Download - BEBERAPA JENIS INDEKS VEGETASI.pdf
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
BEBERAPA JENIS INDEKS VEGETASI
DALAM APLIKASI PENGINDERAAN JAUH
A. Indeks Vegetasi
Cambell (2011) menjelaskan, Indeks vegetasi atau VI (vegetation index),
dianalisa berdasarkan nilai-nilai kecerahan digital, dilakuakan untuk percobaan
mengukur biomassa atau vegetatif. Sebuah VI terbentuk dari kombinasi dari
beberapa nilai spektral dengan menambahkan, dibagi, atau dikalikan dengan
cara yang dirancang untuk menghasilkan nilai tunggal yang menunjukkan
jumlah atau kekuatan vegetasi dalam pixel.
Tingginya nilai dari VI mengidentifikasi piksel ditutupi oleh besarnya
proporsi vegetasi sehat. Bentuk paling sederhana dari VI adalah rasio antara dua
nilai digital dari band spektral yang terpisah. Beberapa rasio band didefinisikan
dengan menerapkan pengetahuan tentang perilaku spektral vegetasi hidup. Rasio
band antara pengukuran reflektansi di bagian terpisah spektrum. Rasio efektif
dalam meningkatkan atau mengungkapkan informasi laten saat ada hubungan
terbalik antara dua tanggapan spektral dengan biofisik yang sama fenomena.
Jika dua fitur memiliki perilaku spektral yang sama, rasio memberikan sedikit
tambahan informasi, tetapi jika mereka memiliki respon spektral sangat berbeda,
rasio antara dua nilai memberikan nilai tunggal yang singkat mengungkapkan
kontras antara dua reflectances. Untuk vegetasi hidup, strategi ini bisa sangat
efektif karena hubungan terbalik antara kecerahan vegetasi pada sinar merah dan
inframerah, hal ini menunjukan bahwa ada, penyerapan sinar merah (R) oleh
klorofil dan refleksi yang kuat dari inframerah (IR) radiasi oleh jaringan mesofil
memastikan bahwa nilai-nilai merah dan inframerah akan sangat berbeda dan
rasio IR / R pada tanaman tumbuh aktif akan tinggi. Tanpa ada vegetasi
permukaan, termasuk air terbuka, fitur buatan manusia, tanah kosong, dan mati
atau vegetasi stres, tidak akan menampilkan respon spektral tertentu, dan rasio
akan menurun pada besaranya. Didalam proses indeks vegetasi band inframerah
dan band merah diprioritaskan, dikarenakan band ini sangat kontras dan
menampilkan citra saluran baru dengan meprioritaskan kerapatan vegetasi.
Indeks vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh
dari pengolahan sinyal dijital data nilai kecerahan (brightness) beberapa kanal
data sensor satelit. Untuk pemantauan vegetasi, dilakukan proses pembandingan
antara tingkat kecerahan kanal cahaya merah (red) dan kanal cahaya inframerah
dekat (near infrared). Fenomena penyerapan cahaya merah oleh klorofil dan
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
pemantulan cahaya inframerah dekat oleh jaringan mesofil yang terdapat pada
daun akan membuat nilai kecerahan yang diterima sensor satelit pada kanal-
kanal tersebut akan jauh berbeda. Pada daratan non-vegetasi, termasuk
diantaranya wilayah perairan, pemukiman penduduk, tanah kosong terbuka, dan
wilayah dengan kondisi vegetasi yang rusak, tidak akan menunjukkan nilai rasio
yang tinggi (minimum). Sebaliknya pada wilayah bervegetasi sangat rapat,
dengan kondisi sehat, perbandingan kedua kanal tersebut akan sangat tinggi
(maksimum) (Suniana. 2008).
Gambar 2. Pola Spektral vegetasi dan air
Sumber: (Champbell, 2011)
Pada gambar 2 perbedaan antara kelas vegetasi lebih jelas pada sinar
inframerah dekat sedangkan pada sinar merah pantulan vegetasi menurun.
Pola pantulan spektral air menurun pada sinar inframerah dan merah.
Gambar 3. Gravis vegetasi dan tanah
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Sumber: (Modifikasi dari Richardson dan Wiegand,1977 dalam Danoedoro,
2012).
Bila diperhatikan, tampak bahwa feauture space yang dibentuk oleh
saluran inframerah dengan saluran merah menghasilkan sebaran yang lebih
lebar. Terlihat pula piksel-piksel vegetasi ternyata mengelompok pada sudut kiri
atas, lalu piksel-piksel tanah kering berona cerah pada kanan atas, dan piksel-
piksel tanah basah berona sangat gelap berdekatan dengan titik asal.
Analisis Kehijauan (Broadband) kehijauan adalah salah satu langkah
yang paling sederhana dari kuantitas umum dan pantulan vegetasi hijau. Mereka
adalah kombinasi pengukuran reflektansi yang sensitif terhadap efek gabungan
konsentrasi klorofil daun, luas daun kanopi, dedaunan menggumpal, dan bentuk
kanopi. VI (Vegetation Index) ini dirancang untuk memberikan ukuran jumlah
keseluruhan dan kualitas bahan klorovil vegetasi, yang penting untuk memahami
keadaan vegetasi untuk tujuan apapun. VI ini merupakan pengukuran integratif
faktor ini dan juga berkorelasi dengan penyerapan pecahan photosynthetically
radiasi aktif dari kanopi dedaunan tanaman yang menjadi atap hutan) dan
tumbuhan piksel. Mereka tidak memberikan informasi kuantitatif pada satu
faktor biologis atau lingkungan, tetapi korelasi yang luas telah ditemukan antara
kehijauan broadband VI dan kanopi.
Broadband kehijauan VI membandingkan pengukuran reflektansi dari
puncak reflektansi vegetasi di kisaran dekat-inframerah untuk pengukuran lain
yang diambil dalam rentang merah, di mana klorofil menyerap foton untuk
menyimpan menjadi energi melalui fotosintesis. Penggunaan pengukuran
inframerah-dekat, dengan kedalaman penetrasi yang lebih besar melalui kanopi
dari merah, memungkinkan terdengar dari jumlah total vegetasi hijau di kolom
sampai jenuh sinyal pada tingkat yang sangat tinggi. Karena fitur ini spektrum
cukup luas, banyak dari indeks kehijauan broadband dapat bekerja secara
efektif, bahkan dengan data gambar yang dikumpulkan dari sensor multispektral
broadband, seperti AVHRR, Landsat TM, dan QuickBird. Aplikasi termasuk
vegetasi fenologi (pertumbuhan) studi, penggunaan lahan dan penilaian dampak
iklim, dan pemodelan produktivitas vegetasi.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
I. JENIS INDEKS VEGETASI
1. Normalized Difference Vegetation Index (NDVI)
Indeks ini merupakan ukuran yang sehat, vegetasi hijau. Kombinasi formulasi
perbedaan normalisasi dan penggunaan tertinggi penyerapan dan pantulan
daerah klorofil membuatnya kuat atas berbagai kondisi. Hal ini dapat,
bagaimanapun, jenuh dalam kondisi vegetasi yang lebat ketika LAI menjadi
tinggi.
Nilai indeks ini berkisar dari -1 sampai 1. Kisaran umum untuk vegetasi hijau
0,2-0,8.
Reference: Rouse, J., R. Haas, J. Schell, and D. Deering. Monitoring Vegetation
Systems in the Great Plains with ERTS. Third ERTS Symposium, NASA
(1973): 309-317.
2. Difference Vegetation Index (DVI)
Indeks ini membedakan antara tanah dan vegetasi, tetapi tidak memperhitungkan
perbedaan antara reflektansi dan cahaya yang disebabkan oleh efek atmosfer
atau bayangan.
Reference: Tucker, C. "Red and Photographic Infrared Linear Combinations for
Monitoring Vegetation. Remote Sensing of Environment 8 (1979): 127150.
3. Renormalized Difference Vegetation Index (RDVI)
Renormalized Perbedaan Vegetasi Index (RDVI), Indeks ini menggunakan
perbedaan antara panjang gelombang dekat-inframerah dan merah, bersama
dengan NDVI, untuk menyoroti vegetasi sehat. Hal ini tidak sensitif terhadap
efek dari geometri tanah dan melihat matahari.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Reference: Roujean, J., and F. Breon. "Estimating PAR Absorbed by Vegetation
from Bidirectional Reflectance Measurements." Remote Sensing of
Environment 51 (1995): 375-384.
4. Simple Ratio (SR)
Rasio sederhana, Indeks ini adalah rasio (1) panjang gelombang dengan
pantulan tertinggi untuk vegetasi dan (2) panjang gelombang penyerapan
klorofil terdalam. Persamaan sederhana mudah dipahami dan efektif atas
berbagai kondisi. Seperti dengan NDVI, dapat menjenuhkan di vegetasi padat
ketika LAI menjadi sangat tinggi.
Reference: Birth, G., and G. McVey. "Measuring the Color of Growing Turf
with a Reflectance Spectrophotometer." Agronomy Journal 60 (1968): 640-643.
5. Transformed Difference Vegetation Index (TDVI)
Indeks ini berguna untuk memantau tutupan vegetasi di lingkungan perkotaan.
Ini tidak jenuh seperti NDVI dan SAVI.
Reference: Bannari, A., H. Asalhi, and P. Teillet. "Transformed Difference
Vegetation Index (TDVI) for Vegetation Cover Mapping" In Proceedings of the
Geoscience and Remote Sensing Symposium, IGARSS '02, IEEE International,
Volume 5 (2002).
6. WorldView Improved Vegetative Index (WV-VI)
Indeks ini menggunakan WorldView-2 band untuk menghitung NDVI.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Nilai indeks ini berkisar dari -1 sampai 1. Kisaran umum untuk vegetasi hijau
0,2-0,8.
7. Infrared Percentage Vegetation Index (IPVI)
Persentasi vegetasi mengunakan inframerah, Indeks ini secara fungsional sama
dengan NDVI, tetapi komputasi lebih cepat. Nilai berkisar dari 0 ke 1.
Reference: Crippen, R. "Calculating the Vegetation Index Faster." Remote
Sensing of Environment 34 (1990): 71-73.
Indeks Vegetasi Menekan Latar belakang Tanah
8. Soil Adjusted Vegetation Index (SAVI)
Indeks vegetasi tanah disesuaikan, Indeks ini mirip dengan NDVI, tetapi
menekan efek piksel tanah. Menggunakan faktor penyesuaian kanopi latar
belakang, L, yang merupakan fungsi dari kerapatan vegetasi dan sering
membutuhkan pengetahuan sebelumnya dari jumlah vegetasi. Huete (1988)
menunjukkan nilai optimal L = 0,5 untuk memperhitungkan orde pertama
variasi latar belakang tanah. Indeks ini paling baik digunakan di daerah dengan
vegetasi yang relatif jarang di mana tanah terlihat melalui kanopi.
Reference: Huete, A. "A Soil-Adjusted Vegetation Index (SAVI)." Remote
Sensing of Environment 25 (1988): 295-309.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
9. Modified Soil adjusted vegetation Index (MSAVI )
Kemudian masavi dirumuskan sebagai berikut ini
( ) (
( ( )
Yangmana L dihitung sbegai L= 1 2s (NDVI) (WDVI) , dan s adalah
kemiringan garis tabnah.
10. Optimized Soil Adjusted Vegetation Index (OSAVI)
Pengoptimalan Indeks vegetasi disesuaikan dengan latar belakang tanah
(OSAVI) Indeks ini didasarkan pada Tanah Disesuaikan Indeks Vegetasi
(SAVI). Menggunakan nilai standar 0,16 untuk faktor kanopi penyesuaian latar
belakang. Rondeaux (1996) menetapkan bahwa nilai ini memberikan variasi
tanah lebih besar dari SAVI untuk tutupan vegetasi rendah, sementara
menunjukkan sensitivitas meningkat untuk menutupi vegetasi yang lebih besar
dari 50%. Indeks ini paling baik digunakan di daerah dengan vegetasi yang
relatif jarang di mana tanah terlihat melalui kanopi.
Reference: Rondeaux, G., M. Steven, and F. Baret. "Optimization of Soil-
Adjusted Vegetation Indices." Remote Sensing of Environment 55 (1996): 95-
107.
11. Modified Non-Linear Index (MNLI)
Modifikasi indeks non linear, Indeks ini merupakan sebuah peningkatan pada
indeks Non-Linear (Perpusnas) yang menggabungkan Tanah Disesuaikan Indeks
Vegetasi (SAVI) untuk menjelaskan latar belakang tanah. EVI menggunakan
faktor penyesuaian kanopi latar belakang (L) nilai 0,5.
Reference: Yang, Z., P. Willis, and R. Mueller. "Impact of Band-Ratio
Enhanced AWIFS Image to Crop Classification Accuracy." Proceedings of the
Pecora 17 Remote Sensing Symposium (2008), Denver, CO.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Indeks Kehijauan
12. Green Difference Vegetation Index (GDVI)
Indeks perbedaan kehijauan vegetasi, Indeks ini awalnya dirancang dengan
fotografi warna inframerah untuk memprediksi kebutuhan nitrogren untuk
jagung.
Reference: Sripada, R., et al. "Aerial Color Infrared Photography for
Determining Early In-season Nitrogen Requirements in Corn." Agronomy
Journal 98 (2006): 968-977.
13. Green Normalized Difference Vegetation Index (GNDVI)
Menormaslisasikan indeks kehijauan, Indeks ini mirip dengan NDVI kecuali
bahwa mengukur spektrum hijau 540-570 nm bukan spektrum merah. Indeks ini
lebih sensitif terhadap konsentrasi klorofil dari NDVI.
Reference: Gitelson, A., and M. Merzlyak. "Remote Sensing of Chlorophyll
Concentration in Higher Plant Leaves." Advances in Space Research 22 (1998):
689-692.
14. Green Ratio Vegetation Index (GRVI)
Indeks rasio kehijauan, indeks ini sangat sensitive pada fotosintesis kanopi
hutan. Yangmana sinar hijau dan sinar inframerah memberikan reflektan yang
besar pada konsentrasi klorofil kanopi.
Reference: Sripada, R., et al. "Aerial Color Infrared Photography for
Determining Early In-season Nitrogen Requirements in Corn." Agronomy
Journal 98 (2006): 968-977.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
15. Green Atmospherically Resistant Index (GARI)
Indeks yang tahan dengan efek kehijauan atmosfer. Indeks ini lebih sensitif
terhadap berbagai konsentrasi klorofil dan kurang sensitif terhadap efek
atmosfer dari NDVI.
Gamma konstan adalah fungsi bobot yang tergantung pada kondisi aerosol di
atmosfer. ENVI menggunakan nilai 1,7, yang merupakan nilai yang
direkomendasikan dari Gitelson, Kaufman, dan Merzylak (1996, halaman 296).
Reference: Gitelson, A., Y. Kaufman, and M. Merzylak. "Use of a Green
Channel in Remote Sensing of Global Vegetation from EOS-MODIS." Remote
Sensing of Environment 58 (1996): 289-298.
16. Green Vegetation Index (GVI)
Indeks vegetasi hijau, Indeks ini meminimalkan efek tanah background
sementara menekankan vegetasi hijau. Menggunakan koefisien global yang
mempertimbangkan nilai-nilai pixel untuk menghasilkan band-band baru
diubah. Hal ini juga dikenal sebagai indeks vegetasi hijau Landsat TM Tasseled
Cap. Nilai berkisar dari -1 sampai 1. GVI awalnya dirancang untuk digunakan
dengan Landsat TM, tetapi juga akan bekerja dengan band-band yang sesuai dari
Landsat ETM + dan Landsat 8.
Reference: Kauth, R., and G. Thomas. "The Tasselled Cap-A Graphic
Description of the Spectral-Temporal Development of Agricultural Crops as
Seen By Landsat" In Proceedings of the LARS 1976 Symposium of Machine
Processing of Remotely-Sensed Data, West Lafayette, IN: Purdue University,
pp. 4B41-4B51.
17. Global Environmental Monitoring Index (GEMI)
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Indek Pemantauan Lingkungan global (GEMI) Indeks vegetasi non-linear ini
digunakan untuk pemantauan lingkungan global dari citra satelit dan upaya
untuk mengoreksi efek atmosfer. Hal ini mirip dengan NDVI tetapi kurang
sensitif terhadap efek atmosfer. Hal ini dipengaruhi oleh tanah kosong; Oleh
karena itu, tidak dianjurkan untuk digunakan di daerah vegetasi jarang atau
cukup padat.
Reference: Pinty, B., and M. Verstraete. GEMI: a Non-Linear Index to Monitor
Global Vegetation From Satellites. Vegetation 101 (1992): 15-20.
Indeks Vegetasi Menekan Hamburan Atmosfer
18. Visible Atmospherically Resistant Index (VARI)
TIndeks tahan terhadap resistan atmospher (Vari) Indeks ini didasarkan pada
ARVI dan digunakan untuk memperkirakan fraksi vegetasi dalam sebuah
adegan dengan sensitivitas rendah untuk efek atmosfer.
Reference: Bannari, A., H. Asalhi, and P. Teillet. "Transformed Difference
Vegetation Index (TDVI) for Vegetation Cover Mapping" In Proceedings of the
Geoscience and Remote Sensing Symposium, IGARSS '02, IEEE International,
Volume 5 (2002).
19. Atmospherically Resistant Vegetation Index (ARVI)
Indeks ini adalah perangkat tambahan untuk NDVI yang relatif tahan
terhadap faktor atmosfer (misalnya, aerosol). Menggunakan pantulan biru untuk
mengoreksi pantulan merah untuk hamburan atmosfer. Hal ini paling berguna
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
dalam wilayah tinggi konten aerosol atmosfer, termasuk daerah tropis
terkontaminasi oleh jelaga dari slash-dan-bakar pertanian.
y adalah gamma konstan adalah fungsi bobot yang tergantung pada jenis
aerosol. ENVI menggunakan nilai 1 untuk gamma. Anda harus memperbaiki
citra untuk efek atmosfer (termasuk aerosol) menggunakan FLAASH sebelum
komputasi indeks ini.
Nilai indeks ini berkisar dari -1 sampai 1, dengan nilai-nilai pixel yang
lebih tinggi sesuai dengan sehat dan hijau vegetasi.
Reference: Tucker, C. "Red and Photographic Infrared Linear
Combinations for Monitoring Vegetation. Remote Sensing of Environment 8
(1979): 127150.
20. Leaf Area Index (LAI)
Indeks area daun, Indeks ini digunakan untuk memperkirakan penutup dedaunan
dan untuk meramalkan pertumbuhan tanaman dan hasil.
Where EVI is the Enhanced Vegetation Index value.
Reference: Boegh, E., H. Soegaard, N. Broge, C. Hasager, N. Jensen, K.
Schelde, and A. Thomsen. "Airborne Multi-spectral Data for Quantifying Leaf
Area Index, Nitrogen Concentration and Photosynthetic Efficiency in
Agriculture." Remote Sensing of Environment 81, no. 2-3 (2002): 179-193.
21. Modified Simple Ratio (MSR)
Modeifikasi rasio sederhana, Indeks ini dikembangkan suatu perbaikan atas
RDVI dengan menggabungkan Ratio Simple ke dalam rumus. Hasilnya adalah
peningkatan kepekaan terhadap vegetasi parameter biofisik.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Reference: Chen, J. "Evaluation of Vegetation Indices and Modified Simple
Ratio for Boreal Applications." Canadian Journal of Remote Sensing 22 (1996):
229-242.
22. Moisttue Stees Index (MSI)
Kombinasi saluran inframerah dekat dan inframerah tengah yang diformulasikan
oleh (rock, et al) sebagai berikut ini.
23. Non-Linear Index (NLI)
Indeks tidak linear, Indeks ini mengasumsikan bahwa hubungan antara banyak
indeks vegetasi dan permukaan parameter biofisik adalah non-linear. Hal
linearizes hubungan dengan parameter permukaan yang cenderung non-linear.
Reference: Goel, N., and W. Qin. "Influences of Canopy Architecture on
Relationships Between Various Vegetation Indices and LAI and Fpar: A
Computer Simulation." Remote Sensing Reviews 10 (1994): 309-347.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
II. INDEKS TANAH TERBUKA
Bare soil index dikmbangkan dalam model FCD , diasumsikan bahwa nilai indeks
vegetasi kurang dipercaya jika tutupan vegetasi kurang dari 50%. Asumsi menurut
Rikimaru et al. 2002, didasari berdasarkan hubungan timbalbalik anatara
keberadaan tanah dan vegetasi (semakin dominan tanah, semakin sedikit vegetasi,
dan sebaliknya).
Rumus BI adalah:
( ) ( )
( ) ( )
Julat ini harus dikonversi ke julat 8 bit menurut sikamaru et al. 2002.
III. DRY OR KARBON
1. Kering atau karbon Vis memberikan perkiraan jumlah karbon di negara kering
lignin dan selulosa. Lignin adalah molekul berbasis karbon yang digunakan oleh
tanaman untuk komponen struktural; selulosa terutama digunakan dalam
pembangunan dinding sel dalam jaringan tanaman. Molekul karbon kering yang
hadir dalam jumlah besar di bahan kayu dan pikun, mati, atau vegetasi aktif.
Bahan-bahan ini mudah terbakar saat kering. Peningkatan bahan-bahan ini dapat
menunjukkan kapan vegetasi sedang mengalami penuaan. Lihat Karbon untuk
informasi lebih lanjut. Anda dapat menggunakan VI ini untuk analisis bahan
bakar api dan deteksi sampah permukaan. Mereka menggunakan pengukuran
reflektansi di kisaran inframerah gelombang pendek untuk mengambil
keuntungan dari fitur penyerapan dikenal selulosa dan lignin.
1. Normalized Difference Lignin Index
Indeks ini memperkirakan jumlah relatif lignin yang terkandung dalam
kanopi vegetasi. Reflektansi di 1754 nm sangat ditentukan oleh konsentrasi
lignin dari daun, serta biomassa daun keseluruhan kanopi. Bersama-sama,
konsentrasi lignin daun dan kanopi biomassa daun digabungkan dalam kisaran
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
1750 nm untuk memprediksi jumlah konten kanopi lignin. Aplikasi termasuk
analisis ekosistem dan deteksi sampah tanaman permukaan. NDLI sangat
eksperimental
.
Lihat Narrowband Definisi untuk rentang yang diijinkan dari panjang
gelombang.
References:
Serrano, L., J. Penuelas, and S. Ustin. "Remote Sensing of Nitrogen and Lignin
in Mediterranean Vegetation from AVIRIS Data: Decomposing Biochemical
from Structural Signals." Remote Sensing of Environment 81 (2002): 355-364.
Fourty, T., et al. "Leaf Optical Properties with Explicit Description of Its
Biochemical Composition: Direct and Inverse Problems." Remote Sensing of
Environment 56 (1996): 104-117.
Melillo, J., J. Aber, and J. Muratore. "Nitrogen and Lignin Control of Hardwood
Leaf Litter Decomposition Dynamics." Ecology 63 (1982): 621-626.
2. Cellulose Absorption Index
Indeks ini menunjukkan permukaan terkena mengandung bahan tanaman kering.
Serapan di 2000 nm sampai 2200 nm kisaran sensitif terhadap selulosa. Aplikasi
termasuk pemantauan tanaman residu, tanaman kanopi penuaan, kondisi bahan
bakar api di ekosistem, dan manajemen penggembalaan.
Nilai indeks ini berkisar dari -3 ke lebih dari 4. Kisaran umum untuk vegetasi
hijau -2 sampai 4. Lihat Narrowband Definisi untuk rentang yang diijinkan dari
panjang gelombang.
References:
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Daughtry, C. "Discriminating Crop Residues from Soil by Short-Wave Infrared
Reflectance." Agronomy Journal 93 (2001): 125-131.
Daughtry, C., E. Hunt Jr., and J. McMurtrey III. "Assessing Crop Residue Cover
Using Shortwave Infrared Reflectance." Remote Sensing of Environment 90
(2004): 126-134.
3. Plant Senescence Reflectance Index
Indeks ini memaksimalkan sensitivitas indeks untuk rasio karotenoid massal
(misalnya, alpha-karoten dan beta-karoten) untuk klorofil. Peningkatan PSRI
menunjukkan peningkatan stres kanopi (karotenoid pigmen), timbulnya kanopi
penuaan, dan buah tanaman pematangan. Aplikasi termasuk pemantauan
vegetasi kesehatan, tanaman fisiologis deteksi stres, dan produksi tanaman dan
analisis hasil.
The value of this index ranges from -1 to 1. The common range for green
vegetation is -0.1 to 0.2. See Narrowband Definitions for the allowable range of
wavelengths.
Reference: Merzlyak, J., et al. "Non-destructive Optical Detection of Pigment
Changes During Leaf Senescence and Fruit Ripening." Physiologia Plantarum
106 (1999): 135-141.
\
IV. LEAF PGMEN/PIGMEN DAUN
1. Anthocyanin Reflectance Index 1 (ARI1) Anthocyanin adalah pigmen yang larut dalam air yang melimpah di baru
membentuk daun dan mereka penuaan menjalani. Melemahnya vegetasi
mengandung konsentrasi tinggi anthocyanin, sehingga indeks ini merupakan
salah satu ukuran dari vegetasi stres. Peningkatan ARI1 menunjukkan
perubahan kanopi di dedaunan melalui pertumbuhan baru atau kematian.
Indeks ini menggunakan pengukuran reflektansi dalam spektrum terlihat
untuk mengambil keuntungan dari tanda tangan penyerapan pigmen yang
terkait dengan stres.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Lihat Narrowband Definisi untuk rentang yang diijinkan dari panjang
gelombang.
Gunakan alat Radiometri Kalibrasi atau FLAASH untuk mengkalibrasi
citra untuk reflektansi permukaan sebelum komputasi indeks ini. Nilai
reflektansi perlu ditingkatkan dari 0 sampai 1. Sunting bidang faktor skala
reflektansi dalam file header ENVI (.hdr) yang diperlukan untuk skala data
pantulan dari 0 ke 1. Atau, klik tombol Advanced Settings pada dialog
FLAASH Parameter , kemudian edit output bidang reflektansi Skala Factor.
Reference: Gitelson, A., M. Merzlyak, and O. Chivkunova. "Optical
Properties and Nondestructive Estimation of Anthocyanin Content in Plant
Leaves." Photochemistry and Photobiology 71 (2001): 38-45.
2. Anthocyanin Reflectance Index 2 (ARI2) Indeks ini merupakan modifikasi dengan ARI1 yang mendeteksi konsentrasi
yang lebih tinggi dari anthocynanins di vegetasi.
Menggunakan pengukuran reflektansi dalam spektrum terlihat untuk
mengambil keuntungan dari tanda tangan penyerapan pigmen yang terkait
dengan stres. Lihat Narrowband Definisi untuk rentang yang diijinkan dari
panjang gelombang.
Gunakan alat Radiometri Kalibrasi atau FLAASH untuk mengkalibrasi
citra untuk reflektansi permukaan sebelum komputasi indeks ini. Nilai
reflektansi perlu ditingkatkan dari 0 sampai 1. Sunting bidang faktor skala
reflektansi dalam file header ENVI (.hdr) yang diperlukan untuk skala data
pantulan dari 0 ke 1. Atau, klik tombol Advanced Settings pada dialog
FLAASH Parameter , kemudian edit output bidang reflektansi Skala Factor.
Reference: Gitelson, A., M. Merzlyak, and O. Chivkunova. "Optical
Properties and Nondestructive Estimation of Anthocyanin Content in Plant
Leaves." Photochemistry and Photobiology 71 (2001): 38-45.
3. Carotenoid Reflectance Index 1 (CRI1) Fungsi karotenoid dalam proses penyerapan cahaya pada tanaman, serta
dalam melindungi tanaman dari efek berbahaya dari terlalu banyak cahaya.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
Melemahnya vegetasi mengandung konsentrasi tinggi dari karotenoid,
sehingga indeks ini merupakan salah satu ukuran dari vegetasi stres. Nilai
CRI1 lebih tinggi berarti konsentrasi relatif caratenoid lebih besar untuk
klorofil.
Nilai indeks ini berkisar dari 0 sampai lebih dari 15. Rentang umum untuk
vegetasi hijau adalah 1 sampai 12. Indeks ini menggunakan pengukuran
reflektansi dalam spektrum terlihat untuk mengambil keuntungan dari tanda
tangan penyerapan pigmen yang terkait dengan stres. Lihat Narrowband
Definisi untuk rentang yang diijinkan dari panjang gelombang.
Gunakan alat Radiometri Kalibrasi atau FLAASH untuk mengkalibrasi
citra untuk reflektansi permukaan sebelum komputasi indeks ini. Nilai
reflektansi perlu ditingkatkan dari 0 sampai 1. Sunting bidang faktor skala
reflektansi dalam file header ENVI (.hdr) yang diperlukan untuk skala data
pantulan dari 0 ke 1. Atau, klik tombol Advanced Settings pada dialog
FLAASH Parameter , kemudian edit output bidang reflektansi Skala Factor.
Reference: Gitelson, A., et al. "Assessing Carotenoid Content in Plant
Leaves with Reflectance Spectroscopy." Photochemistry and Photobiology
75 (2002): 272-281.
4. Carotenoid Reflectance Index 2 (CRI2)
Indeks ini merupakan modifikasi untuk CRI1 yang memberikan hasil yang
lebih baik di daerah konsentrasi karotenoid yang tinggi. Nilai CRI2 lebih
tinggi berarti konsentrasi relatif caratenoid lebih besar untuk klorofil.
Nilai indeks ini berkisar dari 0 sampai lebih dari 15. Rentang umum untuk
vegetasi hijau adalah 1 sampai 11. Indeks ini menggunakan pengukuran
reflektansi dalam spektrum terlihat untuk mengambil keuntungan dari tanda
tangan penyerapan pigmen yang terkait dengan stres. Data reflektansi harus
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
ditingkatkan dari 0 sampai 1. Lihat Narrowband Definisi untuk rentang yang
diijinkan dari panjang gelombang.
Gunakan alat Radiometri Kalibrasi atau FLAASH untuk mengkalibrasi
citra untuk reflektansi permukaan sebelum komputasi indeks ini. Nilai
reflektansi perlu ditingkatkan dari 0 sampai 1. Sunting bidang faktor skala
reflektansi dalam file header ENVI (.hdr) yang diperlukan untuk skala data
pantulan dari 0 ke 1. Atau, klik tombol Advanced Settings pada dialog
FLAASH Parameter , kemudian edit output bidang reflektansi Skala Factor.
Reference: Gitelson, A., et al. "Assessing Carotenoid Content in Plant
Leaves with Reflectance Spectroscopy." Photochemistry and Photobiology
75 (2002): 272-281..
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
V. APLIKASI TRANSFORMASI CITRA MENGGUNAKAN TOOL BAND MATH
ENVI 5.0
Band Math merupakan tool prosesing citra yang sangat fleksibel dengan banyak
dayadukung yang tidak tersedia di pada aplikasi pengindraan jauh digital lainya. Kamu
bisa menggunakan tool band math dialog untuk mendefenisikan band atau file yang
akan diinput, untuk memanggil fungsi pennggunaanya. Dan menulis menentukan
penyimpanananya melalui file ataupun memori. Fungsi dari band math untuk
mengakses data spasial dari fariabel citra berupa band atau file. Data spasial ini terlalu
besar besar untuk dibaca dimemori yang otomatis. Penggunaan band math akan
memempermudah aplikasi citra dengan perhitungan matematis.
Memasukan Rumus Matematika
1. Dari toolbox, pilih band algeba> band Math. Dan band math diaog akan muncul. 2. Pada band math dialog, gunakan fariabel dengan nema band atau nama lainya.
Nama band harus diawalai dengan satu karakter huruf berupa b tau B dan diikuti oleh limah karakter huruf lain.
3. Contoh dari penggunaan band math, untuk menghitung rata-rata spektral dari julan nilai piksel tiga buah band, dengan menggunakan formula sebagai berkut
ini:
float(b1)+float(b2)+float(b3))/3.0
Fariabel yang dimaksud b1, b2 dan b3. Envi IDl memfungsikan instruksi float
ini digunakan untuk mencegah byte (digital number) terlalu rendah dan eror
selama dilakukan perhitungan.
-
Panduan ke 2
BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT
Bersama Junior Program Studi Geografi 2013 Perangkat ENVI 5.0
Muhammad Hanif Mahaiswa Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]
4. Kemudian kamu diminta menyetuji instruksi dari rumus tersebut dengan memilih fariabel band yang akan diformulasikan berdasarkan rumus matematika
yang telah kamu seting.
Akan muncul kota dialog B1-[undefined] , kamu harus memilih band yang
tersedia sesuai instruksiawal, dengan memilih band untuk b1 satu yang kamu
maksud dalam rumus itu. Dan selanjutnya lakukan hal yang sama.
Dengan melakukan penjumlahan , pengurangan dan pembagian serta perkalian
kamu akan memperoleh hasil berupa citra seingel band.
Reference: Exelies Envi IDL.