Author:
Latue Philia Christi,Rakuasa Heinrich,Sihasale Daniel Anthoni
Abstract
Pertumbuhan kota Ambon yang pesat serta dapat mempengaruhi penurunan Indeks kerapatan vegetasi di Kota Ambon. Penelitian ini bertujuan untuk mengnalisis kerapatan vegetasi Kota Ambon menggunakan data citra satelit sentinel-2 dengan metode MSARVI berbasis machine learning pada google earth engine. Penelitian ini menggunakan data Citra Satelit Sentinel-2 yang dianalisis menggunakan Google Earth Engine dengan metode Modified Soil-Adjusted Vegetation Index. Hasil analisis kerapatan vegetasi menggunakan metode Metode MSARVI (Modified Soil-Adjusted Vegetation Index) menunjukan bahwa daerah yang memiliki kerapatan vegetasi tinggi memiliki luas sebesar 32.856,03 ha atau 85%, daerah yang memiliki kerapatan vegetasi sedang memiliki luas sebesar 3.508,67 ha atau 9,11 % dan daerah yang memiliki kerapatan vegetasi rendah memiliki luas sebesar 2.169,64 ha atau 5,63 %. Nilai kerapatan vegetasi di Kota Ambon pada tahun 2023 yaitu nilai terendah -0,481341 dan nilai tertinggi 0,978457. Hasil penelitian ini dapat digunakan untuk monitoring perubahan lingkungan, mengidentifikasi area dengan kualitas lingkungan yang buruk, mengukur dampak perubahan iklim dan menyediakan informasi bagi pengambil keputusan.
Reference23 articles.
1. J. H. Pietersz, J. Matinahoru, and R. Loppies, “Pendekatan Indeks Vegetasi Untuk Mengevaluasi Kenyamanan Termal Menggunakan Data Satelit Landsat-Tm Di Kota Ambon,” Agrologia, vol. 4, no. 2, Feb. 2018, doi: 10.30598/a.v4i2.208.
2. G. S. Heinrich Rakuasa, “Analisis Spasial Kesesuaian dan Evaluasi Lahan Permukiman di Kota Ambon,” J. Sains Inf. Geogr. (J SIG), vol. 5, no. 1, pp. 1–9, 2022, doi: DOI: http://dx.doi.org/10.31314/j%20sig.v5i1.1432.
3. H. Latue, P. C., Septory, J. S. I., & Rakuasa, “Perubahan Tutupan Lahan Kota Ambon Tahun 2015, 2019 dan 2023,” JPG (Jurnal Pendidik. Geogr., vol. 10, no. 1, pp. 177–186, 2023, doi: http://dx.doi.org/10.20527/jpg.v10i1.15472.
4. H. Rakuasa, “ANALISIS SPASIAL TEMPORAL SUHU PERMUKAAN DARATAN/ LAND SURFACE TEMPERATURE (LST) KOTA AMBON BERBASIS CLOUD COMPUTING: GOOGLE EARTH ENGINE,” J. Ilm. Inform. Komput., vol. 27, no. 3, pp. 194–205, Dec. 2022, doi: 10.35760/ik.2022.v27i3.7101.
5. M. M. F. Wong, J. C. H. Fung, and P. P. S. Yeung, “High-resolution calculation of the urban vegetation fraction in the Pearl River Delta from the Sentinel-2 NDVI for urban climate model parameterization,” Geosci. Lett., vol. 6, no. 1, p. 2, Dec. 2019, doi: 10.1186/s40562-019-0132-4.
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献