UMSUMS

Forum GeografiForum Geografi

Tutupan lahan memiliki peran penting dalam pemodelan untuk menganalisis secara spasial fenomena alam yang terjadi di permukaan bumi. Identifikasi tutupan lahan juga dapat digunakan untuk menentukan ketersediaan ruang terbuka hijau dan persentase lahan terbangun di suatu wilayah. Melalui informasi ini, pemerintah dapat membantu merumuskan kebijakan terkait perencanaan pembangunan di suatu wilayah. Saat ini, identifikasi tutupan lahan dapat dilakukan dengan teknologi penginderaan jauh, umumnya menggunakan citra optik. Namun, ada kendala saat menggunakan citra optik, yaitu, jika tutupan awan di suatu wilayah cukup tebal, hal itu akan memengaruhi akurasi hasil tutupan lahan. Untuk mengantisipasi hal ini, identifikasi tutupan lahan dapat dilakukan menggunakan citra aktif atau radar, salah satunya adalah citra Sentinel-1 GRD. Citra aktif tidak dipengaruhi oleh awan dan dapat merekam informasi tanpa terhambat oleh cuaca baik pada siang maupun malam hari. Data Sentinel-1 GRD mengandung informasi hamburan balik yang dapat diekstraksi menggunakan analisis tekstur dan Analisis Komponen Utama (PCA). Pengklasifikasi Random Forest digunakan pada studi ini untuk menganalisis data Sentinel-1, memungkinkan klasifikasi menggunakan berbagai input. Klasifikasi tutupan lahan dari beberapa input, yaitu, sigma, gamma, dan beta dari data hamburan balik, menghasilkan akurasi keseluruhan sebesar 86,154%, 87,692%, dan 86,154%.

Ekstraksi informasi hamburan balik antara sigma, gamma, dan dengan polarisasi VV dan VH menggunakan 2 tanggal, yaitu, 14 Januari 2024 dan 19 April 2024, tidak menghasilkan perbedaan signifikan.Ekstraksi analisis komponen utama (PCA) menghasilkan PCA1, PCA2, PCA3, PCA4, dan respons PCA.Hasil PCA2, PCA3, dan PCA4 tidak mendeteksi perbedaan antara wilayah air dan daratan karena memiliki warna yang sama antara air dan daratan.Sementara dari hasil PCA1 dan respons PCA, wilayah daratan dan air dapat dilihat dengan jelas karena tekstur dan perbedaan warna yang jelas.Ekstraksi tekstur menggunakan metode GLCM dengan mengekstraksi homogenitas, energi, probabilitas maksimum, entropi, dan rata-rata yang dilakukan pada 14 Januari 2024 yang mewakili musim hujan.Hasil ekstraksi tekstur homogenitas, energi, probabilitas maksimum, entropi, dan rata-rata antara sigma, gamma, dan beta pada polarisasi VV dan VH tidak memiliki perbedaan besar.Peta tutupan lahan menggunakan hamburan balik sigma menghasilkan akurasi keseluruhan dan koefisien kappa sebesar 86,15385% dan 0,826923.Peta tutupan lahan menggunakan hamburan balik gamma menghasilkan akurasi keseluruhan dan koefisien kappa sebesar 87,69231% dan 0,846154.Sementara dengan beta menghasilkan akurasi keseluruhan dan koefisien kappa sebesar 86,15385% dan 0,826923.Data SAR Sentinel-1 sangat efektif untuk pemetaan tutupan lahan karena kemampuannya untuk menormalkan nilai piksel di berbagai adegan dan penerapannya untuk penghamburan volume.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan, berikut adalah beberapa saran penelitian lanjutan yang dapat dikembangkan: Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan data multi-temporal Sentinel-1 untuk memantau perubahan tutupan lahan secara dinamis, dengan fokus pada analisis tren perubahan tutupan lahan dari waktu ke waktu dan mengidentifikasi faktor-faktor yang mempengaruhinya. Kedua, integrasi data Sentinel-1 dengan data penginderaan jauh lainnya, seperti citra optik resolusi tinggi atau data LiDAR, dapat meningkatkan akurasi klasifikasi tutupan lahan dan memberikan informasi yang lebih detail tentang karakteristik permukaan bumi. Ketiga, penerapan teknik deep learning, seperti convolutional neural networks (CNNs), untuk klasifikasi tutupan lahan dapat meningkatkan kinerja dan efisiensi proses klasifikasi, terutama dalam menangani data yang kompleks dan berdimensi tinggi. Dengan menggabungkan ketiga saran ini, penelitian selanjutnya dapat memberikan kontribusi yang signifikan dalam pemahaman dan pemantauan tutupan lahan, serta mendukung pengambilan keputusan yang lebih baik dalam pengelolaan sumber daya alam dan perencanaan pembangunan wilayah.

  1. Integration of Texture and PCA Information from Sentinel-1 SAR Data for Land Cover-Analysis using Random... doi.org/10.23917/forgeo.v39i1.6045Integration of Texture and PCA Information from Sentinel 1 SAR Data for Land Cover Analysis using Random doi 10 23917 forgeo v39i1 6045
Read online
File size2.31 MB
Pages15
DMCAReport

Related /

ads-block-test