UJI MODEL FASE PERTUMBUHAN PADI BERBASIS CITRA MODIS MULTIWAKTU DI PULAU LOMBOK (THE TESTING OF PHASE GROWTH RICE MODEL BASED ON MULTITEMPORAL MODIS IN LOMBOK ISLAND)

Made Parsa, Dede Dede Dirgahayu, Johannes Manalu, Ita Carolita, Wawan Harsanugraha

Abstract

Model testing is a step that must be done before operational activities. This testing aimed to test rice growth phase models based on MODIS in Lombok using multitemporal LANDSAT imagery and 4eld data. This study was carried out by the method of analysis and evaluation in several stages, these are : evaluation of accuracy by multitemporal Landsat 8 image analysis, then evaluation by using 4eld data, and analysis of growth phase information to calculate model consistency. The accuracy of growth phase model was calculated using Confusion Matrix. The results of stage I analysis for phase of April 30 and July 19 showed the accuracy of the model is 58-59 %, while the evaluation of stage II for phase of period July 19 with survey data indicated that the overall accuracy is 53 %. However, the results of model consistency analysis show that the resulting phase of the smoothed MODIS imagery shows a consistent pattern as well as the EVI pattern of rice plants with an 86% accuracy, but not for pattern data without smoothing. This testing give conclusion is the model is good, but for operational MODIS input data must be smoothed 4rst before index value extraction.

ABSTRAK

Uji model adalah sebuah tahapan yang harus dilakukan sebelum model tersebut digunakan untuk kegiatan yang bersifat operasional. Penelitian ini bertujuan untuk menguji akurasi model fase pertumbuhan padi berbasis MODIS di pulau Lombok terhadap citra Landsat multiwaktu dan data lapangan. Penelitian dilakukan dengan metode analisis dan evaluasi secara bertahap. Pertama, evaluasi akurasi menggunakan analisis citra Landsat 8 multiwaktu. Pada tahap kedua menggunakan data referensi hasil pengamatan lapangan, sedangkan tahap ketiga dilakukan analisis informasi fase pertumbuhan untuk mengetahui tingkat konsistensi model. Akurasi model fase pertumbuhan dihitung menggunakan matrik kesalahan. Hasil analisis dan evaluasi tahap I terhadap informasi fase 30 April dan 19 Juli menunjukkan bahwa ketelitian model mencapai 58-59 %, sementara hasil evaluasi tahap II terhadap fase periode 19 Juli menggunakan data hasil survei 20-25 Juli menunjukkan akurasi keseluruhan 53 %. Namun, hasil analisis konsistensi model menunjukkan bahwa fase yang dihasilkan dari citra MODIS yang di-smoothing menunjukkan pola yang konsisten sebagaimana pola EVI tanaman padi dengan akurasi 86 %, sedangkan pola EVI citra MODIS yang tidak di-smoothing tidak konsisten. Berdasarkan hasil ini disimpulkan bahwa model ini cukup baik, tetapi dalam operasionalnya perlu dilakukan smoothing citra MODIS input terlebih dahulu sebelum ekstrak nilai indek (EVI).

Keywords

growing phase, MODIS images, multitemporal Landsat8 images, confusion matrix; fase pertumbuhan, citra MODIS, citra Landsat multiwaktu, matriks kesalahan

Full Text:

PDF

References

Badan Litbang Pertanian, 2012. Varietas-Padi-Unggulan. Majalah Agroinovasi. Sinartani. Edisi 25-31 Januari 2012 No. 3441 Tahun XLII. 7.

Badan Litbang Pertanian, 2015. Inovasi Pertanian untuk Kemandirian Pangan dan Energi. Laporan Tahunan Badan Penelitian dan Pengembangan Pertanian, Kementerian Pertanian Republik Indonesia.

Bank Data Penginderaan Jauh Nasional – BDPJN LAPAN, diunduh dari http:// bdpjn-catalog.lapan.go.id/catalog/ index.php [Februari-Juni 2016].

Dao, PD., Yuei-An Liou, 2015. Object-Based Flood Mapping and Affected Rice Field Estimation with LANDSAT 8 OLI and MODIS Data. Remote Sensing Journal. 2015, 7(5), 5077-5097.

Direktorat Jenderal Prasarana dan Sarana Pertanian, 2016. Pengelolaan Data Lahan Sawah, Alat dan Mesin Pertanian, dan Jaringan Irigasi. Bahan Presentasi pada Pertemuan Tahunan Forum Komunikasi Statistik dan Sistem Informasi Pertanian. Solo, 6-8 April 2016.

Dirgahayu D., H Noviar, S Anwar, 2014. Model Pertumbuhan Tanaman Padi di Pulau Sumatera Menggunakan Data EVI MODIS Multitemporal. Prosiding Seminar Nasional Penginderaan Jauh: 333-343.

Dirgahayu D., H., Noviar, S., Anwar, 2015. Pengembangan Model Pertumbuhan Tanaman Padi Menggunakan Data EVI MODIS Multitemporal (Studi Kasus di Pulau Sulawesi). Prosiding Seminar Nasional Penginderaan Jauh: 408-424.

Dirgahayu D., Nr L., Adhyani, Nugraheni S., 2005. Model Pertumbuhan Tanaman Padi Menggunakan Citra MODIS untuk Pendugaan Umur Padi. Prosiding Pertemuan Ilmiah Tahunan MAPIN XIV, Surabaya.

Hafizh AS., 2013. Analisa Pertumbuhan Padi Menggunakan Algorithma EVI dan NDVI pada Citra Multispektral. Jurusan Teknik Geomatika. Fakultas Teknik Sipil dan Perencanaan. Institut Teknologi Sepuluh November. Surabaya.

Huamin, Y., Y., Fu., Xiangming Xiao, He Qing Huang, Hongli He, L., Ediger, 2009. Modeling Gross Primary Productivity for Winter Wheat-Maize Double Cropping System using MODIS Time Series and CO2 Eddy Flux Tower Data. Agriculture, Ecosystems and Environment Journal. China: 391-400.

Maspiyanti F., M. I., Fanany, A M., Arymurthy, 2013. Klasifikasi Fase Pertumbuhan Padi Berdasarkan Citra Hiperspektral dengan Modifikasi Logika Fuzzy (Paddy Growth Stages Classification Based on Hyperspectral Image Using Modified Fuzzy Logic). Jurnal Penginderaan Jauh dan Pengolahan Citra Digital Vol. 10 No. 1, Juni 2013. ISSN 1412-8098: 39-46.

MODIS Moderate Imaging Spectro radiometer. diunduh dari http://MODIS.gsfc.nasa. gov/data/ [Februari-Juni 2016].

Mostafa, K., Mosleh and Q K., Hassan, 2014. Development of a Remote Sensing Based “Boro” Rice Mapping System. Remote Sensing Journal. Department of Geomatics Engineering, Schulich School of Engineering, University of Calgary, 2500 University Dr NW, Calgary, Alberta T2N 1N4, Canada: 1938-1953.

Mulyono, S., Harisno, Mahfudz Amri, M., Ivan Fanany, T., Basaruddin, 2015. Kernel-Based Regularized Learning for Time-Invariant Detection of Paddy Growth Stages from MODIS Data. 7th Asian Conference Proceeding Part 1, ACIIDS 2015. Indonesia.

Parsa, IM., 2013a. Optimalisasi Parameter Segmentasi untuk Pemetaan Lahan Sawah Menggunakan Citra Satelit LANDSAT (Studi kasus Padang Pariaman-Sumatera Barat dan Tanggamus-Lampung). Jurnal Penginderaan Jauh dan Pengolahan Citra Digital Vol. 10 No. 1, Juni 2013. ISSN 1412-8098: 27-38.

Parsa, IM., 2013b. Kajian Pendekatan Teori Probabilitas untuk Pemetaan Lahan Sawah Berbasis Perubahan Penutup Lahan Citra LANDSAT Multiwaktu (Studi Kasus Daerah Tanggamus, Lampung). Jurnal Penginderaan Jauh dan Pengolahan Citra Digital Vol. 10 No. 2, Desember 2013. ISSN 1412-8098: 113-121.

Parsa, IM., 2014. Ujicoba Model Pemetaan lahan Sawah Berbasis Perubahan Penutup Lahan Citra LANDSAT Mosaik Tahunan di Jawa Barat). Jurnal Penginderaan Jauh dan Pengolahan Citra Digital Vol. 11 No. 1, Juni 2014. ISSN 1412-8098: 15-28.

Parsa, IM., 2015. Pemanfaatan Citra Penginderaan Jauh Resolusi Menengah LANDSAT untuk Uji Ketelitian Informasi Spasial Fase Pertumbuhan Padi Berbasis Citra MODIS. Prosiding Seminar Nasional Penginderaan Jauh 2015. Bogor.

Shi JJ., Huang JJ, Feng Z., 2013. Multi-year Monitoring of Paddy Rice Planting Area in Northeast China using MODIS Time Series Data. China. J Zhejiang Univ Sci B. 2013 Oct; 14(10): 934–946.

Strahler, A. H., Boschetti, L., Foody, G.M., Friedl, M.A., Hansen, M.C., Herold, M., Mayaux, P., Morisette, J.T., Stehman, S.V. and Woodcock, C.E., 2006. Global Land Cover Validation: Recommendations for Evaluation and Accuracy Assessment of Global Land Cover Maps. Office for Official Publications of the European Communities.

Syahbuddin, H., 2015. Sistem Informasi Katam Terpadu versi 2.1 dan Standing Crop. Verifikasi Standing Crop di Empat Kabupaten Jawa Barat. Balai Penelitian Agroklimat dan Hidrologi. Kementerian Pertanian. Bogor.

USGS LANDSAT Mission, diunduh dari http:// LANDSAT.usgs.gov/documents/LDCM_Brochure/ [22 Januari 2013].

Xiao, X., Boles, S., Liu, J., Zhuang, D., Frolking, S., Li, C., Salas, W., and Moore, B., 2005. Mapping Paddy Rice Agriculture in Southern China Using Multi-Temporal MODIS Images. Remote Sensing of Environment, 95, 480–492.

Refbacks

  • There are currently no refbacks.