> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/satellite-monitoring/indices-for-crops-and-soils.md).

# Kasvi- ja maaperäindeksit

GeoPard voi laskea kasvillisuus-, kosteus-, klorofylli-, maaperän kirkkaus- ja muita indeksejä.

<figure><img src="https://49925783-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FLYsFwlSMWLFKPlm1Mt6z%2Fimage.png?alt=media&amp;token=953379ed-8f3c-4968-a857-34b88f220638" alt=""><figcaption><p>Kukin maaperä- ja kasvillisuusindeksi on kuvattu GeoPard-sovelluksessa</p></figcaption></figure>

### Satelliittikuviin perustuvien indeksien luettelo <a href="#vegetation-indices" id="vegetation-indices"></a>

Kaikki satelliittikuvat korjataan ja optimoidaan katselua ja analysointia varten.

### Artikkeleita GeoPardin blogissa

* [Kasvillisuusindeksit ja klorofyllipitoisuus](https://geopard.tech/blog/vegetation-indices-and-chlorophyll-content/)
* [Mikä kasvillisuusindeksi sopii parhaiten täsmäviljelyyn?](https://geopard.tech/blog/use-of-ndvi-normalized-difference-vegetation-index-in-precision-agriculture/)
* [Miten maaperän kirkkausindeksi edistää kestävää maataloutta?](https://geopard.tech/blog/how-the-soil-brightness-index-enables-sustainable-agriculture/)
* [Kosteus – NDMI-indeksi](https://geopard.tech/blog/normalized-difference-moisture-index-ndmi/)
* [Kasvillisuusindeksit: miten niitä käytetään täsmäviljelyssä?](https://geopard.tech/blog/vegetation-index-how-are-they-used-in-precision-agriculture/)

Eri satelliittikuvanäkymät auttavat ymmärtämään peltoa paremmin tuomalla esiin hyvin kehittyneet alueet ja kasvuston taimettumiseen liittyvät poikkeamat. Näihin näkymiin kuuluvat:

1. **RGB** – Luonnolliset eli aidot värit (punainen, vihreä ja sininen).
2. **NIR** – (oletus) yhdistelmä spektrin näkymättömistä (lähi-infrapuna) ja näkyvistä (punainen, vihreä) osista. Se helpottaa aineiston tulkintaa: kasvillisuus näkyy punaisen eri sävyinä, ja tiheä kasvillisuus kirkkaanpunaisena. Maaperä näkyy tummasta vaaleanvihreään tai harmaana.
3. **EVI2** – Parannettu kasvillisuusindeksi (0–2,4) soveltuu NDVI:tä paremmin pelloille, joilla kasvusto on tiheä ja NDVI voi saturoitua. Tätä näkymää voi käyttää kasvuston analysointiin kaikissa kasvuvaiheissa.
4. **LAI** – Lehtialaindeksi (0–5,86) on dimensioton suure, joka kuvaa kasvuston latvustoa. Arvot kuvaavat vaihtelua paljaasta maasta tiheään latvustoon. Indeksi vaihtelee paljaasta maasta (arvo 0) tiheään latvustoon (arvo 3,5 tai suurempi kasvukauden huipulla), ja se esitetään punaisen ja vihreän sävyillä.
5. **NDVI** – Normalisoitu kasvillisuusindeksi (0–1) on hyvä kasvuston kunnon mittari, sillä se kuvaa vihreän kasvillisuuden jakautumista. Näkymän käyttöön liittyy kuitenkin rajoituksia kasvukauden alussa, jolloin maaperä vaikuttaa tuloksiin, sekä kasvillisuuden huipulla, jolloin indeksi voi saturoitua. Kartalla arvot esitetään punaisen ja vihreän sävyillä.
6. **GNDVI** – Vihreä normalisoitu kasvillisuusindeksi (0–1). Se reagoi klorofyllipitoisuuden eroihin herkemmin kuin NDVI, ja sitä suositellaan kasvustoille kasvun alku- ja keskivaiheissa. Kartalla arvot esitetään punaisen ja vihreän sävyillä.
7. **IPVI** – Infrapunan kasvillisuusprosentti-indeksi (0–1). Toiminnallisesti tämä indeksi vastaa NDVI:tä, mutta sen laskenta on nopeampaa.
8. **GCI** – Vihreä klorofylli-indeksi (0–7). Indeksiä käytetään lehtien klorofyllipitoisuuden arviointiin, ja se soveltuu monille kasvilajeille. Se auttaa arvioimaan kasvien kuntoa, sillä stressaantuneiden kasvien klorofyllipitoisuus pienenee. Kartalla arvot esitetään vaalean- ja tummanvihreän sävyillä.
9. **SAVI** – Maaperäkorjattu kasvillisuusindeksi (0–1,5) vähentää maaperän kirkkauden vaikutusta. Se soveltuu parhaiten kasvukauden alkuun, kun kasvit ovat erillään toisistaan tai riveissä ja maaperä näkyy selvästi, sekä kasvun keskivaiheeseen, jolloin kasvit eivät vielä kosketa toisiaan.
10. **OSAVI** – Optimoitu maaperäkorjattu kasvillisuusindeksi (0–1). Se soveltuu parhaiten alueille, joilla kasvillisuus on melko harvaa, sekä kasvustoille kasvun alku- ja keskivaiheissa. Indeksi esitetään punaisesta vihreään etenevällä väriskaalalla.
11. **NDWI** – Normalisoitu vesindeksi. Sitä käytetään veden erottamiseen kuivasta maasta ja vesialueiden kartoittamiseen. Kartalla arvot esitetään sinisen sävyillä.
12. **WDRVI** – Laajan dynaamisen alueen kasvillisuusindeksi (−0,6–0,4). Indeksiä käytetään kasvuston fysiologisten ja fenologisten ominaisuuksien tarkempaan analysointiin. Se käyttää samoja kanavia kuin NDVI, mutta sen dynaaminen alue on laajempi.
13. **SBI** – Maaperän kirkkausindeksi. Se toimii maaperän orgaanisen aineksen, hiekkaisuuden ja suolaisuuden mittarina ja on tärkeä maaperän olosuhteissa ajan mittaan tapahtuvien muutosten tutkimisessa.\
    Hiekkamaat ovat vaaleampia ja karkeampirakenteisia, joten ne heijastavat enemmän valoa ja saavat maaperän kirkkausindeksissä suurempia arvoja. Savimaat puolestaan sisältävät enemmän orgaanista ainesta ja kosteutta, joten ne näkyvät tummempina ja saavat pienempiä arvoja.
14. **NDMI** – Normalisoitu kosteusindeksi. Sitä käytetään kasvillisuuden vesipitoisuuden määrittämiseen. Indeksi soveltuu hyvin kasvien vesistressin havaitsemiseen. Hyväkuntoisen kasvillisuuden arvot ovat suurempia. Pienet kosteusindeksin arvot viittaavat siihen, että kasvit kärsivät riittämättömästä kosteudesta.\
    Tulkinta:
    * (−1; −0,8) Paljas maa;
    * (−0,8; −0,2) Ei lainkaan tai hyvin vähän latvuspeittoa;
    * (−0,2; 0) Latvuspeitto vähäinen ja vesistressi suuri TAI latvuspeitto hyvin vähäinen ja vesistressi pieni;
    * (0; 0,2) Latvuspeitto keskinkertainen ja vesistressi suuri TAI latvuspeitto vähäinen ja vesistressi pieni;
    * (0,2; 0,4) Latvuspeitto suuri ja vesistressi suuri TAI latvuspeitto keskinkertainen ja vesistressi pieni;
    * (0,4; 1) Latvuspeitto suuri tai hyvin suuri eikä vesistressiä ole.
15. **MSI** – Kosteusstressi-indeksi. Sitä käytetään latvuston stressin analysointiin, tuottavuuden ennustamiseen ja biofysikaaliseen mallintamiseen. Indeksin suuret arvot viittaavat kasvien voimakkaampaan vesistressiin sekä maaperän vähäisempään kosteuteen ja vesipitoisuuteen. Indeksin arvot vaihtelevat välillä 0–yli 3. Vihreälle kasvillisuudelle tyypillinen vaihteluväli on 0,2–2.
16. **CCCI** – Latvuston klorofyllipitoisuusindeksi. CCCI on kaksiulotteinen kaukokartoitusindeksi, jota ehdotetaan viljelykasvien typpitilan arviointiin. CCCI huomioi lähi-infrapuna- (NIR) ja punaisen spektrialueen heijastusarvojen avulla latvuston tiheyden kausivaihtelun. Lähi-infrapuna- ja kaukopunaisen alueen heijastusarvoilla puolestaan havaitaan suhteelliset muutokset latvuston klorofyllipitoisuudessa, joka toimii typen määrän sijaismittarina.
17. **MCARI** – Muokattu klorofyllin absorptiosuhdeindeksi reagoi lehtien klorofyllipitoisuuteen ja maanpinnan heijastavuuteen. Yleensä suuret MCARI-arvot viittaavat lehtien pieneen klorofyllipitoisuuteen. MCARI:n heikkoutena on pienten klorofyllipitoisuuksien ennustaminen, sillä maaperän signaali rajoittaa indeksin toimivuutta.
18. **TCARI** – Muunnettu klorofyllin absorptioheijastusindeksi (Transformed Chlorophyll Absorption Reflectance Index) on yksi useista CARI-indekseistä, jotka kuvaavat klorofyllin suhteellista runsautta. Siihen vaikuttaa taustalla olevan maan heijastavuus, erityisesti kasvustossa, jonka LAI on pieni.
19. **MCARI/OSAVI** ja **TCARI/OSAVI** ovat CARI-indeksin yhdistettyjä muotoja, joiden lineaarisuus klorofyllipitoisuuden suhteen on parempi ja jotka kestävät lehtialaindeksin (LAI) vaikutusta. Parannus johtuu siitä, että punaisen ja lähi-infrapunan heijastavuuden sijasta käytetään vihreän, punaisen ja punaisen reunan heijastavuutta. Indeksien yhdistelmiä voidaan käyttää latvuston klorofyllipitoisuuden arviointiin.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/fin/tuote-esittely-verkkosovellus/satellite-monitoring/indices-for-crops-and-soils.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
