Informe de Cultivo: Censura
Índice
- Normalized Difference Vegetation Index (NDVI)
- Normalized Difference Water Index (NDWI)
- Normalized Difference Moisture Index (NDMI)
- Normalised Difference Snow Index (NDSI)
- Clima
- Calendarios de cultivos
- True color optimized
- Highlight Optimized Natural Color
- False color composite
- Short wave infrared composite (SWIR)
- Scene classification
1. Normalized Difference Vegetation Index (NDVI)
Índice de vegetación por excelencia, que estima el vigor del cultivo. El Índice de vegetación de diferencia normalizada (NDVI) un índice usado para estimar la cantidad, calidad y desarrollo de la vegetación con base a la medición de la intensidad de la radiación de ciertas bandas del espectro electromagnético que la vegetación emite o refleja. NDVI compara la cantidad de luz roja visible absorbida y la luz infrarroja cercana reflejada y se calcula con la siguiente expresión: NDVI = (NIR-Red) / (NIR + Red), donde NIR es luz infrarroja cercana y Red es luz roja visible. El interés del parámetro radica en que el pigmento de clorofila en una planta sana absorbe la mayor parte de la luz roja visible, mientras que la estructura celular de una planta refleja la mayor parte de la luz infrarroja cercana. Esto significa que una alta actividad fotosintética, comúnmente asociada con vegetación densa, tendrá poca reflectancia en la banda roja y alta reflectancia en el infrarrojo cercano. Al observar cómo estos valores se comparan entre sí, se puede detectar y analizar de manera eficaz la cubierta vegetal por separado de otros tipos de cobertura natural del suelo.
Normalized Difference Vegetation Index (NDVI)
Los valores del NDVI varían de -1 a +1, correspondiendo los valores negativos a áreas con superficies de agua, estructuras artificiales, rocas, nubes, nieve, etc. El suelo desnudo generalmente cae dentro del rango de 0.1 a 0.2 y las plantas siempre tendrán valores positivos entre 0.2 y 1. El dosel de vegetación sano y denso debería estar por encima de 0.5, y la vegetación dispersa probablemente caerá dentro de 0.2 a 0.5.
2. Normalized Difference Water Index (NDWI)
Índice que mide la humedad de la superficie vegetal, y toma valores entre -1 y 1. El índice NDWI se calcula a partir de los canales infrarrojo cercano (NIR) e infrarrojo de onda corta (SWIR). La reflectancia SWIR refleja los cambios tanto en el contenido de agua de la vegetación como en la estructura esponjosa del mesófilo en las cubiertas vegetales, mientras que la reflectancia NIR se ve afectada por la estructura interna de la hoja y el contenido de materia seca de la hoja, pero no por el contenido de agua. La combinación del NIR con el SWIR elimina las variaciones inducidas por la estructura interna de la hoja y el contenido de materia seca de la hoja, mejorando la precisión en la recuperación del contenido de agua de la vegetación. La cantidad de agua disponible en la estructura interna de la hoja controla en gran medida la reflectancia espectral en el intervalo SWIR del espectro electromagnético. Esta reflectancia SWIR está, por tanto, negativamente relacionada con el contenido de agua en las hojas de las plantas.
Normalized Difference Water Index (NDWI)
La interpretación de los valores del índice es similar al NDVI:
- -1 a 0: superficie brillante sin vegetación ni contenido de agua
- +1: indica el contenido de agua
3. Normalized Difference Moisture Index (NDMI)
La topografía describe la forma y las características de las superficies terrestres. La topografía de una zona suele afectar también a otros procesos como la precipitación y la temperatura, ya que las zonas más altas suelen ser más frías y reciben más precipitaciones que las zonas más bajas. Los modelos digitales de la superficie también se pueden utilizar para calcular derivados topográficos como la pendiente (inclinación) y el aspecto (dirección) de una superficie, o para estimar en qué dirección fluirá el agua y cuánto terreno se encuentra río arriba o río abajo desde un punto particular.
Normalized Difference Moisture Index (NDMI)
The normalized difference moisture Index (NDMI) is used to determine vegetation water content and monitor droughts. The value range of the NDMI is -1 to 1. Negative values of NDMI (values approaching -1) correspond to barren soil. Values around zero (-0.2 to 0.4) generally correspond to water stress. High, positive values represent high canopy without water stress (approximately 0.4 to 1).
4. Normalised Difference Snow Index (NDSI)
La topografía describe la forma y las características de las superficies terrestres. La topografía de una zona suele afectar también a otros procesos como la precipitación y la temperatura, ya que las zonas más altas suelen ser más frías y reciben más precipitaciones que las zonas más bajas. Los modelos digitales de la superficie también se pueden utilizar para calcular derivados topográficos como la pendiente (inclinación) y el aspecto (dirección) de una superficie, o para estimar en qué dirección fluirá el agua y cuánto terreno se encuentra río arriba o río abajo desde un punto particular.
Normalized Difference Vegetation Index (NDVI)
The Sentinel-2 normalised difference snow index can be used to differentiate between cloud and snow cover as snow absorbs in the short-wave infrared light, but reflects the visible light, whereas cloud is generally reflective in both wavelengths. Snow cover is represented in bright vivid blue.
5. Clima
Los datos actuales de temperatura y precipitación se obtienen de la base de datos climática WorldClim [4], que es un conjunto cuadriculado de datos climáticos globales con una resolución espacial de 1 kilómetro cuadrado.
Normalized Difference Water Index (NDWI)
La interpretación de los valores del índice es similar al NDVI:
- -1 a 0: superficie brillante sin vegetación ni contenido de agua
- +1: indica el contenido de agua
6. Calendarios de cultivos
Los calendarios de cultivos dan una indicación de la temporada de crecimiento de varios cultivos dentro y alrededor del área de estudio, y especifican períodos aproximados durante el año para la siembra y cosecha de cultivos. Los calendarios de cultivos para esta área se extrajeron de un conjunto de datos de calendarios de cultivos globales de Sacks et al., que combina calendarios del USDA, la FAO y varias otras fuentes [12].
7. True color optimized
Los datos de cobertura terrestre se recopilan del conjunto de datos de cobertura terrestre de la Iniciativa de Cambio Climático (CCI) de la ESA [2]. El conjunto de datos de ESA-CCI contiene mapas anuales de cobertura terrestre con una resolución de 300 m para los años comprendidos entre 1992 y 2020. La distribución de las clases de cobertura terrestre en el área de estudio en 2020 se muestra en la siguiente tabla, así como el área total y la diferencia porcentual en 2020 en comparación con los primeros datos de 1992.
True color optimized
This optimized True color script uses the visible light bands red, green and blue in the corresponding red, green and blue color channels, resulting in a product with natural colours that represents the Earth as humans would naturally see it. The visualisation uses highlight compression and improves the contrast and color vividness through minor contrast and saturation enhancement.
Los mapas reales de clasificación de la cobertura terrestre se muestran en el visor de mapas a continuación. Se pueden seleccionar diferentes épocas usando las pestañas de selección de capas.
8. Highlight Optimized Natural Color
La topografía describe la forma y las características de las superficies terrestres. La topografía de una zona suele afectar también a otros procesos como la precipitación y la temperatura, ya que las zonas más altas suelen ser más frías y reciben más precipitaciones que las zonas más bajas. Los modelos digitales de la superficie también se pueden utilizar para calcular derivados topográficos como la pendiente (inclinación) y el aspecto (dirección) de una superficie, o para estimar en qué dirección fluirá el agua y cuánto terreno se encuentra río arriba o río abajo desde un punto particular.
Highlight Optimized Natural Color
This script aims to display the Earth in beautiful natural color images. It uses highlight optimization to avoid burnt out pixels and to even out the exposure.
9. False color composite
Los datos de cobertura terrestre se recopilan del conjunto de datos de cobertura terrestre de la Iniciativa de Cambio Climático (CCI) de la ESA [2]. El conjunto de datos de ESA-CCI contiene mapas anuales de cobertura terrestre con una resolución de 300 m para los años comprendidos entre 1992 y 2020. La distribución de las clases de cobertura terrestre en el área de estudio en 2020 se muestra en la siguiente tabla, así como el área total y la diferencia porcentual en 2020 en comparación con los primeros datos de 1992.
False color composite
A false color composite uses at least one non-visible wavelength to image Earth. The false color composite using near infrared, red and green bands is very popular (a band is a region of the electromagnetic spectrum; a satellite sensor can image Earth in different bands). The false colour composite is most commonly used to assess plant density and health, since plants reflect near infrared and green light, while they absorb red. Cities and exposed ground are grey or tan, and water appears blue or black.
Los mapas reales de clasificación de la cobertura terrestre se muestran en el visor de mapas a continuación. Se pueden seleccionar diferentes épocas usando las pestañas de selección de capas.
10. Short wave infrared composite (SWIR)
La topografía describe la forma y las características de las superficies terrestres. La topografía de una zona suele afectar también a otros procesos como la precipitación y la temperatura, ya que las zonas más altas suelen ser más frías y reciben más precipitaciones que las zonas más bajas. Los modelos digitales de la superficie también se pueden utilizar para calcular derivados topográficos como la pendiente (inclinación) y el aspecto (dirección) de una superficie, o para estimar en qué dirección fluirá el agua y cuánto terreno se encuentra río arriba o río abajo desde un punto particular.
Short wave infrared composite (SWIR)
Short wave infrared (SWIR) measurements can help scientists estimate how much water is present in plants and soil, as water absorbs SWIR wavelengths. Short wave infrared bands (a band is a region of the electromagnetic spectrum; a satellite sensor can image Earth in different bands) are also useful for distinguishing between cloud types (water clouds versus ice clouds), snow and ice, all of which appear white in visible light. In this composite vegetation appears in shades of green, soils and built-up areas are in various shades of brown, and water appears black. Newly burned land reflects strongly in SWIR bands, making them valuable for mapping fire damages. Each rock type reflects shortwave infrared light differently, making it possible to map out geology by comparing reflected SWIR light.
11. Scene classification
La topografía describe la forma y las características de las superficies terrestres. La topografía de una zona suele afectar también a otros procesos como la precipitación y la temperatura, ya que las zonas más altas suelen ser más frías y reciben más precipitaciones que las zonas más bajas. Los modelos digitales de la superficie también se pueden utilizar para calcular derivados topográficos como la pendiente (inclinación) y el aspecto (dirección) de una superficie, o para estimar en qué dirección fluirá el agua y cuánto terreno se encuentra río arriba o río abajo desde un punto particular.
Scene classification
Scene classification was developed to distinguish between cloudy pixels, clear pixels and water pixels of Sentinel-2 data and is a result of ESA’s Scene classification algorithm. Twelve different classifications are provided including classes of clouds, vegetation, soils/desert, water and snow. It does not constitute a land cover classification map in a strict sense.