利用哨兵 1 号 C 波段合成孔径雷达图像分析水稻生长期模型

Ilhaam Cahya Nirtanto, Yudo Prasetyo, Bandi Sasmito
{"title":"利用哨兵 1 号 C 波段合成孔径雷达图像分析水稻生长期模型","authors":"Ilhaam Cahya Nirtanto, Yudo Prasetyo, Bandi Sasmito","doi":"10.14710/jgundip.2022.34404","DOIUrl":null,"url":null,"abstract":"Oryza Sativa atau yang biasa dikenal dengan nama Padi adalah tanaman yang dapat menghasilkan beras yang mana merupakan bahan makanan pokok terpenting di Indonesia. Tingkat produksi padi dapat diestimasi dengan pemantauan fase pertumbuhan padi. Identifikasi pertumbuhan padi dapat dilakukan dengan cepat dan luas dengan pengindraan jauh yang bersifat multitemporal. Teknik ini sudah banyak dilakukan untuk pemantauan fase pertumbuhan padi dengan jenis sensor optis. Namun, Indonesia memiliki liputan awan yang tinggi, sehingga sedikitnya ketersediaan citra optis yang bebas awan untuk pemetaan dan pemantauan area pertumbuhan padi. Keberadaan teknologi radar terutama SAR, memberi potensi yang baik untuk dikaji dalam pemantauan padi dengan ketersediaannya data bebas dari liputan awan.Pada penelitian ini, pemodelan fase pertumbuhan padi didapatkan dengan menggunakan citra SAR-C Sentinel-1 GRDH. Karakteristik nilai hamburan balik pada polarisasi VH meningkat selaras dengan fase pertumbuhan padi, berbeda dengan polarisasi VV yang lebih stagnan. Algoritma yang digunakan yaitu klasifikasi terselia Maximum Likelihood dan Support Vector Machine. Penggunaan kedua klasifikasi dengan tipe yang berbeda, pada Maximum Likelihood yang termasuk jenis parametrik dan Support Vector Machine untuk yang non-parametrik.Hasil pemetaan fase tumbuh padi melihatkan algoritma SVM lebih optimal untuk 4 kelas fase yaitu vegetatif awal, vegetatif, generatif dan pematangan. Akurasi dari klasifikasi yang paling optimal didapatkan pada kisaran 72,9% dengan kappa 0,6 hingga akurasi 0,98% dengan kappa 0.95. Penelitian pemodelan fase pertumbuhan padi ini diharapkan dapat digunakan untuk pemantauan laju produksi padi yang berfungsi untuk manajemen lahan yang baik agar hasil produktivitas yang optimal.","PeriodicalId":257540,"journal":{"name":"Jurnal Geodesi Undip","volume":"34 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-06-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"ANALISIS PEMODELAN FASE TUMBUH PADI MENGGUNAKAN CITRA SYNTHETIC APERTURE RADAR C-BAND SENTINEL-1\",\"authors\":\"Ilhaam Cahya Nirtanto, Yudo Prasetyo, Bandi Sasmito\",\"doi\":\"10.14710/jgundip.2022.34404\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Oryza Sativa atau yang biasa dikenal dengan nama Padi adalah tanaman yang dapat menghasilkan beras yang mana merupakan bahan makanan pokok terpenting di Indonesia. Tingkat produksi padi dapat diestimasi dengan pemantauan fase pertumbuhan padi. Identifikasi pertumbuhan padi dapat dilakukan dengan cepat dan luas dengan pengindraan jauh yang bersifat multitemporal. Teknik ini sudah banyak dilakukan untuk pemantauan fase pertumbuhan padi dengan jenis sensor optis. Namun, Indonesia memiliki liputan awan yang tinggi, sehingga sedikitnya ketersediaan citra optis yang bebas awan untuk pemetaan dan pemantauan area pertumbuhan padi. Keberadaan teknologi radar terutama SAR, memberi potensi yang baik untuk dikaji dalam pemantauan padi dengan ketersediaannya data bebas dari liputan awan.Pada penelitian ini, pemodelan fase pertumbuhan padi didapatkan dengan menggunakan citra SAR-C Sentinel-1 GRDH. Karakteristik nilai hamburan balik pada polarisasi VH meningkat selaras dengan fase pertumbuhan padi, berbeda dengan polarisasi VV yang lebih stagnan. Algoritma yang digunakan yaitu klasifikasi terselia Maximum Likelihood dan Support Vector Machine. Penggunaan kedua klasifikasi dengan tipe yang berbeda, pada Maximum Likelihood yang termasuk jenis parametrik dan Support Vector Machine untuk yang non-parametrik.Hasil pemetaan fase tumbuh padi melihatkan algoritma SVM lebih optimal untuk 4 kelas fase yaitu vegetatif awal, vegetatif, generatif dan pematangan. Akurasi dari klasifikasi yang paling optimal didapatkan pada kisaran 72,9% dengan kappa 0,6 hingga akurasi 0,98% dengan kappa 0.95. Penelitian pemodelan fase pertumbuhan padi ini diharapkan dapat digunakan untuk pemantauan laju produksi padi yang berfungsi untuk manajemen lahan yang baik agar hasil produktivitas yang optimal.\",\"PeriodicalId\":257540,\"journal\":{\"name\":\"Jurnal Geodesi Undip\",\"volume\":\"34 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-06-16\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Geodesi Undip\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14710/jgundip.2022.34404\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Geodesi Undip","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14710/jgundip.2022.34404","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

Oryza Sativa,又称水稻,是一种可以生产大米的植物,大米是印尼最重要的主食。水稻产量水平可以通过监测水稻生长阶段来维持。识别水稻的生长速度和面积可以通过多孔透镜快速和广泛地进行。这项技术在用光学传感器类型监测水稻生长阶段方面已经取得了很多进展。然而,印度尼西亚对云的报道很高,因此在水稻种植区域的地图和监测方面几乎没有云的光学图像。雷达技术的存在,特别是SAR,提供了很好的潜力,可以在没有云覆盖数据的情况下对水稻进行监测。在这项研究中,利用哨兵1格拉德的形象获得了水稻生长阶段建模。VH极化的反散射值与水稻生长的阶段相协调,不同于稳定的VV极化。使用的算法是最大离题分类和向量支持机。这两种分类都是不同类型的,最大的盈千累万的盈千累万,非paramex支持机。稻谷生长相位测导结果显示,四种阶段的SVM算法在早期素食、植物人、生成和成熟方面更为理想。最优分类的准确性在72.9%的范围内与kappa 0.6的距离至0.95的98%的准确性。这项关于水稻生长阶段建模研究预计将用于监测水稻生产的有效速度,以便更好地管理土地以获得最佳生产力结果。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
ANALISIS PEMODELAN FASE TUMBUH PADI MENGGUNAKAN CITRA SYNTHETIC APERTURE RADAR C-BAND SENTINEL-1
Oryza Sativa atau yang biasa dikenal dengan nama Padi adalah tanaman yang dapat menghasilkan beras yang mana merupakan bahan makanan pokok terpenting di Indonesia. Tingkat produksi padi dapat diestimasi dengan pemantauan fase pertumbuhan padi. Identifikasi pertumbuhan padi dapat dilakukan dengan cepat dan luas dengan pengindraan jauh yang bersifat multitemporal. Teknik ini sudah banyak dilakukan untuk pemantauan fase pertumbuhan padi dengan jenis sensor optis. Namun, Indonesia memiliki liputan awan yang tinggi, sehingga sedikitnya ketersediaan citra optis yang bebas awan untuk pemetaan dan pemantauan area pertumbuhan padi. Keberadaan teknologi radar terutama SAR, memberi potensi yang baik untuk dikaji dalam pemantauan padi dengan ketersediaannya data bebas dari liputan awan.Pada penelitian ini, pemodelan fase pertumbuhan padi didapatkan dengan menggunakan citra SAR-C Sentinel-1 GRDH. Karakteristik nilai hamburan balik pada polarisasi VH meningkat selaras dengan fase pertumbuhan padi, berbeda dengan polarisasi VV yang lebih stagnan. Algoritma yang digunakan yaitu klasifikasi terselia Maximum Likelihood dan Support Vector Machine. Penggunaan kedua klasifikasi dengan tipe yang berbeda, pada Maximum Likelihood yang termasuk jenis parametrik dan Support Vector Machine untuk yang non-parametrik.Hasil pemetaan fase tumbuh padi melihatkan algoritma SVM lebih optimal untuk 4 kelas fase yaitu vegetatif awal, vegetatif, generatif dan pematangan. Akurasi dari klasifikasi yang paling optimal didapatkan pada kisaran 72,9% dengan kappa 0,6 hingga akurasi 0,98% dengan kappa 0.95. Penelitian pemodelan fase pertumbuhan padi ini diharapkan dapat digunakan untuk pemantauan laju produksi padi yang berfungsi untuk manajemen lahan yang baik agar hasil produktivitas yang optimal.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信