JURNALEQUIVALENTJURNALEQUIVALENT

Equivalent: Jurnal Ilmiah Sosial TeknikEquivalent: Jurnal Ilmiah Sosial Teknik

Penelitian ini mengevaluasi efektivitas SDB berbasis Sentinel-2 dengan membandingkan model regresi empiris dan pendekatan pembelajaran mesin Random Forest untuk pemetaan batimetri perairan dangkal di perairan Raja Ampat. Penelitian ini mengintegrasikan citra multispektral Sentinel-2 dengan tiga metode regresi empiris—regresi daya pita hijau, regresi daya pita biru, dan metode rasio logaritmik Stumpf—dan algoritma Random Forest. Data batimetri lapangan yang diperoleh dari pengukuran fishfinder digunakan untuk kalibrasi dan validasi model. Seluruh pemrosesan dan analisis dilakukan menggunakan platform Google Earth Engine (GEE). Hasil analisis regresi empiris menunjukkan bahwa model pita hijau (Band 3) mencapai akurasi tertinggi (R² = 0,7097; RMSE = 1,80–14,12 m di seluruh kelas kedalaman), diikuti oleh model pita biru (R² = 0,6194) dan metode Stumpf (R² = 0,5693). Model Random Forest mengungguli semua pendekatan empiris dengan secara efektif menangkap hubungan non-linier antara reflektansi spektral dan kedalaman air, terutama di atas substrat dasar laut yang heterogen. Model pita hijau berkinerja optimal pada kedalaman 0–20 m, sementara metode Stumpf menunjukkan stabilitas yang lebih besar di luar 20 m. Integrasi citra Sentinel-2 dengan pembelajaran mesin memberikan solusi yang akurat, terukur, dan hemat biaya untuk pemetaan batimetri perairan dangkal di lingkungan kepulauan tropis.

Integrasi citra Sentinel-2 dengan pembelajaran mesin memberikan solusi yang akurat, terukur, dan hemat biaya untuk pemetaan batimetri perairan dangkal di lingkungan kepulauan tropis.Pendekatan ini mendukung perencanaan konservasi laut dan pengelolaan sumber daya pesisir di Raja Ampat dan wilayah serupa.Hasil penelitian ini menunjukkan bahwa metode Random Forest mampu mengungguli metode empiris dalam menangkap hubungan non-linier antara reflektansi spektral dan kedalaman air, terutama di area dengan substrat dasar laut yang heterogen.Oleh karena itu, pemilihan metode SDB yang tepat harus disesuaikan dengan karakteristik kedalaman dan kondisi air di lokasi penelitian.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat diajukan untuk meningkatkan akurasi dan cakupan pemetaan batimetri perairan dangkal. Pertama, penelitian selanjutnya dapat mengeksplorasi penggunaan data multispektral dari berbagai sensor satelit, seperti Landsat dan WorldView, untuk mengidentifikasi kombinasi band yang paling optimal untuk estimasi kedalaman di berbagai kondisi air. Kedua, pengembangan model pembelajaran mesin yang lebih canggih, seperti jaringan saraf tiruan (neural networks), dapat dipertimbangkan untuk menangkap hubungan non-linier yang lebih kompleks antara reflektansi spektral dan kedalaman air, terutama di area dengan substrat dasar laut yang sangat heterogen. Ketiga, integrasi data batimetri yang diperoleh dari SDB dengan data batimetri yang diperoleh dari metode konvensional, seperti sonar, dapat dilakukan untuk menghasilkan peta batimetri yang lebih akurat dan komprehensif. Kombinasi pendekatan ini akan memberikan pemahaman yang lebih baik tentang morfologi dasar laut dan mendukung pengelolaan sumber daya laut yang berkelanjutan.

  1. Full article: Satellite-derived bathymetry using machine learning and optimal Sentinel-2 imagery in South-West... tandfonline.com/doi/full/10.1080/15481603.2022.2100597Full article Satellite derived bathymetry using machine learning and optimal Sentinel 2 imagery in South West tandfonline doi full 10 1080 15481603 2022 2100597
  2. Comparing Sentinel-2 and WorldView-3 Imagery for Coastal Bottom Habitat Mapping in Atlantic Canada. comparing... mdpi.com/2072-4292/14/5/1254Comparing Sentinel 2 and WorldView 3 Imagery for Coastal Bottom Habitat Mapping in Atlantic Canada comparing mdpi 2072 4292 14 5 1254
  3. Determination of water depth with high‐resolution satellite imagery over variable bottom types... aslopubs.onlinelibrary.wiley.com/doi/10.4319/lo.2003.48.1_part_2.0547Determination of water depth with highyAAAaresolution satellite imagery over variable bottom types aslopubs onlinelibrary wiley doi 10 4319 lo 2003 48 1 part 2 0547
Read online
File size661.97 KB
Pages14
DMCAReport

Related /

ads-block-test