Uploaded by User75841

Comparison of Water Feature Detection NDWI and MNDWI Techniques

advertisement
JGISE Vol. 1 No. 1 (2018), pp. 1 - 9
|
https://doi.org/10.22146/jgise.xxxxx
JGISE
Journal of Geospatial Information Science and Engineering
E-ISSN: 2623-1182
|
https://jurnal.ugm.ac.id/jgise
Comparison of Water Feature Detection with NDWI and MNDWI
Techniques
Rifda Dwi Lestari(100)1, Widya Hanifazza(100)2, Lugas Pratama Putra(100)3*
Departemen Teknik Geodesi, Universitas Gadjah Mada, INDONESIA
ARTICLE INFO
ABSTRACT
Article History:
Received 16 Juni 2019
Received in revised form Day Month Year
Accepted Day Month Year
Available online Day Month Year
Water is a natural resource that is very important for humans. But the basic
character of water that moves from the highlands to the lowlands is often a
problem for humans, namely is flooding. Flood is one of natural disaster that
often occur in Indonesia. This disaster usually occurs during the rainy season
around November to March each year.
Mapping flood-prone areas is one way to control non-structural flooding. But an
analysis of flood-prone areas is needed in this study using the help of Geographic
Information Systems (GIS) with three parameters, namely (1) Rainfall, (2) Slope
and (3) Land Use.
For example, one of the analyzes used was the application of the NDWI and
MNDWI methods to Landsat-8 satellite images. NDWI (Normalized Difference
Water Index) is a band ratio technique that is carried out to help detect water
features in soil and vegetation in certain areas. The band used in this NDWI
technique is the Green band and the NIR band.
However, it is not uncommon for case studies to be carried out in areas of builtup land, NDWI fails to define water features accurately because of the noise
caused by buildings. However, with the Modified Normalized Difference Water
Index which is a band ratio operation that uses Green band and MIR band, it can
reduce the detected noise. So, the result is that water features in the built up
area can be detected more accurately using MNDWI.
Keywords:
Water extraction, Spectral indices, Landsat-8,
MNDWI, NDWI
Corresponding Author:
Rifda Dwi Lestari
Email: [email protected]
2011). Banjir seperti dalam definisi di atas disebut juga
dengan banjir genangan.
Yuksek, Kankal, & Ucuncu (2013) menyatakan bahwa
banjir merupakan bencana yang umum terjadi dan sering
menyebabkan kerugian material yang besar. Banjir menjadi
bencana apabila masyarakat ada yang menjadi korban.
Masyarakat menjadi korban karena memanfaatkan lahan
sekitar sungai dengan berbagai alasan (Yuksek et al., 2013).
Kejadian banjir pada berbagai lokasi di Indonesia satunya
disebabkan perubahan fungsi Daerah Aliran Sungai (DAS)
dan perilaku manusia dalam membuang sampah
sembarangan di sungai sehingga terjadi penumpukan
sampah di berbagai titik hulu maupun hilir sungai.
Pendahuluan
Manusia tidak bisa lepas dari peran air yang sangat vital
bagi kelangsungan hidup. Terdapat beberapa bentuk objek
buatan manusia maupun alami yang tersedia di bumi yang
mengandung unsur air, seperti sungai, danau, air terjun,
waduk, kanal, dsb. Tak jarang dilakukan pendeteksian
objek-objek tersebut, baik untuk keperluan pencarian
lokasi objek atau menganalisis fenomena tertentu yang
terjadi, misalkan deteksi luapan air di waduk saat musim
hujan dan deteksi daerah genangan air saat bencana banjir
terjadi di wilayah tertentu. Penginderaan jauh sudah
digunakan sejak lama untuk mencari sumber daya air,
pengelolaan pesisir, dan deteksi fitur air (Xu, 2006).
Banjir makin sering terjadi di beberapa wilayah di
Indonesia. Banjir didefinisikan sebagai peristiwa
meluapnya air sungai melebihi palung sungai (Anonim,
1
Hasilnya, fitur badan air akan memiliki nilai positif
dan dengan demikian ditingkatkan, sementara objek
vegetasi dan tanah biasanya memiliki nilai nol atau
negatif dank arena itu ditekan. Namun, untuk kasus
penerapan NDWI di wilayah perairan dengan area lahan
terbangun tidak dapat mencapai tujuan seperti yang
diharapkan karena informasi air yang diekstraksi sering
tercampur dengan noise atau tingkat kebisingan lahan
terbangun (bangunan-bangunan). Untuk menghilangkan
nilai kebisingan lahan terbangun, perlu diperiksa
karakteristrik fiturnya (Xu, 2006).
Hanqiu Xu berasumsi nilai kebisingan lahan
terbangun akan bernilai negatif apabila band NIR pada
NDWI diganti menggunakan band MIR. Sehingga NDWI
yang telah dimodifikasi dapat dinyatakan sebagai
berikut (Xu, 2006):
Gambar (Figure) 1. Terjadinya penumpukan sampah di
pintu air sungai akibat perilaku manusia membuang
sampah sembarangan
Sumber (Source): medan.tribunnews.com (22 November
2017)
Perubahan penutupan lahan dapat menyebabkan
terganggunya fungsi daerah peresapan air (Wirakusumah
& Murdohardono, 2014) dan mempengaruhi limpasan
permukaan (Harifa, Sholichin, & Prayogo, 2017).
Perubahan penutupan lahan dari hutan menjadi penutupan
lahan lain dapat mengakibatkan banjir saat terjadi hujan
(Harifa et al., 2017; Zhang & Wang, 2007). Oleh karena itu
perubahan penutupan lahan perlu mendapat perhatian
utama untuk mencegah banjir (Nurlina, Ridwan, & Siregar,
2014).
Akibat dari perilaku yang telah disebutkan sebelumnya
serta akibat sifat air yang cenderung mengalir ke daerah
yang lebih rendah, sebagian daerah di Indonesia terutama
daerah dengan dataran rendah terancam banjir dengan
berbagai ketinggian. Oleh karena itu perlu dilakukan
pendeteksian banjir secara lebih akurat dan presisi salah
satunya dengan Teknik NDWI dan MNDWI.
Untuk yang pertama, Teknik Normalized Difference
Water Index (NDWI) yang merupakan suatu teknik band
rasio yang diaplikasikan pada proses pengolahan citra
LANDSAT 8 dengan tujuan untuk membantu deteksi
kandungan air pada tanah dan vegetasi. Sehingga dalam
kasus pendeteksian badan air dapat menggunakan metode
NDWI (Nath & Deka, 2017).
Nilai NDWI dapat dihitung menggunakan rumus (Rokni,
Ahmad, Selamat, & Hazini, 2014):
MNDWI =
(π΅π‘Žπ‘›π‘‘ π»π‘–π‘—π‘Žπ‘’−π΅π‘Žπ‘›π‘‘ 𝑀𝐼𝑅)
(π΅π‘Žπ‘›π‘‘ π»π‘–π‘—π‘Žπ‘’+π΅π‘Žπ‘›π‘‘ 𝑀𝐼𝑅)
Perhitungan MNDWI akan menghasilkan tiga hal:
1. Air akan memiliki nilai positif yang lebih besar
daripada NDWI karena lebih banyak menyerap
band MIR daripada band NIR.
2. Lahan terbangun akan memiliki nilai negatif
seperti asumsi sebelumnya.
3. Objek vegetasi dan tanah masih akan memiliki
nilai negatif karena tanah memantulkan band
MIR lebih dari band NIR (Jensen, 2005) serta
vegetasi memantulkan band MIR lebih dari band
Hijau.
Data dan Metodologi
2.1. Data dan Lokasi
Data yang digunakan dalam studi ini adalah citra satelit
resolusi menengah wilayah Kabupaten Bojonegoro, Jawa
Timur. Pemilihan wilayah Kabupaten Bojonegoro
dikarenakan wilayah ini merupakan wilayah yang
termasuk dalam kategori sering mendapat bencana banjir
tiap tahunnya. Citra satelit yang digunakan adalah citra
satelit Landsat 8 yang merupakan citra dengan resolusi
medium. Pemilihan citra satelit Landsat 8 dikarenakan
pada studi ini tidak diperlukan citra yang memiliki resolusi
spasial tinggi.
2.2. Metodologi
Dalam studi ini akan digunakan dua teknik ekstraksi
indeks spektral pada citra Landsat-8, yaitu MNDWI dan
NDWI
2.2.1 Teknik MNDWI
Teknik MNDWI yang dikembangkan oleh Xu menggunakan
kanal hijau dan kanal MIR. Pada citra Landsat-8, kanal hijau
adalah berada pada kanal 3 dan kanal MIR berada pada
kanal 6 atau 7, sehingga persamaan teknik MNDWI akan
menjadi seperti persamaan (1)
(𝜌3 − 𝜌6)
π‘€π‘π·π‘ŠπΌ =
(𝜌3 + 𝜌6)
(1)
NDWI =
Dimana Band NIR adalah nilai reflektan atau radians yang
mendekati band Infrared dan Band Hijau adalah nilai
reflektan atau radians yang termasuk dalam kanal tampak
(Mehebub, Raihan, Nuhul, & Haroon, 2015).
Pemilihan gelombang hijau dan NIR yang digunakan
pada NDWI didasarkan pada (McFeeters, 1996) :
1. Memaksimalkan nilai reflektan dari badan air
dengan menggunakan gelombang hijau
2. Mengurangi nilai reflektan rendah yang dipantulkan
oleh badan air pada kanal NIR
3. Memanfaatkan nilai reflektan tinggi yang
dipantulkan oleh fitur vegetasi dan tanah pada kanal
NIR.
2
2.2.2 Teknik NDWI
Teknik NDWI yang dikembangkan oleh McFeeters
mengekstrak badan air dengan memanfaatkan kanal NIR
dan kanal hijau pada Landsat 7 sehingga persamaan untuk
teknik NDWI akan dinyatakan seperti pada persamaan (2)
(𝜌3 − 𝜌5)
π‘π·π‘ŠπΌ =
(𝜌3 + 𝜌5)
(2)
Mulai
Gambar 2. Hasil proses ekstraksi badan air dengan teknik
MNDWI di area bengawan Solo
Hasil proses ekstraksi badan air menggunakan teknik
NDWI dapat dilihat pada gambar 3 dan 4
Citra Landsat-8
wilayah Bojonegoro
bulan januari 2019
Ekstraksi
MNDWI dengan
software ArcGIS
Pro
Ekstraksi NDWI
dengan software
ENVI
Gambar 3. Hasil proses ekstraksi badan air dengan teknik
NDWI di area Waduk Pacal
Proses analisa
Diagram 1. Diagram alir analisa perbandingan teknik
NDWI dengan MNDWI
Hasil dan Pembahasan
Hasil proses ekstraksi badan air menggunakan teknik
MNDWI dapat dilihat pada gambar 1 dan 2
Gambar 4. Hasil proses ekstraksi badan air dengan teknik
NDWI di area Bengawan Solo
Pada kedua hasil proses ekstraksi badan air dapat
dilihat bahwa kedua badan air direpresentasikan dengan
warna biru. Pada hasil teknik MNDWi simbologi dari badan
air berupa warna biru dengan nilai piksel ≤ 1. Sedangkan
pada teknik NDWI, badan air disimbolkan dengan warna
biru dnegan nilai piksel lebih terperinci, yaitu mulai dari 0
sampai 1.
Teknik MNDWI menghasilkan citra dengan badan air
terekstraksi lebih jelas daripada teknik NDWI. Seperti
contoh pada bagian bawah Bengawan Solo, terdapat warna
biru tua yang menunjukkan area persawahan yang
terindikasi sebagai badan air. Sedangkan pada teknik NDWI
area persawahan tadi masih tercampur dengan
pengklasifikasian warna hijau untuk jenis tutupan lahan
yang lain.
Gambar 1. Hasil proses ekstraksi badan air dengan teknik
MNDWI di area Waduk Pacal
3
International Journal of Remote Sensing Vol. 27,
No.14, 3025-3033.
Kesimpulan
Ekstraksi badan air dari citra satelit dapat dilakukan
melali dua teknik, yaitu teknik MNDWI dan NDWI. Teknik
MNDWI menghasilkan citra dengan badan air tampak lebih
jelas dan lebih mudah dibedakan daripada teknik NDWI.
Yuksek, O., Kankal, M., & Ucuncu, O. (2013). Assessment of
big floods in the Eastern Black Sea Basin of
Turkey. Environment Monitoring Assessment,
185, 797–814. https://doi.org/10.1007/s106610122592-2
Ucapan Terima Kasih
Ucapan terimakasih diberikan kepada pihak USGS yang
telah menyediakan data citra satelit LANDSAT-8
opensource untuk area penelitian dan kepada asisten dosen
serta dosen pembimbing praktikum mata kuliah
Pengolahan Citra Digital Teknik Geodesi FT UGM yang telah
membimbing penulis dan memberikan fasilitas berupa
software yang menunjang penelitian, sehingga penulis
dapat menyelesaikan penelitian ini dengan baik.
Zhang, H., & Wang, X. (2007). Land-use dynamics and flood
risk in the hinterland of the Pearl River Delta: The
case of Foshan City. International Journal of
Sustainable Development & World Ecology, 14(5),
485–492.
Referensi
Anonim. Peraturan Pemerintah No. 38 tentang Sungai
(2011). Indonesia
Harifa, A. C., Sholichin, M., & Prayogo, T. B. (2017). Analisa
pengaruh perubahan penutupan lahan terhadap
debit sungai Sub DAS Metro dengan
menggunakan program ARCSWAT. Jurnal
Teknik Pengairan, 8(1), 1–14.
Jensen, J. R. (2005). Introductory Digital Image
Processing: A Remote Sensing Perspective.
California: Prentice Hall.
McFeeters, S. K. (1996). The use of the Normalized
Difference Water Index (NDWI) in the
delineation of open water features. International
Journal of Remote Sensing, 17(7), 1425–1432.
Mehebub, S., Raihan, A., Nuhul, H., & Haroon, S. (2015).
Assessing flood inundation extent and landscape
vulnerability to flood using geospatial
technology: A study of Malda district of West
Bengal, India. Forum geografic. Studii și cercetări
de geografie Θ™i protecΘ›ia mediului Volume XIV,
Issue 2, 156-163.
Rokni, K., Ahmad, A., Selamat, A., & Hazini, S. (2014).
Water Feature Extraction and Change Detection
Using Multitemporal Landsar Imagery. Remote
Sens, 4173- 4189.
Wirakusumah, D., & Murdohardono, D. (2014). Kajian
banjir Jakarta ditinjau dari ilmu geologi. Jurnal
ESDM, 6(2), 63–76.
Xu, H. (2006). Modification of normalised difference
water indec (NDWI) to enhance open water
features in remotely sensed imagery.
4
Download