27/11/2018 Indices gallery—ArcGIS Pro | ArcGIS Desktop

Galeria de índices
In this topic

1. Vegetation and soils indices

2. Water indices
3. Geology indices
4. Landscape indices

Image indices are images that are computed from multiband images. The images emphasize a specific phenomenon
that is present, while mitigating other factors that degrade the effects in the image. For instance, a vegetation index will
show healthy vegetation as bright in the index image, while unhealthy vegetation has lower values and barren terrain is
dark. Since shading from terrain variation (hills and valleys) affect the intensity of images, the indices are created in
ways that the color of an object is emphasized rather than the intensity or brightness of the object. The value of a
vegetation index for a healthy pine tree that is shadowed in a valley will have a similar value as a pine tree that is in full
sunlight. These indices are often built by combinations of adding and subtracting bands, thereby making various band
ratios. They are tied to specific bands that are in specific parts of the electromagnetic spectrum. As a result, they may
only be valid for certain sensors or classes of sensors and it is critical that the proper bands are used in the calculation.

One of the common ways that these indices are used is for comparison of the same object across multiple images over
time. For instance, there might be multiple image of an agricultural field that were taken weekly since the field was
planted and throughout the growing season. The vegetation index would be computed for each image. When you
analyze these weekly vegetation indices you would expect to see a brightening through the growing season. Then
when senescence begins in the fall, you would see the index diminish until the plant is harvested or the leaves are dead
at the end of the season. The normalizing effect of the indices makes this comparison practical. By comparing multiple
fields in a region, you can identify those that thrive and those that are challenged. This type of analysis might also be
used to identify fields that have suffered from storm damage.

Choose the index according to the phenomena you want to analyze. Be certain that the input image is from a sensor
that has the proper bands (wavelengths and range) to support the index of choice. The indices read the metadata from
the image to check the band names. When they find a match, the index will be automatically applied. ArcGIS Pro
generally uses the band names from Landsat 8, but the band names from other sensors may have different names. In
this case, you can substitute the appropriate band from the sensor you are using in the index function. For example,
Landsat 5 TM Raster Product has a band (7) called mid-infrared (MIR), which is comparable to the Landsat 8
counterpart band (7) called shortwave infrared 2 (SWIR2). In this case, the index you want to apply cannot find the
required band name information from the image metadata, so a dialog box opens to ask you to input the proper band
number for the index you want to apply.

Note:

When selecting an index to apply to your imagery, make sure that your source imagery contains the proper band for
the index. For example, the Normalized Difference Snow Index (NDSI) requires a shortwave infrared (SWIR) band, and
will not work properly with imagery that does not contain a SWIR band.

Vegetation and soils indices

MSAVI

The Modified Soil Adjusted Vegetation Index (MSAVI2) tries to minimize the effect of bare soil on the SAVI.

MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)2-8(NIR-Red)))

NIR = pixel values from the near infrared band

Red = pixel values from the red band

Reference: Qi, J. et al., 1994, "A modified soil vegetation adjusted index", Remote Sensing of Environment, Vol. 48, No. 2,
119–126.

NDVI

http://pro.arcgis.com/en/pro-app/help/data/imagery/indices-gallery.htm 1/5
27/11/2018 Indices gallery—ArcGIS Pro | ArcGIS Desktop

O índice de vegetação de diferença normalizada (NDVI) é um índice padronizado que permite gerar uma imagem
exibindo verdura, também conhecida como biomassa relativa. Este índice aproveita o contraste de características entre
duas bandas de um conjunto de dados de varredura multiespectral - a absorção do pigmento de clorofila na faixa
vermelha e a alta refletividade do material vegetal na faixa do infravermelho próximo (NIR).

A equação documentada e padrão do NDVI é a seguinte:

NDVI = ((NIR - Red)/(NIR + Red))

NIR = valores de pixel da banda do infravermelho próximo

Vermelho = valores de pixel da faixa vermelha

Esse índice gera valores entre -1,0 e 1,0.

Saiba mais sobre o NDVI

PVI

O Índice de Vegetação Perpendicular (PVI) é semelhante a um índice de vegetação diferente; no entanto, é sensível às
variações atmosféricas. Ao usar este método para comparar imagens diferentes, ele deve ser usado somente em
imagens que foram corrigidas atmosfericamente.

PVI=(NIR-a*Red-b)/(sqrt(1+a2))

NIR = valores de pixel da banda do infravermelho próximo

Vermelho = valores de pixel da faixa vermelha
a = declive da linha do solo
b = gradiente da linha do solo

Esse índice gera valores entre -1,0 e 1,0.

SAVI

O Índice de Vegetação Ajustada pelo Solo (SAVI) é um índice de vegetação que tenta minimizar as influências do brilho
do solo usando um fator de correção do brilho do solo. Isso é freqüentemente usado em regiões áridas onde a
cobertura vegetal é baixa.

SAVI = ((NIR - Red) / (NIR + Red + L)) x (1 + L)

NIR = valores de pixel da banda de infravermelho próximo

Vermelho = valores de pixel da banda quase vermelha
L = quantidade de cobertura vegetal verde

NIR e Red referem-se às bandas associadas a esses comprimentos de onda. O valor L varia dependendo da quantidade
de cobertura vegetal verde. Geralmente, em áreas sem cobertura vegetal verde, L = 1; em áreas de cobertura
vegetativa verde moderada, L = 0,5; e em áreas com cobertura vegetal muito alta, L = 0 (o que equivale ao método
NDVI). Esse índice gera valores entre -1,0 e 1,0.

Referência: Huete, AR, 1988, "Um índice de vegetação ajustado ao solo (SAVI)," Sensoriamento Remoto do Meio
Ambiente , Vol. 25, 295-309.

TSAVI

O Índice de Vegetação Ajustada do Solo Transformado (TSAVI) é um índice de vegetação que tenta minimizar as
influências do brilho do solo, assumindo que a linha do solo tem um declive e intersecção arbitrários.

TSAVI=(s(NIR-s*Red-a))/(a*NIR+Red-a*s+X*(1+s2))

NIR = valores de pixel da banda do infravermelho próximo

R = valores de pixel da faixa vermelha
s = a inclinação da linha do solo
a = interceptar a linha do solo
X = um fator de ajuste ajustado para minimizar o ruído do solo

http://pro.arcgis.com/en/pro-app/help/data/imagery/indices-gallery.htm 2/5
27/11/2018 Indices gallery—ArcGIS Pro | ArcGIS Desktop

Referência: Baret, F. e G. Guyot, 1991, "Potenciais e limites dos índices de vegetação para avaliação de IAF e APAR",
Sensoriamento Remoto do Meio Ambiente , vol. 35, 161-173.

VARI

O Índice de Resistência Atmosférica Visível (VARI) é projetado para enfatizar a vegetação na porção visível do espectro,
enquanto atenua as diferenças de iluminação e os efeitos atmosféricos. É ideal para imagens RGB ou coloridas; Utiliza
todas as três bandas de cores.

VARI = (Green - Red)/ (Green + Red - Blue)

Verde = valores de pixel da faixa verde

Vermelho = valores de pixel da faixa vermelha
Azul = valores de pixel da faixa azul

Referência: Gitelson, A., et al. "Vegetação e linhas de solo no espaço espectral visível: um conceito e técnica para a
estimativa remota da fração de vegetação." International Journal of Remote Sensing 23 (2002): 2537-2562.

Índices de água
NDSI

O NDSI (Índice de Neve de Diferença Normalizada) foi projetado para usar MODIS (banda 4 e banda 6) e Landsat TM
(banda 2 e banda 5) para identificação da cobertura de neve, ignorando a cobertura de nuvens. Como é baseado em
razão, também atenua os efeitos atmosféricos.

NDSI = (Green - SWIR) / (Green + SWIR)

Verde = valores de pixel da faixa verde

SWIR = valores de pixel da faixa de infravermelho de ondas curtas

Referência: Riggs, G., D. Hall e V. Salomonson. "Um índice de neve para o Landsat Thematic Mapper e o moderado
espectrômetro de imagens de resolução". Simpósio de Geociências e Sensoriamento Remoto , IGARSS '94, Volume 4:
Sensoriamento Remoto e Atmosférico: Tecnologias, Análise de Dados e Interpretação (1994), pp. 1942-1944.

MNDWI

O Índice de Água de Diferença Normalizada Modificada (MNDWI) usa faixas verdes e SWIR para melhorar as
características de águas abertas. Também diminui os recursos da área construída que são frequentemente
correlacionados com a água aberta em outros índices.

MNDWI = (Green - SWIR) / (Green + SWIR)

Verde = valores de pixel da faixa verde

SWIR = valores de pixel da faixa de infravermelhos de ondas curtas

Referência: Xu, H. "Modificação do Índice de Água de Diferença Normalizada (NDWI) para Melhorar os Recursos de
Águas Abertas em Imagens de Sensoriamento Remoto." International Journal of Remote Sensing 27, n. 14 (2006): 3025-
3033.

NDMI

O índice de umidade por diferença normalizada (NDMI) é sensível aos níveis de umidade na vegetação. Ele é usado
para monitorar as secas, bem como monitorar os níveis de combustível em áreas sujeitas a incêndios. Utiliza bandas
NIR e SWIR para criar uma relação projetada para mitigar a iluminação e os efeitos atmosféricos.

NDMI = (NIR - SWIR1)/(NIR + SWIR1)

NIR = valores de pixel da banda de infravermelho próximo

SWIR1 = valores de pixel da banda infravermelha de onda curta 1

Referências:

http://pro.arcgis.com/en/pro-app/help/data/imagery/indices-gallery.htm 3/5
27/11/2018 Indices gallery—ArcGIS Pro | ArcGIS Desktop

1. Wilson, E.H. and Sader, S.A., 2002, "Detection of forest harvest type using multiple dates of Landsat TM imagery."
Remote Sensing of Environment, 80 , pp. 385-396.
2. Skakun, R.S., Wulder, M.A. and Franklin, .S.E. (2003). "Sensitivity of the thematic mapper enhanced wetness
difference index to detect mountain pine beetle red-attack damage." Remote Sensing of Environment, Vol. 86,
Pp. 433-443.

Geology indices
Clay Minerals

The clay ratio is a ratio of the SWIR1 and SWIR2 bands. This ratio leverages the fact that hydrous minerals such as the
clays, alunite absorb radiation in the 2.0–2.3 micron portion of the spectrum. This index mitigates illumination changes
due to terrain since it is a ratio.

Clay Minerals Ratio = SWIR1 / SWIR2

SWIR1 = pixel values from the short-wave infrared 1 band

SWIR2 = pixel values from the short-wave infrared 2 band

Reference: Amro F. Alasta, "Using Remote Sensing data to identify iron deposits in central western Libya." International
Conference on Emerging Trends in Computer and Image Processing (ICETCIP'2011) Bangkok Dec., 2011.

Ferrous Minerals

The ferrous minerals ratio highlights iron-bearing materials. It uses ratio between the SWIR band and the NIR band.

Ferrous Minerals Ratio = SWIR / NIR

SWIR= pixel values from the short-wave infrared band

NIR = pixel values from the near infrared band

Reference: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data."
Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for
Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.

Iron Oxide

The iron oxide ratio is a ratio of the red and blue wavelengths. The presence of limonitic-bearing phyllosilicates and
limonitic iron oxide alteration cause absorption in blue band and reflectance in red band. This causes areas with strong
iron alteration to be bright. The nature of the ratio allows this index to mitigate illumination differences caused by
terrain shadowing.

Iron Oxide Ratio = Red / Blue

Red = pixel values from the red band

Blue = pixel values from the blue band

Reference: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data."
Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for
Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.

Landscape indices
BAI

The Burn Area Index (BAI) uses the reflectance values in the red and NIR portion of the spectrum to identify the areas
of the terrain affected by fire.

BAI = 1/((0.1 -RED)^2 + (0.06 - NIR)^2)

Red = pixel values from the red band

NIR = pixel values from the near infrared band

http://pro.arcgis.com/en/pro-app/help/data/imagery/indices-gallery.htm 4/5
27/11/2018 Indices gallery—ArcGIS Pro | ArcGIS Desktop

Reference: Chuvieco, E., M. Pilar Martin, and A. Palacios. "Assessment of Different Spectral Indices in the Red-Near-
Infrared Spectral Domain for Burned Land Discrimination." Remote Sensing of Environment 112 (2002): 2381-2396.

NBR

The Normalized Burn Ratio Index (NBRI) uses the NIR and SWIR bands to emphasize burned areas, while mitigating
illumination and atmospheric effects. Your images should be corrected to reflectance values before using this index.

NBR = (NIR - SWIR) / (NIR+ SWIR)

NIR = pixel values from the near infrared band

SWIR = pixel values from the short-wave infrared band

Reference: Key, C. and N. Benson, N. "Landscape Assessment: Remote Sensing of Severity, the Normalized Burn Ratio;
and Ground Measure of Severity, the Composite Burn Index." FIREMON: Fire Effects Monitoring and Inventory System,
RMRS-GTR, Ogden, UT: USDA Forest Service, Rocky Mountain Research Station (2005).

NDBI

The Normalized Difference Built-up Index (NDBI) uses the NIR and SWIR bands to emphasize man-made built-up areas.
It is ratio based to mitigate the effects of terrain illumination differences as well as atmospheric effects.

NDBI = (SWIR - NIR) / (SWIR + NIR)

SWIR = pixel values from the short-wave infrared band

NIR = pixel values from the near infrared band

Reference: Zha, Y., J. Gao, and S. Ni. "Use of Normalized Difference Built-Up Index in Automatically Mapping Urban
Areas from TM Imagery." International Journal of Remote Sensing 24, no. 3 (2003): 583-594.

Related topics

Tools group on Imagery tab

Export or convert raster datasets

http://pro.arcgis.com/en/pro-app/help/data/imagery/indices-gallery.htm 5/5