正規化植生指数

正規化植生指数（NDVI）は、センサーデータを用いて植生の健全性と密度を定量化するために広く用いられている指標です。これは、赤色光と近赤外線という2つの特定の波長帯における分光データから算出されます。分光データは通常、衛星などのリモートセンサーから取得されます。

この指標は、その精度の高さから業界で広く利用されています。地上の植生状態と高い相関関係があり、解釈も容易です。NDVIの値は-1から1の間で、0に近い値は植生がほとんどないことを示し、負の値は陸地以外の表面や水域に関連し、高い値は健全で密生した植生に対応します。農業、干ばつ監視、生態系分析などの用途で活用されています。

宇宙探査は、 1957年10月4日にソビエト連邦がスプートニク1号を打ち上げたことで本格的に始まった。これは地球を周回する最初の人工衛星だった。その後、ソビエト連邦（スプートニク計画やコスモス計画など）と米国（エクスプローラー計画など）の両方で打ち上げが成功し、気象観測専用衛星の設計と運用が急速に進められた。これらは、気象予報の精度向上を目的として地球の大気と地表を観測するために特別に設計された機器を搭載した軌道上のプラットフォームである。1960年からは、TIROSシリーズの衛星にテレビカメラと放射計が搭載された。その後（1964年以降）、ニンバス衛星と、米国海洋大気庁（NOAA）のプラットフォームに搭載された高分解能放射計（AVHRR）シリーズが続いた。AVHRRは、赤色および近赤外線帯域、そして熱赤外線帯域における地球の反射率を測定する。並行して、NASAは地球資源技術衛星（ERTS）を開発し、これがランドサット計画の前身となった。これらの初期のセンサーは分光分解能は最小限だったが、赤色光と近赤外線の帯域を含んでおり、植生や雲などを識別するのに役立った。

1972年7月23日に最初のERTS衛星（後にランドサット1号と改名）がマルチスペクトルスキャナ（MSS）を搭載して打ち上げられると、NASAは地球リモートセンシングの能力を判定するための調査に資金を提供した。初期の調査の1つは、米国中央部のグレートプレーンズ地域の南北に広がる春の植生の緑化とそれに続く夏と秋の乾燥（いわゆる「春の進行と後退」）を調査することであった。この地域はテキサス州の南端から米国とカナダの国境まで広範囲の緯度をカバーしており、衛星観測時の太陽天頂角も広範囲に及んだ。

このグレートプレーンズ研究の研究者（博士課程学生ドナルド・ディーリングと指導教官ロバート・ハス博士）は、この地域の牧草地の植生の生物物理学的特性を衛星スペクトル信号から相関させたり定量化したりする能力が、この強い緯度勾配に沿った太陽天頂角の違いによって妨げられていることを発見しました。常駐数学者（ジョン・シェル博士）の協力を得て、彼らはこのジレンマの解決策を研究し、その後、太陽天頂角の影響を調整または「正規化」する手段として、赤色と赤外線の放射輝度の差をそれらの合計で割った比率を開発しました。当初、彼らはこの比率を「植生指数」（および、差の合計比率の平方根変換である別の変形である「変換植生指数」）と呼びました。しかし、他のリモートセンシング研究者たちが単純な赤色/赤外線比やその他のスペクトル比を「植生指数」として認識していたため、最終的には差分/合計比の定式化を正規化差分植生指数として認識し始めました。グレートプレーンズ研究でNDVIが最初に報告されたのは、1973年にRouseら^{[ 2 ]}によるものでした（ジョン・ラウズ博士は、グレートプレーンズ研究が行われたテキサスA&M大学のリモートセンシングセンターの所長でした）。しかし、正規化差分スペクトル指数の定式化は、1969年にKrieglerら^{[ 3 ]}によって先行されていました。ERTS -1（Landsat-1）の打ち上げ直後、NASAゴダード宇宙飛行センターのコンプトン・タッカーは、 NDVIの使用法を記述した一連の初期の科学雑誌記事を発表しました。

このように、NDVIは植生域とその「状態」を簡単かつ迅速に識別するための数多くの試みの中で最も成功したものの1つであり、多波長リモートセンシングデータにおいて生きた緑の植物群落を検出するための最もよく知られ、広く使用されている指標であり続けています。植生検出の実現可能性が実証されると、ユーザーはNDVIを植物群落の光合成能力を定量化するためにも使用するようになりました。しかし、後述するように、これを適切に行わないと、かなり複雑な作業になる可能性があります。

生きた緑色の植物は、光合成有効放射（PAR）スペクトル領域の太陽放射を吸収し、それを光合成の過程におけるエネルギー源として利用します。葉の細胞は、近赤外線スペクトル領域（入射する太陽エネルギーの約半分を占める）で太陽放射を再放出するように進化しました。これは、波長が約700ナノメートルより長い光子エネルギーが低すぎて有機分子を合成できないためです。これらの波長で強く吸収すると、植物が過熱し、組織が損傷する可能性があります。したがって、生きた緑色の植物はPARでは比較的暗く、近赤外線では比較的明るく見えます。^{[ 4 ]}対照的に、雲や雪は赤色（およびその他の可視波長）ではかなり明るく、近赤外線ではかなり暗く見える傾向があります。植物の葉の色素であるクロロフィルは、 光合成に利用するために可視光（400～700 nm）を強く吸収します。一方、葉の細胞構造は近赤外線（700～1100nm  ）を強く反射します。植物の葉の数が多いほど、これらの波長の光の影響を受けやすくなります。NASAのERTSやNOAAのAVHRRといった初期の地球観測機器は可視光と近赤外線のデータを取得していたため、これらの衛星画像における植物の空間分布を決定するために、植物の反射率の大きな違いを利用するのは自然な流れでした。

NDVIは、これらの個々の測定値から以下のように計算されます。

${\displaystyle {\mbox{NDVI}}={\frac {({\mbox{NIR}}-{\mbox{Red}})}{({\mbox{NIR}}+{\mbox{Red}})}}}$

ここで、Red と NIR は、それぞれ赤色（可視）領域と近赤外線領域で取得されたスペクトル反射率の測定値を表します。^{[ 5 ]}これらのスペクトル反射率は、各スペクトルバンドごとに、入射放射に対する反射放射の比率であるため、0 から 1 の間の値をとります。設計上、NDVI 自体は -1 から +1 の間で変化します。NDVI は、単純な赤外線/赤色比 (NIR/VIS) と機能的には同等ですが、線形ではありません。したがって、単純な赤外線/赤色比に対する NDVI の利点は、一般的に、植生特性 (バイオマスなど) との機能的関係の線形性の可能性に限定されます。単純な比率 (NDVI とは異なり) は常に正であり、実用的な利点があるかもしれませんが、数学的に無限の範囲 (0 から無限大) を持つため、NDVI と比較すると実用的な欠点となる可能性があります。また、この点に関して、NDVI の分子の VIS 項は結果をスケーリングするだけで、負の値を生成することに注意してください。 NDVIは、0から1の範囲をとる比率NIR / (NIR+VIS)と機能的にも線形的にも等価であり、負の値をとることはなく、範囲も無限ではありません。 ^{[ 6 ]} しかし、NDVIの代数式を理解する上で最も重要な概念は、その名前にもかかわらず、スペクトル比(NIR/VIS)の変換であり、スペクトル差(NIR-VIS)とは機能的な関係がないということです。

一般的に、可視光波長よりも近赤外線波長で反射放射がはるかに多い場合、そのピクセル内の植生は密生しており、何らかの種類の森林が含まれている可能性があります。その後の研究により、NDVI は植物の樹冠の光合成能力、ひいてはエネルギー吸収に直接関係していることが示されています。^{[ 7 ] [ 8 ]}指数は負の値をとることもありますが、人口密度の高い都市部でも NDVI は通常 (小さい) 正の値をとります。負の値は、大気や特定の物質でより多く観測されます。^{[ 9 ]}

精密農業では、NDVI データは作物の健康状態を評価するために使用されます。今日では、多くの場合、農業用ドローンが NDVI と組み合わせてデータを比較し、作物の健康上の問題を認識するために使用されています。その一例として、PrecisionHawkと Sentera の農業用ドローンがあり、これにより農業従事者は 1 日で NDVI データをキャプチャして処理することができ、従来の NDVI の使用方法とその長い遅延時間から変化しています。^{[ 10 ]}現在行われている研究の多くは、マルチスペクトル カメラから得られる結果と同様の結果を得るために、通常のデジタル RGB カメラを使用しても NDVI 画像を取得でき、作物の健康監視システムに効果的に実装できることを実証しています。

ドローンに加えて、NDVI は、初期成長から成熟まで、時間の経過とともに段階的に作物の成長を監視するために使用され、生育期間中に植物がどのように芽を出すかを追跡するのに役立ちます。このデータ収集は、圃場内の空間的変動を検出して、一部の領域が他の領域よりも健康に成長しているかどうか、また、どの段階にあるべきかのタイミングが正確かどうかを確認するのに役立ちます。より具体的には、農家は NDVI を使用して、灌漑レベル、肥料の適用などを追跡し、無駄とコストを削減します。また、農家が作物の収量を決定するために必要とする葉面積指数(LAI)、バイオマス、植生被覆を推定できます。^{[ 11 ]}これには、目に見えるよりもはるかに早く植物のストレスを特定できることが含まれます。これには、水ストレス、栄養不足、または病気が含まれます。^{[ 12 ]} NDVI には予測の側面があるため、NDVI が高いほど生産性/バイオマスが高くなることが多いため、収量予測モデルで使用できるようになりました。時系列データであるNDVIデータを使用することで、農家は季節的な傾向を把握し、それを過去数年間と比較し、干ばつや熱波の増加を含む今後の気候変動の変化に備えることができます。^{[ 11 ]}

例えば、NDVIは、時間の経過に伴う植生の緑の変化を追跡することで干ばつを監視するために使用できます。低い値は、水の利用可能性の低下による植物のストレスを示している可能性があります。これは、季節的な植生サイクルや気候変動や土地利用の変化によって引き起こされる長期的な変化を含む大規模な生態系の変化を分析するのに役立ちます。また、値の低下は植生の損失または劣化を示すことが多いため、森林破壊や土地被覆の損傷を検出するのにも応用できます。^{[ 11 ]}このデータは、都市の研究で地表面温度と植生被覆の関係を調べるために使用され、都市ヒートアイランドの研究にさらに役立ちます。^{[ 13 ]}

数学的な定義からわかるように、密生した植生キャノピーを含む領域のNDVIは正の値（例えば0.3～0.8）に近づく傾向があり、雲や雪原はこの指標の負の値で特徴づけられます。宇宙から見える地球上のその他の対象には、次のものがあります。

• 自由水域（例えば、海洋、海、湖、河川）は、両方のスペクトル帯域で反射率がかなり低く（少なくとも海岸から離れた場所では）、その結果、NDVI値は非常に低い正の値、あるいはわずかに負の値になります。
• 一般的に近赤外線スペクトル反射率が赤色よりもやや大きい土壌は、比較的小さな正のNDVI値（例えば0.1～0.2）を生成する傾向があります。

NDVIは、アルゴリズムが単純で、植生地域を他の地表面タイプから大まかに区別できるという利点に加え、2つのスペクトルバンドを1つの新しいフィールド（元のデータの10ビット以上ではなく、最終的には8ビットで符号化される）に置き換えるため、処理するデータのサイズを2倍（またはそれ以上）に圧縮できるという利点もあります。

NDVIは、本来設計された用途とは異なる用途で広く使用されています。NDVIを定量的評価（上記で示した定性的調査とは対照的に）に使用すると、適切に対処しないとこの指標の実際の有用性を著しく制限する可能性のある多くの問題が生じます。^{[ 14 ]}次のサブセクションでは、これらの問題のいくつかをレビューします。

• 数学的には、2つのスペクトルチャネルの和と差は元のデータと同じ情報を含んでいますが、差（または正規化差）だけでは元の情報の一部しか得られません。欠落した情報が関連性があるか、価値があるかはユーザーが判断することですが、NDVIプロダクトは元のスペクトル反射率データに含まれる情報のほんの一部しか含まないことを理解しておくことが重要です。

• 

  NDVIの利用者は、この指標の値から多くの植生特性を推定する傾向がある。典型的な例としては、葉面積指数、バイオマス、葉のクロロフィル濃度、植物生産性、植被率、累積降雨量などが挙げられる。このような関係は、衛星から得られたNDVI値と地上で測定されたこれらの変数の値を相関させることによって導き出されることが多い。このアプローチは、測定に関連する空間スケールに関するさらなる問題を引き起こす。衛星センサーは常に、野外機器でサンプリングされる領域よりもはるかに広い領域の放射量を測定するからである。さらに、これらの関係がすべて同時に成り立つと主張することは、もちろん非論理的である。なぜなら、それはこれらの環境特性すべてが直接的かつ明確に相互に関連していることを意味するからである。
• 反射率測定は同一領域を対象とし、同時に実施する必要があります。異なるカメラや焦点面を通して異なるスペクトルチャネルを取得する装置では、これを実現するのは容易ではありません。スペクトル画像の位置ずれは、重大な誤差や使用不可能な結果につながる可能性があります。

また、NDVI値の計算は、大気の影響、センサー間の違い、土壌、氷、雪の状態、データの空間的不整合など、多くの要因に影響を受けやすい^{[ 15 ]。}

• 大気の影響：大気の実際の組成（特に水蒸気とエアロゾルに関して）は、宇宙空間で行われる測定に大きな影響を与える可能性があります。したがって、これらの影響が適切に考慮されない場合（NDVIが生の測定値に基づいて直接計算される場合など）、測定結果が誤って解釈される可能性があります。
• 雲: 厚い (光学的に厚い) 雲は衛星画像でかなり目立つことがあり、スクリーニングを容易にする特徴的な NDVI 値が得られます。しかし、薄い雲 (どこにでもある巻雲など) や、センサーによって実際にサンプリングされた領域の直径よりも典型的な線形寸法が小さい小さな雲は、測定値を著しく汚染する可能性があります。同様に、晴れているように見える領域の雲の影は NDVI 値に影響を与え、誤った解釈につながる可能性があります。これらの考慮事項は、毎日またはほぼ毎日撮影された画像から合成画像を作成することで最小限に抑えられます。^{[ 16 ]} 合成 NDVI 画像は、NDVI または光合成能力が時間とともに変化する多くの新しい植生アプリケーションにつながっています。
• 土壌の影響：土壌は湿ると暗くなる傾向があるため、その反射率は水分含有量に直接比例します。2つのスペクトル帯域で湿潤に対するスペクトル応答が完全に同じでない場合、ある地域のNDVIは植生の変化ではなく、土壌水分の変化（降水量または蒸発量）の結果として変化したように見えることがあります。
• 異方性効果：すべての表面（自然物か人工物かを問わず）は、方向によって光の反射率が異なり、この異方性は一般的にスペクトルに依存します。ただし、2つのスペクトル帯域における一般的な傾向は類似している場合があります。その結果、NDVIの値は、測定対象物の特定の異方性、測定時の照明および観測の角度幾何学、ひいては測定対象物が観測機器の観測範囲内にある位置、または衛星が観測地点上空を通過する時間によって左右される可能性があります。NOAAプラットフォームの軌道は時間とともに変動する傾向があるため、 AVHRRデータの解析においては、この点が特に重要となります。同時に、合成NDVI画像を使用することで、これらの考慮事項を最小限に抑えることができ、25年以上にわたるグローバルな時系列NDVIデータセットが実現しました。
• スペクトル効果：各センサーは、特にスペクトルバンドの位置、幅、形状に関して、それぞれ独自の特性と性能を持っているため、NDVIのような単一の式を異なる機器で取得した測定値に適用すると、異なる結果が得られます。
• 可変面積単位問題(MAUP): NDVI は植生の指標として広く用いられています。植生のマッピングとモニタリングは「ビッグデータ」画像処理システムによって行われるため、これらのシステムはピクセルベースまたはオブジェクトベースのアルゴリズムを使用して、植生の健全性、蒸発散量、その他の生態系機能を評価します。植生のカテゴリが複数のピクセルで構成されている場合、「平均」の計算は、各ピクセルの NDVI 値の平均 (ピクセルベース) または、平均 NDVI がこれらの比率であるすべてのピクセルの赤色値と近赤外線値の平均 (オブジェクトベース) のいずれかになります。NDVI は、MAUP に関連する解決困難な問題に悩まされることがあります。特に、最近の研究では、特定のバッファ距離で NDVI の平均値を推定する場合、MAUP に関連するスケール効果の存在により、分析のスケールが NDVI の測定値に影響を与える可能性があることが示されました。^{[ 17 ]}別の研究では、MAUPは都市環境の純粋な植生ピクセルの場合に大きな影響を及ぼさないことが実証されました。^{[ 13 ]} MAUI-NDVIとして知られる改良版は、この問題に特に対処しています。^{[ 18 ]}

NDVIは非常に広く利用されているシステムですが、より複雑な地表信号を過度に単純化しているため、解釈が難しくなる場合があります。使用される衛星データには、植生、土壌、影、大気自体が混在しているため、単に植生を表しているわけではありません。この過度に単純化により、情報が失われ、実際の植生の状態を誤って解釈してしまう可能性があります。さらに、NDVIは広い範囲をカバーできますが、個々の植物を捉えることは難しく、フィールドデータと衛星データに不一致が生じます。そのため、農家などにとって、生産性と面積を関連付けることが非常に困難になります。センサーやデータ処理方法の違いにより、NDVI値がわずかに異なる場合があり、異なる時間スケールやプラットフォームのデータセットを比較することが難しくなります。これは、センサーのキャリブレーションの設定方法や、その時点で取得された解像度の処理方法によっても発生する可能性があります。このことを念頭に置くと、これらの制限があるため、NDVIは、より正確な分析と解釈を提供するために他の指標と併用して一般的な植生パターンにのみより確実に使用できます。^{[ 19 ]}

これらの限界に対処するため、科学文献ではNDVIの派生形や代替案が数多く提案されており、垂直植生指数^{[ 20 ]} 、土壌調整植生指数^{[ 21 ]}、大気抵抗植生指数^{[ 22 ] 、地球環境モニタリング指数[ 23 ]}などがある。これらのそれぞれは、1つ以上の擾乱要因に対する固有の補正を取り入れようと試みている。USGSが現在採用している代替案は、土壌の影響、樹冠の背景、エアロゾルの影響を補正する強化植生指数（EVI）である^{[ 24 ] 。}

しかし、1990年代半ばになって初めて、現代のセンサーの性能向上と特性（特にマルチスペクトルおよびマルチアングル機能）を活用し、あらゆる外乱要因を考慮に入れ、関心のある生物地球物理学的変数（例えば、吸収された光合成有効放射の割合、FAPAR）を直接推定する新世代のアルゴリズムが提案されました。NDVIには多くの外乱要因が存在する可能性がありますが、さまざまな現象に対して適切な空間スケールで地表面の光合成能力を研究する必要がある場合、NDVIは依然として貴重な定量的植生モニタリングツールです。

• Deering, DW 1978. 航空機および宇宙船センサーによって測定された牧草地の反射特性。博士論文。テキサスA&M大学、カレッジステーション、338ページ。
• Deering DW、JW Rouse, Jr.、RH Haas、JA Schell。1975年。Landsat MSSデータからの放牧地の「飼料生産量」の測定、pp.  1169–1178。第10回環境リモートセンシング国際シンポジウム議事録。ミシガン大学、アナーバー。
• Rouse, JW, Jr.、RH Haas、JA Schell、およびDW Deering。1973年。自然植生の春季の進行と退行（グリーンウェーブ効果）のモニタリング。Prog. Rep. RSC 1978-1、リモートセンシングセンター、テキサスA&M大学、カレッジステーション、93ページ。（NTIS No. E73-106393）
• Rouse, JW、RH Haas、JA Schell、および DW Deering (1973)「ERTS を用いたグレートプレーンズの植生システムのモニタリング」、第 3 回 ERTS シンポジウム、NASA SP-351 I、309-317。
• Tucker, CJ (1979)「植生モニタリングのための赤色光と写真赤外線の線形組み合わせ」、リモートセンシングオブエンバイロメント、8(2)、127-150。

• NOAA AVHRRの背景
• NDVIに関する背景情報
• 植生プログラム