Hubungan Piksel Campuran Terhadap Nilai Ndvi Objek Vegetasi Pada Citra Landsat 8 Oli

Rifka Noviaris Yogyantoro, Retnadi Heru Jatmiko

Sari


NDVI merupakan indeks vegetasi yang telah diterapkan dan ditelaah secara luas sehingga  NDVI menjadi indeks yang secara umum sering digunakan. Satu masalah yang jarang diperhatikan dalam aplikasi indeks vegetasi untuk citra resolusi menengah, termasuk NDVI, adalah keberadaan piksel campuran. LSMA merupakan metode analisis piksel campuran untuk menguraikan piksel campuran ke dalam nilai proporsi komponen fisik penyusun atau disebut sebagai fraksi penutup lahan. Penelitian ini bertujuan untuk menganalisis hubungan antara berbagai kondisi campuran fraksi penutup lahan dengan nilai NDVI objek vegetasi. Landsat 8 OLI digunakan sebagai data utama dalam penelitian ini dan algoritma LSMA diterapkan untuk menghasilkan fraksi penutup lahan. Hasil analisis regresi fraksi vegetasi dengan nilai NDVI menunjukan bahwa fraksi vegetasi hc dalam kelas campuran hchm memiliki R2 mencapai 0,912. Fraksi vegetasi dalam kondisi campuran dengan 1 fraksi non-vegetasi menghasilkan R2 mencapai 0,99 untuk kelas hcps dan 0,87 untuk kelas hmtb. Sementara itu, analisis regresi antara NDVI dan fraksi vegetasi dalam kondisi campuran dengan 2 fraksi non-vegetasi menghasilkan R2 mencapai 0,95 untuk kelas hc-2nv dan 0,94 untuk kelas mg-2nv. Secara keseluruhan, fraksi tutupan vegetasi memiliki korelasi positif yang kuat terhadap nilai NDVI meski dalam kondisi campuran.


Kata Kunci


fraksi tutupan vegetasi , linear spectral mixture analysis, NDVI , piksel campuran,fractional vegetation cover, linear spectral mixture analysis, mixed pixel

Referensi


Asis, A. M., Osama, K., Oki, K., & Shimizu, Y. 2008. Accuracy and Applicability of Linear Spectral Unmixing in Delineating Potential Erosion Areas in Tropical Watersheds. International Journal of Remote Sensing Vol 29. Hlm 4151-4171.

Bannari, A., Morin, D., Bonn, F., & Huette, A. R. 1995. A Review of Vegetation Indices. Remote Sensing Reviews Vol 13, hlm 95-120.

Browns, Daniel G. 2001. A Spectral Unmixing Approach to Leaf Area Index (Lai) Estimation at The Alpine Treeline Ecotone. Dalam : Millington A.C.,

Walsh S.J., Osborne P.E. (eds) GIS and Remote Sensing Applications in Biogeography and Ecology. The Springer International Series in Engineering and Computer Science, vol 626. Springer, Boston, MA.

Campbell, J. B. & Wynne, R. H. 2011. Introduction to Remote Sensing Fifth Edition. New York: The Guilford Press.

Drumetz, L., Tochon, G., Chanussot, J., & Jutten, C. 2017. Estimating The Number of Endmembers Spectral Unmixing of Hyperspectral Data Collaborative

Sparsity. 13th International Conference on Latent Variable Analysis and Signal Separation , hlm 381-391.

Faraklioti, Maria., & Petrou, Maria. 1999. NDVI of Sets Mixed Pixels. Journal SPIE Vol 3871, hlm 138-149.

Ghorbani, Ardavan., Mossivand, A. M., & Ouri, A. E. 2012. Utility of The Normalised Difference Vegetation Index (NDVI) for Land/canopy Cover Mapping in Khalkhal County (Iran). Annals of Biological Research Vol.3, 5494-5503.

Green, E. P., Mumby, P. J., Edwards, A. J., dan Clark, C. D. 2000. Remote Sensing Handbook for Tropical Coastal Management. Paris: United Nations Educational, Scientific and Cultural Organization.

Jain, S. K. & Singh, V. P. 2003. Developments in Water Science. USA: Elsevier.

Jensen. J. R. 2016. Introduction to Digital Image Processing. New York : Pearson Prentice Hall.

Lillesand,T. M., Kiefer , R. W., & Chipman, J. W. 2014. Remote Sensing and Image Interpretation Sixth Edition. USA: John Wiley & Sons Inc.

Matsuhita, B., Yang, W., Chen, J., Onda, Y., & Qiu, G. 2007. Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to Topographic Effects: A Case Study in High-Density Cypress Forest. Sensors 7, hlm 2636-2651.Powell 2007

Roberts, D. A., Gardner, M., Church, R, Ustin, S., Scheer , G., & Green , R. O. 1998. Mapping Chaparral in the Santa Monica Mountains Using Multiple Endmember Spectral Mixture Models. Remote Sensing of Environment 65, hlm 267–27.Fan & Liu, 2016

Weisberg, S., (2005). Applied Linear Regression, Third Edition. New Jersey: John Wiley & Sons.

Xue, Jinru & Su, Bafoeng. 2017. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors Volume 2017.


Teks Lengkap: PDF

Refbacks

  • Saat ini tidak ada refbacks.