BEBERAPA JENIS INDEKS VEGETASI.pdf

Panduan ke 2

BEBERAPA JENIS INDEKS VEGETASI DALAM APLIKASI PENGINDERAAN JAUH

A. Indeks Vegetasi

Cambell (2011) menjelaskan, Indeks vegetasi atau VI (vegetation (vegetation index), 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. 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 BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

Panduan ke 2

pemantulan cahaya inframerah dekat oleh jaringan mesofil yang terdapat pada daun akan membuat nilai kecerahan yang diterima sensor satelit pada kanalkanal 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

BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

Panduan ke 2

Sumber: (Modifikasi dari Richardson dan Wiegand,1977 dalam Danoedoro, 2012). Bila diperhatikan, tampak bahwa feauture space 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. 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 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

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 SoilAdjusted Vegetation Indices." Remote Sensing of Environment 55 (1996): 95107. 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 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. BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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 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 Nilai berkisar dari -1 sampai 1. GVI awalnya dirancang 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) BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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 BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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. 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 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 BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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 d ari 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. 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. BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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. 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 BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

Panduan ke 2

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

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 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 Envi IDl memfungsikan instruksi float ini digunakan untuk mencegah byte (digital number) terlalu rendah dan eror selama dilakukan perhitungan. BAHAN PELATIHAN PENGINDERAAN JAUH TINGKAT LANJUT Bersama Junior Program Studi Studi Geografi 2013 Perangkat ENVI 5.0 Muhammad Hanif Mahaiswa Program Program Studi Geografi UNP dibuat /5/27/2015 Email: [email protected]

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 sesuai instruksiawal, dengan memilih band untuk b1 satu yang 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.


BEBERAPA JENIS INDEKS VEGETASI.pdf

Recommend Documents