indeks vegetasi dalam penginderaan jauh

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




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




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




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): 127–150.

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




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




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


Panduan ke 2




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




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




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


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




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




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): 127–150.

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




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




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




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




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




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.







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




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.







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




ditingkatkan dari 0 sampai 1. Lihat Narrowband Definisi untuk rentang yang

diijinkan dari panjang gelombang.







Reference: Gitelson, A., et al. "Assessing Carotenoid Content in Plant

Leaves with Reflectance Spectroscopy." Photochemistry and Photobiology

75 (2002): 272-281..

Panduan ke 2




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




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.

indeks vegetasi dalam penginderaan jauh

Education