scholarly journals Analysis on Topographic Effect of Soil Moisture in Mountainous Areas based on Landsat-8 OLI Images

2020 ◽  
Vol 13 (2) ◽  
pp. 22-29
Author(s):  
Cai Qingkong ◽  
◽  
Li Erjun ◽  
Chen Ju ◽  
Tao Liangliang ◽  
...  
Keyword(s):  
Soil Moisture ◽  
Landsat 8 ◽  
Topographic Effect ◽  
Mountainous Areas ◽  
Landsat 8 Oli

scholarly journals Suitability Evaluation of Typical Drought Index in Soil Moisture Retrieval and Monitoring Based on Optical Images

2020 ◽  
Vol 12 (16) ◽  
pp. 2587
Author(s):  
Yan Nie ◽  
Ying Tan ◽  
Yuqin Deng ◽  
Jing Yu
Keyword(s):  
Remote Sensing ◽  
Soil Moisture ◽  
Arid Regions ◽  
Drought Index ◽  
Dynamic Monitoring ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Rapid Acquisition ◽  
Semi Arid ◽  
Soil Moisture Inversion

As a basic agricultural parameter in the formation, transformation, and consumption of surface water resources, soil moisture has a very important influence on the vegetation growth, agricultural production, and healthy operation of regional ecosystems. The Aksu river basin is a typical semi-arid agricultural area which seasonally suffers from water shortage. Due to the lack of knowledge on soil moisture change, the water management and decision-making processes have been a difficult issue for local government. Therefore, soil moisture monitoring by remote sensing became a reasonable way to schedule crop irrigation and evaluate the irrigation efficiency. Compared to in situ measurements, the use of remote sensing for the monitoring of soil water content is convenient and can be repetitively applied over a large area. To verify the applicability of the typical drought index to the rapid acquisition of soil moisture in arid and semi-arid regions, this study simulated, compared, and validated the effectiveness of soil moisture inversion. GF-1 WFV images, Landsat 8 OLI images, and the measured soil moisture data were used to determine the Perpendicular Drought Index (PDI), the Modified Perpendicular Drought Index (MPDI), and the Vegetation Adjusted Perpendicular Drought Index (VAPDI). First, the determination coefficients of the correlation analyses on the PDI, MPDI, VAPDI, and measured soil moisture in the 0–10, 10–20, and 20–30 cm depth layers based on the GF-1 WFV and Landsat 8 OLI images were good. Notably, in the 0–10 cm depth layers, the average determination coefficient was 0.68; all models met the accuracy requirements of soil moisture inversion. Both indicated that the drought indices based on the Near Infrared (NIR)-Red spectral space derived from the optical remote sensing images are more sensitive to soil moisture near the surface layer; however, the accuracy of retrieving the soil moisture in deep layers was slightly lower in the study area. Second, in areas of vegetation coverage, MPDI and VAPDI had a higher inversion accuracy than PDI. To a certain extent, they overcame the influence of mixed pixels on the soil moisture spectral information. VAPDI modified by Perpendicular Vegetation Index (PVI) was not susceptible to vegetation saturation and, thus, had a higher inversion accuracy, which makes it performs better than MPDI’s in vegetated areas. Third, the spatial heterogeneity of the soil moisture retrieved by the GF-1 WFV and Landsat 8 OLI image were similar. However, the GF-1 WFV images were more sensitive to changes in the soil moisture, which reflected the actual soil moisture level covered by different vegetation. These results provide a practical reference for the dynamic monitoring of surface soil moisture, obtaining agricultural information and agricultural condition parameters in arid and semi-arid regions.

scholarly journals Soil Moisture Assessment Using Soil Moisture Index (SMI) Method at the Bangelan Coffee Plantation, Malang Regency, East Java

2022 ◽  
Vol 9 (1) ◽  
pp. 1-12
Author(s):  
Almira Harwidya Irenasari ◽  
S Soemarno
Keyword(s):  
Soil Moisture ◽  
Limiting Factors ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Coffee Plantation ◽  
Moisture Index ◽  
Coffee Plantations ◽  
Soil Moisture Index ◽  
The Relationship ◽  
Soil Moisture Status

Water is one of the limiting factors in the growth of coffee plants. If plants experience a lack of water, it can inhibit plant growth and, at a critical level, can lead to drought stress and plant damages. The available soil water to plants can be estimated from the level of soil moisture index. The monitoring of soil moisture status can be used in improving the management of coffee plantations. Soil Moisture Index (SMI) is a method that can be used to estimate the level of soil moisture using remote sensing technology using NDVI and LST values. The purpose of this study was to analyze the status and distribution of soil moisture at the coffee plantation; analyze the relationship between vegetation index and soil moisture; and analyzed the relationship between soil moisture status using the SMI method and soil moisture measured in coffee plantations. Results showed that the soil moisture index obtained from Landsat 8 OLI/TIRS image processing had an average value of 0.60. The average soil moisture index at the study site is 1.05. Soil moisture index from the Landsat 8 OLI/TIRS image has a significant positive effect on soil moisture at the study site (y = 7.4996x – 3.4789; R2 = 0.7146**). It is suggested that the SMI method can be used to estimate soil moisture in the coffee plantation.

scholarly journals Soil Moisture Mapping at Paddy Field in Indramayu Residence Using Landsat 8 OLI/TIRS

2020 ◽  
Vol 27 (1) ◽  
pp. 71
Author(s):  
Mochamad Firman Ghazali ◽  
Tri Muji Susantoro ◽  
Ketut Wikantika ◽  
Agung Budi Harto ◽  
Rian Nurtyawan
Keyword(s):  
Soil Moisture ◽  
Paddy Field ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Moisture Change ◽  
Water Index ◽  
Tasseled Cap ◽  
Moisture Analysis ◽  
Tasseled Cap Transformation ◽  
Calculation Results

Drought monitoring is important for the paddy planting planning. Remote sensing is one tool can be used for it. Paddy field monitoring based on the soil moisture gives much knowledge related to the water content in the soil. Soil moisture analysis in this study is using Normalized Different Water Index (NDWI), Linear Soil Moisture (LSM), and Tasseled Cap. Soil moisture change could explain based on calculation results of NDWI, Linear Soil Moisture (LSM), and Tasseled Cap Transformation (TCT). Based on the results has explained that the driest year occurs in 2015 and June 2016 has a higher soil moisture. Comparison with the radar shows that the results of soil moisture analysis with Landsat was effective can be used with results relatively close to the radar results.

Analisis Pengaruh Kerapatan Vegetasi Terhadap Suhu Permukaan dan Keterkaitannya Dengan Fenomena UHI

2020 ◽  
Vol 21 (1) ◽  
pp. 99
Author(s):  
Dewi Miska Indrawati ◽  
Suharyadi Suharyadi ◽  
Prima Widayani
Keyword(s):  
Urban Heat Island ◽  
Landsat 8 ◽  
Heat Island ◽  
Landsat 8 Oli ◽  
Urban Heat ◽  
Split Window Algorithm

Kota Mataram adalahpusat dan ibukota dari provinsi Nusa Tenggara Barat yang tentunya menjadi pusat semua aktivitas masyarakat disekitar daerah tersebut sehingga menyebabkan peningkatan urbanisasi. Semakin meningkatnya peningkatan urbanisasi yan terjadi di perkotaan akan menyebabkan perubahan penutup lahan, dari awalnya daerah bervegetasi berubah menjadi lahan terbangun. Oleh karena itu, akan memicu peningkatan suhu dan menyebabkan adanya fenomena UHI dikota Mataram.Tujuan dari penelitian ini untuk mengetahui hubungan kerapatan vegetasi dengan kondisi suhu permukaan yang ada diwilayah penelitian dan memetakan fenomena UHI di Kota Mataram. Citra Landsat 8 OLI tahun 2018 yang digunakan terlebih dahulu dikoreksi radiometrik dan geometrik. Metode untuk memperoleh data kerapatan vegetasi menggunakan transformasi NDVI, LST menggunakan metode Split Window Algorithm (SWA) dan identifikasi fenomena urban heat island. Hasil penelitian yang diperoleh menunjukkan kerapatan vegetasi mempunyai korelasi dengan nilai LST. Hasil korelasi dari analisis pearson yang didapatkan antara kerapatan vegetasi terhadap suhu permukaan menghasilkan nilai -0,744. Fenomena UHIterjadi di pusat Kota Mataram dapat dilihat dengan adanya nilai UHI yaitu 0-100C. Semakin besar nilai UHI, semakin tinggi perbedaan LSTnya.

PEMANFAATAN DATA PENGINDERAAN JAUH DAN TEKNOLOGI SIG UNTUK MENGIDENTIFIKASI BUILT UP AREA DAN KAITANNYA DENGAN RTRW DI KABUPATEN KENDAL

2019 ◽  
Vol 3 ◽  
pp. 521
Author(s):  
Mailendra Mailendra
Keyword(s):  
Supervised Classification ◽  
Landsat 8 ◽  
Landsat 8 Oli ◽  
Landsat 5 Tm

Integrasi data penginderaan jauh dengan sistem informasi geografis telah banyak dikembangkan, dan salah satunya dalam melihat perkembangan lahan terbangun. Tujuan penelitian ini adalah untuk melihat perkembangan lahan terbangun dan kesesuaiannya dengan Rencana Pola Ruang Kabupaten Kendal. Kemudian metode yang digunakan yaitu metode supervised classification dengan memanfaatkan data citra landsat 5 TM dan landsat 8 OLI yang selanjutnya dihitung luas dari masing lahan terbangun berdasarkan data temporal tahun 1990, tahun 2015 dan tahun 2017. Setelah diketahui luas lahan terbangun selanjutnya dioverlay dengan peta rencana pola ruang Kabupaten Kendal untuk melihat sesuai atau tidaknya penempatan lahan terbangun tersebut. Adapun hasil penelitiannya yaitu setiap tahunnya lahan terbangun terus meningkat di Kabupaten Kendal, terjadi peningkatan yang cukup signifikan dalam dua tahun terakhir yaitu tahun 2015 hingga tahun 2017. Selanjutnya diperkirakan 88 % lahan terbangun tersebut telah sesuai dengan RTRW karena sudah berada pada kawasan budidaya.

APLIKASI CITRA LANDSAT 8 OLI UNTUK IDENTIFIKASI STATUS TROFIK WADUK GAJAH MUNGKUR WONOGIRI, JAWA TENGAH

2017 ◽  
Vol 19 (2) ◽  
pp. 113
Author(s):  
Kusuma Wardani Laksitaningrum ◽  
Wirastuti Widyatmanti
Keyword(s):  
Chlorophyll A ◽  
Total Phosphorus ◽  
Trophic State ◽  
Water Clarity ◽  
Coefficient Of Determination ◽  
Physical Factors ◽  
Landsat 8 ◽  
Trophic State Index ◽  
Landsat 8 Oli ◽  
State Index

<p align="center"><strong>ABSTRAK</strong></p><p class="abstrak">Waduk Gajah Mungkur (WGM) adalah bendungan buatan yang memiliki luas genangan maksimum 8800 ha, terletak di Desa Pokoh Kidul, Kecamatan Wonogiri, Kabupaten Wonogiri. Kondisi perairan WGM dipengaruhi oleh faktor klimatologis, fisik, dan aktivitas manusia yang dapat menyumbang nutrisi sehingga mempengaruhi status trofiknya. Tujuan dari penelitian ini adalah mengkaji kemampuan citra Landsat 8 OLI untuk memperoleh parameter-parameter yang digunakan untuk menilai status trofik, menentukan dan memetakan status trofik yang diperoleh dari citra Landsat 8 OLI, dan mengevaluasi hasil pemetaan dan manfaat citra penginderaan jauh untuk identifikasi status trofik WGM. Identifikasi status trofik dilakukan berdasarkan metode <em>Trophic State Index</em> (TSI) Carlson (1997) menggunakan tiga parameter yaitu kejernihan air, total fosfor, dan klorofil-a. Model yang diperoleh berdasar pada rumus empiris dari hasil uji regresi antara pengukuran di lapangan dan nilai piksel di citra Landsat 8 OLI. Model dipilih berdasarkan nilai koefisien determinasi (R<sup>2</sup>) tertinggi. Hasil penelitian merepresentasikan bahwa nilai R<sup>2</sup> kejernihan air sebesar 0,813, total fosfor sebesar 0,268, dan klorofil-a sebesar 0,584. Apabila nilai R<sup>2 </sup>mendekati 1, maka semakin baik model regresi dapat menjelaskan suatu parameter status trofik. Berdasarkan hasil kalkulasi diperoleh distribusi yang terdiri dari kelas eutrofik ringan, eutrofik sedang, dan eutrofik berat yaitu pada rentang nilai indeks 50,051 – 80,180. Distribusi terbesar adalah eutrofik sedang. Hal tersebut menunjukkan tingkat kesuburan perairan yang tinggi dan dapat membahayakan makhluk hidup lain.</p><p><strong>Kata kunci: </strong>Waduk Gajah Mungkur, citra Landsat 8 OLI, regresi, TSI, status trofik</p><p class="judulABS"><strong>ABSTRACT</strong></p><p class="Abstrakeng">Gajah Mungkur Reservoir is an artificial dam that has a maximum inundated areas of 8800 ha, located in Pokoh Kidul Village, Wonogiri Regency. The reservoir’s water conditions are affected by climatological and physical factors, as well as human activities that can contribute to nutrients that affect its trophic state. This study aimed to assess the Landsat 8 OLI capabilities to obtain parameters that are used to determine its trophic state, identifying and mapping the trophic state based on parameters derived from Landsat 8 OLI, and evaluating the results of the mapping and the benefits of remote sensing imagery for identification of its trophic state. Identification of trophic state is based on Trophic State Index (TSI) Carlson (1997), which uses three parameters there are water clarity, total phosphorus, and chlorophyll-a. The model is based on an empirical formula of regression between measurements in the field and the pixel values in Landsat 8 OLI. Model is selected on the highest value towards coefficient of determination (R<sup>2</sup>). The results represented that R<sup>2</sup> of water clarity is 0.813, total phosphorus is 0.268, and chlorophyll-a is 0.584. If R<sup>2</sup> close to 1, regression model will describe the parameters of the trophic state better. Based on the calculation the distribution consists of mild eutrophic, moderate eutrophic, and heavy eutrophic that has index values from 50.051 to 80.18. The most distribution is moderate eutrophication, and it showed the high level of trophic state and may harm other living beings.</p><p><strong><em>Keywords: </em></strong><em>Gajah Mungkur Reservoir, </em><em>L</em><em>andsat 8 OLI satellite imagery, regression, TSI, trophic state</em></p>

ANALISIS POTENSI DAERAH RESAPAN AIR KOTA PADANG

2019 ◽  
Vol 3 ◽  
pp. 671
Author(s):  
Quinoza Guvil ◽  
Dwi Marsiska Driptufany ◽  
Syahri Ramadhan
Keyword(s):  
Landsat 8 ◽  
Landsat 8 Oli

Kota Padang adalah kota dengan kekerapan hujan dan curah hujan yang cukup tinggi. Pembangunan di Kota Padang berbanding terbalik dengan daerah resapan air sehingga air hujan tergenang dan terjadi banjir. Tujuan dari penelitian ini adalah untuk mengestimasi sebaran kawasan resapan air berbasis penggunaan lahan aktual di Kota Padang berdasarkan data parameter spasial seperti curah hujan, kemiringan lereng, peta jenis tanah, dan penggunaan lahan yang diperoleh dari data citra landsat 8 OLI dengan metode klasifikasi berbasis objek. Metode yang digunakan dalam penelitian ini adalah metode skoring dan tumpang susun atau overlay. Penelitian ini memetakan sebaran kondisi daerah resapan air berdasarkan kondisi saat ini, penentuan daerah yang ditetapkan sebagai zona resapan air Kota Padang menggunakan metode kombinasi skoring dan aritmatik dalam analisis spasial. Hasil analisis menghasilkan enam kelas kondisi potensi daerah resapan air, yang terdiri dari kondisi baik, normal alami, mulai kritis, agak kritits, kritis dan sangat kritis. Kondisi kawasan resapan air dengan luasan terbesar yaitu seluas 69,79% dari luas wilayah daerah penelitian terdapat pada kondisi resapan baik. Kawasan ini tersebar di wilayah timur Kota Padang yang merupakan wilayah pegunungan dengan ketinggian bervariasi dan sangat curam yaitu >1000 mdpl. Kawasan potensi resapan air Kota Padang masih berfungsi baik dengan luasan terbesar terdapat di Kecamatan Koto Tangah seluas 16870,288 ha. Semakin baik infiltrasi suatu parameter maka semakin baik pula resapan air suatu kawasan.

Sign in / Sign up

Export Citation Format

Share Document