BAB 6: NDVI: Mengukur Kehijauan Tanaman dengan Satu Rumus

#Studi kasus: "Kebun mana yang paling hijau?"

Kepala Seksi ingin membandingkan kondisi vegetasi KPH Alpha, Beta, dan Gamma. Memandangi citra warna palsu membuat Analis Muda hanya bisa berkata "yang ini lebih merah". Kepala Seksi menginginkan angka. Bab ini memperkenalkan indeks vegetasi NDVI, yang mengubah dua band menjadi satu angka kehijauan untuk tiap piksel.

#Konsep: NDVI dalam tiga kalimat

Daun sehat menyerap cahaya merah untuk berfotosintesis dan memantulkan banyak inframerah dekat, seperti cermin yang hanya memantulkan satu warna. NDVI membandingkan kedua pantulan itu dalam satu rumus: selisihnya dibagi jumlahnya. Hasilnya angka antara -1 dan 1, dan makin tinggi berarti makin lebat dan sehat vegetasinya.

Istilah baru bab ini:

• Indeks vegetasi: angka hasil rumus beberapa band untuk menonjolkan vegetasi.
• NDVI (Normalized Difference Vegetation Index): indeks vegetasi yang paling umum.
• Pantulan (reflektansi): bagian cahaya yang dipantulkan permukaan.
• Raster calculator: alat hitung antar-raster, piksel demi piksel.
• Statistik zonal: ringkasan nilai raster (misalnya rata-rata) di dalam tiap poligon.

#Rumusnya

NDVI = (NIR - Merah) / (NIR + Merah)

NIR adalah band inframerah dekat (band 4, B08). Merah adalah band 3 (B04). Contoh untuk hutan sintetis: pantulan NIR 0,40 dan merah 0,03. NDVI = (0,40 - 0,03) / (0,40 + 0,03) = 0,86.

#Cara membaca nilai NDVI

Kisaran ini pedoman kasar, bukan hukum. Nilai batas berbeda antar-citra dan antar-daerah. [kemungkinan: kebiasaan umum; batas kelas di buku ini pilihan penulis untuk latihan]

#Angka dari data latihan

NDVI rata-rata per jenis tutupan (data sintetis; dihitung dari piksel):

Seluruh citra: NDVI terkecil -0,328, terbesar 0,903, rata-rata 0,735. Dikelompokkan dengan batas 0, 0,3, dan 0,6:

NDVI rata-rata per KPH: Alpha 0,814, Beta 0,614, Gamma 0,755. Beta paling rendah karena separuhnya adalah sawah atau tanaman muda. Alpha tinggi karena hampir seluruhnya hutan. Semua angka diuji di QGIS 4.0.2 (Skrip 6.1).

("Citra_4band@4" - "Citra_4band@3") / ("Citra_4band@4" + "Citra_4band@3")

import processing
from qgis.core import QgsRasterLayer, QgsProject
from qgis.analysis import QgsRasterCalculator, QgsRasterCalculatorEntry

DATA = r"D:/data/paket-b3"
OUT = r"C:/kerja_b3"

stack = QgsRasterLayer(OUT + "/Citra_4band.tif", "Citra_4band")
nir = QgsRasterCalculatorEntry()
nir.ref, nir.raster, nir.bandNumber = "nir@1", stack, 4      # band 4 = inframerah dekat
red = QgsRasterCalculatorEntry()
red.ref, red.raster, red.bandNumber = "red@1", stack, 3      # band 3 = merah

rumus = '("nir@1" - "red@1") / ("nir@1" + "red@1")'
calc = QgsRasterCalculator(rumus, OUT + "/NDVI.tif", "GTiff", stack.extent(), stack.width(), stack.height(),
                           [nir, red], QgsProject.instance().transformContext())
print("Kode hasil (0 = sukses):", calc.processCalculation())

st = processing.run("native:rasterlayerstatistics", {"INPUT": OUT + "/NDVI.tif", "BAND": 1})
print("NDVI min/maks/rata-rata:", round(st["MIN"], 3), "/", round(st["MAX"], 3), "/", round(st["MEAN"], 3))

# Kelompokkan: sampai 0 = air; 0-0,3 = lahan terbuka; 0,3-0,6 = vegetasi jarang; di atas 0,6 = vegetasi rapat
processing.run("native:reclassifybytable", {
    "INPUT_RASTER": OUT + "/NDVI.tif", "RASTER_BAND": 1,
    "TABLE": [-1, 0, 1,  0, 0.3, 2,  0.3, 0.6, 3,  0.6, 1.01, 4],
    "RANGE_BOUNDARIES": 0, "NODATA_FOR_MISSING": True, "NO_DATA": 255, "DATA_TYPE": 0,
    "OUTPUT": OUT + "/NDVI_kelas.tif"})
u = processing.run("native:rasterlayeruniquevaluesreport", {"INPUT": OUT + "/NDVI_kelas.tif", "BAND": 1,
                                                            "OUTPUT_TABLE": "TEMPORARY_OUTPUT"})
nama = {1: "Air", 2: "Lahan terbuka", 3: "Vegetasi jarang", 4: "Vegetasi rapat"}
for f in u["OUTPUT_TABLE"].getFeatures():
    k = int(f["value"])
    print(k, nama.get(k, "NoData"), f["count"], "piksel =", round(f["count"] * 4 / 10000, 2), "ha")

# Rata-rata NDVI per KPH
z = processing.run("native:zonalstatisticsfb", {
    "INPUT": DATA + "/Batas_KPH.gpkg|layername=Batas_KPH", "INPUT_RASTER": OUT + "/NDVI.tif", "RASTER_BAND": 1,
    "COLUMN_PREFIX": "ndvi_", "STATISTICS": [2], "OUTPUT": "TEMPORARY_OUTPUT"})
for f in z["OUTPUT"].getFeatures():
    print(f["NAMA_KPH"], "NDVI rata-rata:", round(f["ndvi_mean"], 3))

Kode hasil (0 = sukses): 0
NDVI min/maks/rata-rata: -0.328 / 0.903 / 0.735
1 Air 1203 piksel = 0.48 ha
2 Lahan terbuka 1767 piksel = 0.71 ha
3 Vegetasi jarang 4994 piksel = 2.0 ha
4 Vegetasi rapat 32036 piksel = 12.81 ha
KPH Alpha NDVI rata-rata: 0.814
KPH Beta NDVI rata-rata: 0.614
KPH Gamma NDVI rata-rata: 0.755

(Float("Citra_4band.tif - Band_4") - Float("Citra_4band.tif - Band_3")) / (Float("Citra_4band.tif - Band_4") + Float("Citra_4band.tif - Band_3"))

(Float("Citra_4band.tif - Band_4") - Float("Citra_4band.tif - Band_3")) / (Float("Citra_4band.tif - Band_4") + Float("Citra_4band.tif - Band_3"))

#Cek paham

1. Mengapa vegetasi sehat bernilai NDVI tinggi?
2. Berapa kisaran nilai NDVI yang mungkin?
3. Mengapa rumus (A-B)/(A+B) pada band UInt16 bisa salah di alat GDAL?

Jawaban:

1. Daun sehat menyerap merah dan memantulkan banyak inframerah dekat. Selisihnya besar, jadi NDVI mendekati 1.
2. Antara -1 dan 1.
3. Selisih negatif pada bilangan tanpa tanda "membungkus" menjadi angka besar, sehingga hasil melebihi 1. Ubah ke pecahan dulu (astype(float)).

#Kesalahan umum

• Salah memilih band. Tertukarnya band merah dan inframerah dekat membalik tanda NDVI. Cocokkan dengan Bab 2: merah band 3, NIR band 4.
• Tipe bilangan bulat. Lihat jebakan di atas. Selalu periksa min dan maks hasil.
• Menafsirkan angka mutlak sebagai kebenaran lapangan. Nilai NDVI bergantung pada sensor dan musim. Gunakan untuk membandingkan dalam satu citra, atau antar-tanggal dengan syarat yang sama.
• Menghitung rata-rata dari raster yang tidak dipotong. Rata-rata seluruh citra bukan rata-rata satu KPH. Pakai statistik zonal atau potong dulu (Bab 4).

#Ringkasan dan latihan

Ringkasan: NDVI = (NIR - Merah) / (NIR + Merah), berkisar -1 sampai 1. Hitung dengan Raster Calculator, kelompokkan dengan reklasifikasi, dan ringkas per KPH dengan statistik zonal. Waspadai tipe bilangan bulat.

Latihan:

1. Hitung NDVI, lalu temukan nilainya di titik bukaan lahan Alpha (E 312145, N 9996065). Jawaban uji: sekitar 0,15 (nilai asli di piksel itu 0,149; rata-rata lahan terbuka 0,128).
2. Hitung NDVI rata-rata per KPH dan urutkan dari yang tertinggi. Jawaban uji: Alpha 0,814, Gamma 0,755, Beta 0,614.
3. Mengapa Gamma lebih rendah dari Alpha padahal sama-sama hutan? Jawaban: Gamma memuat sungai (NDVI negatif) dan bukaan lahan bulat yang menurunkan rata-rata.

#Tabel perbandingan: NDVI