THE FUNCTION OF NDWI AND NDTI IN DIFFERENTIATING THE CHARACTERISTICS OF WATER AREAS BASED ON SENTINEL 2 IMAGERY

Sagung Putri Chandra Astiti, I Gusti Bagus Sila Dharma, I Putu Gustave Suryantara Pariartha, Abd. Rahman As-Syakur

Abstract

Penggunaan teknologi penginderaan jauh dengan data citra satelit sebagai media utama telah banyak digunakan dalam menganalisis data yang diperoleh menggunakan alat tanpa kontak langsung dengan objek, fenomena, atau area yang sedang dipelajari. Salah satu data citra satelit yang dapat diakses secara gratis dan resmi adalah data citra Sentinel-2 MSI (Multi-Spectral Instrument), yang merupakan data yang dikembangkan oleh Badan Antariksa Eropa (ESA). Data citra Sentinel-2A yang digunakan dalam penelitian ini terbagi menjadi 2 level data, yaitu Level 1C dan Level 2A. Perekaman data pada citra Sentinel-2A yang digunakan dalam penelitian ini menggunakan berbagai data musiman yang berbeda, termasuk musim peralihan dari musim kemarau ke musim hujan pada Oktober 2018, musim hujan pada November 2020, dan musim kemarau pada April 2022. NDWI digunakan untuk menganalisis area perairan dan non-perairan, sedangkan NDTI digunakan untuk menganalisis kekeruhan air. Hasil analisis menunjukkan bahwa nilai NDWI pada tahun 2018 dan 2020 berkisar dari nilai terendah -0,82 hingga nilai tertinggi 0,79. Hasil analisis pada tahun 2022 menunjukkan bahwa nilai NDWI berada dalam rentang nilai terendah -0,87 dan nilai tertinggi 0,99. Hasil analisis nilai NDTI pada tahun 2018 berkisar dari rentang nilai terendah -0,51 hingga nilai tertinggi 0,45. Hasil analisis nilai NDTI pada tahun 2020 berkisar dari nilai terendah -0,62 hingga nilai tertinggi 0,43. Hasil analisis NDTI pada tahun 2022 berkisar dari nilai terendah -0,72 hingga nilai tertinggi 0,43

Keywords

NDTI, NDWI, Penginderaan Jauh, Sentinel-2A

Full Text:

PDF

References

Bonansea, M., Ledesma, M., Bazán, R., Ferral, A., German, A., O’Mill, P., Rodriguez, C., & Pinotti, L. (2019). Evaluating the feasibility of using Sentinel-2 imagery for water clarity assessment in a reservoir. Journal of South American Earth Sciences, 95. https://doi.org/10.1016/j.jsames.2019.102265

Lacaux, J. P., Tourre, Y. M., Vignolles, C., Ndione, J. A., & Lafaye, M. (2007). Classification of ponds from high-spatial resolution remote sensing: Application to Rift Valley Fever epidemics in Senegal. Remote Sensing of Environment, 106(1). https://doi.org/10.1016/j.rse.2006.07.012

Pa?as, K. W., & Zawadzki, J. (2020). Sentinel-2 imagery processing for tree loggPa?as, K. W., & Zawadzki, J. (2020). Sentinel-2 imagery processing for tree logging observations on the bialowieza forest world heritage site. Forests, 11(8). https://doi.org/10.3390/F11080857ing observations on . Forests, 11(8). https://doi.org/10.3390/F11080857

Rahman, A., Astuti, L. P., Warsa, A., & Sentosa, A. A. (2021). PREDIKSI TINGKAT KEKERUHAN (TURBIDITAS) MENGGUNAKAN CITRA SATELIT SENTINEL-2A DI WADUK JATILUHUR, JAWA BARAT. JURNAL SUMBER DAYA AIR, 17(2). https://doi.org/10.32679/jsda.v17i2.697

Roy, D. P., Li, J., Zhang, H. K., & Yan, L. (2016). Best practices for the reprojection and resampling of Sentinel-2 Multi Spectral Instrument Level 1C data. Remote Sensing Letters, 7(11). https://doi.org/10.1080/2150704X.2016.1212419

Rumora, L., Miler, M., & Medak, D. (2020). Impact of various atmospheric corrections on sentinel-2 land cover classification accuracy using machine learning classifiers. ISPRS International Journal of Geo-Information, 9(4). https://doi.org/10.3390/ijgi9040277

Solovey, T. (2020). An analysis of flooding coverage using remote sensing within the context of risk assessment. Geologos, 25(3). https://doi.org/10.2478/logos-2019-0026

Subiyanto, S., Ramadhanis, Z., & Baktiar, A. H. (2018). Integration of Remote Sensing Technology Using Sentinel-2A Satellite images for Fertilization and Water Pollution Analysis in Estuaries Inlet of Semarang Eastern Flood Canal. E3S Web of Conferences, 31. https://doi.org/10.1051/e3sconf/20183112008

Suhendar, D. T., Sachoemar, I. S., & Zaidy, A. B. (2020). Hubungan Kekeruhan Terhadap Materi Partikulat Tersuspensi (MPT) Dan Kekeruhan Terhadap Klorofil Dalam Tambak Udang. Fisheries and Marine Research, 4(3).

Sukojo, B. M., & Prayoga, M. P. (2018). PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS UNTUK ANALISIS SPASIAL TINGKAT KEKERINGAN WILAYAH KABUPATEN TUBAN. Geoid, 13(2). https://doi.org/10.12962/j24423998.v13i2.3676

Syam’ani. (2021). Potensi Pemanfaatan Teknologi Citra ESA Sentinel-2 MSI Untuk Pemantauan Kualitas Air. Prosiding Seminar Nasional Lingkungan Lahan Basah, 6(April).

Uwe, M.-W., Jerome, L., Rudolf, R., Ferran, G., & Marc, N. (2013). Sentinel-2 Level 2a Prototype Processor : Architecture , Algorithms and First Results. ESA Living Planet Symposium 2013, Edinburgh, UK, 2013(December).

Virdis, S. G. P., Xue, W., Winijkul, E., Nitivattananon, V., & Punpukdee, P. (2022). Remote sensing of tropical riverine water quality using sentinel-2 MSI and field observations. Ecological Indicators, 144. https://doi.org/10.1016/j.ecolind.2022.109472

Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14). https://doi.org/10.1080/01431160600589179

DOI: https://doi.org/10.47647/jsr.v13i2.2640