R E M O T E S E N S I N G D I P E M E TA A N

MANGROVE EKOSISTEM - SEBUAH

P E N D E K ATA N
O B J E C T- B A S E D ( R E M O T E S E N S I N G I N
MAPPING MANGROVE ECOSYSTEMS — AN
O B J E C T- B A S E D A P P R O A C H )

Presenter By

Siti Hijrayanti (1606035017)

Maya Puspita Rini (1606035036)

GARIS BESAR PEMBAHASAN

1. Pengantar/ Pendahuluan

2. Metode

3. Hasil dan Pembahasan

4. Kesimpulan
 P E N G A N TA R / P E N D A H U L U A N
Hutan bakau Vietnam adalah salah satu ekosistem paling produktif dan
biologis kompleks di dunia. ekosistem bakau sangat produktif dan memberikan
banyak jasa bagi kesejahteraan manusia .
Hutan bakau tidak hanya menyediakan sumber daya komersial perikanan
dengan bertindak sebagai pembibitan, tempat berkembang biak dan habitat
perikanan lepas pantai, mereka juga memainkan peran penting dalam
menstabilkan garis pantai, di mana mereka melayani sebagai penghalang alami,
menghamburkan energi destruktif gelombang dan mengurangi dampak dari angin
topan, siklon, tsunami dan badai
 Hutan mangrove di seluruh dunia menurun . Di berbagai negara, kawasan mangrove telah dengan
cepat dikonversi ke jenis lain dari budidaya lahan. Menurut Alongi (2008), “kira-kira sepertiga dari
hutan bakau di seluruh dunia telah hilang dalam 50 tahun terakhir”. Ancaman utama untuk mangrove
adalah eksploitasi berlebihan sumber daya alam, penggundulan hutan, pertambangan, polusi dan
pengembangan industri atau perkotaan menyebar ke daerah-daerah hutan pantai, dan konversi untuk
budidaya dan garam-kolam. Seto dan Fragkias , misalnya, dianalisis perubahan mangrove di Delta
Sungai Merah (Vietnam)
Mereka menghitung tingkat konversi antara kawasan mangrove dan pengembangan budidaya dan
menemukan korelasi kuat antara penurunan mangrove daerah dan peningkatan daerah budidaya
(Ronnback et al, 2007). Mereka memanfaatkan citra satelit Landsat dari tahun 1975 ke tahun 2002.
Kuenzer et al (2011) baru-baru ini menerbitkan sebuah tinjauan rinci pada metode penginderaan
jauh untuk pemetaan mangrove, dengan pendekatan mulai dari menggunakan foto udara untuk citra
satelit multispektral dan hyperspectral dan data radar.
 LOKASI PENELITIAN
Terletak antara 8°33'-10°55‘ N dan 104°30'-106°50‘ E; MD adalah salah satu delta
sungai terbesar di dunia; terdiri dari 13 provinsi Vietnam dihuni oleh sekitar 18 juta
orang . MD memiliki luas sekitar 39.000 km2; yang 24.000 km2 sekarang digunakan
untuk pertanian dan perikanan; 4.000 km 2 untuk kehutanan; dan daerah yang tersisa
untuk pemukiman konstruksi [47,48]. Di provinsi-provinsi pesisir, bentuk utama dari
budidaya yang irigasi padi dan budidaya. Produk primer dari MD kontribusi lebih dari
30% dari Produk Domestik Bruto Vietnam. MD menghasilkan 50% beras nasional;
memberikan kontribusi ke tempat Vietnam sebagai eksportir beras terbesar kedua di
dunia
Kawasan hutan bakau telah menurun secara signifikan di Ca Mau, terutama karena
perluasan budidaya udang dan tekanan penduduk yang sedang berlangsung. Karena
pengembalian ekonomi yang tinggi, budidaya udang telah dipromosikan untuk
meningkatkan perekonomian nasional, untuk menyediakan sumber potensi pendapatan bagi
masyarakat lokal dan pengentasan kemiskinan.
Gambar 2. distribusi Mangrove di Vietnam (Sumber: Pemerintah Vietnam)
 METODE
A. Preprocessing
Kejadian SPOT (diakuisisi pada tanggal 23 April 2010, 10 m resolusi spasial) yang
geometris terdaftar pada data TerraSAR-X (diperoleh pada 24 Februari 2010,
dengan resolusi 2,75 m). ATCOR mengandung sejumlah besar kondisi pra-dihitung
atmosfer berdasarkan MODTRAN kode transfer radiasi. Karena variasi topografi
rendah di provinsi Ca Mau, penggabungan DEM untuk koreksi radiometrik
topografi dihilangkan.
B. gambar Segmentasi
segmentasi dilakukan dengan menggunakan eCognition 8,7 gambar perangkat
lunak analisis Dua tingkat segmentasi yang dihasilkan dalam hirarki top-down.
Tingkat segmentasi kasar pertama memegang gambaran besar, dimaksudkan untuk
mewakili daerah tambak individu dalam adegan.
Algoritma segmentasi yang diterapkan dalam penelitian ini adalah apa yang
disebut “segmentasi multi-resolusi”. algoritma diterapkan pada semua empat band
SPOT (hijau, merah, NIR dan SWIR) dengan bobot yang sama untuk setiap band;
NDVI dihitung dan ditambahkan sebagai band kelima dengan bobot yang sama.
Aspek yang paling penting dan paling kritis dari pendekatan ini adalah parameterisasi
dari segmentasi lapisan kasar sehingga setiap tambak udang diwakili oleh sebuah
objek individu.
C. Klasifikasi
Definisi skema klasifikasi didasarkan pada legenda peta provinsi
yang ada dan survei lapangan. Selain kelas mangrove, empat kelas non-
vegetatif, yaitu, pemukiman, sungai / kanal, lumpur datar dan laut air,
yang ditetapkan untuk daerah studi. Kelas-kelas yang berasal
memanfaatkan pendekatan pohon keputusan dalam kombinasi dengan
interpretasi interaktif visual, ahli pengetahuan, data training, dan peta
yang ada daerah (Gambar 5).
Gambar 5. Pohon analisis citra berbasis
obyek keputusan (persegi panjang =
gambar; diamond = aturan; oval = kelas).
D. Pengesahan

Penilaian akurasi adalah bagian penting dari prosedur klasifikasi citra dan
dapat dihitung dengan menilai akurasi baik posisi atau tematik. akurasi posisi
didefinisikan sebagai ketepatan lokasi titik di citra satelit dengan mengacu ke
lokasi di tanah, sedangkan akurasi tematik adalah akurasi kelas tutupan lahan
dipetakan pada waktu tertentu dibandingkan dengan apa yang sebenarnya di
lapangan pada waktu .Dalam penelitian ini, total 222 poin referensi yang disurvei
di lapangan untuk melayani sebagai sampel validasi untuk klasifikasi (Gambar 6).
Gambar 6. Distribusi poin validasi di daerah uji.
 HASIL DAN PEMBAHASAN

A. Hasil
Gambar 7 menyajikan hasil klasifikasi citra, termasuk empat kelas bakau
dengan kepadatan yang berbeda, sungai / kanal, lumpur flat dan daerah
pemukiman. Kawasan mangrove padat ditemukan terutama di sepanjang garis
pantai, di mana lebih dari 70% dari lahan pertanian ditempati oleh mangrove.
jumlah rendah tutupan hutan (misalnya, 31% sampai 50%) didistribusikan
pedalaman, di mana lahan dimanfaatkan untuk budidaya dan udang. kanal air
dan anak sungai pasang surut kecil didistribusikan dalam seluruh area.
Gambar 7. Tanah hasil klasifikasi tutupan di provinsi Ca Mau.
B. Pembahasan

Tidak ada studi atau dataset wilayah tertentu pada kuantifikasi penutup bakau
untuk Mau Semenanjung Ca di MD. Satu-satunya dataset yang tersedia di
tutupan hutan kuantifikasi untuk wilayah ini adalah MOD44B vegetasi global
yang bidang terus menerus (VCF) produk. ini adalah MOD44B vegetasi global
yang bidang terus menerus (VCF) produk. MOD44B VCF adalah produk
standar dari Proses Tanah Distributed Active Pusat Arsip (LP DAAC) dan
memegang perkiraan sub-pixel tutupan pohon pada resolusi 250 m yang berasal
dari sensor MODIS kapal platform Aqua dan Terra (Montesano et al, 2009).
 Gambar 8 menunjukkan MODIS VCF produk dibandingkan dengan hasil klasifikasi
berbasis objek kita. Untuk mencapai perbandingan yang lebih baik, kami resampled klasifikasi
berbasis objek untuk resolusi spasial 250 m dan direklasifikasi produk VCF MODIS ke dalam
empat kelas fraksi bakau sesuai dengan klasifikasi kita. Meskipun pola umum yang sama dari
fraksi hutan dapat diamati di kedua produk, perbedaan yang signifikan yang jelas dalam
perbandingan proporsi yang sebenarnya di kelas fraksi bakau (Gambar 8 (c-d)). Meskipun ada
kesepakatan keseluruhan sekitar 100.000 ha antara dua produk, sekitar 45% dari daerah
penelitian menunjukkan tugas kelas yang berbeda. Dari perbedaan gambar (Gambar 8 (c)),
jelas bahwa ada kecenderungan yang jelas terhadap fraksi hutan yang lebih rendah dalam
produk VCF MODIS dibandingkan dengan orang-orang dari pendekatan kami. Meskipun
proporsi fraksi bakau sangat rendah (≤30%) hampir dua kali lebih tinggi pada produk MODIS
VCF dibandingkan dengan hasil kami, proporsi perkiraan VCF MODIS di kelas menengah
kurang dari sepertiga dari yang diperoleh dengan daerah pendekatan klasifikasi
Gambar 8. (a) berbasis obyek hasil klasifikasi maju berasal dari SPOT5, ( b) VCF produk tutupan pohon yang berasal dari MODIS, (
c) Perjanjian spasial antara dua produk, dan ( d) perbandingan antara kedua produk didaerah.
Hasil perbandingan menunjukkan kekurangan produk global berdasarkan data resolusi rendah
dibandingkan dengan pendekatan regional disetel memanfaatkan data citra resolusi tinggi. The
MODIS produk VCF diturunkan melalui model regresi didasarkan pada seperangkat data global
dari kepadatan tutupan pohon. Sifat-sifat spektral yang sangat berbeda dari air permukaan di
antara kawasan hutan secara signifikan mempengaruhi respon spektral keseluruhan dari piksel
MODIS. Pendekatan berbasis obyek, dibandingkan, mengklasifikasikan patch hutan bakau dan
daerah air secara terpisah di tingkat kolam. Bahkan untuk patch mangrove sangat padat di sudut,
air masih mempengaruhi keseluruhan penampilan spektral pixel sebagai sinyal latar belakang
kanopi. Pengaruh ini sangat jelas untuk hutan bakau yang lebat sepanjang pantai, yang ditanam
untuk perlindungan pantai.
 KESIMPULAN

Hasil menunjukkan bahwa daerah mono-budidaya terutama, yaitu, di atas 70%

atau di bawah hutan mangrove 30%, yang terdeteksi dengan akurasi yang tinggi
dibandingkan dengan pendekatan yang ada. Kuantifikasi persentase bakau-
budidaya menuju pecahan yang lebih seimbang, bagaimanapun, menjadi
semakin menantang. Tantangan ini juga dapat dikaitkan dengan kesulitan
memperoleh perkiraan lapangan diandalkan dan konsisten untuk validasi
PENUTUP
TERIMAKASIH

THANKS YOU

GOMAWO

ARIGATO