Artikel dalam blog ini adalah karya asli penulis. Beberapa artikel pernah penulis unggah diblog yang lain sebelumnya, yang pada saat ini blog tersebut telah penulis hapus. Disamping itu, sebagian juga merupakan pindahan tulisan dari web geo.fis.unesa.ac.id mengingat keterbatasan space pada web tersebut. Pembaca diijinkan untuk menyitir artikel dalam blog ini, tetapi wajib mencantumkan nama blog ini sebagai sumber referensi untuk menghindari tindakan plagiasi. Terimakasih

Saturday, September 27, 2014

Indek Vegetasi



Algoritma yang sering digunakan dalam analisis penutup lahan vegetasi adalah dengan menggunakan indeks vegetasi. Indeks Vegetasi adalah pengukuran optis tingkat kehijauan (greenness) kanopi vegetasi, sifat komposit dari klorofil daun, luas daun, struktur dan tutupan kanopi vegetasi (Huete, 2011).
Indeks vegetasi telah banyak digunakan dalam berbagai penelitian tentang vegetasi skala global. Indeks Vegetasi dapat secara efektif digunakan untuk pemetaan kekeringan, penggurunan (desertifikasi) dan penggundulan hutan (Horning, 2010).
Beberapa algoritma indeks vegetasi adalah seperti dibawah ini.

a.       Simple Ratio (SR)
 Algoritma Simple Ratio (Liang, 2004) diuraikan sebagai berikut :

SR= Pn / Pr

Keterangan :
SR  : Simple Ratio
Pn   : Nilai spectral saluran Near Infrared
Pr   : Nilai spectral saluran Red

b.       Normalized Difference Vegetation Index (NDVI)
Algoritma NDVI banyak digunakan untuk berbagai aplikasi terkait vegetasi. NDVI memiliki efektivitas untuk memprediksi sifat permukaan ketika kanopi vegetasi tidak terlalu rapat dan tidak terlalu jarang (Liang, 2004). Algoritma NDVI (Landgrebe, 2003) diuraikan sebagai berikut :

NDVI= NIR-R / NIR+R 

Keterangan :
NIR  : Nilai spektral saluran Near Infrared
R     : Nilai spektral saluran Red

c.        Enhanced Vegetation Index (EVI)
Algoritma EVI diformulasi untuk meningkatkan algoritma NDVI dan ditujukan untuk pengolahan index vegetasi pada citra MODIS. Algoritma ini mirip dengan algoritma NDVI dengan penambahan formulasi untuk koreksi efek gangguan radiometric dari atmosfer dan dari dalam kanopi. Algoritma EVI (Horning, 2010) diuraikan sebagai berikut

EVIG ((NIR-R) / (NIR+C1*R-C2*B+L))

Keterangan :
G                             : Gain Factor, G = 2.5
NIR                          : Nilai spectral saluran Near Infrared
R                              : Nilai spectral saluran Red
B                              : Nilai spectral saluran Biru
C1                            : Atmosferic Aerosol Resistance, C1 = 6
C2                            : Atmosferic Aerosol Resistance, C2 = 7.5

d.       Principle Component Analysis (PCA)
Algoritma PCA yang telah terstandarisasi sering disebut dengan Tasseled Cap Transformation. Tasseled Cap diformulasikan untuk pengolahan pada data citra yang berasal dari sensor yang berbeda. Algoritma ini dapat digunakan untuk pengolahan citra yang diambil pada waktu yang berbeda pada tahun yang sama atau citra dengan area yang berbeda (Horning, 2010).

e.       Vegetation Condition Indeks (VCI)
Penutup lahan dan penggunaan lahan dapat berubah dari waktu ke waktu. Perubahan penutup lahan dan penggunaan lahan mengakibatkan perubahan rasio energy yang perpantulkan menuju sensor. Penilaian tutupan lahan pada satu waktu dapat diturunkan melalui algoritma indeks vegetasi dari data citra. Pada citra multi temporal informasi perubahan penutup lahan vegetasi dapat diturunkan dengan memperbandingkan nilai indeks vegetasi dari kedua citra tersebut. Algoritma yang dapat digunakan dalam pembandingan nilai indeks vegetasi tersebut adalah indeks kondisi vegetasi (Vegetation Condition Index) (Liang, 2004). Formulasi dari algoritma indeks kondisi vegetasi dapat diuraikan sebagai berikut.

VCI= ( NDVIi-NDVImin) / (NDVImax-NDVImin )

Keterangan :
NDVIi                      : Nilai NDVI saat ini
NDVImax                : Nilai NDVI terbesar
NDVImin                 : Nilai NDVI terkecil

Daftar Pustaka



Horning, N., Robinson, J.A., Sterling, E.J., Turner, W., Spector, S., 2010. Remote Sensing for Ecology and Conservation. Oxford University Press, New York.
Huete, A., Didan, K., Leeuwen, W.V., Miura, T., Glenn, E., 2011.. MODIS Vegetation Indices. Land Remote Sensing and Global Environmental Change. Springer. New York
Landgrebe, D.A., 2003.  Signal Theory Methods In Multispectral Remote Sensing. John Willey & Sons Inc.. New Jersey.
Liang, S. 2004. Quantitative Remote Sensing of Land Surface. John Willey & Sons Inc.. New Jersey.