Journal de télédétection et SIG

Abstrait

NDVI : Évaluation des performances de la végétation à l'aide de la télédétection et du SIG

Khillare Anjali A, KA Patil

La végétation est un élément crucial de l'écosystème et joue un rôle clé dans l'apaisement de l'environnement mondial. L'indice de végétation par différence normalisée (NDVI) est l'une de ces techniques de télédétection qui est utilisée pour calculer l'évolution de la couverture végétale. Les méthodes de télédétection et de système d'information géographique sont souvent utilisées pour examiner les ressources naturelles, déterminer les changements de terres et les travaux de planification associés. La méthodologie discutée dans cette étude est basée sur des données de télédétection sur la végétation, sous la forme d'indice de végétation par différence normalisée (NDVI). L'application principale de cet indice est la surveillance de la couverture végétale. Le NDVI est la fonction du contraste spectral entre le rayonnement proche infrarouge (NIR) et visible (VIS) réfléchi par une surface. Une étude plus approfondie est réalisée sur le NDVI calculé pour évaluer l'indice de sécheresse agricole sous la forme d'indice de santé de la végétation. Cet indice est une combinaison de l'indice de condition de la végétation (VCI) et de la température de la surface terrestre (LST). Le VHI classe la santé de la végétation, ce qui est approprié pour indiquer l'étendue de la sécheresse agricole. Une corrélation est étudiée statistiquement entre le NDVI, le VHI, les précipitations et la température. La présente étude porte sur les talukas de Shirur et Khed du district de Pune pour les années 2000, 2003, 2009, 2012, 2015 et 2018 pour des mois particuliers. L'utilisation des données Landsat 7 ETM+ pour l'année jusqu'en 2012 et des données Landsat 8 OLI pour 2015 et 2018 a été réalisée. Les données ont été obtenues auprès de l'U. S Geological Survey. Les données sur les précipitations ont été extraites de maharain.gov.in. Ainsi, la couverture végétale sur la zone spécifiée a été étudiée, y compris la gravité de la sécheresse. Une analyse de régression linéaire est effectuée à l'aide des données évaluées qui peuvent être utilisées pour prévoir l'état de la végétation comme système d'alerte précoce pour la sécheresse agricole.