降雨在多大程度上影響薩克森-安哈特的衛星 NDVI？

在 Xsupra，我們使用 NDVI 量化作物狀況。NDVI 是一種植被指數，由衛星影像計算而來，比較近紅外反射率與紅光反射率。指數範圍為 0 到 1，數值越高表示植被越活躍。為了公平比較不同年份，我們聚焦薩克森-安哈特的耕地，並分析多個年份中的同一個月份：2018 至 2024 年的 7 月。

對於每個 7 月，我們生成經過雲篩選的衛星合成影像，計算 NDVI，對耕地進行遮罩，然後計算該州依面積加權的平均 NDVI。同時，我們彙總同一地區和同一月份的總降雨量。如此便將物理植被訊號與盛夏常限制生長的水分輸入配對起來。

關鍵發現，方法跨年份保持一致

• 最乾旱的 7 月：2018 年，降雨 16.5 毫米，平均 NDVI 0.31
• 最潮濕的 7 月：2021 年，降雨 92.2 毫米，平均 NDVI 0.42
• 從最乾到最濕，降雨約增加 457%，NDVI 約增加 42%

Korrelation zwischen Juli-Niederschlag und NDVI in Sachsen-Anhalt (2018-2024)

整個多年序列中的關係

我們評估了 7 月降雨量與 7 月 NDVI 在七年中如何共同變化。兩者呈強正相關，相關性約為 94%。從變異角度看，在州級耕地尺度上，降雨解釋了 7 月 NDVI 年際差異的約 88%。實務上，更多降雨通常會帶來更高的 7 月 NDVI；較少降雨會導致更快乾燥、更高水分逆境和更低 NDVI。儘管存在作物組合、播種日期、溫度波動和管理選擇等正常變化來源，該訊號仍然穩健。

為什麼 NDVI 適合這項任務

NDVI 對紅光中的葉綠素吸收和近紅外中的細胞結構反射作出反應，因此與葉面積和光合作用活性密切相關。月度合成可抑制日常雜訊、雲干擾和單次過境異常值，為管理者和農戶提供穩定的植被活動指標。遮罩至耕地可提高特異性，因為非農業、城市或森林像元會稀釋作物反應。

Xsupra 流程在這張圖之外還能實現什麼

• 田區尺度 NDVI 和其他植被指數處理，每月使用同一方法，適合監測和比較
• 快速交付，自動取得衛星影像、品質篩選、合成和統計
• 面向實際工作的交付格式，GeoTIFF 柵格
• 依需求擴充：歷史基準、土壤濕度和田間持水量背景、通行性準備度

這對農戶意味著什麼