PENENTUAN MODEL MATEMATIS YANG OPTIMAL SUHU PERMUKAAN LAUT DI PANTAI UTARA GRESIK BERBASIS NILAI REFLEKTAN CITRA SATELIT AQUA MODIS

Hendrata Wibisana, Bangun Muljo Sukojo, Umboro Lasminto

Abstract


ABSTRAK

Suhu permukaan laut (SPL) merupakan salah satu parameter yang banyak dipakai untuk mendeteksi perubahan iklim salah satunya adalah perubahan ekosistem yang terjadi di perairan pesisir pantai. Perubahan suhu yang ekstrim akan menyebabkan biota yang ada di pesisir pantai mengalami gangguan, dan akibat dari perubahan ini akan merubah tatanan ekosistem yang ada, salah satunya adalah perubahan area dari posisi perikanan tangkap akibat migrasi dari ikan-ikan yang terkena dampak secara tidak langsung dari perubahan suhu tersebut. Dalam kaitannya dengan fenomena alam tersebut peranan penginderaan jauh sangat menentukan karena teknologi ini mampu untuk menjawab permasalahan tersebut, dan teknologi ini memiliki keunggulan dalam mengcover area yang cukup besar serta ditunjang dengan kemampuan multi temporal sehingga teknologi ini merupakan jawaban yang tepat untuk dipakai dan dikembangkan. Penelitian ini dilakukan menggunakan citra satelit Aqua Modis level 2 dengan tujuan untuk mendapatkan algoritma yang terbaik dalam upaya memodelkan suhu permukaan laut. Dari hasil yang diperoleh diketahui bahwa algoritma yang paling optimal berasal dari kanal 667 nm, dimana bentuk model algoritma adalah polinomial kubik dengan persamaan : T = -4E+09(Rrs_667)3 + 1E+07(Rrs_667)2 – 14356(Rrs_667) + 30,934 dengan nilai R = 0,901.

 


Keywords


suhu permukaan laut, citra aqua modis, model matematis , penginderaan jauh

Full Text:

PDF

References


Abrams, M. (2000). The Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER): Data Products for the High Spatial Resolution Imager on NASA’s Terra Platform. International Journal of Remote Sensing, 21, 841–859.

Cavalli, R. M. (2017). Retrieval of Sea Surface Temperature from MODIS Data in Coastal Waters. Sustainability, 9, 20–32.

Chen, Y., Duan, S.-B., Ren, H., Labed, J., & Li, Z.-L. (2017). Algorithm Development for Land Surface Temperature Retrieval: Application to Chinese

Gaofen-5 Data. Remote Sensing, 9(2), 161. https://doi.org/10.3390/rs9020161

Dahuri, R., Rais J., Ginting S.P., Sitepu, M. J. (1996). Pengelolaan Sumber Daya Wilayah Pesisir dan Lautan Secara Terpadu. Jakarta: PT. Pradnya Paramita.

Ha, N. T. T., Koike, K., & Nhuan, M. T. (2013). Improved accuracy of chlorophyll-a concentration estimates from MODIS Imagery using a two-band ratio algorithm and geostatistics: As applied to the monitoring of eutrophication processes over Tien Yen Bay (Northern Vietnam). Remote Sensing, 6(1), 421–442. https://doi.org/10.3390/rs6010421

He, D., Zhong, Y., Feng, R., & Zhang, L. (2016). Spatialtemporal sub-pixel mapping based on swarm intelligence theory. Remote Sensing, 8(11), 1–30.

https://doi.org/10.3390/rs8110894

Hosoda, K., Murakami, H., Sakaida, F., & Kawamura, H. (2007). Algorithm and validation of sea surface temperature observation using MODIS sensors aboard terra and aqua in the western North Pacific. Journal of Oceanography, 63(2), 267–280. https://doi.org/10.1007/s10872-007-0027-4

Jaelani, L.M., Sukojo, B.M., Hendra, P. B. (2011). Modifikasi Algoritma AVHRR untuk Estimasi Suhu Permukaan Laut (SPL) Citra Aqua Modis. Teknik Geomatika,ITS. Jurnal Geomatika Volume 24 No. 1 Mei 2018: 31-38

Koner, P. K., & Harris, A. (2016a). Improved quality of MODIS sea surface temperature retrieval and data coverage using physical deterministic methods.

Remote Sensing, 8(6). https://doi.org/10.3390/rs8060454

Koner, P. K., & Harris, A. (2016b). Sea surface temperature retrieval from MODIS radiances using truncated total least squares with multiple channels and parameters. Remote Sensing, 8(9). https://doi.org/10.3390/rs8090725

Kusuma a. (2008). Analisa Suhu Permukaan Laut Pada Sensir Satelit NOAA/AVHRR dan EOS AQUA/TERRA MODIS. Universitas Indonesia.

Liang, Q., Zhang, Y., Ma, R., Loiselle, S., Li, J., & Hu, M. (2017). A MODIS-based novel method to distinguish surface cyanobacterial scums and aquatic macrophytes in Lake Taihu. Remote Sensing, 9(2), 1–25. https://doi.org/10.3390/rs9020133

Lillesand, T. M. (2000). Remote sensing and image interpretation (4th ed.). New York ; Chichester : Wiley, c2000.

Muslim, Usman, & Yani, A. H. (2017). Variabilitas Spasial Dan Temporal Suhu Permukaan Laut Dan Konsentrasi Klorofil-A Menggunakan Citra Satelit Aqua MODIS Di Perairan Sumatera Barat Variability Spatial And Temporal Sea Surface Temperature And Chlorophyll-A Concentration Using Aqua MODIS Image. Retrieved from https://media.neliti.com/media/publications/18573

-ID-none.pdf

Pareeth, S., Delucchi, L., Metz, M., Rocchini, D., Devasthale, A., Raspaud, M., … Neteler, M. (2016). New Automated Method to Develop Geometrically Corrected Time Series of Brightness Temperatures from Historical AVHRR LAC Data, 1–28. https://doi.org/10.3390/rs8030169

Rahman, M. (2018). Adaptive Queue Prediction Algorithm for an Edge-Centric Cyber – Physical System Platform in a Connected Vehicle Environment Paper

number : 18-06586, 1–7.

Tsai, H. P., Lin, Y. H., & Yang, M. Der. (2016). Exploring long term spatial vegetation trends in Taiwan from AVHRR NDVI3g dataset using RDA and HCA

analyses. Remote Sensing, 8(4). https://doi.org/10.3390/rs8040290

Zhang, Y., Giardino, C., & Li, L. (2017). Water optics and water colour remote sensing. Remote Sensing, 9(8), 1–5. https://doi.org/10.3390/rs9080818




DOI: http://dx.doi.org/10.24895/JIG.2018.24-1.771

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 JURNAL ILMIAH GEOMATIKA

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Geomatika Indexed by:

 

Copyright of Geomatika