Membuat Landcover dengan Google Earth Engine

Home » Blog » Membuat Landcover dengan Google Earth Engine

Google Earth Engine adalah platform sumber terbuka yang menyediakan akses ke data penginderaan jauh global dan memberikan kemampuan analisis dan visualisasi yang kuat. Salah satu aplikasi dari platform ini adalah untuk membuat tutupan lahan/landcover.

[baca juga : Pengenalan Google Earth Engine]

[baca juga : NDVI dengan Google Earth Engine]

Dalam artikel ini, kami akan membahas penggunaan beberapa Indeks Vegetasi sebagai input band dalam melakukan prediksi tutupan lahan. Indeks Vegetasi yang akan digunakan meliputi NDVI, GRVI, OSAVI, dan EVI.

// ######################################################################################################
//                                    ### Set up Vegetaion Indices ###
// ######################################################################################################

var vegIndices = require("users/donjoe826/default:vegIndices")
var ndvi = vegIndices.NDVI(s2CloudMaskedClip, 'B8', 'B4') 
var grvi = vegIndices.GRVI(s2CloudMaskedClip, 'B3', 'B4')
var osavi = vegIndices.OSAVI(s2CloudMaskedClip, 'B8', 'B4')
var evi = vegIndices.EVI(s2CloudMaskedClip, 'B2', 'B3', 'B8')
var ndviTex = vegIndices.NDVITex(ndvi) 
var eviTex = vegIndices.EVITex(ndvi)

Contoh script :

https://code.earthengine.google.co.in/9064ea852bf5b7890adb9d5f485470c7

Indeks Vegetasi adalah metrik numerik yang menggambarkan kondisi vegetasi dari suatu daerah berdasarkan reflektansi radiasi elektromagnetik. Indeks Vegetasi sangat berguna dalam analisis tutupan lahan karena dapat membantu membedakan tipe tutupan lahan berdasarkan karakteristik vegetasi yang berbeda.

NDVI (Normalized Difference Vegetation Index)

NDVI adalah metriks penting pada penginderaan jauh, NDVI dapat digunakan untuk mengukur tingkat kesehatan dan aktivitas tanaman dengan meninjau perbedaan antara reflektan near-infrared(NIR), yang secara kuat dipantulkan oleh vegetasi dan spektrum tampak cahaya merah yang diserap oleh vegetasi. NDVI dihitung menggunakan formula

NDVI = (NIR - Red) / (NIR + Red)

Definition:
NIR: near-infrared
R: Red

dimana NIR merepresentasikan spektrum cahaya near-infrared dan Red untuk merah. Formula ini melakukan normalisasi nilai, memberikan rentang nilai -1 hingga +1, dimana semakin tinggi nilai mengindikasikan tingkat densitas dan kesehatan vegetasi yang semakin tinggi(ref).

Namun, NDVI juga memiliki keterbatasan. Efektifitasnya dapat dipengaruhi oleh kondisi atmosphere, seperti aerosols dan uap air, yang mana dapat merubah nilai reflektan yang ditangkap dari satelit dan dapat menyebabkan ketidakakuratan kecuali dikoreksi oleh pengaruh atmospher. Nilai NDVI dapat juga dipengaruhi dengan background reflectance dari tanah, umumnya pada daerah dengan tingkat vegetasi yang jarang, yang secara potensial mejurus ke misinterpretasi dari kesehatan vegetasi. Terlepas dari tantangan tersebut, NDVI tetap masih umum digunakan dalam monitoring vegetasi, menawarkan sebuah keseimbangan antara kesederhanaan dan informasi yang berharga untuk berbagai macam aplikasi baik pada pertanian dan environmental science (ref).

EVI (Enhanced Vegetation Index)

EVI merepresentasikan sebuah kemajuan yang signifikan dalam teknologi penginderaan jauh, utamanya untuk monitoring dan analisis dari kesehatan dan aktifitas vegetasi. Dikembangkan sebagai sebuah standard produk dari satelite vegetasi untuk Terra dan Aqua Moderate Resolution Imaging Spectroradiometers (MODIS), EVI menawarkan beberapa peningkatan dari NDVI, utamanya pada daerah dengan biomass tinggi.

EVI dikembangkan untuk mengoptimalkan signal vegetasi dengan peningkatan sensitifitas pada daerah dengan biomassa tinggi sementara meminimalkan pengaruh dari tanah dan atmosphere yang dapat mempengaruhi akurasi dari monitoring vegetasi. Tidak seperti NDVI, yang dapat menjadi jenuh pada daerah dengan vegetasi padat, EVI dapat mempertahankan sensitifitasnya, membuatnya menjadi lebih handal untuk menangkap keadaan yang sebenarnya pada kesehatan dan aktifitas tanaman(ref, ref).

Perhitungan dari EVI meliputi penggunaan near-infrared (NIR), Red (R) dan blue band (B) dari reflectance tampak, melingkupi koefisien yang dapat memperbaiki kondisi atmospher dan menyesuaikan dalam signal background pada canopy (ref).

EVI = G * ((NIR - R) / (NIR + C1 * R – C2 * B + L))

EVI umumnya digunakan pada monitoring lingkungan, managemen agriculture, dan riset iklim. Aplikasinya termasuk didalamanya untuk pemantaun dinamik vegetasi, meninjau tutupan hutan dan biomass, monitoring kesehatan taman, dan deteksi perubahan land use. Dikarenakan peningkatan sensitifitas untuk biomass tinggi dan kemampuannya untuk mereduksi pengaruh atmospher dan noise dari tanah, EVI sangat berguna untuk digunakan untuk vegetasi padat dimana tradisional indices seperti NDVI mungkin tidak dapat bekerja dengan optimal (ref, ref).

Salah satu kekurangan dari EVI adalah ketergantungannya terhadap kesediaan dari data blue band, yang dimana sangat penting untuk meminimalkan efek atmospher. Kebutuhkan ini dapat membatasi pemanfaatan dari EVI untuk sistem sensor yang mensyaratkan adanya sensor blue band. Tetapi bagaimanapun juga, riset telah dilakukan untuk mengembangkan sebuah dua two-band EVI (EVI2) yang dapat beroperasi tanpa blue band, memaksimalkan potensi dari aplikasinya pada platform penginderaan jauh lainnya (ref).

Sebagai rangkuman, EVI merepresentasikan pengembangan yang signifikan dibandingkan dengan NDVI dengan menyediakan informasi yang lebih detail dan akurat untuk kesehatan vegetasi, khususnya pada daerah dengan tutupan kanopi yang lebat. Pengembanganya meningkatkan teknologi penginderaan jauh, menawarkan sebuah alat yang penting untuk ilmuan dalam usahanya untuk memonitor dan memahami dinamika dari vegetasi global.

OSAVI (Optimized Soil Adjusted Vegetation Index)

GRVI (Green-Red Vegetation Index)

2 thoughts on “Membuat Landcover dengan Google Earth Engine”

    • Kegunaana landcover dalam analisis lingkungan dan pengelolaan sumber daya alam:
      1. Pemetaan: landcover dapat digunakan untuk monitoring perubahahan landcover dari waktu ke waktu. Informasi yang didapatkan dari hasil monitoring ini penting untuk pemantaun deforestasi, urbanisasi, dan perubahan penggunaan lahan.
      2. Konservasi dan pengelolaan ekosistem
      Dapat digunakan untuk memahamai pola distribusi habitat alami fauna/flora, serta menganalisai kebelanjutan ekosistem.
      3. Analisa kerentanan bencana alam
      Dapat digunakan sebagai alat untuk menganalisasi terhadap bencana alam seperti banjir, longsor tanah, dan kekeringan. Informasi landcover dapat membantu mengidentifikasi daerah-daerah yang rentan akan bencana alam.
      Semoga membantu

      Reply

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.