18/3/2019 Índices espectrales con datos satelitales multiespectrales.

¿Por qué usar índices espectrales de satélites?

Índices espectrales con datos satelitales

multiespectrales.

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 1/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Datos satelitales de teledetección e índices

espectrales

A lo largo de los años, la comunidad cientí ca ha introducido numerosos índices

espectrales para resolver problemas ambientales complejos (u otros). Después de
una encuesta bastante extensa, le presentamos los índices más populares que
pueden calcularse mediante cualquiera de los siguientes satélites de datos
gratuitos:

1. Programa USGS / NASA Landsat (Landsat 8 OLI, Landsat 5 TM)

2. COPERNICUS / EC Sentinel-2 MSI

Índice Avanzado de Vegetación (AVI)

El Índice de Vegetación Avanzado (AVI) es un indicador numérico, similar al NDVI,

que utiliza las bandas espectrales rojas y de infrarrojo cercano. Al igual que el
NDVI, el AVI se usa en estudios de vegetación para monitorear las variaciones de
cultivos y bosques a lo largo del tiempo. A través de la combinación
multitemporal de AVI y NDVI, los usuarios pueden discriminar diferentes tipos de
vegetación y extraer características / parámetros de fenología. Para calcular el
AVI con las siguientes fórmulas (una para cada satélite):

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 2/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Aprende a calcular índices espectrales.

Índice de suelo desnudo (BSI)

El Índice de suelo desnudo (BSI) es un indicador numérico que combina

bandas espectrales de infrarrojo de onda cor ta azul, roja, roja y roja para
capturar las variaciones del suelo. Estas bandas espectrales se utilizan de
manera normalizada. La banda infrarroja de onda cor ta y las bandas
espectrales rojas se usan para cuanti car la composición mineral del
suelo, mientras que las bandas espectrales azul y infrarroja cercana se
usan para mejorar la presencia de vegetación. BSI se puede usar en
numerosas aplicaciones de detección remota, como mapeo de suelos,
identi cación de cultivos (en combinación con NDVI), etc. Para calcular el
BSI con las siguientes fórmulas (una para cada satélite):

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 3/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Índice de sombra (SI)

Las características de la sombra del dosel están asociadas por el resplandor

espectral total que se re eja desde el dosel. Canopy Shadow proporciona
información esencial sobre la disposición de árboles y plantas. Como un índice de
detección remota, el Índice de sombra (SI) se calcula utilizando las bandas
visibles del espectro, de una manera que simula la cantidad de energía que no se
re eja hacia el sensor. SI tiene aplicaciones principales en silvicultura y monitoreo
de cultivos. Generalmente se combina con AVI y BSI para ayudar a entender el
estado de la vegetación. Para calcular el SI con las siguientes fórmulas (una para
cada satélite):

Índice de Vegetación de Diferencia

Normalizada (NDVI)

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 4/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

El Índice de Vegetación de Diferencia Normalizada (NDVI, por sus siglas

en inglés) es un indicador numérico que utiliza las bandas espectrales roja
y de infrarrojo cercano. NDVI está altamente asociado con el contenido de
vegetación. Los valores altos de NDVI corresponden a áreas que se
re ejan más en el espectro del infrarrojo cercano. Una mayor re ectancia
en el infrarrojo cercano corresponde a una vegetación más densa y más
saludable. El NDVI se puede utilizar en numerosas aplicaciones de
detección remota, como la determinación de la fenología del cultivo, la
identi cación del tipo de cultivo, la salud del cultivo, el monitoreo forestal,
etc. Para calcular el NDVI con las siguientes fórmulas (una para cada
satélite):

Índice de agua de diferencia normalizada

(NDWI)

El Índice de Diferencia de Agua Normalizado (NDWI, por sus siglas en

inglés) es un indicador numérico, derivado de imágenes satelitales
ópticas, que utiliza las bandas espectrales de infrarrojo cercano e
infrarrojo de onda cor ta. La última banda espectral está altamente
asociada con los cambios en el contenido de agua de la vegetación y la

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 5/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

estructura espesa de mesó lo en los aleros de la vegetación. La respuesta

de la banda espectral del infrarrojo cercano se correlaciona con la
estructura interna de la hoja y el contenido de materia seca de la hoja,
excluyendo el contenido de agua. NDWI es útil en muchas aplicaciones de
detección remota. El monitoreo de la salud de los cultivos, el mapeo de los
embarques de tierra / agua, la discriminación de aguas continentales de
los cuerpos de agua de mar abier to, son solo algunas de las aplicaciones
en las que se utiliza NDWI. Para calcular el NDWI con las siguientes
fórmulas (una para cada satélite):

Índice de nieve de diferencia normalizada (NDSI)

El índice de nieve diferenciado normalizado (NDSI, por sus siglas en inglés) es un

indicador numérico que resalta la cober tura de nieve en áreas terrestres. Las
bandas espectrales infrarrojas de onda verde y cor ta se utilizan para hacer un
mapa de la extensión de la cubier ta de nieve. La nieve y las nubes re ejan la
mayor par te de la radiación incidente en la banda visible. Sin embargo, la nieve
absorbe la mayor par te de la radiación incidente en el infrarrojo de onda cor ta,
mientras que las nubes no lo hacen. Esto permite que el NDSI distinga la nieve de
las nubes. El NDSI se usa comúnmente en aplicaciones de mapeo de la capa de
https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 6/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

nieve / hielo y también se puede usar, de manera subsidiaria, en el monitoreo de

glaciares. Para calcular el NDSI con las siguientes fórmulas (una para cada
satélite):

Índice de glaciares de diferencia normalizada

(NDGI)

Los glaciares son una par te esencial de nuestro entorno de vida y

especialmente de la criosfera. Aunque no todos están familiarizados con
los glaciares, se consideran regiones naturales muy impor tantes que
necesitan ser preservadas y monitoreadas. ¡Los cientí cos que analizan
los glaciares pueden modelar y comprender mejor el clima y sus cambios y
sumergirse en la historia climática olvidada de la Tierra! El Índice de
glaciares de diferencia normalizada (NDGI, por sus siglas en inglés) es un
indicador numérico que ayuda a detectar y monitorear los glaciares
utilizando las bandas espectrales verde y roja. Las principales
aplicaciones de detección remota en las que se usa NDGI son la detección
y monitoreo de glaciares (movimiento en el tiempo, continuidad, etc.).
Para calcular el NDGI con las siguientes fórmulas (una para cada satélite):

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 7/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Índice de humedad de diferencia normalizada

(NDMI)

El Índice de Humedad de Diferencia Normalizada (NDMI) es un indicador

numérico, que se utiliza en combinación con otros índices de vegetación (NDVI y /
o AVI), que se asocia con la humedad de la vegetación. NDMI utiliza las bandas
espectrales de infrarrojo cercano y de onda cor ta para capturar las variaciones de
humedad en áreas con vegetación. El monitoreo de la sequía y los cambios sutiles
en las condiciones de humedad de la vegetación son aplicaciones de detección
remota donde NDWI es aplicable. NDMI también se puede usar para determinar la
humedad del combustible para las evaluaciones de riesgo de incendios forestales.
Para calcular el NDMI con las siguientes fórmulas (una para cada satélite):

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 8/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Índice de relación quemada normalizada

(NBRI)

Los incendios forestales son fenómenos naturales o provocados por el

hombre que destruyen los recursos naturales, las poblaciones vivas,
desequilibran los entornos locales, liberan una gran cantidad de gases de
efecto invernadero, etc. La comunidad cientí ca ha introducido el Índice
de relación de combustión normalizada (NBRI) para estimar la gravedad
de los incendios. , principalmente en zonas boscosas. NBRI aprovecha las
bandas espectrales de infrarrojo cercano y de onda cor ta, que son
sensibles a los cambios de vegetación, para detectar áreas quemadas y
monitorear la recuperación del ecosistema. El NBRI debe usarse al menos
en pares para extraer información. Una imagen NBRI antes del evento de
incendio y una o más imágenes NBRI después del evento de incendio. La
diferencia entre estas imágenes NBRI resaltará las áreas quemadas y se
puede usar para monitorear el compor tamiento del ecosistema a medida
que pasa el tiempo.

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 9/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

Normalized Pigment Chlorophyll Ratio Index

(NPCRI)

Crop/vegetation chlorophyll content is one of the parameters that is needed to

determine several physiological parameters of plants. For example, crops with low
Nitrogen content usually have a high carotenoid to chlorophyll ratio. Changes in
such parameters can alter the spectral response of plants, thus making possible
to quantify them using spectral indexes. The Normalized Pigment Chlorophyll
Ratio Index (NPCRI) is a numerical indicator that is associated with the
chlorophyll content and can nd applications in precession agriculture. Using the
red and blue spectral bands, NPCRI can capture the information needed to
quantify chlorophyll and Nitrogen. To calculate the NPCRI with the following
formulas (one for each satellite):

Article written by

I'm a Remote Sensing and a Surveying Engineer. I received my degree from NTUA in
my Ph.D. in hyperspectral remote sensing in 2016. From graduation in 2010, my care
Associate and Teaching Associate in the Laboratory of Remote Sensing of NTUA. Fro
several private companies as a Remote Sensing Exper t and Geospatial Analyst. From
positioned as Senior Ear th Observation Exper t. During these years, I have par ticipat
European Commission and European Space Agency projects, have over 16 peer revie
the eld of Remote Sensing, and have an international patent in hyperspectral data
and professional interests are in the optical remote sensing area, where I specialize
measurements) processing and algorithm design and development. Some of the softw

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 10/11
18/3/2019 Índices espectrales con datos satelitales multiespectrales.

accomplish my research and business dreams are SNAP, ENVI, IDL, QGIS, ERDAS Ima
have been working with these tools since 2008.

Dimitris Sykas
Experto en Teledetección
[email protected]

Accede a todo nuestro contenido con una suscripción anual. SOLO 8 $ / mes
(facturados anualmente)

GEO Premium

1 año de acceso

https://www.geo.university/pages/spectral-indices-with-multispectral-satellite-data 11/11