BILKO: INDEKS VEGETASI

Kali ini kita kan membahas tentang indeks vegetasi menggunakan Bilko menggunakan formula. Pada akhir tutorial ini diharapkan memahami bagaimana cara membuat indeks vegetasi menggunakan dua saluran citra melalui formula. Pada tutorial ini diharapkan kita sudah mempelajari bagaimana formula Bilko bekerja seperti pada tutorial sebelumnya.

 Indeks vegetasi adalah ukuran kuantitatif dari citra yang terkait dengan kerapatan, biomassa atau kesehatan vegetasi. Indeks vegetasi biasanya dibentuk melalui dua atau tiga saluran citra dengan saluran merah dan inframerah dekat yang paling menonjol, dimana saluran – saluran tersebut dapat dihitung melalui pembagian, perkalian, penjumlahan atau perkalian.

Banyak objek yang memiliki pantulan yang sama antara saluran merah dan inframerah dekat kecuali vegetasi, dimana gelombang merah banyak diserap oleh pigmen fotosintesis (clorofil a), sedangkan gelombang inframerah dekat di teruskan atau dipantulkan oleh vegetasi melalui struktur jaringan daun. Hal tersebut mengindikasikan bahwa tanah terbuka memiliki kecerahan yang sama antra saluran merah dan inframerah dekat, sedangkan pada objek vegetasi saluran inframerah dekat akan terlihat lebih cerah dari pada saluran merah. Jadi indeks vegetasi yang paling simple adalah perbandingan antara inframerah dekat dan merah atau yang disebut RVI (Ratio Vegetation Index).

Indeks Vegetasi Dua Saluran

Setiap indeks vegetasi adalah angka yang dihasilkan dari beberapa kombinasi saluran citra dan memiliki hubungan dengan properties dari vegetasi. Kali ini kita akan membahas 6 indeks vegetasi yang diantaranya adalah;

Ratio Vegetation Index – RVI

Merupakan indeks vegetasi pertama yang dideskripsikan oleh Jordan (1969) yang disebut sebagai Simple Ratio (SR), dimana dalam penginderaan jauh jauh digunakan untuk menghilangkan pengaruh albedo. RVI banyak digunakan untuk menunjukkan komponen vegetasi, dimana saluran merah sebagai pembagi dan saluran inframerah dekat yang dibagi. Jika pembagi semakin kecil maka hasilnya akan lebih besar yang menandakan jumlah vegetasi meningkat. Rentang nilai RVI bervariasi dari 0 – 20 .

Normalized Difference Vegetation Index – NDVI

Merupakan indeks vegetasi yang paling sering digunakan. Perbedaan antara saluran infamerah dekat dan merah dibagi dengan jumlah keduanya. Hal ini bertujuan untuk membatasi jika ada jumlah pantulan yang berlebih. Rentang nilai NDVI adalah -1 sampai 1 tetapi pada kenyataannya nilai NDVI memiliki rentang 0 – 1 kecuali jika ada tubuh air. Nilai 0.1 adalah tanah terbuka dan nilai 0.9 adalah vegetasi yang lebat. NDVI lebih sensitif pada vegetasi yang cendrung jarang dan RVI cendrung sensitif pada vegetasi yang rapat.

Infrared Percentage Vegetation Index – IPVI

Crippen (1990) menemukan bahwa pengurangan pada NDVI tidak relevan, dan menawarkan indeks ini untuk meningkatkan kalkulasi indeks vegetasi. Rentang nilai IPVI hanya 0 – 1 berbeda dengan NDVI yang berentang -1 sampai 1. Indeks ini bertujuan menghilangkan nilai negatif dari NDVI. IPVI dan NDVI secara fungsi adalah sama.

Difference Vegetation Index – DVI

Secara teori rentang dari indeks vegetasi ini adalah sangat tinggi tapi jika nilai reflektan yang digunakan maka rantang nilainya adalah 0 – 1.

Soil Adjusted Vegetation Index – SAVI

Indeks vegetasi ini dibuat oleh Huete (1988) yang didasarkan oleh pengukuran kapas dan berbagai macam tutupan rumput dengan tanah gelap dan cerah sebagai latar belakang, dan nilai L ditemukan dengan trial and error  sampai nilai faktor ditemukan yang sama pada nilai indeks vegetasi berdasarkan tanah gelap dan tanah cerah. Rantang nilai berkisar antara – 1 sampai 1. Dimana nilai L memiliki rentang 0 untuk vegetasi yang sangat rapat dan 1 untuk tutupan vegetasi yang randah. Dan nilai 0,5 merupakan nilai yang sering dipakai.

Global Environmental Monitoring Index – GEMI

Indeks vegetasi ini dikembangkan oleh Pinty dan Verstraete (1992), yang mencoba menghilangkan detail koreksi atmosferik yaitu dengan membuat koefisien koreksi atmosferik η = eta. Nilai rentangnya adalah 0 sampai 1. GEMI membutuhkan input nilai reflektan.

Dimana

Citra yang digunakan dalam tutorial ini adalah citra MERIS dengan resolusi radiometrik 16 bit dan saluran yang digunakan adalah saluran merah (saluran 7) dan saluran inframerah dekat (saluran 13).  Data dapat di download pada link berikut, Bilko.

Buka citra MERIS saluran merahd an inframerah dekat MERIS_665nm#07.dat dan MERIS_865nm#13.dat melalui menu File ‣ Open ‣ nama file citra.

Ketika muncul kotak dialog Redisplay Image, centang pada Null Value(s) == 0, sehingga nilai 0 pada citra akan diabaikan.

Maka akan muncul tampilan citra sebagai berikut.

Selanjutnya kita akan menggabungkan kedua citra menjadi satu set melalui menu Image ‣ Connect. Kita membutuhkannya untuk membuat indeks vegetasi.

Perlu diketahui bahwa metadata citra tergabung dengan citra dan kita dapat melihatnya melalui jendela citra dengan menggeser ke bawah bagian jendela citra, seperti gambar di bawah. Kita akan mendapatkan detail tentang Description, Scaling factor, scaling offset, unit, spectral band index, bandwidth, dan wavelength. Informasi tersebut berguna untuk mengkonversi nilai DN menjadi nilai reflektan dengan nilai rentang 0 – 1, dimana yang penting adalah informasi scaling factor dan scaling offset. Bilko sudah membuat formulanya yaitu Convert_to_reflectance.frm

Melalui menu File ‣ Open ‣ ubah file format menjadi .frm (formulas) dan pilih file yang kita butuhkan

Maka akan muncul formula untuk melakukan konversi dari DN menjadi nilai reflektan. Perhatikan informasi dibutuhkan hanya scaling factor dan scaling offset.

Ketika jedela formula sudah muncul, kita klik pada jendela formula tersebut kemudian klik copy pada toolbar, kemudian klik pada jendela citra yang seudah menjadi satu set dan klik paste atau Ctrl + V. Maka akan mucul citra yang hasil koreksi yang sudah dalam bentuk reflektan seperti gambar di bawah.

Kita akan memeriksa bagaimana histogramnya dengan menseleksi seluruh piksel citra, kemudian pilih pada menu File ‣ New dan pilih HISTOGRAM. Kita akan mendapatkan pesebaran nilai piksel dimana dalam kasus ini nilai saluran merah mayoritas kurang dari 0, 2 dan saluran inframerah dekat lebih dari 0.2 pada skala 0 – 1.

Setiap indeks vegetasi menggunakan dua saluran yaiut merah dan inframerah dekat, jadi kita harus membuat set baru lagi dengan memanfaatkan citra yang sudah dikoreksi ditambah satu citra tambahan yang dihasilkan GEMI yaitu menggantikan nilai “eta”. Pada formula saluran merah adalah @1 dan saluran inframerah dekat adalah @2 dan “eta” adalah @3. Melalui menu Image ‣ Connect pilih saluran yang sudah dikoreksi dan tambahkan 1 citra kosong dengan menambahkan angka satu pada Blanks: 1.

Periksa seluruh formula indek vegetasi mulai dari NDVI.frm, RVI.frm, PVI.frm, IPVI.frm, DVI.frm, dan GEMI.frm. Masing – masing formula kita copy dan paste pada citra yang telah menjadi satu set. Kita klik pada jendela formula tersebut kemudian klik copy pada toolbar, kemudian klik pada jendela citra yang seudah menjadi satu set dan klik paste atau Ctrl + V. Maka akan mucul citra yang Indeks vegetasi sesuai dengan formula yang kita jalankan. Simpan menggunakan format .dat

Kita akan memeriksa bagaimana histogramnya dengan menseleksi seluruh piksel citra, kemudian pilih pada menu File ‣ New dan pilih HISTOGRAM untuk mengetahui rentang nilainya. Kita akan mendapatkan rentang nilai berkisan antara -1 sampai 1 kecuali pada indeks vegetasi RVI. Nilai RVI cendrung meningkat dari 0 – 14.

Sedangkan histogram NDVI menunjukkan nilai berkisar antara 0 – 1.

Indeks vegetasi akan berkorelasi jika menunjukkan informasi yang sama. Kita akan memeriksanya apakah indeks vegetasi tersebut saling berkorelasi atau tidak. Kembali pada citra hasil indeks vegetasi dan kita jadikan satu set citra. Pastikan NDVI sebagai citra yang berada pada paling atas atau nomer 1 dengan mengklik selector dan pilih NDVI kmudian klik <1> pada keyboard. Gambar garis atau transek terserah dimana saja, pastikan pada daerah vegetasi. Kita akan membuat file transect melalui menu File ‣ New dan pilih TRANSECT.

Berikut adalah hasilnya, dimana kita melihat bahwa semua indeks vegetasi memiliki pola yang sama hanya berbeda intensitas.

Hubungan antar indeks vegetasi lebih lanjut dapat diuji melalui ms. Excel. Pada citra yang terdapat garis transek klik copy pada toolbar kemudian paste pada ms. Excel.

Dari kelima indeks vegetasi tersebut kita akan membuat diagram dalam bentuk scatter pada ms. Excel. Pastikan NDVI pada sumbu X dan indeks vegetasi lainya pada sumbu Y. Berikut adalah hasilnya, yang dapat kita simpulkan bahwa setiap indeks vegetasi memiliki korelasi terutama pada indek vegetasi NDVI dengan IPVI.

Sumber : BILKO

*** SEMOGA BERMANFAAT ***