STUDI PERBANDINGAN KONSENTRASI KLOROFIL-A DI SEMENANJUNG BLAMBANGAN KABUPATEN BANYUWANGI MENGGUNAKAN DATA CITRA SATELIT AQUA MODIS

Siti Zainab, Hendrata Wibisana, Cintantya Budi Casita

Abstract


Pemetaan kandungan klorofil-a di pesisir pantai banyak dilakukan dengan tujuan untuk mendapatkan gambaran tingkat kesuburan dari lingkungan perairan yang dimaksud. Tingkat kesuburan yang diharapkan dapat memberikan gambaran populasi dari perikanan tangkap yang dibutuhkan oleh masyarakat pesisir dalam meningkatkan kesejahteraan hidupnya. Penginderaan jauh sebagai salah satu teknologi yang baru telah memberikan banyak manfaat untuk pendeteksian dan pemetaan konsentrasi klorofil-a skala global. Tujuan dari penelitian ini untuk mendapatkan gambaran kandungan klorofil-a pada dua area yang berbeda yaitu di daerah Semenanjung Blambangan dan daerah Teluk Blambangan. Metode yang dikembangkan dari penelitian ini adalah penggunaan algoritma penginderaan jauh dan teknik regresi guna mendapatkan model matematis yang optimal untuk digunakan dalam peramalan kandungan klorofil-a di masa yang akan datang. Dari penelitian ini diperoleh model matematis yang paling sesuai untuk kondisi Teluk Blambangan yaitu pada panjang gelombang sinar hijau dengan nilai 531 nanometer (nm), di mana korelasi yang terbesar adalah Chlor-a = 21228*(Rrs_531)-42,371 dengan nilai R2 sebesar 0,7951 yang didapatkan dari panjang gelombang sinar hijau yaitu Rrs_531 dari citra satelit Aqua Modis Level-2. Fenomena ini dapat disimpulkan bahwa kandungan klorofil-a di semenanjung Blambangan pada bulan Agustus 2017 cukup signifikan di mana diperoleh rata-rata konsentrasi dari klorofil-a sebesar 18,45 ppt(mg/ m³) sehingga dapat diprediksikan bahwa populasi ikan yang ada di perairan tersebut juga meningkat pada bulan tersebut. Hasil akhir yang didapatkan berupa peta tematis kandungan klorofil-a untuk algoritma model linier, di samping itu persamaan matematis yang dihasilkan diharapkan dapat digunakan oleh para peneliti lainnya untuk mendapatkan model yang lebih akurat yang dapat menggambarkan kondisi riil di lapangan.

 


Keywords


klorofil-a; reflektan; penginderaan jauh; analisa regresi; aqua modis; model matematis

Full Text:

PDF

References


Baiocchi, V., Brigante, R., Dominici, D., & Radicioni, F. (2012). Coastline Detection Using High Resolution Multispectral Satellite Images. FIG Working Week 2012, Rome., (May), 6–10. Retrieved from http://www.fig.net/pub/fig2012/techprog.htm

Guo, Q., Wu, X., Bing, Q., Pan, Y., Wang, Z., Fu, Y., … Liu, J. (2016). Study on Retrieval of Chlorophyll-a Concentration Based on Landsat OLI Imagery in the Haihe River, China. Sustainability, 8(8), 758–768. https://doi.org/10.3390/su8080758

Hussain, N., Islam, M. H., Khanam, R., & Iqbal, M. (2017). Water Quality in Landsat OLI Images. In International Conference on Engineering Research and Practice (pp. 19–23). Dhaka, Bangladesh.

Jin, H., Zhuang, Y., Li, H., Chen, J., Gao, S., Ji, Z., & Zhang, Y. (2017). Response of phytoplankton community to different water types in the western Arctic Ocean surface water based on pigment analysis in summer 2008. Acta Oceanologica Sinica, 36(8), 109–121. https://doi.org/10.1007/s13131-017-1033-z

Joo, H., Lee, D., Son, S., & Lee, S. (2018). Annual New Production of Phytoplankton Estimated from MODIS-Derived Nitrate Concentration in the East/Japan Sea. Remote Sensing, 10(5), 806–818. https://doi.org/10.3390/rs10050806

Koner, P. K., & Harris, A. (2016). Improved quality of MODIS sea surface temperature retrieval and data coverage using physical deterministic methods. Remote Sensing, 8(6), 264. https://doi.org/10.3390/rs8060454

Lacava, T., Ciancia, E., Di Polito, C., Madonia, A., Pascucci, S., Pergola, N., … Tramutoli, V. (2018). Evaluation of MODIS—Aqua Chlorophyll-a Algorithms in the Basilicata Ionian Coastal Waters. Remote Sensing, 10(7), 987. https://doi.org/10.3390/rs10070987

Markogianni, V., Kalivas, D., Petropoulos, G., & Dimitriou, E. (2018). An Appraisal of the Potential of Landsat 8 in Estimating Chlorophyll-a, Ammonium Concentrations and Other Water Quality Indicators. Remote Sensing, 10(7), 1018. https://doi.org/10.3390/rs10071018

Martinez, E., Raapoto, H., Maes, C., & Maamaatuaihutapu, K. (2018). Influence of Tropical Instability Waves on Phytoplankton Biomass near the Marquesas Islands. Remote Sensing, 10(4), 640. https://doi.org/10.3390/rs10040640

Meister, G., & Franz, B. A. (2014). Corrections to the MODIS Aqua Calibration Derived From MODIS Aqua Ocean Color Products. IEEE Transactions on Geoscience and Remote Sensing, 52(10), 6534–6541. https://doi.org/10.1109/TGRS.2013.2297233

Neelamani, S. (2016). Coastal erosion and accretion in Kuwait - Problems and management strategies. Ocean and Coastal Management. https://doi.org/10.1016/j.ocecoaman.2017.05.014

Patissier, D. B, Schroeder, T., Brando, V., Maier, S., Dekker, A., & Phinn, S. (2014). ESA-MERIS 10-Year Mission Reveals Contrasting Phytoplankton Bloom Dynamics in Two Tropical Regions of Northern Australia. Remote Sensing, 6(4), 2963–2988. https://doi.org/10.3390/rs6042963

Rinaldi, A., Tamburrano, A., Fortunato, M., & Sarto, M. (2016). A Flexible and Highly Sensitive Pressure Sensor Based on a PDMS Foam Coated with Graphene Nanoplatelets. Sensors, 16(12), 2148. https://doi.org/10.3390/s16122148

Rocchini, D. (2013). Seeing the unseen by remote sensing: Satellite imagery applied to species distribution modelling. Journal of Vegetation Science, 24(2), 209–210. https://doi.org/10.1111/jvs.12029

She, J., Wang, F., & Zhou, J. (2016). A Novel Sensor Selection and Power Allocation Algorithm for Multiple-Target Tracking in an LPI Radar Network. Sensors, 16(12), 2193. https://doi.org/10.3390/s16122193

Trishchenko, A. P., Cihlar, J., & Li, Z. (2002). Effects of spectral response function on surface reflectance and NDVI measured with moderate resolution satellite sensors. Remote Sensing of Environment. https://doi.org/10.1016/S0034-4257(01)00328-5

Wang, G., Zhang, B., Li, J., Zhang, H., Shen, Q., Wu, D., & Song, Y. (2011). Study on monitoring of red tide by multi-spectral remote sensing based on HJ-CCD and MODIS. Procedia Environmental Sciences, 11(PART C), 1561–1565. https://doi.org/10.1016/j.proenv.2011.12.235

Wibisana, H., Zainab, S., & Handajani, N. (2016). Analisa Konsentrasi Klorofil-A Pada Pesisir Pantai Berbasis Parameter Nilai Reflektans Citra Satelit Aqua Modis. Seminar Nasional Geomatika, 301–307. https://doi.org/10.24895/SNG.2016.0-0.96

Zhang, W., Li, A., Jin, H., Bian, J., Zhang, Z., Lei, G., … Huang, C. (2013). An enhanced spatial and temporal data fusion model for fusing landsat and modis surface reflectance to generate high temporal landsat-like data. Remote Sensing. https://doi.org/10.3390/rs5105346




DOI: http://dx.doi.org/10.24895/JIG.2019.25-1.889

Article Metrics

Abstract view : 0 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 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