Pengolahan NDVI, NDWI, dan LST

LAPORAN

PRAKTIKUM GEOLOGI PENGINDERAAN JAUH 2022 ACARA : NDVI, NDWI, dan LST

Nama : Muhammad Azka Syafiqul Muhaqqiqin Kelas/ NIM : C/21100119120022

Asisten acara : Ady Rieo W. M., M. Hajjrol Dava, Fariz Rizaldy BAB I

LANGKAH PENGERJAAN A. Pengolahan NDVI

1. Masukkan data reflectance dari pengolahan data citra ke software ENVI.

2. Buka tool NDVI lalu pilih data reflectance yang telah dimasukkan. Klik OK.

3. Pada file type pilih Landsat OLI dan pada Band red menggunakan band 4 dan pada Near IR pilih band 5. Pilih direktori penyimpanan file output NDVI. Klik OK.

4. Untuk memunculkan warna, klik hasil pengolahan dan pilih raster color slice dan pilih data NDVI.

5. Ketika muncul dialog box seperti berikut. Klik OK.

6. Berikut hasil pengolahan NDVI.

B. Pengolahan NDWI

1. Buka tool NDVI lalu pilih data reflectance yang telah dimasukkan. Klik OK.

2. Pada file type pilih Landsat OLI dan pada Band red menggunakan band 5 dan pada Near IR pilih band 3. Pilih direktori penyimpanan file output NDVI. Klik OK.

3. Untuk memunculkan warna, klik hasil pengolahan dan pilih raster color slice dan pilih data NDWI.

4. Ketika muncul dialog box seperti berikut. Klik OK.

5. Berikut merupakan hasil pengolahan NDWI.

6. Pengolahan LST

1. Proses pengolahan LST dimulai dengan pembuatan data radiance. Buka tool radiometric calibration dan masukkan file landsat 8 MTL thermal.

Pilih spatial subset sesuai dengan kavling daerah penelitian. Klik OK.

2. Pilih tipe kalibrasi radiance dan direktori penyimpanan output. Klik OK.

3. Selanjutnya pembuatan data Brightness Temperature dengan melakukan radiometric calibration. Masukkan file landsat 8 MTL thermal. Pilih spatial subset sesuai dengan kavling daerah penelitian. Klik OK.

4. Pilih tipe kalibrasi Brightness Temperature serta pilih direktori penyimpanan output Brightness Temperature. Klik OK.

5. Pengolahan selanjutnya adalah mengubah nilai brightness temperature dari Fahrenheit menjadi Celsius menggunakan band math dan input rumus B1 - 272.15. Klik OK.

6. Pilih variabel brightness temperature pada pengolahan sebelumnya.

Klik OK.

7. Pilih direktori penyimpanan file BT Celsius. Klik OK.

8. Proses selanjutnya adalah membuat data Proportion of Vegetation dengan tools Band Math. Masukkan rumus ((B1 – NDVI Min) / (NDVI Max – NDVI Min))^2. Klik OK.

9. Pilih variabel NDVI pada pengolahan sebelumnya. Klik OK.

10. Pilih direktori penyimpanan output proportion of vegetation. Klik OK.

11. Buat data Emisivitas menggunakan tools Band Math. Masukkan rumus 0.004 * B1 + 0.986. Klik OK.

12. Masukkan variabel data PV pada pengolahan sebelumnya. Klik OK.

13. Pilih direktori penyimpanan output pengolahan emisivitas. Klik OK.

14. Untuk pembuatan data LST kembali menggunakan tools Band Math.

Masukkan rumus (B1/1) +( B2 * (B1/14.380)) * alog (B3). Klik OK.

15. Pilih data BT Celcius untuk variabel B1, data Radiance untuk variabel B2, dan data emisivitas untuk variabel B3. Pilih direktori penyimpanan output hasil pengolahan LST. Klik OK.

16. Berikut tampilan hasil pengolahan LST.

17. Export data NDVI, NDWI, dan LST ke format TIFF lalu lakukan pengklasifikasian menggunakan software ArcGIS sesuai dengan klasifikasi yang dianut.

18. Lakukan layouting hasil dari pengolahan agar menjadi peta yang rapi dan enak dilihat.

BAB II

HASIL PENGOLAHAN

BAB III PEMBAHASAN 3.1 Hasil Interpretasi

A. NDVI

Bisa dilihat pada gambar peta persebaran vegetasi (NDVI) pada bab sebelumnya, menunjukkan bahwa berdasarkan klasifikasi persebaran vegetasi (NDVI) menurut Meylia, dalam Wikan (2015), kurang lebih 99 % area daerah pengamatan terkelaskan menjadi hutan daerah hangat dan hutan hujan tropis dengan nilai NDVI pada rentang 0.4 – 0.8 . Sementara itu pada 1 % area daerah penelitian terkelaskan menjadi padang rumput dan semak belukar dengan nilai NDVI pada rentang 0.2 – 0.4 .

B. NDWI

Bisa dilihat pada gambar peta tingkat kebasahan (NDWI) pada bab sebelumnya, menunjukkan bahwa berdasarkan klasifikasi tingkat kebasahan (NDWI) menurut Xu (2006), seluruh area daerah pengamatan terkelaskan menjadi daerah non-tubuh air. Hal ini menandakan bahwa menurut pengolahan NDWI, daerah penelitian tidak terdapat tubuh air seperti sungai maupun danau.

C. LST

Dapat dilihat pada peta LST di bab sebelumnya, hasil pengolahan LST dibagi menjadi lima kelas dengan rentang suhu yang berbeda. Pada suhu 14 – 20 ^oC, ditunjukkan dengan warna hijau tua, di mana pada daerah tersebut apabila melihat pada kenampakan natural color dari citra merupakan daerah tinggian dengan vegetasi yang lebat. Pada suhu 20 – 22 ^oC, ditunjukkan dengan warna hijau muda yang apabila mengacu pada kenampakkan natural color merupakan daerah lereng gunung dengan vegetasi yang cukup lebat namun tidak selebat daerah sebelumnya. Pada suhu 22 – 23 ^oC, ditunjukkan oleh warna kuning yang apabila mengacu pada kenampakan natural color diinterpretasikan sebagai daerah tegalan pada lereng bukit. Selanjutnya pada suhu 23 – 25 ^oC, yang

ditunjukkan dengan warna jingga apabila mengacu pada kenampakan citra natural color sebagian besar merupakan daerah terbangun, walaupun pada wilayah barat merupakan daerah perbukitan dengan vegetasi lebat. Dan yang terakhir yaitu daerah dengan suhu 25 – 30 ^oC, ditunjukkan oleh warna merah apabila mengacu pada kenampakan natural color juga merupakan daerah terbangun, namun pembangunan yang terjadi lebih banyak apabila dibandingkan dengan area pada kelas sebelumnya.

3.2 Korelasi dengan Hasil Pengolahan Tata Guna Lahan Metode Terbimbing

Hasil pengolahan NDVI, NDWI, dan LST dirasa seharusnya memiliki korelasi yang sangat tinggi dengan pengolahan tata guna lahan yang dalam hal ini menggunakan pengolahan metode terbimbing. Hal ini dikarenakan pada pengolahan NDVI, NDWI, dan LST pun dalam pengolahannya juga menggunakan indikator tutupan lahan yang tampak pada kenampakan citra Landsat 8. Namun pada pengolahan kali ini, ditemukan ada hal yang kurang berkorelasi walaupun dalam tingkatan yang kecil. Pada aspek persebaran vegetasi, hasil pengolahan NDVI cukup berkorelasi dengan pengolahan tata guna lahan, di mana sama-sama menunjukkan persebaran daerah vegetasi yang sangat luas meskipun pada pengolahan tata guna lahan tidak menunjukkan 100% daerah penelitian merupakan daerah vegetasi seperti pada pengolahan NDVI.

Sedangkan pada pengolahan NDWI, seluruh daerah penelitian tidak menunjukkan adanya tubuh air, atau seluruhnya terkelaskan sebagai daerah non-tubuh air. Apabila kita melihat pengolahan persebaran tata guna lahan, menunjukkan bahwa masih ada daerah tubuh air berupa sungai meskipun dalam jumlah yang kecil. Tubuh air tersebut tidak terbaca dalam pengolahan NDVI. Pada pengolahan LST dirasa memiliki korelasi yang cocok dengan persebaran tata guna lahan. Hal ini ditunjukkan dari daerah dengan suhu tinggi pada pengolahan LST merujuk kepada daerah terbangun yang ada pada hasil pengolahan tata guna lahan. Hal ini dirasa masuk akal karena material pembangunan biasanya dapat menyerap panas dari paparan

matahari dengan intensitas yang cukup banyak sehingga mengakibatkan suhu permukaan pada daerah tersebut cenderung tinggi dibanding daerah lainnya. Korelasi yang lain ditunjukkan dari daerah dengan suhu yang lebih rendah yang berada pada daerah bervegetasi lebat di daerah penelitian.

BAB IV KESIMPULAN

 99 % area daerah pengamatan terkelaskan menjadi hutan daerah hangat dan hutan hujan tropis dengan nilai NDVI pada rentang 0.4 – 0.8 . Sementara itu pada 1 % area daerah penelitian terkelaskan menjadi padang rumput dan semak belukar dengan nilai NDVI pada rentang 0.2 – 0.4

 Seluruh area daerah pengamatan terkelaskan menjadi daerah non-tubuh air.

 Hasil pengolahan LST dibagi menjadi lima kelas dengan rentang suhu yang berbeda.

 Terdapat korelasi antara hasil pengolahan NDVI, NDWI, dan LST terhadap hasil pengolahan persebaran tata guna lahan dengan metode terbimbing.

Namun tingkat korelasi yang terjadi tidak pada taraf 100% cocok.

DAFTAR PUSTAKA

Arnanto, A., 2013. PEMANFAATAN TRANSFORMASI NORMALIZED DIFFERENCE VEGETATION INDEX(NDVI) CITRA LANDSAT TM UNTUK ZONASI VEGETASI DI LERENG MERAPI BAGIAN SELATAN. Geomedia, 11(2), pp. 155-170.

Haikal, T., 2014. ANALISIS NORMALIZED DIFFERENCE WETNESS INDEX (NDWI) DENGAN MENGGUNAKAN DATA CITRA LANDSAT 5 TM (STUDI KASUS : PROVINSI JAMBI PATH/ROW : 125/61), Bogor:

Institut Pertanian Bogor.

Muryati, N., 2019. Analisis Tingkat Kekeringan Lahan Sawah Menggunakan Citra Landsat 8 dan Thermal, Lampung Selatan: ITERA.

Nurmalasari, I. & Santosa, S. H. M. B., 2018. Pemanfaatan Citra Sentinel-2A untuk Estimasi Produksi Pucuk Teh di Sebagian Kabupaten Karanganyar. Jurnal Bumi Indonesia, 7(1).

Ramdhan, D. M., Satryo, I. F. & Cerlandita, K. P., 2021. Analisis Perubahan Land Surface Temperature Menggunakan Citra Multi - Temporal (Studi kasus:

Kota Banjarmasin). JPIG (Jurnal Pendidikan dan Ilmu Geografi), 6(1), pp. 15-20.

Solihin, M. A. & Putri, N., 2020. Keragaan Penggunaan Lahan Eksisting di Hulu Sub DAS Cikapundung Berdasarkan Indeks Vegetasi dan Temperatur Permukaan Lahan. Jurnal Agrikultura, 31(3), pp. 251-262.