Analsis Canopy Height Model untuk Tanaman Kedelai menggunakan Unmanned Aerial Vehicle (UAV) RGB pada Naungan Photovoltaic

Abstract

Sistem agri-photovoltaic memiliki potensi untuk memenuhi kebutuhan energi dan kebutuhan pangan di tengah keterbatasan ruang. Namun demikian, adanya naungan dari photovoltaic ini akan memberikan pengaruh terhadap tanaman di bawahnya, sehingga diperlukan metode pemantauan yang efisien dan akurat yang dapat menilai pengaruh naungan terhadap pertumbuhan tanaman kedelai, salah satunya menggunakan UAV dengan kamera RGB. Penelitian ini bertujuan menilai kualitas ortomosaik, Digital Surface Model (DSM), Digital Terrain Model (DTM), dan menguji akurasi Canopy Height Model (CHM) yang dihasilkan dari citra udara menggunakan UAV DJI Mini 2 SE pada tanaman kedelai di bawah naungan panel surya dan area terbuka. Citra dikumpulkan pada empat periode pertumbuhan (minggu ke-2 hingga 11) dengan ketinggian terbang ±2,5 meter dan diolah menggunakan Pix4D untuk menghasilkan produk spasial berupa ortomosaik, DSM, dan DTM. Proses analisis CHM dilakukan di QGIS dengan menghitung DSM- DTM, kemudian dibandingkan terhadap data tinggi tanaman aktual. Hasil menunjukkan bahwa kualitas ortomosaik cukup baik, namun pada hasil citra masih terdapat kekurangan yang mempengaruhi kualitas DSM dan DTM. Terdapat Perbedaan pada DSM dan DTM yang kurangsignifikan akibat kegagalan pemrosesan pemisahan point cloud jenis vegetasi. Akurasi CHM tergolong sangat rendah, dengan nilai R² mendekati nol. Berdasarkan hasil ini, DJI Mini 2 SE bisa digunakan untuk pemetaan seperti ortomosaik dan DSM, namun belum direkomendasikan untuk analisis CHM presisi tanpa dukungan teknis tambahan.

Agri-photovoltaic (APV) systems offer a promising solution for co-locating energy and food production in limited spaces. However, the inherent shading from solar panels impacts underlying crop growth, necessitating efficient and accurate monitoring. This study investigated the use of a DJI Mini 2 SE UAV with an RGB camera to assess qualities of orthomosaic, digital surface and digital terrain models as well as the canopy height models on soybean plants under APV and in open fields. Aerial imagery was collected at four growth stages (weeks 2-11) at ±2.5m Altitude and processed using Pix4D to generate orthomosaic, DSM, and DTM. Canopy Height Models (CHM) were derived in QGIS (DSM-DTM) and compared to actual plant height. Results indicated good orthomosaic quality, but image deficiencies affected DSM and DTM, showing insignificant differences due to vegetation point separation failures. CHM accuracy was very low (R2˜0). While the DJI Mini 2 SE is suitable for orthophoto and DSM generation, it is not yet recommended for precise CHM analysis without further technical support.