| dc.identifier.citation | Borengasser, M., dkk. (2007), Hyperspectral Remote Sensing: Principles and Applications, CRC Press Taylor and Francis Group, Florida. Chen, J. M. (1995), Evaluation of vegetation indices and a modified simple ratio for boreal applications, Canadian Journal of Remote Sensing, Vol.22, Hal. 229-242. Darmawan, Arief.(2012), Pembangunan Model Hyperspectral Untuk Estimasi Produksitivitas Vegetasi Padi Berdasarkan Metode Derivatif Regresi Linear, Disertasi Dr., Institut Teknologi Sepuluh Nopember, Surabaya. Daughtry, C.S.T., dkk. (2000). Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance, Remote Sensing Environment Vol. 74, Hal. 229–239. Lillesand T. M. dan Kiefer R. W. (2000), Remote Sensing and Image Interpretation, 4th ed, Jhon Wiley & Sons., New York. Purwadhi, F.(2001). Interpretasi Citra Digital , Gramedia Widiasarana Indonesia., Jakarta. | en_US |
| dc.description.abstract | Kerapatan daun tanaman padi sangat erat kaitannya dengan fase pertumbuhan tanaman padi. Semakin rapat tanaman padi akan
menunjukkan peningkatan fase pertumbuhan (vegetatif, reproduktif dan ripening). Pemantauan fase pertumbuhan ini sangat penting untuk
mengetahui luas lahan siap panen pada N bulan ke depan.Teknologi penginderaan jauh dengan sensor hyperspectral dapat membantu
untuk melakukan pemetaan distribusi kerapatan daun tanaman padi dalam wilayah yang luas secara efektif dan efisien . Dalam estimasi
indeks kerapatan daun tanaman padi dengan citra hyperspectral diperlukan algoritma khusus untuk medapatkan akurasi yang baik. Dalam
penelitian ini digunakan beberapa indeks vegetasi seperti Renormalized Difrerence Vegetation Index (RDVI), Multiple Simple Ratio (MSR),
Modified Soil Adjusted Vegetation Index (MSAVI) dan bentuk modifikasi dari Trianggle Vegetation Index (MTVI 1 dan MTVI 2) untuk estimasi
kerapatan daun tanaman padi. Pemodelan dilakukan menggunakan metode regresi dari data pengukuran spectral in situ dan kerapatan in
situ. Selain itu dalam penelitian ini juga digunakan metode model estimasi dengan Partial Least Square Regression. Hasil dari penelitian ini
menunjukkan bahwa RDVI , MTVI 1 dan PLSR 44 Band pada PC no 07 cukup efektif untuk estimasi kerapatan daun tanaman padi. Model
hubungan korelasi RDVI dengan kerapan daun mempunyai Koefisien determinasi (R
) sebesar 0.903 dan RMSE 0.62 LAI unit. ,untuk MTVI
1 mempunyai koefisien determinasi (R
2
2
) sebesar 0.886 dan RMSE 0.68 SPAD unit. Kemudian untuk PLSR 44 band mempunyai koefisien
determinasi (R
2
) sebesar 0.938 dan RMSE sebesar 0.29 LAI unit. Hasil Validasi model dengan citra Airborne HyMap menghasilkan R
sebesar 0.905 untuk RDVI , 0.89 untuk MTVI 1 dan 0.97 untuk PLSR 44 band. | en_US |
