¿Sigues trabajando el índice NDVI para tus mapas de vegetación? Pues atent@ a los resultados de tus mapas porque la técnica del NDVI, así como otros índices de vegetación, tienen contextos de riesgo en la interpretación de resultados. Utilizando un poco de lógica y profundizando en las características de este índice podrás ver algunas carencias que harán que tengas que trabajar el indicador con cierta cautela en contextos particulares basados en fenología, la exposición del suelo o la presencia de agua.
Uno de los malos hábitos con estos índices de vegetación lo podemos ver interpretando el NDVI como ciencia absoluta, despreocupándonos del análisis contextual y asumiendo la interpretación de pixel bajo la rampa de valores habituales comprendidos entre -1 y 1. Pero lo cierto es que, en muchas ocasiones, esos valores pueden quedar influenciados por factores agenos a la vegetación. ¿Qué factores son esos y cómo podemos solucionarlos? Pon ojo a esto.
El tamaño de pixel y su valor
Partamos de la base e imaginemos un mapa NDVI sobre el que seleccionamos uno de sus diminutos píxels para analizarlo meticulosamente. Extraemos el pixel para observar su valor e incluso ir más allá.
Imagina que pudieras fragmentar ese pixel en otros píxels más pequeños para ver con todo detalle qué elementos hay en ese pixel y cómo se distribuyen. Podríamos ver masas vegetales con mayor o menor desarrollo o masas vegetales más o menos jóvenes y saludables. El promedio de valores generados por esos elementos territoriales termina formando nuestro pixel y su valor medio.
Igual no te has parado a pensar en que tu NDVI está centrado en análisis de vegetación. ¿Qué pasa cuando en ese pixel hay casas, carreteras, agua y otros elementos adicionales a la vegetación? Pues que tu pixel no está siendo fiel a lo que el NDVI pretende analizar y entran en juego elementos adicionales a la vegetación. Tu valor NDVI estará mintiéndote.
Influencia del suelo
La exposición del suelo es el principal agente que puede afectar negativamente al valor NDVI. La distribución minuciosa de la vegetación, representada en ese pixel, puede ser muy irregular. Podríamos encontrar vegetación creciendo en mosaicos regulares con exposición del suelo, vegetación formando estructuras irregulares o encontrarnos zonas de transición. En estos casos, la vegetación y el suelo expuesto se combinan para generar un valor medio de pixel. Nuestro pixel no cuenta con un 100% de cobertura vegetal.
Todos nuestros elementos vegetales generarán un valor medio que representará el valor del pixel. Pero la exposición del suelo también tendrá una influencia relevante en ese pixel. Por eso, considerar la exposición del suelo dentro del NDVI es importante en zonas territoriales donde la vegetación no sea continua, se encuentre formando parches dispersos o se encuentre en crecimiento. Contemplar índices alternativos, como el índice SAVI, puede ayudarte a amortiguar la influencia del suelo en el mismo contexto de fórmula del NDVI.
Fenología
Imagina ahora que, dejamos de considerar la vegetación como “una mancha verde” y lo consideramos como un sencillo ser vivo. La mayoría de los índices de vegetación buscan clorofila como indicador de presencia vegetal. Pero la fenología puede eclipsar la presencia de vegetación bajo ciertas condiciones. ¿Qué ocurre en los momentos de pérdida de hoja o durante la floración? ¿Qué ocurre cuando las hojas amarillean por falta de hierro? El concepto «vegetación» no siempre implica el concepto «hojas». Las flores, los frutos y la estructura leñosa también son vegetación y podemos encontrar masas vegetales de colores debido a la presencia de floración.
Un rojo y tupido campo de amapolas presenta buena cobertura vegetal pero tu NDVI lo reconocerá como suelo desnudo o con escaso crecimiento vegetal debido a la presencia de la floración. Campos de tulipanes o cultivos de almendros y cerezos son algunos ejemplos de malos amigos del NDVI.
Ausencia de bandas SWIR para análisis de cultivos de regadío
Otro aspecto importante del NDVI es su juego de bandas NIR y RED, olvidándose por completo de la posibilidad de trabajar con vegetación en zonas de regadío donde, la banda SWIR del infrarrojo de onda corta puede ser más eficiente. De la misma forma que la exposición del suelo afecta a los valores de pixel, la exposición de la lámina de agua donde se desarrollan cultivos de regadío también influye en la interpretación de pixel.
Los tradicionales valores NDVI que identifican masas de agua (valores de índice negativos), y vegetación (valores de índice positivos), se vuelven contradictorios e incoherentes a la hora de localizar esta vegetación ligada a ambientes húmedos. Antes de descartar valores negativos de índice NDVI piensa si estás descartando amplias zonas de cultivos de arroz o estás descartando ecosistemas con potencial productivo de vegetación como los manglares.
Trabajar filtros RGB basados en bandas SWIR pueden indentificar lugares encharcados de agua donde exista presencia de crecimiento de vegetación y que, nuestra vista, no la identifique en ciertos momentos.
Dependencia del NIR
Otro de los problemas del NDVI es su alta dependencia del NIR. ¿Disponemos siempre de bandas NIR en nuestras imágenes aéreas? Técnicas de mapeo, como el vuelo de drones, se basan muchas veces en la adquisición de imágenes a color natural, lo que impide poder trabajar con este índice de vegetación cuando no disponemos de sensores de infrarrojos.
Esta dependencia del NIR puede desaparecer si empleamos otros índices análogos que no se centren en el infrarrojo y puedan trabajar con las bandas visibles. Este es el caso del índice GLI, que permite jugar con el rojo, verde y azul visible y componer índices de vegetación análogos al NDVI utilizando cualquier imagen a color natural, ya provenga de una imagen satélite o de un vuelo aéreo de drones.
