Skip to content
Kembali ke hasil pencarian

NDVI

Diperkenalkan oleh
Rouse, Haas, Schell, and Deering
Tahun
1973
Jenis
Spectral index for vegetation assessment
Keluarga
Remote sensing vegetation monitoring

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Indeks Vegetasi NDVI (Normalized Difference Vegetation Index) adalah indeks spektral yang dihitung dari citra multispektral satelit atau udara yang mengukur kehijauan dan vitalitas vegetasi.

Diperkenalkan oleh Rouse dan rekan-rekannya pada tahun 1973 menggunakan data Landsat, NDVI telah menjadi metrik penginderaan jauh yang paling banyak digunakan untuk pemantauan vegetasi, penilaian kekeringan, prakiraan produktivitas tanaman, dan deteksi perubahan tutupan lahan.

Intuisi di balik metode

Vegetasi memantulkan sedikit cahaya tampak (merah) tetapi memantulkan sebagian besar cahaya inframerah dekat (NIR) karena struktur dan kandungan klorofil daun. NDVI memanfaatkan kontras ini: NDVI = (NIR - Merah) / (NIR + Merah), di mana NIR dan Merah adalah pantulan yang diukur satelit pada pita tersebut. NDVI berkisar dari -1 hingga +1: nilai mendekati -1 menunjukkan air (menyerap NIR), 0 menunjukkan tanah kosong, dan +0,5 hingga +0,9 menunjukkan vegetasi sehat yang lebat. Deret waktu NDVI mengungkapkan siklus musiman (vegetasi menghijau di musim semi, mengering di musim gugur) dan variabilitas antar-tahunan yang terkait dengan ketersediaan air.

Sejarah

Diperkenalkan pada tahun 1973 menggunakan data Landsat Multispectral Scanner, NDVI dengan cepat menjadi indeks vegetasi standar untuk pertanian, kehutanan, dan pemantauan kekeringan. Peluncuran Advanced Very High Resolution Radiometer (AVHRR) pada tahun 1981 dan kemudian MODIS (1999) memungkinkan pemantauan NDVI global harian. NOAA's Vegetation Health Index (VHI), yang menggabungkan NDVI dan suhu permukaan tanah, menjadi operasional untuk peringatan dini kekeringan. Perkembangan terbaru meliputi fusi data resolusi tinggi (Planet, Maxar) dengan data resolusi kasar (MODIS) dan pembelajaran mendalam untuk deteksi fenologi.

Kapan digunakan

Gunakan NDVI untuk memantau kesehatan vegetasi pada skala regional hingga global, menilai dampak kekeringan, memperkirakan hasil panen, dan mendeteksi perubahan tutupan lahan. NDVI paling baik untuk penilaian skala besar (resolusi piksel >10 m) dan kurang berguna untuk pengelolaan skala lokal yang memerlukan detail tingkat lapangan. Gabungkan NDVI dengan indeks lain (EVI, SAVI) untuk ketahanan dan dengan data curah hujan/suhu untuk menafsirkan faktor penyebab.

Batasan dan pertimbangan

  • Jenuh pada kepadatan vegetasi tinggi; dua hutan lebat dengan struktur berbeda tampak serupa dalam NDVI
  • Sensitif terhadap efek atmosfer (aerosol, awan) yang menimbulkan noise kecuali dikoreksi dengan cermat
  • Tidak dapat membedakan jenis atau kualitas vegetasi; gulma sehat tampak serupa dengan tanaman sehat
  • Resolusi temporal bergantung pada tutupan awan dan frekuensi kunjungan kembali satelit; terjadi kekosongan di wilayah berawan

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Sederhana dan cepat secara komputasi, hanya memerlukan dua pita satelit yang tersedia secara luas di berbagai sensor dan arsip
  • Secara spasial kontinu, memungkinkan penilaian di wilayah yang kekurangan observasi lapangan atau infrastruktur darat
  • Hubungan empiris yang kuat dengan indeks luas daun (LAI), laju fotosintesis, dan biomassa
  • Arsip temporal yang panjang (Landsat sejak 1972, MODIS sejak 2000) memungkinkan analisis tren dekadal

Penerapan

  • Peringatan dini kekeringan: memantau anomali NDVI untuk mengeluarkan peringatan stres air sebelum gagal panen, memandu respons darurat
  • Prediksi hasil panen: mengkorelasikan lintasan NDVI musiman dengan panen biji-bijian akhir untuk memperkirakan produksi sebelum akhir musim
  • Deteksi deforestasi dan perubahan tutupan lahan: melacak penurunan NDVI untuk mengidentifikasi kehilangan hutan dan mengkarakterisasi transisi penggunaan lahan
  • Penilaian kesehatan padang rumput: menggunakan tren NDVI untuk mengevaluasi penggembalaan berlebihan, pemulihan dari kekeringan, dan kapasitas dukung di wilayah pastoral

Cara kerjanya

Cara kerjanya

1

Citra satelit multispektral (Landsat, Sentinel, MODIS, Copernicus) dengan setidaknya pita inframerah merah dan dekat diperoleh. Data dikalibrasi secara radiometrik ke pantulan sensor.

2

Koreksi atmosfer diterapkan untuk mengubah pantulan sensor menjadi pantulan permukaan, memperhitungkan aerosol, uap air, dan hamburan Rayleigh. Piksel awan dan bayangan awan ditutupi.

3

Untuk setiap piksel, pantulan pada pita merah (0,6–0,7 µm) dan pita inframerah dekat (0,8–1,0 µm) diekstraksi.

4

NDVI dihitung sebagai (NIR - Merah) / (NIR + Merah) untuk setiap piksel. Tumpukan deret waktu NDVI dihasilkan pada interval teratur (harian untuk MODIS, 5–10 hari untuk Landsat/Sentinel) untuk melacak variasi musiman dan antar-tahunan.

5

Peta NDVI mengungkapkan pola spasial kelimpahan vegetasi. Deret waktu dianalisis untuk puncak kehijauan, panjang musim tanam, dan anomali yang disebabkan kekeringan. Tren dikorelasikan dengan curah hujan, suhu, dan perubahan pengelolaan lahan.

Kesalahan umum

  • Salah menafsirkan variasi NDVI spasial tanpa memperhitungkan kecerahan latar belakang tanah, yang memengaruhi NDVI di area vegetasi jarang
  • Membandingkan NDVI antar satelit yang berbeda atau algoritma koreksi atmosfer tanpa harmonisasi
  • Penerapan NDVI yang berlebihan pada wilayah tropis di mana kelimpahan aerosol atmosfer bervariasi kuat, menimbulkan bias sistematis

Pertanyaan yang sering diajukan

Mengapa menggunakan NDVI daripada hanya melihat pantulan merah?

Pantulan merah saja tidak memperhitungkan latar belakang tanah. Tanah gelap dan kanopi tanaman jarang keduanya memiliki pantulan merah rendah. Dengan menormalkan perbedaan antara NIR dan merah dengan jumlahnya, NDVI mengisolasi sinyal vegetasi dari tanah. Indeks yang dihasilkan berkorelasi kuat dengan luas daun, fotosintesis, dan biomassa.

Berapa nilai NDVI tipikal untuk tutupan lahan yang berbeda?

Air dan salju: < 0,1; tanah kosong: 0,1–0,2; rumput dan semak belukar: 0,2–0,5; tanaman (tergantung tahap pertumbuhan): 0,3–0,8; hutan lebat: 0,6–0,9. Nilai bervariasi secara musiman (rendah di musim dingin, puncak di pertengahan musim panas di wilayah beriklim sedang).

Bagaimana tutupan awan memengaruhi pemantauan NDVI?

Awan sepenuhnya menghalangi pandangan satelit; piksel berawan ditutupi dan harus diinterpolasi atau dilewati. Di wilayah tropis dengan tutupan awan yang persisten, data NDVI yang berguna mungkin jarang (< 50% observasi cerah). Indeks berbasis radar (tidak terpengaruh oleh awan) seperti hamburan balik yang diturunkan NDVI memberikan alternatif di area berawan.

Bisakah NDVI membedakan antara jenis tanaman?

Tidak secara langsung. NDVI mencerminkan kehijauan, bukan identitas tanaman. Gandum dan jelai memiliki lintasan NDVI yang serupa. Namun, waktu fenologis (tanggal puncak NDVI, panjang musim tanam) dapat berbeda di antara tanaman, memungkinkan klasifikasi tanaman ketika digabungkan dengan data cuaca atau observasi lapangan.

Metode terkait

Sumber

  1. Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1973). Monitoring vegetation systems in the Great Plains with ERTS. Third Earth Resources Technology Satellite Symposium Proceedings, 1, 309-317.

    Buka referensi publikasi
    Disalin.
  2. Jackson, R. D. (1983). Spectral indices in n-space. Remote Sensing of Environment, 13(5), 409-421.

    Buka referensi DOI
    Disalin.