Identification of paddy fields based on temporal phase using Spectral Angle Mapper (SAM) on Landsat-8 OLI

2021 ◽  
Author(s):  
Mohammad Naufal Fathoni ◽  
Gelanggoro K. Anintika ◽  
Dariin Firda ◽  
Pronika Kricella ◽  
Prima Widyani ◽  
...  
Keyword(s):  
Paddy Fields ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Spectral Angle Mapper ◽  
Temporal Phase ◽  
Spectral Angle

scholarly journals Mapeo de la cobertura vegetal en la subcuenca Quillcay (Ancash – Perú) con el clasificador de Árbol de decisiones.

2021 ◽  
Author(s):  
Frank Santiago Bazan ◽  
Helder Mallqui Meza ◽  
Raquel Rios Recra
Keyword(s):  
Landsat 8 ◽  
Moisture Index ◽  
Alos Palsar ◽  
Spectral Angle Mapper ◽  
Cordillera Blanca ◽  
Spectral Angle

La caracterización y delimitación de la cobertura vegetal existente en una determinada área geográfica es de vital importancia para una adecuada gestión de los recursos naturales. En tal sentido, esta investigación propone una metodología para realizar la delimitación de los tipos de cobertura vegetal de la subcuenca Quillcay. El área de estudio está localizada en los distritos de Huaraz e Independencia, provincia de Huaraz, Ancash; en la ladera occidental media de la Cordillera Blanca y Cuenca del Santa. La delimitación de la cobertura vegetal; inició con la identificación de los tipos de cobertura vegetal dominantes (pajonal andino, bosque, bofedal y matorral arbustivo); luego, se definieron las características geográficas (pendiente y altitud) para cada tipo de cobertura vegetal. Posteriormente, se generaron capas con el clasificador Spectral Angle Mapper (SAM) y el cálculo del Normalized Difference Moisture Index (NDMI). Finalmente, a través del clasificador de árbol de decisiones se puedo integrar todas las capas determinadas anteriormente, obteniendo de esta manera la clasificación supervisada con el uso información satelital Landsat 8 del año 2018 y DEM Alos Palsar. Los resultados indican que la aplicación del árbol de decisiones muestra una exactitud de la clasificación casi perfecta con un estadístico Kappa (K^) de 0,90. Consideramos que la metodología propuesta (árbol de decisiones) es ideal para delimitar la cobertura vegetal a escala subregional.  

scholarly journals Mapping iron oxides with Landsat-8/OLI and EO-1/Hyperion imagery from the Serra Norte iron deposits in the Carajás Mineral Province, Brazil

2016 ◽  
Vol 46 (3) ◽  
pp. 331-349 ◽  
Author(s):  
Diego Fernando Ducart ◽  
Adalene Moreira Silva ◽  
Catarina Labouré Bemfica Toledo ◽  
Luciano Mozer de Assis
Keyword(s):  
Clay Minerals ◽  
Iron Oxides ◽  
Geophysical Data ◽  
Open Pit ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Data Set ◽  
Spectral Angle Mapper ◽  
Iron Deposits ◽  
Airborne Geophysical Data

ABSTRACT: Mapping methods for iron oxides and clay minerals, using Landsat-8/Operational Land Imager (OLI) and Earth Observing 1 (EO-1)/Hyperion imagery integrated with airborne geophysical data, were applied in the N4, N5, and N4WS iron deposits, Serra Norte, Carajás, Brazil. Band ratios were achieved on Landsat-8/OLI imagery, allowing the recognition of the main minerals from iron deposits. The Landsat-8/OLI imagery showed a robust performance for iron oxide exploration, even in vegetated shrub areas. Feature extraction and Spectral Angle Mapper hyperspectral classification methods were carried out on EO-1/Hyperion imagery with good results for mapping high-grade iron ore, the hematite-goethite ratio, and clay minerals from regolith. The EO-1/Hyperion imagery proved an excellent tool for fast remote mineral mapping in open-pit areas, as well as mapping waste and tailing disposal facilities. An unsupervised classification was carried out on a data set consisting of EO-1/Hyperion visible near-infrared 74 bands, Landsat-8/OLI-derived Normalized Difference Vegetation Index, Laser Imaging Detection and Ranging-derived Digital Terrain Model, and high-resolution airborne geophysical data (gamma ray spectrometry, Tzz component of gradiometric gravimetry data). This multisource classification proved to be an adequate alternative for mapping iron oxides in vegetated shrub areas and to enhance the geology of the regolith and mineralized areas.

scholarly journals Transformasi Indeks Vegetasi Citra LANDSAT 8 OLI untuk Pemetaan Musim Tanam pada Lahan Sawah di Kabupaten Buru, Provinsi Maluku

2020 ◽  
Vol 16 (2) ◽  
pp. 197-205
Author(s):  
Nunung N Tatisina ◽  
Willem A Siahaya ◽  
Johanes P Haumahu
Keyword(s):  
Satellite Imagery ◽  
Vegetation Index ◽  
Normalized Difference Vegetation Index ◽  
Growing Season ◽  
Rice Fields ◽  
Paddy Fields ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Accuracy Test ◽  
Planting Season

The use of satellite imagery in agriculture has been widely used, for example in plantation areas or in rice fields. Satellite imagery can estimate the area of paddy fields and estimate rice production; however, the application of satellites for mapping the planting season in rice fields using Landsat 8 OLI imagery and NDVI (Normal Difference Vegetation Index) transformation has not been widely undertaken. This study aimed to analyze the growing season in paddy fields based on the results of NDVI analysis of Multitemporal Landsat 8 OLI imagery. Based on the results of research analyzed from the spectral value of NDVI images recorded in March and May 2020 then added with the results of observations   and farmer interviews in September 2020, it was found that there were color differences in NDVI images caused by differences in planting time or plant age at the time of recording the image. The planting season in rice fields in the Buru regency was generally two times per year or five times per two years. The increase in the rice planting season could be realized due to the availability of water in the field that was sufficient for the growth of rice plants, both from irrigation and rainfall. Based on the interpretation of the images used and field checks, it was found that the accuracy test results showed the overall accuracy of 88%. The overall accuracy value is considered correct if it exceeds the tolerance limit given, which is ≥ 80%. Keywords: Buru Regency, growing season, Landsat 8, NDVI, paddy fields   ABSTRAK Pemanfaatan citra satelit pada bidang pertanian telah banyak dilakukan, misalnya pada areal perkebunan ataupun pada areal persawahan. Citra satelit dapat menduga luas lahan sawah sampai dengan menduga produksi padi; tetapi pemanfaatan citra satelit untuk pemetaan musim tanam di lahan sawah menggunakan citra Landsat 8 OLI dan transformasi NDVI (Normalized Difference Vegetation Index) sampai saat ini belum banyak dilakukan. Penelitian ini bertujuan untuk Menganalisis musim tanam di lahan sawah berdasarkan hasil analisis NDVI Citra Landsat 8 OLI Multitemporal. Berdasarkan hasil penelitian yang dianalisis dari nilai spektral citra NDVI perekaman bulan Maret dan Mei tahun 2020 ditambah dengan hasil pengamatan serta wawancara petani pada bulan September 2020 didapatkan adanya perbedaan warna pada citra NDVI yang diakibatkan oleh perbedaan waktu tanam ataupun umur tanaman pada saat perekaman citra. Musim tanam pada lahan sawah di Kabupaten Buru umumnya dua kali per tahun atau lima kali per dua tahun. Peningkatan musim tanam padi dapat terealisasi karena ketersediaan air di lapangan untuk mencukupi pertumbuhan tanaman padi, baik yang bersumber dari air irigasi maupun curah hujan. Berdasarkan interpretasi citra yang digunakan dan pengecekan lapangan didapatkan bahwa hasil uji   akurasi menunjukkan hasil overall accuracy sebesar 88%. Nilai overall accuracy dianggap benar jika melebihi batas toleransi yang diberikan yakni ≥ 80%. Kata kunci:  Kabupaten Buru, Landsat 8, lahan sawah, musim tanam, NDVI

scholarly journals PERBANDINGAN HASIL KLASIFIKASI LIMBAH LUMPUR ASAM DENGAN METODE SPECTRAL ANGLE MAPPER DAN SPECTRAL MIXTURE ANALYSIS BERDASARKAN CITRA LANDSAT - 8

2016 ◽  
Vol 13 (1) ◽  
Author(s):  
Sayidah Sulma ◽  
Junita Monika Pasaribu ◽  
Hana Listi Fitriana ◽  
Nanik Suryo Haryani
Keyword(s):  
Spectral Measurement ◽  
Spectral Mixture Analysis ◽  
Landsat 8 ◽  
Affecting Factors ◽  
Mixture Analysis ◽  
Classification Result ◽  
Spectral Angle Mapper ◽  
Accuracy Level ◽  
Spectral Mixture ◽  
Spectral Angle

The utilization of remote sensing data is an alternative way that could be used for rapid detection of large coverage hazardous waste area. This study aims to classify the acid sludge contaminated area using Landsat 8 by applying Spectral Angle Mapper (SAM) classification method with two spectral reference sources, namely field spectral measurement using a spectrometer and endmember spectral from the image, and then compare the classification results. The accuracy level of SAM classification result showed that classification using endmember spectral from the image as the reference spectral reached 66,7%, whereas classification using field spectral measurement as spectral reference only reached 33,3%. The accuracy level of Spectral Mixture Analysis (SMA) classification result showed that classification using endmember spectral from the image as the reference spectral reached 62,5%.  The affecting factors for the low accuracy is the significant differences of the spectral profiles obtained from spectrometer with spectral Landsat-8 due to differences of spatial and altitude Abstrak Pemanfaatan data penginderaan jauh merupakan salah satu alternatif yang dapat digunakan untuk deteksi daerah tercemar limbah B3 secara cepat dengan wilayah yang luas. Penelitian ini bertujuan untuk mengklasifikasi daerah tercemar lumpur asam menggunakan data Landsat 8 dengan metode Spectral Angle Mapper (SAM), kemudian membandingkan hasil klasifikasiSAM menggunakan spektral referensi berdasarkan pengukuran spektrometer dengan spektral yang diperoleh dari endmember citra. Tingkat akurasi klasifikasi SAM dengan spektral referensi berdasarkan endmember citra adalah sebesar 66,7 %, sedangkan dengan menggunakan referensi spektrometer hanya mencapai 33,3 %. Tingkat akurasi klasifikasi Spectral Mixture Analysis (SMA) dengan spektral referensi berdasarkan endmember citra adalah sebesar 62,5 %. Faktor yang mempengaruhi rendahnya akurasi adalah perbedaan yang signifikan antara profil spektral yang diperoleh dari spektrometer dengan spektral Landsat-8 akibat perbedaan spasial dan ketinggian. The utilization of remote sensing data is an alternative way that could be used for rapid detection of large coverage hazardous waste area. This study aims to classify the acid sludge contaminated area using Landsat 8 by applying Spectral Angle Mapper (SAM) classification method with two spectral reference sources, namely field spectral measurement using a spectrometer and endmember spectral from the image, and then compare the classification results. The accuracy level of SAM classification result showed that classification using endmember spectral from the image as the reference spectral reached 66,7%, whereas classification using field spectral measurement as spectral reference only reached 33,3%. The accuracy level of Spectral Mixture Analysis (SMA) classification result showed that classification using endmember spectral from the image as the reference spectral reached 62,5%.  The affecting factors for the low accuracy is the significant differences of the spectral profiles obtained from spectrometer with spectral Landsat-8 due to differences of spatial and altitude

Analisis Pengaruh Kerapatan Vegetasi Terhadap Suhu Permukaan dan Keterkaitannya Dengan Fenomena UHI

2020 ◽  
Vol 21 (1) ◽  
pp. 99
Author(s):  
Dewi Miska Indrawati ◽  
Suharyadi Suharyadi ◽  
Prima Widayani
Keyword(s):  
Urban Heat Island ◽  
Landsat 8 ◽  
Heat Island ◽  
Landsat 8 Oli ◽  
Urban Heat ◽  
Split Window Algorithm

Kota Mataram adalahpusat dan ibukota dari provinsi Nusa Tenggara Barat yang tentunya menjadi pusat semua aktivitas masyarakat disekitar daerah tersebut sehingga menyebabkan peningkatan urbanisasi. Semakin meningkatnya peningkatan urbanisasi yan terjadi di perkotaan akan menyebabkan perubahan penutup lahan, dari awalnya daerah bervegetasi berubah menjadi lahan terbangun. Oleh karena itu, akan memicu peningkatan suhu dan menyebabkan adanya fenomena UHI dikota Mataram.Tujuan dari penelitian ini untuk mengetahui hubungan kerapatan vegetasi dengan kondisi suhu permukaan yang ada diwilayah penelitian dan memetakan fenomena UHI di Kota Mataram. Citra Landsat 8 OLI tahun 2018 yang digunakan terlebih dahulu dikoreksi radiometrik dan geometrik. Metode untuk memperoleh data kerapatan vegetasi menggunakan transformasi NDVI, LST menggunakan metode Split Window Algorithm (SWA) dan identifikasi fenomena urban heat island. Hasil penelitian yang diperoleh menunjukkan kerapatan vegetasi mempunyai korelasi dengan nilai LST. Hasil korelasi dari analisis pearson yang didapatkan antara kerapatan vegetasi terhadap suhu permukaan menghasilkan nilai -0,744. Fenomena UHIterjadi di pusat Kota Mataram dapat dilihat dengan adanya nilai UHI yaitu 0-100C. Semakin besar nilai UHI, semakin tinggi perbedaan LSTnya.

PEMANFAATAN DATA PENGINDERAAN JAUH DAN TEKNOLOGI SIG UNTUK MENGIDENTIFIKASI BUILT UP AREA DAN KAITANNYA DENGAN RTRW DI KABUPATEN KENDAL

2019 ◽  
Vol 3 ◽  
pp. 521
Author(s):  
Mailendra Mailendra
Keyword(s):  
Supervised Classification ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm

Integrasi data penginderaan jauh dengan sistem informasi geografis telah banyak dikembangkan, dan salah satunya dalam melihat perkembangan lahan terbangun. Tujuan penelitian ini adalah untuk melihat perkembangan lahan terbangun dan kesesuaiannya dengan Rencana Pola Ruang Kabupaten Kendal. Kemudian metode yang digunakan yaitu metode supervised classification dengan memanfaatkan data citra landsat 5 TM dan landsat 8 OLI yang selanjutnya dihitung luas dari masing lahan terbangun berdasarkan data temporal tahun 1990, tahun 2015 dan tahun 2017. Setelah diketahui luas lahan terbangun selanjutnya dioverlay dengan peta rencana pola ruang Kabupaten Kendal untuk melihat sesuai atau tidaknya penempatan lahan terbangun tersebut. Adapun hasil penelitiannya yaitu setiap tahunnya lahan terbangun terus meningkat di Kabupaten Kendal, terjadi peningkatan yang cukup signifikan dalam dua tahun terakhir yaitu tahun 2015 hingga tahun 2017. Selanjutnya diperkirakan 88 % lahan terbangun tersebut telah sesuai dengan RTRW karena sudah berada pada kawasan budidaya.

APLIKASI CITRA LANDSAT 8 OLI UNTUK IDENTIFIKASI STATUS TROFIK WADUK GAJAH MUNGKUR WONOGIRI, JAWA TENGAH

2017 ◽  
Vol 19 (2) ◽  
pp. 113
Author(s):  
Kusuma Wardani Laksitaningrum ◽  
Wirastuti Widyatmanti
Keyword(s):  
Chlorophyll A ◽  
Total Phosphorus ◽  
Trophic State ◽  
Water Clarity ◽  
Coefficient Of Determination ◽  
Physical Factors ◽  
Landsat 8 ◽  
Trophic State Index ◽  
Landsat 8 Oli ◽  
State Index

<p align="center"><strong>ABSTRAK</strong></p><p class="abstrak">Waduk Gajah Mungkur (WGM) adalah bendungan buatan yang memiliki luas genangan maksimum 8800 ha, terletak di Desa Pokoh Kidul, Kecamatan Wonogiri, Kabupaten Wonogiri. Kondisi perairan WGM dipengaruhi oleh faktor klimatologis, fisik, dan aktivitas manusia yang dapat menyumbang nutrisi sehingga mempengaruhi status trofiknya. Tujuan dari penelitian ini adalah mengkaji kemampuan citra Landsat 8 OLI untuk memperoleh parameter-parameter yang digunakan untuk menilai status trofik, menentukan dan memetakan status trofik yang diperoleh dari citra Landsat 8 OLI, dan mengevaluasi hasil pemetaan dan manfaat citra penginderaan jauh untuk identifikasi status trofik WGM. Identifikasi status trofik dilakukan berdasarkan metode <em>Trophic State Index</em> (TSI) Carlson (1997) menggunakan tiga parameter yaitu kejernihan air, total fosfor, dan klorofil-a. Model yang diperoleh berdasar pada rumus empiris dari hasil uji regresi antara pengukuran di lapangan dan nilai piksel di citra Landsat 8 OLI. Model dipilih berdasarkan nilai koefisien determinasi (R<sup>2</sup>) tertinggi. Hasil penelitian merepresentasikan bahwa nilai R<sup>2</sup> kejernihan air sebesar 0,813, total fosfor sebesar 0,268, dan klorofil-a sebesar 0,584. Apabila nilai R<sup>2 </sup>mendekati 1, maka semakin baik model regresi dapat menjelaskan suatu parameter status trofik. Berdasarkan hasil kalkulasi diperoleh distribusi yang terdiri dari kelas eutrofik ringan, eutrofik sedang, dan eutrofik berat yaitu pada rentang nilai indeks 50,051 – 80,180. Distribusi terbesar adalah eutrofik sedang. Hal tersebut menunjukkan tingkat kesuburan perairan yang tinggi dan dapat membahayakan makhluk hidup lain.</p><p><strong>Kata kunci: </strong>Waduk Gajah Mungkur, citra Landsat 8 OLI, regresi, TSI, status trofik</p><p class="judulABS"><strong>ABSTRACT</strong></p><p class="Abstrakeng">Gajah Mungkur Reservoir is an artificial dam that has a maximum inundated areas of 8800 ha, located in Pokoh Kidul Village, Wonogiri Regency. The reservoir’s water conditions are affected by climatological and physical factors, as well as human activities that can contribute to nutrients that affect its trophic state. This study aimed to assess the Landsat 8 OLI capabilities to obtain parameters that are used to determine its trophic state, identifying and mapping the trophic state based on parameters derived from Landsat 8 OLI, and evaluating the results of the mapping and the benefits of remote sensing imagery for identification of its trophic state. Identification of trophic state is based on Trophic State Index (TSI) Carlson (1997), which uses three parameters there are water clarity, total phosphorus, and chlorophyll-a. The model is based on an empirical formula of regression between measurements in the field and the pixel values in Landsat 8 OLI. Model is selected on the highest value towards coefficient of determination (R<sup>2</sup>). The results represented that R<sup>2</sup> of water clarity is 0.813, total phosphorus is 0.268, and chlorophyll-a is 0.584. If R<sup>2</sup> close to 1, regression model will describe the parameters of the trophic state better. Based on the calculation the distribution consists of mild eutrophic, moderate eutrophic, and heavy eutrophic that has index values from 50.051 to 80.18. The most distribution is moderate eutrophication, and it showed the high level of trophic state and may harm other living beings.</p><p><strong><em>Keywords: </em></strong><em>Gajah Mungkur Reservoir, </em><em>L</em><em>andsat 8 OLI satellite imagery, regression, TSI, trophic state</em></p>

ANALISIS POTENSI DAERAH RESAPAN AIR KOTA PADANG

2019 ◽  
Vol 3 ◽  
pp. 671
Author(s):  
Quinoza Guvil ◽  
Dwi Marsiska Driptufany ◽  
Syahri Ramadhan
Keyword(s):  
Landsat 8 ◽  
Landsat 8 Oli

Kota Padang adalah kota dengan kekerapan hujan dan curah hujan yang cukup tinggi. Pembangunan di Kota Padang berbanding terbalik dengan daerah resapan air sehingga air hujan tergenang dan terjadi banjir. Tujuan dari penelitian ini adalah untuk mengestimasi sebaran kawasan resapan air berbasis penggunaan lahan aktual di Kota Padang berdasarkan data parameter spasial seperti curah hujan, kemiringan lereng, peta jenis tanah, dan penggunaan lahan yang diperoleh dari data citra landsat 8 OLI dengan metode klasifikasi berbasis objek. Metode yang digunakan dalam penelitian ini adalah metode skoring dan tumpang susun atau overlay. Penelitian ini memetakan sebaran kondisi daerah resapan air berdasarkan kondisi saat ini, penentuan daerah yang ditetapkan sebagai zona resapan air Kota Padang menggunakan metode kombinasi skoring dan aritmatik dalam analisis spasial. Hasil analisis menghasilkan enam kelas kondisi potensi daerah resapan air, yang terdiri dari kondisi baik, normal alami, mulai kritis, agak kritits, kritis dan sangat kritis. Kondisi kawasan resapan air dengan luasan terbesar yaitu seluas 69,79% dari luas wilayah daerah penelitian terdapat pada kondisi resapan baik. Kawasan ini tersebar di wilayah timur Kota Padang yang merupakan wilayah pegunungan dengan ketinggian bervariasi dan sangat curam yaitu >1000 mdpl. Kawasan potensi resapan air Kota Padang masih berfungsi baik dengan luasan terbesar terdapat di Kecamatan Koto Tangah seluas 16870,288 ha. Semakin baik infiltrasi suatu parameter maka semakin baik pula resapan air suatu kawasan.

Sign in / Sign up

Export Citation Format

Share Document