Visible Band Index Optimation of Unmanned Aerial Vehicle for Estimating NDVI by Sentinel Imagery on Rice Vegetation
Date
2022Author
Al Rosyid, Azizah Nur Islam
Astika, I Wayan
Setiawan, Yudi
Muttaqin, Kikin Hamzah
Metadata
Show full item recordAbstract
Indonesia’s climate conditions, characterized by the presence of clouds during
the rainy season and most of the short-period crops (maize, soybean, rice) established,
cloud are main problem for satellite to generate clear imagery. The use of aircraft or
drones can also be used in remote sensing as an alternative data. However, it is
necessary to develop other technologies based on aerial photographs from UAV or
drone to generate more frequent information, reliable and detailed to support
decision-making for each crop. Hence, drone with RGB imagery could be optimized
to generate information as problem solver similar with Normalized Digital Vegetation
Index. Thus, this study aimed at examining the correlation between vegetation
indexes resulted from satellite Sentinel 2A imagery and visible band (RGB) imagery
from UAV, estimating NDVI value by using false NDVI (NGRDI) generated from
visible band, and estimating the rice growth phase (days after transplanting) by
approaching NDVI and false NDVI values. By using drone flight at 60 meter above
the ground with interval 10 days following the schedule of Sentinel 2A crossing the
research location at Pasir Kaliki village, the imagery were acquired consistently.
The study has discovered that NDVI showed higher number in result of
vegetation index compared to NGRDI with correlation coefficient is 0.944625. The
regression model resulted as y=4.7722x+0.3845 and MAPE value expresses as
26.74%, where the regression model with Pearson’s correlation coefficient value is
0.877885. A qualitative assessment using statistical data and a spatial assessment
using sampled data from the rice vegetation map reveal a high mapping accuracy with
the corresponding R2 being as high as 0.7429; however, the mapped rice vegetation
accuracy might influenced by other physical factors such as water reflectant, sunlight
and the RGB camera limitation itself. Nonetheless, the highest values of NGRDI only
reach 0.2 while NDVI can attain at 0.9 at the peak of vegetative phase of rice growth
stage. This means that Green Band have limitation in detecting vegetation index. In
relation to the different approaches performed, it is noted that the average trend line
on both NDVI and NGRDI shown the similarity tendency in all growth stage. Kondisi iklim Indonesia yang ditandai dengan adanya awan pada musim
hujan dan sebagian besar tanaman berumur pendek (jagung, kedelai, padi)
terbentuk, awan merupakan masalah utama bagi satelit untuk menghasilkan citra
yang jelas. Penggunaan pesawat terbang atau drone juga dapat digunakan dalam
penginderaan jauh sebagai data alternatif. Namun, perlu dikembangkan teknologi
lain berdasarkan foto udara dari UAV atau drone untuk menghasilkan informasi
yang lebih sering, andal, dan terperinci untuk mendukung pengambilan keputusan
untuk setiap tanaman. Oleh karena itu, drone dengan citra RGB dapat
dioptimalkan untuk menghasilkan informasi sebagai pemecah masalah yang
serupa dengan Normalized Digital Vegetation Index. Oleh karena itu, penelitian
ini mengkaji korelasi antara indeks vegetasi, dari citra satelit Sentinel 2A dan citra
pita tampak (RGB) dari UAV, mengestimasi nilai NDVI dengan menggunakan
false NDVI (NGRDI) yang dihasilkan dari pita tampak, dan mengestimasi fase
pertumbuhan padi (hari setelah transplantasi) dengan mendekati nilai NDVI dan
NDVI palsu. Citra diperoleh secara konsisten dengan menggunakan drone terbang
pada ketinggian 60 meter di atas permukaan tanah dengan interval 10 hari
mengikuti jadwal Sentinel 2A yang melintasi lokasi penelitian di desa Pasir
Kaliki.
Hasil menunjukkan bahwa NDVI memiliki angka yang lebih tinggi pada
hasil indeks vegetasi dibandingkan dengan NGRDI dengan koefisien korelasi
0,944625. Model regresi y=4.7722x+0.3845 dan nilai MAPE sebesar 26,74%,
dimana model regresi dengan nilai koefisien korelasi Pearson adalah 0,877885.
Penilaian kualitatif menggunakan data statistik dan penilaian spasial
menggunakan data sampel dari peta vegetasi padi mengungkapkan akurasi
pemetaan yang tinggi dengan R2 yang sesuai setinggi 0,7429; namun, akurasi
vegetasi padi yang dipetakan mungkin dipengaruhi oleh faktor fisik lain seperti
reflektan air, sinar matahari dan keterbatasan kamera RGB itu sendiri. Meskipun
demikian, nilai NGRDI tertinggi hanya mencapai 0,2 sedangkan NDVI dapat
mencapai 0,9 pada puncak fase vegetatif fase pertumbuhan padi. Artinya Green
Band memiliki keterbatasan dalam mendeteksi indeks vegetasi. Terkait dengan
perbedaan pendekatan yang dilakukan, diketahui bahwa rata-rata trend line baik
pada NDVI maupun NGRDI menunjukkan kecenderungan kesamaan pada semua