Drone-Based Vegetation Index Analysis to Estimated Nitrogen Content on The Rice Plantations

Nitrogen (N) merupakan salah satu unsur hara esensial yang dibutuhkan untuk pertumbuhan tanaman padi. Oleh karena itu, pemupukan N harus diterapkan secara efisien untuk mencapai hasil yang optimal. Berbagai metode telah digunakan untuk menghitung kandungan N pada tanaman padi seperti analisis jaringan dan penggunaan teknologi soil plant analysis development (SPAD). Teknologi ini masih memiliki kekurangan, salah satunya adalah efisiensi waktu. Dibutuhkan teknologi pendukung lainnya untuk mendukung analisis pertanian secara presisi dengan cepat, seperti penggunaan Unmaned Aerial Vehicles (UAV). Tujuan penelitian ini yaitu menganalisis kandungan N pada tanaman padi menggunakan indeks vegetasi berbasis UAV dan menganalisis perbandingan akurasi pengukuran N antara klorofil SPAD dengan indeks vegetasi tanaman padi. Penelitian ini menggunakan metode survei dan uji laboratorium yang didasari atas beberapa pendekatan, yaitu analisis fisiologi fotosintesis, analisis jaringan daun, dan analisis indeks vegetasi menggunakan UAV. Berdasarkan hasil penelitian, ditemukan nilai indeks vegetasi NDVI yang berkolerasi kuat dengan nilai jaringan N daun dan hasil pengukuran klorofil SPAD. Sedangkan hasil pengujian akurasi, hasil pengukuran klorofil dengan SPAD (CI A) memiliki akurasi yang lebih baik dibandingkan dengan indeks vegetasi NDVI. Nilai r antara CI A – N daun dengan NDVI – N daun tidak menunjukkan perbedaan yang singnifikan. Selain itu, hasil korelasi menunjukkan variabel jaringan N Daun (r=0.83), CI A (r=0.88), CI B (r=81), dan CI TOT (r=0.87) memiliki hubungan korelasi yang sangat tinggi terhadap NDVI. Hal ini menunjukkan hubungan yang searah antara variabel sehingga variabel NDVI dapat dijadikan sebagai pertimbangan untuk mengetahui klorofil pada tanaman yang diteliti.

[1]  Chandranath Chatterjee,et al.  Estimation of nitrogen status and yield of rice crop using unmanned aerial vehicle equipped with multispectral camera , 2021, Journal of Applied Remote Sensing.

[2]  S. Soemarno,et al.  ESTIMASI KANDUNGAN KLOROFIL TANAMAN KOPI ROBUSTA (Coffea canephora var. Robusta) MENGGUNAKAN NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI BANGELAN, WONOSARI, MALANG , 2020 .

[3]  I. Darmawan.  Pemanfaatan Drone Untuk Pemetaan Potensi Ekowisata di Kecamatan Panca Jaya, Mesuji , 2020 .

[4]  Junho Yeom,et al.  Comparison of Vegetation Indices Derived from UAV Data for Differentiation of Tillage Effects in Agriculture , 2019, Remote. Sens..

[5]  M A Fadzilah,et al.  Unmanned Aerial Vehicle Applications In Agriculture , 2019, IOP Conference Series: Materials Science and Engineering.

[6]  Xiaojun Liu,et al.  Development of Chlorophyll-Meter-Index-Based Dynamic Models for Evaluation of High-Yield Japonica Rice Production in Yangtze River Reaches , 2019, Agronomy.

[7]  Hiroshi Nakano,et al.  Assessing Correlation of High-Resolution NDVI with Fertilizer Application Level and Yield of Rice and Wheat Crops Using Small UAVs , 2019, Remote. Sens..

[8]  Yong He,et al.  Combining UAV-Based Vegetation Indices and Image Classification to Estimate Flower Number in Oilseed Rape , 2018, Remote. Sens..

[9]  Y. Lan,et al.  Detection of rice sheath blight using an unmanned aerial system with high-resolution color and multispectral imaging , 2018, PloS one.

[10]  S. Shafian,et al.  Assessment of UAV Based Vegetation Indices for Nitrogen Concentration Estimation in Spring Wheat , 2018 .

[11]  Charles Silahooy,et al.  Analisis Status Nitrogen Tanah Dalam Kaitannya Dengan Serapan N Oleh Tanaman Padi Sawah Di Desa Waimital, Kecamatan Kairatu, Kabupaten Seram Bagian Barat , 2018 .

[12]  Jianwu Tang,et al.  Seasonal variations of leaf and canopy properties tracked by ground-based NDVI imagery in a temperate forest , 2017, Scientific Reports.

[13]  Totok Gunawan,et al.  Pengaruh Kerapatan Vegetasi Penutup Lahan terhadap Karakteristik Resesi Hidrograf pada Beberapa Subdas di Propinsi Jawa Tengah Dan Propinsi DIY , 2016 .

[14]  Yong Liu,et al.  Comparative analysis of vegetation indices, non-parametric and physical retrieval methods for monitoring nitrogen in wheat using UAV-based multispectral imagery , 2016, 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS).

[15]  Sugiyanta,et al.  Peran Bakteri Penambat Nitrogen untuk Mengurangi Dosis Pupuk Nitrogen Anorganik pada Padi Sawah , 2014 .

[16]  Endrizal,et al.  EFISIENSI PENGGUNAAN PUPUK NITROGEN DENGAN PENGGUNAAN PUPUK ORGANIK PADA TANAMAN PADI SAWAH , 2014 .

[17]  Jingping Yang,et al.  SPAD Values and Nitrogen Nutrition Index for the Evaluation of Rice Nitrogen Status , 2014 .

[18]  Luis Miguel Contreras-Medina,et al.  A Review of Methods for Sensing the Nitrogen Status in Plants: Advantages, Disadvantages and Recent Advances , 2013, Sensors.

[19]  Khavid Faozi,et al.  SERAPAN NITROGEN DAN BEBERAPA SIFAT FISIOLOGI TANAMAN PADI SAWAH DARI BERBAGAI UMUR PEMINDAHAN BIBIT ( NITROGEN UPTAKE AND SEVERAL PHYSIOLOGICAL CHARACTERS OF LOWLAND RICE FROM VARIOUS AGE SEEDLINGS) , 2010 .

[20]  G. Fitzgerald,et al.  Measuring and predicting canopy nitrogen nutrition in wheat using a spectral index—The canopy chlorophyll content index (CCCI) , 2010 .

[21]  R. Tateishi,et al.  Relationships between percent vegetation cover and vegetation indices , 1998 .

[22]  Tian Yongchao,et al.  Research Progress on the Water and Nitrogen Detection Using Spectral Reflectance , 2003 .

[23]  J. A. Schell,et al.  Monitoring vegetation systems in the great plains with ERTS , 1973 .