scholarly journals SOFTWARE FOR THE AUTOMATIC APPLICATION OF THE TOPOGRAPHIC CORRECTION ALGORITHM FOR THE LANDSAT 8 OLI IMAGES

2020 ◽  
pp. 158-163
Author(s):  
S.L. Shevyrev
Keyword(s):  
Landsat 8 ◽  
Correction Algorithm ◽  
Landsat 8 Oli ◽  
Topographic Correction

scholarly journals AGROFORESTRY TREE DENSITY ESTIMATION BASED ON HEMISPHERICAL PHOTOS & LANDSAT 8 OLI/TIRS IMAGE: A CASE STUDY AT CIDANAU WATERSHED, BANTEN-INDONESIA

2019 ◽  
Vol XLII-3/W7 ◽  
pp. 33-39
Author(s):  
R. N. Khairiah ◽  
L. B. Prasetyo ◽  
Y. Setiawan
Keyword(s):  
Regression Analysis ◽  
Vegetation Index ◽  
Linear Regression Analysis ◽  
Tree Density ◽  
Predictor Variables ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Topographic Correction ◽  
Area Index ◽  
Determination Coefficient

<p><strong>Abstract.</strong> The Cidanau watershed is the only watershed in Indonesia that implements Payment for Environmental Services (PES) for farmers who can maintain tree/stand density of 500 trees/hectare on their land. Payments are made upon the verification on the field by the project supervisor. This method requires a lot of time and costly, so it is necessary to build more efficient indirect methods, including using satellite imagery or camera data. The aim of this study is to understand Landsat OLI 8 and hemispherical photo can estimate tree density in the farmer’s agroforestry stand. To obtain tree density, the number of trees with diameter more than 10 cm in 50 plots (50 m x 50 m) were counted. Some predictor variables were utilized, such as Leaf Area Index (LAI) based on hemispherical photos, Normalized Difference Vegetation Index (NDVI), Forest Cover Density (FCD), as well as NDVI and FCD which were enhanced with topographic correction. The imagery used was Landsat 8 OLI acquired on July 5, 2015, with Path/Row 123/64. The relationship between tree density and predictor variables was done using linear regression analysis. Prior to regression analysis, normality (Kolmogorov Smirnov/K-S), heteroscedasticity (Glejser test) and auto correlation (Durbin Watson) test were performed. The results of the analysis showed that tree density was estimated better with hemispherical photos-based LAI, with determination coefficient of 80.6%. Meanwhile, estimation using NDVI and FCD has lower determination coefficient. Even though, the use of topographic correction had been able to increase the determination coefficient of the regression relationship between tree density and FCD, from 4.64% to 35.18%.</p>

scholarly journals Atmospheric correction algorithm over coastal and inland waters based on the red and NIR bands: application to Landsat-8/OLI and VNREDSat-1/NAOMI observations

2019 ◽  
Vol 27 (22) ◽  
pp. 31676 ◽  
Author(s):  
Dat Dinh Ngoc ◽  
Hubert Loisel ◽  
Lucile Duforêt-Gaurier ◽  
Cedric Jamet ◽  
Vincent Vantrepotte ◽  
...  
Keyword(s):  
Atmospheric Correction ◽  
Inland Waters ◽  
Landsat 8 ◽  
Correction Algorithm ◽  
Landsat 8 Oli

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.

Sign in / Sign up

Export Citation Format

Share Document