CHARACTERISTICS OF MANGROVE LAND COVER SPECTRAL USING SENTINEL-2A SATTELITE IMAGE IN KEMBUNG RIVER BENGKALIS REGENCY RIAU PROVINCE
DOI:
https://doi.org/10.31258/jiik.2.2.48-56Keywords:
Kembung river, mangrove, spectral, land cover, Sentinel-2AAbstract
In visual way, distinguishing mangrove land cover located in Kembung river Bengkalis is hard to do especially if it is using far remote sensing technology. However by applying spectral analyze method, this problem is possibly fixed. It started by taking area sample (training area) 3x3 pixels as many as 10 areas for each classes of land cover, then the result obtained is analyzed by statistical variability test before continued to DMRT test to measure the ability of separation by using separability. Based on the analysis of variability to the spectral value of sattelite vision Sentinel-2A that F-hit (17,626) higher than F-tab (1,98), it showed the treatment has significant effect. The result of DMRT test on reflectancy value of spectral sattelite vision sentinel-2A can be classified into five spectral groups and DMRT test to the mangrove land cover consisted of four groups. Meanwhile, based on separability test there are 36 class pairs, 32 (90,9%) can be separated each way, while 4 (9,1%) can not be separated.
References
Chavez P., S. 1996. Image-Based Atmospheric Corrections-Revisited and Improved. Photogrammetric Engineering & Remote Sensing. 62 (9):1025-1036.
Congedo, L., 2016. Tutorial 2 – Land Cover Classificationof Landsat Image. Semi-Automatic Classification Plugin Documentation. 65-82.
Hoffer, Roger, M. 1978. Biological and Physical Consideration in Applying Computer Aided Analysis Techniques to Remote Sensor Data, in Remote Sensing. The Quantitative Approach, Edited by Phylip H. Swain and Sherley M. Davis, New York: McGraw Hill.
Jaya, I., N., S. 2010. Analisis Citra Digital : Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB.
Jensen, J., R. 2007. Remote Sensing of the Environment: An Earth Resource Perspective (2nd ed). London [GB]: Pearson Education.
Jhonnerie, R. 2015. Klasifikasi Mangrove Berbasis Objek dan Piksel Menggunakan Citra Satelit Multispektral di Sungai Kembung Bengkalis, Provinsi Riau. Bogor Agricultur University. Bogor.
Jhonnerie, R., Siregar, V., P., Nababan, B., Budi, L., Prasetyo, Wouthuyzen, S. 2014. Deteksi Perubahan Tutupan Mangrove Menggunakan Citra Landsat Berdasarkan Klasifikasi Hibrida Di Sungai Kembung, Pulau Bengkalis, Provinsi Riau. Jurnal Ilmu dan Teknologi Kelautan Tropis, volume 6 (2):491-506.
Karuniastuti, N. 2012. Peranan Hutan Mangrove Bagi Lingkungan Hidup. Forum Manajemen, volume 6 (2).
KLHK. 2017. Laju Kerusakan Hutan Mangrove di Indonesia Tercepat di Dunia.
Kusumowidagdo, M., Sanjoto, T., B., Setyowati D. L., Semedi B. 2007. Penginderaan Jauh dan Interpretasi Citra. Pusat Data PJ LAPAN dan Jurusan Geografi UNS Semarang.
Latifa, A., K. 2017. Analisa Respon Spektral Objek (Objek : Lampu Taman Di Gazebo Teknik Geomatika, Its). Departemen Teknik Geomatika Fakultas Teknik Sipil, Lingkungan dan Kebumian Institut Teknologi Sepuluh November.
Lillesand, T., M., Kiefer, R., W. 1990. Pengindraan Jauh dan Interpretasi Citra; Penerjemah : Dulbahri, Suharsono, P., Hartono dan Suharyadi. Gadjah Mada University Press.Yogyakarta.
Mather, P., M., Koch, M. 2004. Computer Processing of Remotely-Sensed Images An Introduction. Chichster : John Willey & Sons Inc.
Musyarofah, Sirin, D., N., S., Maryanto, A., Kushardono, D. 2010. Kajian Penentuan Kanal Spektral Sistem Pencitra Satelit Mikro Berbasis Kebutuhan Pengguna Untuk Observasi Sumber Daya Alam Di Indonesia. Peneliti dan Perekayasa Bidang Pengembangan Teknologi Penginderaan Jauh, Pusbangja, LAPAN.
Ridho, A. 2015. Pola Spektral Daun Mangrove Denganmenggunakan Spektrofotometer Dan Citraworldview-2 Di Perairan Pulau Pari, Kepulauanseribu. Departemen Ilmu Dan Teknologi Kelautanfakultas Perikanan Dan Ilmu Kelautaninstitut Pertanian Bogor
Robinson, I., S. 1985. Satellite Oceanography: an Introduction for Oceanographers and Remote Sensing Scientis. Ellis Harvard Limied, Chiester, England. 455h.
Sobrino, J., A., Jimenez, Munoza J., C., Paolinib, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, volume 90(4):434-440.
Sulaiman, A., Hendiarti, N., Syamsudin, F., Marina, C., G., Frederik, Muh., Sadly, Andiastuti, R. 2006. Riset dan Teknologi Pemantauan Dinamika Laut Indonesia. BAB II Satelit Oseanografi. Badan Riset Kelautan dan Perikanan. Departemen Kelautan dan Perikanan. Jakarta.
Surya, W., H. 2016. Eksistensi Adat Istiadat Suku Hutan Dalam kehidupan Sehari-hari (Studi Kasus Desa Kembung Luar Kecamatan Bantan Kabupaten Bengkalis). Jurnal AKRAB JUARA volume 1: (1-14).
Hoffer, Roger, M. 1978. Biological and Physical Consideration in Applying Computer Aided Analysis Techniques to Remote Sensor Data, in Remote Sensing. The Quantitative Approach, Edited by Phylip H. Swain and Sherley M. Davis, New York: McGraw Hill.
Jaya, I., N., S. 2010. Analisis Citra Digital : Perspektif Penginderaan Jauh Untuk Pengelolaan Sumberdaya Alam. Bogor (ID): Fakultas Kehutanan IPB.
Jensen, J., R. 2007. Remote Sensing of the Environment: An Earth Resource Perspective (2nd ed). London [GB]: Pearson Education.
Jhonnerie, R. 2015. Klasifikasi Mangrove Berbasis Objek dan Piksel Menggunakan Citra Satelit Multispektral di Sungai Kembung Bengkalis, Provinsi Riau. Bogor Agricultur University. Bogor.
Jhonnerie, R., Siregar, V., P., Nababan, B., Budi, L., Prasetyo, Wouthuyzen, S. 2014. Deteksi Perubahan Tutupan Mangrove Menggunakan Citra Landsat Berdasarkan Klasifikasi Hibrida Di Sungai Kembung, Pulau Bengkalis, Provinsi Riau. Jurnal Ilmu dan Teknologi Kelautan Tropis, volume 6 (2):491-506.
Karuniastuti, N. 2012. Peranan Hutan Mangrove Bagi Lingkungan Hidup. Forum Manajemen, volume 6 (2).
KLHK. 2017. Laju Kerusakan Hutan Mangrove di Indonesia Tercepat di Dunia.
Kusumowidagdo, M., Sanjoto, T., B., Setyowati D. L., Semedi B. 2007. Penginderaan Jauh dan Interpretasi Citra. Pusat Data PJ LAPAN dan Jurusan Geografi UNS Semarang.
Latifa, A., K. 2017. Analisa Respon Spektral Objek (Objek : Lampu Taman Di Gazebo Teknik Geomatika, Its). Departemen Teknik Geomatika Fakultas Teknik Sipil, Lingkungan dan Kebumian Institut Teknologi Sepuluh November.
Lillesand, T., M., Kiefer, R., W. 1990. Pengindraan Jauh dan Interpretasi Citra; Penerjemah : Dulbahri, Suharsono, P., Hartono dan Suharyadi. Gadjah Mada University Press.Yogyakarta.
Mather, P., M., Koch, M. 2004. Computer Processing of Remotely-Sensed Images An Introduction. Chichster : John Willey & Sons Inc.
Musyarofah, Sirin, D., N., S., Maryanto, A., Kushardono, D. 2010. Kajian Penentuan Kanal Spektral Sistem Pencitra Satelit Mikro Berbasis Kebutuhan Pengguna Untuk Observasi Sumber Daya Alam Di Indonesia. Peneliti dan Perekayasa Bidang Pengembangan Teknologi Penginderaan Jauh, Pusbangja, LAPAN.
Ridho, A. 2015. Pola Spektral Daun Mangrove Denganmenggunakan Spektrofotometer Dan Citraworldview-2 Di Perairan Pulau Pari, Kepulauanseribu. Departemen Ilmu Dan Teknologi Kelautanfakultas Perikanan Dan Ilmu Kelautaninstitut Pertanian Bogor
Robinson, I., S. 1985. Satellite Oceanography: an Introduction for Oceanographers and Remote Sensing Scientis. Ellis Harvard Limied, Chiester, England. 455h.
Sobrino, J., A., Jimenez, Munoza J., C., Paolinib, L. 2004. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, volume 90(4):434-440.
Sulaiman, A., Hendiarti, N., Syamsudin, F., Marina, C., G., Frederik, Muh., Sadly, Andiastuti, R. 2006. Riset dan Teknologi Pemantauan Dinamika Laut Indonesia. BAB II Satelit Oseanografi. Badan Riset Kelautan dan Perikanan. Departemen Kelautan dan Perikanan. Jakarta.
Surya, W., H. 2016. Eksistensi Adat Istiadat Suku Hutan Dalam kehidupan Sehari-hari (Studi Kasus Desa Kembung Luar Kecamatan Bantan Kabupaten Bengkalis). Jurnal AKRAB JUARA volume 1: (1-14).
Swain, H., P., Davis, S., M. 1978. Remo te Sensing: The Quantitative Approach. McGraw –Hills. New York. USA.
Valiela, I., L., J., Bowen, York, J., K. 2001. Mangrove Forests: One of the World’s Threatened Major Tropical Environments. BioScience, volume 51(10): 807-815.
