One of the crucial indicators that reflects the natural state of an ecosystem and land management worldwide is the level of vegetation health. Therefore, monitoring vegetation health holds significant importance, particularly in Indonesia, a country renowned for its rich biodiversity. Vegetation health plays a pivotal role in maintaining environmental balance, providing natural resources, and supporting the livelihoods of humans and diverse fauna in various ecosystems.

Furthermore, Indonesia, along with many other nations globally, is either facing or already grappling with substantial challenges in managing natural resources and conserving the environment amidst the backdrop of global climate change and rapid population growth. Undoubtedly, a deep understanding of vegetation health is necessary to develop sustainable and effective environmental policies.

The exposition above leads us to the concept of why monitoring vegetation becomes imperative for decision-making. In this context, monitoring the level of vegetation health is achieved through remote sensing methods, utilizing the normalized difference vegetation index (NDVI) values. With a more profound understanding of vegetation health across Indonesia, we can plan more effective measures to preserve valuable natural resources and ecosystems.

PENTINGNYA PEMANTAUAN KESEHATAN VEGETASI

Seperti yang telah dipaparkan sebelumnya, kesehatan vegetasi menjadi penting adanya untuk dilakukan pemantauan secara berkelanjutan. Beberapa penelitian menyebutkan bahwa pemantauan kesehatan vegetasi akan memberikan dampak yang sangat luas terhadap berbagai sektor, termasuk pertanian, kehutanan, konservasi, dan mitigasi perubahan iklim. Vegetasi sebagai dasar dari sebuah ekosistem yang di dalamnya terdapat berbagai komponen yang saling berinteraksi satu sama lain sehingga dengan adanya pemantauan tersebut, pola kesehatan vegetasi dapat dipahami terutama perubahannya terhadap perubahan iklim.

Sebagai contoh, pada sektor pertanian, vegetasi merupakan komponen utama yang menentukan produktivitas hasil panen. Vegetasi yang tumbuh sehat tentunya akan menghasilkan panen dengan kualitas yang baik. Hal ini berkesinambungan dengan adanya pemantauan yang tepat terhadap vegetasi di lahan pertanian tersebut. Saat ini, terdapat berbagai metode untuk melakukan pemantauan (monitoring) terutama untuk kesehatan vegetasi. Beberapa metode yang bisa dilakukan adalah sebagai berikut,

1. Penginderaan Jauh

Dewasa ini, metode penginderaan jauh menjadi salah satu metode untuk mendapatkan informasi berbasis keruangan secara gratis dengan cakupan wilayah yang luas. Jika berbicara vegetasi, metode ini dapat menjawab secara holistik dalam mengidentifikasi masalah kesehatan vegetasi, seperti kekeringan, penyakit, kebakaran hutan, atau deforestasi. Salah satu metode penginderaan jauh untuk memantau kesehatan vegetasi adalah menggunakan citra satelit Landsat/Sentinel.

Ada beberapa metode yang dapat digunakan dalam pengukuran indeks kesehatan vegetasi. Metode-metode tersebut di antaranya NDVI, enhanced vegetation index (EVI), dan soil adjusted vegetation index (SAVI), yang mengukur perbedaan reflektansi inframerah jauh dan cahaya merah pada permukaan tanah. Selain itu, terdapat metode seperti leaf area index (LAI) untuk mengukur jumlah daun dalam lapisan vegetasi, indeks klorofil untuk menentukan kandungan klorofil dalam daun, dan teknik pengolahan citra multitemporal untuk pemantauan perubahan vegetasi dari waktu ke waktu. Setiap metode memiliki kegunaan dan batasan yang berbeda, dan pemilihan tergantung pada tujuan analisis vegetasi yang spesifik. Tentunya, metode ini bisa jadi langkah awal untuk mengindentifikasi kesehatan vegetasi sebelum dilakukan pengamatan on-site.

2. Pengamatan langsung (on-site)

Metode lainnya yang juga penting untuk mendapatkan informasi kesehatan vegetasi adalah dengan mengamati vegetasi tersebut secara langsung. Beberapa cara yang bisa dilakukan adalah pengamatan visual dan sampling vegetasi. Dalam hal ini, pengamat akan melakukan survei lapangan dan memeriksa berbagai hal, seperti tanda-tanda stres, penyakit, dan lain sebagainya. Tentunya, jika cakupan vegetasi tersebut cukup luas, pengamat akan melakukan sampling yang mewakili keseluruhan vegetasi di area tersebut. Kemudian, sampelnya akan dianalisis dan diidentifikasi hasilnya di laboratorium.

Dengan teknologi yang memadai, secara langsung kondisi vegetasi juga dapat dipantau dengan sensor tanah guna melihat berbagai parameter tanah tempat tumbuhnya vegetasi tersebut. Beberapa jenis sensor tanah yang biasa digunakan adalah sensor kelembapan tanah dan nutrisi tanah. Sensor kelembapan tanah akan membantu mengindentifikasi tingkat kelembapan tanah dan juga membantu pengelolaan irigasi yang efisien. Sedangkan sensor nutrisi tanah akan membantu memastikan vegetasi mendapatkan nutrisi yang cukup. Oleh karena itu, penting adanya melakukan pengamatan langsung selain pengamatan menggunakan penginderaan jauh.

THE THE IMPORTANCE OF VEGETATION HEALTH MONITORING

As mentioned earlier, monitoring vegetation health has become crucial for continuous assessment. Several studies have indicated that monitoring vegetation health will have a widespread impact on various sectors, including agriculture, forestry, conservation, and climate change mitigation. Vegetation forms the foundation of an ecosystem, with various components interacting with each other. Therefore, through such monitoring, the patterns of vegetation health, especially its response to climate change, can be understood.

For example, in the agricultural sector, vegetation is a key component that determines crop productivity. Healthy vegetation will undoubtedly result in high-quality yields. This is closely related to the proper monitoring of vegetation in agricultural land. Currently, there are various methods available for monitoring vegetation health. Some of the methods that can be employed are as follows,

1. R1. Remote Sensing

Nowadays, remote sensing has become one of the methods to obtain spatially-based information for free with extensive coverage. When it comes to vegetation, this method can provide a holistic approach to identifying vegetation health issues such as drought, diseases, forest fires, or deforestation. One of the remote sensing methods used to monitor vegetation health is by using Landsat/Sentinel satellite imagery.

Several methods can be used in measuring the vegetation health index. These include NDVI, enhanced vegetation index (EVI) and soil adjusted vegetation index (SAVI), which measure the difference in reflectance of far infrared and red light on the soil surface. In addition, there are methods such as leaf area index (LAI) to measure the number of leaves in a vegetation layer, chlorophyll index to determine the chlorophyll content in leaves, and multitemporal image processing techniques for monitoring vegetation changes over time. Each method has different uses and limitations, and selection depends on the specific vegetation analysis objectives. Of course, these methods can be a first step to identifying vegetation health before on-site observations are made.

2. O2. On-Site Observation

Another important method to obtain information about vegetation health is by directly observing the vegetation on-site. Some ways to do this include visual observation and vegetation sampling. In this case, an observer conducts field surveys and examines various aspects, such as signs of stress, diseases, and so on. Of course, if the vegetation coverage is extensive, the observer will take samples that represent the entire vegetation in that area. These samples are then analyzed and identified in the laboratory.

With adequate technology, the condition of vegetation can also be monitored on-site using soil sensors to observe various soil parameters in the area where the vegetation grows. Some common types of soil sensors include soil moisture sensors and soil nutrient sensors. Soil moisture sensors help identify soil moisture levels and also assist in efficient irrigation management. Meanwhile, soil nutrient sensors ensure that vegetation receives an adequate supply of nutrients. Therefore, direct observations are essential in addition to remote sensing observations.

NDVI DAN TINGKAT KESEHATAN VEGETASI

NDVI merupakan salah satu indeks spektral yang paling sering digunakan untuk mengidentifikasi vegetasi dan menilai kesehatannya secara keseluruhan. Perhitungan kesehatan vegetasi dengan NDVI dilakukan dengan membandingkan gelombang near infra red (NIR) dan gelombang merah (red). Hal ini didasarkan pada struktur sel daun tanaman dapat memantulkan gelombang NIR karena kandungan klorofil pada daun sedikit menyerap gelombang tersebut dan lebih banyak menyerap gelombang red. Dengan begitu, tanaman yang sehat dengan kandungan klorofil yang tinggi akan menyerap gelombang red lebih banyak dan merefleksikan gelombang NIR yang juga lebih tinggi.

Rentang nilai NDVI dinormalisasikan dari -1 hingga +1, dengan nilai negatif umumnya menunjukkan permukaan yang tidak tertutupi vegetasi, seperti permukaan air atau gurun yang sangat gersang. Indeks NDVI yang mendekati nol, misalnya 0.1 atau 0.2, mengindikasikan permukaan yang tertutupi sangat sedikit tanaman. Sementara nilai positif menunjukkan keberadaan vegetasi yang semakin baik, dengan nilai yang lebih tinggi mengindikasikan vegetasi yang semakin subur dan sehat. Dengan identifikasi seperti itu, NDVI sangat berguna dan umum digunakan dalam pemantauan perubahan lahan, pemantauan kekeringan, dan analisis lingkungan lainnya.

Meski penggunaan NDVI cukup populer, akurasi NDVI dapat dipengaruhi oleh beberapa faktor. Salah satunya yaitu tingkat kecerahan dan warna tanah yang bervariasi berpengaruh pada kontras antara area yang bervegetasi dan tidak bervegetasi. Selain itu juga kondisi atmosfer, seperti aerosol dan gas, dapat menyebarkan dan menyerap sinar matahari serta mengubah informasi spektral yang masuk. Selain itu, tutupan awan dan bayangannya dapat menghalangi pengumpulan data, sehingga bayangan yang dihasilkan pada area bervegetasi dapat salah diinterpretasi. Untuk mengatasi tantangan ini dan meningkatkan keandalan NDVI, para ahli penginderaan jauh menggunakan teknik kalibrasi untuk memperbaiki respons sensor, mengembangkan algoritma koreksi atmosfer, dan menerapkan metode deteksi awan dan bayangan.

NDVINDVI AND VEGETATION HEALTH LEVELS

NDVI is one of the most frequently used spectral indices to identify vegetation and assess its health overall. Calculating vegetation health with NDVI is done by comparing near-infrared (NIR) and red bands. NDVI calculation is based on the cellular structure of plant leaves that reflect the NIR bands because the chlorophyll content in the leaves absorbs less of these waves and more of the red bands. Therefore, a healthy plant with high chlorophyll content will absorb more red bands and reflect higher NIR bands.

The range of NDVI values is normalized from -1 to +1, with negative values generally indicating surfaces not covered by vegetation, such as water surfaces or very arid deserts. NDVI indices close to zero, such as 0.1 or 0.2, indicate surfaces covered by very few plants. In comparison, positive values indicate the presence of more and better vegetation, with higher values indicating more lush and healthy vegetation. With such identification, NDVI is very useful in land change monitoring, drought monitoring and other environmental analyses.

Despite the popularity of NDVI, its accuracy can be affected by several factors. One of them is that varying soil brightness and color affects the contrast between vegetated and non-vegetated areas. Also, atmospheric conditions, such as aerosols and gases, can scatter and absorb sunlight, altering the incoming spectral information. In addition, cloud cover and shadows can obstruct data collection, so the vegetated areas can be misinterpreted. To overcome these challenges and improve the reliability of NDVI, remote sensing experts use calibration techniques to improve sensor response, develop atmospheric correction algorithms, and apply cloud and shadow detection methods.

KESEHATAN VEGETASI: DARI TAHUN KE TAHUN

Kita coba lakukan pemantauan tingkat kesehatan vegetasi dengan menggunakan NDVI sebagai alat analisis utama. Sebagai contoh, kita akan menggunakan data di Kota Bandung selama periode 2013-2021.

Pada tahun 2013, hasil analisis menunjukkan bahwa ada 14 area dengan vegetasi yang tidak sehat (unhealty vegetation), 12 area dengan vegetasi cukup sehat (moderately healthy vegetation), dan 3 area dengan vegetasi sangat sehat (very healthy vegetation). Namun, jika melihat data pada tahun 2017, kita dapat melihat peningkatan dalam kesehatan vegetasi, dengan jumlah area unhealthy vegetation yang tetap 14, sedangkan area moderately healthy vegetation meningkat menjadi 19, dan very healthy vegetation mencapai 5 area.

Pada tahun 2021, tren ini berlanjut dengan jumlah area unhealthy vegetation yang tetap 14, sedangkan area moderately healthy vvegetation sedikit berkurang menjadi 16, dan area very healthy vegetation meningkat menjadi 6. Hasil ini memberikan insight yang menarik tentang perubahan dalam kondisi vegetasi Kota Bandung selama periode waktu yang diamati.

Temuan ini memiliki dampak yang signifikan pada pemahaman kita tentang lingkungan Kota Bandung dan dapat menjadi dasar untuk pengambilan keputusan yang lebih baik terkait pengelolaan dan pemantauan dinamika vegetasi terutama di wilayah perkotaan.

VEGEVEGETATION HEALTH: YEARLY CHANGES

We attempt to monitor the vegetation health levels using NDVI as the primary analytical tool. For instance, we will utilize data from Bandung City during the period of 2013-2021.

In 2013, the analysis results indicated that there were 14 areas with unhealthy vegetation, 12 areas with moderately healthy vegetation, and 3 areas with very healthy vegetation. However, when examining the data in 2017, we can observe an improvement in vegetation health, with the number of areas with unhealthy vegetation remaining at 14, while areas with moderately healthy vegetation increased to 19, and very healthy vegetation reached 5 areas.

In 2021, this trend continued, with the number of areas with unhealthy vegetation remaining at 14, while areas with moderately healthy vegetation slightly decreased to 16, and areas with very healthy vegetation increased to 6. These findings provide intriguing insights into the changes in the vegetation conditions of Bandung City during the observed time frame.

These discoveries have a significant impact on our understanding of the environment in Bandung City and can serve as a basis for better decision-making related to the management and monitoring of vegetation dynamics, especially in urban areas.

PENUTUP

NDVI merupakan suatu metode yang umum digunakan dalam penginderaan jauh untuk mengidentifikasi tingkat kesehatan tanaman. Metode ini memiliki peran vital dalam berbagai aplikasi analisis lingkungan, seperti pemantauan perubahan tutupan lahan, pemantauan kekeringan, dan evaluasi dampak perubahan lingkungan lainnya.

Melalui platform GEO MAPID, data NDVI yang tersedia mencakup periode tahun 2013 hingga 2021. Data ini telah diklasifikasikan ke dalam tiga kelas berdasarkan tingkat kesehatan vegetasi, yaitu vegetasi kurang sehat, vegetasi cukup sehat, dan vegetasi sangat sehat. Informasi ini dihasilkan melalui pengolahan citra dari satelit Landsat 8. Dengan akses ke data NDVI ini, pengguna GEO MAPID memiliki kesempatan untuk menjalankan analisis lingkungan yang lebih mendalam dan mereka juga dapat menggabungkannya dengan jenis data lainnya untuk mendapatkan wawasan yang lebih lengkap tentang kondisi lingkungan di berbagai wilayah di Indonesia.

CONCCONCLUSION

NDVI is a commonly used method in remote sensing to identify plant health. It plays a vital role in various environmental analysis applications, such as land cover change monitoring, drought monitoring, and other environmental change impact evaluations.

Through the GEO MAPID platform, the NDVI data available covers the period from 2013 to 2021. This data has been classified into three classes based on vegetation health level: less healthy vegetation, moderately healthy vegetation, and very healthy vegetation. This information is generated by processing imagery from the Landsat 8 satellite. With access to this NDVI data, GEO MAPID users have the opportunity to run more in-depth environmental analyses, and they can also combine it with other types of data to gain a more complete insight into the environmental conditions in different regions of Indonesia.

REFERENSI

Giovos, R., Tassopoulos, D., Kalivas, D., Lougkos, N., & Priovolou, A. (2021). Remote sensing vegetation indices in viticulture: A critical review. Agriculture, 11(5), 457.��https://doi.org/10.3390/agriculture11050457

Huang, S., Tang, L., Hupy, J. P., Wang, Y., & Shao, G. (2021). A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing. Journal of Forestry Research, 32(1), 1-6. https://doi.org/10.1007/s11676-020-01155-1

Nguyen, T. M., Lin, T. H., & Chan, H. P. (2019). The environmental effects of urban development in Hanoi, Vietnam from satellite and meteorological observations from 1999-2016. Sustainability (Switzerland), 11(6). https://doi.org/10.3390/su11061768

Stamford, J. D., Vialet-Chabrand, S., Cameron, I., & Lawson, T. (2023). Development of an accurate low cost NDVI imaging system for assessing plant health. Plant Methods, 19(1). https://doi.org/10.1186/s13007-023-00981-8

Xue, J., & Su, B. (2017). Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors, 2017. https://doi.org/10.1155/2017/1353691