Wat is NDVI? Betekenis, waarden en formule
Gepubliceerd op
NDVI, de Normalized Difference Vegetation Index, is een getal van −1 tot +1 dat aangeeft hoeveel gezonde, groene vegetatie een pixel van een satellietbeeld bevat. De index vergelijkt twee soorten licht die een oppervlak terugkaatst: nabij-infrarood, onzichtbaar voor ons oog, en rood. NDVI = (NIR − Rood) / (NIR + Rood). Dichte gewassen en bos scoren ongeveer 0,6 tot 0,9, kale grond rond 0,1 en water onder nul.
Het is de meest gebruikte vegetatie-index omdat bijna elke satelliet, en veel dronecamera's, die twee soorten licht vastleggen, en omdat één getal per pixel makkelijk te karteren en in de tijd te vergelijken is. Boeren gebruiken NDVI om zwakke plekken in een perceel te vinden, boswachters om droogte te volgen en planners om te meten hoe groen een stad is. Je berekent hem gratis in QGIS in een paar minuten, de stappen staan hieronder, of je vraagt het aan AI Agent, de QGIS-plugin die wij bouwen, met één zin.
in een paar minuten, de stappen staan hieronder, of je vraagt het aan Hoe NDVI werkt
Planten gebruiken rood licht en weigeren nabij-infrarood licht. Een gezond blad absorbeert het meeste rode licht om te groeien en kaatst het meeste nabij-infrarood terug. NASA Earthdata legt uit dat een plant bij droogte of ziekte meer rood en minder nabij-infrarood terugkaatst, waardoor het verschil tussen die twee kleiner wordt.
NDVI zet dat verschil om in één getal:
NDVI = (NIR − Rood) / (NIR + Rood)
Neem een gezond tarweveld dat 40% van het nabij-infrarood en 4% van het rode licht terugkaatst: (0,40 − 0,04) / (0,40 + 0,04) = 0,82. Kale grond kaatst misschien 28% en 20% terug: (0,28 − 0,20) / (0,28 + 0,20) = 0,17. Door te delen door de som is de index “genormaliseerd”: een veld in de schaduw en hetzelfde veld in volle zon geven vergelijkbare waarden.
Onderzoekers gebruikten hem voor het eerst op satellietbeelden in 1974, om gewassen op de Great Plains in de VS te volgen vanaf de eerste Landsat-satelliet.
Wat NDVI-waarden betekenen
De US Geological Survey geeft de bereiken die de meeste bronnen overnemen. Zie ze als vuistregel:
| NDVI | Wat het meestal is |
|---|---|
| Onder 0 | Water, wolken, sneeuw |
| 0 tot 0,1 | Kale rots, zand, kale grond, bebouwd gebied |
| 0,2 tot 0,5 | Schaarse vegetatie: grasland, struiken, jonge of rijpende gewassen |
| 0,6 tot 0,9 | Dichte vegetatie: bos, gewassen op hun piek |
In de formulering van de USGS tonen kale gebieden “0,1 of minder”, schaarse vegetatie “ongeveer 0,2 tot 0,5” en dichte vegetatie “ongeveer 0,6 tot 0,9”. Hetzelfde veld doorloopt alle drie in een jaar, zoals de volgende paragraaf laat zien.
NDVI door het seizoen, gemeten
Een NDVI-waarde zegt pas iets met haar datum erbij. Om dat te laten zien, volgde ik één akker in Punjab, India, door een heel jaar Sentinel-2-beelden. Hetzelfde veld las 0,06 begin juni en 0,92 begin september: van kale grond naar dicht gewas, op dezelfde plek.
De curve volgt de landbouwkalender: tarwe groeit in de winter en piekt rond februari, het veld ligt kaal na de oogst in april, en rijst wordt eind juni geplant en piekt in augustus en september. De stad in de buurt blijft het hele jaar tussen 0,05 en 0,17. Een “0,2” kan dus een jong gewas zijn, een geoogst veld of een dorp, afhankelijk van de maand.
Hoe we dit maten. Ik gebruikte alle 87 Sentinel-2-beelden van het gebied van 26 september 2025 tot 26 september 2026 en koos mijn meetpunten voordat ik een waarde las. Elk punt is het gemiddelde van 3 × 3 pixels van 10 m, en een datum telt alleen mee als er geen wolk of schaduw boven ligt: 60 datums voor dit veld.
Welke banden je gebruikt, per satelliet
De formule verandert nooit, maar elke satelliet nummert zijn banden (de kleuren licht die hij opneemt) anders. Die door elkaar halen is de meest voorkomende beginnersfout.
| Bron | Rode band | Nabij-infraroodband | Pixelgrootte | Terugkeertijd |
|---|---|---|---|---|
| Sentinel-2 (ESA) | B4, 665 nm | B8, 842 nm | 10 m | 5 dagen of minder |
| Landsat 8 en 9 (USGS) | Band 4 | Band 5 | 30 m | 8 dagen samen |
| Landsat 4 tot 7 | Band 3 | Band 4 | 30 m | Archief tot 1982 |
| MODIS (NASA) | Kant-en-klaar NDVI-product, MOD13Q1 | 250 m | Composiet van 16 dagen | |
| Multispectrale dronecamera | Rode band | NIR-band | Een paar cm | Wanneer je vliegt |
Sentinel-2 is de standaard voor velden en boerderijen: gratis, pixels van 10 m, om de paar dagen een nieuw beeld. Gebruik Landsat om verder terug te gaan dan 2015, en MODIS voor een heel land elke twee weken. Een gewone dronecamera kan geen NDVI berekenen, omdat hij geen nabij-infrarood opneemt. Over het vinden en streamen van de scènes lees je meer in Sentinel-2 downloaden in QGIS.
De Sentinel-2-offset die NDVI ongemerkt verlaagt
Sinds 25 januari 2022 tellen Sentinel-2-bestanden 1.000 op bij elke waarde. Het kwaliteitsrapport van ESA zegt dat je die moet aftrekken: reflectantie (het aandeel teruggekaatst licht) = (waarde − 1000) / 10000. De klassieke formule uit tutorials, (B8 − B4) / (B8 + B4) op de ruwe waarden, slaat die stap over en het resultaat komt te laag uit.
De fout is het grootst juist waar het het meest telt, bij gezonde gewassen:
| Oppervlak | Juiste NDVI | NDVI als je de 1.000 vergeet | Fout |
|---|---|---|---|
| Dicht gewas | 0,82 | 0,56 | −0,26 |
| Kale grond | 0,17 | 0,12 | −0,05 |
Een gezond gewas zakt van “dicht” naar de klasse “schaars”. Op ons beeld van Harike daalt het aandeel van het gebied boven 0,6 van 73% naar 14% als je de offset vergeet. Geen van de negen QGIS-tutorials over NDVI die we bekeken noemt hem.
Sommige bronnen halen hem al voor je weg, dus controleer dat voordat je aftrekt. Klik op een pixel met het gereedschap Objecten identificeren: waarden in de duizenden zijn ruw, waarden tussen 0 en ongeveer 1 zijn al reflectantie.
Waar NDVI tekortschiet
NDVI meet groenheid, en groenheid is niet hetzelfde als gezondheid. Vier beperkingen komen in echte projecten steeds terug:
- Hij loopt vol. Boven zeer dichte vegetatie blijft NDVI rond 0,85 tot 0,9 hangen en kan hij een weelderig veld niet onderscheiden van een zeer weelderig veld.
- De bodemkleur lekt door. Waar planten schaars zijn, geven donkere en lichte bodems andere waarden voor dezelfde planten.
- Wolken vervalsen hem. Een dun wolkje verlaagt de NDVI, dus verwijder bewolkte pixels voordat je iets uitmiddelt.
- Satellieten verschillen een beetje. Sentinel-2 en Landsat geven voor hetzelfde veld bijna, maar niet precies dezelfde waarden.
Als die beperkingen spelen, geeft een andere index een beter antwoord:
| Index | Gebruik hem als |
|---|---|
| EVI | De vegetatie zeer dicht is, zoals tropisch regenwoud, waar NDVI niet verder stijgt |
| SAVI | Planten schaars zijn en er veel bodem zichtbaar is, zoals jonge gewassen of droge gebieden |
| NDRE | Je de stikstof in een gewas laat in het seizoen volgt (vraagt een red-edge-band, die Sentinel-2 heeft) |
| NDWI | Je water wilt karteren in plaats van planten |
NDVI berekenen in QGIS
Laad de rode band en de nabij-infraroodband
Laad voor Sentinel-2 de banden B04 (rood) en B08 (nabij-infrarood), gedownload of gestreamd zoals in de Sentinel-2-gids. Klik op een pixel met het gereedschap Objecten identificeren: waarden in de duizenden zijn ruw, waarden van 0 tot 1 zijn al gecorrigeerd.
Open Rasterberekeningen
Raster > Rasterberekeningen…. Voer de formule in met de namen van je lagen. Op reflectantie: ("B08@1" - "B04@1") / ("B08@1" + "B04@1"). Op ruwe waarden vanaf 2022 haal je eerst 1.000 van elke band af: (("B08@1" - 1000) - ("B04@1" - 1000)) / (("B08@1" - 1000) + ("B04@1" - 1000)). Stel het bereik in op jouw gebied in plaats van de hele tegel.
Maak het resultaat op
Open de eigenschappen van de laag, Symbologie, rendertype Enkelbands pseudokleur, een kleurverloop van rood via geel naar groen van −0,2 tot 0,9. Water wordt roodbruin, velden groen.
Vat samen per veld
Voer in de Toolbox Processing het algoritme Gebiedsstatistieken uit met je veldpolygonen om de gemiddelde NDVI van elk veld als attribuut te krijgen.
Hier staat Rasterberekeningen met de formule voor ruwe Sentinel-2-waarden, waarbij eerst 1.000 van elke band wordt afgehaald:
En het resultaat, opgemaakt van rood naar groen, met de legenda in het paneel Lagen:
In één bericht
Wij bouwen AI Agent, dus dit deel gaat over onze eigen plugin. De stappen hierboven kosten ongeveer tien minuten als je ze eenmaal kent. Met de plugin typ je in plaats daarvan de opdracht. Ik stuurde dit, in een nieuw project met standaardinstellingen: “Bereken de NDVI voor de velden rond Harike, Punjab, uit het meest recente wolkenvrije Sentinel-2-beeld, maak hem op van rood naar groen en vertel me welk deel van het gebied boven 0,6 ligt.”
Hij bekeek vijf beelden van september, liet er twee met wolken links liggen, koos dat van 8 september, haalde de offset eraf en antwoordde in ongeveer 3 minuten en 30 seconden: 75% van het gebied van 17 km² lag boven 0,6. Zijn NDVI kwam pixel voor pixel overeen met mijn handmatige.
Hij liet ook zijn werklagen in het project achter en noemde het gebied “4 km bij 4 km” terwijl het 3,8 bij 4,5 km meet. Kleinigheden, maar controleer de cijfers die je citeert.
Probeer AI Agent gratis in QGIS, geen kaart nodig
Wat je moet onthouden
NDVI = (NIR − Rood) / (NIR + Rood), een waarde van −1 tot +1. Dichte gewassen en bos scoren ongeveer 0,6 tot 0,9, kale grond ongeveer 0,1, water onder nul.
Hetzelfde veld doorloopt in een jaar de hele schaal, dus een NDVI-waarde zegt pas iets met haar datum erbij. Een veld in Punjab las 0,06 begin juni en 0,92 begin september.
Bij Sentinel-2 gebruikt NDVI B8 en B4 op 10 m. Sinds 25 januari 2022 hebben ruwe Level-2A-waarden een offset van −1000, die de NDVI van een dicht gewas van 0,82 naar 0,56 verlaagt als je hem negeert.
NDVI loopt vol boven een dicht bladerdek en is gevoelig voor bodem en wolken. EVI, SAVI en NDRE geven in die gevallen een beter antwoord.
Veelgestelde vragen
Wat is een goede NDVI-waarde voor gewassen?
Een gezond gewas op zijn piek leest meestal 0,6 tot 0,9. Vroeg in het seizoen, als planten weinig grond bedekken, is 0,2 tot 0,4 normaal. Vergelijk een veld met zichzelf over het seizoen, of met naburige velden met hetzelfde gewas op dezelfde datum, in plaats van met een vaste drempel.
Wat betekent een negatieve NDVI?
Bijna altijd water, wolk of sneeuw, die meer rood dan nabij-infrarood licht terugkaatsen. Helder open water leest meestal onder nul, terwijl troebel of ondiep water er net boven kan zitten, dus NDVI alleen is een slechte waterdetector.
Welke Sentinel-2-banden gebruik je voor NDVI?
B8 (nabij-infrarood, 842 nm) en B4 (rood, 665 nm), allebei op 10 m. NDVI = (B8 − B4) / (B8 + B4) op reflectantie. Trek bij ruwe Level-2A-waarden die sinds 25 januari 2022 zijn verwerkt eerst de offset van 1.000 van elke band af.
Wat is het verschil tussen NDVI en NDRE?
NDRE gebruikt een red-edge-band in plaats van de rode band. Hij blijft reageren boven een dicht bladerdek waar NDVI vol loopt, waardoor hij beter is voor stikstof en de groeikracht van gewassen laat in het seizoen. Hij vraagt een sensor met een red-edge-band, zoals Sentinel-2 of een multispectrale dronecamera.
Kan ik NDVI berekenen uit een gewone dronefoto?
Nee. NDVI heeft een nabij-infraroodband nodig, en een gewone RGB-camera neemt alleen rood, groen en blauw op. Indices voor zichtbaar licht zoals VARI bestaan, maar het zijn zwakkere benaderingen. Voor NDVI uit een drone heb je een multispectrale camera nodig.
Kan QGIS NDVI automatisch berekenen?
QGIS heeft geen NDVI-knop met één klik, maar Rasterberekeningen doet het met één formule, zoals hierboven. Wil je de stappen overslaan, dan kan een AI-agentplugin het beeld zoeken, de NDVI berekenen en hem opmaken met één zin: de onze, AI Agent, deed dat voor een landbouwgebied in Punjab in ongeveer drieënhalve minuut.
Waar vind ik gratis NDVI-data?
Bereken hem zelf uit Sentinel-2 (10 m) of Landsat (30 m), beide gratis, of download de kant-en-klare MODIS-NDVI van NASA (MOD13Q1, 250 m, elke 16 dagen). QGIS berekent hem in een minuut uit de twee banden met Rasterberekeningen.
Voor het beeldmateriaal vergelijkt Sentinel-2 downloaden in QGIS vier manieren, met de scène gekozen en gestreamd. Multispectraal vs hyperspectraal legt de banden achter de index uit, en boomkronen in kaart brengen in QGIS brengt vegetatie van een index naar polygonen. AI Agent voert de hele NDVI-workflow uit met één zin in QGIS, en de QGIS AI-hub zet de andere AI-plugins op taak op een rij.
