NDMI: Technische Anleitung für Umweltberater - Berechnung, Anwendungen, Grenzen

Der NDMI (Normalized Difference Moisture Index) ist ein spektraler Index, der aus Sentinel-2-Bildern abgeleitet wird und den Wassergehalt in der Vegetationskrone misst. Die Werte reichen von −1 bis +1: Hohe Werte deuten auf eine höhere Blattfeuchtigkeit und günstige Wasserbedingungen hin, niedrige oder negative Werte signalisieren Wasserstress oder das Fehlen von Vegetation.

Die ndmi Formel — NDMI = (NIR − SWIR1) / (NIR + SWIR1) — nutzt die Empfindlichkeit des SWIR1 (~1610 nm) gegenüber Wasser in den Blättern: Bei 1610 nm wird Wasser absorbiert, das NIR (~842 nm) hängt von der Zellstruktur ab. Das Verhältnis isoliert das Wassersignal (Gao, 1996). Der ndmi Vegetationsindex ergänzt den NDVI: Beide zusammen zu lesen, ist nützlich in ESG und UVP.

Wer keine Pipelines von Grund auf baut, kann Werkzeuge wie die NDMI-Aufgabe von iLoveNatura nutzen: Sie beginnt mit Sentinel-2 L2A, wendet die Formel pixelweise an und liefert monatliche Zeitreihen, Karten mit 10 m Auflösung und einen Vergleich zwischen Standort (ROI) und Kontrollbereich (CA) auf einer Skala von A–E. Nützlich für UVP/SUP und ESRS-Berichterstattung.

Um den NDMI-Index zu erhalten, benötigt man zwei spektrale Bänder: das nahe Infrarot (NIR, um 860 nm) und das SWIR1 (um 1610 nm). Es wird mit bereits atmosphärisch korrigierten Oberflächenreflexionen gearbeitet, indem Level-2A-Produkte verwendet und Wolken sowie Schatten mit den Szenenqualitätsbändern maskiert werden. Ohne diese Vorkehrungen sind die zurückgegebenen Werte im Laufe der Zeit schwer vergleichbar.

Die am häufigsten genutzten Satellitenquellen sind zwei. Sentinel-2 der ESA bietet eine Auflösung von 10–20 m und eine Wiederholrate von etwa 5 Tagen, indem die Bänder B8 und B11 genutzt werden, und ist kostenlos; Landsat-8/9 von NASA/USGS arbeitet mit 30 m und einer Frequenz von 16 Tagen und verwendet B5 und B6. Die Wahl hängt vom Maßstab der Analyse und der benötigten historischen Tiefe ab.

Auf der Softwareseite sind die am weitesten verbreiteten Umgebungen Google Earth Engine, QGIS mit dem Semi-Automatic Classification Plugin und ESA SNAP. Für diejenigen, die keinen Code schreiben möchten, steht die generierbare NDMI-Aufgabe auf iLoveNatura zur Verfügung, die fertige Karten für VIA/VAS und ESG produziert.

Der NDMI ist ein mächtiges Werkzeug, aber nicht unfehlbar. Der häufigste Fehler besteht darin, ihn mit dem NDVI zu verwechseln: Obwohl beide normalisierte Indizes sind, messen sie unterschiedliche Dinge — Feuchtigkeit im ersten Fall, photosynthetische Vitalität im zweiten — und sind in einem ESRS E4-Bericht nicht austauschbar.

Ein weiteres Stolperstein ist das atmosphärische Rauschen. Wolken, Schatten und Nebel verschlechtern das Signal: Eine systematische Maskierung ist erforderlich, zum Beispiel mit der Scene Classification Layer von Sentinel-2 oder den QA_PIXEL von Landsat. Das Überspringen dieses Schritts führt zu falsch-positiven Ergebnissen beim Wasserstress.

Die SWIR-Band muss sorgfältig ausgewählt werden: Für den NDMI wird SWIR1 (~1.6 µm) verwendet; das SWIR2 (~2.2 µm) bildet hingegen die Grundlage des NBR, typisch für Brände. Schließlich hängt der NDMI von Art, Phänologie und Boden ab: Es ist besser, ihn vergleichend auf mehrjährigen lokalen Baselines zu interpretieren, anstatt universelle Schwellenwerte anzuwenden. Das Filtern von Pixeln mit geringer Vegetationsbedeckung ist fast immer notwendig.

In der Umweltberatung ist der NDMI kein rein akademischer Indikator: Er findet Anwendung in konkreten Praktiken. In den Verfahren der UVP/SUP wird er genutzt, um den vegetativen Zustand vor der Durchführung zu erfassen, die Maßnahmen zur Minderung zu dimensionieren und die Entwicklung nach der Umsetzung zu überwachen, insbesondere bei linearen Infrastrukturen wie Straßen, Stromleitungen oder agro-photovoltaischen Anlagen.

Im Bereich ESG und CSRD/ESRS E4 liefert der NDMI quantitative und nachvollziehbare KPIs zu den Auswirkungen auf vegetative Ökosysteme: Eine historische Reihe ermöglicht es, objektiv zu dokumentieren, ob eine Minderung funktioniert oder ob ein Standort an ökologischer Funktionalität verliert.

Auf territorialer Ebene hilft der NDMI, degradierte Gebiete zu identifizieren, die für Nature-based Solutions, forstliche Wiederherstellungen und Renaturierungsprojekte priorisiert werden sollten. Er wird auch zu einem Präventionsinstrument: Anomale Veränderungen signalisieren frühzeitigen Wasserstress, was für Brandschutzpläne, Forstmanagement und Klimaanpassung für Unternehmen und Verwaltungen nützlich ist.

Was bedeutet NDMI? (ndmi bedeutung)
NDMI steht für Normalized Difference Moisture Index: Es ist ein normalisierter Satellitenindex, der den Wassergehalt der Vegetation schätzt, indem er das nahe Infrarotband (NIR) mit dem SWIR1-Band kombiniert. Er ist nützlich, um frühzeitig Wasserstress und Dürre im Landschaftsmaßstab zu erkennen.

Was ist der Unterschied zwischen NDMI und NDVI?
Der NDVI misst die photosynthetische Aktivität und Biomasse, indem er Rot und NIR verwendet. Der NDMI hingegen untersucht die Blattfeuchtigkeit durch NIR und SWIR1. Eine Vegetation kann im NDVI "grün" erscheinen, aber bereits unter Wasserstress laut NDMI stehen: Daher ist es sinnvoll, beide zusammen zu betrachten.

Welche Schwellenwerte sollten für NDMI-Werte verwendet werden?
Es gibt keine universellen Schwellenwerte: Die Werte hängen von Art, Phänologie, Klima und Boden ab. Der richtige Ansatz ist, eine mehrjährige lokale Basislinie zu erstellen und relative Abweichungen (z-Score, Perzentile, Vorher/Nachher-Intervention) zu betrachten, anstatt sich auf feste Bereiche aus generischer Literatur zu verlassen.