LAPORAN SIMAKSI PENELITIAN BERBASIS KOMPETENSI …tnkarimunjawa.id/assets/fileperpustakaan/laporan_REGTNKJ... · 2019. 1. 3. · laporan simaksi penelitian berbasis kompetensi kemenristekdikti

LAPORAN SIMAKSI

PENELITIAN BERBASIS KOMPETENSI

KEMENRISTEKDIKTI

PENGEMBANGAN METODE IDENTIFIKASI DAN PEMETAAN

SUMBERDAYA SPESIES MANGROVE MELALUI TEKNOLOGI

PENGINDERAAN JAUH

KETUA TIM PENELITI:

Muhammad Kamal, MGIS., Ph.D.

NIDN. 0009057902

UNIVERSITAS GADJAH MADA

2018

i

DAFTAR ISI

DAFTAR ISI.............................................................................................................................. i

RINGKASAN ........................................................................................................................... 1

BAB 1. PENDAHULUAN ....................................................................................................... 2

1.1. Latar Belakang ............................................................................................................ 2

1.2. Rumusan Masalah ....................................................................................................... 2

1.3. Tujuan Penelitian......................................................................................................... 3

1.4. Urgensi Penelitian ....................................................................................................... 3

1.5. Target Temuan dan Luaran Penelitian ........................................................................ 3

1.6. Road Map Penelitian ....................................................................................................... 4

1.7. Agenda Penelitian .......................................................................................................... 4

BAB 2. METODE PENELITIAN ........................................................................................... 5

2.1. Bahan dan Alat ................................................................................................................ 5

2.2. Lokasi Penelitian ............................................................................................................. 5

2.3. Tahap Penelitian .............................................................................................................. 6

2.3.1. Tahap Persiapan ...................................................................................................... 6

2.3.2. Identifikasi dan Karakterisasi Pantulan Spektral Objek Spesies Mangrove ............ 6

2.4. Susunan Tim Peneliti ...................................................................................................... 7

2.5. Jadwal Penelitian ............................................................................................................. 7

BAB 3. HASIL DAN LUARAN PENELITIAN .................................................................... 8

3.1. Hasil Penelitian ........................................................................................................... 8

3.1.1. Hasil Pengukuran Kurva Pantulan Spektral Spesies Mangrove ......................... 8

3.1.2. Karakteristik Pola Pantulan Spektral Spesies Mangrove .................................. 10

3.1.3. Pemetaan Distribusi Spesies Mangrove Dominan ............................................ 10

3.2. Luaran Penelitian....................................................................................................... 13

BAB 5. KESIMPULAN ......................................................................................................... 13

DAFTAR PUSTAKA ............................................................................................................. 13

1

RINGKASAN

Indonesia memiliki luas hutan mangrove terbesar di dunia, sehingga upaya

inventarisasi, pemetaan, dan monitoring mangrove sangat penting dilakukan untuk menjaga

kelestarian ekosistem mangrove di Indonesia. Mangrove merupakan tempat berlindung

berbagai spesies flora dan fauna, dan salah satu sumber keanekaragaman hayati dunia. Dalam

konteks isyu pemanasan global, mangrove berperan penting sebagai carbon sink pada habitat

blue carbon bersama lamun dan terumbu karang. Pentingnya ekosistem mangrove dalam

konteks keanekaragaman hayati ini mendorong untuk dilakukan penelitian terkait identifikasi

dan pemetaan spesies mangrove. Survei lapangan untuk inventarisasi spesies mangrove

dinilai tidak efisien karena membutuhkan banyak sumberdaya baik manusia, waktu, dan

finansial. Salah satu cara inventarisasi yang efisien adalah dengan menggunakan citra

penginderaan jauh. Dalam perspektif penginderaan jauh, setiap objek spesies mangrove

memiliki karakteristik pantulan spektral yang spesifik (spectral signature) yang membedakan

dengan spesies yang lain. Sehingga objek spesies mangrove di lapangan dapat dihubungkan

dengan citra penginderaan jauh melalui pola pantulan spektralnya. Namun demikian

penelitian seperti ini masih jarang dilakukan dan secara teori dianggap operasional sebatas

pada lingkup laboratorium yang lingkungannya terkontrol. Teori tersebut perlu diterapkan

dan diuji dengan menggunakan objek mangrove di lapangan.

Penelitian ini dirancang untuk masa penelitian 3 (tiga) tahun dengan tujuan jangka

panjang berupa pengujian teori pengenalan objek spesies mangrove melalui pola pantulan

spektral-nya dari citra penginderaan jauh. Tujuan khusus dirancang mengikuti urutan tahun

pelaksanaan penelitian, yaitu untuk (1) identifikasi dan karakterisasi pola pantulan spektral

objek spesies mangrove di lapangan, (2) pengembangan metode pemetaan sebaran spesies

mangrove berdasar pola pantulan spektral, dan (3) pengujian akurasi dan konsistensi metode

pemetaan spesies mangrove di lokasi lain. Pengumpulan data pola pantulan spektral objek di

lapangan dilakukan dengan menggunakan spektrometer lapangan, kemudian dilanjutkan

dengan analisis variasi pola pantulan spektral dan penembangan metode pemetaan di

laboratorium. Lokasi penelitian utama untuk pengembangan metode pemetaan adalah

mangrove di Pulau Karimunjawa, Jepara, Jawa Tengah; sedangkan lokasi untuk pengujian

metode pemetaan adalah di mangrove blok Bedul di Kabupaten Banyuwangi, Jawa Timur.

Penelitian ini merupakan penelitian dasar yang mendukung pengembangan penggunaan citra

penginderaan jauh untuk pemetaan spesies mangrove. Hasil yang diharapkan dari penelitian

ini adalah (1) kumpulan sampel pola pantulan spektral (spectral library) spesies mangrove

dominan, (2) prosedur pengukuran pola pantulan spektral yang efisien dan operasional di

lapangan untuk identifikasi spesies mangrove, dan (3) metode pemetaan spesies mangrove

yang efisien dan operasional berdasarkan pola pantulan spektral-nya dari citra penginderaan

jauh. Target publikasi utama penelitian ini adalah di jurnal internasional open access MDPI

Remote Sensing (ISSN 2072-4292) dengan impact factor 3,244. Jurnal open access berbayar

ini dipilih untuk mendapatkan visibilitas publikasi yang lebih luas dari akademisi dan praktisi

di seluruh dunia.

Kata kunci: Mangrove, pola pantulan spektral, spektrometer, citra penginderaan jauh

2

BAB 1. PENDAHULUAN

1.1. Latar Belakang

Indonesia adalah negara yang memiliki sumberdaya hutan mangrove terluas di dunia.

Menurut hasil pemetaan Giri et al. (2011), luasan hutan mangrove di Indonesia adalah

3,112,989 hektar atau 22.6% dari total luasan mangrove dunia. Mangrove memiliki banyak

fungsi ekologis dan ekonomis, antara lain menjaga daerah pesisir dari arus laut dan angin,

memberikan tempat berpijahnya organisme laut, menjaga siklus makanan organisme laut,

menjaga kualitas perairan pesisir, tempat tinggal berbagai fauna liar dan sebagai atraksi

wisata (Lugo & Snedaker 1974; Hutchings & Saenger 1987; Green et al. 1998; Giri et al.

2011). Namun demikian, kondisi kesehatan dan eksistensi mangrove mendapat ancaman yang

besar dari gangguan manusia dan bencana alam. Ancaman utama bagi mangrove meliputi

penebangan pohon untuk bahan bakar dan kayu, konversi habitat mangrove ke penggunaan

lahan lain seperti pertanian, tambak, industri dan pengembangan kota (Alongi 2002; Manson

et al. 2003; Giri et al. 2008), dan naiknya muka air laut relatif (Gilman et al. 2008). Adanya

ancaman ini menjadikan pentingnya upaya untuk penyediaan data yang up-to-date dan akurat

tentang status mangrove di Indonesia.

Lebih dari 20 tahun terakhir, data penginderaan jauh telah digunakan untuk pemetaan

dan pemantauan ekosistem mangrove (Kuenzer et al. 2011). Data penginderaan jauh

memiliki beberapa keuntungan untuk studi mangrove, meliputi (1) akses tidak langsung ke

daerah mangrove yang tidak terjangkau karena posisi geografis dan kondisi pasang surut

(Davis & Jensen 1998), (2) memungkinkan dilakukan ekstrapolasi data sampel ke seluruh

liputan citra (Hardisky et al. 1986; Kuenzer et al. 2011), (3) memberikan synoptic overview

dan perulangan perekaman (Giri et al. 2007), (4) kemampuan penyajian informasi multi-skala

(Malthus & Mumby 2003), dan kemampuan menghubungkan respon spektral data lapangan

dan nilai piksel citra (Kuenzer et al. 2011). Menurut Hirano et al. (2003) dan Vaiphasa et al.

(2005), pada level laboratorium, setiap spesies mangrove memberikan karakteristik pantulan

spektral yang spesifik sehingga memungkinkan untuk digunakan sebagai kunci identifikasi

spesies dari citra penginderaan jauh. Namun demikian, pola spektral mangrove di lapangan

atau yang terekam oleh citra sangat dipengaruhi oleh kondisi substrat dimana mangrove

hidup dan pasang surut air laut (Blasco et al. 1998). Sehingga perlu dilakukan suatu

penelitian yang sistematik tentang manfaat pola pantulan spektral spesies mangrove di

lapangan terhadap upaya identifikasi dan pemetaan spesies mangrove dari citra penginderaan

jauh. Di Indonesia penelitian tentang pengaruh tersebut belum banyak diteliti dan penting

dilakukan untuk membangun prosedur pengukuran pantulan spektral lapangan dan

pengolahannya untuk kegiatan identifikasi dan pemetaan mangrove. Penelitian ini merupakan

penelitian dasar yang dapat dikembangkan untuk kegiatan pemetaan, inventarisasi dan

monitoring spesies mangrove dengan menggunakan citra penginderaan jauh.

1.2. Rumusan Masalah

Melimpahnya sumberdaya hutan mangrove di Indonesia beserta keanekaragaman

hayatinya menjadikan upaya inventarisasi spesies dan pemantauan kondisi hutan mangrove

sangat penting. Jumlah variasi spesies mangrove dapat dijadikan sebagai indikator kesehatan

suatu habitat mangrove. Identifikasi dan pemetaan spesies mangrove melalui survei lapangan

dinilai tidak efisien, karena membutuhkan sumberdaya manusia, waktu dan biaya yang

banyak. Data dan metode penginderaan jauh merupakan alternatif metode identifikasi dan

pemetaan mangrove yang lebih efisien. Secara teoretis, pola pantulan spektral tiap spesies

dapat dijadikan sebagai kunci pengenalan spesies mangrove melalui citra penginderaan jauh.

Namun demikian, teori ini masih sebatas berlaku di level laboratorium yang lingkungannya

terkontrol. Penelitian secara sistematik diperlukan untuk dapat menerapkan teori tersebut

3

secara lebih operasional pada citra penginderaan jauh, untuk identifikasi dan pemetaan

spesies mangrove melalui respon pola pantulan spektral objek langsung di lapangan.

1.3. Tujuan Penelitian

Penelitian ini bertujuan untuk pengujian teori pengenalan objek spesies mangrove

melalui pola pantulan spektral yang diaplikasikan pada citra penginderaan jauh. Tujuan

khusus dirancang mengikuti urutan tahun pelaksanaan penelitian selama 3 (tiga), yaitu untuk:

a. identifikasi dan karakterisasi pola pantulan spektral objek spesies mangrove di

lapangan,

b. pengembangan metode pemetaan sebaran spesies mangrove berdasar pola pantulan

spektral dan pengujian akurasi hasil pemetaan, dan

c. pengujian aplikabilitas metode pemetaan spesies mangrove di lokasi yang berbeda.

1.4. Urgensi Penelitian

Meskipun memiliki fungsi ekologis yang sangat penting, keberadaan mangrove masih

dianggap kurang penting di Indonesia sehingga banyak terjadi konversi lahan dari mangrove

ke penggunaan lain (Ilman et al. 2011). Agar konversi lahan tersebut dapat dikurangi dan

fungsi hutan mangrove dapat dioptimalkan kembali, maka langkah pertama perlu dilakukan

upaya inventarisasi dan pemetaan variasi spesies mangrove di Indonesia. Secara spesifik

urgensi dan manfaat dari penelitian ini adalah:

a. Memberikan kontribusi bagi dunia saintifik bidang penginderaan jauh tentang

knowledge gaps pada penggunaan pola pantulan spektral objek di lapangan untuk

identifikasi dan pemetaan spesies mangrove, dan mengetahui kelebihan dan

kekurangan citra penginderaan jauh,

b. Mendapatkan prosedur pengukuran pola pantulan spektral objek yang efisien di

lapangan dan mendapatkan kumpulan sampel kurva pantulan spektral (spectral

library) spesies mangrove dominan yang siap digunakan sebagai input pemetaan

spesies, dan

c. Pada level kebijakan, dapat digunakan sebagai masukan untuk SNI 7717:2011 tentang

survei dan pemetaan mangrove, yaitu memberikan solusi metode pemetaan spesies

mangrove yang operasional melalui pola pantulan spektral-nya di lapangan.

Tersedianya peta sumberdaya spesies mangrove di Indonesia sangat bermanfaat untuk:

a. Inventarisasi data nasional (national data inventory)

b. Baseline kondisi sumberdaya spesies mangrove

c. Sebagai dasar pengelolaan dan perlindungan sumberdaya pesisir

d. Sebagai sumber data perhitungan neraca sumberdaya alam mangrove

1.5. Target Temuan dan Luaran Penelitian

Identifikasi spesies mangrove dari pola pantulan spektral-nya secara teori dapat

dilakukan pada level laboratorium, namun masih problematik pada level operasional di

lapangan dengan citra penginderaan jauh. Penelitian ini diharapkan mampu memberikan

alternatif solusi dari permasalahan tersebut. Target temuan utama dari penelitian ini adalah

ditemukannya (1) spectral library spesies mangrove dan faktor-faktor yang mempengaruhi

akurasi pengukuran pola pantulan spektral di lapangan, (2) prosedur pengukuran pola

pantulan spektral yang efisien dan operasional di lapangan untuk identifikasi spesies

mangrove, dan (3) metode pemetaan spesies mangrove yang akurat, efisien dan operasional.

Ketiga hal tersebut merupakan instrumen dasar yang harus diketahui untuk dapat menerapkan

teori pengenalan objek melalui respon spektralnya di lapangan. Luaran dari penelitian ini

berpotensi menjadi rujukan bagi institusi pemerintah, lembaga penelitian, universitas,

4

maupun swasta dalam dan luar negeri untuk identifikasi, pemetaan, dan monitoring potensi

keanekaragaman hayati mangrove.

1.6. Road Map Penelitian

Penelitian ini merupakan penelitian lanjutan dari penelitian awal yang dilakukan oleh

peneliti terkait dengan pengaruh jarak pengukuran spektrometer di lapangan terhadap akurasi

dan konsistensi hasil pengukuran. Hasil penelitian tersebut merupakan rujukan fundamental

untuk penelitian ini dalam hal jarak pengambilan sampel spektrometer lapangan efektif yang

akan digunakan. Peta jalan (road map) dari penelitian ini disajikan pada Gambar 1.1. Detail

komponen pentahapan penelitian, metode, lokasi, dan luaran yang diharapkan disajikan

secara singkat.

Gambar 1.1 Peta jalan (road map) penelitian selama 3 (tiga) tahun.

1.7. Agenda Penelitian

Pada penelitian tahun pertama ini, mangrove di perbatasan desa Karimun dan

Kemujan dipilih sebagai lokasi sampel pengumpulan data pantulan spektral spesies

mangrove. Beberapa aktivitas terkait tujuan tersebut adalah:

1. Identifikasi spesies mangrove

2. Pengukuran kurva pantulan spektral spesies mangrove di lapangan

3. Pengambilan sampel daun tiap spesies untuk analisis komposisi pigmen

Spectral angle mapper Bedul, Banyuwangi, Jawa Timur Metode pemetaan spesies mangrove yang akurat dan operasional

Spectral angle mapper Karimunjawa, Jawa Tengah Metode pemetaan spesies mangrove yang efisien dan akurat

Pengukuran spektrometer lapangan Karimunjawa, Jawa Tengah Prosedur pengukuran sampel spektral dan spectral library spesies mangrove

2018 identifikasi dan karakterisasi pola pantulan spektral objek spesies mangrove

2019 pengembangan metode pemetaan spesies mangrove

2020 uji aplikabilitas & konsistensi metode

Tahapan

Metode

Lokasi

Luaran

Jarak pengukuran

spektrometer efektif Adopsi metode oleh instansi terkait

Publikasi Int’l

Submitted MDPI Remote Sensing

Submitted Forum Geografi Draft

Published MDPI Remote Sensing

Published Forum Geografi

Submitted IJG

Editing

Submitted ISPRS-JPRS

Published IJG

Sudah terbit

Publikasi nasional

Buku ajar

•Laju

foto

sintesis d

an variasi sto

k karbo

n tiap

spesies

man

grove.

2021-2022

5

BAB 2. METODE PENELITIAN

2.1. Bahan dan Alat

Citra yang digunakan dalam penelitian ini adalah WorldView-2 (WV-2) dan

WorldView-3 (WV-3) dengan spesifikasi sesuai dengan Tabel 2.1. Citra resolusi tinggi ini

digunakan untuk penentuan posisi sampel pengukuran spesies mangrove di lapangan dan

sebagai dasar uji coba pemetaan sebaran spesies target dari data kurva pantulan spektral yang

dikumpulkan.

Tabel 2.1 Karakteristik citra WorldView-2 dan WorldView-3 Ukuran piksel Saluran spektral (nm)

2 m (multi) Coastal blue (400-450), blue (450-510), green (510-580), yellow (585-625), red (630-690), red edge (705-745), NIR1 (770-895), NIR2 (860-1040)

0.5 m (pan) pankromatik (450-800)

Peralatan yang dibutuhkan untuk melakukan penelitian ini adalah:

1. Seperangkat komputer untuk pengolahan dan analisis data kurva pantulan spektral, dan

pemetaan komposisi spesies mangrove

2. Spektrometer JAZ EL-350 untuk pengukuran pantulan spektral mangrove di lapangan

3. Receiver sistem satelit navigasi global (GNSS) untuk menentukan dan merekam posisi

sampel di lapangan

4. Kamera digital untuk dokumentasi spesies mangrove dan kegiatan lapangan

5. Software ENVI 4.8 untuk pengolahan citra digital

6. Software ArcGIS 10.2.2 untuk penyajian peta akhir

2.2. Lokasi Penelitian

Lokasi penelitian adalah hutan mangrove di sebagian Taman Nasional Kepulauan

Karimunjawa, Jepara, Jawa Tengah (antara 110°24’10” – 110°30’10” BTdan 4°47’48” –

5°50’12” LS, Gambar 3.1). Kepulauan Karimunjawa mewakili beberapa habitat termasuk

hutan hujan dataran rendah, lamun dan alga, hutan pantai, hutan bakau dan terumbu karang.

Secara umum, di sepanjang pantai pulau ini terdiri dari formasi bakau yang melindungi pantai

dari ombak laut dan angin. Kawasan mangrove terbesar di Taman Nasional Karimunjawa

terletak di sebelah barat dari dua pulau utama; Karimunjawa dan Kemujan.

Gambar 3.1 Lokasi penelitian, mangrove di Taman Nasional Karimunjawa,

Jawa Tengah.

Ada tiga formasi struktural mangrove yang berbeda yang dapat dikenali dari daratan

ke arah laut. Formasi darat pertama didominasi oleh tegakan multi-batang rendah Ceriops

6

tagal dan Lumnitsera racemosa. Formasi tengah adalah hutan tertutup tunggal dan multi-

batang dari formasi yang sangat tercampur Ceriops tagal, Lumnitsera sp., Rhizophora sp. dan

Bruguiera gymnorrhiza. Terakhir, lebih dekat ke garis pantai adalah formasi hutan tertutup

multi-batang yang terdiri dari Rhizophora mucronata dan beberapa individu Bruguiera

gymnorhiza dan Xylocarpus granatum. Berdasarkan laporan dari Balai Taman Nasional

Karimunjawa, terdapat 45 spesies mangrove di area ini (27 mangrove sejati dan 18 mangrove

ikutan), dimana Rhizophora stylosa adalah spesies yang paling dominan (BTNK 2001).

2.3. Tahap Penelitian

Pentahapan pelaksanaan penelitian dilakukan untuk memudahkan penyelesaian atas

permasalahan penelitian yang dikemukakan di awal. Selain itu pentahapan diperlukan untuk

memastikan tujuan utama penelitian tercapai dengan sesuai dengan rencana. Secara

konseptual, permasalahan dan tahapan penelitian digambarkan pada Gambar 2.1. berikut:

Gambar 2.1 Fishbone diagram permasalahan dan tahapan penelitian.

2.3.1. Tahap Persiapan

Tahap persiapan penelitian meliputi persiapan citra, persiapan spektrometer lapangan,

dan pemilihan lokasi sampel. Citra WV-2 dan WV-3 yang akan digunakan dikoreksi

radiometrik dan atmosferik hingga at surface reflectance untuk menghubungkan antara

pantulan spektral objek target dengan pantulan spektral yang diperoleh dari piksel citra pada

lokasi yang bersesuaian. Spektrometer beserta komponen pendukung perlu dipersiapkan dan

dikalibrasi guna mendukung pengukuran lapangan yang akan dilakukan. Pemilihan lokasi

sampel dilakukan secara purposive sampling dengan menggunakan citra WV-2, yaitu dengan

memilih kenampakan kanopi vegetasi mangrove yang berbeda dan memungkinkan dilakukan

pengukuran pantulan spektral.

2.3.2. Identifikasi dan Karakterisasi Pantulan Spektral Objek Spesies Mangrove

Pengukuran di lapangan dilakukan untuk merekam respon pantulan spektral dari

objek spesies mangrove sampel menggunakan JAZ EL-350 field spectrometer. Prosedur

pengukuran kurva pantulan spektral lapangan mengikuti prosedur yang dikemukakan oleh

Kamal et al. (2012). Pengukuran pantulan spektral sampel objek dilakukan pada jarak sekitar

50 hingga 100 cm dari objek untuk mewakili kondisi kanopi objek seperti yang terlihat oleh

sensor citra penginderaan jauh. Setiap pengukuran sampel dilakukan pengulangan pembacaan

minimal 10 kali untuk mendapatkan hasil rerata yang bisa digunakan untuk analisis lanjutan.

Metode pemetaan spesies

mangrove yang operasional

Spectral library mangrove

Pengukuran lapangan

Identifikasi spesies mangrove

Metode pemetaan spesies mangrove yang efisien

Uji Aplikabilitas metode

Uji Konsistensi

Uji akurasi

Analisis respon spektral

Variasi spektral mangrove

Akurasi sampel spektral

2019 2018 2020

Analisis spektral objek

Uji aplikabilitas metode pemetaan

Pemetaan species

Analisis laboratorium Pembangunan sampel spektral

Cost-benefit analysis

Lokasi: Karimunjawa, lab UGM Target luaran: -metode pengukuran lapangan -spectral library

Lokasi: Karimunjawa, lab UGM Target luaran: -metode pemetaan spesies

Lokasi: Bedul, lab UGM Target luaran: -metode pemetaan operasional

7

2.4. Susunan Tim Peneliti

Penelitian ini dilaksanakan oleh tim peneliti yang dipimpin oleh dosen dan diikuti

oleh mahasiswa sebagai asisten peneliti dan asisten lapangan sebagai berikut:

Tabel 2.2 Susunan tim peneliti

No Nama Instansi Asal Bidang Ilmu Uraian Tugas

1 Muhammad Kamal,

S.Si., M.GIS., Ph.D.

Universitas

Gadjah Mada

Penginderaan

Jauh

Survei lapangan,

pengembangan

metode,

pengembangan

spectral library,

pengolahan citra

digital, penulisan

publikasi dan laporan

2 Tito Kanekaputra Universitas

Gadjah Mada

Penginderaan

Jauh

Survei lapangan,

pengolahan citra

digital, penulisan

publikasi dan laporan 3 Rima Hermayani Universitas

Gadjah Mada

Penginderaan

Jauh

4 Anwar Juniansah Universitas

Gadjah Mada

Penginderaan

Jauh

5 Galih Candra Tama Universitas

Gadjah Mada

Penginderaan

Jauh

6 Dian Utari Universitas

Gadjah Mada

Penginderaan

Jauh

2.5. Jadwal Penelitian

Jadwal pelaksanaan kegiatan penelitian tahun pertama (2018) disajikan pada Tabel 2.3.

berikut.

Tabel 2.3 Rincian jadwal kegiatan penelitian tahun pertama

No. Jenis Kegiatan Tahun ke-1 (2018)

J F M A M J J A S O N D

1 Studi literatur

2 Pengumpulan sampel spektral di Karimunjawa

3 Penyusunan spectral library

4 Karakterisasi pantulan spektral spesies mangrove

5 Pembuatan artikel ilmiah tahun ke-1 6 Penyusunan laporan tahun ke-1

8

BAB 3. HASIL DAN LUARAN PENELITIAN

3.1. Hasil Penelitian

3.1.1. Hasil Pengukuran Kurva Pantulan Spektral Spesies Mangrove

Pengukuran sampel pantulan spektral spesies mangrove dilakukan pada tanggal 24-27

April 2018 antara pukul 09.00 hingga 11.00 pagi di Pulau Karimunjawa, Jepara, Jawa

Tengah. Modul pengukuran optik yang dilakukan oleh JAZ EL-350 untuk penelitian ini

adalah reflection, yaitu mengukur besarnya energi pantulan dari matahari oleh objek pada

panjang gelombang antara 350–1024 nm. Setiap pengukuran pantulan spektral dimulai

dengan kalibrasi pencahayaan pada lokasi pengukuran (Gambar 3.1). Kalibrasi tersebut

membutuhkan pengambilan sampel spektrum ‘white reference’ atau cahaya/energi

dipantulkan (hampir) sempurna dengan spectralon dan spektrum ‘dark reference’ atau tanpa

cahaya/energi sama sekali.

Berdasarkan perbandingan antara energi yang masuk ke sensor (hampir) sempurna

dan tanpa energi sama sekali ini, sampel pantulan spektral objek dapat dibuat. Besarnya

pantulan sampel objek relatif terhadap white reference dan dark reference adalah sebagai

berikut (Ocean Optics, 2010):

(Rumus 3.1)

Dimana %Rλ adalah persentase pantulan objek terukur, Sλ adalah sampel pengukurna objek,

Dλ adalah dark reference, dan Rλ adalah white reference.

Pengukuran pantulan spektral objek menggunakan JAZ EL-350 pada mode default

menghasilkan kurva pantulan spektral yang penuh dengan gangguan (noise) pada bagian

gelombang spektrum inframerah dekat (750-950 nm). Padahal, bagian spektrum cahaya ini

secara teori sangat penting untuk membedakan respon spektral antar spesies mangrove

(Vaiphasa et al. 2005, Kuenzer et al. 2011). Berdasarkan penelitian sebelumnya (Kamal et al.

2016), pembacaan kurva pantulan spektral objek yang paling optimum adalah dengan nilai

boxcar width dan scan to average sebesar 10, dan jarak pengukuran 2 cm dari objek.

Berdasarkan hasil identifikasi lapangan, dijumpai 14 spesies mangrove sejati sepanjang jalur

pengamatan (Tabel 3.1).

Gambar 3.1. Pengukuran spektrometer lapangan; (a) kalibrasi alat, dan (b) pengukuran target

spesies mangrove.

(a) (b)

9

Masing-masing sampel spesies mangrove diukur kurva pantulan spektralnya sebanyak

10 kali. Pembacaan ulang ini dimaksudkan untuk mengevaluasi konsistensi pembacaan kurva

pantulan spektral sebagai fungsi dari variasi pencahayaan matahari saat pengukuran. Hasil

rerata pembacaan kurva pantulan spektral tiap spesies disajikan pada Gambar 3.2.

Tabel 3.1. Species mangrove yang diukur di lapangan. No Nama spesies Status spesies (BTNK 2012)

1 Acanthus ebracteatus Mangrove sejati

2 Aegiceras corniculatum Mangrove sejati

3 Avicennia marina Mangrove sejati

4 Bruguiera cylindrical Mangrove sejati

5 Bruguiera gymnorrhiza Mangrove sejati

6 Ceriops tagal Mangrove sejati

7 Scyphiphora hydrophyllacea Mangrove sejati

8 Sonneratia alba Mangrove sejati

9 Excoecaria agallocha Mangrove sejati

10 Lumnitzera racemosa Mangrove sejati

11 Rhizophora apiculata Mangrove sejati

12 Rhizophora mucronata Mangrove sejati

13 Rhizophora stylosa Mangrove sejati

14 Xylocarpus moluccensis Mangrove sejati

Gambar 3.2. Kurva pantulan spektral spesies mangrove hasil

pengukuran lapangan.

Pola pantulan spektral spesies mangrove yang terekam oleh spektrometer lapangan

mengikuti pola pantulan vegetasi sehat dan hijau secara umum (Gambar 3.2), dimana terjadi

penyerapan pada spektrum biru dan merah untuk fotosintesis, dan pantulan pada hijau dan

inframerah dekat. Pembacaan kurva pantulan spektral pada setiap spesies didahului dengan

kalibrasi white dan dark reference dalam kondisi penyinaran yang relatif sama dan pada sudut

dan jarak perekaman yang sama. Kalibrasi ini diperlukan untuk menemukan baseline pada

proses perbandingan kurva pantulan spektral antar spesies. Sehingga perbedaan pola pantulan

spektral yang terjadi hanya diakibatkan oleh perbedaan respon spektral spesies mangrove.

Secara umum, spektrum hijau dan inframerah dekat sangat sensitif terhadap perubahan

10

pantulan spektral terutama pada julat 520-580 nm dan 740-890 nm. Sehingga perbedaan

pembacaan sebagai fungsi spesies dapat terlihat secara jelas pada julat tersebut. Hal ini sesuai

dengan kesimpulan dari Kuenzer et al. (2011) tentang lokasi panjang gelombang yang efektif

untuk identifikasi spesies mangrove.

3.1.2. Karakteristik Pola Pantulan Spektral Spesies Mangrove

Kurva pola pantulan spektral di atas menggambarkan banyaknya energi matahari yang

dipantulkan oleh setiap spesies mangrove. Namun tidak memberikan informasi secara detail

terkait dengan bagian mana dari panjang gelombang yang mengalami serapan, seberapa

dalam serapannya, dan apa yang menyebabkan serapan tersebut. Aspek fitur serapan tiap

spesies dapat diketahui dan diperbandingkan dengan menerapkan teknik continuum removal

pada kurva tersebut (Gambar 3.3). Puncak-puncak kurva pantulan akan diproyeksikan

sebagai puncak continuum yang memiliki nilai 1, dan nilai yang lebih kecil dari 1 merupakan

indikasi adanya fitur serapan. Dengan diketahuinya fitur serapan objek, maka proses fisis

yang terjadi pada objek tersebut dapat dipahami dengan lebih mendalam.

Gambar 3.3. Hasil kurva continuum removed spesies mangrove.

Hasil dari penerapan teknik continuum removal menunjukkan bahwa terdapat dua

fitur serapan vegetasi mangrove yang berada pada rentang panjang gelombang tampak antara

350-525nm dan 560-750nm (Gambar 3.3). Pada fitur serapan yang pertama (350-525nm)

proses fisis dan biokimia yang terjadi didominasi oleh serapan klorofil a dan b untuk

fotosintesis, tepatnya pada 408-518nm. Sedangkan pada fitur serapan kedua (560-750nm)

dipengaruhi oleh serapan klorofil a dan b, dan nitrogen, tepatnya pada 550-750nm. Pada

panjang gelombang inframerah dekat terlihat bahwa kurva berada mendekati nilai 1 untuk

seluruh sampel spesies mangrove. Hal ini menandakan bahwa panjang gelombang inframerah

dekat berada pada puncak garis continuum yang digunakan sebagai baseline, atau memiliki

respon pantulan objek yang tinggi di setiap spesies (Gambar 3.3).

3.1.3. Pemetaan Distribusi Spesies Mangrove Dominan

Efektifitas pengambilan kurva pantulan spektral di lapangan perlu diuji dengan

pemetaan objek kajian berdasarkan citra penginderaan jauh. Pemetaan dalam konteks

penelitian ini dilakukan dengan berdasarkan pada pencocokan kurva pantulan spektral hasil

11

pengukuran lapangan dengan pola pantulan spektral piksel pada citra. Jika suatu piksel

memiliki pola pantulan spektral band pada citra yang sama atau mendekati dengan pola

pantulan spektral hasil pengkuran objek lapangan maka piksel tersebut akan dikelaskan

menjadi kelas objek kajian.

Sebelum dilakukan proses pemetaan perlu dilakukan penyesuaian rentang spektral

hasil pengukuran di lapangan dengan kurva pantulan objek pada citra. Proses ini secara teknis

sering disebut sebagai spectral resampling. Pada proses ini algoritma mencari dan merekam

titik-titik kurva pantulan objek yang bersesuaian dari kedua sumber kurva mengikuti kurva

pantulan citra. Hasil spectral resampling dari 2200 saluran menjadi 8 saluran disajikan pada

Gambar 3.4 berikut.

Gambar 3.4. Hasil spectral resampling.

Algoritma yang digunakan untuk pemetaan objek Rhizhopora stylosa adalah Spectral

Angle Mapper (SAM). Endmember atau sampel spektral yang digunakan sebagai referensi

objek adalah hasil pengukuran lapangan. Dengan variansi pengukuran yang kecil diharapkan

dapat memberikan hasil yang sesuai. Proses pemetaan dilakukan dengan menggunakan

software ENVI 4.8. Salah satu variabel yang penting adalah batas atau threshold sudut dari

vektor spektral untuk menentukan batas keanggotaan. Pada penelitian ini digunakan nilai

threshold sudut vektor yang sama yaitu 0.1, kecuali untuk spesise Ceriops tagal yaitu 0.05.

Sampel kurva pantulan spektral Ceriops tagal terlalu mirip dengan beberapa spesies lain

sehingga perlu ditekan kemunculannya agar tidak mengganggu kemunculan spesies lain di

citra. Hasil pemetaan distribusi spesies mangrove disajikan pada Gambar 3.5.

12

Gambar 3.5. Distribusi spesies mangrove di Pulau Karimunjawa dan Kemujan berdasarkan

sampel kurva pantulan spektral lapangan.

Hasil pemetaan spesies mangrove menunjukkan pola dominasi spesies tunggal di

daerah yang berbatasan dengan perairan, dan pola spesies campuran pada bagian tengah

hutan mangrove. Berdasarkan pengamatan lapangan kompleks spesies tunggal didominasi

oleh Avicennia marina, Ceriops tagal, dan Rhizophora stylosa (Gambar 4.6a). Sedangkan

komplek spesies campuran terdiri dari beberapa spesies mangrove yang tumbuh pada bagian

tengah hutan yang frekuensi pasang surutnya rendah. Adanya kompleks spesies tunggal

tersebut dimungkinkan karena spesies tersebut yang dapat bertahan pada kondisi frekuensi

pasang surut yang tinggi.

Gambar 3.6. Foto mangrove lapangan; (a) kompleks spesies tunggal Rhizophora stylosa, dan

(b) kompleks spesies campuran.

(a) (b)

13

Dari sisi metode pemetaan, masih terdapat ketidakpastian dalam hal penentuan

ambang batas nilai vektor SAM untuk setiap spesies. Peta hasil di atas merupakan hasil dari

uji coba beberapa skenario ambang batas nilai vektor SAM, dan yang dipandang representatif

digunakan untuk memetakan distribusi spesies mangrove. Idealnya setiap sampel spesies

memiliki ambang batas yang sama, sehingga probabilitas kemunculan kelas pada citra sama.

Perbedaan ambang batas bisa disebabkan oleh ketidak akuratan pengambilan sampel kurva

pantulan spektral spesies di lapangan. Dimana kurva untuk suatu objek tidak spesifik

merepresentasikan objek tersebut, tetapi ada kemiripan dengan objek lain. Selain itu, faktor

resolusi spektral citra juga sangat berpengaruh terhadap akurasi pembedaan objek spesies dari

citra multispektral. Hal lain yang berpengaruh adalah resolusi spasial citra yang berukuran

piksel 2m. Di mana dalam satu piksel bisa terdapat beberapa spesies yang saling tumpang

tindih.

3.2. Luaran Penelitian

Luaran utama dari penelitian ini adalah (1) prosedur pengukuran pantulan spektral objek

spesies mangrove di lapangan menggunakan spektrometer lapangan, dan (2) hasil

pengukuran kurva pantulan spektral atau endmember spesies mangrove. Luaran tersebut telah

dipublikasikan sebagaimana disajikan pada Tabel 3.2 dan lampiran 1.

Tabel 3.2. Publikasi luaran penelitian tahun 1. No Judul Publikasi Tipe dan Status Publikasi Detail Publikasi

1 Combining Field and Image Spectral

Reflectance for Mangrove Species

Identification and Mapping using

WorldView-2 image

International conference

proceding – terindeks

scopus, terlaksana

SPIE Remote Sensing 2018,

Berlin 10-13 September 2018.

BAB 5. KESIMPULAN

Beberapa kesimpulan yang dapat dipetik dari penelitian di tahun pertama ini adalah:

1. Kondisi sumber cahaya (arah dan intensitas) sangat berpengaruh terhadap kualitas hasil

pengukuran kurva pantulan spektral di lapangan.

2. Kurva pantulan spesies mangrove mengikuti pola kurva pantulan vegetasi sehat berdaun

hijau.

3. Panjang gelombang inframerah dekat (740-890nm) memiliki rentang perbedaan paling

besar antar spesies mangrove yang diukur, sehingga potensial untuk digunakan sebagai

dasar identifikasi spesies mangrove.

DAFTAR PUSTAKA

Alongi, DM 2002, 'Present state and future of the world's mangrove forests'. Environmental

Conservation, vol. 29, pp. 331-349.

Blasco, F, Gauquelin, T, Rasolofoharinoro, M, Denis, J, Aizpuru, M & Caldairou, V 1998,

'Recent advances in mangrove studies using remote sensing data'. Marine and

Freshwater Research, vol. 49, pp. 287-296.

BTNK 2001, 'Rencana Pengelolaan 25 Tahun Taman Nasional Karimunjawa Periode 2002-

2027', Balai Taman Nasional Karimunjawa, Semarang.

Davis, BA & Jensen, JR 1998, 'Remote sensing of mangrove biophysical characteristics'.

Geocarto International, vol. 13, pp. 55-64.

Gilman, EL, Ellison, J, Duke, NC & Field, C 2008, 'Threats to mangroves from climate

change and adaptation options: a review'. Aquatic Botany, vol. 89, pp. 237-250.

14

Giri, C, Pengra, B, Zhu, Z, Singh, A & Tieszen, LL 2007, 'Monitoring mangrove forest

dynamics of the Sundarbans in Bangladesh and India using multi-temporal satellite

data from 1973 to 2000'. Estuarine, Coastal and Shelf Science, vol. 73, pp. 91-100.

Giri, C, Zhu, Z, Tieszen, LL, Singh, A, Gillette, S & Kelmelis, JA 2008, 'Mangrove forest

distributions and dynamics (1975–2005) of the tsunami-affected region of Asia'.

Journal of Biogeography, vol. 35, pp. 519-528.

Giri, C, Ochieng, E, Tieszen, LL, Zhu, Z, Singh, A, Loveland, T, Masek, J & Duke, N 2011,

'Status and distribution of mangrove forests of the world using earth observation

satellite data'. Global Ecology and Biogeography, vol. 20, pp. 154-159.

Green, EP, Clark, CD, Mumby, PJ, Edwards, AJ & Ellis, AC 1998, 'Remote sensing

techniques for mangrove mapping'. International Journal of Remote Sensing, vol. 19,

pp. 935-956.

Hardisky, MA, Gross, MF & Klemas, V 1986, 'Remote sensing of coastal wetlands'.

BioScience, vol. 36, pp. 453-460.

Hirano, A, Madden, M & Welch, R 2003, 'Hyperspectral image data for mapping wetland

vegetation'. Wetlands, vol. 23, pp. 436-448.

Hutchings, P & Saenger, P 1987, Ecology of Mangroves, University of Queensland

Press,Brisbane.

Ilman, M, Wibisono, ITC & Suryadiputra, INN 2011, 'State of the Art Information on

Mangrove Ecosystems in Indonesia', Wetlands International - Indonesia Programme,

Bogor.

Kamal, M, Adi, NS, Arjasakusuma, S 2012, Jaz EL-350 Portable Spectrometer: panduan

operasional pengukurandan pengelolaan data pantulan spektral objek, Laboratorium

Penginderaan Jauh Dasar, Fak. Geografi UGM, Yogyakarta.

Kamal, M., Ningam, M. U. L., & Alqorina, F. 2017. The Effect of Field Spectral Reflectance

Measurement Distance to the Spectral Reflectance of Rhizophora stylosa. Paper

dipresentasikan di IOP Conf. Series: Earth and Environmental Science, Yogyakarta. Kuenzer, C, Bluemel, A, Gebhardt, S, Quoc, TV & Dech, S 2011, 'Remote sensing of

mangrove ecosystems: a review'. Remote Sensing, vol. 3, pp. 878-928.

Lugo, AE & Snedaker, SC 1974, 'The ecology of mangroves'. Annual Review of Ecology and

Systematics, vol. 5, pp. 39-64.

Malthus, TJ & Mumby, PJ 2003, 'Remote sensing of the coastal zone: an overview and

priorities for future research'. International Journal of Remote Sensing, vol. 24, pp.

2805-2815.

Manson, FJ, Loneragan, NR & Phinn, SR 2003, 'Spatial and temporal variation in distribution

of mangroves in Moreton Bay, subtropical Australia: a comparison of pattern metrics

and change detection analyses based on aerial photographs'. Estuarine, Coastal and

Shelf Science, vol. 57, pp. 653-666.

Vaiphasa, C, Ongsomwang, S, Vaiphasa, T & Skidmore, AK 2005, 'Tropical mangrove

species discrimination using hyperspectral data: a laboratory study'. Estuarine,

Coastal and Shelf Science, vol. 65, pp. 371-379.

PROCEEDINGS OF SPIE

SPIEDigitalLibrary.org/conference-proceedings-of-spie

Combining field and image spectralreflectance for mangrove speciesidentification and mapping usingWorldView-2 image

Muhammad Kamal, Muhammad U. L. Ningam, FinniAlqorina, Pramaditya Wicaksono, Sigit Heru Murti

Muhammad Kamal, Muhammad U. L. Ningam, Finni Alqorina, PramadityaWicaksono, Sigit Heru Murti, "Combining field and image spectral reflectancefor mangrove species identification and mapping using WorldView-2 image,"Proc. SPIE 10790, Earth Resources and Environmental Remote Sensing/GISApplications IX, 107901P (9 October 2018); doi: 10.1117/12.2325629

Event: SPIE Remote Sensing, 2018, Berlin, Germany

Downloaded From: https://www.spiedigitallibrary.org/conference-proceedings-of-spie on 11/15/2018 Terms of Use: https://www.spiedigitallibrary.org/terms-of-use

Combining Field and Image Spectral Reflectance for Mangrove Species Identification and Mapping using WorldView-2 image

Muhammad Kamal∗a,b, Muhammad U. L. Ningama, Finni Alqorinaa, Pramaditya Wicaksonoa,

Sigit H. Murtia

aDepartment of Geographic Information Science, Faculty of Geography, Universitas Gadjah Mada, Yogyakarta, Indonesia; bPUSPICS Faculty of Geography UGM, Yogyakarta, Indonesia 55281

ABSTRACT

Mangrove species inventory and mapping is very important as an effort to preserve the ecosystem and biodiversity of mangrove forests. One way of efficient mangrove species inventory and mapping is to use remote sensing imagery, especially through the analysis of its spectral reflectance pattern. This study aims to map the fourteen mangrove species on Karimunjawa Island, Central Java, Indonesia by: (1) measuring the mangrove species spectral reflectance pattern in the field, (2) characteristic analysis of the mangrove species reflectance pattern, and (3) mapping the dominant mangrove species distribution. The spectral reflectance measurement of mangrove species objects in the field was done by using JAZ EL-350 VIS-NIR (ranges from 300 to 1100 nm). The JAZ field spectrometer was pointed at a distance of 2 cm from the target objects with 10 reading repetitions for each species. Field measurements results were then taken to the laboratory for analysis of spectral reflectance and absorbance patterns, which served as key object recognition in this study. To combine the field and image spectral reflectance patterns, the field reflectance patterns were resampled to the spectral resolution of WorldView-2 image (8 bands, 2 m pixel size). The spectral angle mapper (SAM) method was the used to locate and map the distribution of each targeted mangrove species. As expected, the results showed that the largest difference of spectral curves between species was at the NIR wavelength spectrum (700-900nm). Hence, it is potential to be used as the basis for identification of species mangrove from remote sensing imagery. However, the result of this mapping approach only showed a low accuracy of 62%. The low value of map accuracy was attributed to the inaccuracy in defining threshold in SAM for each class. This study provides a basic understanding of the use of spectral reflectance for mangrove species mapping from remote sensing imagery.

Keywords: Mangroves, spectral, reflectance, species, mapping

1. INTRODUCTION Understanding the use of spectral reflectance in mangrove species mapping is important to support biodiversity inventory in coastal environment. Mangroves have specific spectral reflectance characteristics that distinguish them from the surrounding objects. The highest spectral reflectance difference is mainly found in near infrared wavelength (NIR, 700-1200 nm) and shortwave infrared (SWIR, 1200-2500 nm) which can distinguish mangroves from nearby objects, such as forested land, brackish mangrove, and mud flats [1,2]. Several studies have been conducted by linking mangrove spectral reflectance pattern and remote sensing images to map the mangrove ecosystem [3,4,5] and to identify mangrove species [6,7,8,9,10], with varying degrees of success. For mangrove species discrimination, the greatest species separability is evidence at the NIR wavelength due to differences in the internal structure of the leaves of each species and the difference in the geometry of the leaves and canopy [2]. SWIR wavelength is also valuable for this study because there is no visible variation of pigment conditions among mangrove species at this wavelength, and leaf components (salinity, sugar, water, protein, oil, lignin and cellulose) can be distinguished [9].

∗[email protected]; phone +62 274 521459; fax +62 274 589595

Earth Resources and Environmental Remote Sensing/GIS Applications IX, edited by Ulrich Michel,Karsten Schulz, Proc. of SPIE Vol. 10790, 107901P · © 2018 SPIE

CCC code: 0277-786X/18/$18 · doi: 10.1117/12.2325629

Proc. of SPIE Vol. 10790 107901P-1Downloaded From: https://www.spiedigitallibrary.org/conference-proceedings-of-spie on 11/15/2018Terms of Use: https://www.spiedigitallibrary.org/terms-of-use

However, Blasco et al. [11] and Díaz & Blackburn [12] reported that spectral reflectance as an interaction mechanism between light (i.e. electromagnetic waves) and mangrove objects poses two major problems. First, mangrove spectral reflectance pattern is strongly influenced by the tidal effect and understorey objects, which causing large number of mixed-pixels. Secondly, many environmental factors are influencing the mangrove spectral reflectance so that the introduction by spectral reflectance is inaccurate. According to Diaz & Blackburn [12], the spectral reflectance variation of mangrove canopy is a function of some optical characteristics of objects, such as leaf area index (LAI), substrate base reflectance, and leaf orientation direction. For a single species, the pattern of spectral reflectance is affected by the age, health, and phenological characteristics and plant physiology [11]. Therefore, the spectral reflectance pattern measurement for mangrove species identification should be done carefully to avoid reading errors due to the influence of spectral reflectance of other than mangrove objects.

Up to this point, research on the influence of field spectral reflectance pattern to the mangrove species mapping result has not been adequately studied. Theoretically, the mangrove spectral reflectance pattern in the field can be used as the basis for identification of objects from remote sensing imagery. However, so far the validity of this theory can only be verified through controlled laboratory practice which is free from the effects of external disturbances, such as wind, direction and angle of solar irradiance, cloud cover variation, etc. In this research, we collected mangrove species spectral reflectance from the field and apply them to remote sensing data to map their distribution. This research is important to build the procedure of measuring the field spectral reflectance and its processing for mangrove species identification and mapping. Therefore, the aims of this research are to (1) measure the mangrove species spectral reflectance pattern in the field, (2) analyze the characteristics of the mangrove species reflectance pattern, and (3) map the dominant mangrove species distribution. The results of this research will help us to understand how field-based spectral reflectance measurement be used to map mangrove species distribution and identify the aspects that need to be considered before applying the field spectral reflectance of the object to any remote sensing image.

2. DATA AND METHODS 2.1 Study Site

The location of this research was mangrove forest in Karimunjawa Islands National Park, Jepara, Central Java, Indonesia (located between 110° 24' 10" - 110° 30' 10" E and 4° 47' 48" - 5° 50' 12" S). Karimunjawa islands consist of 22 islands with total area of 111,625 ha, where only five of these islands are inhabited [13]. Karimunjawa Islands represent several habitats including lowland rainforests, seagrass and algae, coastal forests, mangrove forests and coral reefs [14]. In general, along the coast of the island is composed of mangrove formations that protect the coast from the waves of the sea and wind. The largest mangrove area in Karimunjawa National Park is located in the west of the two main islands; Karimunjawa and Kemujan. There are three different mangrove structural formations recognisable from the land to the seaward margin in this site. The first landward formation is dominated by low multi-stem stands of Ceriops tagal and Lumnitsera racemosa. The middle formation is the single and multi-stem low-closed forest of highly mixed formation of Ceriops tagal, Lumnitsera sp., Rhyzophora sp. and Bruguiera gymnorrhiza. Lastly, closer to the shoreline is a formation of multi-stem closed forest consisting of Rhizophora mucronata and some individual Bruguiera gymnorhiza and Xylocarpus granatum. This site has a high variation of mangrove species. Based on reports from Karimunjawa National Park Authority, there are 45 mangrove species in this area (27 true mangroves and 18 mangroves), where Rhizophora stylosa is the most dominant species.

2.2 Image Dataset

The image used in this study was WorldView-2 (WV-2) with image characteristics specified in Table 1. This high resolution image was used for (1) positioning of the measurement sample in the field for the target mangrove species, (2) linking the field spectral reflectance result and the image, and (3) mapping the dominant mangrove species distribution. The image pixel value in digital number was converted to top-of-atmosphere (TOA) spectral radiance (W/cm2.sr.nm) using ENVI 4.8 software (ITT Systems, ITT Exelis, Herndon, VA, USA). This process was performed following the procedures and image correction coefficients of WorldView-2 provided by Updike & Comp [15]. Lastly, to obtain at surface reflectance image, a Fast Line-of-sight Atmospheric Analysis of Hypercubes (FLAASH) correction model was performed.


Table 1. The characteristics of WorldView-2 image used in this research.

Acquisition date Pixel size Spectral bands (nm) Geometrical attribute 24 May 2012 2 m (multi) Coastal blue (400-450), blue (450-510),

green (510-580), yellow (585-625), red (630-690), red edge (705-745), NIR1 (770-895), NIR2 (860-1040)

Level 3X

24 May 2012 0.5 m (pan) Panchromatic (450-800)

2.3 Field Spectral Reflectance Measurement

In general, spectrometry aims to measure incident light on an object (irradiance) or reflected light by an object (radiance) and link this parameter of light with the biological, chemical or physical properties of an object [16,17]. Some examples of biophysical properties that can be studied through spectrometry include vegetation chlorophyll content, aquatic organics, age and health of vegetation, and vegetation species. In spectrometry the tool used can be either a spectrometer or a radiometer that generally has a hyperspectral system, which consists of many narrow-span wavelengths. By using this hyperspectral system, it is expected that the object-light interaction is easier to understand; also for example the differentiation of the object also becomes easier to do based in the spectral reflectance pattern resulted.

In optical physics the object-light interaction is measured by a spectrometer, both laboratory and field spectrometers such as the Jaz EL-350. The main difference between these spectrometer types is in the light source; the laboratory spectrometer uses artificial lights while field spectrometer is designed using natural light (the Sun). Artificial light is designed in such a way as to 'approach' the sun's light, although the use of natural light certainly has its own advantages. The development of field spectroscopy is a technological breakthrough that allows measurements of light-object interaction on natural conditions. Modern spectrometers such as the Jaz EL-350 are equipped with high spectral resolution with a narrow spectral range (~0.4 nm) that allows the interaction of light-objects to be analysed in more detail. In addition to the different light sources used, this laboratory and field spectrometer allows the measurement of objects homogeneously. The object is measured in very close proximity to the sensor or termed proximate sensing so that the homogeneity of the object can be maintained and mixing with other objects can avoided [18].

The equipment used to collect mangrove spectral reflectance in this study was JAZ EL-350 portable spectrometer. JAZ is a portable spectrometer product from Ocean Optics (https://oceanoptics.com/) that is designed to support fast, precise, non-destructive optical measurements and without direct contact with object. JAZ spectrometer system is designed in the form of modular structure consisting of several autonomous modules that form a whole spectrometer system. The JAZ module used in this study consists of a Data Processing Unit (DPU), battery, and VIS-NIR spectrometer modules. Other than that, the JAZ system is supported by several components, including 2 m fibre optic cable, collimating lens, and white panel (spectralon). The JAZ detector wavelength ranges from 350 to 1000 nm, which covers visible to near infrared spectrum of the light. A collimating lens is attached at the front of the fibre optic cable. This component used to align the scattering light coming into the JAZ sensor to optimize the light signal. It covers the spectrum range from 200 to 2000 nm, and the field of view is set up 14.25°. This system can be used for various spectral-based measurements, including absorption, reflectance, emission or transmittance of the object or irradiance. This system is designed to be used for spectra sample measurements both in the laboratory and in the field.

Spectrometers and all supporting components need to be prepared and setup prior to the field measurements. The preparation includes what environment will we work in, what components are needed and whether they work well or need calibration. The field work was conducted on 8-12 April 2017 and 24-27 April 2018 between 09.00 to 11.00 a.m. During the field campaign, we followed the procedure of spectral reflectance measurement developed by our Remote Sensing Laboratory [18,19] (Figure 1). To normalize the light condition, a white and dark calibration was performed prior to each measurement set. The angle of spectrometer sensor (collimating lens) was setup at 45° against the direction of the sun light to avoid the shadow on the target object.


Spectrometer setup(hardware & software)

White and darkcalibration

- Sampling requirements- Environmental conditions

No

Sample Spectralmeasurement curve

evaluation

Yes

Spectral data

processing

TTarget objectmeasurement

-> Output

(graphic, table, etc.)

Cu

AReference material r

Materia Ow

Material k

ire

Band j

Figure 1. Field spectral reflectance measurement procedure [17].

2.4 Mangrove Species Mapping

The result of the selected mangrove species spectral reflectance pattern is then used as the basis for identification and mapping of mangrove species distribution on WV-2 image. This process is done by first performing a spectral resampling according to the WV-2 image spectral resolution. The resampling results are then used as endmember or spectral samples of the target object. We used Spectral Angle Mapper (SAM) algorithm to identify and classify the targeted mangrove species. SAM is a classification based on the spectral angle formed by a pixel to a spectral reference value on a feature space. The smaller the angle formed between the 'a' pixel with the spectral reference value (endmember) it will be more like the pixel 'a' with the reference object ([20]; Figure 2).

Figure 2. Material t is more similar to the reference than k, i.e. the angle (α) in radians between r and t is smaller

(Jensen [20] with modification).

This technique determines the similarity between two spectral by calculating the ‘spectral angle’ between them, treating them as vectors in a space with dimensionality equal to the n number of bands [21]. This process is illustrated in Figure 2. The image spectrum is then assigned into a correlation factor between 0 (low correlation) and 1 (high correlation) relative to the spectral library or endmembers. The spectral angle is the angle between any two vectors originating from a common origin (0 band’s axis value). The magnitude of the angle specifies the degree of similarity between material and reference; a smaller angle correlates to a more similar spectral signature, or similar to reference material [22]. Because SAM uses only the “direction” of the spectra and not their “length”, this method is insensitive to the unknown gain factor, and all possible illuminations of the same target were treated equally [22,23). The SAM algorithm computed the similarity of an unknown spectrum t to a reference spectrum r using the following equation, where n equals the number of bands in the hyperspectral image as shown on the following equation [20]:

α = ∑∑ ∑ (1)

A coincidence or small spectral angle between unknown pixel and specific feature class indicated the likelihood that the unknown pixels would be assigned to that feature class [8]. Therefore, smaller angle values indicated higher similarity between the pixel and the endmember. The smaller angle would be represented as darker features in the SAM’s rule images. The number of derived SAM images is equal to the number of endmember spectra used in the mapping.


100

8a

Spectral Librar Plots

sa

-Ach_ebra- Aeq_corn- Avi_rnar

_ Bruq cylBruqsaymCer_taqCYD_hYdExco_aqal

---..__...-°

20

I . . . I

400 500 660 700 800Wavelength (nm)

900

3. RESULTS AND DISCUSSION 3.1 Spectral reflectance of mangrove species result

The optical measurement module performed by JAZ EL-350 for this research is a reflectance, that is measuring the amount of reflected energy from the sun by an object at wavelength of 350-1024 nm. Each measurement of spectral reflectance begins with the lighting calibration at the measuring location. Such calibration requires the sampling of the 'white reference' spectrum or light/energy reflected (almost) perfectly with spectralon and 'dark reference' spectrum or no light/energy at all. Based on the comparison between the energy going into the sensor (almost) perfectly and without this energy at all, the spectral reflectance sample of the object can be made. The magnitude of the reflectance of the object sample relative to the white reference and the dark reference is as follows [25]:

%Rλ = 100% (2)

Where% Rλ is the percentage of reflected objects reflected, Sλ is the sample of the object's successor, Dλ is the dark reference, and Rλ is the white reference.

Spectral reflectance measurements of objects using JAZ EL-350 in default mode produce spectral reflect curves that are full of noise in near-infrared spectrum waves (750-950 nm). In fact, this part of the light spectrum is theoretically very important to distinguish the spectral response between mangrove species [2,9]. Based on previous research [17], the most optimum object reflect curve curve reading is the boxcar width value and scan to average of 10, and a distance of 2 cm from the object. Based on field identification results, 14 true mangrove species were found along the observation track (Table 2). We measured the spectral reflectance of each mangrove species sample 10 times. This repeating reading is intended to evaluate the consistency of spectral reflectance curve readings as a function of the variations in solar lighting during measurement. The average result of spectral reflectance curve reading of each species is presented in the Figure 3.

Table 2. List of mangrove species measured in the field [26].

No Mangrove species No Mangrove species 1 Acanthus ebracteatus 8 Sonneratia alba 2 Aegiceras corniculatum 9 Excoecaria agallocha 3 Avicennia marina 10 Lumnitzera racemosa 4 Bruguiera cylindrical 11 Rhizophora apiculata 5 Bruguiera gymnorrhiza 12 Rhizophora mucronata 6 Ceriops tagal 13 Rhizophora stylosa 7 Scyphiphora hydrophyllacea 14 Xylocarpus moluccensis

Figure 3. Mangrove species spectral reflectance curves resulted from field measurement.


100 -

80 -

60 -

40 -

20 -

Resarnpled Spectral Library Plots ! Ach_ebra-Aec_corn-Aví_nar

- Bruq_gyrn_ Cer_tag

Cyp_hydExo_agal

Lum_raceR hi api

J / Rhi_sty- Son _alba- Xyl_rc I

. 7500 600

Wavelength700) 800 900

3.2 Mangrove species reflectance pattern characteristics

The mangrove spectral reflectance pattern recorded by the field spectrometer follows the general pattern of healthy and green vegetation reflectance (Figure 3), where absorption occurs in the blue and red spectra for photosynthesis, and reflectance on the near green and infrared. The readings of the spectral reflectance curves in each species are preceded by white and dark reference calibrations in relatively equal radiation conditions and at the same angle and spacing of the recording. This calibration is needed to find the baseline in the process of comparison of spectral reflect curves between species. So the difference in the spectral reflectance pattern is caused only by differences in the spectral response of mangrove species. In general, the near green and infrared spectra are very sensitive to changes in spectral reflectance especially at the range 520-580 nm and 740-890 nm. So the reading difference as a species function can be clearly visible at that range. This corresponds to the conclusion of Kuenzer et al. [2] on the effective wavelength location for the identification of mangrove species.

3.3 Mangrove species distribution

The effectiveness of measuring spectral reflectance curves in the field needs to be tested by mapping the object of study based on remote sensing imagery. The mapping in the context of this study is based on matching the spectral reflect curve of the field measurement results with the pixel spectral reflectance pattern in the image. If a pixel has a spectral reflectance pattern of the band in the same image or close to the spectral reflect pattern of the result of the field object, then the pixel will be described as the class of the study object. Before the mapping process needs to be adjusted spectral range of measurement results in the field with the curve of the object in the image. This process is technically often referred to as spectral resampling. In this process the algorithm searches and records the corresponding object curve points from both curve sources following the reflectance curve of the image. The spectral resampling results from 2200 channels of JAZ EL-350 to 8 channels of WV-2 are presented in Figure 4 below.

The algorithm used for mapping the mangrove species is Spectral Angle Mapper (SAM). The field spectral reflectance measurement results were used as endmember or spectral reference to map the targeted objects. The mapping process was done using ENVI 4.8 software. One important variable is the angular threshold of the spectral vector to determine the membership limit. In this research, based on several trials the vector angle of 0.1 was selected to map all of 14 targeted species. The result of mangrove species distribution is presented in Figure 5.

Figure 4. Spectral resampling result of mangrove species spectral reflectance curves based on WV-2 image.

The mangrove species mapping results show the dominant pattern of single species in areas adjacent to the waters, and the pattern of mixed species in the central part of the mangrove forest. Based on field observation the single species composition was dominated by Avicennia marina, Ceriops tagal, and Rhizophora stylosa (Figure 6a). The mixed species complex consists of several species of mangrove grown in the middle of the forest with low tidal frequency. The existence of a single species complex is possible because the species can survive in high tidal frequency conditions. In terms of mapping methods, there is still uncertainty in terms of determining SAM vector threshold values for each species. The results map above is the result of trials of some SAM vector threshold value scenarios, and those that are


110 °26'0 "E

cn

Co -

N

óv -

ób -P

110 °27'0 "E 110 °28'0 "E 110 °29'0 "E

Land

Water bodyNo classAch ebraAeg cornAvi marBrug cylBrug gymCer tagScyp hydExo agalLum raceRhi apiRhi mucRhi stySon albaXyl mol

O0 Km 1

Java Sea

Karimunjawa Island

seen as representative are used to map the distribution of mangrove species. Ideally each sample of the species has the same threshold, so the probability of occurrence of classes in the image is the same. Threshold differences can be caused by the inaccurate sampling of species spectral reflect curves in the field. Where the curve for an object does not specifically represent the object, but there are similarities with other objects. In addition, the image spectral resolution factor also greatly affects the accuracy of species distinguishing from multispectral images. Another thing that matters is the image spatial resolution of 2m pixels. Where in one pixel there can be several overlapping species.

Figure 5. Spatial distribution of mangrove species at the research site, estimated from WV-2 image.

Figure 6. Field mangrove photographs; (a) Rhyzophora stylosa single species community,

and (b) mixed-species community.

3.4 Accuracy assessment

The accuracy assessment of mangrove species map was conducted using error matrix. The accuracy of the mangrove species distribution map result was validated against other set of field data collected at previous surveys. A simple


condition rule was used; a species coincidence found between field data and map was considered as true, and dissimilarity between them considered as error. From the error matrix it is known that the accuracy of the mapping is 47 correct from the overall 76 samples, or 62%. So it falls into the category of low-moderate accuracy. From the error matrix it is known that Avicennia marina class has the largest error. This is because the spectral reflectance curve sample of this object is not specific, so the overlap with the curve of another object.

4. CONCLUSIONS AND FUTURE WORK Some of the conclusions that could be drawn from this research are: (1) measuring spectral reflectance in the field needs to consider the light source direction and intensity and measurement distance and angle, (2) near infrared wavelength (740-890nm) has the most distinct spectral pattern among different mangrove species and can be used for the identification of mangrove species, and (3) the spectral resampling and determination of the vector angle of spectral angle mapper (SAM) greatly affects the accuracy of the mangrove species mapping results. Based on the results of research, further research agendas could be suggested: (1) it is necessary to measure the spectral response of the object of mangrove species controlled in the field by using fixed-measurement, (2) a research on mangrove species absorption with leaf pigment analysis is needed, and (3) it is necessary to conduct research on the determination of the angle vector spectral angle mapper angle and its relation to the spectral sample of the object.

ACKNOWLEDGEMENT The authors would like to thank the Karimunjawa National Park Authority for granting permission and providing directions during the fieldwork. This research is funded by Penelitian Berbasis Kompetensi (Competence-based Research) Ministry of Research, Technology and Higher Education of the Republic of Indonesia in 2018 with contract number 1698/UN1/DITLIT/DIT-LIT/LT/2018. Access to image was provided by the Remote Sensing Research Centre (RSRC) The University of Queensland Australia. Thanks to Tito Kanekaputra, Rima Hermayani, Anwar Juniansah, Galih Candra Tama, Dian Utari and Tukiman for the assistance during field work.

REFERENCES [1] Spalding, M, Kainuma, M & Collins, L, World Atlas of Mangroves, Earthscan, London (2010). [2] Kuenzer, C, Bluemel, A, Gebhardt, S, Quoc, TV & Dech, S, 'Remote sensing of mangrove ecosystems: a

review'. Remote Sensing, vol. 3, pp. 878-928 (2011). [3] Clark, CD, Ripley, HT, Green, EP, Edwards, AJ & Mumby, PJ, 'Mapping and measurement of tropical coastal

environments with hyperspectral and high spatial resolution data'. International Journal of Remote Sensing, vol. 18, pp. 237-242 (1997).

[4] Green, EP & Mumby, PJ, Mapping mangroves. In: Edwards, AJ (ed.) Remote Sensing Handbook for Tropical Coastal Management, UNESCO Publishing, Paris (2000).

[5] Jensen, R, Mausel, P, Dias, N, Gonser, R, Yang, C, Everitt, J & Fletcher, R, 'Spectral analysis of coastal vegetation and land cover using AISA+ hyperspectral data'. Geocarto International, vol. 22, pp. 17-28 (2007).

[6] Demuro, M & Chisholm, L. 2003, 'Assessment of Hyperion for characterizing mangrove communities'. Available: ftp://popo.jpl.nasa.gov/pub/docs/workshops/03_docs/Demuro_AVIRIS_2003_web.pdf [Accessed 28 October 2007].

[7] Held, A, Ticehurst, C, Lymburner, L & Williams, N, 'High resolution mapping of tropical mangrove ecosystems using hyperspectral and radar remote sensing'. International Journal of Remote Sensing, vol. 24, pp. 2739-2759 (2003).

[8] Hirano, A, Madden, M & Welch, R, 'Hyperspectral image data for mapping wetland vegetation'. Wetlands, vol. 23, pp. 436-448 (2003).

[9] Vaiphasa, C, Ongsomwang, S, Vaiphasa, T & Skidmore, AK, 'Tropical mangrove species discrimination using hyperspectral data: a laboratory study'. Estuarine, Coastal and Shelf Science, vol. 65, pp. 371-379 (2005).

[10] Kamal, M & Phinn, SR, 'Hyperspectral data for mangrove species mapping: a comparison of pixel-based and object-based approach'. Remote Sensing, vol. 3, pp. 2222-2242 (2011).

[11] Blasco, F, Gauquelin, T, Rasolofoharinoro, M, Denis, J, Aizpuru, M & Caldairou, V, 'Recent advances in mangrove studies using remote sensing data'. Marine and Freshwater Research, vol. 49, pp. 287-296 (1998).

[12] Díaz, BM & Blackburn, GA, 'Remote sensing of mangrove biophysical properties: evidence from a laboratory


simulation of the possible effects of background variation on spectral vegetation indices'. International Journal of Remote Sensing, vol. 24, pp. 53-73 (2003).

[13] BTNK, 'Statistik Balai Taman Nasional Karimunjawa (BTNK) 2008', BTNK, Dirjen Perlindungan Hutan dan Konservasi Alam, Departemen Kehutanan, Semarang (2008).

[14] BTNK, 'Rencana Pengelolaan 25 Tahun Taman Nasional Karimunjawa Periode 2002-2027', Balai Taman Nasional Karimunjawa, Semarang (2001).

[15] Updike, T & Comp, C, 'Radiometric use of WorldView-2 imagery', DigitalGlobe Inc., Longmont, Colorado, USA (2010).

[16] Milton, EJ, 'Principles of field spectroscopy', International Journal of Remote Sensing, vol. 8, pp.1807-1827 (1987).

[17] Milton, EJ, Schaepman, ME, Anderson, K, Kneubühler, M & Fox, N, 'Progress in field spectroscopy', Remote Sensing of Environment, vol. 113, pp. S92-S109 (2009).

[18] Kamal, M, Adi, NS, Arjasakusuma, S, Jaz EL-350 Portable Spectrometer: panduan operasional pengukurandan pengelolaan data pantulan spektral objek, Laboratorium Penginderaan Jauh Dasar, Fak. Geografi UGM, Yogyakarta (2012).

[19] Kamal, M, Ningam, M U L, & Alqorina, F, The Effect of Field Spectral Reflectance Measurement Distance to the Spectral Reflectance of Rhizophora stylosa. Paper presented at the IOP Conf. Series: Earth and Environmental Science, Yogyakarta (2017, 27-28 September).

[20] Jensen, JR, Introductory Digital Image Processing: a remote sensing perspective, 3rd edn,Pearson Prentice Hall, Sydney (2005).

[21] Kruse, FA, Lefkoff, AB, Boardman, JW, Heidebrecht, KB, Shapiro, AT, Barloon, PJ & Goetz, AFH, ‘The Spectral Image Processing System (SIPS) – Interactive Visualization and Analysis of Imaging Spectrometer Data’, Remote Sensing of Environment, vol. 44, pp. 145-163 (1993).

[22] Borengasser, M, Hungate, WS & Watkins, R, Hyperspectral Remote Sensing: principles and applications, Taylor & Francis in Remote Sensing Applications, CRC Press, New York (2008).

[23] Shrestha, DP, Margate, DE, Anh, HV & Van Deer Meer, F, ‘Spectral Unmixing Versus Spectral Angle Mapper for Land Degradation Assessment: A Case Study in Southern Spain, an article presented at the 17th WCSS, Thailand (2002).

[24] Artigas, FJ & Yang, JS, ’Hyperspectral remote sensing of marsh species and plant vigour gradient in the New Jersey Meadowlands’, International Journal of Remote Sensing, vol. 26, no. 23, pp. 5209-5220 (2005).

[25] Ocean Optics, Jaz Installation and Operation Manual, Ocean Optics Inc., Dunedin, Florida (2010). [26] BTNK, ‘Jenis-jenis Mangrove Taman Nasional Karimunjawa, Balai Taman Nasional Karimunjawa, Semarang

(2012).


Documents

LAPORAN SIMAKSI PENELITIAN BERBASIS KOMPETENSI …tnkarimunjawa.id/assets/fileperpustakaan/laporan_REGTNKJ... · 2019. 1. 3. · laporan simaksi penelitian berbasis kompetensi kemenristekdikti