PENGGUNAAN ANALISIS VARIAN MULTI TEMPORAL
CITRA MODIS UNTUK PEMETAAN SAWAH DI PROVINSI BALI
Disampaikan
Disampaikan padapada Seminar Program Seminar Program StudiStudi Agroekoteknologi Disampaikan
Disampaikan pada
Fakultas
pada
pada Seminar Program Seminar Program pada
pada
Fakultas Fakultas
Fakultas Pertanian
Seminar Program
Pertanian Pertanian,
Seminar Program
Seminar Program Agroekoteknologi Seminar Program
Seminar Program
, Universitas
Agroekoteknologi Agroekoteknologi Agroekoteknologi
Universitas Universitas
Universitas Udayana
Denpasar, 13 Mei 2016 I Wayan Nuarsa
Sumber Bahan yang Dipresentasikan
Kenapa Pemetaan Sawah ?
Kenapa Mengunakan Data Remote Sensing ?
Metodologi Penelitian
Hasil, Pembahasan, dan Kesimpulan
Publikasi Hasil Penelitian
Outline
Sumber Bahan yang Dipresentasikan
PENDAHULUAN
Using variance analysis of multitemporal Modis Image for rice field mapping
1
Modification of Input Images for
Improving the Accuracy of Classification
2
Spectral Characteristics and Mapping of Rice Plants Using Landsat Data
3
Relationship between Rice Spectral and Rice Yield Using Modis Data
4
Spectral Characteristic of Rice Plants under Healthy and Water-Deficient
5
Rice Yield Estimation Using Landsat Data and Field Observation
6
Penggunaan Analisis Varian Multi Temporal Citra Modis untuk Pemetaan Sawah di
Provinsi Bali
Umur 3 Minggu Umur 2 Bulan Sawah Saat Bera Saat Penanaman
Air dan Vegetasi Dominasi Vegetasi Dominasi Tanah
Dominasi Air
Sawah Memiliki Beberapa Land Cover
PERMASALAHAN
Membuat metode pemetaan sawah dengan memperhatikan karakteristik sawah untuk mengurangi tingkat kesalahan pemetaan
Pengembangan Metode
Mengaplikasikan metode yang telah dikembangkan dalam peneitian ini untuk pemetaan sawah di Provinsi Bali
Pemetaan Sawah
Membandingkan hasil yang diperoleh dengan metode yang telah ada terhadap peta sawah dari Badan Informasi Geospasial
Uji Ketelitian
Prosedure Penelitian
MEDOTOLOGI
telah untuk Bali
Prosedur Penelitian
METODOLOGI
Variance of Rice Field Variance of
Forest Variance of Settlement Variance of
Water Variance of
each Pixel
compare
Regency level comparison District level comparison
Pixel by pixel comparison Water
Persamaan yang Digunakan
METODOLOGI
2. RVI (Ratio Vegetation Index)
1. NDVI (Normalized Difference Vegetation Index)
3. SAVI (Soil Adjusted Vegetation Index)
Variabilitas Nilai Spektral Penggunaan Lahan
HASIL
Land Uses NDVI
Variance Irrigated rice field variance 0.0174 Non-irrigated rice field variance 0.0166
Mixed forest variance 0.0025
Settlement variance 0.0006
Lake variance 0.0019
Mixed garden variance 0.0021
Shrub variance 0.0020
Dry land variance 0.0031
Mangrove variance 0.0015
Bare land variance 0.0014
NDVI variance of rice field is 5 – 29 times higher than other land uses
0.0174 + (1.2 * 0.0028) 0.0174 - (1.2 * 0.0028) 0.0174
Irrigated rice field threshold
0.0166 + (1.2 * 0.0023) 0.0166 - (1.2 * 0.0023) 0.0166
Non-irrigated rice field threshold
0.0208 0.0138
Both rice field thresholds
ሶ𝒗𝒂𝒓(𝑵𝑫𝑽𝑰) − 𝑺𝑬 𝒙 𝒕 ≤ 𝑹𝑭 ≤ 𝒗𝒂𝒓(𝑵𝑫𝑽𝑰) + 𝑺𝑬 𝒙 𝒕
-0.4 -0.2 0.0 0.2 0.4 0.6 0.8
0 100 200 300 400
NDVI
Day of year
Irrigated rice field Mixed forest Settlement Lake water Mixed garden Shrub
Dry land Mangrove
Non-irrigated rice field
Bare land LEGEND
Tingkat Akurasi Pemetaan Sawah
HASIL
Analysis Result
Accuracy Parameters Value Commission error (%) 35.45 Omission error (%) 17.68 Overall accuracy (%) 87.91 Estimated Kappa 0.8371 Kappa Variance 0.000109
Green color indicates a correct classification
Red color indicates a misclassification
Reference data:
source: BIG, 2008
Tingkat Akurasi Per Kabupaten dan Kecamatan
HASIL
Regency level comparison District level comparison
Perbandingan Hasil Pemetaan Sawah
HASIL
Data referensi Hasil analisis
Minimum Distance Parallelepiped Maximum Likelihood
Tingkat Akurasi Level Kabupaten dengan Metode Lain
HASIL
Tingkat Akurasi Level Kecamatan dengan Metode Lain
HASIL
RMSE
RMSE dan dan Tingkat Tingkat Ketelitian
HASIL
Metode Klasifiksi RMSE (ha)
Regency District Pada Penelitian ini 1,570.70 551.36 Minimum Distance 9,192.13 2,908.98 Parallelepiped 10,535.51 3,418.43 Maximum Likelihood 14,773.23 4,650.02
Metode Klasifikasi
Error (%) Ketelitian
Keseluruhan Komisi Omisi (%)
Pada Penelitian ini 35.45 17.68 87.91
Minimum Distance 69.49 42.61 66.69
Parallelepiped 71.84 40.00 62.90
Maximum Likelihood 74.44 17.97 50.64
Analisis
Analisis Kappa Kappa dan dan Uji Uji Signifikansi
HASIL
Metode Klasifikasi Estimated Kappa
Kappa Variance Pada Penelitian ini 0.8371 0.000109
Minimum Distance 0.4854 0.000785
Parallelepiped 0.4149 0.000972
Maximum Likelihood 0.2188 0.001508
Metode Klasifikasi z-score Z-table
(α = 5%) Results Minimum Distance 11.77 1.96 Reject H0
Parallelepiped 12.85 1.96 Reject H0
Maximum Likelihood 15.38 1.96 Reject H0
Kesimpulan
HASIL
1. Variabilitas spektral sawah paling tinggi secara temporal dibandingkan dengan penggunaan lahan sawah yang lain.
2. NDVI adalah index vegetasi terbaik untuk pemetaan sawah karena memberikan perbedaan nilai varian tertinggi antara sawah dan non-sawah.
3. Penggunaan nilai ambang antara 0.0148 dan 0.0329 memberikan hasil klasifikasi sawah terbaik.
4. Hasil analisis Regresi dan Kappa menunjukkan bahwa metode pemetaan sawah yang dikembangkan pada penelitian ini memberikan hasil yang lebih baik secara signifikan dibandingkan dengan metode klasifikasi citra yang telah ada.
5. Citra MODIS pada resolusi spasial 250 mempunyai kemampuan yang baik untuk klasifikasi sawah.
