Selecting The Most Optimum Sentinel-2A Based Vegetation Index to Estimate Leaf Area Index of Three Rice Cultivars

Abstract

Pendugaan Indeks Luas Daun (LAI) menjadi penting karena LAI merupakan salah satu variabel dalam model pertumbuhan tanaman. Pertumbuhan tanaman memiliki karakteristik yang berbeda-beda dan sangat dipengaruhi oleh kondisi dan faktor lingkungan. Pertumbuhan tersebut cenderung terjadi dalam waktu yang singkat dan mencakup wilayah yang cukup luas. Oleh karena itu, diperlukan pendekatan untuk menganalisis pola perubahan pertumbuhan tanaman berbasis LAI secara spasial. Penginderaan jauh menawarkan pendekatan yang efektif dan efisien dalam memantau karakteristik pertumbuhan tanaman, yang dapat dilakukan secara time series dengan cakupan wilayah yang cukup luas dengan mendeteksi dan memantau karakteristik fisik tanaman. Parameter yang paling terkenal dan umum digunakan untuk memperkirakan LAI adalah indeks vegetasi yang biasanya dihitung berdasarkan rasio panjang gelombang merah dan NIR, yang dikenal sebagai spectral-signature. Penelitian ini bertujuan untuk mengetahui hubungan spasio-temporal antara LAI pada tiga varietas padi dengan tiga takaran pemupukan dan pola tanam yang berbeda berdasarkan indeks vegetasi yang dihitung dari citra satelit Sentinel-2A, dan memilih indeks vegetasi yang paling optimum dalam pendugaan LAI. Proses sinkronisasi LAI untuk setiap plot dengan piksel nilai indeks vegetasi berbasis citra satelit Sentinel-2A telah dilakukan. Hasil menunjukkan bahwa keempat indeks vegetasi yang dianalisis yaitu Normalized Difference Vegetation Index (NDVI), Atmospherically Resistant Vegetation Index (ARVI), Enhanced Vegetation Index 2 (EVI2) dan Soil Adjusted Vegetation Index (SAVI) memiliki korelasi yang kuat dengan LAI. Perbandingan keempat indeks vegetasi yang dihitung dalam pendugaan LAI dilakukan dengan menggunakan model regresi linier dan dilanjutkan dengan membandingkan R-squared, RMSE dan Correctness. Indeks vegetasi EVI2 memberikan representasi paling optimal dalam menangkap pola pertumbuhan tanaman berdasarkan LAI.

The estimation of Leaf area index (LAI) becomes important as LAI is one of variables in the crop growth model. The crop growth has different characteristics and its strongly influenced by environmental conditions and factors. The growth tends to occur in a short period of time and covers a large area. Therefore, an approach to analyze the pattern of changes in crop growth based on LAI spatially is needed. Remote sensing offers an effective and efficient approach in monitoring crop growth characteristic, which can be done in a time series with a wide area coverage by detecting and monitoring the physical characteristics of crop. The most famous and commonly used parameters to estimate LAI are vegetation indices which are usually calculated based on the ratio of the red and NIR wavelength, known as spectral signature. The objectives of the research are to examine the spatio-temporal correlation between LAI of three rice cultivars under three different fertilizer rates and three planting techniques based on the vegetation indices calculated from Sentinel-2A satellite imagery, and to select the most optimum vegetation index to estimate LAI. A synchronization process of the LAI for each plot with the pixels of Sentinel-2A satellite imagery-based based vegetation index value was carried out. The results show that the four vegetation indices analyzed namely Normalized Difference Vegetation Index (NDVI), Atmospherically Resistant Vegetation Index (ARVI), Enhanced Vegetation Index 2 (EVI2) and Soil Adjusted Vegetation Index (SAVI) have a strong correlation with LAI. The Comparison of the four calculated vegetation indices in estimating LAI was performed using linear regression model and followed by comparing R-squared, RMSE and Correctness. The EVI2 vegetation index provides the most optimum representation in capturing crop growth patterns based on LAI.