modul ndvi

7/22/2019 Modul Ndvi

1/17

NORMALIZED DIFFERENCE VEGETATION INDEKS (NDVI)

I. Tujuan1. Dapat Mengoperasikan Software ArcGIS2. Melakukan proses transformasi NDVI dan mengetahui kerapatannya3. Melakukan pemetaan indeks vegetasi

II. Alat dan Bahan1. Perangkat keras PC (Personal Computer) atau Laptop2. Perangkat Lunak ArcGIS3. Citra Landsat 8 Tahun 2013 (Kanal 5, 4, dan 8)

III. Dasar TeoriIndeks vegetasi atau normalized difference vegetation indeks (NDVI)

adalah kajian ilmu geografi sains yang terus mengalami perkembangan yang

dapat digunakan untuk kajian ilmu lain. Indeks vegetasi atau normalized

difference vegetation indeks (NDVI) adalah indeks yang menggambarkan

tingkat kehijauan suatu tanaman. Indeks vegetasi merupakan kombinasi

matematis antara band merah dan band NIR yang telah lama digunakan

sebagai indikator keberadaan dan kondisi vegetasi (Lillesand dan Kiefer,

1997). Untuk kemudian dengan mudah dapat dijabarkan bahwa indeks

vegetasi atau normalized difference vegetation indeks (NDVI) suatu tingkat

kehijauan dari tanaman. Indeks vegetasi atau normalized difference

vegetation indeks (NDVI) dapat diketahui dengan memanfaatkan sifat unik

dari tanaman (vegetasi) yakni memancarkan dan menyerap gelombang untuk

kemudian dapat dibedakan dengan obyek lainnya yang tidak memiliki sifat

unik seperti vegetasi. Metode ini merupakan dasar untuk membedakan obyek

vegetasi dengan obyek lainnya selain vegetasi.


2/17

Gambar 1.Menunjukan Kekuatan Klorofil Menyerap Cahaya Inframerah

Dekat

Pada Gambar 1 dapat ditunjukkan bahwa pigmen dalam daun tanaman

(klorofil) dapat menyerap cahaya tampak (0,4-0,7 m) yang digunakan dalam

fotosintesis. Di sisi lain, struktur sel daun sangat mencerminkan cahaya

inframerah dekat (0,7-1,1 m). Semakin banyak daun tanaman, semakin

panjang gelombang cahaya yang terpengaruh.

Kemudian dapat ditunjukan juga bahwa perbedaan yang mencolok antara

kekuatan vegetasi dengan tanah (soil) dalam memantulkan gelombang

electromagnetic, sehingga dapat dijadikan sebagai konsep indeks vegetasi

bahwa setiap objek memiliki kemampuan (karakter spektral) yang berbeda-

beda dalam memantulkan gelombang electromagnetic.


3/17

Gambar 2. Menunjukkan Karakter yang Berbeda yang Ditunjukkan oleh

Vegetasi dan Tanah dalam Memantulkan GelombangElektromagnetik

Untuk selanjutnya adalah menentukan besaran indek vegetasi yang

merupakan besaran nilai vegetasi yang diperoleh dari pengolahan sinyal

digital data nilai kecerahan sebeberapa kanal data sensor satelit. Dengan

demikian NDVI pada dasarnya yaitu membandingkan antara kanal infranerah

dan kanal inframerah dekat sehingga diperoleh fenomena penyerapan cahaya

merah (infranerah) dan pemantulan cahaya merah dekat (near- infranerah)

oleh klorofil membuat nilai kecerahan yang diterima sensor satelit akan jauh

berbeda. Dengan konsep ini maka dikembangkannya suatu algoritma indeks

vegetasi yaitu,

NDVI =[NIRRED]

[NIR+RED]

Indeks vegetasi yang ditunjukkan persamaan di atas mempunyai nilai

minimum yakni -1 yang menunjukan bahwa kondisi wilayah tidak

bervegetasi. Sebaliknya bahwa indeks vegetasi yang memiliki nilai 1

menunjukkan bahwa kondisi wilayah bervegetasi. Nilai indeks vegetasi yang


4/17

diperoleh dapat diklasifikasikan kembali oleh NASA berupa

pengklasifikasian warna yang merupakan wilayah bervegetasi atau tidak.

Gambar 3. Pengklasifikasian Warna Wilayah Bervegetasi dan Non-Vegetasi

(NASA)

Dari gambar 3 tampak bahwa wilayah yang berada pada 0.4 merupakan

wilayah yang lebat akan vegetasi dan dapat diperkirakan bahwa vegetasi di

wilayah ini merupakan kawasan hutan yang lebat dan subur. Sebaliknya pada

wilayah 0.2 ke kiri merupakan klasifikasi wilayah yang tidak bervegetasi dan

merupakan kawasan batuan atau perairan.

IV.

Langkah Kerja1. Langkah pertama yaitu menampilkan batas administrasi Kabupaten

Sleman RBI 2004 dan citra landsat 8 Kabupaten Sleman pada kanal 5,4,

dan 8. Kanal 5 pada landsat 8 yakni kanal NIR (Near Infrared) yang

mempunyai resolusi spasial 30 m. Kemudian kanal 4 yakni Red

mempunyai resolusi spasial 30 m. Selanjutnya kanal 8 yakniPancromatic

yang mempunyai resolusi spasial 15 m.


5/17

2. Maka akan muncul seperti gambar di atas ini. Kemudian Clip dengan carabersamaan ketiga citra tersebut dengan cara ArcToolbox Data

Management Tools Raster - Raster Processing Clip. Klik kanan pada

Clip lalu klik kiriBatch.


6/17

3. Klik tanda + 2 kali, yang berarti kita hendak memotong citra 3 kali.Kemuidan isikan sesuai dengan table di bawah ini

I nput Raster Rectangle Output Raster

Dataset

Output Extent No Data

Value

Use I nput

for Cli pping

Geometry

Maintain

Clipping

Extent

Klik kanan-

browse-cari

citra landsat

Band 8

Default Klik kanan-

browse-Pilih

foldermu-beri

nama B8_Sleman

Klik kanan-

browse-Pilih

Kab_Sleman

_RBI2004.shp

Default Klik 2 kali-

centang-OK

Default

* Band 5 * *

B5_Sleman

* * * *

* Band 4 * *

B4_Sleman

* * * *

* berarti sama dengan table di atasnya

4. Klik OK. Tunggu sampai proses selesai maka ketiganya akan terpotongsampai tampak seperti di bawah ini.


7/17

5. Langkah selanjutnya yaitu meregistrasicitra landsat 8 tersebut ke dalamkoordinat WGS 1984 UTM Zone 49S dengan cara ArcToolbox Data

Management Tools Projections and Transformations - Raster Project

Raster. Bila sudah ketemu kemudian klik kanan dan pilihBatch.

6. Klik tanda + 2 kali, yang berarti kita hendak meregistrasi ketiga citra.Kemuidan isikan sesuai dengan table di bawah ini


8/17

Input

Raster

Output Raster

Dataset

Output

Coordinat

System

Resampling

Teqnique

Geographic

Transforma

tions

Registration

Point

Input

Coordinat

System

Klik kanan-

browse-cari

citra landsat

Band 8

Klik kanan-browse-

Pilih foldermu-beri

nama

B8_Sleman_49S

Klik 2 kali-cari

WGS_1984_UT

M_Zone_49S

Klik 2 kali-

Cubic

Default Default Default

* Band 5 *

B5_Sleman_49S

* * * * *

* Band 4 *

B4_Sleman_49S

* * * * *

* berarti sama dengan table di atasnya

7. Jika telah selesai maka klik OK lalu close ArcMap lalu buka kembali dankemudian add data batas admin Kabupaten Sleman, serta ketiga citra

yang sudak teregistrasi WGS 1984 Zone 49 S agar sesuai dengan

koordinat yang mengacu.

8. Kemudian langkah 8 yakni mencari NDVI (Normalized DifferenceVegetation Index). Cari pada ArcToolbox Spatial Analyst Tools Map

Algebra

Raster Calculator.


9/17

9. Pada langkah ini kita akan melakukan perhitungan data rasterdari data

pixelyang terkandung di dalam citra tersebut sesuai rumus yang terdapatdi halaman sebelumnya yang jika dikonversikan ke dalam algoritma pada

ArcMap menjadi Float(Band5-Band4)/(Band5+Band4).

10.Double klik padaFloatmaka akan muncul seperti gambar di bawah ini,

11.Double klik pada band 5 kemudian kurangi band 4, selanjutnya bagikandengan pertambahan antara band 5 dan 4. Pada ArcMap maka kurag lebih

algoritmanya seperti di bawah ini,


10/17

Float("Citra Landsat 8 Sleman\b5_sleman_49s" - "Citra Landsat 8

Sleman\b4_sleman_49s") / ("Citra Landsat 8 Sleman\b5_sleman_49s" +

"Citra Landsat 8 Sleman\b4_sleman_49s")

Tentukan OutpotnyapadaOutput Raster kemudian beri nama NDVI. Klik

OK dan tunggu sampai proses selesai.

12.Jika telah selesai maka akan tampak seperti di bawah ini,

13.Lakukan pengkelasan data NDVI ini menurut table yang ditetapkan olehUSGS. Caranya klik kanan pada layer NDVI Properties Symbology

Classified Classify. IsikanBreak Valuesseperti table di bawah ini.


11/17

Daerah Pembagian Ni lai NDVI

Awan es, awan air, salju < 0Batuan dan lahan kosong 00.1

Padang rumput dan semak belukar 0.20.3

Hutan daerah hangat dan hutan hujan tropis 0.40.8

14.Kemudian lakukan pengkelasan kembali pada NDVI dengan caraArcToolbox Spatial Analyst Tools Reclass Reclassify. Langkah ini

digunakan untuk mengetahui tingkat kerapatan vegetasi yang ada di suatu

daerah yakni dengan beberapa kategori seperti di bawah ini,


12/17

Tingkat Kerapatan Vegetasi NDVI

Jarang 0.1 - 0.15Sedang 0.16 0.2

Padat >0.21

Sumber: Dewanti, 1999 dan Anshar & Syam, 2001

15.Isikan Input Raster dengan data NDVI yang telah diperoleh sebelumnya.Kemudian klik Classify bagi menjadi 3 kategori isikan pada Break

Values sebesar 0.15, 0.2, dan > 0.21. Pilih Outputnya dan beri nama

NDVI_Reclass. OK tunggu sampai berhasil.


13/17

16.Kemudian dari ini kita dapat mengkonversikannya menjadi data vectordengan cara ArcToolbox Conversion Tools From Raster Raster to

Polygon.

17.Isikan Input Rasternya dengan data Reclassify tadi, kemudian Outputpolygon Featurenya tempatkan pada foldermu dan beri nama


14/17

Kerapatan_Vegetasi_Sleman_Tahun_2013. Biarkan yang lainnya default.

OK tunggu sampai prosesnya berhasil.

18.Isikan attribute sesuai dengan pengkelasan dari Dewanti, 1999 danAnshar & Syam, 2001dengan cara Open Atribute Table kemudian buat

tael baru dengan add field beri nama Ker_Veg dengan typenya text.

Kemudian OK.

19.Setelah itu Select by Atribute kemudian pilih dari GRIDCODE yangpertama yakni jarang dengan cara rumus seperti ini. "GRIDCODE" = 1.

LaluApply. Seperti pada gambar di bawah ini,


15/17

20.Setelah Polygon yang terdapat pada GRIDCODE 1 terpilih semua makasaatnya mengisikan data kerapatan vegetasi pada tabel Ker_Veg yang

telah dibuat tadi dengan cara klik kanan pada kepala tabel Ker_Veg pilih Field Calculator isikan "Jarang". Langkah ini dapat dilihat pada

gambar di bawah ini.


16/17

21.Klik OK tunggu sampai proses selesai dan cek tabel Ker_Veg denganGRIDCODE 1 sudah terisi dengan Jarang,? Jika sudah maka saatnya

isikan tabel Ker_Veg dengan GRIDCODE 2 dan GRIDCODE 3.

22.Jika sudah selesai maka akan tampak seperti di bawah ini,


17/17

V. Tugas1. Lakukan seperti langkah di atas secara sistimatis.2. Buat Peta Kerapatan Vegetasi Kabupaten Sleman sesuai table

pengklasifikasian dariDewanti, 1999 dan Anshar & Syam, 2001.

modul ndvi

Documents