Oleh
Gabriel Ivo Aveliano Kusuma Adi Valentino
Analisis spasial dapat memakai berbagai jenis data yang ada dimuka bumi Indeks Vegetasi (IV) diambil dari pantulan permukaan dua arah yang dikoreksi atmosfer setiap hari. Indeks Vegetasi (IV) memberikan perbandingan spasial dan temporal yang konsisten dari kehijauan vegetasi, properti gabungan dari luasan daun, klorofil, dan struktur kanopi vegetasi. Berdasarkan definisi dari NASA, indeks vegetasi diperoleh dari pantulan yang dikoreksi atmosfer pada pita gelombang merah, inframerah dekat, dan biru yang dibedakan sebagai berikut:
- Normalized Difference Vegetation Index (NDVI)
NDVI adalah indeks yang mengukur “kehijauan” vegetasi dengan membandingkan perbedaan antara pantulan cahaya di spektrum merah dan inframerah dekat. Nilai NDVI berkisar antara -1 hingga 1, di mana nilai lebih tinggi menunjukkan vegetasi yang lebih sehat dan lebat.
Keunggulan:
- Sederhana dan Efektif: NDVI mudah dihitung dan telah digunakan secara luas dalam berbagai aplikasi pemantauan vegetasi.
- Deteksi Vegetasi: Efektif dalam mengidentifikasi area dengan tutupan vegetasi dan memantau perubahan musiman.
Keterbatasan:
- Sensitivitas terhadap Latar Belakang Tanah: NDVI dapat dipengaruhi oleh warna dan kelembapan tanah, terutama di area dengan tutupan vegetasi yang jarang.
- Saturasi pada Biomassa Tinggi: Pada area dengan vegetasi sangat lebat, NDVI dapat mencapai titik jenuh dan tidak sensitif terhadap variasi lebih lanjut.
Contoh Penelitian: Studi “Sensitivity of the Enhanced Vegetation Index (EVI) and Normalized Difference Vegetation Index (NDVI) to Topographic Effects: A Case Study in a Mountainous Japanese Cypress Forest” menganalisis perbedaan sensitivitas NDVI dan EVI terhadap efek topografi.
Link Publikasi: https://doi.org/10.3390/s7112636
Sumber Data Satelit:
- Landsat (NASA/USGS): Resolusi spasial 30m, resolusi temporal 16 hari.
- MODIS (NASA): Resolusi spasial 250m – 1km, resolusi temporal harian.
- Sentinel-2 (ESA): Resolusi spasial 10m – 60m, resolusi temporal 5 hari.
- USGS Earth Explorer: Resolusi spasial 250m, resolusi temporal 16 hari.
Contoh:
Analisis spasial yang dilakukan dengan data vegetasi salah satunya memakai data Normalized Difference Vegetation Index (NDVI) yang diunduh dari data Sentinel-2 pada situs data space Copernicus.
Gambar diatas merupakan analisis NDVI Provinsi Daerah Istimewa Yogyakarta (DIY) pada tahun 2023. Dapat diketahui bahwa kerapatan vegetasi di Provinsi Daerah Istimewa Yogyakarta (DIY) pada wilayah pusat kota Yogyakarta memiliki NDVI yang paling rendah, dengan spektrum warna hijau muda. Beberapa wilayah di Provinsi Daerah Istimewa Yogyakarta (DIY) seperti di wilayah utara Kabupaten Kulon Progo, dan wilayah selatan Kabupaten Gunung Kidul memiliki tingkat kerapatan vegetasi yang masih tinggi, hal ini ditunjukkan dengan spektrum warna di daerah-daerah terebut yang berwarna merah.
2. Enhanced Vegetation Index (EVI)
EVI adalah indeks yang dikembangkan untuk meningkatkan sensitivitas terhadap area dengan biomassa tinggi dan mengurangi pengaruh latar belakang tanah serta atmosfer. EVI menggunakan pantulan cahaya di spektrum biru, merah, dan inframerah dekat.
Keunggulan:
- Sensitivitas Tinggi pada Biomassa: EVI lebih responsif terhadap variasi dalam area dengan vegetasi lebat dibandingkan NDVI.
- Koreksi Atmosfer dan Tanah: Mengurangi pengaruh partikel atmosfer dan latar belakang tanah, memberikan estimasi yang lebih akurat.
Keterbatasan:
- Sensitivitas terhadap Kondisi Topografi: EVI dapat lebih sensitif terhadap variasi topografi dibandingkan NDVI, sehingga memerlukan koreksi tambahan pada area berbukit.
- Kebutuhan Data Tambahan: Memerlukan data dari spektrum biru, yang mungkin tidak tersedia pada semua sensor satelit.
Contoh Penelitian: Studi “EVI and NDVI as proxies for multifaceted avian diversity in urban areas” mengeksplorasi kemampuan EVI dan NDVI dalam memprediksi keanekaragaman burung di lanskap perkotaan.
Link Publikasi: https://doi.org/10.1002/eap.2808
Sumber Data Satelit:
- MODIS (NASA): Resolusi spasial 250m – 1km, resolusi temporal harian.
- Sentinel-2 (ESA): Resolusi spasial 10m – 60m, resolusi temporal 5 hari.
- VIIRS (NOAA/NASA): Resolusi spasial 750m, resolusi temporal harian.
- NASA AppEEARS: tipe MYD13Q1 (Aqua MODIS) resolusi spasial 250m, resolusi temporal 16 hari
- Landsat 8/9: Resolusi spasial 30m, resolusi temporal 16 hari.
- USGS Earth Explorer: tipe Terra Modis MOD13Q1 resolusi spasial 250m, resolusi temporal 16 hari.
Contoh
Analisis kerapatan vegetasi dapat pula dilakukan dengan data Enhanced Vegetation Index (EVI). Data EVI lebih tepat digunakan untuk kepekaan terhadap vegetasi yang lebat. Data EVI diambil dari Modis MOD13Q1 dengan fokus wilayah pada Kota Yogyakarta, Provinsi Daerah Istimewa Yogyakarta tahun 2023. Hasil analisis dari data EVI tidak begitu jauh dengan data NDVI. Pada wilayah di Kota Yogyakarta diatas dapat diketahui bahwa tingkat vegetasinya lebih rendah dibandingkan wilayah sekitarnya, dengan warna spektrum EVI warna biru yang mendekati warna biru tua. Hal ini dikarenakan Kota Yogyakarta lebih banyak bangunan dan padat hunian penduduk sehingga area hijaunya lebih sedikit.
3. Soil-Adjusted Vegetation Index (SAVI)
SAVI adalah modifikasi dari NDVI yang dirancang untuk mengurangi pengaruh latar belakang tanah dengan memasukkan faktor penyesuaian tanah dalam perhitungannya. Indeks ini dipakai untuk mengoreksi pengaruh kecerahan tanah pada vegetasi dengan tutupan rendah.
Keunggulan:
- Reduksi Pengaruh Tanah: Lebih efektif dalam mengurangi efek pantulan tanah, terutama di area dengan tutupan vegetasi yang jarang.
- Akurasi Lebih Tinggi di Area Kering: Cocok untuk digunakan di wilayah semi-kering atau kering di mana latar belakang tanah dominan.
Keterbatasan:
- Pemilihan Faktor Penyesuaian (L): Nilai L yang tidak tepat dapat mempengaruhi akurasi SAVI, memerlukan kalibrasi sesuai dengan kondisi spesifik area studi.
- Keterbatasan pada Vegetasi Lebat: Pada area dengan vegetasi sangat lebat, keunggulan SAVI dibandingkan NDVI menjadi kurang signifikan.
Contoh Penelitian: Studi “Analysis Of Vegetation Index For NDVI, EVI-2, And SAVI For Mangrove Forest Density Using Google Earth Engine In Lembar Bay, Lombok Island” membandingkan berbagai indeks vegetasi dalam penilaian kepadatan hutan mangrove.
Link Publikasi: http://dx.doi.org/10.1088/1755-1315/1127/1/012034
Sumber Data Satelit:
- Landsat (NASA/USGS): Resolusi spasial 30m, resolusi temporal 16 hari.
- MODIS (NASA): Resolusi spasial 250m – 1km, resolusi temporal harian.
- Sentinel-2 (ESA): Resolusi spasial 10m – 60m, resolusi temporal 5 hari.
- USGS Earth Explorer: tipe Terra Modis MOD13Q1 resolusi spasial 250m, resolusi temporal 16 hari.
Contoh:
Hasil pemetaan data SAVI di Provinsi Daerah Istimewa Yogyakarta pada 2023 diambil dari citra Landsat 8. Pemetaan data SAVI dapat terlihat bahwa mayoritas di wilayah Kota Yogyakarta area tanahnya tidak memiliki tutupan vegetasi yang lebat. Hal ini ditunjukkan dari spektrum warna terutama di wiayah Kota Yogyakarta berwarna hijau tua. Wilayah-wilayah seperti di utara wilayah Kabupaten Kulon Progo memiliki spektrum warna cenderung merah, hal ini berarti cakupan tutupan vegetasi di wilayah tersebut masih tinggi. Hal ini juga di ikuti di wilayah Kabupaten Gunung Kidul terutama di wilayah selatan sepanjang dekat garis pesisir pantai di Gunung Kidul yang masih tinggi cakupan vegetasinya.