Javascript must be enabled to continue!
STUDI KERAPATAN VEGETASI MENGGUNAKAN CITRA SATELIT MULTITEMPORAL
View through CrossRef
Vegetasi memiliki peranan penting untuk menjaga ekosistem alam. salah satu faktor yang mempengaruhi perubahan kerapatan vegetasi dalam suatu wilayah adalah aktivitas manusia, seperti pembangunan infrastruktur wilayah. Berdasarkan Peraturan Presiden Nomor 80 tahun 2019, Kabupaten Lamongan termasuk dalam wilayah percepatan pembangunan ekonomi sehingga dimungkinkan terdapat perubahan kerapatan vegetasi diwilayah Kabupaten Lamongan. Perubahan kerapatan vegetasi dapat dapat diidentifikasi berdasarkan citra satelit secara multitemporal. Dalam penelitian ini digunakan citra satelit Landsat 8 tahun 2020, 2021, dan 2022 dengan saluran kanal 4 dan 5. Algoritma kerapatan vegetasi yang digunakan adalah metode NDVI. Hasil klasifikasi kerapatan vegetasi menunjukkan bahwa selama tahun 2020 – 2022 kelas yang mendominasi adalah kelas kerapatan tinggi dengan prosentase berturut-turut 80,02%, 67,53%, dan 76,41% dari seluruh luas wilayah Kabupaten Lamongan. Pada tahun 2020 prosentase kelas terendah adalah kelas lahan tidak bervegetasi sebesar 3,99%, sedangkan pada tahun 2021 prosentase kelas terendah adalah kelas kerapatan rendah, yaitu sebesar 7,26%. Pada tahun 2022, kelas kerapatan sangat rendah sebesar 0,94%. Adapun kelas kerapatan tinggi pada tahun 2020 sampai 2021 turun sebesar 220,67 km2, sedangkan pada tahun 2021 sampai 2022 naik sebesar 156,87 km2.
Title: STUDI KERAPATAN VEGETASI MENGGUNAKAN CITRA SATELIT MULTITEMPORAL
Description:
Vegetasi memiliki peranan penting untuk menjaga ekosistem alam.
salah satu faktor yang mempengaruhi perubahan kerapatan vegetasi dalam suatu wilayah adalah aktivitas manusia, seperti pembangunan infrastruktur wilayah.
Berdasarkan Peraturan Presiden Nomor 80 tahun 2019, Kabupaten Lamongan termasuk dalam wilayah percepatan pembangunan ekonomi sehingga dimungkinkan terdapat perubahan kerapatan vegetasi diwilayah Kabupaten Lamongan.
Perubahan kerapatan vegetasi dapat dapat diidentifikasi berdasarkan citra satelit secara multitemporal.
Dalam penelitian ini digunakan citra satelit Landsat 8 tahun 2020, 2021, dan 2022 dengan saluran kanal 4 dan 5.
Algoritma kerapatan vegetasi yang digunakan adalah metode NDVI.
Hasil klasifikasi kerapatan vegetasi menunjukkan bahwa selama tahun 2020 – 2022 kelas yang mendominasi adalah kelas kerapatan tinggi dengan prosentase berturut-turut 80,02%, 67,53%, dan 76,41% dari seluruh luas wilayah Kabupaten Lamongan.
Pada tahun 2020 prosentase kelas terendah adalah kelas lahan tidak bervegetasi sebesar 3,99%, sedangkan pada tahun 2021 prosentase kelas terendah adalah kelas kerapatan rendah, yaitu sebesar 7,26%.
Pada tahun 2022, kelas kerapatan sangat rendah sebesar 0,94%.
Adapun kelas kerapatan tinggi pada tahun 2020 sampai 2021 turun sebesar 220,67 km2, sedangkan pada tahun 2021 sampai 2022 naik sebesar 156,87 km2.
Related Results
Gastropoda test family of Neritidae as bioindicator to health status of mangrove forest Pulau Tunda Serang Banten, Indonesia
Gastropoda test family of Neritidae as bioindicator to health status of mangrove forest Pulau Tunda Serang Banten, Indonesia
Uji gastropoda famili Neritidae terhadap habitatnya di ekosistem mangrove dilakukan di dua stasiun pengamatan di Pulau Tunda Serang Banten pada Januari 2014. Penelitian ini bertuju...
ANALISIS PERUBAHAN KERAPATAN VEGETASI MENGGUNAKAN CITRA LANDSAT-8 MULTITEMPORAL DI KABUPATEN BANDUNG BARAT
ANALISIS PERUBAHAN KERAPATAN VEGETASI MENGGUNAKAN CITRA LANDSAT-8 MULTITEMPORAL DI KABUPATEN BANDUNG BARAT
Laju deforestasi hutan di Indonesia dikenal sangat cepat, Indonesia menduduki peringkat ketiga yang mana deforestasi hutan di Indonesia mencapai 1,6 -2,1 juta hektar. Informasi men...
Perangkat Lunak Search Engine Citra Satelit LAPAN-A2 dan LAPAN-A3
Perangkat Lunak Search Engine Citra Satelit LAPAN-A2 dan LAPAN-A3
Search engine yaitu kombinasi perangkat keras dan perangkat lunak komputer yang disediakan oleh perusahaan tertentu melalui website yang telah ditentukan. Seiring bertambahnya juml...
Karakteristik indeks vegetasi pada berbagai penggunaan lahan di hulu sub DAS Cikapundung melalui interpretasi citra satelit Landsat 8
Karakteristik indeks vegetasi pada berbagai penggunaan lahan di hulu sub DAS Cikapundung melalui interpretasi citra satelit Landsat 8
SariPerubahan penggunaan lahan di hulu Sub DAS dapat berdampak pada kondisi DAS secara keseluruhan. Pemantauan kondisi eksisting perubahan penggunaan lahan diperlukan. Salah satu c...
Kontribusi Citra Satelit Multiresolusi Tutupan Awan Minimum Akurasi Tinggi untuk Mendukung Ketersediaan Data Siap Pakai di Indonesia
Kontribusi Citra Satelit Multiresolusi Tutupan Awan Minimum Akurasi Tinggi untuk Mendukung Ketersediaan Data Siap Pakai di Indonesia
Pada orasi ini disampaikan state of the art tentang perkembangan, tantangan, penemuan, kontribusi dan hilirisasi citra satelit multiresolusi tutupan awan minimum akurasi tinggi unt...
ENKRIPSI DAN DEKRIPSI CITRA MENGGUNAKAN METODE FRAKTAL
ENKRIPSI DAN DEKRIPSI CITRA MENGGUNAKAN METODE FRAKTAL
Enkripsi citra dengan metode fraktal adalah proses penyandian yang mengubah citra asli (plain image) menjadi citra yang tidak bisa dimengerti (cipher image) dengan menggunakan citr...
ANALISIS REABILITY PENGARUH VEGETASI RUMPUT GAJAH DENGAN METODE ELEMEN HINGGA PADA LERENG TANAH VULKANIK
ANALISIS REABILITY PENGARUH VEGETASI RUMPUT GAJAH DENGAN METODE ELEMEN HINGGA PADA LERENG TANAH VULKANIK
Desa-desa sekitar Kaldera Gunung Batur terancam mengalami longsor bahan rombakan (Debris Flow)
akibat erosi permukaan karena lereng yg tersusun oleh tanah vulkanik dan minim ...
Analisis Kerapatan Vegetasi di Kecamatan Pangandaran melalui Citra Landsat 8
Analisis Kerapatan Vegetasi di Kecamatan Pangandaran melalui Citra Landsat 8
ABSTRAKPenginderaan jauh merupakan alat dan teknik untuk mengambil data spasial tanpa menyentuh secara langsung objek yang dituju. Salah satu kegunaan penginderaan jauh adalah meng...

