Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari... more Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari data penginderaanjauh dalam pemetaan faklor C sebagai masukan dalam pemodelan erosi USLE (Universal Soil Loss Equation). Metode yang digunakan dalam penelitian ini adalah dengan menganalisis data penginderaan jauh Landsat 7 ETM" sehingga menghasilkan berbagai indeks vegetasi yang kemudian dilakukan analisis korelasi dengan Faklor C yang diukur di lapangan pada 45 lokasi. Dari analisis ini diperoleh suatu model untuk pemetaan faktor C (C."d"r) dari berbagai indeks vegetasi. Peta faktor C yang diperoleh kemudian dilakukan validasi pada 48 lokasi sehingga akan diketahui keakuratan hasil pemodelan. Dalam penelitian ini dikaji 1l (sebelas) indeks vegetasi yang diturunkan dari data penginderaanjauh, yaitu ARVI, MSAVI, TVI, VlF, NDV[, TSAVI, SAVI, EVI, RVI, DVI dan PVI. Hasil penelitian menunjukkan bahwa dari l l indeks vegetasi yang dikaji terdapat 8 indeks vegetasi yang menghasilkan peta faktor C dengan ketelitian yang tinggi, yaitu MSAVI, TVI, VIF, NDVI, TSAVI, SAVI, EVI dan RVI. Indeks vegetasi yang menggunakan rumus yang lebih kompleks menghasilkan koefisien korelasi yang lebih tinggi dibanding dengan indeks vegetasi yang menggunakan rumus yang sederhana. Indeks vegetasi yang mempertimbangkan latar belakang tanah (MSAVI dan TSAVI) mempunyai koefisien korelasi lebih tinggi dibanding dengan koefisien korelasi yang tidak mempertimbangkan latar belakang tanah.
Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari... more Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari data penginderaanjauh dalam pemetaan faklor C sebagai masukan dalam pemodelan erosi USLE (Universal Soil Loss Equation). Metode yang digunakan dalam penelitian ini adalah dengan menganalisis data penginderaan jauh Landsat 7 ETM" sehingga menghasilkan berbagai indeks vegetasi yang kemudian dilakukan analisis korelasi dengan Faklor C yang diukur di lapangan pada 45 lokasi. Dari analisis ini diperoleh suatu model untuk pemetaan faktor C (C."d"r) dari berbagai indeks vegetasi. Peta faktor C yang diperoleh kemudian dilakukan validasi pada 48 lokasi sehingga akan diketahui keakuratan hasil pemodelan. Dalam penelitian ini dikaji 1l (sebelas) indeks vegetasi yang diturunkan dari data penginderaanjauh, yaitu ARVI, MSAVI, TVI, VlF, NDV[, TSAVI, SAVI, EVI, RVI, DVI dan PVI. Hasil penelitian menunjukkan bahwa dari l l indeks vegetasi yang dikaji terdapat 8 indeks vegetasi yang menghasilkan peta faktor C dengan ketelitian yang tinggi, yaitu MSAVI, TVI, VIF, NDVI, TSAVI, SAVI, EVI dan RVI. Indeks vegetasi yang menggunakan rumus yang lebih kompleks menghasilkan koefisien korelasi yang lebih tinggi dibanding dengan indeks vegetasi yang menggunakan rumus yang sederhana. Indeks vegetasi yang mempertimbangkan latar belakang tanah (MSAVI dan TSAVI) mempunyai koefisien korelasi lebih tinggi dibanding dengan koefisien korelasi yang tidak mempertimbangkan latar belakang tanah.
Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari... more Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari data penginderaanjauh dalam pemetaan faklor C sebagai masukan dalam pemodelan erosi USLE (Universal Soil Loss Equation). Metode yang digunakan dalam penelitian ini adalah dengan menganalisis data penginderaan jauh Landsat 7 ETM" sehingga menghasilkan berbagai indeks vegetasi yang kemudian dilakukan analisis korelasi dengan Faklor C yang diukur di lapangan pada 45 lokasi. Dari analisis ini diperoleh suatu model untuk pemetaan faktor C (C."d"r) dari berbagai indeks vegetasi. Peta faktor C yang diperoleh kemudian dilakukan validasi pada 48 lokasi sehingga akan diketahui keakuratan hasil pemodelan. Dalam penelitian ini dikaji 1l (sebelas) indeks vegetasi yang diturunkan dari data penginderaanjauh, yaitu ARVI, MSAVI, TVI, VlF, NDV[, TSAVI, SAVI, EVI, RVI, DVI dan PVI. Hasil penelitian menunjukkan bahwa dari l l indeks vegetasi yang dikaji terdapat 8 indeks vegetasi yang menghasilkan peta faktor C dengan ketelitian yang tinggi, yaitu MSAVI, TVI, VIF, NDVI, TSAVI, SAVI, EVI dan RVI. Indeks vegetasi yang menggunakan rumus yang lebih kompleks menghasilkan koefisien korelasi yang lebih tinggi dibanding dengan indeks vegetasi yang menggunakan rumus yang sederhana. Indeks vegetasi yang mempertimbangkan latar belakang tanah (MSAVI dan TSAVI) mempunyai koefisien korelasi lebih tinggi dibanding dengan koefisien korelasi yang tidak mempertimbangkan latar belakang tanah.
Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari... more Abstrak Tujuan penelitian ini adalah untuk mengkaji berbagai indeks vegetasi yang diturunkan dari data penginderaanjauh dalam pemetaan faklor C sebagai masukan dalam pemodelan erosi USLE (Universal Soil Loss Equation). Metode yang digunakan dalam penelitian ini adalah dengan menganalisis data penginderaan jauh Landsat 7 ETM" sehingga menghasilkan berbagai indeks vegetasi yang kemudian dilakukan analisis korelasi dengan Faklor C yang diukur di lapangan pada 45 lokasi. Dari analisis ini diperoleh suatu model untuk pemetaan faktor C (C."d"r) dari berbagai indeks vegetasi. Peta faktor C yang diperoleh kemudian dilakukan validasi pada 48 lokasi sehingga akan diketahui keakuratan hasil pemodelan. Dalam penelitian ini dikaji 1l (sebelas) indeks vegetasi yang diturunkan dari data penginderaanjauh, yaitu ARVI, MSAVI, TVI, VlF, NDV[, TSAVI, SAVI, EVI, RVI, DVI dan PVI. Hasil penelitian menunjukkan bahwa dari l l indeks vegetasi yang dikaji terdapat 8 indeks vegetasi yang menghasilkan peta faktor C dengan ketelitian yang tinggi, yaitu MSAVI, TVI, VIF, NDVI, TSAVI, SAVI, EVI dan RVI. Indeks vegetasi yang menggunakan rumus yang lebih kompleks menghasilkan koefisien korelasi yang lebih tinggi dibanding dengan indeks vegetasi yang menggunakan rumus yang sederhana. Indeks vegetasi yang mempertimbangkan latar belakang tanah (MSAVI dan TSAVI) mempunyai koefisien korelasi lebih tinggi dibanding dengan koefisien korelasi yang tidak mempertimbangkan latar belakang tanah.
Uploads
Papers by Endy Yurizal