WinSCANOPY Pro peut acquérir et analyser des images multispectrales hémisphériques (180° FOV) ou régulières (petit ou moyen FOV) contenant des canaux de données NIR et Visible. Il peut calculer l'indice NDVI et d'autres indices de végétation basés sur les spectres.

WinSCANOPY Pro peut lire les images NIR + Vis produites par la caméra multispectrale NDVI et calcule les valeurs de l'indice spectral [NDVI, ENDVI, EVI...] pour chaque pixel de l'image. L'image entière peut être analysée ou des régions spécifiques de celle-ci (régions circulaires telles que l'hémisphère de 180 FOV ou régions rectangulaires). Il calcule également les valeurs NDVI totales, moyennes, minimales et maximales (et éventuellement d'autres valeurs statistiques en fonction des demandes de l'utilisateur). L'opérateur peut également parcourir l'image et afficher les valeurs NDVI à des positions spécifiques du curseur de la souris dans l'image.

Différents schémas de fausses couleurs sont disponibles pour afficher et visualiser les valeurs NDVI ou d'indice de couleur de l'image.

WinSCANOPY Pro peut calculer six indices spectraux (ENDVI, EVI2, MSAVI, WDRVI, Chlorophylle verte à partir des caméras NDVI) et d'autres indices basés sur la couleur tels que la verdeur (à partir des caméras couleur). L'utilisateur peut également créer son propre indice en combinant les valeurs des canaux RGB, NIR et HSI (teinte, saturation et intensité.

Les images peuvent être utilisées telles quelles ou calibrées par rapport à des cibles à réflectance uniforme (sur l'ensemble du spectre) pour une plus grande précision.

Les images d'indices calculés (NDVI, ENDVI, Greenness...) peuvent être exportées à des fins d'analyse, de documentation, d'impression ou d'examen dans d'autres logiciels.

Pour étudier la végétation urbaine, il est parfois plus facile de l'identifier et de la séparer des bâtiments et objets environnants en utilisant le canal NIR*1. De même, dans les applications forestières et urbaines, il est parfois possible d'obtenir trois niveaux de classification des pixels (ciel, feuilles et branches) et de calculer l'indice de surface des branches séparément de l'indice de surface foliaire*2.

*1 Osmond P. Application of Near-Infrared Hemispherical Photography to Estimate Leaf Area Index of Urban Vegetation., University of New South Wales, Sydney, Australia. The seventh International Conference on Urban Climate, 29 June - 3 July 2009, Yokohama, Japan

*2 Chapman L. Potential Applications of Near Infra-Red Hemispherical Imagery in Forest Environments. Agricultural and Forest Meteorology 143 (2007) 151-156.