“Remote Sensing dari DAS: spektral Ratioing Studi Manajemen Daerah Aliran Sungai”
Nama Kelompok :
Devi Arisandy (17025010091)
Indah Yuliani (17025010099)
Hani Septikahady (17025010156)
Kelas : Agroteknologi C
Deepa D. Naik dan Vishal V. Somni
Departemen Geografi, Geoinformatics,
Savitribai Phule Pune University, Pune
Tanggal publikasi : 13 April 2019
DOI :
https://doi.org/10.23953/cloud.ijarsg.409
Resume
:
Sungai DAS adalah unit
hidrologi dasar dan penting dari sudut pandang mengatur kebutuhan air. Ada
variasi longitudinal dan musiman di tangkapan perbedaan spatiotemporal karena
dalam hal litologi, kondisi curah hujan, intensitas, penggunaan lahan tutupan lahan.
teknik geospasial dan data satelit memberikan informasi biaya yang efektif
tentang DAS. Sangat mudah dan menguntungkan untuk menggunakan teknik ini
sebagai data akuisisi mudah, pengolahan ratioing cepat adalah salah satu teknik
pengolahan citra digital yang berguna untuk mengekstrak informasi tentang
karakteristik tangkapan dan parameter untuk pengembangan DAS dan perencanaan.
Penginderaan jauh dari
DAS memainkan peran penting dalam pengelolaan sumber daya air. Negara seperti
India, di mana ekonomi terutama mengandalkan pertanian. Dalam petani kondisi
yang tidak menguntungkan berkomitmen untuk bunuh diri. Eksploitasi sumber daya
air, pemanjangan periode kering, evapotranspirasi dan curah hujan menurun
adalah masalah umum dan berdampak pada hasil panen dan sektor pertanian tetapi
juga untuk sektor kehutanan, pariwisata dan lingkungan. DAS adalah satuan
hidrologi dan memiliki besar pencampuran reflektansi spektral di kawasan ini
adalah masalah umum. DAS di terdiri dengan fitur begitu banyak pertanian, hutan,
tanah gundul, daerah tahan, fitur perkotaan dan badan air. Sulit untuk
mempelajari semua fitur ini bersama-sama dengan baku / gambar asli dan semua
benda-benda ini memiliki kepentingan yang unik dalam sumber daya air dan dapat
digunakan sebagai indikator yang baik untuk belajar mengisi ulang air tanah,
limpasan, erosi dan sedimentasi, untuk menilai kekeringan, banjir.
Lokasi studi adalah di
sungai Krishna, Krishna adalah sungai terbesar keempat dalam hal aliran air dan
daerah aliran sungai di India.Panjang sungai Krishna hampir 1400 km. Sungai ini
adalah sumber utama dari sistem irigasi Maharashtra, Karnataka, Andhra Pradesh,
dan Telangana Negara. Krishna merupakan cekungan memanjang di atas kabupaten
yang sama di mana luas tertutup adalah 258.948 persegi. km, yang hampir 8% dari
total wilayah geografis negara. Sungai ini dibatasi oleh Balaghat di Utara,
oleh Ghats Timur di selatan dan timur dan oleh Ghats Barat di barat.
Gambar
1. Lokasi dan wilayah
sungai sungai Krishna
Untuk
studi ini, mengikuti dataset dan persamaan yang digunakan. Landsat-8 OLI gambar
telah digunakan untuk studi ini di mana ia memiliki jumlah 11 band. Sedang
Resolution Imaging spektrofotometri-radiometer (MODIS) yang dataset itt. The
MOD11A2 produk dan MOD13A2 telah digunakan untuk mempelajari TCI, VCI dan
indeks VIII. MOD13A2 adalah Terra Vegetation Indeks 16-Day komposit Level 3
global 1 km produk versi Sinusoidal Grid 06. MOD11A2 adalah produk MODIS adalah
Terra Land Surface Temperature / Emissivity, yang merupakan 8-hari komposit
produk Level 3 Sinusoidal Grid versi 06.
Indeks
adalah Normalized Difference Moisture Index (NDMI) memberikan informasi tentang
kondisi kelembaban daun, yang akan menjadi indikator yang baik untuk studi
hutan seperti estimasi biomassa. Studi kesehatan hutan bersama dengan ini
memberikan beberapa petunjuk tentang wilayah potensi air tanah serta kelembaban
yang tinggi ada kemungkinan mendapatkan meja air tanah yang tinggi. Di sisi
lain, itu juga baik untuk identifikasi lahan basah.
Gambar
2. Terapan indeks dan
informasi indeks
Enhanced
Vegetation Index_2 (EVI_2)
Indeks
vegetasi ditingkatkan, Memodifikasi nilai-nilai asli untuk lebih menekankan
pada patch vegetasi di kawasan ini. Perbaikan atas NDVI dengan mengoptimalkan
sinyal vegetasi. Ia menggunakan wilayah pantul biru untuk mengoreksi sinyal
latar belakang tanah dan untuk mengurangi pengaruh atmosfer, termasuk aerosol
hamburan. Dalam Gambar 3. nuansa warna hijau menunjukkan distribusi vegetasi.
Hijau gelap acara vegetasi lebat, warna hijau muda menunjukkan tutupan vegetasi
kurang padat seperti gambar ditingkatkan akan berguna untuk mempelajari
perubahan vegetasi kecil.
Gambar
3. Ditingkatkan
Vegetasi Index_2 (EVI_2)
Normalized
Difference Moisture Index (NDMI)
Hal ini berguna untuk
mempelajari perubahan kelembaban dekat infra-merah (NIR) dan gelombang pendek
infra-merah (SWIR), yang sensitif terhadap absorbansi kelembaban daun (Gambar
3). hutan lebat di gambar yang menunjukkan kadar air yang tinggi sesuai
kepadatan kadar air vegetasi terus berubah. warna hijau muda menunjukkan kurang
kelembaban dan warna hijau gelap menunjukkan lebih banyak uap air. Berguna
untuk berbagai aplikasi kehutanan seperti menemukan jenis hutan bersama dengan
identifikasi kemungkinan pohon.
Gambar
4. Normalized Difference
Moisture Index (NDMI)
Bare
Tanah Index (BSI)
Gambar
5. Bare Tanah Index
(BSI)
Ini adalah wilayah di
mana pengembangan lebih lanjut bisa terjadi. Di sisi lain, ini adalah wilayah
yang dikenal untuk erosi tanah dan limpasan. Indeks ini didasarkan pada
perbedaan signifikan dari tanda tangan spektral di dekat inframerah antara
bertelanjang tanah dan latar belakang. Gambar 5 menunjukkan coklat gelap ke
warna oranye menunjukkan patch tanah gundul yang dapat dengan mudah
menggambarkan.
Indeks
Kondisi suhu (TCI)
Suhu Kondisi Indeks
merupakan salah satu indeks kekeringan pemantauan, yang menghasilkan dengan
menggunakan produk MODIS. Lebih rendah nilai TCI mewakili suhu tinggi dan
daerah kering dan nilai-nilai TCI yang lebih tinggi merupakan kondisi yang
optimal. TCI digunakan untuk menentukan stres vegetasi yang disebabkan oleh
suhu dan kelembaban yang berlebihan (Singh et al., 2003).
Gambar
6. Ditingkatkan
Built-up di Area Index (EBAI)
Gambar
7. Suhu Indeks Kondisi tahun 2014 - Desember 2016
Vegetasi
Kondisi Index (VCI)
Vegetasi Kondisi Indeks
Indeks pemantauan kekeringan lain yang dihasilkan dengan menggunakan data
MODIS. Vegetasi Kondisi Indeks rescales dinamika antara 0 dan 100 mana itu
berkisar sangat buruk untuk kondisi optimum kelembaban untuk vegetasi (Kogan,
1995). Indeks vegetasi memberi kita hasil dari kadar air dan stres vegetasi.
Jika kadar air lebih maka, indeks menunjukkan nilai-nilai terhadap 100 dan
sebaliknya.
Gambar
8. Vegetasi Kondisi
Index (VCI) – 2014 - Desember 2016
Indeks
Kesehatan vegetasi (VIII)
VCI dan TCI ciri
masing-masing kondisi kelembaban dan kondisi termal vegetasi sementara VIII
mewakili kesehatan vegetasi secara keseluruhan (Kogan, 2001). Selama
perhitungan VIII, bobot yang sama ditugaskan untuk kedua TCI dan VCI karena
kondisi kelembaban dan suhu. Rentang VIII adalah dari 0 sampai 100. Tabel di
bawah ini akan memberitahu kita tentang klasifikasi kekeringan di nilai antara
0 dan 100.
Gambar
9. Korelasi Grafik -
TCI vs VIII – 2014 - Desember 2016
Gambar
10. Korelasi Grafik -
VCI vs VIII – 2014 – Desember 2016
Grafik yang diberikan di
atas akan memberitahu kita tentang tren antara tiga indeks (TCI vs VIII dan VCI
vs VIII). hubungan akan menunjukkan korelasi antara TCI vs VIII. Pada tahun
2014 dan 2015 VCI sangat berkorelasi dengan VHI dan TCI memiliki korelasi
kurang dengan VIII.
Kesimpulan
:
Ratioing
Band adalah teknik yang tepat untuk mempelajari fitur yang kompleks dan dinamis
di DAS. Indeks diambil dalam penelitian ini berguna untuk berbagai ekstraksi
parameter dan dapat digunakan untuk pengembangan DAS dan perencanaan. Indeks
adalah indikator yang baik dinormalisasi perbedaan indeks kelembaban
mengindikasikan kondisi kelembaban daun dan berguna untuk memprediksi kondisi
air tanah. Ditingkatkan vegetasi indeks 2 menunjukkan tutupan vegetasi di
permukaan dan dapat dikorelasikan dengan kondisi air tanah sebagai kurangnya
vegetasi menyebabkan deplesi dalam tabel air tanah. Indeks tanah kosong berguna
untuk pengelolaan sumber daya lahan dan perencanaan indeks menekankan wilayah
tanah telanjang mencolok dan merupakan indikator yang baik dari erosi tanah dan
limpasan. TCI, VCI dan VIII adalah indeks pemantauan kekeringan. Indeks kondisi
suhu menunjukkan perubahan vegetasi karena kondisi suhu. Indeks kondisi
vegetasi dapat digunakan untuk mempelajari stres vegetasi. VCI dan TCI
menggambarkan masing-masing kondisi kelembaban dan kondisi termal vegetasi
sementara VIII memberikan kesehatan vegetasi secara keseluruhan. TCI, VCI dan VIII
merupakan indikator yang baik dari pemantauan kekeringan keparahan. Ada banyak
mekanisme yang berbeda dalam penginderaan jauh dengan yang, sebuah objek dapat
diidentifikasi seperti linear dan peningkatan non-linear, suhu permukaan tanah,
tapis ruang dan band ratioing, klasifikasi. DAS merupakan penyumbang utama
untuk meningkatkan status ekonomi wilayah tertentu. Memainkan peran penting
dalam pembangunan manusia juga.
Komentar :
Menurut
kelompok kami, jurnal yang kami review cukup baik dalam pokok bahasannya, yaitu
mengenai vegetasi DAS yang berguna dan penting dalam dunia pertanian. Sedangkan,
kelemahannya dalam setiap metode tidak diberikan keuntungan atau kelemahan saat
mengunakan indeks metode tersebut.
Jurnal
Intisari
Materi presentasi
