정규화된 차이 식생 지수

Normalized difference vegetation index
NDVI(-1)의 음수 값은 물과 일치한다.0에 가까운 값(-0.1 ~ 0.1)은 일반적으로 암석, 모래 또는 눈의 불모지에 해당한다.마지막으로, 낮은 양의 값은 관목과 초원(약 0.2~0.4)을 나타내고, 높은 값은 온대우림과 열대우림(1에 근접하는 값)을 나타낸다.[1]

표준화 차이 식생 지수(NDVI)는 흔히 우주 플랫폼에서 관찰되는 대상이 살아있는 녹색 식생을 포함하는지 여부를 평가하는 데 사용할 수 있는 간단한 그래픽 지표다.

간략한 역사

정밀 농업 NDVI 4cm / 픽셀 GSD
6월에 NDVI가 영국 제도에 대해 (NOAA AVHRR)
10월에 NDVI가 영국 제도에 대해 (NOAA AVHRR)
2012년 12월 1일부터 2013년 5월 31일까지 호주의 NDVI 6개월 평균.[2]

우주탐사는 1957년 10월 4일 소련이 스푸트니크 1호를 발사하면서 본격적으로 시작됐다.이것은 지구 궤도를 도는 최초의 인공위성이었다.이후 소련(예: 스푸트니크와 코스모스 프로그램)과 미국(예: 탐험가 프로그램)에서 모두 성공적인 발사는 전용 기상위성의 설계와 운용으로 빠르게 이어졌다.이것들은 기상 예보를 개선하기 위해 지구의 대기와 표면을 관찰하기 위해 특별히 고안된 기구를 궤도를 선회하는 플랫폼이다.1960년부터, TIROS 시리즈 인공위성은 텔레비전 카메라와 방사선계를 탑재했다.이것은 나중에(1964년 이후) 국립해양대기청(NOAA) 플랫폼에 탑재된 님버스 위성과 첨단 고해상도 방사광도계 기구의 계열이 그 뒤를 이었다.후자는 열적외선뿐만 아니라 적외선과 근적외선 대역으로 행성의 반사율을 측정한다.NASA는 이와 병행하여 Landsat 프로그램의 전조가 된 Earth Resource Technology Satellite(ERTS)를 개발하였다.이러한 초기 센서는 스펙트럼 분해능은 최소였지만 적외선과 근적외선에 있는 띠를 포함시키는 경향이 있었는데, 이는 다른 대상들 중에서 식생과 구름을 구별하는 데 유용하다.

곧 Landsat 1로 개칭될 예정이었던 최초의 ERTS 위성이 1972년 7월 23일 발사되면서 NASA는 지구 원격 감지를 위한 그것의 능력을 결정하기 위해 많은 조사를 후원했다.그 초기 연구들 중 하나는 미국 중부 대평원 지역의 남북으로 펼쳐진 봄철 초목의 푸르름업과 그에 따른 여름과 가을의 드라이다운(일명 "버벌 진격과 역행")을 조사하는 것이었다.이 지역은 텍사스 남쪽 끝에서 미국-캐나다 국경까지 광범위한 위도를 커버했는데, 위성 관측 당시 광범위한 태양 정점 각도를 이루었다.

이 대초원 연구를 위한 연구진(Dr.Donald Deering과 그의 조언자 Robert Hass)은 위성 스펙트럼 신호로부터 이 지역의 범위 육지 식물의 생물물리학적 특성을 상호 연관시키거나 계량화하는 능력이 이 강한 선반에 걸친 태양 정점각의 차이 때문에 혼동된다는 것을 발견했다.우디날 경사도상주 수학자(Dr. John Schell)의 도움을 받아, 그들은 이 딜레마에 대한 해결책을 연구했고, 이후 태양 정점 각도의 효과를 조정하거나 "정상화"하기 위한 수단으로서 그들의 합계에 대한 적외선 및 적외선 방사성의 차이의 비율을 개발했다.원래, 그들은 이 비율을 "식물 지수"(그리고 또 다른 변종, 차이-섬 비율의 제곱근 변환, "변형 식물 지수")라고 불렀지만, 다른 몇몇 원격 감지 연구자들이 단순한 적색/적외 비율과 다른 스펙트럼 비율을 "식물 지수"로 식별하면서, 결국 이 비율을 시작했다.o 차이/총 비율 공식화를 차이 식생 지수 정규화로 식별한다.대초원 연구에서 NDVI가 가장 일찍 보고된 것은 1973년 Rouse 외 연구진([3]Dr. John Rouse는 대초원 연구가 수행된 텍사스 A&M 대학의 원격 감지 센터장이었다)에 의해이다.그러나 1969년 Kriegler 외 연구진에 의해 표준화된 차이 스펙트럼 지수를 형성하는데 선행되었다.[4]ERTS-1 (Landsat-1) 발사 직후, NASA 고다드 우주 비행 센터의 콤프턴 터커는 NDVI의 사용을 기술하는 일련의 초기 과학 저널 기사를 작성했다.

따라서 NDVI는 식물인간 영역과 그 "조건"을 단순하고 신속하게 식별하기 위한 많은 시도 중 가장 성공적인 시도 중 하나였으며, 다중 스펙트럼 원격 감지 데이터에서 살아있는 녹색 식물 캐노피를 탐지하기 위해 가장 잘 알려져 있고 사용되는 지표로 남아 있다.일단 식물을 검출할 수 있는 타당성이 입증되면 사용자들은 NDVI를 사용하여 식물 캐노피의 광합성 용량을 정량화하는 경향이 있었다.그러나 이는 아래에서 논의한 바와 같이 제대로 수행되지 않으면 오히려 더 복잡한 작업이 될 수 있다.

이론적 근거

엽록소-A, 엽록소-B 및 카로티노이드의 흡수 스펙트럼 옆에 표시된 전형적인 PAR 작용 스펙트럼

살아있는 녹색 식물은 광합성 활성 방사선(PAR) 스펙트럼 영역에서 태양 방사선을 흡수하는데, 이는 광합성 과정에서 에너지의 원천으로 사용된다.잎 세포는 또한 약 700 나노미터 이상의 파장에 있는 광자 에너지가 유기 분자를 합성하기에는 너무 작기 때문에 근적외선 스펙트럼 영역(총 유입 태양 에너지의 약 절반을 운반한다)에서 태양 방사선을 재방사하도록 진화했다.이러한 파장에서 강한 흡수는 식물을 과열시키고 조직을 손상시킬 수 있는 결과를 초래할 뿐이다.따라서 살아있는 녹색 식물은 PAR에서는 비교적 어둡고 적외선에서는 비교적 밝게 나타난다.[5]이와는 대조적으로 구름과 눈은 적색(다른 가시적 파장뿐 아니라)에서는 다소 밝은 편이고 근적외선에서는 상당히 어두운 편이다.식물 잎의 색소인 엽록소는 광합성에 사용하기 위해 가시광선(400~700nm)을 강하게 흡수한다.반면 잎의 세포 구조는 근적외선(약 700~1100nm)을 강하게 반사한다.식물이 잎을 많이 가질수록 이러한 빛의 파장은 각각 더 많이 영향을 받는다.NASA의 ERTS와 NOAA의 AVHRR과 같은 초기 지구 관측 기기는 가시적이고 적외선에 가까운 데이터를 획득했으므로, 이러한 위성 영상에서 그들의 공간 분포를 결정하기 위해 식물 반사율의 강한 차이를 이용하는 것은 당연했다.

NDVI는 다음과 같이 개별 측정을 통해 계산된다.

여기서 적색 및 NIR은 적색(가시성) 및 근적외선 영역에서 각각 획득한 스펙트럼 반사 측정을 의미한다.[6]이러한 스펙트럼 반사율은 각 스펙트럼 대역에서 들어오는 방사선에 대해 개별적으로 반사되는 비율이기 때문에 0.0과 1.0 사이의 값을 취한다.따라서 설계상 NDVI 자체는 -1.0과 +1.0 사이에 차이가 있다.NDVI는 기능상으로는 선형이 아니며 단순한 적외선/적외선 비율(NIR/VIS)과 동일하다.따라서 단순한 적외선/적색 비율에 대한 NDVI의 이점은 일반적으로 식물성 특성(예: 바이오매스)과의 기능적 관계의 가능한 선형성에 제한된다.단순비(NDVI와 달리)는 항상 양성이므로 실용적 장점이 있을 수 있지만 수학적으로 무한 범위(0~무한도)도 있어 NDVI에 비해 실질적인 단점이 될 수 있다.또한 NDVI 분자의 VIS 용어는 결과의 척도만 조정하여 음의 값을 생성한다는 점에 유의하십시오.NDVI는 기능적으로 선형적으로 NIR/(NIR+VIS) 비와 동일하며, 이 비율은 0 대 1이므로 음수 또는 무제한이 아니다.[7]그러나 NDVI 대수 공식의 이해에서 가장 중요한 개념은 이름에도 불구하고 스펙트럼 비율(NIR/VIS)의 변환이며, 스펙트럼 차이(NIR-VIS)와 기능적 관계가 없다는 것이다.

일반적으로 눈에 보이는 파장보다 근적외선 파장에 훨씬 더 많은 반사 방사선이 있다면, 그 픽셀의 식물은 밀도가 높고 어떤 종류의 숲을 포함할 수 있다.이후의 연구는 NDVI가 광합성 용량과 직접적으로 연관되어 있고 따라서 식물 캐노피들의 에너지 흡수와 직접적으로 관련이 있다는 것을 보여주었다.[8][9]비록 지수가 -1에서 1까지 상승하는 것을 인정하지만, 더 인구밀도가 높은 도시지역에서도 정상적 NDVI의 가치는 0에 가깝지만 긍정적이다.부정적인 가치는 대기 중이나 일부 특정 물질에서 더 교란될 가능성이 높다.[10]

성능 및 제한 사항

북동쪽에 있는 댐과 같은 주변 들판과 수역은 브라질 남부 폰타 그로사의 높은 가치로 가면을 쓸 수 있도록 돕는다.

수학적 정의에서 볼 수 있는 것은 밀집된 초목 캐노피를 포함하는 지역의 NDVI는 양의 값(0.3~0.8)이 되는 반면 구름과 눈밭은 이 지수의 음의 값으로 특징지어진다는 것이다.우주에서 볼 수 있는 지구상의 다른 표적은 다음과 같다.

  • 자유 입석수(예: 바다, 바다, 호수 및 강)는 양쪽 스펙트럼 대역(적어도 해안에서 멀리)에서 반사율이 다소 낮으며, 따라서 매우 낮은 양의 NDVI 값 또는 심지어 약간 음의 NDVI 값을 초래한다.
  • 일반적으로 적색보다 다소 큰 적외선 스펙트럼 반사율을 보이는 토양이며, 따라서 다소 작은 양의 NDVI 값(예: 0.1~0.2)을 생성하는 경향이 있다.

NDVI는 알고리즘의 단순성과 식물성 영역을 다른 표면적 유형과 광범위하게 구별할 수 있는 용량 외에도 하나의 새로운 필드(결국 10o 대신 8비트로 코딩됨)로 두 개의 스펙트럼 밴드를 대체하기 때문에 인자 2(또는 그 이상)로 조작할 데이터의 크기를 압축할 수 있는 이점도 있다.r 원본 데이터의 더 많은 비트).

NDVI는 원래 설계되지 않은 애플리케이션에서 널리 사용되어 왔다.NDVI를 정량적 평가에 사용하는 것(위에서 제시한 정성적 조사와는 반대)은 적절히 다루지 않을 경우 이 지수의 실제 유용성을 심각하게 제한할 수 있는 많은 문제를 야기한다.[citation needed]다음 하위 절에서는 이러한 문제 중 일부를 검토한다.

  • 수학적으로 두 스펙트럼 채널의 합과 차이는 원본 데이터와 동일한 정보를 포함하지만 그 차이만(또는 정규화된 차이) 초기 정보의 일부만 전달한다.누락된 정보가 목적적합한지 또는 가치가 있는지 여부는 사용자가 판단해야 하지만 NDVI 제품은 원래 스펙트럼 반사율 데이터에서 사용할 수 있는 정보의 극히 일부만 가지고 있다는 것을 이해하는 것이 중요하다.
  • 위성 이미지에서 생성된 NDVI(표준화된 차이 식생 지수)
    NDVI 사용자는 이 지수의 값에서 많은 수의 식물 특성을 추정하는 경향이 있다.대표적인 예로는 잎 면적 지수, 바이오매스, 잎의 엽록소 농도, 식물 생산성, 분수 식물 커버, 누적 강우량 등이 있다.그러한 관계는 공간 파생 NDVI 값과 이러한 변수의 지반 측정 값을 연관시켜 도출하는 경우가 많다.위성 센서는 항상 현장 계기에 의해 샘플링된 것보다 상당히 큰 영역의 방사선량을 측정하기 때문에 이 접근방식은 측정과 관련된 공간적 규모와 관련된 추가적인 문제를 제기한다.게다가, 이러한 모든 환경적 특성들이 그들 사이에 직접적이고 분명하게 연관되어 있을 것이라는 것을 의미하기 때문에, 물론 이 모든 관계가 한 번에 유지된다고 주장하는 것은 비논리적이다.
  • 반사율 측정은 동일한 면적에 상대적이어야 하며 동시에 획득되어야 한다.이것은 다른 카메라나 초점 평면을 통해 다른 스펙트럼 채널을 획득하는 기기로 달성하기가 쉽지 않을 수 있다.스펙트럼 영상의 잘못 등록은 상당한 오류와 사용 불가능한 결과를 초래할 수 있다.

또한 NDVI 값 계산은 다음과 같은 여러 가지 동요 요인에 민감하게 반응한다.

  • 대기 효과:(특히 수증기와 에어로졸에 관한) 대기의 실제 구성은 우주에서 이루어지는 측정에 상당한 영향을 미칠 수 있다.따라서 이러한 효과를 제대로 고려하지 않을 경우(NDVI를 원시 측정에 기초하여 직접 계산하는 경우처럼) 후자가 잘못 해석될 수 있다.
  • 구름: 깊은 구름(옵션적으로 두꺼운)은 위성 이미지에서 상당히 눈에 띄며, 선별을 용이하게 하는 NDVI 특성 값을 산출할 수 있다.그러나 얇은 구름(예: 유비쿼터스 권선) 또는 센서에 의해 실제로 샘플링된 영역의 직경보다 작은 전형적인 선형 치수를 가진 작은 구름은 측정을 상당히 오염시킬 수 있다.마찬가지로 선명하게 보이는 영역의 구름 그림자도 NDVI 값에 영향을 미치고 잘못 해석될 수 있다.이러한 고려사항은 일별 또는 일별 근일 영상에서 합성 영상을 형성함으로써 최소화된다.[11]복합 NDVI 이미지는 NDVI 또는 광합성 용량이 시간에 따라 변화하는 많은 새로운 식물 애플리케이션으로 이어졌다.
  • 토양 효과:토양은 물에 젖었을 때 어두워지는 경향이 있어서, 토양 반사율은 물 함량의 직접적인 기능이다.습기에 대한 스펙트럼 반응이 두 스펙트럼 대역에서 정확히 동일하지 않을 경우, 면적의 NDVI는 식물의 변화 때문이 아니라 토양 수분 변화(정기화 또는 증발)의 결과로 변화하는 것으로 나타날 수 있다.
  • 비등방성 효과:모든 표면(자연적이든 인공적이든)은 서로 다른 방향으로 빛을 반사하며, 이러한 형태의 음이소트로피는 이 두 스펙트럼 대역에서 일반적인 경향이 유사할 수 있더라도 일반적으로 시각적으로 의존한다.따라서 NDVI 값은 측정 시 대상의 특정 음이소트로피와 각도의 조명 및 관찰 기하학적 구조, 따라서 계측기의 스왓드 내 또는 현장 위성의 통과 시간 내에 관심 대상 위치에 따라 달라질 수 있다.이는 NOAA 플랫폼의 궤도가 시간에 따라 표류하는 경향이 있기 때문에 AVHRR 데이터를 분석하는 데 특히 중요하다.이와 동시에 복합 NDVI 영상을 사용하면 이러한 고려 사항이 최소화되며 글로벌 시계열 NDVI 데이터 세트가 25년 이상 지속되고 있다.
  • 스펙트럼 효과:각 센서는 특히 스펙트럼 밴드의 위치, 폭 및 형태에 관한 고유의 특성과 성능을 가지므로 NDVI와 같은 단일 공식은 서로 다른 계측기가 획득한 측정에 적용할 때 서로 다른 결과를 산출한다.
  • 수정 가능한 영역 단위 문제(MAUP): NDVI는 식물의 지표로서 어디서나 볼 수 있다.식물의 매핑과 모니터링은 '빅데이터' 이미지 처리 시스템을 통해 이루어지기 때문이다.이러한 시스템은 식물의 건강, 증발 가스 배출 및 기타 생태계 기능을 평가하기 위해 픽셀 또는 객체 기반 알고리즘을 사용할 수 있다.식물 범주가 여러 픽셀로 구성된 경우, '평균'의 계산은 각 픽셀(픽셀 기반)에 대한 NDVI 값의 평균이 될 수 있으며, NDVI의 평균이 이들(객체 기반)의 비율인 모든 픽셀에 대한 NIR 값의 평균이 될 수 있다.NDVI는 MAUP와 관련된 난해한 문제들을 겪을 수 있다.특히, 최근의 연구는 특정 버퍼 거리에 대해 NDVI 평균값을 추정할 때 MAUP와 관련된 스케일 효과가 존재하기 때문에 분석의 척도가 NDVI 측정에 영향을 줄 수 있다는 것을 입증했다.[12]또 다른 연구는 MAUP가 도시 환경에서 순수한 식물 화소의 경우 큰 영향을 미치지 않는다는 것을 입증했다.[13]MAUI-NDVI로 알려진 수정은 문제를 구체적으로 다룬다.[14]

수직 식생 지수, 토양 조정 식생 지수,[15][16] 대기 저항 식생 지수[17], 지구 환경 모니터링 지수 등 이러한 한계를 해결하기 위해 NDVI에 대한 많은 파생 모델과 대안이 과학 문헌에서 제안되었다.[18]이들 각각은 하나 이상의 혼란 요인에 대한 내적 교정을 포함하려고 시도했다.USGS가 채택한 현재 대안은 토양 영향, 캐노피 배경, 에어로졸 영향 등을 보정하는 강화된 식물 지수(EVI)이다.[19]

그러나 1990년대 중반에 이르러서야 현대 센서의 향상된 성능과 특성(특히 다중 스펙트럼 및 다중 스펙트럼의 특성)을 활용하여 관심의 생물지질물리학적 변수(예: 광합성 활성 방사선의 흡수분율, FAPAR)를 직접 추정할 수 있는 새로운 세대의 알고리즘이 제안되었다.다각형 기능) 모든 동요 요인을 고려해야 한다.NDVI에 대한 많은 가능한 혼란 요인에도 불구하고, 지면의 광합성 능력을 다양한 현상에 대한 적절한 공간적 규모로 연구해야 할 때, 그것은 귀중한 정량적 식물 감시 도구로 남아 있다.

농업 애플리케이션

정밀 농업에서 NDVI 데이터는 농작물 건강의 측정을 제공한다.오늘날, 이것은 종종 농업용 드론을 포함하는데, 이것은 데이터를 비교하고 농작물 건강 문제를 인식하기 위해 NDVI와 짝을 이룬다.그 예로는 PrecisionHawk와 Sentera의 농업용 드론을 들 수 있는데, 이 드론은 농경가들이 하루 안에 NDVI 데이터를 캡처하고 처리할 수 있게 하는데, 이는 기존의 NDVI 사용과 그들의 긴 지연 시간과는 다른 변화다.[20]현재 행해진 많은 연구들은 NDVI 영상이 다대형 카메라에서 얻은 결과와 유사한 결과를 얻기 위해 일반 디지털 RGB 카메라를 사용하여 획득될 수 있고 농작물 건강 모니터링 시스템에서 효과적으로 구현될 수 있다는 것을 증명했다.새로운 계산을 이용한 추가적인 돌파구는 플로리다 대학의 Yiannis Ampatzidis 박사에 의해 수행되었다.[21]그의 계산은 질소, 인, 칼륨, 마그네슘, 칼슘, 유황, 붕소, 아연, 망간, 철, 구리 등 관리 영역 중심의 결과를 제공하는 첨단 인공지능(AI) 알고리즘을 사용한다.

참고 항목

메모들

  1. ^ "Measuring Vegetation (NDVI & EVI)". 2000-08-30.
  2. ^ 2018년 6월 13일 오스트레일리아 기상국에서 다운로드한 데이터, 2018년 6월 14일 지도
  3. ^ Rouse, J.W, Haas, R.H., Scheel, J.A., and Deering, D.W. (1974) 'Monitoring Vegetation Systems in the Great Plains with ERTS.' Proceedings, 3rd Earth Resource Technology Satellite (ERTS) Symposium, vol. 1, p. 48-62.https://ntrs.nasa.gov/citations/19740022614
  4. ^ Kriegler, F.J., Malila, W.A., Nalepka, R.F., 리처드슨, W. (1969년) '변형 전이와 그것들이 다중 스펙트럼 인식에 미치는 영향'제6회 환경 원격 감지에 관한 국제 심포지엄의 진행, 페이지 97-131.
  5. ^ 게이츠, 데이비드 M. (1980) 뉴욕 스프링거-베를라그, 생물물리학적 생태학, 611 p.
  6. ^ "Measuring Vegetation". NASA Earth Observatory. 2000-08-30.
  7. ^ 불구가 된, R.E. (1990) '초목지수를 더 빨리 계산한다', 원격 환경 감지, 34, 71-73.
  8. ^ 판매자, P. J. (1985) '캐노피 반사, 광합성, 트랜스미션' (International Journal of Remote Sensing, 6, 1335-1372).
  9. ^ Myneni, R. B., F. G. Hall, P.J. Sellers 및 A.L. Marshak(1995) '스펙트럼 식물 지수 해석', IEEE Transactions on Geoscience and Remote Sensing, 33, 481-486.
  10. ^ Kubaski, Kauan Mateus. "Urban Climate: surface temperature and NDVI an analysis of influences in Ponta Grossa-PR" (PDF) (in Brazilian Portuguese). UEPG (Pro-rector of Research and Post-graduation-PROPESP). Archived from the original (PDF) on July 9, 2019. Retrieved September 10, 2018.
  11. ^ 홀벤, B. N. (1986)'International Journal of Remote Sensing, 7(11), 1417-1434, Temporary AVHRR Data'의 최대값 합성 이미지 특성
  12. ^ Labib, SM; Lindley, Sarah; Huck, Jonny J. (July 2020). "Scale effects in remotely sensed greenspace metrics and how to mitigate them for environmental health exposure assessment". Computers, Environment and Urban Systems. 82: 101501. doi:10.1016/j.compenvurbsys.2020.101501.
  13. ^ Nouri, Hamideh; Anderson, Sharolyn; Sutton, Paul; Beecham, Simon; Nagler, Pamela; Jarchow, Christopher J.; Roberts, Dar A. (April 2017). "NDVI, scale invariance and the modifiable areal unit problem: An assessment of vegetation in the Adelaide Parklands". Science of the Total Environment. 584–585: 11–18. Bibcode:2017ScTEn.584...11N. doi:10.1016/j.scitotenv.2017.01.130. PMID 28131936.
  14. ^ Nouri, Hamideh; Anderson, Sharolyn; Sutton, Paul; Beecham, Simon; Nagler, Pamela; Jarchow, Christopher J.; Roberts, Dar A. (15 April 2017). "NDVI, scale invariance and the modifiable areal unit problem: An assessment of vegetation in the Adelaide Parklands". Science of the Total Environment. 584–585: 11–18. Bibcode:2017ScTEn.584...11N. doi:10.1016/j.scitotenv.2017.01.130. PMID 28131936.
  15. ^ 리처드슨, A. J.와 C. L. 위간드(1977) '토양 배경 정보로부터 식물을 구분하는 것', 포토그램미터 공학 및 원격 감지, 43, 1541-1552.
  16. ^ Huete, A. R. (1988)'토양 조절 식생 지수(SAVI), 원격 환경 감지, 25, 53-70.
  17. ^ 카우프만, Y. J., D.Tanre(1992) 'EOS-MODIS에 대한 병원 내성 식물 지수(ARVI)', 'Proc'.IEEE Int.지오시.원격 감지 컴퍼니(Synpy.92년 IEEE, 뉴욕 261-270
  18. ^ Pinty, B.; Verstraete, M. M. (1992). "GEMI: a non-linear index to monitor global vegetation from satellites". Vegetatio. Springer Nature. 101 (1): 15–20. doi:10.1007/bf00031911. ISSN 0042-3106. S2CID 32216977.
  19. ^ A. 휴테, K. 디단, T. 미우라, E. P. 로드리게스, X. 가오, L. G. 페레이라.MODIS 식생 지수의 방사선 및 생물물리학적 성능 개요.원격 환경 감지 83(2002) 195-213 doi:10.1016/S0034-4257(02)00096-2.
  20. ^ Lyseng, Ron (2 February 2017). "Sentera links processor with sensor for live NDVI". Western Producer.
  21. ^ 제목=바이오, 이안니스 암파티디스 url=https://abe.ufl.edu/people/faculty/yiannis-ampatzidis/

참조

  • 디어링, 1978년 워싱턴 D.W.항공기 및 우주선 센서로 측정한 레인지랜드 반사율 특성.디스 박사텍사스 A&M 유니브 대학역 338p
  • 디어링 D.W, J.W.루즈, 주니어, R.H.하스, J.A.셸 1975년Landsat MSS 데이터에서 방목 유닛의 "용지 생산" 측정, 페이지 1169–1178.Proc.10번째 인트.환경 원격 감지에 대한 동정심유니브 미시건 앤아버
  • 루즈, J.W. 주니어, R.H. 하스, J.A. 셸, D.W. 디어링 1973.자연식물의 발원 및 역분해(녹색파 효과) 모니터링프로그. RSC 1978-1, 원격 감지 센터, 텍사스 A&M Univ, College Station, 93p. (NTIS 번호 E73-106393)
  • Rouse, J. W., R. H. Has, J. A.셸, 그리고 D.W. Deering(1973) 'ERTS로 대초원의 초목 시스템 모니터링', 제3차 ERTS 심포지엄, NASA SP-351 I, 309-317.
  • 터커, C.J. (1979) '초목 모니터링을 위한 적외선 및 사진 적외선 조합', 원격 환경 감지, 8(2),127-150.

외부 링크