analogamente, la Figura 6 illustra che anche il contenuto di carotenoidi modifica la riflettanza, ma i suoi effetti sono molto meno distribuiti su tutto lo spettro.

Anche la struttura cellulare delle foglie è una proprietà delle chiome che può influenzare lo spettro di riflessione. La Figura 7 mostra che il suo effetto tende a essere uniforme nella maggior parte del visibile e del vicino infrarosso.

Anche il contenuto d'acqua fogliare può influenzare fortemente lo spettro di una foglia. La Figura 8 mostra maggiormente lo spettro del vicino infrarosso, perché è lì che si concentra la maggior parte dell'effetto dell'acqua. Non si nota l'effetto nella gamma del visibile e c'è un piccolo effetto nella gamma del vicino infrarosso. Tuttavia, a circa 800 nanometri, l'effetto è notevole. Quindi è a lunghezze d'onda maggiori che il contenuto d'acqua ha un'influenza.

Gli esempi precedenti mostrano gli effetti a livello delle foglie, ma lo spettro di riflettanza osservato da una chioma è una miscela di molte foglie. Se le mettiamo tutte insieme, si può vedere nella Figura 9 che leaf area index ha anche un effetto drammatico su tutte le porzioni visibili e vicine all'infrarosso dello spettro.

Si noti che nella regione del rosso, da circa 600 a 700 nanometri, e anche nel vicino infrarosso, dove è stato aggiunto materiale fogliare, le riflettanze sono sempre più alte.

Come viene calcolato NDVI

I grafici precedenti illustrano gli spettri di riflettanza continui, ma NDVI si concentra solo su due regioni specifiche dello spettro; il vicino infrarosso (NIR) a circa 800 nanometri è combinato con la riflettanza nella regione del rosso, che di solito si trova a circa 650-700 nanometri (Figura 10). Un valore tipico di NDVI è compreso tra -1 e 1. Un valore più alto di NDVI indica una chioma più verde o una maggiore superficie fogliare.

Come già detto, la percentuale di riflettanza è un rapporto tra la radiazione ascensionale o la radiazione riflessa dalla chioma e la quantità di energia incidente o che colpisce la chioma. Il motivo per cui il sito NDVI è formulato con bande rosse e vicino all'infrarosso è che il rosso è fortemente influenzato dal contenuto di clorofilla e il vicino infrarosso è legato alla struttura cellulare della foglia e agli spazi d'aria all'interno della foglia. Quando le foglie si espandono e maturano, la struttura cellulare cambia e ciò può avere una forte influenza sulla diffusione nel vicino infrarosso. Dallo spettro della Figura 10 si nota anche che il rosso è fortemente assorbito. Lo possiamo notare perché non viene riflesso molto. Tuttavia, nel vicino infrarosso si nota una grande quantità di riflettanza. Quindi, considerando il rapporto tra il rosso e il vicino infrarosso (Equazione 1), possiamo capire cosa sta accadendo con la chioma della vegetazione.

NDVI APPLICAZIONI
Stimare leaf area index utilizzando NDVI

NDVI è spesso usato per stimare il leaf area index di una varietà di chiome diverse. Questo è particolarmente utile in un'analisi di serie temporali in cui si tiene traccia di NDVI nel tempo. In una chioma annuale di latifoglie, dove ci sono grandi cambiamenti stagionali in leaf area index, NDVI è utile per tracciare tali cambiamenti. NDVI può anche essere usato per dedurre o stimare la variabilità spaziale in leaf area index.

La Figura 11 mostra come i ricercatori possano utilizzare le immagini per comprendere la variabilità spaziale del LAI. Possono calcolare NDVI usando quelle immagini perché hanno bande di onde vicine all'infrarosso e rosse. Quindi utilizzano i valori di NDVI per mappare il LAI delle colture, in modo da vedere l'eterogeneità spaziale del LAI sia tra le unità di gestione sia all'interno di esse.

Si noti che questa applicazione di NDVI ha dei limiti.

La Figura 12 mostra che, una volta superati i LAI di tre o quattro, NDVI tende a saturare la sua relazione con leaf area index. Questo perché nella banda rossa l'assorbimento della clorofilla tende a essere molto basso, anche a bassi LAI. Quindi, man mano che si aggiunge superficie fogliare, si verificano solo piccoli cambiamenti nell'assorbimento oltre un LAI di tre o quattro. Allo stesso modo, nella banda del vicino infrarosso, man mano che si aggiunge materiale fogliare, la variazione incrementale nella riflettanza del vicino infrarosso tende a diminuire a LAI molto elevati. Questa è quindi una potenziale area di debolezza dell'uso di NDVI per stimare il LAI. Questo metodo è appropriato solo per chiome con LAI compresi tra zero e quattro.

Un'altra applicazione correlata di NDVI è la stima dell'intercettazione della luce, perché il LAI è correlato alla quantità di luce assorbita da una chioma vegetale. Più foglie significano più luce assorbita. L'intercettazione della luce è una variabile importante da conoscere perché ci dà un'idea di quanta luce viene assorbita da una chioma. Ad esempio, se supponiamo che una chioma sia acclimatata all'ambiente e possa utilizzare tutta l'energia luminosa, allora conoscere l'intercettazione frazionaria della luce ci darebbe qualche indicazione sulla capacità fotosintetica.

Un vantaggio dell'utilizzo di NDVI per prevedere l'intercettazione frazionale della luce o l'assorbimento frazionale della radiazione fotosinteticamente attiva(F_PAR), è che la relazione tra NDVI e F_PAR in genere non si satura. L'assorbimento della luce tende a essere relativamente completo a LAI di circa tre o quattro. Quando si aggiunge ulteriore superficie fogliare, non si ottiene un aumento lineare dell'assorbimento frazionario della luce. La Figura 13 mostra una relazione lineare tra NDVI e F_PAR.

Si noti che anche fino a valori elevati di intercettazione frazionaria, la curva rimane lineare.

Utilizzo di NDVI in fenologia

Un altro uso relativamente comune di NDVI è la stima della fenologia in sistemi decidui o annuali o in qualsiasi altro tipo di sistema con una grande variabilità interannuale dell'area fogliare. Il grafico in basso nella Figura 14 mostra che se si dispone di una serie temporale di dati di NDVI e si adatta una curva a tale serie temporale, si ottiene un andamento abbastanza regolare.

Durante l'inverno, non c'è solo molta superficie fogliare, quindi NDVI è basso. Poi, in primavera, NDVI aumenta con l'aumentare del LAI. Raggiunge un picco verso la metà della stagione vegetativa e poi, in autunno, la senescenza e la caduta delle foglie fanno scendere i valori di NDVI . Utilizzando queste curve, possiamo estrarre varie metriche sulla tempistica dei vari eventi. Ad esempio, se si è interessati alla tempistica del rinverdimento o dell'inizio della stagione. Il grafico in alto nella Figura 14 mostra la metrica SOSp che è stata estratta da una curva NDVI . Questa metrica SOSp mostra quando le foglie hanno iniziato a crescere. Poiché possiamo vedere quando le foglie hanno iniziato a espandersi, possiamo contrassegnare con una data specifica l'inizio della stagione. Se mettiamo insieme molti anni di osservazioni come queste, avremo molte date in cui si è verificato l'inizio della stagione per una determinata chioma. Possiamo poi metterle in relazione con le variabili climatiche o con qualsiasi altra variabile, per vedere se c'è una causa e un effetto. Ad esempio, alcuni ricercatori stanno scoprendo che, con il riscaldamento del clima, la stagione di avviamento avviene tipicamente prima nel corso dell'anno. E ci sono molte altre metriche che possiamo estrarre da queste curve. Possiamo usare i dati di NDVI direttamente come indicatore della fenologia, oppure possiamo usare i dati di NDVI come alimentazione diretta di un modello per prevedere quando si verificano gli eventi fenologici.

La Figura 15 illustra un altro esempio di utilizzo di NDVI per comprendere la fenologia. In un popolamento forestale con specie miste, possiamo osservare molte posizioni diverse all'interno della chioma o anche singoli alberi e seguire i tempi del loro sviluppo. La Figura 15 mostra lo sviluppo di una foresta di specie miste durante la primavera. Tutte le specie iniziano con valori di NDVI molto diversi. Ciò è direttamente correlato al loro leaf area index in quel momento. Con l'avanzare della primavera, i valori di NDVI aumentano tipicamente per le specie decidue, per poi tendere a convergere tutti dopo circa il 150° giorno a un valore di NDVI abbastanza uniforme. Quindi, a circa 150 giorni, la chioma inizia a raggiungere la maturità strutturale. Non sappiamo necessariamente cosa stia succedendo con l'acclimatazione fotosintetica a questo punto, ma questi dati sono un buon esempio di come i dati di NDVI possano essere usati per valutare l'eterogeneità spaziale o le differenze specie-specie o albero per albero nel green-up, anche all'interno dello stesso popolamento.

Utilizzo di NDVI per stimare la produttività

NDVI I dati possono essere utilizzati per stimare direttamente la produttività nelle chiome decidue o in quelle fortemente stagionali, come le praterie annuali, dove la presenza di superficie fogliare verde è strettamente legata alla fotosintesi stagionale.

Ad esempio, la Figura 16 riporta i dati di un lavoro di Ryu, che ha monitorato NDVI di una prateria annuale per diversi anni. I valori di NDVI sono i punti verdi tracciati nel grafico superiore e i cerchi aperti nello stesso grafico sono le misurazioni della fotosintesi. Si noti che NDVI è in grado di tracciare i tempi e l'ampiezza della fotosintesi in questa prateria annuale. Nel grafico in basso, ha preso l'intero set di dati quadriennali e ha mostrato la relazione tra NDVI e la fotosintesi della chioma. Ha quindi creato un modello empirico che utilizza NDVI per stimare la fotosintesi della chioma in questo ecosistema. Poiché NDVI traccia i tempi della fotosintesi in questo sistema, potremmo stimare non solo la fotosintesi istantanea in ogni giorno dell'anno, ma potremmo anche rispondere a domande come: come posso stimare il periodo di aggiornamento del carbonio? Quando è iniziata la stagione? Quando ha raggiunto il picco? Quando è terminata? La Figura 16 è una ricca serie di dati che potrebbero essere estratti per diverse variabili utili.

NDVI limitazioni

Alcune limitazioni da considerare quando si utilizza il sito NDVI sono le seguenti:

1. Come già accennato, NDVI tende a saturare a LAI elevati(vedere Figura 12). Un modo per aggirare questo problema è che, a seconda delle esigenze, il LAI potrebbe non essere quello necessario. Forse si tratta di un'effettiva intercettazione frazionaria. Ma se si tratta di LAI, è sufficiente tenere presente che probabilmente non si otterrà molto da NDVI se si lavora in sistemi con LAI molto elevato.
2. Il sito NDVI non è molto dinamico negli ecosistemi sempreverdi, almeno non in un approccio a serie temporali: Questo ha senso perché gli arti dei sistemi sempreverdi sono sempreverdi. Non ci sono molti cambiamenti dall'inverno all'estate in leaf area index e quindi nell'intercettazione frazionaria della luce, almeno nella misura in cui è controllata dal LAI.

La Figura 17 mostra che per un intero anno i valori di NDVI sono piuttosto stabili, mentre l'assorbimento di_CO2 della chioma o la fotosintesi sono dinamici nel tempo. Ma non c'è alcun legame tra la dinamica temporale di NDVI e l'assorbimento di_CO2 da parte della chioma. Quindi questo sarebbe un uso inappropriato di NDVI. Vogliamo sapere qualcosa di più sulla chioma e su cosa sta guidando il cambiamento funzionale. Detto questo, NDVI può ancora essere utile nei sistemi sempreverdi per osservare l'eterogeneità spaziale. Se si cerca la variabilità del LAI o della biomassa di intercettazione della luce su vaste aree o in una lunga serie temporale. Ad esempio, se si sta valutando la ripresa e la crescita dopo un incendio, anche se si tratta di un sistema sempreverde, se si osserva un periodo di tempo abbastanza ampio, NDVI sarà reattivo nel sistema. Tuttavia, su una scala temporale annuale probabilmente non ci saranno molti cambiamenti dinamici.

Come calcolare il PRI (indice di riflettanza fotochimica)

Il PRI è simile al NDVI nella sua formulazione, con l'unica differenza delle lunghezze d'onda o bande utilizzate come input. Il PRI viene calcolato con le riflettanze a 531 nanometri e 570 nanometri e i valori del PRI vanno da -1 a 1.

L'indice di riflettanza fotochimica è il più comunemente usato per ottenere l'efficienza di utilizzo della luce o le variazioni di efficienza di utilizzo della luce che si verificano all'interno di una chioma vegetale. Ciò avviene in particolare osservando la risposta a 531 nanometri alle variazioni dei pigmenti di xantofilla.

La Figura 18 mostra un paio di diversi spettri di riflettanza raccolti in successione relativamente rapida. Calcolando la differenza tra questi due spettri, si notano alcune aree di picco in cui le differenze erano maggiori. Uno di questi, a circa 531 nanometri, potrebbe essere ricondotto all'attività del ciclo della xantofilla.

Il ciclo della xantofilla è un'azione/reazione rapida e reversibile in cui i pigmenti di xantofilla attraversano un processo di conversione interna sia in avanti che indietro.

La Figura 19 illustra questo processo di conversione interna. Sul lato destro del diagramma, iniziamo con la violaxantina. Viene convertita in antraxantina e il prodotto finale è la zeaxantina. La violaxantina è lo stato non stressato e quando la pianta incontra uno stress, si verifica una conversione interna dei pigmenti fino a quando non c'è più pigmento nello stato di zeaxantina. Se lo stress viene eliminato, il processo è reversibile. Ad esempio, se diminuiamo il livello di luce, le conversioni interne dei pigmenti possono invertirsi fino a portare la pianta ad avere prevalentemente violaxantina. Questo è un modo onnipresente per le piante di affrontare in modo sicuro gli ambienti stressanti. Quando le piante sono all'aperto, assorbono continuamente radiazioni. Non possono alzarsi e andarsene. Questo processo è un modo per assorbire la luce in eccesso nel ciclo della xantofilla, dove l'energia viene utilizzata per guidare le conversioni interne dei pigmenti, anziché danneggiare i macchinari fotosintetici. Quando la luce viene assorbita e utilizzata per il ciclo della xantofilla, si riduce l'efficienza dell'uso della luce, perché questa non è utilizzata per l'assorbimento del carbonio. Al contrario, è destinata a un processo di dissipazione del calore attraverso il ciclo della xantofilla. Pertanto, il ciclo della xantofilla è un modo in cui l'efficienza di utilizzo della luce è controllata dalla pianta.

Il ciclo delle xantofille mostra anche altre interessanti dinamiche nel corso del tempo. Ad esempio, la Figura 20, tratta da un articolo di Demmig, Adams e Adams, mostra alcuni trattamenti diversi e ciò che possiamo aspettarci con le dimensioni del pool totale di xantofille (la somma dei contenuti di violaxantina, antraxantina e zeaxantina). Inoltre, mostra le dimensioni relative del pool o i rapporti tra violaxantina, antraxantina e zeaxantina.

I grafici a torta in alto confrontano le foglie ombreggiate con quelle illuminate dal sole. Nelle foglie illuminate dal sole, la dimensione totale del pool è molto più grande che nelle foglie ombreggiate. Si noti la proporzione di ciascuna xantofilla. Nelle foglie in ombra, molte più xantofille sono allo stato di violaxantina, presumibilmente perché c'è meno bisogno di fotoprotezione nel momento in cui i campioni vengono prelevati. Al contrario, una frazione molto più elevata di xantofille si trova allo stato di zeaxantina nelle foglie illuminate dal sole, il che indica una necessità di fotoprotezione.

La stessa cosa si può notare confrontando i contenuti di xantofille in estate e in inverno. Per esempio, in un albero sempreverde che sverna c'è molto meno bisogno di fotoprotezione durante l'estate, perché molta dell'energia che le piante assorbono (supponendo che non ci sia stress) può essere utilizzata per la fotosintesi. In inverno, invece, le temperature sono basse e le condizioni non sono favorevoli alla fotosintesi. La pianta continua ad assorbire la luce, ma deve fare qualcosa per non distruggersi. Così la pianta investe risorse per aumentare le dimensioni del pool di xantofille. In inverno c'è quindi una frazione maggiore di zeaxantina, perché il fabbisogno di fotoprotezione è elevato.

Nell'esempio in basso, c'è una differenza nel trattamento dell'azoto e segue sostanzialmente lo stesso schema degli altri due esempi. Quando la pianta è ricca di azoto, è meno stressata e ha meno bisogno di fotoprotezione. Quando l'azoto è scarso, la pianta non è in grado di utilizzare i fotoni assorbiti e ha un bisogno maggiore di fotoprotezione attraverso i pigmenti di xantofilla.

Il PRI aiuta a catturare le dinamiche della xantofilla

Un modo in cui i ricercatori utilizzano il PRI è quello di catturare le dinamiche temporali della xantofilla (cioè l'efficienza di utilizzo della luce attraverso l'attività della xantofilla). L'uso del PRI è iniziato quando il dottor John Gamon ha scoperto che l'attività del ciclo della xantofilla era rilevabile attraverso gli spettri riflessi. Egli scoprì che la riflettanza a 531 nanometri era la più sensibile ai cambiamenti della xantofilla.

La parte superiore destra della Figura 21 mostra la riflettanza a 531 nanometri e lo stato di ossidazione sull'asse x indica lo stato del ciclo delle xantofille in termini di rapporti tra violaxantina, antraxantina e zeaxantina. In questo breve periodo di tempo, possiamo notare le dinamiche del ciclo delle xantofille e che la riflettanza a 531 nanometri è sensibile a questi cambiamenti.

Una cosa da notare è che il PRI utilizza anche una banda di riferimento a 570 nanometri che è presente solo come riferimento. Non si verifica alcun cambiamento a 570 nanometri quando le xantofille cambiano.

La Figura 22 mostra che la variazione del PRI è sensibile alle variazioni dello stato di ossidazione delle xantofille quasi quanto la riflettanza a 531 nanometri. Si noti inoltre che l'attività delle xantofille può essere rilevata solo all'interno di bande relativamente strette dello spettro di riflettanza. In questo caso, un'ampia banda (cioè la misurazione dell'intero spettro verde) probabilmente non rivelerebbe l'attività del ciclo delle xantofille. Pertanto, sono necessarie misurazioni a banda d'onda stretta per rilevare o essere sufficientemente sensibili da rilevare un cambiamento legato alla xantofilla.

Comprendere le dinamiche della funzione fotosintetica

Alcuni ricercatori utilizzano il PRI per ottenere dinamiche diurne o a breve termine nella funzione fotosintetica delle piante. Le figure 23 e 24 illustrano esempi di semplici esperimenti che mostrano come il PRI possa essere dinamico rispetto alle variazioni dell'efficienza di utilizzo della luce.

La Figura 23 mostra un esperimento in cui i ricercatori hanno illuminato a gradini una pianta (i livelli di luce sono stati aumentati fino a raggiungere un picco e poi sono diminuiti). Il grafico in alto mostra il livello di luce che aumenta e poi diminuisce. Anche l'assorbimento di_CO2 (che indica la fotosintesi) segue la variazione del livello di luce. Quindi, quando è disponibile più energia, la fotosintesi aumenta, mentre quando il livello di luce diminuisce, la fotosintesi diminuisce.

Il grafico inferiore della Figura 23 rappresenta lo stesso esperimento con misure diverse. Le due misure sono PRI e 𝚫F/F_m che è una misura di fluorescenza che misura l'efficienza del fotosistema II (correlata all'efficienza di utilizzo della luce). La Figura 24 mostra che PRI e la misura della fluorescenza seguono bene la tempistica delle fasi del livello di luce. Anche in questo caso, con l'aumento della luce, PRI diminuisce e 𝚫F/F_m che indicano una diminuzione dell'efficienza di utilizzo della luce. Poi, quando il livello di luce viene ridotto, si verifica l'inverso.

La Figura 24 è un altro semplice esperimento che illustra l'evoluzione temporale della fluorescenza e del PRI nel tempo. Le piante iniziano al buio all'ora zero. Dopo un'ora, le luci vengono accese e la risposta della fluorescenza e del PRI è quasi immediata. Esse rispondono in maniera molto forte verso il basso, in correlazione con l'efficienza di utilizzo della luce. Poi, dopo che la luce è rimasta accesa per qualche tempo, gli sperimentatori la spengono. Anche in questo caso, la risposta della fluorescenza e del PRI al cambiamento del livello di luce è relativamente rapida e immediata, poiché la fisiologia delle foglie sta cambiando.

Questi esperimenti dimostrano che il PRI potrebbe essere utile per misurare i rapidi cambiamenti che potrebbero verificarsi nell'arco di un'intera giornata o quando la chioma di una pianta passa dal sole all'ombra. Al variare di queste o altre variabili ambientali, ci aspetteremmo cambiamenti nell'efficienza di utilizzo della luce che il PRI potrebbe rilevare.

Utilizzo del PRI per cambiamenti a lungo termine

L'idea di utilizzare il PRI per misurazioni a lungo termine è sempre stata presente, ma non molti ricercatori hanno perseguito questo obiettivo perché la misurazione del PRI per lunghi periodi di tempo è stata piuttosto difficile. Di solito è necessaria una strumentazione avanzata per ottenere quelle strette lunghezze d'onda di luce. Tuttavia, di recente c'è stato un maggiore interesse e i risultati presentati nella Figura 25 sono relativamente nuovi e ancora in fase di esplorazione.

Quello che i ricercatori hanno scoperto finora è che, su periodi di tempo più lunghi, il PRI non è sensibile solo al ciclo delle xantofille, ma anche al contenuto totale di carotenoidi e clorofilla. È importante notare che le xantofille (violaxantina, antraxantina e zeaxantina) sono una classe di carotenoidi. Pertanto, quando i ricercatori misurano il contenuto totale di carotenoidi, spesso un'ampia frazione è costituita da xantofille. Non è ancora del tutto chiaro se la PRI stia rispondendo solo alle xantofille o a tutti i carotenoidi. Ulteriori ricerche contribuiranno a chiarirlo. Ma i ricercatori hanno scoperto che esiste una correlazione molto stretta tra il PRI e il rapporto carotenoidi-clorofilla. Il rapporto carotenoidi/clorofilla può essere collegato all'efficienza di utilizzo della luce perché i carotenoidi sono pigmenti accessori e possono svolgere un ruolo di raccolta della luce. Ma la maggior parte di essi, come le xantofille, svolge anche un ruolo fotoprotettivo. Quindi, se confrontiamo il contenuto di carotenoidi con quello di clorofilla, possiamo osservare la dinamica di questo rapporto nel tempo e avere un'idea di quanto una pianta possa essere stressata. Potrebbe quindi essere un modo per esaminare l'efficienza di utilizzo della luce o l'efficienza fotosintetica utilizzando il PRI, ma su un periodo di tempo più ampio o su aree spaziali più ampie.

Il grafico a sinistra della Figura 25 mostra uno studio condotto su una chioma di pino silvestre nell'arco di un intero anno per valutare alcune correlazioni a lungo termine tra fisiologia fotosintetica, pigmenti fogliari e PRI. È emerso che quasi tutte le variabili fisiologiche fotosintetiche più importanti sono correlate al PRI. In parte ciò è dovuto al fatto che vi sono molte co-correlazioni tra queste variabili, ma, coerentemente con gli studi precedenti, sono state trovate alcune delle correlazioni più elevate con il rapporto xantofilla-clorofilla, il rapporto carotenoidi-clorofilla e la dimensione totale del pool di xantofille rispetto a quello dei carotenoidi.

Tuttavia, anche se c'è molta co-correlazione, se si guarda alla Figura 26 i ricercatori dimostrano che il PRI può essere usato su lunghi periodi di tempo per stimare le tendenze dell'efficienza nell'uso della luce.

Pertanto, il PRI è adatto a misurare l'efficienza dell'uso della luce su scale temporali diurne e sembra che possa essere utilizzato anche su scale temporali più lunghe. Tuttavia, quando viene utilizzato su scale temporali più lunghe, è necessario applicare una certa cautela nell'interpretazione dei dati per comprendere realmente i fattori che causano le variazioni di PRI.

Limiti del PRI

Come per il sito NDVI, anche per il PRI esistono alcune limitazioni. In primo luogo, la relazione tra PRI ed efficienza nell'uso della luce, indipendentemente dalla scala temporale, è risultata variare tra le diverse chiome. Ci sono quindi alcune dipendenze dalle specie e alcune dipendenze strutturali.

La Figura 27 mostra che, in molte specie diverse, la relazione tra PRI e fluorescenza (che è un indicatore dell'efficienza di utilizzo della luce) è diversa a seconda della specie. Non è quindi possibile misurare il PRI ed estrarre un valore di efficienza di utilizzo della luce. È necessario svolgere prima un lavoro di base per costruire queste relazioni correlative al fine di ottenere un valore assoluto di efficienza di utilizzo della luce. Questo vale anche per NDVI. Se si conosce il valore di NDVI , è necessario svolgere un lavoro di correlazione prima di poter trasferire il numero di NDVI in un LAI o F_PAR assoluto.

In un'intera stagione di crescita, il PRI risponde ai cambiamenti di molte variabili, la maggior parte delle quali legate alle prestazioni fotosintetiche. Ma bisogna fare attenzione quando si confrontano direttamente le misure di PRI in un periodo di tempo con un altro periodo di tempo successivo, così come se si scalano alcune di queste misure nello spazio.

Si noti anche che l'efficienza dell'uso della luce e della PRI tende a disaccoppiarsi, soprattutto in casi estremi. Ad esempio, in un ecosistema sempreverde si verifica spesso un disaccoppiamento nel periodo di transizione dalla primavera all'estate. Un altro caso in cui i ricercatori hanno osservato un disaccoppiamento è quello della siccità estrema. Quando gli alberi sono sull'orlo della morte, il PRI tende a rompersi. In queste situazioni, il più delle volte il risultato è che il PRI sovrastima l'efficienza di utilizzo della luce. Anche in questo caso, quindi, è necessaria la massima cautela.

Infine, l'efficienza di utilizzo della luce non è legata solo ai pigmenti del ciclo della xantofilla o ad altri pigmenti fogliari. In alcuni casi è necessario tenere conto anche della fotorespirazione e il PRI non è correlato alla fotorespirazione. Pertanto, la fotorespirazione può essere una fonte di errore nelle stime dell'efficienza di utilizzo della luce basate sul PRI.

Combinando le misure di NDVI e PRI

C'è un ampio interesse per la possibilità di stimare la fotosintesi a distanza o in modo non distruttivo. Alcuni ricercatori sono tornati al modello di efficienza di utilizzo della luce di Monteith (equazione 3).

dove la GPP (Produttività Primaria Lorda) o fotosintesi è il prodotto della PAR (radiazione fotosinteticamente attiva) incidente sulla chioma di una pianta, moltiplicata per _FPAR (intercettazione frazionale della luce) o per la quantità di PAR effettivamente assorbita dalla chioma della pianta, moltiplicata per ε (efficienza di utilizzo della luce). In altre parole, con quale efficienza i fotoni assorbiti vengono utilizzati per fissare il carbonio sotto forma di carboidrati?

Tuttavia, alcuni ricercatori hanno proposto di utilizzare una proxy per F_PAR e ε, ma non per il PAR.

I ricercatori hanno provato a sostituire NDVI con F_PAR e PRI per ε, ottenendo risultati discreti. La Figura 28 è uno studio in scala temporale e spaziale.

Ogni datapoint proviene da una località diversa o da un diverso periodo di tempo campionato nella stessa località. In questo caso, si è semplicemente moltiplicato NDVI per sPRI (sPRI è un modo di scalare PRI in modo che i suoi valori siano compresi tra zero e uno). sPRI è essenzialmente equivalente a PRI Si può notare che la relazione nella Figura 28 è abbastanza stretta.

La Figura 29 è un tentativo di raggruppare PAR e _FPAR in APAR. APAR è la radiazione fotosinteticamente attiva assorbita. Quindi è come combinare PAR e _FPAR e poi moltiplicare il tutto per, di nuovo, il PRI scalato. Questi ricercatori cercano di stimare la fotosintesi in unità reali di fotosintesi. Anche in questo caso, si tratta di una relazione abbastanza lineare. C'è qualche distorsione in termini di scala, ma anche in questo caso si tratta di un buon lavoro di rilevamento a distanza della fotosintesi.

Un'applicazione della combinazione dei modelli NDVI e sPRI per l'efficienza dell'uso della luce potrebbe essere la scalatura spaziale.

La Figura 30 mostra un prodotto derivato dalle immagini satellitari. Dalle immagini satellitari, il ricercatore è stato in grado di calcolare NDVI e PRI. Hanno combinato NDVI e PRI nel modello di efficienza di utilizzo della luce e per ogni pixel o posizione all'interno dell'immagine hanno estratto una stima dell'assorbimento di_CO2 o della fotosintesi. Anche se questo dato è stato ricavato da un'immagine satellitare, si può immaginare che si potrebbero posizionare molti sensori in tutto il paesaggio per ricavare qualcosa di molto simile, o almeno per avere un'idea di quale sia l'eterogeneità spaziale della fotosintesi utilizzando questo approccio combinato NDVI/PRI.

Come misurare NDVI, PRI e riflettanza spettrale

Esistono diversi modi per misurare i dati spettrali, in parte perché esistono diverse lunghezze d'onda della luce che potremmo misurare.

La Figura 31 mostra varie misurazioni effettuate da diversi strumenti. Per esempio, ci sono quelli che chiameremo "dati iperspettrali" che potremmo ricavare da uno spettrometro e che ci danno informazioni quasi continue sull'intero spettro. Si tratta del tipo di dati spettrali più dettagliati che possiamo estrarre da uno strumento. In genere, questo tipo di strumenti viene utilizzato in applicazioni di ricerca di tipo telerilevamento, dove magari si cercano nuovi indici di vegetazione o nuove dinamiche. Ad esempio, quando è stato scoperto il PRI, è stato esplorando più spettri contemporaneamente.

Un altro approccio consiste nell'utilizzare un numero limitato di bande spettrali. Ad esempio, quelli che potremmo definire "dati multispettrali" sono disponibili dal satellite QuickBird e da altri satelliti ad alta risoluzione. QuickBird ci fornisce bande nel blu, nel verde, nel rosso e nel vicino infrarosso, solo quattro bande per rappresentare la dinamica spettrale in questa regione per le chiome delle piante. Quindi l'approccio multispettrale è fondamentalmente sinonimo di radiometro multibanda. La differenza tra iperspettrale e multispettrale è confusa, ma fondamentalmente "iperspettrale" significa molto, mentre "multi" significa solo alcune bande. All'estremo c'è l'iperspettrale, ma all'opposto c'è il radiometro a banda singola. Uno strumento PAR è essenzialmente un radiometro a banda singola con una banda di misura molto ampia. Misura la radiazione tra i 400 e i 700 nanometri e fornisce un unico valore per l'intera regione. Un piranometro fa la stessa cosa, ma la sua regione è ancora più ampia e si estende molto di più nelle regioni dell'infrarosso vicino e delle onde corte.

Quindi lo strumento di cui abbiamo bisogno dipende dagli obiettivi della ricerca. Se i nostri obiettivi sono solo quelli di misurare per le applicazioni specifiche di questo articolo, uno spettrometro completo sarà eccessivo. In questi casi, possiamo utilizzare un radiometro multibanda, per misurare il PRI, il NDVI o entrambi contemporaneamente. Abbiamo bisogno solo di quattro bande.

Il sensoreNDVI /PRI di METER è un radiometro multibanda che misura sia NDVI che PRI.

Un tipo ha bande centrate a 630 nanometri e 800 nanometri, progettate per misurare NDVI . L'altro tipo ha bande centrate a 532 nanometri e 570 nanometri ed è progettato per misurare il PRI. I sensori di riflettanza spettrale sono progettati per misurare la radiazione in entrata (Figura 33).

I diffusori in teflon offrono una visione emisferica del cielo e consentono di misurare la luce incidente. In basso a destra sono mostrati i sensori direzionali, dotati di arresti di campo fisici che limitano il campo visivo a 20 gradi. Ciò consente anche di puntare il sensore, in modo che i ricercatori che lo utilizzano possano orientarlo all'interno della chioma di una pianta. Ha una calibrazione tracciabile NIST, quindi fornisce misure e unità fisiche di luce effettive. È piccolo, impermeabile e resistente alle intemperie, quindi non ci si deve preoccupare di metterlo all'esterno e di fargli raccogliere dati per lunghi periodi di tempo, cosa che tradizionalmente costituisce un problema per la maggior parte degli spettrometri. Di solito è necessario costruire una sorta di contenitore per lo strumento per proteggerlo dalle intemperie.

NDVI e considerazioni sulla misurazione del PRI

Se vogliamo misurare la riflettanza spettrale per ottenere PRI e NDVI, in genere siamo interessati a una vista dall'alto della chioma, almeno per le misure di radianza (o per le misure di upwelling).

A tal fine è necessario effettuare misurazioni al di sopra della chioma. La difficoltà di questo compito dipende dall'altezza della chioma. Ad esempio, nella Figura 34 si vede una torre di flusso nel Michigan settentrionale che si estende per un certo tratto sopra una chioma mista di latifoglie. Questa sarebbe la piattaforma perfetta per un sensore SRS. Ma se la chioma è, ad esempio, una coltura di grano, una torre non è necessaria. È possibile montare il sensore su un palo di recinzione o su un treppiede robusto. In ogni caso, il sensore deve trovarsi al di sopra della chioma.

Quando si effettuano misure a lungo termine della riflettanza spettrale, è vantaggioso disporre di strumenti a doppia vista: uno strumento che guarda verso l'alto per quantificare la radiazione incidente e un altro che guarda verso il basso per quantificare la quantità di quella radiazione riflessa. Ciò significa che non importa quali siano le condizioni del cielo: si può misurare in condizioni di luce solare e se le nuvole si posano non influiscono sulla misura perché entrambe le fonti di radiazione vengono quantificate simultaneamente. Questo è anche un vantaggio rispetto alle misurazioni di riflettanza spettrale a terra, rispetto alle immagini satellitari. Il problema delle immagini satellitari è che ogni volta che c'è una copertura cloud , soprattutto nella regione del visibile, ostruisce la visione dell'ecosistema della chioma a cui siamo interessati. Ma un sensore o spettrometro SRS in grado di misurare la chioma in tutte le condizioni ci permette di esplorare NDVI e PRI in modo molto più dettagliato in tutte le condizioni. Inoltre, se cerchiamo di portare un sensore al di sopra della chioma, è vantaggioso usare un sensore piccolo e a bassa potenza, perché è più facile portarlo in alto dove può monitorare continuamente la chioma.

Una cosa da tenere presente con NDVI e PRI è che le variazioni della geometria della superficie del sensore solare possono avere un effetto drammatico sui dati. Ciò è particolarmente importante quando si considerano i dati delle serie temporali. Ad esempio, nella Figura 35 sono riportati cinque giorni di NDVI .

Ogni linea rappresenta un giorno diverso. Si noti che tra tutte queste linee di dati c'è un tipico andamento a U. Si tratta di effetti angolari, il che significa che non era il LAI o l'intercettazione frazionaria della luce a cambiare. Si tratta di effetti angolari, il che significa che non era il LAI o l'intercettazione frazionaria della luce a cambiare. Il sensore guardava in una posizione fissa. Il problema era quindi il modo in cui i fotoni interagivano con la chioma e venivano registrati dallo strumento.

La Figura 36 mostra un esempio estremo di backscatter e forward scatter.

In questo esempio, la posizione dell'osservatore e della calotta non cambia, ma cambia la posizione del sole nel cielo. Si può notare che questo può avere un effetto molto forte sul modo in cui i fotoni colpiscono la copertura e sul modo in cui vengono registrati nella posizione dell'osservatore o dello strumento.

Tenete inoltre presente che, poiché raccogliamo lunghe serie temporali di dati in tutte le condizioni atmosferiche, possono verificarsi eventi che causano osservazioni spurie. L'ottica anteriore può bagnarsi, un uccello può atterrare sul sensore, il sensore può sporcarsi. Tutti questi fattori possono causare rumore o picchi nei dati. Ad esempio, il giorno 178 nella Figura 35 mostra un forte picco verso l'alto.

Pertanto, una certa quantità di filtraggio dei dati è tipicamente richiesta con le serie temporali NDVI e i dati PRI. Una delle soluzioni all'effetto della geometria della superficie del sensore solare consiste nell'utilizzare una sola osservazione al giorno. Questo di solito funziona bene con NDVI perché NDVI analizza variabili strutturalmente correlate, come il LAI, che non cambiano molto nel corso di una giornata, ma cambiano da un giorno all'altro o nel corso di settimane e mesi. Quindi, se questo è l'obiettivo, la risoluzione giornaliera è davvero tutto ciò che serve. La Figura 37 è un esempio in cui i ricercatori hanno estratto una misura intorno a mezzogiorno di ogni giorno. Il mezzogiorno, soprattutto quello solare, è migliore perché lo zenit e l'azimut solari sono coerenti da un giorno all'altro quando vengono acquisite le osservazioni.

La Figura 38 è una serie temporale di diversi appezzamenti di trattamento, in cui vengono tracciati i dati giornalieri per mostrare i modelli o le differenze nei modelli di inverdimento durante la transizione dalla primavera all'estate in una prateria.

Alcuni ricercatori vogliono dati diurni, soprattutto nel caso del PRI, che può essere molto dinamico in quanto risponde alla dinamica del ciclo della xantofilla. C'è molto interesse nel capire quali sono alcuni di questi accoppiamenti stretti e reazioni rapide come le piante e le chiome delle piante rispondono ai rapidi cambiamenti dell'ambiente. Se intendete utilizzare i dati diurni, vi consigliamo di esaminare la modellazione della riflettanza bidirezionale (modellazione o contabilizzazione degli effetti angolari presenti nei dati) in un articolo di Thomas Hillker pubblicato su Remote Sensing of Environment nel 2008.

Riferimenti

• Colombo, Roberto, Dario Bellingeri, Dante Fasolini e Carlo M. Marino. "Recupero di leaf area index in diversi tipi di vegetazione utilizzando dati satellitari ad alta risoluzione". Telerilevamento ambientale 86, no. 1 (2003): 120-131.(Link all'articolo).
• Demmig-Adams, Barbara e William W. Adams III. "Il ruolo dei carotenoidi del ciclo delle xantofille nella protezione della fotosintesi". Trends in Plant science 1, no. 1 (1996): 21-26.(Link all'articolo).
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen e J. Peñuelas. "Telerilevamento del ciclo xantofillico e della fluorescenza clorofilliana nelle foglie e nelle chiome di girasole". Oecologia 85, no. 1 (1990): 1-7.(Link all'articolo).
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas e Riccardo Valentini. "Relazioni tra NDVI, struttura della chioma e fotosintesi in tre tipi di vegetazione californiana". Ecological Applications 5, no. 1 (1995): 28-41.(Link all'articolo).
• Gamon, JAm, L. Serrano e J. S. Surfus. "L'indice di riflettanza fotochimica: un indicatore ottico dell'efficienza di utilizzo della radiazione fotosintetica tra specie, tipi funzionali e livelli di nutrienti". Oecologia 112, no. 4 (1997): 492-501.(Link all'articolo).
• Gamon, J. A. e J. S. Surfus. "Valutazione del contenuto e dell'attività dei pigmenti fogliari con un riflettometro". The New Phytologist 143, no. 1 (1999): 105-117.(Link all'articolo).
• Gamon, J. A., J. Penuelas e C. B. Field. "Un indice spettrale a banda stretta che segue i cambiamenti diurni dell'efficienza fotosintetica". Remote Sensing of environment 41, no. 1 (1992): 35-44.(Link all'articolo).
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel e Peter S. Curtis. "Un confronto tra più fonti di dati fenologici per stimare le transizioni stagionali nello scambio di carbonio delle foreste decidue". Agricultural and Forest Meteorology 151, no. 12 (2011): 1741-1752.(Link all'articolo).
• Garrity, Steven R., Jan UH Eitel e Lee A. Vierling. "Districare le relazioni tra i pigmenti vegetali e l'indice di riflettanza fotochimica rivela un nuovo approccio per la stima a distanza del contenuto di carotenoidi". Remote Sensing of Environment 115, no. 2 (2011): 628-635.(Link all'articolo).
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet e T. Andrew Black. "Rilevamento remoto multiangolare dell'efficienza di utilizzo della luce nelle foreste osservando la variazione di PRI con la frazione d'ombra della chioma". Remote Sensing of Environment 112, no. 7 (2008): 3201-3211.(Link all'articolo).
• Peñuelas, Josep, Iolanda Filella e John A. Gamon. "Valutazione dell'efficienza di utilizzo della radiazione fotosintetica con la riflettanza spettrale". New Phytologist 131, no. 3 (1995): 291-296.(Link all'articolo).
• Porcar-Castell, Albert, José Ignacio Garcia-Plazaola, Caroline J. Nichol, Pasi Kolari, Beñat Olascoaga, Nea Kuusinen, Beatriz Fernández-Marín, Minna Pulkkinen, Eija Juurola e Eero Nikinmaa. "Fisiologia della relazione stagionale tra l'indice di riflettanza fotochimica e l'efficienza di utilizzo della luce fotosintetica". Oecologia 170, no. 2 (2012): 313-323.(Link all'articolo).
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts e Dylan Prentiss. "Modellazione del flusso ecosistemico spazialmente distribuito della foresta boreale utilizzando gli indici iperspettrali delle immagini AVIRIS". Journal of Geophysical Research: Atmospheres 106, no. D24 (2001): 33579-33591.(Link all'articolo).
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid e Daniel A. Sims. "Potenziale delle bande oceaniche del MODIS per la stima del flusso di CO2 dalla vegetazione terrestre: Un nuovo approccio". Geophysical Research Letters 31, n. 10 (2004).(Link all'articolo).
• Ryu, Youngryel, Dennis D. Baldocchi, Joseph Verfaillie, Siyan Ma, Matthias Falk, Ilse Ruiz-Mercado, Ted Hehn e Oliver Sonnentag. "Testando le prestazioni di un nuovo sensore di riflettanza spettrale, costruito con diodi a emissione luminosa (LED), per monitorare il metabolismo, la struttura e la funzione dell'ecosistema". Agricultural and Forest Meteorology 150, no. 12 (2010): 1597-1606.(Link all'articolo).

Domande?

I nostri scienziati hanno decenni di esperienza nell'aiutare ricercatori e coltivatori a misurare il continuum suolo-pianta-atmosfera.

• Parlare con un esperto
• Richiedi un preventivo
• Vedi tutti i nostri strumenti a baldacchino

APPENDICE

Come ottenere di più dal sensore NDVI

Guardate questo video o leggete l'articolo qui sotto per scoprire come viene utilizzato NDVI nella ricerca attuale e per dimostrare come superare alcune delle limitazioni di NDVI.

NDVI - globale

Il modo più ampio di pensare a NDVI è quello dei dati ottenuti da un satellite in orbita intorno alla Terra. Nella Figura 1 si possono vedere le aree altamente vegetate con alti valori di NDVI rappresentate da colori verde scuro in tutto il mondo.

Al contrario, le aree con scarsa vegetazione hanno bassi valori di NDVI , che appaiono marroni. NDVI è sensibile alla quantità di copertura vegetale presente sulla superficie terrestre.

NDVI - locale

Come può essere utile NDVI a livello di parcella? La figura 2 mostra un gradiente di successione in cui il tempo zero è rappresentato da una chiazza di terreno nudo, con poche piante o erbe annuali. Se lasciamo quella porzione di terreno per un periodo di tempo sufficiente, la vegetazione cambierà: gli arbusti potrebbero prendere il posto delle erbe e alla fine potremmo vedere una foresta. Su una vasta area, si può anche passare dalle praterie alle foreste. In un sistema agricolo, c'è un ricambio annuale della vegetazione: dal campo nudo alla comparsa delle piante, alla maturità e alla senescenza. Questo ciclo si ripete ogni anno. All'interno di questi cicli di crescita, NDVI aiuta a quantificare la crescita delle chiome che si verifica nel tempo e le dinamiche spaziali che si verificano nei vari paesaggi.

Dati di riflettanza spettrale

Da dove proviene NDVI ? Nella Figura 3, l'asse x rappresenta la lunghezza d'onda della luce all'interno dello spettro elettromagnetico; da 450 a 950 nm copre sia la regione visibile che una parte del vicino infrarosso. Sull'asse y è riportata la percentuale di riflettanza. Questo è un tipico spettro di riflettanza della vegetazione verde.

La linea iperspettrale verde è quella che ci si aspetta di ottenere da un radiometro spettrale. La riflettanza è tipicamente bassa nella regione del blu, più alta nella regione del verde e più bassa nella regione del rosso. Si sposta drasticamente quando si passa dal visibile al vicino infrarosso. Le due barre verticali etichettate NDVI danno un'idea di dove un tipico sensore NDVI misura all'interno dello spettro. Una banda si trova nella regione del rosso e l'altra in quella del vicino infrarosso.

NDVI sfrutta la grande differenza tra la regione visibile e la porzione dello spettro nel vicino infrarosso. Le piante sane e in crescita riflettono fortemente il vicino infrarosso. Le due immagini a destra della figura sopra sono della stessa area. L'immagine superiore è visualizzata a colori reali, ovvero a tre bande: blu, verde e rosso. L'immagine sottostante è un'immagine a infrarossi in falsi colori. Le tre bande visualizzate sono blu, verde e, al posto del rosso, abbiamo utilizzato il vicino infrarosso. Il colore rosso brillante indica una grande quantità di riflettanza nel vicino infrarosso, tipica di una vegetazione verde o sana.

Il motivo per cui NDVI è formulato con il rosso e il vicino infrarosso è che il rosso è in grado di rilevare l'assorbimento della clorofilla, mentre il vicino infrarosso è sensibile alla struttura della chioma e alla struttura cellulare interna delle foglie. Man mano che si aggiungono foglie a una chioma, la clorofilla e la complessità strutturale aumentano, per cui si può prevedere una diminuzione della riflettanza del rosso e un aumento della riflettanza del vicino infrarosso.

Come si calcola NDVI?

L'indice di vegetazione normalizzato tiene conto della quantità di infrarosso vicino (NIR) riflesso dalle piante. Viene calcolato dividendo la differenza tra le riflettanze (Rho) nel vicino infrarosso e nel rosso per la somma delle due. I valori di NDVI variano tipicamente tra uno negativo (acqua superficiale) e uno (chioma piena e vibrante). Valori bassi (0,1-0,4) indicano chiome rade, mentre valori più alti (0,7-0,9) indicano chiome piene e attive.

Il modo in cui calcoliamo la percentuale di riflettanza è quello di quantificare sia la radiazione ascendente (quella che colpisce la chioma e poi viene riflessa verso il nostro sensore) sia la quantità totale di radiazione discendente (dal cielo) su una chioma. Il rapporto tra questi due dati ci dà la percentuale di riflettanza in ciascuna banda.

NDVI applicazioni

Si usa NDVI per dedurre cose come leaf area index(LAI) o l'intercettazione frazionale della luce (_FPAR) di una chioma. Alcuni scienziati associano NDVI alla biomassa o alla resa di una coltura. Si usa NDVI anche per avere un'idea della fenologia (schemi temporali generali del verde), nonché per sapere dove si trova la vegetazione o quanta vegetazione c'è in un determinato luogo.

Nella Figura 4 si può notare come lo spettro di riflettanza ad un dato LAI della chioma cambi con leaf area index, diminuendo nell'intervallo visibile e aumentando nel vicino infrarosso.

A LAI molto bassi, lo spettro di riflettanza è relativamente indifferenziato tra rosso e NIR (linea nera), ma quando il LAI è alto, si verifica un forte assorbimento della luce rossa da parte della clorofilla con una forte riflettanza nel NIR. Infatti, all'aumentare del LAI, si osserva una riflettanza sempre maggiore nel vicino infrarosso, intorno agli 800 nm.

NDVI limitazioni

Le limitazioni dell'Indice di Differenza Normalizzata della Vegetazione tendono a verificarsi agli estremi dello spettro. In presenza di una copertura vegetale molto bassa (la maggior parte della scena è costituita da terreno), NDVI sarà sensibile al terreno. Questo può confondere le misurazioni. All'altro estremo, in presenza di una grande quantità di vegetazione, NDVI tende a saturare. Si noti la differenza trascurabile tra gli spettri a leaf area index (LAI) di 3 (viola) e 6 (verde). In effetti, in una foresta tropicale, NDVI non sarà sensibile a piccole variazioni del LAI perché quest'ultimo è già molto elevato. Tuttavia, esistono diverse soluzioni.

Soluzione 1: Indice di vegetazione corretto per il suolo

La Figura 5 mostra i risultati di uno studio che effettua misurazioni spettrali di diversi indici di vegetazione su un transetto di terreno nudo. Passando da un terreno argilloso secco a un terreno argilloso umido, si nota una forte risposta di NDVI dovuta all'umidità del terreno; non è auspicabile se stiamo misurando la vegetazione. Non siamo interessati a un indice sensibile alle variazioni del suolo o dell'umidità del terreno. Tuttavia, nella Figura 5 sono riportati alcuni altri indici con una sensibilità molto più bassa alle variazioni del suolo lungo il transetto.

Il primo di questi indici è il Soil Adjusted Vegetation Index (SAVI). L'equazione del SAVI è simile a quella di NDVI. Essa incorpora le stesse due bande di NDVI- il vicino infrarosso e il rosso.

L'unica differenza è rappresentata dal parametro L. L è un fattore di aggiustamento del terreno con valori che vanno da 0 a 1. Quando la copertura vegetale è del 100%, L è pari a 0 perché non è necessario un aggiustamento dello sfondo del terreno. Tuttavia, quando la copertura vegetale è molto bassa, il parametro L si avvicina a uno. Poiché è difficile misurare con esattezza la copertura vegetale senza utilizzare NDVI, è possibile modificare NDVI in modo che non sia sensibile al suolo, indovinando in anticipo il valore di L. È prassi comune impostare L a un valore intermedio di 0,5. Come si può vedere nella Figura 5, l'indice di vegetazione corretto per il suolo (Soil Adjusted Vegetation Index o SAVI) ha una sensibilità molto più bassa allo sfondo del suolo.

Soluzione 2: SAVI modificato

L'indice di vegetazione successivo è il SAVI modificato (MSAVI). L'equazione SAVI contiene un parametro L che dobbiamo stimare, il che non è un modo accurato di gestire le cose. Così uno scienziato di nome Qi ha sviluppato un optimum universale per L. Non ci addentreremo nella matematica, ma è riuscito a semplificare l'equazione SAVI in modo che non sia più necessario il parametro L e che gli unici input richiesti siano le riflettanze nel vicino infrarosso e nel rosso.

Si tratta di un progresso piuttosto significativo, in quanto evita la necessità di stimare o misurare in modo indipendente L. Quando Qi ha confrontato SAVI con MSAVI, non è emersa praticamente alcuna differenza tra i due indici in termini di sensibilità alla quantità di vegetazione e di risposta al fondo del suolo.

NDVI limitazioni: alto LAI

NDVI è utile nella fascia media dei LAI, a patto che non ci siano forti effetti del suolo, ma quando ci si avvicina a un LAI superiore a 4, si perde sensibilità. Nella Figura 7, la perdita di sensibilità è dovuta principalmente alla saturazione della banda rossa. Le misure sono state effettuate su una chioma di grano e una di mais. La riflettanza nel vicino infrarosso è sensibile per l'intero spettro delle chiome di grano e mais, ma il rosso si satura relativamente presto. Il punto in cui il rosso inizia a saturare è quello in cui inizia a saturare il sito NDVI .

NOTA: NDVI si satura ad alti LAI, tuttavia, se lo scopo è quello di ottenere l'intercettazione frazionale della luce, NDVI tende a non avere il problema della saturazione. Nella Figura 8, _FPAR o l'intercettazione frazionale della luce della radiazione fotosinteticamente attiva è quasi completa molto prima che NDVI si saturi. Questo perché le chiome sono efficienti nell'intercettare la luce e, una volta raggiunto un LAI di circa 4, la maggior parte della luce è stata intercettata o assorbita dalla chioma. Pertanto, aumenti incrementali del LAI non influenzano significativamente la variabile _FPAR.

Soluzione 3: WDRVI

Una soluzione al problema della saturazione di NDVI è chiamata Wide Dynamic Range Vegetation Index (WDRVI). La sua formulazione è simile a quella di NDVI, ad eccezione di un coefficiente di ponderazione che può essere utilizzato per ridurre la disparità tra il contributo della riflettanza del vicino infrarosso e del rosso.

Nel WDRVI, a viene moltiplicato per la riflettanza nel vicino infrarosso per ridurre il suo valore e avvicinarlo a quello della riflettanza rossa. In questo modo, si bilancia il contributo del rosso e del vicino infrarosso all'indice di vegetazione.

a può variare da 0 a 1. La Figura 9 mostra che, utilizzando un valore minore di a, si ottiene una risposta lineare crescente dell'indice di vegetazione dinamica ampia al LAI.

L'unico inconveniente del WDRVI è che la selezione di a è soggettiva. È qualcosa che si sperimenta da soli finché non si trova un valore di a ottimale per la propria soluzione. Si tende a scegliere un valore molto basso semplicemente perché ci si avvicina sempre di più a una risposta lineare al LAI, man mano che il valore diminuisce.

Soluzione 4: Indice di vegetazione migliorato

L'Enhanced Vegetation Index (EVI) è stato progettato per aumentare la sensibilità negli ecosistemi ad alta biomassa, ma cerca anche di ridurre le influenze atmosferiche. Si tratta di un indice di vegetazione creato per gli scopi di una piattaforma satellitare. C'è molta atmosfera da attraversare da un satellite a terra, e a volte gli aerosol presenti nell'atmosfera influenzano le riflettanze nelle regioni del rosso e del vicino infrarosso, causando osservazioni spurie. L'EVI cerca anche di ridurre la sensibilità dell'indice al suolo. L'EVI è quindi una sorta di soluzione a entrambi gli estremi.

Nell'equazione EVI, i due input principali sono le riflettanze nel vicino infrarosso e nel rosso. C1, C2 e L sono tutti parametri che possono essere stimati, ma la banda blu deve essere misurata. La maggior parte dei sensori di NDVI sono a due bande, quindi non si dispone di informazioni nel blu. Inoltre, con i satelliti, la banda blu è relativamente rumorosa e non sempre ha la migliore qualità di dati, quindi l'EVI ha un valore limitato.

Soluzione 5: EVI2 (Enhanced Vegetation Index 2)

Questi problemi hanno spinto uno scienziato di nome Jiang a trovare una soluzione. Jiang ha osservato una certa autocorrelazione tra la banda rossa e la banda blu, così ha deciso di provare a formulare l'EVI senza la banda blu in quello che ha chiamato EVI2 (Enhanced Vegetation Index 2). Se siete interessati alla matematica, vi invitiamo a leggere il suo articolo, ma qui vi forniamo l'equazione nel caso in cui siate interessati a utilizzarla.

Quando Jiang calcolò il suo EVI2 e lo confrontò con l'EVI tradizionale (Figura 10), il rapporto fu quasi di uno a uno. A tutti gli effetti l'EVI2 era equivalente all'EVI. Poiché questo metodo evita la banda blu, offre alcune possibilità interessanti, in quanto si riduce all'utilizzo dei due input delle bande NIR e rossa per calcolare NDVI.

NDVI Riepilogo del sensore

NDVI Le misurazioni hanno un valore considerevole e, sebbene ci siano degli estremi in cui NDVI si comporta male, anche in questi casi ci sono diverse soluzioni. Queste soluzioni utilizzano tutte le bande del vicino infrarosso e del rosso, quindi è possibile prendere un sensoreNDVI , ottenere i valori grezzi delle riflettanze NIR e rosse e riformularli in uno di questi indici (sono disponibili molti altri indici che non abbiamo trattato). Quindi, se vi trovate in un sistema con LAI estremamente alto o basso, cercate di determinare come le bande del vicino infrarosso e del rosso possano essere utilizzate in un qualche tipo di indice di vegetazione che vi permetta di ricercare la vostra applicazione specifica.

Riferimenti

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas e Riccardo Valentini. "Relazioni tra NDVI, struttura della chioma e fotosintesi in tre tipi di vegetazione californiana". Ecological Applications 5, no. 1 (1995): 28-41.(Link all'articolo).
• Gitelson, Anatoly A. "Indice di vegetazione ad ampio range dinamico per la quantificazione a distanza delle caratteristiche biofisiche della vegetazione". Journal of plant physiology 161, no. 2 (2004): 165-173.(Link all'articolo).
• Huete, Alfredo. "Huete, AR Un indice di vegetazione corretto per il suolo (SAVI). Telerilevamento dell'ambiente". Telerilevamento dell'ambiente 25 (1988): 295-309.
• Jiang, Zhangyan, Alfredo R. Huete, Kamel Didan e Tomoaki Miura. "Sviluppo di un indice di vegetazione potenziato a due bande senza banda blu". Remote sensing of Environment 112, no. 10 (2008): 3833-3845.(Link all'articolo).
• Qi, Jiaguo, Abdelghani Chehbouni, Alfredo R. Huete, Yann H. Kerr e Soroosh Sorooshian. "Un indice di vegetazione modificato aggiustato per il suolo". Remote sensing of environment 48, no. 2 (1994): 119-126.(Link all'articolo).
• Rocha, Adrian V. e Gaius R. Shaver. "Vantaggi di un EVI a due bande calcolato dai flussi di radiazione solare e fotosinteticamente attiva". Agricultural and Forest Meteorology 149, no. 9 (2009): 1560-1563.(Link all'articolo).

Domande?

I nostri scienziati hanno decenni di esperienza nell'aiutare ricercatori e coltivatori a misurare il continuum suolo-pianta-atmosfera.

• Parlare con un esperto
• Richiedi un preventivo
• Vedi tutti i nostri strumenti a baldacchino