Was ist NDVI und wie wird es in der Landwirtschaft eingesetzt – mit welchen Kameras

Regeln: Behalten Sie Fachbegriffe, Zahlen, Einheiten, URLs, Markdown-Formatierung und Markennamen bei. Verwenden Sie deutsche landwirtschaftliche Begriffe: Landwirtschaft, Ackerbau, Präzisionslandwirtschaft

Meine Bio-Luzerne-NDVI-Herausforderung

Auf meiner persönlichen Reise in die Präzisionslandwirtschaft und Analytik stieß ich im Kontext der Bildanalyse auf NDVI. Mein Ziel ist es, ein 45 Hektar großes Feld mit Bio-Luzerne zu analysieren, um die Wirkung von Dünger vor und nach der Ausbringung zu bewerten. Meine Hauptfrage lautet: Wo, welche Art und wie viel Dünger sollte ich ausbringen und welche Auswirkungen wird dies auf den Luzernebestand haben? Ich besitze eine Mavic Pro Kamera mit einer Standard-RGB-Kamera. Als ich auf Twitter fragte, wie ich vorgehen solle, schlug jemand vor, multispektrale Daten zu verwenden, um eine Reihe von Vegetationsindizes zu untersuchen, darunter auch NDVI. Also tauchte ich tief in das Kaninchenloch ein, um mehr über NDVI zu erfahren.

Diese Luftaufnahme erfasst vielfältige Agrarflächen und Naturgebiete, wobei hervorgehobene Abschnitte spezifische Regionen für eine fokussierte Untersuchung anzeigen. Solche Rohbilder bilden die Grundlage für multispektrale Analysen und die Erstellung von NDVI-Karten, die für das Verständnis der Pflanzengesundheit und die Steuerung eines präzisen Pflanzenmanagements entscheidend sind.

Die Luzernefelder auf meinem Hof, Juni 2022

Der Normalized Difference Vegetation Index (NDVI) ist eine weit verbreitete Methode zur Bewertung der Menge an lebendiger Vegetation in einem bestimmten Gebiet, insbesondere in der Landwirtschaft.

Was ist NDVI (Normalized Difference Vegetation Index)

Pflanzen sind erstaunliche Organismen, die Sonnenlicht als Energie nutzen, um ihre eigene Nahrung herzustellen. Dies geschieht durch einen Prozess namens Photosynthese, der in ihren Blättern stattfindet. Interessanterweise absorbieren Pflanzenblätter nicht nur Sonnenlicht, sondern reflektieren auch einen Teil davon zurück. Dies gilt insbesondere für nahes Infrarotlicht, das für unsere Augen unsichtbar ist, aber die Hälfte der Energie im Sonnenlicht ausmacht.

Der Grund für diese Reflexion ist, dass zu viel nahes Infrarotlicht für Pflanzen schädlich sein kann. Sie haben sich daher entwickelt, um sich durch die Reflexion dieser Art von Licht zu schützen. Infolgedessen erscheinen lebende grüne Pflanzen im sichtbaren Licht dunkel, aber im nahen Infrarotspektrum hell. Dies unterscheidet sich von Wolken und Schnee, die im sichtbaren Licht hell und im nahen Infrarotspektrum dunkel erscheinen.

Durch die Nutzung der Nahinfrarot-Reflexionseigenschaften von Vegetation enthüllen diese dualen NDVI-Karten Unterschiede in der Pflanzengesundheit auf einem Landwirtschaftsfeld. Der Vergleich zeigt, wie die Anpassung des visuellen dynamischen Bereichs Bereiche mit starkem Stress, rot dargestellt, von gesunder grüner Vegetation abheben kann. Bildquelle: Pix4D, ein Schweizer Unternehmen, das Photogrammetrie- und Computer-Vision-Software entwickelt, um RGB-, thermische und multispektrale Bilder in 3D-Karten und -Modelle umzuwandeln.

Wissenschaftler können diesen einzigartigen Zug nutzen, um Pflanzen mit einem Werkzeug namens NDVI oder Normalized Difference Vegetation Index zu untersuchen. NDVI misst die Differenz zwischen der Menge an rotem und Nahinfrarotlicht, das von Pflanzen reflektiert wird. Je mehr Blätter eine Pflanze hat, desto mehr werden diese Wellenlängen des Lichts beeinflusst, was uns wichtige Informationen über die Pflanzengesundheit und -verteilung liefern kann.

NDVI ist eine Methode für Wissenschaftler, Satellitenbilder zur Untersuchung von Pflanzen und Landwirtschaft zu nutzen. Indem wir verstehen, wie Pflanzen mit Sonnenlicht interagieren, können wir mehr über die Welt um uns herum und wie wir unseren Planeten pflegen lernen.

Zusammengefasst: NDVI ist ein standardisiertes Maß für gesunde Vegetation. Es quantifiziert Vegetation, indem es die Differenz zwischen Nahinfrarot (NIR) und rotem Licht misst. Gesunde Vegetation reflektiert mehr NIR- und grünes Licht als andere Wellenlängen, absorbiert aber mehr rotes und blaues Licht. NDVI-Werte reichen immer von -1 bis +1.

Geschichte des NDVI

Im Jahr 1957 startete die Sowjetunion Sputnik 1, den ersten künstlichen Satelliten, der die Erde umkreiste. Dies führte zur Entwicklung von Wettersatelliten, wie den Sputnik- und Kosmos-Programmen in der Sowjetunion und dem Explorer-Programm in den USA. Die Satelliten der TIROS-Serie wurden 1960 gestartet und folgten die Nimbus-Satelliten und die Advanced Very High Resolution Radiometer-Instrumente auf den Plattformen der National Oceanic and Atmospheric Administration (NOAA). Die NASA entwickelte auch den Earth Resources Technology Satellite (ERTS), der zum Vorläufer des Landsat-Programms wurde.

Das Landsat-Programm wurde 1972 mit dem MultiSpectral Scanner (MSS) gestartet, der die Fernerkundung der Erde ermöglichte. Eine frühe Studie mit Landsat konzentrierte sich auf die Great Plains-Region im zentralen US-Gebiet. Forscher stellten fest, dass der Sonnenzenitwinkel über diesem starken Breitengradgefälle es schwierig machte, die biophysikalischen Merkmale der Weide- und Vegetationsdecke anhand der spektralen Signale des Satelliten zu korrelieren. Sie entwickelten den Normalized Difference Vegetation Index (NDVI) als Mittel zur Anpassung an die Effekte des Sonnenzenitwinkels. NDVI ist heute der bekannteste und am häufigsten verwendete Index zur Erkennung von lebenden grünen Pflanzenbeständen in multispektralen Fernerkundungsdaten. Er wird auch zur Quantifizierung der photosynthetischen Kapazität von Pflanzenbeständen verwendet, was jedoch eine komplexe Aufgabe sein kann.

Wie berechnet man NDVI?

Der NDVI verwendet die NIR- und Rot-Kanäle in seiner Formel. Satelliten wie Landsat und Sentinel-2 verfügen über die notwendigen Bänder mit NIR und Rot. Das Ergebnis liefert einen Wert zwischen -1 und +1. Wenn Sie eine geringe Reflektanz im Rot-Kanal und eine hohe Reflektanz im NIR-Kanal haben, ergibt sich ein hoher NDVI-Wert, und umgekehrt.

NDVI in der Landwirtschaft

Der NDVI hat mehrere Anwendungen in verschiedenen Sektoren. Forstwirte nutzen den NDVI zur Quantifizierung des Waldvorrats und des Blattflächenindex, und NASA gibt an, dass der NDVI ein guter Indikator für Dürre ist. Wenn Wasser das Pflanzenwachstum begrenzt, hat es einen geringeren relativen NDVI und eine geringere Vegetationsdichte. Andere Sektoren, die den NDVI nutzen, sind die Umweltwissenschaft, die Stadtplanung und das Management natürlicher Ressourcen.

Der NDVI wird häufig in der Landwirtschaft eingesetzt, um die Pflanzengesundheit zu überwachen und die Bewässerung zu optimieren. Landwirte nutzen den NDVI für die Präzisionslandwirtschaft, zur Messung der Biomasse und zur Identifizierung von Pflanzen, die mehr Wasser oder Dünger benötigen.

Wie wird der NDVI verwendet? Satellitenbilder vs. Drohnenbilder

Welche Satellitenbilder haben Nahinfrarot für NDVI? Wie bereits erwähnt, produzieren Satelliten wie Sentinel-2, Landsat und SPOT Rot- und Nahinfrarotbilder. Es gibt kostenlose Satellitenbild-Datenquellen im Web, die man herunterladen kann, um NDVI-Karten in ArcGIS oder QGIS zu erstellen.

Die Pflanzengesundheit ist ein kritischer Aspekt der Präzisionslandwirtschaft, und NDVI-Daten sind ein wertvolles Werkzeug zu deren Messung. Heute ist der Einsatz von Agrardrohnen eine gängige Praxis, um NDVI-Daten zu vergleichen und potenzielle Probleme mit der Pflanzengesundheit zu identifizieren. Durch die Messung der Differenz zwischen Nahinfrarot- und Rotlicht kann der NDVI Landwirten helfen, die Bewässerung zu optimieren und Pflanzen zu identifizieren, die mehr Wasser oder Dünger benötigen. Zum Beispiel bieten PrecisionHawk und Sentera Agrardrohnen an, die NDVI-Daten innerhalb eines Tages erfassen und verarbeiten können, was eine deutliche Verbesserung gegenüber traditionellen NDVI-Techniken darstellt, die oft lange Wartezeiten erfordern. Forscher haben herausgefunden, dass NDVI-Bilder sogar mit Standard-RGB-Digitalkameras mit einigen Modifikationen erhalten werden können, und dieser Ansatz kann in Systeme zur Überwachung der Pflanzengesundheit integriert werden.

Mobile Anwendungen haben in den letzten Jahren stark zugenommen und nutzen NDVI-Daten zur Überwachung der Pflanzengesundheit. Doktar' Orbit ist eine solche App, die Landwirten NDVI-Daten in Form von Gesundheitskarten zur Verfügung stellt, um Anomalien auf ihren Feldern zu identifizieren. Diese Apps zielen darauf ab, die Landwirtschaft zu revolutionieren, indem sie neue Wege für die Feldbegehung und die Digitalisierung der Landwirtschaft bieten. Ferngesteuerte Feldüberwachungswerkzeuge, die auf NDVI-Technologie basieren, können Landwirten erhebliche Kraftstoffkosten sparen, indem sie die Notwendigkeit häufiger Feldinspektionen reduzieren, und können bei einem effizienten Bewässerungsmanagement helfen.

Welche Art von (Drohnen-)Kamera für NDVI? RGB & IR-aufgerüstet vs. Multispektral

Okay, das ist ein ziemlich heißes Feld, das ich bemerkt habe, und das Kaninchenloch wird immer tiefer.

Standard-RGB-Kameras sind dafür konzipiert, rotes, grünes und blaues Licht zu erfassen, während modifizierte Kameras je nach Modell eine Kombination aus Nahinfrarot-, Rot-, Grün- und Blaulicht erfassen können. Um RGB-Pflanzengesundheitskarten zu erstellen, die die "Grünheit" von Pflanzen zeigen, kann man eine Standard-RGB-Kamera mit spezifischen Algorithmen in der Software verwenden.

Einige Unternehmen verkaufen "gefälschte" Ag- oder NDVI-Kameras, die einfach nur normale Kameras sind, bei denen ein Infrarotfilter entfernt und ein Blaufilter installiert wurde. Diese Kameras sind jedoch für radiometrische Messungen wie NDVI ungenau, da es zu viel Überlappung zwischen den Farbkanälen gibt und sie keinen Sensor haben, der Unterschiede in der Beleuchtung zwischen den Besuchen berücksichtigt. Infolgedessen können diese Kameras nur relative Unterschiede in einem bestimmten Gebiet anzeigen, aber NDVI nicht genau messen.

Eine echte und kalibrierte NDVI-Kamera berücksichtigt Beleuchtungsunterschiede und liefert konsistente Ergebnisse zwischen mehreren Besuchen am selben Standort. Seien Sie also vorsichtig beim Kauf einer modifizierten "NDVI-Kamera", die Nahinfrarotlicht erfasst, um Drohnen (bereits für 400 $) aufzurüsten, um Nahinfrarot-(NIR)-Bilder zu erfassen, um eine Vegetationsgesundheitsanalyse durch NDVI-Berechnung durchzuführen. Aber bitte beachten Sie: Dies ist keine echte NDVI-Kamera, und dies kann irreführend sein. Eine Sentera-Kamera ist bereits eine bessere Option, da diese zweckbestimmt sind und kalibriert werden können, aber sie reichen immer noch nicht an ein vollständiges NDVI-System heran. Multispektralkameras, echte NDVI-Kameras sind teuer, wesentlich kostspieliger als die "aufgerüsteten RGB/IR-Kameras". Parrot's Sequoia für 3500 $. TetraCam ADC Snap 4500 $, MicaSense's RedEdge 6000 $+.

Multispektralbilder sind in der Landwirtschaft wichtig, da sie detailliertere und genauere Informationen über Pflanzen und Böden liefern können als herkömmliche RGB-Kameras.

Multispektrale Bildgebung erfasst Bilddaten innerhalb spezifischer Wellenlängenbereiche des elektromagnetischen Spektrums unter Verwendung von Filtern oder Instrumenten, die für bestimmte Wellenlängen empfindlich sind. Sie reicht über den sichtbaren Lichtbereich hinaus und umfasst Infrarot- und Ultraviolettlicht, was die Extraktion zusätzlicher Informationen ermöglicht, die über das hinausgehen, was das menschliche Auge mit seinen sichtbaren Rezeptoren für Rot, Grün und Blau erfassen kann. Ursprünglich für die militärische Zielidentifizierung und Aufklärung entwickelt, wurde die multispektrale Bildgebung in der weltraumgestützten Bildgebung eingesetzt, um Details von Küstenlinien, Vegetation und Landformen der Erde abzubilden. Sie hat auch Anwendungen in der Dokumenten- und Gemäldeanalyse gefunden.

Hier sind einige Gründe, warum multispektrale Bildgebung besser für landwirtschaftliche Anwendungen geeignet ist:

Multispektrale Bildgebung misst typischerweise Licht in einer kleinen Anzahl von Spektralbändern, die von 3 bis 15 reichen.

Hyperspektrale Bildgebung ist eine spezialisierte Form der spektralen Bildgebung, bei der Hunderte von zusammenhängenden Spektralbändern für die Analyse verfügbar sind. Durch die Erfassung von Bilddaten über zahlreiche Spektralbänder hinweg ermöglicht die hyperspektrale Bildgebung eine genauere Identifizierung und Analyse von Materialien als die multispektrale Bildgebung.

Fazit

NDVI hat die Art und Weise, wie wir landwirtschaftliche Kulturen überwachen und verwalten, revolutioniert. Von seinen Anfängen im frühen Landsat-Satellitenprogramm bis hin zu den heutigen hochentwickelten, drohnenmontierten multispektralen Kameras ist dieser Vegetationsindex zu einem unverzichtbaren Werkzeug für die Präzisionslandwirtschaft geworden. Ob Sie kostenlose Satellitenbilder verwenden oder in spezialisierte Geräte investieren, das Verständnis von NDVI hilft Landwirten, datengesteuerte Entscheidungen über die Düngemittelanwendung, das Bewässerungsmanagement und die Überwachung der Pflanzengesundheit zu treffen. Da die Sensortechnologie weiter voranschreitet und zugänglicher wird, werden NDVI und verwandte Vegetationsindizes eine immer wichtigere Rolle in nachhaltigen und effizienten Landwirtschaftspraktiken spielen.

---

NDVI (Normalized Difference Vegetation Index) misst lebende Vegetation, indem er analysiert, wie Pflanzen Nahinfrarotlicht reflektieren. Gesunde Pflanzen reflektieren viel NIR und absorbieren rotes Licht, was auf ein robustes Wachstum hindeutet. Dies hilft Landwirten, die Pflanzengesundheit zu beurteilen, Stress frühzeitig zu erkennen und Variabilität auf den Feldern zu identifizieren, was ein gezieltes Management ermöglicht.

NDVI-Karten zeigen Bereiche mit unterschiedlicher Pflanzengesundheit und Vitalität. Durch die Identifizierung von Zonen mit niedrigerem NDVI können Sie die Düngemittelanwendung präzise auf unterdurchschnittliche Stellen richten, anstatt das gesamte Feld gleichmäßig zu behandeln. Dies optimiert den Einsatz von Betriebsmitteln, reduziert Abfall und stellt sicher, dass Nährstoffe dort angewendet werden, wo sie am dringendsten benötigt werden, um den Ertrag zu verbessern.

Regeln: Behalten Sie Fachbegriffe, Zahlen, Einheiten, URLs, Markdown-Formatierung und Markennamen bei. Verwenden Sie deutsche landwirtschaftliche Begriffe: Landwirtschaft, Ackerbau, Präzisionslandwirtschaft

Nein, Standard-RGB-Kameras können nicht direkt echtes NDVI generieren. Echtes NDVI erfordert die Erfassung von sichtbarem rotem Licht und Nahinfrarot (NIR)-Licht, wofür RGB-Kameras nicht ausgelegt sind. Obwohl es einige 'Pseudo-NDVI'-Methoden gibt, sind diese für präzise landwirtschaftliche Entscheidungen nicht so genau oder zuverlässig wie Daten von spezialisierten Multispektralkameras.

Um genaue NDVI-Daten zu generieren, benötigen Sie eine Multispektralkamera. Diese spezialisierten Kameras erfassen Licht in spezifischen Wellenlängenbändern, am wichtigsten sind die sichtbaren roten und Nahinfrarot (NIR)-Bänder. Drohnen, die mit diesen Multispektralsensoren ausgestattet sind, können über Felder fliegen, um hochauflösende Bilder für eine detaillierte Vegetationsindexierung zu sammeln.

Gesunde, photosynthetisch aktive Pflanzen absorbieren rotes Licht stark für die Energieproduktion, reflektieren aber Nahinfrarot (NIR)-Licht kräftig, um eine Überhitzung zu vermeiden. Dieses deutliche Muster – hohe Rotabsorption und hohe NIR-Reflexion – ist es, was NDVI nutzt. Gestresste oder ungesunde Pflanzen zeigen ein anderes Muster, was es NDVI ermöglicht, ihren Gesundheitszustand zu unterscheiden.

Höhere NDVI-Werte (näher an 1) deuten auf dichtere, gesündere und photosynthetisch aktivere Vegetation hin, was auf ein robustes Wachstum hindeutet. Umgekehrt deuten niedrigere NDVI-Werte (näher an -1 oder nahe 0 für nackten Boden) auf gestresste, spärliche oder ungesunde Pflanzen oder nicht bewachsene Flächen hin. Dies hilft, Problemzonen für Interventionen wie Bewässerung oder Schädlingsbekämpfung zu identifizieren.

---

• Crop Health Monitoring - Doktar (2025) - Doktar - Doktar's Lösungen für das Monitoring der Pflanzengesundheit nutzen Satelliten- und Drohnenbilder, um Frühwarnungen für...
• Crop Health Monitoring | Doktar (2025) - Doktar - Doktar Crop Health Monitoring liefert satellitenbasierte Echtzeit-Einblicke in die Pflanzengesundheit und das Wachstumsstadium, was...
• State of Major Vegetation Indices in Precision Agriculture Studies Indexed in Web of Science: A Review (2023) - Dorijan Radočaj, Ante Šiljeg, Rajko Marinović, Mladen Jurišić - Diese Übersichtsarbeit analysiert die Verbreitung und Anwendung wichtiger Vegetationsindizes, einschließlich NDVI, in Studien zur Präzisionslandwirtschaft.
• NDVI and Beyond: Vegetation Indices as Features for Crop Recognition and Segmentation in Hyperspectral Data (2025) - Andreea Nițu, Corneliu Florea, Mihai Ivanovici, Andrei Racoviteanu - Diese Arbeit untersucht die Einzigartigkeit und Unterscheidungsfähigkeit von NDVI und anderen Vegetationsindizes für die Erkennung und Segmentierung von Kulturen in der Landwirtschaft mit hyperspektralen Daten.
• Landsat Normalized Difference Vegetation Index (2025) - U.S. Geological Survey (USGS) - Diese maßgebliche Seite des USGS erklärt den Landsat NDVI, seine Berechnung und seinen Nutzen zur Quantifizierung der Grünheit und Gesundheit von Vegetation.