Integrasi Data Time Series Citra Optik dan Synthetic Aperture Radar (SAR) Untuk Mendeteksi Degradasi Hutan
Awan dan bayangan pada citra satelit optik serta distorsi pada citra satelit
aktif memberikan keterbatasan dalam memberikan informasi yang akurat dan jelas.
Melihat kelebihan dan kekurangan dari kedua jenis sensor satelit, informasi
permukaan bumi akan semakin akurat dan jelas jika data citra dari kedua sensor
dapat diintegrasikan. Penelitian ini bertujuan untuk mengintegrasikan data time
series citra satelit dari kedua jenis sensor (optik dan aktif) untuk mengestimasi Leaf
Area Index (LAI) dan mendeteksi degradasi hutan. Dengan menggunakan MultiOutput Gaussian Process (MOGP), kekosongan data LAI akibat filtering awan dan
bayangan direkonstruksi dengan referensi fitur Radar Vegetation Index (RVI) dari
sensor aktif. MOGP merekonstruksi setiap saluran dataset Sentinel-1 dan Sentinel2 secara independen tanpa inisiasi sinkronisasi antar kedua jenis citra. Prediksi
MOGP, dievaluasi dengan matriks kesalahan, dan dapat memperbaiki inkonsistensi
serta kekurangan 76 data citra optik dari integrasi 224 data citra SAR dalam
pemantauan 4 tahun. Hasilnya menunjukkan terjadi degradasi hutan selama setahun
pada tahun 2019 dengan produktivitas hutan tertinggi pada 27 Februari 2019
dengan nilai (LAI = 4.41527) dan terendah pada 27 November 2019 dengan nilai
(LAI = 0.39877). Integrasi data sensor optik dan aktif dengan MOGP memberikan
informasi yang lebih akurat dan jelas mengenai dinamika hutan dengan evaluasi
kesalahan prediktif didapatkan RMSE LAI = 0.184940, RMSE RVI32 = 0.025393,
dan RMSE RVI105 = 0.005455.
URI
https://repo.itera.ac.id/depan/submission/SB2402210013
Keyword
Integrasi citra, awan, bayangan, degradasi hutan Leaf Area Index, Radar Vegetation Index Multi-Output Gaussian Process, time-series, Pengin