使用 Sentinel-2A 图像对东三宝垄运河河口的几种悬浮固体算法进行精度测试

Maulana Al Faridzie, Lilik Maslukah, Dwi Haryo Ismunarti, Anindya Wirasatriya
{"title":"使用 Sentinel-2A 图像对东三宝垄运河河口的几种悬浮固体算法进行精度测试","authors":"Maulana Al Faridzie, Lilik Maslukah, Dwi Haryo Ismunarti, Anindya Wirasatriya","doi":"10.14710/jkt.v26i3.17496","DOIUrl":null,"url":null,"abstract":"Total suspended solids (TSS) are one of the variables that determine water quality and are one of the factors influencing the sedimentation process in estuarine waters. The use of conventional methods has high accuracy but is inefficient in terms of cost and time. One of the water quality monitoring (TSS) solutions is to use a TSS concentration prediction algorithm that is specific to each water. The purpose of this study was to test the accuracy performance of several algorithms from other waters when applied to the Estuary of Banjir Kanal Timur (BKT). The method used is water quality sampling of 100 stations which is carried out simultaneously with the passing time of the Sentinel-2A image. The data is then used as a reference for the TSS concentration value in the algorithm validation test for predicting TSS concentrations in the waters of the estuary of BKT. The prediction algorithms of TSS concentration used are Parwati, Wirasatriya, LEL, and Lemigas algorithms. The statistical parameters of MAPE, RMSE, and coefficient of determination (R2) were used to test the error. The most appropriate algorithm for evaluating the field value is Wirasatriya’s algorithm. The validation test is RMSE = 9.1694 and MAPE = 15.9984%. The resulting regression model between the best image prediction data (Wirasatriya) and field data obtained the coefficient of determination, R2 = 0.5441. The TSS monitoring in the BKT estuary is recommended to use Wirasatriya's algorithm for Sentinel-2, proving its validity and/or creating a specific algorithm for the BKT estuary waters. Each region has unique characteristics, so it needs to be generated. Material padatan tersuspensi (MPT) merupakan salah satu variabel yang menentukan kualitas air dan menjadi salah satu faktor yang mempengaruhi proses sedimentasi di perairan muara. Penggunaan metode secara konvensional memiliki akurasi tinggi, akan tetapi kurang efisien secara biaya dan waktu. Salah satu solusi pemantauan kualitas air (MPT) adalah menggunakan algoritma prediksi konsentrasi MPT yang sifatnya spesifik untuk masing-masing perairan. Tujuan penelitian ini adalah melakukan uji validasi untuk menentukan nilai error yang dihasilkan dari beberapa algoritma, apabila diaplikasikan pada perairan Muara Banjir Kanal Timur(BKT) Semarang. Metode yang digunakan adalah pengambilan sampel kualitas air sebanyak 100 stasiun yang dilaksanakan bersamaan dengan saat passing time citra Sentinel-2A. Data tersebut kemudian dijadikan acuan nilai konsentrasi MPT dalammenguji kinerja algoritma untuk prediksi MPT pada perairan Muara BKT. Algoritma prediksi konsentrasi MPT yang digunakan adalah algoritma Parwati, Wirasatriya, LEL, dan Lemigas. Pengujian error dilakukan dengan beberapa parameter statistik yaitu MAPE, RMSE, dan koefisien determinasi (R2). Hasil algoritma yang terbaik terhadap nilai di lapangan adalah algoritma Wirasatriya, dengan nilai RMSE = 9,1694 dan MAPE = 15,9984%. Model regresi yang dihasilkan antara data prediksi citra terbaik (Wirasatriya) terhadap data lapangan didapatkan nilai koefisien determinasi, R2 = 0,5441. Diharapkan untuk pemantauan MPT di muara BKT dan sekitarnya berdasarkan citra Sentinel 2, dapat menggunakan algoritma Wirasatriya yang telah terbukti lebih akurat dan (atau) dilkembangkan algoritma baru yang lebih spesifik. Setiap wilayah memiliki karakteristik yang unik, sehingga pengembangan algoritma sangat diperlukan.","PeriodicalId":53001,"journal":{"name":"Jurnal Kelautan Tropis","volume":"7 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-05-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Uji Akurasi Beberapa Algoritma Material Padatan Tersuspensi Menggunakan Citra Sentinel-2A di Muara Banjir Kanal Timur Semarang\",\"authors\":\"Maulana Al Faridzie, Lilik Maslukah, Dwi Haryo Ismunarti, Anindya Wirasatriya\",\"doi\":\"10.14710/jkt.v26i3.17496\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Total suspended solids (TSS) are one of the variables that determine water quality and are one of the factors influencing the sedimentation process in estuarine waters. The use of conventional methods has high accuracy but is inefficient in terms of cost and time. One of the water quality monitoring (TSS) solutions is to use a TSS concentration prediction algorithm that is specific to each water. The purpose of this study was to test the accuracy performance of several algorithms from other waters when applied to the Estuary of Banjir Kanal Timur (BKT). The method used is water quality sampling of 100 stations which is carried out simultaneously with the passing time of the Sentinel-2A image. The data is then used as a reference for the TSS concentration value in the algorithm validation test for predicting TSS concentrations in the waters of the estuary of BKT. The prediction algorithms of TSS concentration used are Parwati, Wirasatriya, LEL, and Lemigas algorithms. The statistical parameters of MAPE, RMSE, and coefficient of determination (R2) were used to test the error. The most appropriate algorithm for evaluating the field value is Wirasatriya’s algorithm. The validation test is RMSE = 9.1694 and MAPE = 15.9984%. The resulting regression model between the best image prediction data (Wirasatriya) and field data obtained the coefficient of determination, R2 = 0.5441. The TSS monitoring in the BKT estuary is recommended to use Wirasatriya's algorithm for Sentinel-2, proving its validity and/or creating a specific algorithm for the BKT estuary waters. Each region has unique characteristics, so it needs to be generated. Material padatan tersuspensi (MPT) merupakan salah satu variabel yang menentukan kualitas air dan menjadi salah satu faktor yang mempengaruhi proses sedimentasi di perairan muara. Penggunaan metode secara konvensional memiliki akurasi tinggi, akan tetapi kurang efisien secara biaya dan waktu. Salah satu solusi pemantauan kualitas air (MPT) adalah menggunakan algoritma prediksi konsentrasi MPT yang sifatnya spesifik untuk masing-masing perairan. Tujuan penelitian ini adalah melakukan uji validasi untuk menentukan nilai error yang dihasilkan dari beberapa algoritma, apabila diaplikasikan pada perairan Muara Banjir Kanal Timur(BKT) Semarang. Metode yang digunakan adalah pengambilan sampel kualitas air sebanyak 100 stasiun yang dilaksanakan bersamaan dengan saat passing time citra Sentinel-2A. Data tersebut kemudian dijadikan acuan nilai konsentrasi MPT dalammenguji kinerja algoritma untuk prediksi MPT pada perairan Muara BKT. Algoritma prediksi konsentrasi MPT yang digunakan adalah algoritma Parwati, Wirasatriya, LEL, dan Lemigas. Pengujian error dilakukan dengan beberapa parameter statistik yaitu MAPE, RMSE, dan koefisien determinasi (R2). Hasil algoritma yang terbaik terhadap nilai di lapangan adalah algoritma Wirasatriya, dengan nilai RMSE = 9,1694 dan MAPE = 15,9984%. Model regresi yang dihasilkan antara data prediksi citra terbaik (Wirasatriya) terhadap data lapangan didapatkan nilai koefisien determinasi, R2 = 0,5441. Diharapkan untuk pemantauan MPT di muara BKT dan sekitarnya berdasarkan citra Sentinel 2, dapat menggunakan algoritma Wirasatriya yang telah terbukti lebih akurat dan (atau) dilkembangkan algoritma baru yang lebih spesifik. Setiap wilayah memiliki karakteristik yang unik, sehingga pengembangan algoritma sangat diperlukan.\",\"PeriodicalId\":53001,\"journal\":{\"name\":\"Jurnal Kelautan Tropis\",\"volume\":\"7 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-05-08\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Kelautan Tropis\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.14710/jkt.v26i3.17496\",\"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 Kelautan Tropis","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.14710/jkt.v26i3.17496","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

总悬浮物(TSS)是决定水质的变量之一,也是影响河口水域沉积过程的因素之一。传统方法虽然精度高,但在成本和时间方面效率低下。水质监测(TSS)的解决方案之一是使用特定于每种水的TSS浓度预测算法。本研究的目的是测试来自其他水域的几种算法在应用于Banjir Kanal Timur河口(BKT)时的精度性能。采用的方法是100个站点的水质采样,与Sentinel-2A图像的时间同步进行。然后将该数据作为预测BKT河口水域TSS浓度的算法验证试验中TSS浓度值的参考。TSS浓度预测算法有Parwati、Wirasatriya、LEL和Lemigas算法。采用MAPE、RMSE、决定系数(R2)等统计参数检验误差。最适合计算字段值的算法是Wirasatriya的算法。验证检验RMSE = 9.1694, MAPE = 15.9984%。所得最佳图像预测数据(Wirasatriya)与现场数据之间的回归模型得到的决定系数,R2 = 0.5441。建议在BKT河口TSS监测中使用Wirasatriya的算法进行Sentinel-2,以证明其有效性和/或为BKT河口水域创建特定的算法。每个区域都有独特的特征,所以需要生成。材料padatan tersuspensi (MPT) merupakan salah satu变量yang menentukan kualitas air dan menjadi salah satu因子yang menpengaruhi过程沉积研究(perairan muara)。彭家南方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法:方法。Salah satu solusi pemantauan kualitas air (MPT), alalmongunakan算法,预测了MPT的konsentri,并给出了一种特殊的聚类-聚类算法。Tujuan penelitian ini adalah melakukan uji validasi untuk menentukan nilai error yang dihasilkan dari beberapa算法,apabila diaplikasikan pada perairan Muara Banjir Kanal Timur(BKT) Semarang。Metode yang digunakan adalah pengambilan样本kualitas air sebanyak 100 stasiun yang dilaksanakan bersamaan和dengan在Sentinel-2A上消磨时间。数据termerdian dijadikan和konsentrai、MPT dalammenguji kinerja算法、预测MPT和Muara BKT。Parwati, Wirasatriya, LEL, dan Lemigas。企鹅误差的统计参数为MAPE、RMSE、确定系数(R2)。Hasil算法yang terbaik terhadap nilai di lapangan adalah算法Wirasatriya, dengan nilai RMSE = 9,1694 dan MAPE = 15,9984%。模型回归回归杨迪哈西坎antara数据prediksi citra terbaik (Wirasatriya) terhadap数据lapangan didapatkan nilai koefisien determinasi, R2 = 0,5441。Diharapkan untuk pemantauan MPT di muara BKT dan sekitarya berdasarkan citra Sentinel 2, dapat menggunakan算法Wirasatriya yang telah terbukti lebih akurat dan (atau) dilkembangkan算法baru yang lebih。设置wilayah memoriliki karakteristik yang unik,设置pengembangan和算法sangat diperlukan。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Uji Akurasi Beberapa Algoritma Material Padatan Tersuspensi Menggunakan Citra Sentinel-2A di Muara Banjir Kanal Timur Semarang
Total suspended solids (TSS) are one of the variables that determine water quality and are one of the factors influencing the sedimentation process in estuarine waters. The use of conventional methods has high accuracy but is inefficient in terms of cost and time. One of the water quality monitoring (TSS) solutions is to use a TSS concentration prediction algorithm that is specific to each water. The purpose of this study was to test the accuracy performance of several algorithms from other waters when applied to the Estuary of Banjir Kanal Timur (BKT). The method used is water quality sampling of 100 stations which is carried out simultaneously with the passing time of the Sentinel-2A image. The data is then used as a reference for the TSS concentration value in the algorithm validation test for predicting TSS concentrations in the waters of the estuary of BKT. The prediction algorithms of TSS concentration used are Parwati, Wirasatriya, LEL, and Lemigas algorithms. The statistical parameters of MAPE, RMSE, and coefficient of determination (R2) were used to test the error. The most appropriate algorithm for evaluating the field value is Wirasatriya’s algorithm. The validation test is RMSE = 9.1694 and MAPE = 15.9984%. The resulting regression model between the best image prediction data (Wirasatriya) and field data obtained the coefficient of determination, R2 = 0.5441. The TSS monitoring in the BKT estuary is recommended to use Wirasatriya's algorithm for Sentinel-2, proving its validity and/or creating a specific algorithm for the BKT estuary waters. Each region has unique characteristics, so it needs to be generated. Material padatan tersuspensi (MPT) merupakan salah satu variabel yang menentukan kualitas air dan menjadi salah satu faktor yang mempengaruhi proses sedimentasi di perairan muara. Penggunaan metode secara konvensional memiliki akurasi tinggi, akan tetapi kurang efisien secara biaya dan waktu. Salah satu solusi pemantauan kualitas air (MPT) adalah menggunakan algoritma prediksi konsentrasi MPT yang sifatnya spesifik untuk masing-masing perairan. Tujuan penelitian ini adalah melakukan uji validasi untuk menentukan nilai error yang dihasilkan dari beberapa algoritma, apabila diaplikasikan pada perairan Muara Banjir Kanal Timur(BKT) Semarang. Metode yang digunakan adalah pengambilan sampel kualitas air sebanyak 100 stasiun yang dilaksanakan bersamaan dengan saat passing time citra Sentinel-2A. Data tersebut kemudian dijadikan acuan nilai konsentrasi MPT dalammenguji kinerja algoritma untuk prediksi MPT pada perairan Muara BKT. Algoritma prediksi konsentrasi MPT yang digunakan adalah algoritma Parwati, Wirasatriya, LEL, dan Lemigas. Pengujian error dilakukan dengan beberapa parameter statistik yaitu MAPE, RMSE, dan koefisien determinasi (R2). Hasil algoritma yang terbaik terhadap nilai di lapangan adalah algoritma Wirasatriya, dengan nilai RMSE = 9,1694 dan MAPE = 15,9984%. Model regresi yang dihasilkan antara data prediksi citra terbaik (Wirasatriya) terhadap data lapangan didapatkan nilai koefisien determinasi, R2 = 0,5441. Diharapkan untuk pemantauan MPT di muara BKT dan sekitarnya berdasarkan citra Sentinel 2, dapat menggunakan algoritma Wirasatriya yang telah terbukti lebih akurat dan (atau) dilkembangkan algoritma baru yang lebih spesifik. Setiap wilayah memiliki karakteristik yang unik, sehingga pengembangan algoritma sangat diperlukan.
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
43
审稿时长
16 weeks
×
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:481959085
Book学术官方微信