Download - Modul Ndvi
-
7/22/2019 Modul Ndvi
1/17
NORMALIZED DIFFERENCE VEGETATION INDEKS (NDVI)
I. Tujuan1. Dapat Mengoperasikan Software ArcGIS2. Melakukan proses transformasi NDVI dan mengetahui kerapatannya3. Melakukan pemetaan indeks vegetasi
II. Alat dan Bahan1. Perangkat keras PC (Personal Computer) atau Laptop2. Perangkat Lunak ArcGIS3. Citra Landsat 8 Tahun 2013 (Kanal 5, 4, dan 8)
III. Dasar TeoriIndeks vegetasi atau normalized difference vegetation indeks (NDVI)
adalah kajian ilmu geografi sains yang terus mengalami perkembangan yang
dapat digunakan untuk kajian ilmu lain. Indeks vegetasi atau normalized
difference vegetation indeks (NDVI) adalah indeks yang menggambarkan
tingkat kehijauan suatu tanaman. Indeks vegetasi merupakan kombinasi
matematis antara band merah dan band NIR yang telah lama digunakan
sebagai indikator keberadaan dan kondisi vegetasi (Lillesand dan Kiefer,
1997). Untuk kemudian dengan mudah dapat dijabarkan bahwa indeks
vegetasi atau normalized difference vegetation indeks (NDVI) suatu tingkat
kehijauan dari tanaman. Indeks vegetasi atau normalized difference
vegetation indeks (NDVI) dapat diketahui dengan memanfaatkan sifat unik
dari tanaman (vegetasi) yakni memancarkan dan menyerap gelombang untuk
kemudian dapat dibedakan dengan obyek lainnya yang tidak memiliki sifat
unik seperti vegetasi. Metode ini merupakan dasar untuk membedakan obyek
vegetasi dengan obyek lainnya selain vegetasi.
-
7/22/2019 Modul Ndvi
2/17
Gambar 1.Menunjukan Kekuatan Klorofil Menyerap Cahaya Inframerah
Dekat
Pada Gambar 1 dapat ditunjukkan bahwa pigmen dalam daun tanaman
(klorofil) dapat menyerap cahaya tampak (0,4-0,7 m) yang digunakan dalam
fotosintesis. Di sisi lain, struktur sel daun sangat mencerminkan cahaya
inframerah dekat (0,7-1,1 m). Semakin banyak daun tanaman, semakin
panjang gelombang cahaya yang terpengaruh.
Kemudian dapat ditunjukan juga bahwa perbedaan yang mencolok antara
kekuatan vegetasi dengan tanah (soil) dalam memantulkan gelombang
electromagnetic, sehingga dapat dijadikan sebagai konsep indeks vegetasi
bahwa setiap objek memiliki kemampuan (karakter spektral) yang berbeda-
beda dalam memantulkan gelombang electromagnetic.
-
7/22/2019 Modul Ndvi
3/17
Gambar 2. Menunjukkan Karakter yang Berbeda yang Ditunjukkan oleh
Vegetasi dan Tanah dalam Memantulkan GelombangElektromagnetik
Untuk selanjutnya adalah menentukan besaran indek vegetasi yang
merupakan besaran nilai vegetasi yang diperoleh dari pengolahan sinyal
digital data nilai kecerahan sebeberapa kanal data sensor satelit. Dengan
demikian NDVI pada dasarnya yaitu membandingkan antara kanal infranerah
dan kanal inframerah dekat sehingga diperoleh fenomena penyerapan cahaya
merah (infranerah) dan pemantulan cahaya merah dekat (near- infranerah)
oleh klorofil membuat nilai kecerahan yang diterima sensor satelit akan jauh
berbeda. Dengan konsep ini maka dikembangkannya suatu algoritma indeks
vegetasi yaitu,
NDVI =[NIRRED]
[NIR+RED]
Indeks vegetasi yang ditunjukkan persamaan di atas mempunyai nilai
minimum yakni -1 yang menunjukan bahwa kondisi wilayah tidak
bervegetasi. Sebaliknya bahwa indeks vegetasi yang memiliki nilai 1
menunjukkan bahwa kondisi wilayah bervegetasi. Nilai indeks vegetasi yang
-
7/22/2019 Modul Ndvi
4/17
diperoleh dapat diklasifikasikan kembali oleh NASA berupa
pengklasifikasian warna yang merupakan wilayah bervegetasi atau tidak.
Gambar 3. Pengklasifikasian Warna Wilayah Bervegetasi dan Non-Vegetasi
(NASA)
Dari gambar 3 tampak bahwa wilayah yang berada pada 0.4 merupakan
wilayah yang lebat akan vegetasi dan dapat diperkirakan bahwa vegetasi di
wilayah ini merupakan kawasan hutan yang lebat dan subur. Sebaliknya pada
wilayah 0.2 ke kiri merupakan klasifikasi wilayah yang tidak bervegetasi dan
merupakan kawasan batuan atau perairan.
IV.
Langkah Kerja1. Langkah pertama yaitu menampilkan batas administrasi Kabupaten
Sleman RBI 2004 dan citra landsat 8 Kabupaten Sleman pada kanal 5,4,
dan 8. Kanal 5 pada landsat 8 yakni kanal NIR (Near Infrared) yang
mempunyai resolusi spasial 30 m. Kemudian kanal 4 yakni Red
mempunyai resolusi spasial 30 m. Selanjutnya kanal 8 yakniPancromatic
yang mempunyai resolusi spasial 15 m.
-
7/22/2019 Modul Ndvi
5/17
2. Maka akan muncul seperti gambar di atas ini. Kemudian Clip dengan carabersamaan ketiga citra tersebut dengan cara ArcToolbox Data
Management Tools Raster - Raster Processing Clip. Klik kanan pada
Clip lalu klik kiriBatch.
-
7/22/2019 Modul Ndvi
6/17
3. Klik tanda + 2 kali, yang berarti kita hendak memotong citra 3 kali.Kemuidan isikan sesuai dengan table di bawah ini
I nput Raster Rectangle Output Raster
Dataset
Output Extent No Data
Value
Use I nput
for Cli pping
Geometry
Maintain
Clipping
Extent
Klik kanan-
browse-cari
citra landsat
Band 8
Default Klik kanan-
browse-Pilih
foldermu-beri
nama B8_Sleman
Klik kanan-
browse-Pilih
Kab_Sleman
_RBI2004.shp
Default Klik 2 kali-
centang-OK
Default
* Band 5 * *
B5_Sleman
* * * *
* Band 4 * *
B4_Sleman
* * * *
* berarti sama dengan table di atasnya
4. Klik OK. Tunggu sampai proses selesai maka ketiganya akan terpotongsampai tampak seperti di bawah ini.
-
7/22/2019 Modul Ndvi
7/17
5. Langkah selanjutnya yaitu meregistrasicitra landsat 8 tersebut ke dalamkoordinat WGS 1984 UTM Zone 49S dengan cara ArcToolbox Data
Management Tools Projections and Transformations - Raster Project
Raster. Bila sudah ketemu kemudian klik kanan dan pilihBatch.
6. Klik tanda + 2 kali, yang berarti kita hendak meregistrasi ketiga citra.Kemuidan isikan sesuai dengan table di bawah ini
-
7/22/2019 Modul Ndvi
8/17
Input
Raster
Output Raster
Dataset
Output
Coordinat
System
Resampling
Teqnique
Geographic
Transforma
tions
Registration
Point
Input
Coordinat
System
Klik kanan-
browse-cari
citra landsat
Band 8
Klik kanan-browse-
Pilih foldermu-beri
nama
B8_Sleman_49S
Klik 2 kali-cari
WGS_1984_UT
M_Zone_49S
Klik 2 kali-
Cubic
Default Default Default
* Band 5 *
B5_Sleman_49S
* * * * *
* Band 4 *
B4_Sleman_49S
* * * * *
* berarti sama dengan table di atasnya
7. Jika telah selesai maka klik OK lalu close ArcMap lalu buka kembali dankemudian add data batas admin Kabupaten Sleman, serta ketiga citra
yang sudak teregistrasi WGS 1984 Zone 49 S agar sesuai dengan
koordinat yang mengacu.
8. Kemudian langkah 8 yakni mencari NDVI (Normalized DifferenceVegetation Index). Cari pada ArcToolbox Spatial Analyst Tools Map
Algebra
Raster Calculator.
-
7/22/2019 Modul Ndvi
9/17
9. Pada langkah ini kita akan melakukan perhitungan data rasterdari data
pixelyang terkandung di dalam citra tersebut sesuai rumus yang terdapatdi halaman sebelumnya yang jika dikonversikan ke dalam algoritma pada
ArcMap menjadi Float(Band5-Band4)/(Band5+Band4).
10.Double klik padaFloatmaka akan muncul seperti gambar di bawah ini,
11.Double klik pada band 5 kemudian kurangi band 4, selanjutnya bagikandengan pertambahan antara band 5 dan 4. Pada ArcMap maka kurag lebih
algoritmanya seperti di bawah ini,
-
7/22/2019 Modul Ndvi
10/17
Float("Citra Landsat 8 Sleman\b5_sleman_49s" - "Citra Landsat 8
Sleman\b4_sleman_49s") / ("Citra Landsat 8 Sleman\b5_sleman_49s" +
"Citra Landsat 8 Sleman\b4_sleman_49s")
Tentukan OutpotnyapadaOutput Raster kemudian beri nama NDVI. Klik
OK dan tunggu sampai proses selesai.
12.Jika telah selesai maka akan tampak seperti di bawah ini,
13.Lakukan pengkelasan data NDVI ini menurut table yang ditetapkan olehUSGS. Caranya klik kanan pada layer NDVI Properties Symbology
Classified Classify. IsikanBreak Valuesseperti table di bawah ini.
-
7/22/2019 Modul Ndvi
11/17
Daerah Pembagian Ni lai NDVI
Awan es, awan air, salju < 0Batuan dan lahan kosong 00.1
Padang rumput dan semak belukar 0.20.3
Hutan daerah hangat dan hutan hujan tropis 0.40.8
14.Kemudian lakukan pengkelasan kembali pada NDVI dengan caraArcToolbox Spatial Analyst Tools Reclass Reclassify. Langkah ini
digunakan untuk mengetahui tingkat kerapatan vegetasi yang ada di suatu
daerah yakni dengan beberapa kategori seperti di bawah ini,
-
7/22/2019 Modul Ndvi
12/17
Tingkat Kerapatan Vegetasi NDVI
Jarang 0.1 - 0.15Sedang 0.16 0.2
Padat >0.21
Sumber: Dewanti, 1999 dan Anshar & Syam, 2001
15.Isikan Input Raster dengan data NDVI yang telah diperoleh sebelumnya.Kemudian klik Classify bagi menjadi 3 kategori isikan pada Break
Values sebesar 0.15, 0.2, dan > 0.21. Pilih Outputnya dan beri nama
NDVI_Reclass. OK tunggu sampai berhasil.
-
7/22/2019 Modul Ndvi
13/17
16.Kemudian dari ini kita dapat mengkonversikannya menjadi data vectordengan cara ArcToolbox Conversion Tools From Raster Raster to
Polygon.
17.Isikan Input Rasternya dengan data Reclassify tadi, kemudian Outputpolygon Featurenya tempatkan pada foldermu dan beri nama
-
7/22/2019 Modul Ndvi
14/17
Kerapatan_Vegetasi_Sleman_Tahun_2013. Biarkan yang lainnya default.
OK tunggu sampai prosesnya berhasil.
18.Isikan attribute sesuai dengan pengkelasan dari Dewanti, 1999 danAnshar & Syam, 2001dengan cara Open Atribute Table kemudian buat
tael baru dengan add field beri nama Ker_Veg dengan typenya text.
Kemudian OK.
19.Setelah itu Select by Atribute kemudian pilih dari GRIDCODE yangpertama yakni jarang dengan cara rumus seperti ini. "GRIDCODE" = 1.
LaluApply. Seperti pada gambar di bawah ini,
-
7/22/2019 Modul Ndvi
15/17
20.Setelah Polygon yang terdapat pada GRIDCODE 1 terpilih semua makasaatnya mengisikan data kerapatan vegetasi pada tabel Ker_Veg yang
telah dibuat tadi dengan cara klik kanan pada kepala tabel Ker_Veg pilih Field Calculator isikan "Jarang". Langkah ini dapat dilihat pada
gambar di bawah ini.
-
7/22/2019 Modul Ndvi
16/17
21.Klik OK tunggu sampai proses selesai dan cek tabel Ker_Veg denganGRIDCODE 1 sudah terisi dengan Jarang,? Jika sudah maka saatnya
isikan tabel Ker_Veg dengan GRIDCODE 2 dan GRIDCODE 3.
22.Jika sudah selesai maka akan tampak seperti di bawah ini,
-
7/22/2019 Modul Ndvi
17/17
V. Tugas1. Lakukan seperti langkah di atas secara sistimatis.2. Buat Peta Kerapatan Vegetasi Kabupaten Sleman sesuai table
pengklasifikasian dariDewanti, 1999 dan Anshar & Syam, 2001.