အပင်အညွှန်းကိန်းများ – vegetation indices

ဆောင်းပါးမူရင်း – Vegetation Indices To Drive Digital Agri Solutions မှကောက်နှုတ်ဘာသာပြန်ပါသည်

ပါဝင်သည့်အကြောင်းအရာများ

• Normalized Difference Vegetation Index (NDVI)
• Red-Edge Chlorophyll Vegetation Index (RECl)
• Normalized Difference Red Edge Vegetation Index (NDRE)
• Modified Soil-Adjusted Vegetation Index (MSAVI)
• Green Normalized Difference Vegetation Index (GNDVI)
• Normalized Difference Water Index (NDWI)
• Soil Adjusted Vegetation Index (SAVI)
• Optimized Soil Adjusted Vegetation Index (OSAVI)
• Atmospherically Resistant Vegetation Index (ARVI)
• Enhanced Vegetation Index (EVI)
• Visible Atmospherically Resistant Index (VARI)
• Leaf Area Vegetation Index (LAI)
• Normalized Burn Ratio (NBR)
• Structure Intensive Pigment Vegetation Index (SIPI)
• Green Chlorophyll Vegetation Index (GCI)
• Normalized Difference Snow Index (NDSI)
• Index Stack ISTACK

Normalized Difference Vegetation Index (NDVI)

အသုံးများရောင်စဉ်အပင်အညွှန်းကိန်း (vegetation index) အမျိုးမျိုးရှိသည့်အနက်  NDVI သည်သီးနှံစိုက်ခင်း ဖွံ့ဖြိုးတိုးတက်နှုန်းကို ခြေရာခံရန်အတွက် အသင့်တော်ဆုံးတစ်ခုဖြစ်သည်။ NDVI သည် အပင်များတွင် အလင်းရောင်ဖြင့် အစာချက်လုပ်သည့်သက်ရှိဇီဝဒြပ်ထုများကို တိုင်းတာနိုင်သည် ။ သို့သော် NDVI သည်  မြေဆီလွှာအလင်းပြန်မှုနှင့် လေထုအကျိုးသက်ရောက်မှုတို့၏ နှောက်ယှက်မှု ကို ခံနိုင်ရည်မရှိပေ ။ EVI၊ SAVI၊ ARVI၊ GCL၊ သို့မဟုတ် SIPI ကဲ့သို့သော အခြားသောအညွှန်းကိန်းများတွင် ထိုကဲ့သို့နှောက်ယှက်ခံရမှု မှလျော့ချပေးထားသည်။

ပုံသေနည်း– NDVI = (NIR – RED) / (NIR + RED)

အဓိကအချက် – NDVI သည် Remote Sensing နယ်ပယ်တွင် အသုံးအများဆုံးသော အပင်အညွှန်းကိန်း (vegetation index) ဖြစ်သည်။ စိုက်ခင်းတွင် ရောင်ပြန်ဟပ်မှုမှာ နည်းပါသည့်အပင်ကျဲပါးသည့်အချိန်မှလွဲ၍ ၎င်းအား သီးနှံစိုက်ပျိုးသည့်ရာသီတစ်ခုလုံးတွင် အသုံးပြုနိုင်သည်။

အသုံးပြုချိန် – NDVI တန်ဖိုးများသည် အပင်ကြီးထွားသည့်အဆင့် စိုက်ပျိုးရာသီ၏အလယ်တွင် အတိကျဆုံး ဖြစ်သည်။

Red-Edge Chlorophyll Vegetation Index (RECl)

ReCI vegetation index  သည် နိုက်ထရိုဂျင်ဓါတ်ပြည့်ဝနေသော သစ်ရွက်များတွင် အစိမ်းရောင်ခြယ်ပစ္စည်း ဟုခေါ်သော (chlorophyll) ပါဝင်မှုအား တုံ့ပြန်သည်။ ReCI သည် ရွက်အုပ်ထိပ်၏အစာချက်လုပ်မှု လုပ်ငန်းစဉ်ကို ဖော်ပြသည်။

ပုံသေနည်း – ReCI = (NIR / REDEDGE) – 1

အဓိကအချက် – အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) ပါဝင်မှုသည် “အစိမ်းရောင်” ဖြစ်စေသည့် အပင်ရှိ နိုက်ထရိုဂျင်ပမာဏပေါ် တိုက်ရိုက်မူတည်သောကြောင့် အဝေးမှအာရုံခံစူးစမ်းလေ့လာခြင်းနည်းပညာရှိ ထိုအပင်အညွှန်းကိန်း (vegetation Index) သည် သစ်ရွက်များဝါသည့် သို့မဟုတ် ကြွေနေသည့်‌နေရာများကို ရှာဖွေရာတွင် ကူညီပေးသည်။

အသုံးပြုချိန် – ReCI တန်ဖိုးများသည် အပင်ကြီးထွားနေသည့်အဆင့်တွင် အသုံးဝင်ဆုံးဖြစ်ပြီး ရိတ်သိမ်းရာသီတွင် အသုံးမပြုသင့်ပါ။

Normalized Difference Red Edge Vegetation Index (NDRE)

NDRE index  သည် အနီအောက်ရောင်ခြည်ဦး (NIR) ရောင်စဉ်၊ အနီရောင်စဉ် နှင့် ၎င်း့နှစ်ခုအကြား ရှိ (red-NIR အကူးအပြောင်းဇုန် red-edge region ဟုခေါ်သည်)ကြားရှိ လှိုင်းခွင်ကျဉ်းမြောင်းသည့် သီးသန့်အနီစွန်းရောင်စဉ်တန်းတို့ ပေါင်းစပ်ထားခြင်းဖြစ်သည်။ ဒေတာတိကျမှုများ အကောင်းဆုံးဖြစ်စေရန်အတွက် NDRE ကို NDVI နှင့်ပေါင်းစပ်အသုံးပြုရန် အကြံပြုထားသည်။

ပုံသေနည်း – NDRE = (NIR – RED EDGE) / (NIR + RED EDGE)

အဓိကအချက် – ဖော်ပြထားသော ထိုအပင်အညွှန်းကိန်း (vegetation Index) သည် ရွက်အုပ်ထူထပ်များပြားစွာ ပေါက်ရောက်သော နေရာများတွင် အသုံးပြုသည်။

အသုံးပြုချိန် – NDRE ကို ပုံမှန်အားဖြင့် ရင့်မှည့်သည့်အဆင့်သို့ရောက်သည့် စိုက်ခင်းများအား လေ့လာစောင့်ကြည့်ရန် အတွက် အသုံးပြုကြသည်။

Modified Soil-Adjusted Vegetation Index (MSAVI)

သီးနှံစောင့်ကြည့်လေ့လာရေးရလဒ်များအပေါ် မြေဆီလွှာမှရောင်ပြန်အလင်းများသက်ရောက်မှု လျော့ပါးသက်သာစေရန်အတွက် MSAVI vegetation index ကို အသုံးပြုခြင်းဖြစ်သည်။ ပကတိမြေပြင်ပါဝင်မှုပမာဏများခြင်း၊ အပင်များကျဲပါးခြင်း သို့မဟုတ် အပင်များတွင် အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) ပါဝင်မှုနည်းပါးခြင်းတို့ကြောင့် NDVI မှ တိကျသည့် အဖြေမပေးနိုင်သည့်အခါ MSAVIကို အသုံးပြုသည်။

ပုံသေနည်း –
MSAVI = (2 * Band 4 + 1 – sqrt ((2 * Band 4 + 1)² – 8 * (Band 4 – Band 3))) / 2

အဓိကအချက် – MSAVI သည် မြေဆီလွှာ၏သက်ရောက်မှုအား လျော့ချပေးပြီး အခင်းထဲရှိ သီးနှံပင်များ ၏အစောပိုင်းကြီးထွားမှုအားထောက်လှမ်းနိုင်ခြင်းကြောင့် ၎င်းအား မြေကြီးပေါ်တွင် အပင်များအနည်းငယ်မျှပေါက်နေချိန်တွင်ပင်အသုံးပြုနိုင်သည်။

အသုံးပြုချိန် – MASVI သည် သီးနှံစိုက်ပျိုးရာသီ အစောပိုင်းကာလ – ပျိုးပင်များစတင်စိုက်ပျိုးချိန်တွင် အသုံးပြုသည်။

Green Normalized Difference Vegetation Index (GNDVI)

GNDVI index သည် NDVI အား ပြုပြင်မွမ်းမံထားသော အညွှန်းကိန်းတစ်ခုဖြစ်ပါသည်။ ၎င်းတွင် အနီအောက်ရောင်ခြည်ဦး (near-infrared) ကိုလည်းအသုံးပြုသော်လည်း  အနီရောင်စဉ် (540 to 570 nm) အစား အစိမ်းရောင်စဉ် (green) ကို အစားထိုးအသုံးပြုထားသည်။

ပုံသေနည်း – GNDVI = (NIR – GREEN) / (NIR + GREEN)

အဓိကအချက် – GNDVI သည် NDVI ထက် အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) ပါဝင်မှုကို ပိုမိုတိကျစွာ တိုင်းတာပေးသည်။

အသုံးပြုချိန် – ညှိုးနွမ်းနေသော သို့မဟုတ် သက်ရင့်အပင်များကို ရှာဖွေဖော်ထုတ်ရန်၊ extreme red channel တစ်ခုအား မရရှိနိုင်သောအခါ အရွက်များထဲရှိ နိုက်ထရိုဂျင်ပါဝင်မှုကို တိုင်းတာရန်၊ အပင်များထူထပ်များပြားစွာ ပေါက်ရောက်နေသောစိုက်ခင်းများ သို့မဟုတ် အရွယ်ရင့်သို့ ရောက်ရှိနေသောစိုက်ခင်းများအား လေ့လာစောင့်ကြည့်ရန် အသုံးပြုနိုင်သည်။

Normalized Difference Water Index (NDWI)

မြေဆီလွှာနှင့် အပင်ဖုံးလွှမ်းမှုတို့မှ ရောင်ပြန်မှုကိုလျော့ချခြင်းဖြင့် ရေပြင်များအား ပုံဖော်ပြရန် နှင့် ရေနောက်ကျိမှု ကိုတိုင်းတာရန် အစပိုင်းတွင် NDWI ကိုအသေးစိတ်ဖော်ထုတ်ခဲ့ကြသည်။ NDWI ကို အနီအောက်ရောင်ခြည်ဦးနှင့် အစိမ်းရောင် ရောင်စဉ်တန်းများ တွဲစပ်ပြီးထုတ်ယူထားခြင်းဖြစ်သည်။  

ပုံသေနည်း – NDWI = (GREEN – NIR) / (GREEN + NIR)

အဓိကအချက် – NDWI အညွှန်းအား NDMI (Normalized Difference Moisture Index)နှင့် မကြာခဏ မှားယွင်းလေ့ရှိပါသည်။ NDMI သည် လှိုင်းတိုအနီအောက်ရောင်ခြည် SWIR (Short Wave Infrared) နှင့် အနီအောက်ရောင်ခြည်ဦး NIR များကို အသုံးပြုသည်။ NIR သည် အရွက်များနှင့် အရွက်အတွင်းပိုင်း တည်ဆောက်ပုံရှိ ဒြပ်ခြောက်(dry matter)ပါဝင်မှုအား ခွဲခြမ်းပေးပြီး SWIR သည် အပင်တွင်ရေပါဝင်မှုနှင့် မီဆိုဖီးလ်(mesophyll) အပြောင်းအလဲ များကို ဖော်ပြပေးသည်။ ၎င်းတို့အား ပေါင်းစပ်လိုက်သောအခါ NIR နှင့် SWIR ရောင်စဉ်တန်းများသည် အပင်၏ရေပါဝင်မှုနှင့်ပတ်သက်၍ ပိုမိုကောင်းမွန်စွာရှင်းပြ ပေးနိုင်သည်။ အဘယ်ကြောင့်ဆိုသော် သစ်ရွက်အတွင်းပိုင်း တည်ဆောက်ပုံရှိ ရေသည် လှိုင်းတိုအနီအောက်ရောင်ခြည် SWIR၏ အလင်းပြန်နှုံး အပေါ် သက်ရောက်မှုရှိသောကြောင့်ဖြစ်ပါသည်။

အသုံးပြုချိန် – ရေမြုပ်နေသော စိုက်ပျိုးမြေများကို ရှာဖွေခြင်း၊ စိုက်ခင်းထဲတွင် လျံရေများကို ဖြန့်ခွဲထုတ်ခြင်း၊ ရေသွင်းလယ်ယာမြေများ ရှာဖွေခြင်း၊ ရေတိမ်ဒေသများအား ခွဲဝေသတ်မှတ်ခြင်း တို့တွင်အသုံးပြုလေ့ရှိသည်။

Soil Adjusted Vegetation Index (SAVI)

မြေဆီလွှာအလင်းပြန်တောက်ပခြင်း ၏ သက်ရောက်မှုကို လျော့ချရန်အတွက် SAVI ကို ဖော်ထုတ်ခဲ့ခြင်းဖြစ်သည်။ ဖော်မြူလာရှင် Huete သည် မြေဆီလွှာ၏ အနှောက်အယှက်များ (အရောင်၊ အစိုဓါတ်၊ မြေဆီလွှာအမျိုးအစား ပြောင်းလဲခြင်း စသည့်)၏အကျိုးသက်ရောက်မှုကို ဖြေလျော့ပေးရန်အတွက် NDVI ၏ ပုံသေနည်းတွင် မြေဆီလွှာအတွက်ချိန်ညှိမှု factor L ကို ပေါင်းထည့်ခဲ့ပါသည်။

ပုံသေနည်း – SAVI = ((NIR – RED) / (NIR + RED + L)) * (1 + L)

အဓိကအချက် – L တန်ဖိုးသည် သိရှိလိုသောဧရိယာရှိ အစိမ်းရောင်အပင်များသိပ်သည်းမှုပေါ်မူတည်၍ -1 မှ +1 အတွင်းပြောင်းလဲနိုင်သည်။ အစိမ်းရောင်အပင်များ ထူထဲစွာရှိသော ဧရိယာများတွင် L တန်ဖိုးသည် 0 ဖြစ်ပြီး SAVI သည် NDVI နှင့် အတူတူပင်ဖြစ်လိမ့်မည်။ ပြောင်းပြန်အားဖြင့် အစိမ်းရောင်အပင်များကျဲသော နေရာများတွင် L တန်ဖိုးသည် 1 ဖြစ်ပါလိမ့်မည်။ များသောအားဖြင့် L တန်ဖိုးအား မြေယာဖုံးလွှမ်းမှုအများစုကို ချိန်ညှိနိုင်ရန်အတွက် 0.5 အဖြစ် သတ်မှတ်ကြသည်။

အသုံးပြုချိန် – သက်တမ်းနုသီးနှံစိုက်ခင်း များအား ခွဲခြမ်းစိတ်ဖြာခြင်း နှင့် အပင်များကျဲပါး (စုစုပေါင်းဧရိယာ၏ ၁၅ % အောက်ရှိသည့်) ၍ ဟင်းလင်းပြင်ဖြစ်နေသော မြေမျက်နှာပြင်မျိုးရှိသည့် မိုးနည်းဒေသများအတွက် အသုံးပြုသည်။

Optimized Soil Adjusted Vegetation Index (OSAVI)

OSAVI vegetation index သည် SAVI အား ပြုပြင်မွမ်းမံထားသော အညွှန်းကိန်းတစ်ခုဖြစ်ပြီး NIR နှင့် အနီရောင် ရောင်စဉ်တို့ရှိ ရောင်ပြန်မှုကို အသုံးပြုထားသည်။ ထို index နှစ်ခုကြားရှိ ခြားနားချက်မှာ OSAVI သည် နောက်ခံရွက်အုပ်များအတွက်ချိန်ညှိတန်ဖိုး (canopy background adjustment factor) စံအဖြစ် 0.16 ကို ထည့်သွင်းတွက်ချက်ထားခြင်းဖြစ်သည်။

ပုံသေနည်း – OSAVI = (NIR – RED) / (NIR + RED + 0.16)

အဓိကအချက် – SAVI နှင့်နှိုင်းယှဉ်သည့်အခါ OSAVI ၏ ထိုချိန်ညှိချက်သည် ရွက်အုပ်ဖုံးလွှမ်းမှု နည်းသောအခါမျိုးတွင် မြေဆီလွှာပြောင်းလဲခြင်းကြောင့်သက်ရောက်မှုကို ပိုမိုကိုင်တွယ်ပေးနိုင်သည်။ ရွက်အုပ်ဖုံးလွှမ်းမှု ၅၀ % ကျော်သည့်အခါမျိုးတွင် OSAVI သည် မထိရောက်တော့ပေ။

အသုံးပြုချိန် – ရွက်အုပ်စိုက်ခင်းတစ်လျှောက် မြေပြင်အလွတ်များပါရှိပြီး အပင်ကျဲသော ဧရိယာများအား လေ့လာ စောင့်ကြည့်ရန်။ 

Atmospherically Resistant Vegetation Index (ARVI)

‌လေထု၏သက်ရောက်မှု (ဥပမာ – aerosols အမှုန်အမွှားများ) မရှိသလောက်ဖြစ်သည့် ပထမဆုံးသော အပင်အညွှန်းကိန်း (vegetation Index) ဖြစ်သည်။ Kaufman နှင့် Tanré တို့သည် NDVI ပုံသေနည်းတွင် အနီရောင်ရောင်စဉ်အပိုင်းအား နှစ်ဆတိုးထည့်ပြီး အပြာရောင်ရောင်စဉ်ကိုပါ ထပ်ပေါင်းထည့်ခြင်းဖြင့် လေထုအတွင်း ပြန့်ကျဲစေသည့်သက်ရောက်မှုများ (atmospheric scattering) ကို လျော့ပါးစေရန်ပြုပြင်ခဲ့ကြသည်။

ပုံသေနည်း – ARVI = (NIR – (2 * RED) + BLUE) / (NIR + (2 * RED) + BLUE)

အဓိကအချက် – အခြားသောအညွှန်းကိန်းများနှင့် နှိုင်းယှဉ်ပါက ARVI သည် တောင်ယာမီးရှို့ခြင်းများကြောင့် ဖြစ်ပေါ်လာသော မီးခိုးများ မကြာခဏဖုံးလွှမ်းလေ့ရှိသည့် အပူပိုင်းတောင်တန်းဒေသများအား လေ့လာ စောင့်ကြည့်ရန် အဓိကအသုံးဝင်ပြီး ၎င်းသည် မြေမျက်နှာပြင်အနိမ့်အမြင့်ကြောင့်ဖြစ်သော သက်ရောက်များ ကိုခံနိုင်ရည်ရှိသည်။

အသုံးပြုချိန် – လေထုထဲတွင် အမှုန်အမွှားများ(aerosol) (ဥပမာ- မိုးစက်၊ မြူခိုးများ၊ ဖုန်မှုန့်များ၊ မီးခိုးများ၊ လေထုညစ်ညမ်းမှုများ) ပါဝင်မှုမြင့်မားသောဒေသများအတွက်။

Enhanced Vegetation Index (EVI)

Liu နှင့် Huete တို့သည် အထူးသဖြင့် အပင်များထူထပ်များပြားစွာပေါက်ရောက်သော နေရာများတွင် လေထုနှင့် မြေဆီလွှာတို့၏နှောက်အယှက်မှုကို NDVI ရလဒ်များတွင်လျော့ချရန်နှင့် အရောင်မတိုးမှု saturation အများစုအား လျှော့ချရန်အတွက် EVI vegetation index ကို မိတ်ဆက်ခဲ့ကြသည်။ EVI တန်ဖိုးများသည် -1 မှ +1 ကြားရှိပြီး ကျန်းမာသန်စွမ်းသောစိုက်ခင်းများအတွက် ၎င်းတန်ဖိုးသည် 0.2 မှ 0.8 အတွင်း ရှိသည်။

ပုံသေနည်း – EVI = 2.5 * ((NIR – RED) / ((NIR) + (C1 * RED) – (C2 * BLUE) + L))

အဓိကအချက် – EVI တွင် လေထုထဲတွင်ပါရှိသော aerosol ပြန့်ကျဲမှုများကို ပြုပြင်ပေးရန်အတွက် coefficients C1 နှင့် C2 တို့အပြင် နောက်ခံမြေဆီလွှာနှင့်ရွက်အုပ်တို့ကို ချိန်ညှိရန်အတွက် L တန်ဖိုးတို့ပါဝင်သည်။ လူသစ်တန်း GIS သမားများ အနေဖြင့် မည်သည့်တန်ဖိုးများကို အသုံးပြုသင့်သည်နှင့် ဂြိုလ်တု ပုံအမျိုးမျိုးမှ EVI အား မည်သို့တွက်ချက်ရမည်မှာ ရှုပ်ထွေးနေနိုင်ပါသည်။ အစဉ်အလာအားဖြင့် NASA ၏ MODIS ပုံများအတွက် EVI တွက်ရာတွင် C1 အတွက် 6 ၊ C2 အတွက် 7.5 နှင့် L အတွက် 1 တို့ အသုံးပြုသည်။ Sentinel 2 သို့မဟုတ် Landsat 8 ဒေတာကို အသုံးပြု၍ EVI အား တွက်လိုပါက ထိုတန်ဖိုးများကိုပဲအသုံးပြုနိုင်ပါသည် သို့မဟုတ် အဖြေများကို ဒေါင်းလုပ်ခွင့်ပေးသည့် EOS Crop Monitoring စနစ်ကိုလည်းအသုံးပြုနိုင်သည်။ 

အသုံးပြုချိန် – အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) အမြောက်အများပါဝင်သော (မိုးသစ်တောများကဲ့သို့) ဧရိယာများနှင့် မြေပြင်နိမ့်မြင့်၏သက်ရောက်မှု အနည်းဆုံးရှိသော (တောင်တန်းမဟုတ်သော ဒေသများ) ဧရိယာများတွင် အသုံးပြုပါ။

Visible Atmospherically Resistant Index (VARI)

VARI index သည် RGB အရောင်စုံပုံရိပ်များအတွက် အကောင်းဆုံးဖြစ်သည်။ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် မြင်နိုင်သောရောင်စဉ်တန်းအပိုင်း(အနီရောင်၊အစိမ်းရောင်နှင့် အပြာရောင် ရောင်စဉ်တန်းများ ပါဝင်သည်) တစ်ခုလုံးသုံးပြီးလုပ်ဆောင်သောကြောင့်ဖြစ်သည်။ ၎င်း၏ သီးသန့်တာဝန်မှာ အလင်းအားပြောင်းလဲခြင်းများအားချော့မွေ့အောင်ပြုလုပ်ခြင်းနှ့င်အတူ လေထု၏ပြင်းထန်သောသက်ရောက်မှုအောက်ရှိ အပင်များ၏ပုံရိပ်အား ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ပေးရန် ဖြစ်သည်။ Sentinel-2၊ Landsat-8၊ GeoEye-1၊ Pleiades-1၊ Quickbird နှင့် IKONOS တို့၏ ဂြိုလ်တုအာရုံခံကိရိယာများအတွက် VARI ကိုအသုံးပြုနိုင်သည်။

ပုံသေနည်း – VARI = (GREEN – RED) / (GREEN + RED – BLUE)

အဓိကအချက် – လေထုသက်ရောက်မှုကို လျော့နည်းစေခြင်းကြောင့် လေထုအထူ အမျိုးမျိုးတို့တွင် အပင်များအားလေ့လာစောင့်ကြည့်ရာတွင်  VARI ၏ အမှားသည် 10% ထက်နည်းသည်ကိုတွေ့ရသည်။

အသုံးပြုချိန် – သီးနှံအခြေအနေများ အား အကဲဖြတ်ရာတွင် လေထု၏သက်ရောက်မှု အနည်းဆုံး သာပါဝင်ခွင့်ပြုသည့်အချိန်အခါ။

Leaf Area Vegetation Index (LAI)

LAI index သည် ကမ္ဘာ့မျက်နှာပြင်ပေါ်တွင်ရှိသည့် အရွက်များ၏မျက်နှာပြင်ပမာဏကို လေ့လာရန်ဒီဇိုင်းထုတ်ထားခြင်းဖြစ်ပြီး ၎င်းသည် ဒေသတစ်ခုရှိ အရွက်ပမာဏကို ခန့်မှန်းပေးသည်။ LAI သည် ယူနစ်မရှိသောဂဏန်းတစ်ခုဖြစ်ပြီး အရွက်အပေါ်ဖက်မျက်နှာပြင်စုစုပေါင်းပမာဏနှင့် ၎င်းတို့ကဖုံးအုပ်ထားသောမြေမျက်နှာပြင်၏အချိုးအဖြစ်သည်။ ဤ အပင်အညွှန်းကိန်း (vegetation index) သည် သီးနှံနှင့်သစ်တော ရှင်သန်ကြီးထွားမှု၊ သဘာဝပတ်ဝန်းကျင်နှင့် ရာသီဥတုအခြေအနေများကို စောင့်ကြည့်ရန် အတွက် အရေးကြီးပါသည်။ LAI ကို ကွင်းထဲရှိ အပင်၊ စိုက်ခင်းများမှသည် နယ်မြေဒေသတစ်ခုလုံးထိ အသုံးပြုတိုင်းတာနိုင်ပါသည်။

ပုံသေနည်း – LAI = leaf area (m2) / ground area (m2)

အဓိကအချက် – remote sensing နယ်ပယ်တွင် NDVI ဒေတာများကို ပိုမိုကောင်းမွန်လာစေရန် အတွက် NASA MODIS အာရုံခံကိရိယာတွင်အသုံးပြုရန် LAI အားစတင်အသုံးပြုခဲ့ခြင်းဖြစ်သည်။ NDVI နှင့်မတူပဲ LAI သည် မြေမျက်နှာသွင်ပြင်နှင့် လေထုသက်ရောက်မှုဖယ်ရှားရန် အသုံးပြုသည့်ရောင်စဉ်တန်းများကိုပါထည့်သွင်းစဉ်းစားအသုံးပြုကြသည်။ LAI တန်ဖိုးသည် 3 ဆိုပါက သစ်ရွက်များသည် မြေမျက်နှာပြင်၏ သုံးဆကိုဖုံးအုပ်နိုင်သည်။ 0 မှ 3.5 ကြားရှိပါက LAI တန်ဖိုးမြင့်သည်ဟု ယူဆနိုင်သည်။ သို့သော် ၎င်း၏တန်ဖိုးများသည် တိမ်များနှင့် အရောင်တောက်ပသည့်အရာများကြောင့် မြင့်နေတတ်သည့်အတွက် ယင်းတို့ကိုဖယ်ထုတ်အသုံးပြုခြင်းဖြင့်ဒေတာတိကျမှုကိုတိုးစေနိုင်သည်။

အသုံးပြုချိန် – စိုက်ခင်းရှင်သန်ကြီးထွားမှုအကဲဖြတ်ခြင်းပြုလုပ်ရာတွင် ထုတ်လုပ်မှုခန့်မှန်းမော်ဒယ်ထဲသို့ ထည့်သွင်းရသည့် ဒေတာတစ်ခုအဖြစ် အသုံးပြုသည်။

Normalized Burn Ratio (NBR)

အဓိပ္ပါယ်ဖွင့်ဆိုချက်အရ Normalized Burn Ratio ကို မီးလောင်ပြီးနောက် လောင်ကျွမ်းခံရသည့် ဧရိယာများကို သိသာထင်ရှားစေရန်အတွက်အသုံးပြုသည်။ NBR vegetation index ၏ ပုံသေနည်းတွင် NIR နှင့် SWIR လှိုင်းအလျားနှစ်ခုမှတိုင်းတာချက်များပါဝင်သည် – ကျန်းမာသန်စွမ်းသောအပင်များသည် NIR ရောင်စဉ်တွင် မြင့်မားသော ရောင်ပြန်မှုကို ပြပြီး မကြာသေးမီက လောင်ကျွမ်းထားသော စိုက်ခင်းများသည် SWIR ရောင်စဉ်တွင် မြင့်မားသော ရောင်ပြန်မှုကို ပြသလေ့ရှိသည်။

ဤ အပင်အညွှန်းကိန်း (vegetation index) တွက်ချက်ခြင်းသည် NIR နှင့် SWIR ရောင်စဉ်တန်းများပါရှိသော raster image (ဥပမာ – Landsat-7၊ Landsat-8 သို့မဟုတ် MODIS) တစ်ခုပေါ်တွင် ပြုလုပ်ခြင်းဖြစ်သည်။ ရလာဒ်တန်ဖိုးများသည် +1 နှင့် -1 ကြားဖြစ်သည်။

ပုံသေနည်း – NBR = (NIR – SWIR) / (NIR + SWIR)

အဓိကအချက် – ပြင်းထန်သောရာသီဥတုအခြေအနေများကြောင့် သစ်တောများအတွင်းဇီဝထုများကို ပျက်စီးစေသည့် တောမီးလောင်ကျွမ်းမှုများ သိသိသာသာများပြားလာခြင်းကြောင့် NBR fire index သည် လွန်ခဲ့သောနှစ်များအတွင်း အထူးအ‌‌ရေးပါလာခဲ့သည်။

အသုံးပြုချိန် – စိုက်ပျိုးရေးနှင့်သစ်တောတို့အတွက် NBR ကို  လောင်ကျွမ်းနေသောတောမီးများအား ရှာဖွေခြင်း၊ မီးလောင်ကျွမ်းသည့်ပြင်းထန်မှုကို ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် မီးလောင်ပြီးနောက် စိုက်ခင်းများ ရှင်သန်ကျန်ရစ်မှုရှိ/မရှိ လေ့လာစောင့်ကြည့်ခြင်းတို့တွင် အသုံးပြုသည်။ 

Structure Intensive Pigment Vegetation Index (SIPI)

SIPI vegetation index သည် ရွက်အုပ်ဖွဲ့စည်းပုံမညီညာသည့် စိုက်ခင်းများအား ခွဲခြမ်းစိတ်ဖြာရန် အတွက် သင့်တော်သည်။ ၎င်းသည် ကာရိုတင်းနွိုက် (carotenoids) နှင့် အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) များ၏ အချိုးကို ခန့်မှန်းခြင်းဖြစ်သည် – ၎င်းအချိုးတန်ဖိုးများ မြင့်လာခြင်းသည် စိုက်ခင်းတွင် ဒဏ်ဖြစ်နေသည်ကို အချက်ပြနေခြင်းဖြစ်သည်။

ပုံသေနည်း – SIPI = (NIR – BLUE) / (NIR – RED)

အဓိကအချက် – SIPI တန်ဖိုးများ များလာခြင်း ( ကာရိုတီးနွိုက်များ(carotenoids) မြင့်မားပြီး အစိမ်းရောင်ခြယ်ပစ္စည်း(chlorophyll) နည်းခြင်း) သည် သီးနှံပင်များတွင် ကလိုရိုဖီးလ်ဆုံးရှုံးမှုမကြာခဏ  ဖြစ်စေသော အပင်ရောဂါ တစ်မျိုးမျိုးရှိနေခြင်းကို ဆိုလိုပါသည်။

အသုံးပြုချိန် – ရွက်အုပ်ဖွဲ့စည်းပုံ သို့မဟုတ် LAI အပြောင်းအလဲများသော ဧရိယာများရှိ အပင်များ၏ ကျန်းမာရေးကို လေ့လာစောင့်ကြည့်ရန်နှင့် အပင်ရောဂါများ သို့မဟုတ် အပင်အား ဒဏ်ဖြစ်စေသည့်အခြားသော အကြောင်းအရင်း တို့၏ ရှေ့ဦးလက္ခဏာတို့ အား ရှာဖွေဖော်ထုတ်ရန် အသုံးပြုသည်။

Green Chlorophyll Vegetation Index (GCI)

remote sensing နယ်ပယ်တွင် GCI vegetation index သည် အပင်အမျိုးမျိုးတို့ရှိ အစိမ်းရောင်ခြယ်ပစ္စည်း(chlorophyll)ပါဝင်မှုကို ခန့်မှန်းရာတွင် အသုံးပြုသည်။ အစိမ်းရောင်ခြယ်ပစ္စည်း (chlorophyll) ပါဝင်မှုသည် အပင်များ၏ဇီဝကမ္မအခြေအနေများကို ထင်ဟပ်စေသည် – ဒဏ်ဖြစ်နေသည့်အပင်များတွင် chlorophyll ပါဝင်မှုလျော့နည်းသည့်အတွက်ကြောင့် အပင်များ၏ကျန်းမာသန်စွမ်းမှုအား တိုင်းတာရာတွင် အသုံးပြုနိုင်သည်။

ပုံသေနည်း – GCI = NIR / GREEN – 1

အဓိကအချက် – ကျယ်ပြန့်သော NIR နှင့် အစိမ်းရောင်လှိုင်းအလျားများပါရှိသော ဂြိုလ်တုအာရုံခံကိရိယာများကို အသုံးပြုခြင်းဖြင့် GCI vegetation index တွင်ပါရှိသည့် အစိမ်းရောင်ခြယ်ပစ္စည်း(chlorophyll)ပမာဏကို ပိုမိုကောင်းမွန်စွာ ခန့်မှန်းနိုင်သည်။

အသုံးပြုချိန် – သီးနှံစိုက်ခင်းကျန်းမာသန်စွမ်းမှုအပေါ်တွင် ရာသီအလိုက်၊ သဘာဝပတ်ဝန်းကျင်ဆိုင်ရာ ဘေးအန္တရာယ်များ သို့မဟုတ် အသုံးပြုထားသောပိုးသတ်ဆေးတို့၏သက်ရောက်မှုတို့အား လေ့လာစောင့်ကြည့်ရန်။

Normalized Difference Snow Index (NDSI)

NDSI vegetation index ကို အစိမ်းရောင်နှင့် SWIR သို့မဟုတ် NIR ရောင်စဉ်တန်းများ ပေါင်းစပ်ခြင်းအားဖြင့် ဆီးနှင်းဖုံးလွှမ်းမှုကို ရှာဖွေရန် အသုံးပြုသည်။ တိမ်တိုက်များသည် SWIR နှင့် မြင်နိုင်သည့် ရောင်စဉ်တန်းများ ကို ရောင်ပြန်မှုမြင့်မားသော်လည်း နှင်းသည် SWIR တွင်သာရောင်ပြန်နှုံးမြင့်ပြီး မြင်နိုင်သည့် အရောင်ပြန်မှုနှုံး နည်းပါးခြင်းတို့ကြောင့် ဤရောင်စဉ်တန်းများအားရွေးချယ်အသုံးပြုရခြင်းဖြစ်သည်။ ထိုသို့သောဂုဏ်သတ္တိအရ တိမ်များနှင့် ဆီးနှင်းကို ခွဲခြားပေးနိုင်သည်။ နှင်းများတည်ရှိခြင်းကို မြင်နိုင်သည့် အရောင် နှင့် SWIR ရောင်ပြန်အလင်း ကွာခြားမှုအချိုးအားဖြင့် သိနိုင်ပါသည်။

ပုံသေနည်း – NDSI = (GREEN – SWIR1) / (GREEN + SWIR1)

အဓိကအချက် – NDSI သည် ဆီးနှင်းဖုံးလွှမ်းမှုအား ရှာဖွေရာတွင် Fractional Snow Cover (FSC) နှင့် ဆင်တူသော်လည်း ၎င်းသည် FSC ထက် ပိုမိုတိကျသောဒေတာကို ပေးပါသည်။

အသုံးပြုချိန် – ဆီးနှင်းဖုံးလွှမ်းဒေသများအား မြေပုံရေးဆွဲရာတွင် ဆီးနှင်းနှင့် တိမ်တိုက်များခွဲခြားရာတွင် အသုံးပြုသည်။

Index Stack ISTACK

၎င်းသည် အလွှာသုံးခုပါ ပုံရိပ်တစ်ခုအဖြစ်  index သုံးမျိုး (NDVI, NDWI, နှင့် NDSI) ကိုပေါင်းစပ်ထား ခြင်းဖြစ်သည်။ ဤအလွှာသုံးခုပါပုံရိပ်တွင် မြေပြင်သဘာဝအား ပုံမှန်အရောင်များဖြင့် သတ်မှတ်ထားသည်-

• စိုက်ခင်းများသည် အစိမ်းရောင်ဖြစ်သည်။

• မြေကြီး၊ ကျောက်ဆောင်နှင့် ပကတိမြေပြင်များအား အပြာရောင်အဖြစ် ဖော်ပြပေးသည်။

• ဆီးနှင်းများ၊ တိမ်များ၊ ရေခဲများနှင့် ရေများအားလုံးကို ခရမ်းရောင်အဖြစ် သတ်မှတ်သည်။

ပုံသေနည်း – ၎င်းသည် NDSI, NDVI နှင့် NDWI ပေါင်းစပ်ထားသောကြောင့် ပုံသေနည်းသည် ဒေတာရရှိသော ဂြိုလ်တုပေါ်တွင်မူတည်ပါသည်။

အဓိကအချက် – အညွှန်းအလွှာများသည် မြေပြင်သဘာဝ (landscape features)အမျိုးမျိုးကို အလိုအလျောက်ခွဲခြားပေးသည့်အပြင် အတန်းအစားအမျိုးအစားခွဲခြင်းနှင့် ပမာဏတွက်ချက်စိတ်ဖြာမှု quantitative analysis ကို အညွှန်းကိန်းတန်ဖိုးများအပေါ်တွင်လုပ်ဆောင်နိုင်သည်။ အမျိုးမျိုးသော vegetation index များ ပေါင်းစပ်လိုက်ခြင်းဖြင့် ခွဲခြမ်းစိတ်ဖြာလုပ်ဆောင်နိုင်မှုသည် အကန့်အသတ်မရှိ ဖြစ်သွားစေသည်။ သို့သော် ISTACK တွင် အားနည်းချက်တစ်ခုရှိသည် – ဆီးနှင်းများ၊ တိမ်များ၊ ရေခဲများနှင့် ရေများ၏ ဆင်တူသော အရောင်များကြောင့် ၎င်းတို့အား ခွဲခြားရာတွင် ခက်ခဲစေသည်။

အသုံးပြုချိန် – Landsat-4,5,7; Sentinel-2; MODIS imagery ပုံများကို NDVI, NDWI, နှင့် NDSI တို့ဖြင့် မတူကွဲပြားသော landscape features များအား အလိုအလျောက်ခွဲခြားပေးရာတွင်အသုံးပြုသည်။

မူရင်းစာရေးသူ – Kateryna Sergieieva