Rofiatul Umami

(5016201097)

Assignment 6 :
LST dan TDVI
Penginderaan Jauh Terapan - CM234973
01

Pendahuluan
 Land Surface
Temperature (LST)
Land Surface Temperature (LST) adalah suhu
pada permukaan bumi yang merupakan hasil pantulan
objek yang terekam oleh citra satelit pada waktu
tertentu. LST dapat didefinisikan juga sebagai suhu
permukaan rata – rata yang digambarkan dalam cakupan
suatu piksel dengan berbagai tipe permukaan yang
berbeda.
Besarnya nilai LST dipengaruhi oleh panjang
gelombang. Panjang gelombang yang paling sensitif
terhadap suhu permukaan adalah inframerah termal.
Namun, pada dasarnya setiap panjang gelombang akan
sensitif terhadap respon perubahan suhu yang
mempengaruhi nilai pantul objek. Untuk dapat
mengetahui informasi LST, dilakukan proses identifikasi
suhu permukaan tanah dengan memanfaatkan
gelombang thermal yang terdapat pada citra satelit.
Temperature
Vegetation Dryness
Index (TVDI)
TVDI merupakan salah satu indeks kekeringan
berdasarkan kepekaan spektrum cahaya tampak (visible) dan
inframerah dekat (near infrared) terhadap perilaku vegetasi
dan kondisi stres vegetasi yang berkaitan dengan kekurangan
air (Parwati & Suwarsono, 2008). Klasifikasi tingkat kekeringan
berdasarkan nilai TVDI seperti pada tabel di bawah ini:

TINGKAT KEKERINGAN BERDASARKAN TVDI

(Sandholt et al, 2002)
02

Metodologi
Alat dan Bahan

Alat Bahan
Berikut alat yang digunakan Berikut bahan yang digunakan
untuk melaksanakan tugas : dalam melaksanakan tugas:
- Software ENVI 5.3 - Citra Landsat 8 L1
- ArcGIS 10.8 - Citra Landsat 8 L2
- MS. PowerPoint - ROI
- Laptop dan Mouse
 Langkah Kerja - LST
Langkah awal lakukan add data citra Landsat 8 L2 (band 4 Berikutnya, lakukan proses layer stacking dari kedua band
dan band 5) pada software ENVI 5.3 yang telah di input
 Langkah Kerja - LST
Setelah itu, proses kuantifikasi menggunakan band math
dengan rumus (float(b1)*0.0000275)-0.2
Karena hasil quick stats nilai min masih menunjukkan angka -
0.2 dan max lebih dari 1. Maka dilakukan perhitungan band
math dengan rumus (B1 ge 0 AND B1 le 1) * B1 + (B1 lt 0) * 0 +
(B1 gt 1) * 1 untuk mendapatkan nilai rentang 0 - 1.
 Langkah Kerja - LST
Kemudian memilih ROI dari citra yang telah dilakukan proses Selanjutnya lakukan subset menggunakan ROI yang telah
kuantifikasi dan lakukan save. ditentukan sebelumnya dan check hasil menggunakan quick
stats.
 Langkah Kerja - LST
Selanjutnya, menghitung indeks spektral NDVI menggunakan Setelah melalui proses NDVI, maka hasil dari citra dilakukan
band math dengan rumus (B5-B4)/(B5+B4). masking area menggunakan band math dengan rumus (b1 le
0)*0 + (b1 gt 0)*1 untuk memisahkan daratan dan lautan.
 Langkah Kerja - LST
Proses berikutnya adalah perhitungan Pv (Proportion of Kemudian, melakukan perhitungan Cavity Effect
Vegetation) menggunakan band math dengan rumus ((b1- menggunakan band math dengan rumus ((1-
0.2)/(0.5-0.2))^2 terhadap hasil citra masking NDVI 0.96)*0.99)*(0.55*(1-b1)) terhadap hasil perhitungan Pv.
 Langkah Kerja - LST
Lalu, melakukan perhitungan Nilai LSE Emisivitas
menggunakan band math dengan rumus (0.99*b1)+(0.96*(1-
b1))+b2 dengan b1 > Pv dan b2 > CE.
Hasil nilai max LSE Emisivitas > 0.99 sehingga perlu dilakukan
perhitungan nilai masking emisivitas menggunakan band
math dengan rumus (b1 GT 0.5)*0.99 + (b1 LT 0.2)*0.96+(b1 GE
0.2 and b1 LE 0.5)*b2.
 Langkah Kerja - LST
Tahapan berikutnya adalah melakukan kalibrasi radiometrik Kemudian, lakukan proses perhitungan kalibrasi radiometrik
terhadap citra landsat L1 dengan cara add data > lalu subset menggunakan band math dengan rumus 0.00033420*b1+0.1
menggunakan ROI sebelumnya. untuk memperoleh nilai TOA.
 Langkah Kerja - LST
Lakukan perhitungan brightness temperature menggunakan
band math dengan rumus (K1/(alog(K2/b1 +1))). K1 dan K2
merupakan informasi pada metadata dan b1 > hasil TOA.
(1321.0789/(alog(774.8853/b1+1)))
Berikutnya, untuk mengubah nilai kelvin ke hasil celcius maka
menggunakan band math kemudian masukkan persamaan
float(b1) - 273.15.
 Langkah Kerja - LST
Selanjutnya adalah perhitungan nilai Gamma menggunakan Selanjutnya adalah perhitungan nilai Delta menggunakan
band math dengan rumus band math dengan rumus (-B1*B2)+B3 dengan B1 > gamma,
1/((14387.7*B1/B2^2)*((10.895^4*B1/119104000)+(1/ 10.895))) B2 > TOA, dan B3 > Brightness Temperature.
dengan B1 > TOA dan B2 > Brightness Temperature.
 Langkah Kerja - LST
Langkah berikutnya adalah mencari nilai parameter koreksi
atmosfer melalui web : https://atmcorr.gsfc.nasa.gov/
Data-data yang dibutuhkan untuk mengisi berdasarkan dari
metadata citra Landsat 8 L1.
Apabila telah didapatkan informasi, maka dilakukan
perhitungan nilai parameter koreksi menggunakan rumus
seperti berikut :
Band average atmospheric transmission: 0.55
Effective bandpass upwelling radiance: 3.74 W/m^2/sr/um
Effective bandpass downwelling radiance: 5.65 W/m^2/sr/um
Hasil nilai parameter koreksi atmosfer :
𝜓1 = 1.818181818
𝜓2 = -12.45
𝜓3 = 3.74
 Langkah Kerja - LST
Berikutnya adalah perhitungan LST menggunakan band math Selanjutnya, save citra hasil LST ke format .TIFF kemudian
dengan rumus B1*((1/B2)*(( 1.78571429*B3) -12.04)+ input di software ArcGIS sehingga dihasilkan nilai rentang
3.64)+B4 dengan B1 > Gamma, B2 > LSE, B3 > TOA, B4 > Delta. seperti berikut.
 Langkah Kerja - ArcGIS
Langkah selanjutnya, adalah proses extract by mask pada Kemudian create fishnet pada hasil extract by mask dengan
arctoolbox di ArcGIS menggunakan batas wilayah Kabupaten menggunakan tools fishnet, dan atur kolom fan barisnya
Pasuruan seperti berikut. sebesar 50.
 Langkah Kerja - ArcGIS
Kemudian lakukan proses clip hasil fishnet terhadap SHP Lakukan proses extract multi values to point berdasarkan
batas wilayah Kabupaten Pasuruan. hasil yang didapat dari NDVI dan LST, sehingga menghasilkan
nilai seperti pada tabel excel berikut.
 Langkah Kerja - Regresi Linear
Kemudian, berdasarkan data dari tabel tersebut, maka dicari median dari data citra LST, yakni sebesar 23,1930. Maka dari
nilai tersebut dicari regresi linearnya. Pada Chart yang dihasilkan, nilai yang kurang dari median LST Min masuk dalam
kategori Basah, sebaliknya nilai yang lebih dari median LST Max masuk dalam kategori Kering.
 Langkah Kerja - TVDI
Kemudian, berdasarkan data dari tabel tersebut, maka dicari median dari data citra LST, yakni sebesar 23,1930. Maka dari
nilai tersebut dicari regresi linearnya.
03

Hasil dan
Analisis
HASIL PETA LST
HASIL PETA TVDI
LST
Berdasarkan hasil dari quick
stats disamping, maka nilai LST
terendah di Kab. Pasuruan
sebesar 3.971626 dan nilai LST
tertinggi sebesar 37.104053.

Menurut, hasil peta LST

semakin hijau warna
menunjukkan nilai LST rendah
yang terletak di wilayah lereng
gunung dan sekitarnya.
Sedangkan warna orange
hingga merah menunjukkan nilai
LST tinggi yang terletak di
puncak gunung dan kawasan
permukiman atau padat
penduduk.
TVDI
Berdasarkan hasil dari quick
stats disamping, maka nilai TVDI
min sebesar -1.313587 dan nilai
TVDI max sebesar 0.568167.

Nilai TVDI diperoleh

berdasarkan hasil regresi linear
dari citra NDVI dan LST yang
ditunjukkan dengan batas
kering LST Max yang bernilai -
3.9534*NDVI+27.313 sedangkan
batas basah LST Min yang
bernilai 3.2391*NDVI+17.512.

Menurut Peta TVDI wilayah

berwarna hijau menunjukkan
kategori basah, sedangkan
warna orange hingga merah
menunjukkan kategori kering.
04

Kesimpulan
Kesimpulan
● Hasil perhitungan Land Surface Temperature di Kabupaten Pasuruan memiliki rentang nilai
sebesar 3.971626 sampai 37.104053.
● Model TVDI yang diperoleh dari perhitungan regresi linear antara parameter Land Surface
Temperature (LST) dan Indeks Spektral NDVI maka diperoleh persamaan (LST-((-
3.9534*NDVI)+27.313)) / (3.2391*NDVI+17.512)
● Hasil TVDI di Kabupaten Pasuruan memiliki rentang nilai sebesar -1.313587 sampai 0.568167.
Berdasarkan nilai dan peta TVDI, Kabupaten Pasuruan didominasi oleh area kering.
 THANK YOU
Penginderaan Jauh Terapan - CM234973