scholarly journals DINAMIKA SUHU PERMUKAAN DAN KERAPATAN VEGETASI DI KOTA CIREBON

2019 ◽  
Vol 6 (1) ◽  
pp. 23-31
Author(s):  
Moh Dede ◽  
Galuh Putri Pramulatsih ◽  
Millary Agung Widiawaty ◽  
Yanuar Rizky Rizky Ramadhan ◽  
Amniar Ati

Peningkatan suhu udara merupakan dampak dari pemanasan global serta berkurangnya vegetasi. Pada kawasan perkotaan, peningkatan suhu udara secara signifikan dapat memunculkan fenomena urban heat island yang dalam jangka panjang mampu mengubah iklim mikro. Estimasi suhu permukaan dan kerapatan vegetasi diperoleh dari data satelit penginderaan jauh secara multi-temporal. Penelitian ini bertujuan untuk menganalisis dinamika suhu permukaan dan kerapatan vegetasi di Kota Cirebon. Penelitian ini memanfaatkan data citra Landsat-5 TM dan Landsat-8 OLI yang divalidasi dengan data MODIS pada periode tahun 1998, 2008, serta 2018. Nilai suhu permukaan diekstraksi dengan radiative transfer equation, sedangkan informasi kerapatan vegetasi diperoleh dengan normalized difference vegetation index (NDVI). Interaksi antara suhu permukaan dan kerapatan vegetasi diketahui melalui analisis korelasi spasial. Sepanjang tahun 1998 hingga 2018 terjadi peningkatan suhu permukaan sebesar 1.18 oC yang disertai dengan menurunnya area bervegetasi rapat hingga 12.683 km2. Penelitian ini juga menunjukkan korelasi negatif yang signifikan antara suhu permukaan dan kerapatan vegetasi di Kota Cirebon. Suhu permukaan tertinggi terpusat pada CBD, pelabuhan, area rawan kemacetan, kawasan industri, dan terminal. Berdasarkan kajian ini, upaya menanggulangi suhu permukaan di Kota Cirebon perlu ditangani melalui penyediaan ruang terbuka hijau, green belt, maupun reforestrasi.

2017 ◽  
Vol 11 (2) ◽  
pp. 141-150 ◽  
Author(s):  
Paul Macarof ◽  
Florian Statescu

Abstract This study compares the normalized difference built-up index (NDBI) and normalized difference vegetation index (NDVI) as indicators of surface urban heat island effects in Landsat-8 OLI imagery by investigating the relationships between the land surface temperature (LST), NDBI and NDVI. The urban heat island (UHI) represents the phenomenon of higher atmospheric and surface temperatures occurring in urban area or metropolitan area than in the surrounding rural areas due to urbanization. With the development of remote sensing technology, it has become an important approach to urban heat island research. Landsat data were used to estimate the LST, NDBI and NDVI from four seasons for Iasi municipality area. This paper indicates than there is a strong linear relationship between LST and NDBI, whereas the relationship between LST and NDVI varies by season. This paper suggests, NDBI is an accurate indicator of surface UHI effects and can be used as a complementary metric to the traditionally applied NDVI.


2017 ◽  
Vol 19 (2) ◽  
pp. 195 ◽  
Author(s):  
Nurul Ihsan Fawzi

<p>Peningkatan suhu di kawasan perkotaan adalah salah satu dampak dari urbanisasi. Fenomena <em>Urban Heat Island</em> (UHI) merupakan salah satu akibat yang dihasilkan akibat peningkatan suhu tersebut. Diperlukan upaya untuk menilai perubahan suhu apakah dapat berbahaya bagi manusia atau tidak. Melalui pengukuran UHI, pengaruh pembangunan kota terhadap peningkatan suhu dapat diukur. Tujuan penelitian ini adalah untuk memberikan panduan ilmiah tentang perolehan intensitas dan distribusi UHI menggunakan teknik penginderaan jauh. Studi kasus yang dilakukan berada di Kota Yogyakarta, Daerah Istimewa Yogyakarta. Citra penginderaan jauh yang digunakan adalah citra Landsat 8 perekaman tanggal 24 Juni 2013, <em>path/row</em> 120/65. Metode ekstraksi suhu permukaan menggunakan inversi persamaan Planck dengan koreksi emisivitas dan atmosfer menggunakan <em>radiative transfer equation</em>. Hasil pengolahan didapatkan intensitas UHI sebesar <em>±</em>2,5<sup>o</sup>C pada Kota Yogyakarta dan intensitas UHI sebesar <em>±</em>3,23<sup>o</sup>C pada area yang diperluas dengan buffer 1 km dari batas Kota Yogyakarta. Hal ini menunjukkan bahwa pemilihan area penelitian untuk analisis UHI menjadi penting karena mempengaruhi nilai intensitas UHI dan distribusi UHI. Ditemukan kawasan Malioboro dan sekitarnya berpotensi kuat terjadi UHI, sehingga perlu upaya mitigasi UHI pada kawasan tersebut. Pengukuran UHI menggunakan penginderaan jauh dipengaruhi oleh hal-hal yang berkaitan dengan sistem penginderaan jauh, seperti validasi dan akurasi hasil estimasi, pengaruh atmosfer, dan perbedaan waktu intensitas puncak UHI. Metode perolehan UHI dalam penelitian ini dapat menjadi panduan ilmiah yang digunakan untuk dasar evaluasi pembangunan perkotaan untuk lebih baik. </p>


2020 ◽  
Vol 22 (2) ◽  
pp. 71
Author(s):  
A Sediyo Adi Nugraha ◽  
Dewa Made Atmaja

Fenomena <em>Urban Heat Island </em>(UHI) sering dipengaruhi oleh kepadatan penduduk dan perubahan penggunaan lahan. Perubahan tesebut memiliki hubungan dengan peningkatan suhu permukaan (<em>Land Surface Temperature</em>/LST) sebagai awal terjadinya UHI. Deteksi perubahan penggunaan lahan dan suhu permukaan dilakukan dari tahun 2000, 2010, dan 2018 pada daerah Kabupaten Buleleng dan berfokus pada Kecamatan Buleleng karena memiliki perubahan lahan terbangun lebih cepat dibandingkan kecamatan lain. Tujuannya untuk mengetahuii bagaimana fenomena UHI itu terjadi akibat dari perubahan penggunaan lahan. Selain itu, seberapa besar peningkatan suhu permukaan selama 18 tahun khususnya di Kecamatan Buleleng dengan mengetahui kondisi ditribusi dan intensitas UHI. Metode yang digunakan dalam deteksi UHI menggunakan citra penginderaan jauh multi-temporal yaitu citra Landsat 7 ETM+ dan citra Landsat 8 OLI/TIRS (<em>The Operational Land Imager and the Thermal Infrared Scanner</em>) sebagai data primer. Pengolahan data akan berfokus pada ekstraksi suhu permukaan dengan metode <em>Split-Windows Algorithm Sobrino </em>(SWA-S) untuk Landsat 8 dan metode <em>Brightness Temperature Emissivity Correction</em> untuk Landsat 7, kemudian <em>Maximum Likelihood</em> sebagai metode penggunaan lahan. Hasil pengolahan menunjukkan bahwa penggunaan metode yang berbeda memberikan dampak terhadap fenomena UHI. Perbedaan suhu selama 18 tahun sebesar sebesar ±5°C hal itu dipengaruhi dari kondisi awan dan bayangan. Perubahan penggunaan lahan dari tahun 2000 hingga 2018 terdapat peningkatan lahan terbangun di Kecamatan Buleleng dan peningkatan suhu permukan sebesar 2°-7°C dari lahan terbangun. Fenomena UHI untuk distribusi dan instensitas UHI terjadi di daerah pusat perkotaan dan kenaikan intensitas UHI sebesar 1.75°C. kesimpulannya bahwa perubahan lahan terbangun memberikan dampak kenaikan suhu permukaan dan menyebabkan fenomena UHI.


2019 ◽  
Author(s):  
Muhammad Malik Ar-Rahiem ◽  
Muhamad Riza Fakhlevi

Pulau Panas Perkotaan (Urban Heat Island) adalah fenomena antropogenik akibat pengaruh urbanisasi. Kawasan perkotaan yang terbangun memiliki temperatur yang lebih hangat dibandingkan kawasan sekitarnya. Fenomena Pulau Panas Perkotaan di Kota Bandung diteliti menggunakan data Suhu Permukaan Tanah (Land Surface Temperature) yang diakuisisi dari satelit Landsat 8. Lima tahun data satelit dianalisis menggunakan piranti daring Google Earth Engine untuk menganalisis variasi temporal Pulau Panas Perkotaan di Kota Bandung dan sekitarnya. Suhu yang diakuisisi dari satelit dikonversi menjadi estimasi suhu permukaan dengan mempertimbangkan nilai Normalized Difference Vegetation Index. Hasil dari penelitian ini adalah peta persebaran rata-rata dan median suhu permukaan di Cekungan Bandung tahun 2013-2018, serta grafik seri waktu suhu permukaan di 3 jenis tata guna lahan yang mewakili daerah kota (sekitar Jalan Sudirman), hutan kota (Hutan Babakan Siliwangi), dan hutan (Tamah Hutan Raya Djuanda). Suhu rata-rata Kota Bandung pada tahun 2013-2018 adalah 26,93 oC (median seluruh data) dan 25,57oC (rata-rata seluruh data). Sementara perbandingan berdasarkan tata guna lahan; daerah kota memiliki suhu permukaan rata-rata 27,30 oC, daerah hutan kota memiliki suhu 21,31oC, dan daerah hutan memiliki suhu 18,60oC. Peta persebaran suhu panas permukaan dari citra Landsat 8 menunjukkan bahwa daerah hutan secara konsisten memiliki suhu paling rendah, diikuti dengan hutan kota, dan kemudian daerah kota menjadi area yang paling panas dengan suhu maksimal hingga 33,73oC. Penggunaan Google Earth Engine yang berbasis komputasi awan sangat memudahkan pengolahan data citra satelit dalam jumlah besar yang selama ini tidak memungkinkan dilakukan dengan cara konvensional (mengunduh dan memproses di komputer).


2021 ◽  
Vol 10 (6) ◽  
pp. 416
Author(s):  
Nagihan Aslan ◽  
Dilek Koc-San

The aims of this study were to determine surface urban heat island (SUHI) effects and to analyze the land use/land cover (LULC) and land surface temperature (LST) changes for 11 time periods from the years 2002 to 2020 using Landsat time series images. Bursa, which is the fourth largest metropolitan city in Turkey, was selected as the study area, and Landsat multi-temporal images of the summer season were used. Firstly, the normalized difference vegetation index (NDVI), soil-adjusted vegetation index (SAVI), modified normalized difference water index (MNDWI) and index-based built-up index (IBI) were created using the bands of Landsat images, and LULC classes were determined by applying automatic thresholding. The LST values were calculated using thermal images and SUHI effects were determined. The results show that NDVI, SAVI, MNDWI and IBI indices can be used effectively for the determination of the urban, vegetation and water LULC classes for SUHI studies, with overall classification accuracies between 89.60% and 95.90% for the used images. According to the obtained results, generally the LST values increased for almost all land cover areas between the years 2002 and 2020. The SUHI magnitudes were computed by using two methods, and it was found that there was an important increase in the 18-year time period.


2021 ◽  
Vol 5 (1) ◽  
pp. 33
Author(s):  
Fatimah Wardana ◽  
Laode Muh. Golok Jaya ◽  
Fitra Saleh ◽  
Jufri Karim

Abstrak: Fenomena Urban Heat Island dapat dipetakan dengan parameter Suhu Permukaan Tanah (SPT) dan indeks kerapatan vegetasi (NDVI). Penelitian ini bertujuan untuk menganalisis Urban Heat Island di Kota Kendari menggunakan Landsat 8 OLI/TIRS dan menganalisis kondisi eksisting sebaran fenomena Urban Heat Island di Kota Kendari. Proses dilakukan dengan mengolah data citra Landsat 8 OLI/TIRS perekaman 30 Agustus 2017. Analisis dilakukan dengan menggunakan algoritma Syariz untuk penentuan SPT yang kemudian dikorelasikan dengan nilai NDVI yang dihasilkan dari kaliberasi band 4 dan band 5 pada citra Landsat 8 OLI/TIRS. Hasil penelitian ini menunjukkan suhu permukaan tanah di kota Kendari berkisar antara 15,27 hingga 33,34. Dimana suhu 15 hingga 22adalah suhu daerah yang tidak terdeteksi atau tertutup awan. Persebaran suhu didominasi suhu antara 23-27 dengan luas 21.492,46 Ha atau 81,02% dari luas wilayah, dengan wilayah yang teridentifikasi sebagaui daerah UHI dengan suhu diantara 28-33 seluas 2.968,57 Ha atau 11,01% dari total luas wilayah Kota Kendari. Nilai korelasi antara SPT dan NDVI berada pada angka -0,66 yang berarti bahwa tingkat kerapatan vegetasi berbanding terbalik dengnan nilai suhu permukaan tanah atau semakin rendah indeks kerapatan vegetasinya, maka semakin tinggi suhu permukaan tanahnya.Kata kunci: Urban Heat Island, suhu permukaan tanah, Landsat 8, NDVIAbstract: The Urban Heat Island phenomenon can be mapped with the parameters of Land Surface Temperature (LST) and the Normalized Difference Vegetation Index (NDVI). This study aims to analyze Urban Heat Island in Kendari City using Landsat 8 OLI / TIRS and analyze the existing conditions of the distribution of the Urban Heat Island phenomenon in Kendari City. The process is done by processing Landsat 8 OLI / TIRS image recording data on August 30, 2017. The analysis carried out using the Syariz algorithm to determine LST which is then correlated with NDVI values resulting from band 4 and band 5 in Landsat 8 OLI / TIRS images. The results showed that the  land surface temperature in Kendari ranged from 15.27°C to 33.34°C. The 15 to 22°C is the temperature of the clouded or undetected area. The temperature distribution is dominated by temperatures between 23-27 ° C with an area of 21,492.46 Ha or  81.02% of the total area, with areas identified as UHI are the areas with temperatures between 28-33 ° C with an area of 2,968.57 Ha or 11.01% of the total area of  Kendari City. The correlation value between SPT and NDVI is at -0.66, which means that the vegetation density level is inversely proportional to the value of the land surface temperature value or the lower the vegetation index value, the higher the surface temperature of the land.Keywords: Urban Heat Island, land surface temperature, Landsat 8, NDVI


2017 ◽  
Vol 19 (1) ◽  
pp. 45 ◽  
Author(s):  
Bandi Sasmito ◽  
Andri Suprayogi

<p align="center"> <strong>ABSTRAK</strong></p><p class="JudulABSInd"><span lang="IN"> </span></p><p class="abstrak"><span lang="IN">Pembangunan infrastruktur di Kota Semarang berkembang sangat pesat sebagai pusat bisnis, ekonomi, industri, hiburan, dan pendidikan. Pembangunan memberikan dampak positif bagi masyarakat kota, namun terdapat juga dampak negatif yang terjadi yaitu penurunan kualitas lingkungan. Meningkatnya suhu udara adalah salah satu dampak dari penurunan kualitas lingkungan. Puncak atap dan dinding dari gedung bertingkat, tempat parkir, jalan, dan trotoar cenderung memiliki albedo yang rendah. Permukaan rendah albedo menyerap energi panas radiasi matahari lebih tinggi dari objek sekitarnya. Akibatnya, jumlah kelebihan energi panas menumpuk di sekitarnya menjadi pulau-pulau panas atau <em>Urban Heat Island</em> (UHI). Penelitian ini bertujuan untuk mendeteksi terjadinya fenomena kekritisan lingkungan akibat UHI dengan menganalisis suhu permukaan dan sebaran vegetasi di wilayah studi. Ada dua langkah metode dalam penelitian ini, pertama adalah membuat peta sebaran suhu permukaan tanah dan peta sebaran kerapatan vegetasi di tahun 2013 sampai 2016. Peta suhu permukaan dibuat dengan model algoritma <em>Land Surface Temperature</em> (LST) dan sebaran vegetasi adalah dengan algoritma <em>Normalized Difference Vegetation Index</em> (NDVI). LST didapatkan dengan mengolah Citra Landsat-8 band TIRS (<em>Thermal Infrared Red Sensor</em>), sedangkan NDVI  didapatkan dengan mengolah Citra Landsat-8 band OLI (<em>Operation Land Imager</em>). Langkah kedua adalah membuat peta kekritisan lingkungan dengan algoritma ECI (<em>Environmental Criticality Index</em>). ECI didapatkan dari nilai LST dibagi NDVI yang direntangkan histogram spektralnya menjadi 8 bit. </span>Melalui<span lang="IN"> hasil penelitian ini dapat disimpulkan bahwa suhu permukaan di Kota Semarang meningkat dan sebaran kelas suhu tinggi meluas setiap tahun. Kekritisan lingkungan akibat UHI terdeteksi di pusat kota, yaitu wilayah Utara Kota Semarang.</span></p><p class="abstrak"><strong><span lang="IN">Kata kunci</span></strong><span lang="IN">: </span><em><span lang="IN">Urban Heat Island</span></em><span lang="IN"> (UHI), </span><em><span lang="IN">Land Surface Temperature</span></em><span lang="IN"> (LST), <em>Normalized Difference Vegetation Index</em> (NDVI)</span><span lang="IN">, </span><em><span lang="IN">Environmental Criticality Index</span></em><span lang="IN"> (ECI)</span></p><p align="center"><strong><br /></strong></p><p align="center"><strong><em>ABSTRACT</em></strong></p><p class="Abstrakeng">Infrastructure in Semarang City developes rapidly as a center of business, economics, industry, entertainment, and education. Development gives positive impact to citizen, however environmental degradation as the negative impact also occured. Temperatures rising is one of environmental degradation impact. Roof top and wall of a building, parking lot, road, and sidewalk tend to have a low albedo. The low surface albedo absorbs thermal energy from solar radiation higher than the surrounding objects. As a result, the amount of excess heat accumulate in the vicinity into heat islands or Urban Heat Island (UHI). This study aims to detect the occurrence of environmental criticality due to UHI phenomenon by analyzing the surface temperature and the distribution of vegetation in the study area. There are two steps in this research, first step is to create land surface temperature distribution map and vegetation density distribution map in the year of 2013 to 2016. The surface temperature map created by Land Surface Temperature (LST) algorithm model and vegetation distribution created by Normalized Difference Vegetation Index (NDVI) algorithm. LST is obtained by processing Landsat-8 band TIRS (Thermal Infrared Sensor Red), while the NDVI obtained by processing Landsat-8 band OLI (Operation Land Imager). The second step is to create environmental criticality map with  ECI (Environmental Criticality Index) algorithm. ECI is obtained from LST value divided by NDVI spectral histogram stretched to 8 bits. From this research, can be concluded that the heat coverage in Semarang City increase and distribution of vegetation density index spread every year. Environmental criticality due to UHI occurred in downtown area, specifically in the northern side of Semarang City.</p><p><strong><em>Keywords</em></strong><em>:</em><em>   </em><em>Urban Heat Island</em> (UHI), <em>Land Surface Temperature</em> (LST), <em>Normalized Difference Vegetation Index</em> (NDVI), <em>Environmental Criticality Index</em> (ECI)</p><p align="center"><strong><em><br /></em></strong></p><p> </p>


2020 ◽  
Vol 17 (01) ◽  
pp. 222-239
Author(s):  
Denivaldo Ferreira de Souza ◽  
German Dario Duarte Gonzalez ◽  
José Teixeira Filho

O avanço da tecnologia por meio do uso de imagens de satélites vem impulsionando os vários tipos de monitoramento da superfície terrestre. Embasado nesse avanço, este artigo tem como objetivo analisar a cobertura vegetal na bacia hidrográfica do Ribeirão das Cabras, localizada no município de Campinas/SP, utilizando técnicas de sensoriamento remoto para a determinação do Índice de Vegetação por Diferença Normalizada - IVDN. O trabalho utilizou imagens dos satélites Landsat 5 TM e Landsat 8 OLI no período da estação chuvosa da região nos anos de 1986, 1992, 1999, 2004, 2011 e 2018. Para cada imagem foi calculado os valores de IVDN e agrupados em seis classes. O resultado das imagens mostrou que as áreas com cobertura vegetal mais intensa sofreram pequenas alterações no período. O destaque principal foi observado na classe que caracterizam os corpos hídricos, demonstrando um aumento da capacidade de reserva por meio de construção de açudes na região. Essas estruturas foram implantadas, em grande parte, a partir de projetos e construções inadequadas. Esses elementos potencializam os eventos de inundações na região por rompimento destas estruturas de barragens. Sendo assim, considerou a classificação das imagens utilizando o IVDN uma ferramenta que propicia um entendimento e análise da dinâmica da cobertura vegetal em diferentes tipos de escala e sazonalidades, determinando condições de aumento do potencial de risco de desastres ao meio. Palavras-chave: Risco de enchentes. Reservatórios. Imagem de satélite. IVDN. Campinas.   TEMPORAL VARIATION OF THE NORMALIZED DIFFERENCE VEGETATION INDEX AS A TOOL IDENTIFICATION TOOL IN THE RIBEIRÃO DAS CABRAS HYDROGRAPHIC BASIN ABSTRACT Technology’s advance through of satellite imagery us have driven the different types of terrestrial surface monitoring. Based on this advance, this article aims to analyze the vegetal cover in Ribeirão das Cabras hydrographic basin, localized at Campinas/SP, using remote sensing techniques for Normalized difference vegetation index – NDVI. The work used images from Landsat 5 TM and Landsat 8 OLI satellites in the period of rainy season in the region from years 1986, 1992, 1999, 2004, 2011 and 2018. For each image were calculated the NDVI values and grouped in six classes. The result of the images showed that the intense vegetal cover areas suffered small alterations in the study period. The main highlight was observed in the class that characterize water bodies, demonstrating an increase in the reserve capacity through the construction of dams in the region. These structures were implanted, in large part, from inadequate projects and constructions. These elements potentiate flood events in the region by breaking the dams. Thus, it was considered the classification of the images using the NDVI, a tool that promotes an understanding and analysis of the dynamics of vegetation cover in different types of scale and seasonality, determining conditions for increasing the potential of disaster risks to the environment. Keywords: Flood risk. Reservoir. Satellite image. NDVI. Campinas.   VARIACIÓN TEMPORAL DEL ÍNDICE DE VEGETACIÓN POR DIFERENCIA NORMALIZADA COMO HERRAMIENTA DE IDENTIFICACIÓN DE LOS ACCESOS EN LA BACIA HIDROGRAFICA DEL RIBEIRÃO DAS CABRAS RESUMEN  El avance de la tecnología por medio del uso de imágenes de satélites viene siendo impulsado los diferentes tipos de monitoramiento de la superficie terrestre. Basado en ese avance, este artículo tiene como objetivo analizar la cobertura vegetal en la cuenca hidrográfica de Riberão das Cabras, localizada en el municipio de Campinas/SP, utilizando técnicas de percepción remota para la determinación del índice de vegetación por diferencia normalizada – IVDN. El trabajo utilizó imágenes de los satélites Landsat 5 TM y Landsat 8 OLI en el periodo de la estación lluviosa de la región los años 1986, 1992, 1999, 2004, 2011 y 2018. Para cada imagen fueron calculados los valores de IVDN y agrupados en seis clases. El resultado de las imágenes mostró que las áreas con cobertura vegetal más intensa sufrieron pequeñas alteraciones en el periodo. El principal destaque fue observado en la clase que caracterizan los cuerpos hídricos, demostrando un aumento de la capacidad de reserva por medio de construcción de presas en la región. Estas estructuras fueron implantadas, en grande parte, a partir de proyectos y construcciones inadecuadas. Estos elementos potencializan los eventos de inundaciones en la región por rompimiento de las presas. Siendo así, se consideró la clasificación de las imágenes utilizando el IVDN una herramienta que propicia un entendimiento e análisis de la dinámica de la cobertura vegetal en diferentes tipos de escala y estacionalidad, determinando condiciones de aumento del potencial de riesgos de desastres al medio ambiente. Palabras clave: Riesgo de inundación. Embalse Imagen de satélite. IVDN. Campinas.


2021 ◽  
pp. 153
Author(s):  
Moh. Dede ◽  
Millary Agung Widiawaty ◽  
Yanuar Rizky Ramadhan ◽  
Arif Ismail ◽  
Wiko Nurdian

Ekspansi lahan terbangun melalui kehadiran pemukiman dan kawasan industri berimplikasi pada berkurang lahan bervegetasi di wilayah Cirebon dan sekitarnya. Kondisi menyebabkan peningkatan suhu yang berpotensi memunculkan urban heat island. Perubahan suhu dapat diprediksi menggunakan pemodelan spasial dinamis sebagai bagian dari proses perubahan lansekap. Penelitian ini bertujuan untuk memprediksi dinamika suhu permukaan di wilayah Cirebon dan sekitarnya menggunakan algoritma Artificial Neural Network-Cellular Automata (ANN-CA) dengan melibatkan variabel spasial seperti kepadatan bangunan, kerapatan vegetasi, dan kepadatan jaringan jalan. Sumber data yang digunakan dalam penelitian ini berasal dari citra Landsat-5 TM dan Landsat-8 OLI pada tahun 1999, 2009, serta 2019, sedangkan data jaringan jalan berasal dari OpenStreetMaps. Suhu permukaan diperoleh dari kanal termal yang diolah menggunakan Radiative Transfer Equation. Sementara variabel lainnya diperoleh dari Normalized Difference Built-up Index (NDBI), Normalized Difference Vegetation Index (NDVI) dan line density. Penelitian ini menunjukkan suhu permukaan hasil pemodelan ANN-CA pada tahun 2019 memiliki rerata sebesar 22,61 °C. Model ini memiliki overall accuracy 0,63 dan overall kappa sebesar 0,52. Bila dibandingkan dengan nilai aktual, model ini memiliki nilai r-square mencapai 0,80 dengan selisih sebesar 0,54 °C yang layak untuk prediksi suhu permukaan di masa mendatang. Model ANN-CA menunjukkan sebaran suhu permukaan yang lebih tinggi berpusat pada wilayah kota dan peri-urban. Kajian terkait prediksi suhu permukaan diharapkan dapat menjadi perhatian utama dalam mewujudan resiliensi perkotaan.


Sign in / Sign up

Export Citation Format

Share Document