WSPÓŁTWÓRCY

NDVI (Normalized Difference Vegetation Index) i PRI (Photochemical Reflectance Index): teoria, metody i zastosowanie

Nowoczesna technologia umożliwia próbkowanie spektralnych wskaźników roślinności, takich jak NDVI i PRI, w różnych skalach zarówno w przestrzeni, jak i w czasie, od satelitów próbkujących całą powierzchnię Ziemi po ręczne małe czujniki, które mierzą poszczególne rośliny, a nawet liście.

Czym są NDVI i PRI?

NDVI (Normalized Difference Vegetation Index) i PRI (Photochemical Reflectance Index) to spektralne wskaźniki roślinności pochodzące z pomiarów stosunkowo wąskich długości fal odbitego światła (od 10 do 50 nanometrów) w widmie elektromagnetycznym. Jest to przydatne do pomiaru różnych właściwości w koronach roślin. NDVI to skrót od Normalized Difference Vegetation Index, a PRI to skrót od Photochemical Reflectance Index.

Istnieje wiele rodzajów spektralnych wskaźników roślinności, jednak ten artykuł i webinarium koncentrują się na teorii, metodach i zastosowaniu NDVI i PRI, ponieważ są to dwa z najczęściej używanych.

NDVI jest szczególnie przydatny do pomiaru właściwości strukturalnych korony roślin, takich jak leaf area index, przechwytywanie światła, a nawet biomasa i wzrost, podczas gdy PRI jest bardziej przydatny do uzyskiwania funkcjonalnych właściwości korony roślin, takich jak efektywność wykorzystania światła. Najnowsza literatura pokazuje, że PRI jest również przydatny do pomiaru pigmentów dolistnych.

Zrozumienie interakcji promieniowania z baldachimem

Aby zrozumieć, skąd biorą się NDVI i PRI, ważne jest, aby dowiedzieć się o interakcjach między baldachimem a promieniowaniem. Istnieją trzy podstawowe losy promieniowania elektromagnetycznego, gdy wchodzi ono w interakcje z koronami roślin.

Na rysunku 2 energia jest przedstawiona jako fotony w postaci strzałek. Fotony pochodzące ze słońca mogą oddziaływać z baldachimem na trzy sposoby: Mogą być transmitowane, co oznacza, że przechodzą przez koronę i uderzają w ziemię. Mogą być pochłaniane, co oznacza, że zielony materiał fotosyntetyczny w baldachimie pochłania część fotonów i wykorzystuje tę energię do napędzania fotosyntezy. Lub mogą być odbijane, co oznacza, że uderzają w powierzchnię czaszy i są odbijane z powrotem w przestrzeń kosmiczną.

Rysunek 3 to diagram przedstawiający promieniowanie elektromagnetyczne. Jednym z najbardziej widocznych elementów tego diagramu jest widmo widzialne. Mieści się ono w zakresie od 400 do 700 nanometrów i obejmuje błękity, zielenie, żółcie, pomarańcze i czerwienie widziane przez ludzkie oko. Istnieje jednak również promieniowanie ultrafioletowe (UV) o bardzo krótkich długościach fal i promieniowanie podczerwone o dłuższych długościach fal. Ważne jest, aby zrozumieć, że w widmie promieniowania elektromagnetycznego występują fotony o różnych energiach (długościach fal). Interakcja promieniowania z roślinami zależy od długości fali. Na przykład, czerwone fotony oddziałują na korony inaczej niż fotony niebieskie lub fotony bliskiej podczerwieni. Wskaźniki roślinności mierzą odbity składnik promieniowania.

PROMIENIOWANIE ODBITE
Charakterystyka widmowa czaszy

Rysunek 4 przedstawia typowe spektrum współczynnika odbicia promieniowania, które można zaobserwować w przypadku większości baldachimów z zielonym materiałem fotosyntetycznym. Oś y przedstawia procentowy współczynnik odbicia promieniowania elektromagnetycznego. Oś x to długość fali w nanometrach. Od 450 do 700 nanometrów to zakres widzialny, a przy około 700 nanometrach wkraczamy w podczerwień, a konkretnie w bliską podczerwień. Widmo to zostało uzyskane z łanu rośliny. Należy zauważyć, że większość promieniowania odbitego w zakresie widzialnym osiąga szczyt w kolorze zielonym. Dlatego też, gdy patrzymy na roślinny baldachim, jest on zazwyczaj zielony. Błękity i czerwienie są w tym przypadku silnie pochłaniane przez chlorofile. Należy również zwrócić uwagę na wysokie współczynniki odbicia w zakresie bliskiej podczerwieni. Jest to bardzo typowe, ponieważ energia ta nie może być wykorzystana w procesie fotosyntezy. Rośliny zostały zaprojektowane tak, aby odbijać to promieniowanie.

Różne składniki koron roślin mogą wpływać na widma w całym zakresie długości fal w zakresie widzialnym, bliskiej podczerwieni i poza nim. Rysunek 5 ilustruje zawartość chlorofilu w liściach na różnych poziomach.

Wraz ze zmianą zawartości chlorofilu, widmo to ulega dramatycznym zmianom, szczególnie w obszarze widzialnym między zielenią a czerwienią oraz nieco w bliskiej podczerwieni.

Podobnie, rysunek 6 ilustruje, że zawartość karotenoidów również zmienia współczynnik odbicia, ale jego wpływ jest znacznie mniej rozłożony w całym spektrum.

Struktura komórek liści jest również właściwością zadaszeń, która może wpływać na widmo odbicia. Rysunek 7 pokazuje, że jej wpływ jest zwykle równomierny w większości zakresu widzialnego i bliskiej podczerwieni.

Zawartość wody w liściach może również silnie wpływać na widmo liści. Rysunek 8 pokazuje więcej widma w bliskiej podczerwieni, ponieważ to tam występuje większość efektu wody. Nie widzimy tego efektu w zakresie widzialnym, a w zakresie bliskiej podczerwieni jest on niewielki. Jednak przy około 800 nanometrach występuje duży efekt. Tak więc to przy dłuższych falach zawartość wody ma wpływ.

Poprzednie przykłady pokazują efekty na poziomie liści, jednak widmo odbicia obserwowane z czaszy jest mieszaniną wielu liści. Jeśli połączymy je wszystkie razem, na rysunku 9 widać, że leaf area index ma również dramatyczny wpływ na widzialne i bliskie podczerwieni części widma.

Zauważ, że w czerwonym obszarze od około 600 do 700 nanometrów, a także w bliskiej podczerwieni, gdzie dodano materiał liścia, współczynniki odbicia są coraz wyższe.

Jak obliczana jest strona NDVI

Poprzednie wykresy ilustrują ciągłe widma odbicia, ale NDVI koncentruje się tylko na dwóch określonych regionach widma; bliska podczerwień (NIR) przy około 800 nanometrach jest połączona z odbiciem w regionie czerwonym, który zwykle wynosi około 650 do 700 nanometrów (rysunek 10). Typowa wartość NDVI waha się od -1 do 1. Wyższa wartość NDVI wskazuje na bardziej zielony baldachim lub większą powierzchnię liści.

Jak wspomniano, procentowy współczynnik odbicia to stosunek promieniowania upwelling lub promieniowania odbitego od okapu do ilości energii padającej lub uderzającej w okap. Powodem, dla którego strona NDVI zawiera pasma czerwone i bliskiej podczerwieni, jest to, że na czerwień silnie wpływa zawartość chlorofilu, a bliska podczerwień jest związana ze strukturą komórek liści i przestrzeniami powietrznymi wewnątrz liścia. Wraz z rozwojem i dojrzewaniem liści zmienia się struktura komórek, co może mieć silny wpływ na rozpraszanie bliskiej podczerwieni. Widmo na rysunku 10 pokazuje również, że kolor czerwony jest silnie pochłaniany. Możemy to stwierdzić, ponieważ niewiele jest odbijanych. Jednak w bliskiej podczerwieni widzimy dużą ilość odbicia. Tak więc, biorąc pod uwagę stosunek między czerwienią a bliską podczerwienią (równanie 1), możemy zrozumieć, co dzieje się z baldachimem roślinności.

NDVI WNIOSKI
Oszacuj leaf area index używając NDVI

NDVI jest często używana do szacowania leaf area index różnych zadaszeń. Jest to szczególnie przydatne w analizie szeregów czasowych, w której śledzi się NDVI w czasie. W przypadku rocznych koron drzew liściastych, w których występują duże sezonowe zmiany w leaf area index, NDVI jest przydatny do śledzenia tych zmian. NDVI może być również używany do wnioskowania lub szacowania zmienności przestrzennej w leaf area index.

Rysunek 11 pokazuje, w jaki sposób badacze mogą wykorzystać zdjęcia do zrozumienia zmienności przestrzennej LAI. Mogą oni obliczyć NDVI za pomocą tych zdjęć, ponieważ mają one pasma bliskiej podczerwieni i fali czerwonej. Następnie używają tych wartości NDVI do mapowania LAI upraw, dzięki czemu mogą zobaczyć niejednorodność przestrzenną LAI zarówno między jednostkami zarządzania, jak i w ich obrębie.

Należy pamiętać, że istnieją pewne ograniczenia dla tego zastosowania NDVI.

Rysunek 12 pokazuje, że po przekroczeniu LAI od trzech do czterech, NDVI ma tendencję do nasycania się w zależności od leaf area index. Dzieje się tak, ponieważ w paśmie czerwonym absorpcja chlorofilu jest bardzo niska, nawet przy niskim LAI. Tak więc wraz ze wzrostem powierzchni liści, występują tylko niewielkie zmiany w absorpcji, które występują powyżej LAI wynoszącego trzy lub cztery. Podobnie w paśmie bliskiej podczerwieni, gdy dodajemy więcej materiału liściowego, przyrostowa zmiana współczynnika odbicia w bliskiej podczerwieni ma tendencję do zmniejszania się przy bardzo wysokich LAI. Jest to więc jeden z potencjalnych obszarów słabości wykorzystania NDVI do oszacowania LAI. Metoda ta jest odpowiednia tylko dla zadaszeń o LAI w zakresie od zera do czterech.

Innym powiązanym zastosowaniem NDVI byłoby oszacowanie przechwytywania światła, ponieważ LAI jest związany z ilością światła pochłanianego przez korony roślin. Więcej liści oznacza, że więcej światła zostanie pochłonięte. Przechwytywanie światła jest ważną zmienną, ponieważ daje nam pewne wyobrażenie o tym, ile światła jest pochłaniane przez baldachim. Na przykład, jeśli założymy, że korona jest zaaklimatyzowana do swojego środowiska i może wykorzystać całą energię świetlną, to znajomość ułamkowego przechwytywania światła dałaby nam pewne wskazanie zdolności fotosyntezy.

Jedną z zalet stosowania NDVI do przewidywania ułamkowego przechwytywania światła lub ułamkowej absorpcji promieniowania fotosyntetycznie czynnego(F_PAR), jest to, że związek między NDVI i F_PAR zazwyczaj się nie nasyca. Absorpcja światła jest zwykle względnie pełna przy LAI wynoszącym około trzech do czterech. Po dodaniu dodatkowej powierzchni liści nie uzyskujemy liniowego wzrostu frakcyjnej absorpcji światła. Rysunek 13 pokazuje liniową zależność między NDVI i F_PAR.

Należy zauważyć, że nawet przy wysokich wartościach przechwytywania frakcji krzywa pozostaje liniowa.

Korzystanie z NDVI w fenologii

Innym stosunkowo powszechnym zastosowaniem NDVI jest szacowanie fenologii w systemach liściastych, jednorocznych lub innych systemach o dużej międzyrocznej zmienności powierzchni liści. Dolny wykres na rysunku 14 pokazuje, że jeśli mamy szereg czasowy danych NDVI , a następnie dopasujemy krzywą do tego szeregu czasowego, ma on dość regularny wzór.

W okresie zimowym nie tylko jest dużo liści, więc NDVI jest niski. Następnie wiosną NDVI rośnie wraz ze wzrostem LAI. Osiąga szczyt w połowie sezonu wegetacyjnego, a następnie jesienią starzenie się i opadanie liści powodują spadek wartości NDVI . Korzystając z tych krzywych, możemy wyodrębnić różne wskaźniki dotyczące czasu różnych zdarzeń. Na przykład, jeśli interesuje nas czas zazielenienia lub rozpoczęcia sezonu. Górny wykres na rysunku 14 przedstawia metrykę SOSp wyodrębnioną z krzywej NDVI . Ta metryka SOSp pokazuje, kiedy liście zaczęły rosnąć. Ponieważ widzimy, kiedy liście zaczęły się rozwijać, możemy oznaczyć to konkretną datą jako początek sezonu. Jeśli połączymy wiele lat takich obserwacji, uzyskamy wiele dat rozpoczęcia sezonu dla danego okapu. Następnie możemy powiązać to ze zmiennymi klimatycznymi lub innymi zmiennymi, aby sprawdzić, czy istnieje jakaś przyczyna i skutek. Na przykład, niektórzy badacze odkryli, że w miarę ocieplania się klimatu sezon startowy zwykle rozpoczyna się wcześniej w ciągu roku. Istnieje wiele innych wskaźników, które możemy wyodrębnić z tych krzywych. Możemy użyć danych NDVI bezpośrednio jako wskaźnika fenologii lub możemy użyć danych NDVI jako bezpośredniego źródła do modelu przewidywania, kiedy wystąpią zdarzenia fenologiczne.

Rysunek 15 ilustruje inny przykład wykorzystania strony NDVI do zrozumienia fenologii. W drzewostanie z gatunkami mieszanymi możemy przyjrzeć się wielu różnym lokalizacjom w okapie lub nawet pojedynczym drzewom i śledzić czas ich rozwoju. Rysunek 15 przedstawia rozwój lasu mieszanego w okresie wiosennym. Wszystkie gatunki zaczynają z bardzo różnymi wartościami NDVI . Jest to bezpośrednio związane z ich leaf area index w danym momencie. W miarę upływu wiosny wartości NDVI zwykle rosną dla gatunków liściastych, a następnie wszystkie mają tendencję do zbiegania się po około 150 dniach do dość jednolitej wartości NDVI . Tak więc około 150 dnia korona drzewa zaczyna osiągać dojrzałość strukturalną. Niekoniecznie wiemy, co dzieje się z aklimatyzacją fotosyntetyczną w tym momencie, ale dane te są dobrym przykładem tego, jak dane NDVI mogą być wykorzystane do oceny niejednorodności przestrzennej lub różnic w zazielenieniu między gatunkami lub drzewami, nawet w tym samym drzewostanie.

Wykorzystanie NDVI do oszacowania produktywności

NDVI można wykorzystać do bezpośredniego oszacowania produktywności w zadaszeniach liściastych lub zadaszeniach, które są silnie sezonowe, takich jak jednoroczne użytki zielone, gdzie obecność zielonej powierzchni liści jest bardzo ściśle powiązana z sezonową fotosyntezą.

Na przykład rysunek 16 przedstawia dane z pracy Ryu, w której śledził on NDVI jednorocznych użytków zielonych przez kilka lat. Wartości NDVI to zielone punkty wykreślone na górnym wykresie, a otwarte okręgi na tym samym wykresie to pomiary fotosyntezy. Należy zauważyć, że NDVI dobrze radzi sobie ze śledzeniem czasu i amplitudy fotosyntezy na tych rocznych użytkach zielonych. Na dolnym wykresie wziął cały czteroletni zestaw danych i pokazał korelacyjny związek między NDVI a fotosyntezą w koronach drzew. W ten sposób stworzył model empiryczny, który wykorzystuje NDVI do oszacowania fotosyntezy w koronach drzew w tym ekosystemie. Ponieważ NDVI śledzi czas fotosyntezy w tym systemie, możemy oszacować nie tylko chwilową fotosyntezę w danym dniu roku, ale także odpowiedzieć na pytania takie jak: jak mogę oszacować okres aktualizacji węgla? Kiedy rozpoczął się sezon? Kiedy osiągnął szczyt? Kiedy się zakończył? Rysunek 16 to bogaty zestaw danych, który można wykorzystać do uzyskania różnych przydatnych zmiennych.

NDVI ograniczenia

Podczas korzystania ze strony NDVI należy wziąć pod uwagę pewne ograniczenia:

1. Jak wspomniano, NDVI ma tendencję do nasycania się przy wysokich LAI: (patrz rysunek 12) Jednym ze sposobów obejścia tego problemu jest to, że w zależności od wymagań, LAI może nie być tym, czego potrzebujesz. Być może jest to rzeczywiste przechwytywanie frakcji. Ale jeśli jest to LAI, to należy pamiętać, że prawdopodobnie nie będzie można uzyskać wiele korzyści z NDVI , jeśli pracujesz w systemach o naprawdę wysokim LAI.
2. Strona NDVI nie jest zbyt dynamiczna w wiecznie zielonych ekosystemach, przynajmniej nie w ujęciu szeregów czasowych: Ma to sens, ponieważ wiecznie zielone kończyny są wiecznie zielone. Nie ma wielu zmian między zimą a latem w leaf area index , a tym samym ułamkowym przechwytywaniu światła, przynajmniej w zakresie kontrolowanym przez LAI.

Rysunek 17 pokazuje, że przez cały rok wartości NDVI są dość stabilne, podczas gdy pochłanianie_CO2 przez korony drzew lub fotosynteza są dynamiczne w czasie. Nie ma jednak powiązania między czasową dynamiką NDVI a pochłanianiem_CO2 przez korony drzew. Byłoby to więc niewłaściwe wykorzystanie NDVI. Chcemy dowiedzieć się czegoś więcej o okapie i o tym, co napędza zmiany funkcjonalne. Biorąc to pod uwagę, NDVI może być nadal przydatny w systemach wiecznie zielonych do badania heterogeniczności przestrzennej. Jeśli szukasz zmienności LAI lub biomasy przechwytującej światło na dużych obszarach lub w długich seriach czasowych. Na przykład, jeśli oceniasz regenerację i wzrost po pożarze, nawet jeśli jest to wiecznie zielony system, jeśli spojrzysz na wystarczająco szeroki okres czasu, NDVI będzie reagował w systemie. Jednak w rocznej skali czasowej prawdopodobnie nie będzie wielu dynamicznych zmian.

Jak obliczyć PRI (fotochemiczny współczynnik odbicia)?

PRI jest podobny do NDVI w swojej formule, jedyną różnicą są długości fal lub pasma używane jako dane wejściowe. PRI jest obliczany na podstawie współczynników odbicia przy 531 nanometrach i 570 nanometrach, a wartości PRI mieszczą się w zakresie od -1 do 1.

Współczynnik odbicia fotochemicznego jest najczęściej stosowany w celu uzyskania efektywności wykorzystania światła lub zmian w efektywności wykorzystania światła, które występują w obrębie korony rośliny. Odbywa się to w szczególności poprzez analizę odpowiedzi 531 nanometrów na zmiany pigmentu ksantofilowego.

Rysunek 18 przedstawia kilka różnych widm reflektancji, które zostały zebrane w stosunkowo krótkim czasie. Obliczając różnicę między tymi dwoma widmami, widzimy kilka obszarów pików, w których różnice były największe. Jeden z nich przy około 531 nanometrach można przypisać aktywności cyklu ksantofilowego.

Cykl ksantofilowy to szybka i odwracalna akcja/reakcja, w której pigmenty ksantofilowe przechodzą wewnętrzny proces konwersji zarówno do przodu, jak i do tyłu.

Rysunek 19 ilustruje ten wewnętrzny proces konwersji. Po prawej stronie diagramu zaczynamy od wiolaksantyny. Jest ona przekształcana w anteraksantynę, a produktem końcowym jest zeaksantyna. Wiolaksantyna jest stanem bez stresu, a gdy roślina napotyka stres, następuje wewnętrzna konwersja pigmentów, aż do uzyskania większej ilości pigmentu w stanie zeaksantyny. Jeśli stres zostanie uwolniony, proces ten jest odwracalny. Na przykład: jeśli zmniejszymy poziom światła, te wewnętrzne konwersje pigmentów mogą zostać odwrócone do stanu, w którym w tkance roślinnej znajduje się głównie wiolaksantyna. Jest to wszechobecny sposób, w jaki rośliny bezpiecznie radzą sobie ze stresującym środowiskiem. Gdy rośliny znajdują się na zewnątrz, nieustannie pochłaniają promieniowanie. Nie mogą wstać i odejść. Proces ten jest dla nich sposobem na wchłonięcie nadmiaru światła do cyklu ksantofilowego, gdzie energia ta jest wykorzystywana do napędzania wewnętrznych konwersji pigmentu, zamiast uszkadzać maszynerię fotosyntetyczną. Gdy światło jest pochłaniane i wykorzystywane w cyklu ksantofilowym, zmniejsza to efektywność wykorzystania światła, ponieważ światło to nie napędza pobierania węgla. Zamiast tego przechodzi do procesu rozpraszania ciepła poprzez cykl ksantofilowy. Tak więc cykl ksantofilowy jest jednym ze sposobów kontrolowania wydajności wykorzystania światła przez roślinę.

Cykl ksantofilowy wykazuje również inną interesującą dynamikę w różnych okresach czasu. Na przykład rysunek 20 z artykułu Demmiga, Adamsa i Adamsa pokazuje kilka różnych zabiegów i to, czego możemy się spodziewać po całkowitej wielkości puli ksantofilu (suma zawartości wiolaksantyny, anteraksantyny i zeaksantyny). Pokazuje również względną wielkość puli lub stosunek wiolaksantyny do anteraksantyny do zeaksantyny.

Górne wykresy kołowe porównują liście zacienione z liśćmi nasłonecznionymi. W liściach nasłonecznionych całkowita wielkość puli jest znacznie większa niż w liściach zacienionych. Zwróć uwagę na proporcje każdego z ksantofili. W zacienionych liściach znacznie więcej ksantofili znajduje się w stanie wiolaksantyny, prawdopodobnie dlatego, że istnieje mniejsza potrzeba fotoprotekcji w momencie pobierania próbek. I odwrotnie, znacznie większa frakcja ksantofili znajduje się w stanie zeaksantyny w liściach oświetlonych słońcem, co wskazuje na potrzebę fotoprotekcji.

To samo można zaobserwować porównując zawartość ksantofilu w okresie letnim i zimowym. Na przykład, w przypadku zimozielonego drzewa potrzeba fotoprotekcji jest znacznie mniejsza w okresie letnim, ponieważ wiele energii pochłanianej przez rośliny (zakładając, że nie ma stresu) można wykorzystać do fotosyntezy. Jednak zimą temperatury są niskie, a warunki nie sprzyjają fotosyntezie. Roślina nadal pochłania światło, ale musi coś z nim zrobić, aby się nie zniszczyć. Roślina inwestuje więc zasoby w zwiększenie puli ksantofili. Tak więc zimą występuje większa frakcja zeaksantyny, ponieważ istnieje wysokie zapotrzebowanie na fotoprotekcję.

W dolnym przykładzie występuje różnica w traktowaniu azotem i zasadniczo jest ona podobna do dwóch pozostałych przykładów. Gdy roślina ma dużo azotu, jest mniej zestresowana i ma mniejsze zapotrzebowanie na fotoprotekcję. Gdy ma mało azotu, nie jest w stanie wykorzystać pochłoniętych fotonów i ma większe zapotrzebowanie na fotoprotekcję poprzez pigmenty ksantofilowe.

PRI pomaga uchwycić dynamikę ksantofilu

Jednym ze sposobów, w jaki naukowcy wykorzystują PRI, jest uchwycenie czasowej dynamiki ksantofilu (tj. efektywności wykorzystania światła poprzez aktywność ksantofilu). Wykorzystanie PRI rozpoczęło się, gdy dr John Gamon odkrył, że aktywność cyklu ksantofilowego można wykryć za pomocą widm odbitych. Odkrył, że współczynnik odbicia przy 531 nanometrach był najbardziej wrażliwy na zmiany w ksantofilu.

W prawym górnym rogu rysunku 21 pokazano współczynnik odbicia przy 531 nanometrach, a stopień utlenienia na osi x wskazuje stan cyklu ksantofilowego pod względem stosunku wiolaksantyny do pylaksantyny i zeaksantyny. W tym krótkim okresie możemy zaobserwować dynamikę cyklu ksantofilowego, a współczynnik odbicia przy 531 nanometrach jest wrażliwy na te zmiany.

Należy zauważyć, że PRI wykorzystuje również pasmo referencyjne przy 570 nanometrach, które jest tam tylko jako odniesienie. Nie ma żadnej zmiany, która występuje przy 570 nanometrach, gdy zmieniają się ksantofile.

Rysunek 22 pokazuje, że zmiana PRI jest prawie tak samo wrażliwa na zmiany stopnia utlenienia ksantofili, jak współczynnik odbicia przy 531 nanometrach. Należy również zauważyć, że aktywność ksantofili można wykryć tylko w stosunkowo wąskich pasmach w widmie odbicia. W tym przypadku szerokie pasmo (tj. pomiar w całym zielonym spektrum) prawdopodobnie pominęłoby aktywność cyklu ksantofilowego. W związku z tym pomiary w wąskim paśmie fal są wymagane, aby wykryć lub być wystarczająco czułym, aby wykryć zmianę związaną z ksantofilem.

Zrozumienie dynamiki funkcji fotosyntezy

Niektórzy badacze wykorzystują PRI, aby poznać dynamikę dobową lub krótkoterminową dynamikę funkcji fotosyntetycznych roślin. Rysunki 23 i 24 ilustrują przykłady prostych eksperymentów, które pokazują, jak dynamiczny może być PRI na zmiany w wydajności wykorzystania światła.

Rysunek 23 przedstawia eksperyment, w którym naukowcy świecili stopniowym światłem na roślinę (poziomy światła były zwiększane, aż osiągnęły szczyt, a następnie spadły). Górny wykres pokazuje rosnący, a następnie malejący poziom światła. Pobór_CO2 (wskazujący na fotosyntezę) również śledzi zmianę poziomu światła. Tak więc, gdy dostępna jest większa ilość energii, fotosynteza przyspiesza, a gdy poziom światła spada, fotosynteza spada.

Dolny wykres na rysunku 23 przedstawia dokładnie ten sam eksperyment z wykorzystaniem różnych pomiarów. Dwa pomiary to PRI i 𝚫F/F_m który jest pomiarem fluorescencji mierzącym wydajność fotosystemu II (związaną z wydajnością wykorzystania światła). Rysunek 24 pokazuje, że PRI i pomiar fluorescencji dobrze śledzą czas etapów poziomu światła. Ponownie, wraz ze wzrostem natężenia światła, PRI spada, a 𝚫F/F_m co wskazuje na spadek efektywności wykorzystania światła. A następnie, gdy poziom światła jest zmniejszany, widzimy odwrotną sytuację.

Rysunek 24 to kolejny prosty eksperyment ilustrujący czasową ewolucję fluorescencji i PRI w czasie. Rośliny zaczynają w ciemności o godzinie zero. Następnie po godzinie włącza się oświetlenie i następuje niemal natychmiastowa reakcja fluorescencji i PRI. Bardzo silnie reagują w dół w korelacji z efektywnością wykorzystania światła. Następnie, po pewnym czasie od włączenia światła, eksperymentatorzy wyłączają je. I ponownie, występuje stosunkowo szybka, natychmiastowa reakcja zarówno fluorescencji, jak i PRI na tę zmianę poziomu światła, ponieważ zmienia się fizjologia liści.

Eksperymenty te pokazują, że PRI może być przydatny do pomiaru szybkich zmian, które mogą wystąpić w ciągu całego dnia lub gdy korona rośliny przechodzi od słońca do cienia. Ponieważ te lub inne zmienne środowiskowe ulegają zmianie, spodziewalibyśmy się zmian w efektywności wykorzystania światła, które PRI mógłby wykryć.

Wykorzystanie PRI do długoterminowych zmian

Pomysł wykorzystania PRI do długoterminowych pomiarów zawsze istniał, ale nie tak wielu badaczy zajmowało się tym obszarem, ponieważ pomiar PRI w długich okresach czasu był dość trudny. Zwykle wymaga to zaawansowanego oprzyrządowania, aby uzyskać te wąskie długości fal światła. Jednak ostatnio pojawiło się większe zainteresowanie, a wyniki przedstawione na rysunku 25 są stosunkowo nowe i wciąż badane.

Naukowcy odkryli do tej pory, że w dłuższych okresach czasu PRI jest wrażliwy nie tylko na cykl ksantofilowy, ale także na całkowitą zawartość karotenoidów i chlorofilu. Należy zauważyć, że ksantofil (wiolaksantyna, anteraksantyna i zeaksantyna) to klasa karotenoidów. Tak więc, gdy badacze mierzą całkowitą zawartość karotenoidów, często duża ich część to właśnie ksantofile. Nie jest jeszcze do końca jasne, czy PRI reaguje tylko na ksantofile, czy na wszystkie karotenoidy. Dalsze badania pomogą to wyjaśnić. Naukowcy odkryli jednak, że istnieje naprawdę ścisła korelacja między PRI a stosunkiem karotenoidów do chlorofilu. Stosunek karotenoidów do chlorofilu może być powiązany z efektywnością wykorzystania światła, ponieważ karotenoidy są pigmentami pomocniczymi i mogą odgrywać rolę w zbieraniu światła. Jednak znaczna większość z nich, podobnie jak ksantofile, odgrywa również rolę fotoochronną. Porównując więc zawartość karotenoidów do chlorofilu, możemy przyjrzeć się dynamice tego stosunku w czasie i zorientować się, jak zestresowana może być roślina. Może to być więc sposób na przyjrzenie się efektywności wykorzystania światła lub wydajności fotosyntezy przy użyciu PRI, ale w szerszym okresie czasu lub na szerszych obszarach przestrzennych.

Wykres po lewej stronie Rysunku 25 przedstawia badanie, w którym przez cały rok przyglądano się łanom sosny zwyczajnej w celu oceny długoterminowych korelacji między fizjologią fotosyntezy, pigmentami dolistnymi i PRI. Okazało się, że prawie wszystkie ważne fotosyntetyczne zmienne fizjologiczne są powiązane z PRI. Częściowo wynika to z faktu, że istnieje wiele współzależności między tymi zmiennymi, ale zgodnie z wcześniejszymi badaniami, znaleźli jedne z najwyższych korelacji ze stosunkiem ksantofilu do chlorofilu, stosunkiem karotenoidów do chlorofilu i całkowitą wielkością puli ksantofilu do całkowitej wielkości puli karotenoidów.

Ale nawet jeśli istnieje wiele współzależności, jeśli spojrzeć na rysunek 26, naukowcy nadal pokazują, że PRI można wykorzystać w długich okresach czasu do oszacowania trendów w efektywności wykorzystania światła.

Tak więc PRI jest dobry do pomiaru efektywności wykorzystania światła w dziennych skalach czasowych, a także wydaje się, że możemy go używać w dłuższych skalach czasowych. Jednak w przypadku stosowania go w dłuższych skalach czasowych należy zachować pewną ostrożność w interpretacji danych, aby naprawdę zrozumieć czynniki powodujące zmiany w PRI.

Ograniczenia PRI

Podobnie jak w przypadku NDVI, istnieją pewne ograniczenia dotyczące PRI. Po pierwsze, stwierdzono, że związek między PRI a efektywnością wykorzystania światła, niezależnie od skali czasowej, różni się w zależności od różnych koron drzew. Istnieją więc pewne zależności gatunkowe i strukturalne.

Rysunek 27 pokazuje, że w przypadku wielu różnych gatunków zależność między PRI a fluorescencją (która jest wskaźnikiem efektywności wykorzystania światła) różni się w zależności od gatunku. Nie jest więc możliwe zmierzenie PRI i wyodrębnienie wartości efektywności wykorzystania światła. Najpierw należy wykonać pewne podstawowe prace, aby zbudować te korelacyjne relacje w celu uzyskania bezwzględnej wartości efektywności wykorzystania światła. Dotyczy to również NDVI. Jeśli znasz wartość NDVI , musisz wykonać pewne prace korelacyjne, zanim będziesz mógł przenieść tę liczbę NDVI na bezwzględną wartość LAI lub F_PAR .

W całym sezonie wegetacyjnym PRI reaguje na zmiany wielu zmiennych, z których większość jest powiązana z wydajnością fotosyntezy. Należy jednak zachować ostrożność podczas bezpośredniego porównywania pomiarów PRI w jednym okresie z innym późniejszym okresem, a także w przypadku skalowania niektórych z tych pomiarów w przestrzeni.

Należy również pamiętać, że efektywność wykorzystania PRI i światła ma tendencję do rozłączania się, szczególnie w skrajnych przypadkach. Na przykład w wiecznie zielonym ekosystemie często dochodzi do rozdzielenia w okresie przejściowym od wiosny do lata. Innym miejscem, w którym naukowcy zaobserwowali rozłączenie, jest ekstremalna susza. Kiedy drzewa są na skraju śmierci, PRI ma tendencję do załamywania się. W takich sytuacjach najczęściej okazuje się, że PRI przecenia efektywność wykorzystania światła. Ponownie należy więc zachować ostrożność.

Wreszcie, efektywność wykorzystania światła nie jest związana tylko z zawartością pigmentów cyklu ksantofilowego lub innych pigmentów dolistnych. W niektórych przypadkach należy również uwzględnić fotooddychanie, a PRI nie ma związku z fotooddychaniem. W związku z tym fotooddychanie może być źródłem błędu w szacunkach efektywności wykorzystania światła opartych na PRI.

Łączenie pomiarów z NDVI i PRI

Istnieje szerokie zainteresowanie możliwością zdalnego lub nieniszczącego szacowania fotosyntezy. Niektórzy badacze powrócili do modelu efektywności wykorzystania światła Monteitha (równanie 3).

gdzie GPP (produktywność pierwotna brutto) lub fotosynteza jest iloczynem PAR (promieniowanie fotosyntetycznie czynne), które pada na korony roślin, pomnożonym przez_FPAR (ułamkowe przechwytywanie światła) lub ile tego PAR jest faktycznie pochłaniane przez korony roślin, pomnożonym przez ε (efektywność wykorzystania światła). Innymi słowy, jak skutecznie te pochłonięte fotony są wykorzystywane do wiązania węgla w postaci węglowodanów?

Niektórzy badacze zaproponowali jednak zastosowanie wskaźnika zastępczego dla F_PAR i ε, ale nie dla PAR.

Naukowcy próbowali zastąpić NDVI przez F_PAR i PRI dla ε i uzyskali przyzwoite wyniki. Rysunek 28 przedstawia badanie skalowania zarówno w czasie, jak i przestrzeni.

Każdy punkt danych pochodzi z innej lokalizacji lub z innego okresu próbkowanego w tej samej lokalizacji. W tym przypadku po prostu pomnożono NDVI przez sPRI (sPRI to sposób skalowania PRI tak, aby jego wartości mieściły się w zakresie od zera do jednego). sPRI jest zasadniczo równoważny PRI, jak widać, zależność na rysunku 28 jest dość ścisła.

Rysunek 29 jest próbą połączenia PAR i_FPAR w APAR. APAR to pochłonięte promieniowanie fotosyntetycznie czynne. Jest to więc jak połączenie PAR i_FPAR, a następnie pomnożenie tego przez, ponownie, skalowany PRI. Badacze próbują oszacować fotosyntezę w rzeczywistych jednostkach fotosyntezy. Ponownie, jest to dość liniowa zależność. Istnieje pewne odchylenie pod względem skali, ale ponownie, dość dobra praca zdalnego wykrywania fotosyntezy.

Jednym z zastosowań połączenia modeli NDVI i sPRI jest skalowanie przestrzenne.

Rysunek 30 przedstawia produkt uzyskany ze zdjęć satelitarnych. Na podstawie tych zdjęć satelitarnych badacz był w stanie obliczyć NDVI i PRI. Połączyli NDVI i PRI w modelu efektywności wykorzystania światła, a dla każdego piksela lub każdej lokalizacji na obrazie wyodrębnili szacunkową absorpcję_CO2 lub fotosyntezę. Mimo że dane te pochodzą z obrazu satelitarnego, można sobie wyobrazić, że wiele czujników można umieścić w całym krajobrazie, aby uzyskać coś bardzo podobnego lub przynajmniej zorientować się, jaka jest niejednorodność przestrzenna fotosyntezy przy użyciu tego połączonego podejścia NDVI/ PRI.

Jak mierzyć NDVI, PRI i współczynnik odbicia spektralnego?

Istnieje wiele sposobów pomiaru danych spektralnych, po części dlatego, że istnieje wiele różnych długości fal świetlnych, które możemy mierzyć.

Rysunek 31 przedstawia różne pomiary z różnych instrumentów. Na przykład, istnieje coś, co nazwiemy "danymi hiperspektralnymi", które możemy uzyskać ze spektrometru, co daje nam niemal ciągłe informacje w całym spektrum. Jest to najbardziej szczegółowy rodzaj danych spektralnych, jakie możemy uzyskać z instrumentu. Zazwyczaj tego rodzaju instrumenty są wykorzystywane w badaniach teledetekcyjnych, w których poszukujemy nowych wskaźników roślinności lub nowej dynamiki. Na przykład, gdy odkryto PRI, było to możliwe dzięki badaniu wielu widm jednocześnie.

Innym podejściem byłoby wykorzystanie ograniczonej liczby pasm spektralnych. Na przykład to, co możemy nazwać "danymi wielospektralnymi", jest dostępne z satelity QuickBird i innych satelitów o wysokiej rozdzielczości. QuickBird daje nam pasma w kolorze niebieskim, zielonym, czerwonym i bliskiej podczerwieni, zaledwie cztery pasma reprezentujące dynamikę spektralną w tym regionie dla koron roślin. Tak więc podejście wielospektralne jest w zasadzie synonimem wielopasmowego radiometru. Różnica między podejściem hiperspektralnym i wielospektralnym jest rozmyta, ale zasadniczo "hiper" oznacza dużo, a "multi" oznacza tylko kilka. Po skrajnej stronie znajduje się hiperspektralny, ale po przeciwnej stronie mamy radiometr jednopasmowy. Instrument PAR jest zasadniczo jednopasmowym radiometrem o bardzo szerokim zakresie pomiarowym. Mierzy promieniowanie w zakresie od 400 do 700 nanometrów i podaje pojedynczą wartość dla całego tego obszaru. Piranometr robi to samo, ale jego obszar jest jeszcze szerszy i rozciąga się znacznie dalej na bliską i krótką podczerwień.

Tak więc instrument, którego potrzebujemy, zależy od celów badawczych. Jeśli naszym celem są tylko pomiary dla konkretnych zastosowań opisanych w tym artykule, pełny spektrometr będzie przesadą. W takich przypadkach możemy użyć radiometru wielopasmowego do pomiaru PRI, NDVI lub obu jednocześnie. Potrzebujemy tylko czterech pasm.

CzujnikNDVI /PRI firmy METER to wielozakresowy radiometr, który mierzy zarówno NDVI , jak i PRI.

Jeden typ ma pasma wyśrodkowane na 630 nanometrach i 800 nanometrach przeznaczone do pomiarów NDVI . Drugi typ ma pasma wyśrodkowane na 532 nanometrach i 570 nanometrach, przeznaczone do pomiaru PRI. Czujniki widmowego współczynnika odbicia są przeznaczone do pomiaru promieniowania przychodzącego (rysunek 33).

Dyfuzory teflonowe zapewniają półkulisty widok nieba, co pozwala na pomiar padającego światła. W prawym dolnym rogu znajdują się czujniki kierunkowe z fizycznymi ogranicznikami pola, które ograniczają pole widzenia do 20 stopni. Pozwala to również na ich ukierunkowanie, dzięki czemu badacze, którzy z nich korzystają, mogą faktycznie kierować, gdzie czujnik patrzy w koronie rośliny. Posiada identyfikowalną kalibrację NIST, dzięki czemu zapewnia pomiary i rzeczywiste fizyczne jednostki światła. Jest mały, wodoszczelny i odporny na warunki atmosferyczne, więc nie trzeba się martwić o umieszczenie go na zewnątrz i zbieranie danych przez długi czas, co jest tradycyjnie problemem w przypadku większości spektrometrów. Zwykle trzeba zbudować jakiś rodzaj pojemnika dla tego instrumentu, aby chronić go przed żywiołami.

NDVI i rozważania dotyczące pomiarów PRI

Jeśli chcemy zmierzyć współczynnik odbicia spektralnego, aby uzyskać PRI i NDVI, zazwyczaj będziemy zainteresowani widokiem czaszy z góry, przynajmniej w przypadku pomiarów natężenia promieniowania (lub pomiarów upwelling).

Wymaga to pomiarów powyżej okapu. Trudność tego zadania zależy od wysokości okapu. Na przykład, na rysunku 34 znajduje się wieża strumieniowa w północnym Michigan, która rozciąga się dość daleko nad mieszanym baldachimem liściastym. Byłaby to idealna platforma dla czujnika SRS. Ale jeśli łan jest na przykład uprawą pszenicy, wieża jest niepotrzebna. Czujnik można zamontować na słupku ogrodzeniowym lub solidnym statywie. Tak czy inaczej, czujnik musi znajdować się powyżej łanu.

Podczas wykonywania długoterminowych pomiarów widmowego współczynnika odbicia korzystne jest posiadanie przyrządów z podwójnym widokiem: jeden przyrząd patrzy w górę, aby określić ilościowo promieniowanie padające, a drugi patrzy w dół, aby określić ilościowo, ile tego promieniowania jest odbijane. Oznacza to, że nie ma znaczenia, jakie są warunki na niebie, możesz mierzyć w warunkach nasłonecznienia, a jeśli chmury się przetoczą, nie wpłynie to na pomiar, ponieważ oba źródła promieniowania są mierzone jednocześnie. Jest to również zaleta w porównaniu z naziemnymi pomiarami spektralnego współczynnika odbicia, w przeciwieństwie do zdjęć satelitarnych. Problem ze zdjęciami satelitarnymi polega na tym, że za każdym razem, gdy występuje pokrywa cloud , szczególnie w obszarze widzialnym, zasłania ona nasz widok na ekosystem czaszy, którą jesteśmy zainteresowani. Jednak czujnik SRS lub spektrometr, który może mierzyć korony drzew w każdych warunkach, pozwala nam zbadać NDVI i PRI znacznie bardziej szczegółowo w każdych warunkach. Ponadto, jeśli próbujemy umieścić czujnik nad okapem, korzystne jest użycie małego czujnika o niskiej mocy, ponieważ łatwiej jest go umieścić w miejscu, w którym może stale monitorować okap.

Jedną rzeczą, o której należy pamiętać w przypadku NDVI i PRI, jest to, że zmiany geometrii powierzchni czujnika nasłonecznienia mogą mieć dramatyczny wpływ na dane. Jest to szczególnie ważne w przypadku danych szeregów czasowych. Na przykład rysunek 35 przedstawia wykres z pięciu dni NDVI .

Każda linia reprezentuje inny dzień. Należy zauważyć, że wśród tych wszystkich linii danych występuje typowy wzór w kształcie litery U. Są to efekty kątowe, co oznacza, że nie zmieniało się LAI ani ułamkowe przechwytywanie światła. Czujnik patrzył na stałą lokalizację. Miało to więc związek ze sposobem, w jaki fotony wchodziły w interakcję z baldachimem i były rejestrowane przez instrument.

Rysunek 36 przedstawia ekstremalny przykład rozproszenia wstecznego i przedniego.

W tym przykładzie lokalizacja obserwatora i czaszy nie zmienia się, ale zmienia się pozycja słońca na niebie. Widać, że może to mieć naprawdę silny wpływ na to, jak fotony uderzają w czaszę i jak są rejestrowane w miejscu obserwatora lub instrumentu.

Należy również pamiętać, że podczas zbierania długich serii danych we wszystkich warunkach pogodowych mogą wystąpić zdarzenia powodujące fałszywe obserwacje. Przedni układ optyczny może ulec zamoczeniu, ptak może wylądować na czujniku, czujnik może ulec zabrudzeniu. Wszystkie te rzeczy mogą powodować szumy lub skoki w danych. Na przykład dzień 178 na rysunku 35 pokazuje duży skok w górę.

Dlatego w przypadku szeregów czasowych NDVI i danych PRI zwykle wymagana jest pewna ilość filtrowania danych. Jednym z rozwiązań efektu geometrii powierzchni czujnika nasłonecznienia jest użycie tylko jednej obserwacji dziennie. Zwykle działa to dobrze w przypadku NDVI , ponieważ NDVI analizuje strukturalnie powiązane zmienne, takie jak LAI, które nie zmieniają się zbytnio w ciągu dnia, ale zmieniają się z dnia na dzień lub w ciągu tygodni i miesięcy. Jeśli więc na tym się skupiamy, to dzienna rozdzielczość jest naprawdę wszystkim, co jest wymagane. Rysunek 37 to przykład, w którym badacze wyodrębnili jeden pomiar około południa każdego dnia. Południe, zwłaszcza południe słoneczne, jest lepsze, ponieważ zenit i azymut słoneczny są spójne z dnia na dzień, kiedy prowadzone są obserwacje.

Rysunek 38 to szereg czasowy z kilku różnych poletek zabiegowych, na których dane dzienne są wykreślane w celu pokazania wzorców lub różnic we wzorcach zazielenienia podczas przejścia od wiosny do lata na użytkach zielonych.

Niektórzy badacze potrzebują danych dobowych, zwłaszcza w przypadku PRI, ponieważ PRI może być bardzo dynamiczny, ponieważ reaguje na dynamikę cyklu ksantofilowego. Istnieje duże zainteresowanie zrozumieniem, czym są niektóre z tych ścisłych sprzężeń i szybkich reakcji, ponieważ rośliny i korony roślin reagują na szybkie zmiany w środowisku. Jeśli zamierzasz korzystać z danych dobowych, zalecamy zapoznanie się z modelowaniem dwukierunkowego współczynnika odbicia (modelowanie lub uwzględnianie efektów kątowych obecnych w danych) w artykule Thomasa Hillkera opublikowanym w Remote Sensing of Environment w 2008 roku.

Referencje

• Colombo, Roberto, Dario Bellingeri, Dante Fasolini i Carlo M. Marino. "Retrieval of leaf area index in different vegetation types using high resolution satellite data". Teledetekcja środowiska 86, nr 1 (2003): 120-131.(Link do artykułu).
• Demmig-Adams, Barbara i William W. Adams III. "Rola karotenoidów cyklu ksantofilowego w ochronie fotosyntezy". Trends in Plant science 1, nr 1 (1996): 21-26.(Link do artykułu).
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen i J. Peñuelas. "Teledetekcja cyklu ksantofilowego i fluorescencji chlorofilu w liściach i baldachach słonecznika". Oecologia 85, nr 1 (1990): 1-7.(Link do artykułu).
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas i Riccardo Valentini. "Zależności między NDVI, strukturą korony i fotosyntezą w trzech typach roślinności w Kalifornii". Ecological Applications 5, nr 1 (1995): 28-41.(Link do artykułu).
• Gamon, JAm, L. Serrano i J. S. Surfus. "Fotochemiczny współczynnik odbicia: optyczny wskaźnik efektywności wykorzystania promieniowania fotosyntetycznego przez gatunki, typy funkcjonalne i poziomy składników odżywczych". Oecologia 112, no. 4 (1997): 492-501.(Link do artykułu).
• Gamon, J. A. i J. S. Surfus. "Ocena zawartości i aktywności pigmentu w liściach za pomocą reflektometru". The New Phytologist 143, nr 1 (1999): 105-117.(Link do artykułu).
• Gamon, J. A., J. Penuelas i C. B. Field. "Wąskopasmowy indeks widmowy, który śledzi dobowe zmiany wydajności fotosyntezy". Teledetekcja środowiska 41, nr 1 (1992): 35-44.(Link do artykułu).
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel i Peter S. Curtis. "Porównanie wielu źródeł danych fenologicznych w celu oszacowania sezonowych zmian w wymianie węgla w lasach liściastych". Agricultural and Forest Meteorology 151, nr 12 (2011): 1741-1752.(Link do artykułu).
• Garrity, Steven R., Jan UH Eitel i Lee A. Vierling. "Rozdzielenie zależności między pigmentami roślinnymi a współczynnikiem odbicia fotochemicznego ujawnia nowe podejście do zdalnego szacowania zawartości karotenoidów". Remote Sensing of Environment 115, nr 2 (2011): 628-635.(Link do artykułu).
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet i T. Andrew Black. "Wielokątna teledetekcja efektywności wykorzystania światła w lesie poprzez obserwację zmienności PRI wraz z frakcją cienia czaszy". Remote Sensing of Environment 112, nr 7 (2008): 3201-3211.(Link do artykułu).
• Peñuelas, Josep, Iolanda Filella i John A. Gamon. "Ocena efektywności wykorzystania promieniowania fotosyntetycznego za pomocą odbicia spektralnego". New Phytologist 131, no. 3 (1995): 291-296.(Link do artykułu).
• Porcar-Castell, Albert, José Ignacio Garcia-Plazaola, Caroline J. Nichol, Pasi Kolari, Beñat Olascoaga, Nea Kuusinen, Beatriz Fernández-Marín, Minna Pulkkinen, Eija Juurola i Eero Nikinmaa. "Fizjologia sezonowej zależności między fotochemicznym współczynnikiem odbicia a efektywnością wykorzystania światła fotosyntetycznego". Oecologia 170, nr 2 (2012): 313-323.(Link do artykułu).
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts i Dylan Prentiss. "Modelowanie przestrzennie rozproszonego strumienia ekosystemu lasu borealnego przy użyciu wskaźników hiperspektralnych z obrazów AVIRIS". Journal of Geophysical Research: Atmospheres 106, no. D24 (2001): 33579-33591.(Link do artykułu).
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid i Daniel A. Sims. "Potencjał pasm oceanicznych MODIS do szacowania strumienia CO2 z roślinności lądowej: A novel approach". Geophysical Research Letters 31, nr 10 (2004).(Link do artykułu).
• Ryu, Youngryel, Dennis D. Baldocchi, Joseph Verfaillie, Siyan Ma, Matthias Falk, Ilse Ruiz-Mercado, Ted Hehn i Oliver Sonnentag. "Testowanie wydajności nowego czujnika odbicia spektralnego, zbudowanego z diod elektroluminescencyjnych (LED), w celu monitorowania metabolizmu, struktury i funkcji ekosystemu". Agricultural and Forest Meteorology 150, nr 12 (2010): 1597-1606.(Link do artykułu).

Pytania?

Nasi naukowcy mają wieloletnie doświadczenie w pomaganiu badaczom i hodowcom w pomiarach kontinuum gleba-roślina-atmosfera.

• Porozmawiaj z ekspertem
• Poproś o wycenę
• Zobacz wszystkie nasze przyrządy do baldachimu

DODATEK

Jak uzyskać więcej z czujnika NDVI

Obejrzyj ten film lub przeczytaj poniższy artykuł, aby dowiedzieć się, w jaki sposób NDVI jest wykorzystywany w bieżących badaniach i pokazuje, jak przezwyciężyć niektóre z ograniczeń NDVI.

NDVI - globalny

Najszerszym sposobem myślenia o NDVI są dane uzyskane z satelity orbitującego wokół Ziemi. Na rysunku 1 można zobaczyć obszary o wysokiej roślinności, które mają wysokie wartości NDVI reprezentowane przez ciemnozielone kolory na całym świecie.

I odwrotnie, obszary o niskiej roślinności mają niskie wartości NDVI , które wyglądają na brązowe. NDVI jest wrażliwy na ilość pokrywy roślinnej, która jest obecna na powierzchni ziemi.

NDVI - lokalny

W jaki sposób strona NDVI może być przydatna na poziomie działki? Poniższy rysunek 2 przedstawia gradient sukcesji, w którym czas zero to nagi skrawek gleby, kilka roślin zielnych lub jednorocznych traw. Jeśli pozostawimy ten skrawek ziemi na wystarczająco długi czas, roślinność ulegnie zmianie: krzewy mogą zastąpić trawy i ostatecznie możemy zobaczyć las. Na dużym obszarze możemy również przejść od łąk do lasów. W systemie rolniczym następuje coroczna rotacja roślinności - od gołego pola do wschodu, dojrzałości i starzenia się roślin. Cykl ten powtarza się co roku. W ramach tych cykli wzrostu NDVI pomaga w ilościowym określeniu wzrostu korony, który występuje w czasie, a także dynamiki przestrzennej, która występuje w różnych krajobrazach.

Dane odbicia spektralnego

Skąd więc pochodzi NDVI ? Na rysunku 3 oś x przedstawia długość fali światła w widmie elektromagnetycznym; od 450 do 950 nm obejmuje zarówno obszar widzialny, jak i część bliskiej podczerwieni. Na osi y znajduje się procentowy współczynnik odbicia. Jest to typowe spektrum odbicia światła od zielonej roślinności.

Zielona linia hiperspektralna jest tym, czego można oczekiwać od radiometru spektralnego. Współczynnik odbicia jest zazwyczaj niski w obszarze niebieskim, wyższy w obszarze zielonym i niższy w obszarze czerwonym. Zmienia się dramatycznie, gdy przechodzimy z zakresu widzialnego do bliskiej podczerwieni. Dwa pionowe paski oznaczone NDVI dają wyobrażenie o tym, gdzie typowy czujnik NDVI mierzy w widmie. Jedno pasmo znajduje się w obszarze czerwonym, a drugie w obszarze bliskiej podczerwieni.

NDVI wykorzystuje dużą różnicę między obszarem widzialnym a bliską podczerwienią. Zdrowe, rosnące rośliny silnie odbijają bliską podczerwień. Dwa obrazy po prawej stronie powyższego rysunku przedstawiają ten sam obszar. Górny obraz jest wyświetlany w prawdziwym kolorze lub w trzech pasmach - niebieskim, zielonym i czerwonym. Obraz poniżej to fałszywy kolorowy obraz w podczerwieni. Trzy wyświetlane pasma to niebieski, zielony, a zamiast czerwonego użyliśmy bliskiej podczerwieni. Jasny czerwony kolor wskazuje na duże odbicie w bliskiej podczerwieni, co jest typowe dla zielonej lub zdrowej roślinności.

Powodem, dla którego NDVI jest formułowany z czerwoną i bliską podczerwienią, jest to, że czerwony klucz do absorpcji chlorofilu, a bliska podczerwień jest wrażliwa na strukturę łanu i wewnętrzną strukturę komórkową liści. W miarę dodawania liści do łanu, pojawia się więcej chlorofilu i złożoności strukturalnej, dlatego możemy spodziewać się zmniejszenia ilości odbicia czerwonego i większej ilości odbicia bliskiej podczerwieni.

Jak obliczyć NDVI?

Normalized Difference Vegetation Index uwzględnia ilość bliskiej podczerwieni (NIR) odbijanej przez rośliny. Jest on obliczany poprzez podzielenie różnicy między współczynnikami odbicia (Rho) w bliskiej podczerwieni i czerwieni przez sumę tych dwóch wartości. Wartości NDVI zazwyczaj wahają się od ujemnej jedynki (woda powierzchniowa) do jedynki (pełny, żywy baldachim). Niskie wartości (0,1 - 0,4) wskazują na rzadkie korony, podczas gdy wyższe wartości (0,7 - 0,9) sugerują pełne, aktywne korony.

Sposób, w jaki obliczamy procentowy współczynnik odbicia, polega na ilościowym określeniu zarówno promieniowania wypływającego (promieniowania, które uderza w baldachim, a następnie odbija się z powrotem w kierunku naszego czujnika), jak i całkowitej ilości promieniowania wypływającego (z nieba) na baldachim. Stosunek tych dwóch wartości daje nam procentowy współczynnik odbicia w każdym z pasm.

NDVI aplikacje

Ludzie używają NDVI do wnioskowania o takich rzeczach jak leaf area index(LAI) lub ułamkowe przechwytywanie światła (_FPAR) czaszy. Niektórzy naukowcy wiążą również NDVI z biomasą lub wydajnością upraw. Ludzie używają również NDVI , aby uzyskać poczucie fenologii (ogólne czasowe wzorce zieleni), a także gdzie występuje roślinność lub ile roślinności znajduje się w określonej lokalizacji.

Na rysunku 4 można zobaczyć, jak widmo odbicia przy danym LAI korony zmienia się wraz ze zmianą leaf area index, zmniejszając się w zakresie widzialnym i zwiększając w bliskiej podczerwieni.

Przy bardzo niskim LAI widmo odbicia jest względnie niezróżnicowane między czerwienią a bliską podczerwienią (czarna linia), ale gdy LAI jest wysoki, występuje silna absorpcja światła czerwonego przez chlorofil z silnym odbiciem w bliskiej podczerwieni. W rzeczywistości, wraz ze wzrostem LAI, występuje coraz większy współczynnik odbicia w bliskiej podczerwieni około 800 nm.

NDVI ograniczenia

Ograniczenia znormalizowanego wskaźnika różnicy roślinności występują zwykle w skrajnych punktach spektrum. Za każdym razem, gdy pokrycie roślinnością jest bardzo niskie (większość sceny to gleba), NDVI będzie wrażliwy na tę glebę. Może to zakłócać pomiary. Na drugim biegunie, gdzie występuje duża ilość roślinności, NDVI ma tendencję do nasycania się. Zwróć uwagę na znikomą różnicę między widmami na leaf area index (LAI) 3 (fioletowy) i 6 (zielony). Rzeczywiście, w lesie tropikalnym NDVI nie będzie wrażliwy na niewielkie zmiany LAI, ponieważ LAI jest już bardzo wysoki. Istnieje jednak kilka rozwiązań.

Rozwiązanie 1: Wskaźnik roślinności dostosowany do gleby

Rysunek 5 przedstawia wyniki badania wykonującego pomiary spektralne różnych wskaźników roślinności na transekcie gołej gleby. Przechodząc od suchej gliny gliniastej do mokrej gliny gliniastej, widzimy silną reakcję NDVI ze względu na wilgotność gleby; niepożądane, jeśli mierzymy roślinność. Nie jesteśmy zainteresowani wskaźnikiem, który jest wrażliwy na zmiany w glebie lub wilgotności gleby. Istnieje jednak kilka innych wskaźników wykreślonych na rysunku 5 o znacznie niższej wrażliwości na zmiany gleby w transekcie.

Pierwszym z tych wskaźników jest wskaźnik roślinności dostosowany do gleby (SAVI). Równanie dla SAVI jest podobne do NDVI. Obejmuje ono te same dwa pasma co NDVI- bliską podczerwień i czerwień.

Jedyną różnicą jest parametr L. L to współczynnik dostosowania gleby o wartościach w zakresie od 0 do 1. Gdy pokrywa roślinna wynosi 100%, L wynosi 0, ponieważ nie ma potrzeby dostosowywania tła gleby. Jednakże, gdy pokrywa roślinna jest bardzo niska, parametr L zbliży się do 1. Ponieważ trudno jest dokładnie zmierzyć stopień pokrycia roślinnością bez użycia NDVI, możemy zmodyfikować NDVI tak, aby nie był wrażliwy na glebę, zgadując wcześniej, jaka powinna być wartość L. Powszechną praktyką jest ustawianie L na wartość pośrednią 0,5. Na rysunku 5 widać, że wskaźnik roślinności dostosowany do gleby (SAVI) ma znacznie mniejszą wrażliwość na tło glebowe.

Rozwiązanie 2: zmodyfikowany SAVI

Kolejnym wskaźnikiem roślinności jest zmodyfikowany SAVI (MSAVI). Równanie SAVI zawiera parametr L, który musimy oszacować - nie jest to dokładny sposób postępowania. Naukowiec o nazwisku Qi opracował więc uniwersalne optimum dla L. Nie będziemy zagłębiać się w matematykę, ale udało mu się uprościć równanie SAVI do tego stopnia, że parametr L nie jest już potrzebny, a jedynymi wymaganymi danymi wejściowymi są współczynniki odbicia w bliskiej podczerwieni i czerwieni.

Był to dość znaczący postęp, ponieważ omijał potrzebę szacowania lub niezależnego pomiaru L. Kiedy Qi porównał SAVI z MSAVI, nie było praktycznie żadnej różnicy między tymi dwoma wskaźnikami pod względem ich wrażliwości na ilość roślinności i ich reakcji na tło glebowe.

NDVI ograniczenia: wysoki LAI

NDVI jest przydatny w średnim zakresie LAI, o ile nie ma silnego wpływu gleby, ale gdy zbliżasz się do LAI powyżej 4, tracisz czułość. Na rysunku 7 utrata czułości wynika głównie z nasycenia czerwonego pasma. Pomiary wykonano w łanie pszenicy i kukurydzy. Odbicie w bliskiej podczerwieni jest czułe w całym spektrum łanów pszenicy i kukurydzy, ale czerwień nasyca się stosunkowo szybko. Tam, gdzie czerwień zaczyna się nasycać, tam NDVI zaczyna się nasycać.

UWAGA: NDVI nasyca się przy wysokim LAI, jednak jeśli celem jest uzyskanie ułamkowego przechwytywania światła, NDVI zwykle nie ma problemu z nasyceniem. Na rysunku 8_FPAR lub ułamkowe przechwytywanie światła promieniowania fotosyntetycznie czynnego jest prawie kompletne na długo przed nasyceniem NDVI . Dzieje się tak dlatego, że zadaszenia są skuteczne w przechwytywaniu światła, a gdy osiągniemy LAI około 4, większość światła została przechwycona lub pochłonięta przez zadaszenie. W związku z tym przyrostowy wzrost LAI nie wpływa znacząco na zmienną_FPAR.

Rozwiązanie 3: WDRVI

Jednym z rozwiązań problemu nasycenia NDVI jest wskaźnik roślinności o szerokim zakresie dynamiki (WDRVI). Jego formuła jest podobna do NDVI, z wyjątkiem współczynnika ważenia, który może być użyty do zmniejszenia rozbieżności między wkładem bliskiej podczerwieni i czerwonego odbicia.

W WDRVI współczynnik a jest mnożony przez współczynnik odbicia w bliskiej podczerwieni, aby zmniejszyć jego wartość i zbliżyć ją do wartości współczynnika odbicia w czerwieni. W ten sposób równoważony jest udział czerwonej i bliskiej podczerwieni we wskaźniku roślinności.

a może wynosić od 0 do 1. Rysunek 9 pokazuje, że gdy używamy mniejszej wartości a, uzyskujemy rosnącą liniową odpowiedź szerokiego dynamicznego wskaźnika wegetacji na LAI.

Jedyną wadą WDRVI jest to, że wybór a jest subiektywny. Jest to coś, co należy eksperymentować samodzielnie, aż do znalezienia wartości a, która jest optymalna dla danego rozwiązania. Ludzie mają tendencję do błądzenia po stronie bardzo niskiej wartości po prostu dlatego, że będą coraz bliżej liniowej odpowiedzi na LAI w miarę zmniejszania się.

Rozwiązanie 4: Rozszerzony indeks roślinności

Enhanced Vegetation Index (EVI) został zaprojektowany w celu zwiększenia czułości w ekosystemach o wysokiej biomasie, ale także próbuje zmniejszyć wpływy atmosferyczne. Był to indeks roślinności stworzony na potrzeby platformy satelitarnej. Jest dużo atmosfery, przez którą trzeba patrzeć z satelity na ziemię, a czasami aerozole w atmosferze wpływają na współczynniki odbicia w czerwieni i bliskiej podczerwieni, powodując fałszywe obserwacje. EVI stara się również zmniejszyć wrażliwość wskaźnika na glebę. Tak więc EVI jest rodzajem rozwiązania dla obu skrajności.

W równaniu EVI dwoma głównymi danymi wejściowymi są współczynniki odbicia w bliskiej podczerwieni i czerwieni. C1, C2 i L to parametry, które można oszacować, ale pasmo niebieskie należy zmierzyć. Większość czujników NDVI to czujniki dwuzakresowe, więc nie masz tych informacji w paśmie niebieskim. Ponadto w przypadku satelitów niebieskie pasmo jest stosunkowo zaszumione i nie zawsze ma najlepszą jakość danych, dlatego EVI ma ograniczoną wartość.

Rozwiązanie 5: EVI2 (Enhanced Vegetation Index 2)

Problemy te skłoniły naukowca o nazwisku Jiang do znalezienia rozwiązania. Jiang zaobserwował dość dużą autokorelację między pasmem czerwonym i niebieskim, więc postanowił spróbować sformułować EVI bez niebieskiego pasma w czymś, co nazwał EVI2 (Enhanced Vegetation Index 2). Jeśli jesteś zainteresowany matematyką, zachęcamy do przeczytania jego artykułu, ale tutaj podajemy równanie na wypadek, gdybyś był zainteresowany jego użyciem.

Kiedy Jiang obliczył swój EVI2 i porównał go z tradycyjnym EVI (rysunek 10), był to prawie jeden do jednego. Pod każdym względem EVI2 był równoważny EVI. Ponieważ pozwala to uniknąć niebieskiego pasma, oferuje pewne ekscytujące możliwości, ponieważ ogranicza się do użycia dwóch wejść pasma NIR i czerwonego do obliczenia NDVI.

NDVI Podsumowanie czujnika

NDVI Pomiary mają znaczną wartość i chociaż istnieją skrajności, w których NDVI działa słabo, nawet w tych przypadkach istnieje kilka rozwiązań. Wszystkie te rozwiązania wykorzystują pasma bliskiej podczerwieni i czerwieni, więc można wziąć czujnikNDVI , uzyskać surowe wartości odbić NIR i czerwieni i przeformułować je w jeden z tych wskaźników (dostępnych jest kilka innych wskaźników, których nie omówiliśmy). Jeśli więc jesteś w systemie o wyjątkowo wysokim lub niskim LAI, spróbuj określić, w jaki sposób pasma bliskiej podczerwieni i czerwieni mogą być wykorzystane w jakimś typie indeksu wegetacji, aby umożliwić Ci zbadanie konkretnego zastosowania.

Referencje

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas i Riccardo Valentini. "Zależności między NDVI, strukturą korony i fotosyntezą w trzech typach roślinności w Kalifornii". Ecological Applications 5, nr 1 (1995): 28-41.(Link do artykułu).
• Gitelson, Anatoly A. "Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation." Journal of plant physiology 161, nr 2 (2004): 165-173.(Link do artykułu).
• Huete, Alfredo. "Huete, AR A wskaźnik roślinności dostosowany do gleby (SAVI). Remote Sensing of Environment." Teledetekcja środowiska 25 (1988): 295-309.
• Jiang, Zhangyan, Alfredo R. Huete, Kamel Didan i Tomoaki Miura. "Development of a two-band enhanced vegetation index without a blue band." Teledetekcja Środowiska 112, nr 10 (2008): 3833-3845.(Link do artykułu).
• Qi, Jiaguo, Abdelghani Chehbouni, Alfredo R. Huete, Yann H. Kerr i Soroosh Sorooshian. "Zmodyfikowany indeks roślinności dostosowany do gleby". Teledetekcja środowiska 48, nr 2 (1994): 119-126.(Link do artykułu).
• Rocha, Adrian V. i Gaius R. Shaver. "Zalety dwupasmowego wskaźnika EVI obliczonego na podstawie strumieni promieniowania słonecznego i fotosyntetycznie aktywnego". Agricultural and Forest Meteorology 149, nr 9 (2009): 1560-1563.(Link do artykułu).

Pytania?

Nasi naukowcy mają wieloletnie doświadczenie w pomaganiu badaczom i hodowcom w pomiarach kontinuum gleba-roślina-atmosfera.

• Porozmawiaj z ekspertem
• Poproś o wycenę
• Zobacz wszystkie nasze przyrządy do baldachimu