| dc.identifier.citation | Chander, G., Markham, B.L. & Helder, D.L., 2009. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), hal.893–903. Available at: http://dx.doi.org/10.1016/j.rse.2009.01.007. Chen, X.L. et al., 2006. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment, 104(2), hal.133–146. Feyisa, G.L. et al., 2014. Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, hal.23–35. Available at: http://dx.doi.org/10.1016/j.rse.2013.08.029. Guo, G. et al., 2015. Impacts of urban biophysical composition on land surface temperature in urban heat island clusters. Landscape and Urban Planning, 135, hal.1–10. Available at: http://dx.doi.org/10.1016/j.landurbplan.2014.11.007. Kaya, S. et al., 2011. MULTI-TEMPORAL ANALYSIS OF URBAN AREA CHANGES USING BUILT-UP. , hal.1–6. Stefanov, W.L. & Netzband, M., 2005. Assessment of ASTER land cover and MODIS NDVI data at multiple scales for ecological characterization of an arid urban center. Remote Sensing of Environment, 99(1–2), hal.31–43. Xu, H., Huang, S. & Zhang, T., 2013. Built-up land mapping capabilities of the ASTER and Landsat ETM+ sensors in coastal areas of southeastern China. Advances in Space Research, 52(8), hal.1437–1449. Available at: http://dx.doi.org/10.1016/j.asr.2013.07.026. Zha, Y., Gao, J. & Ni, S., 2017. Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. , 1161(March). | in_ID |
| dc.description.abstract | Pemanfaatan data penginderaan jauh untuk studi perkotaan semakin
beragam. Perkembangan metode ekstraksi citra juga mengalami
perkembangan yang sangat pesat, mulai dari ekstraksi data secara visual,
digital, sampai dengan ektraksi indeks yang bisa mewakili untuk mengukur
kenampakaan tertentu di daerah perkotaan. Salah satunya adalah
Normalized Difference built-up index (NDBI). Walaupun NDBI sudah banyak
digunakan untuk ektraksi kawasan terbangun di perkotaan, akan tetapi
masih memiliki keterbatasan, sehingga perlu pengembangan metode yang
baru untuk ekstraksi data lahan terbangun secara semi-otomatis. Tujuan
dari penelitian ini adalah mengembangkan metode baru untuk ektraksi
lahan terbangun di perkotaan dengan memperhatikan peranan indeks yang
lainnya. Data yang digunakan adalah citra Landsat 8 OLI, path/row 120/65.
Penelitian ini mencoba menggabungkan analisis NDBI dengan beberapa
indeks terkait di perkotaan seperti Normalized Difference Vegetation Index
(NDVI) untuk melihat secara komprehensif kenampakan lahan terbangun
perkotaan. Hasil penelitian ini melakukan proses segmentasi semi otomatis
dengan hasil ketelitian pemetaan 88,51% daripada metode transformasi
NDBI murni. Penelitian ini akan sangat membantu untuk memisahkan
lahan kering dan lahan kosong di perkotaan sampai ambang batas tertentu. | in_ID |
