
NWSLogbook entry
Peneliti Kembangkan Indeks Spektral Tanpa SWIR untuk Pemetaan Mangrove
Peneliti internasional mengembangkan indeks spektral MWDI2 untuk memetakan hutan mangrove beresolusi tinggi tanpa kanal inframerah gelombang pendek.
Departures

NWSLogbook entry
Peneliti internasional mengembangkan indeks spektral MWDI2 untuk memetakan hutan mangrove beresolusi tinggi tanpa kanal inframerah gelombang pendek.
Tim peneliti internasional mengembangkan metode pemetaan mangrove beresolusi tinggi menggunakan indeks spektral baru tanpa membutuhkan kanal inframerah gelombang pendek.
Formulasi baru bernama Multispectral Water Detection Index 2 (MWDI2) tersebut dirancang untuk sensor satelit empat kanal beresolusi tinggi. Metode ini memanfaatkan kombinasi saluran spektral biru, hijau, merah, dan inframerah dekat (near-infrared atau NIR).
Klasifikasi berbasis algoritma Random Forest pada platform Google Earth Engine menghasilkan akurasi pemetaan antara 93,91 persen hingga 99,73 persen. Laporan riset tersebut dipublikasikan secara terbuka di jurnal ilmiah internasional Geocarto International terbitan Taylor & Francis.
Peneliti utama dari Universidad de San Carlos de Guatemala Nestor Erick Anibal Caal Suc bersama tim merancang indeks ini untuk mengatasi keterbatasan sensor mikrosatelit komersial. Citra PlanetScope dari program NICFI menyediakan resolusi spasial 4,7 meter, tetapi tidak memiliki kanal shortwave infrared (SWIR).
Ketiadaan kanal SWIR selama ini menghambat penggunaan indeks standar seperti Modular Mangrove Recognition Index (MMRI) dan Modified Normalised Difference Water Index (MNDWI). MWDI2 hadir dengan memberikan bobot negatif pada kanal hijau serta memanfaatkan kanal merah dan NIR untuk meredam sinyal vegetasi non-mangrove.

Dalam pengujian statistik, MWDI2 menunjukkan korelasi kuat dengan indeks acuan MNDWI pada data Landsat dan Sentinel-2A. Nilai koefisien determinasi mencapai kisaran 0,8129 hingga 0,9210 dengan galat estimasi rendah di bawah beragam tingkat tutupan awan.
Tim peneliti menguji metode tersebut di kompleks mangrove Manchón Guamuchal, pesisir Pasifik Guatemala, sepanjang periode 2017 hingga 2025. Wilayah ini mencakup 90,73 persen dari total luasan hutan mangrove di negara tersebut.
Model klasifikasi dilatih menggunakan 181.278 piksel dari 40 plot uji lapangan yang divalidasi memakai survei GPS RTK. Nilai koefisien Kappa model berada di rentang 0,897 hingga 0,996 dengan skor F1 melampaui 0,94.
Hasil pemantauan mencatat luas hutan mangrove di kawasan tersebut menyusut dari 7.075,4 hektar pada 2017 menjadi 6.524,1 hektar pada 2025. Penurunan terbesar terjadi antara 2019 dan 2020 akibat kebakaran hutan besar yang melanda cagar alam tersebut.
Data dan skrip komputasi algoritma Google Earth Engine dalam riset ini telah dibuka untuk publik. Peneliti merencanakan pengembangan lanjutan dengan mengintegrasikan indeks MWDI2 bersama data radar untuk meningkatkan pemantauan restorasi mangrove secara berkala.
You must be logged in to comment
No comments yet. Be the first to comment!

Written by
Liu PurnomoI'm a Software Engineer who turns coffee into code, and sometimes I even make interactive web things that work! ☕💻 I'm also a certified multitasker: an Expert Drone Pilot (ask me for aerial selfies!), a Certified Instructor/Public Speaker (I talk a lot), and a Seasonal Runner who believes in running only when the weather is perfect. Let's connect!
More articles headed the same way as this one.


Pengembangan indeks tanpa SWIR dinilai membuka peluang luas bagi pemantauan ekosistem pesisir tropis yang rentan mengalami fragmentasi. Selama ini analisis vegetasi mangrove sering mengandalkan kombinasi data spektral dan pemetaan menggunakan drone untuk survei area yang sempit.
Ketersediaan metode ini melengkapi pemanfaatan data spasial dari citra konstelasi nanosatelit beresolusi tinggi tanpa harus bergantung pada sensor beresolusi sedang. Keunggulan tersebut sangat dibutuhkan wilayah kepulauan khatulistiwa yang memiliki hamparan mangrove luas dan cuaca berawan dinamis.