PENGARUH DISTRIBUSI SPASIAL SAMPEL PEMODELAN TERHADAP AKURASI ESTIMASI LEAF AREA INDEX (LAI) MANGROVE

Leaf Area Index (LAI) memiliki peran penting dalam menentukan kesehatan hutan mangrove. Citra penginderaan jauh mampu mengestimasi LAI mangrove, terutama melalui pendekatan semi-empiris. Pendekatan ini memerlukan pemilihan lokasi sampel dan distribusi nilai yang tepat untuk keperluan pemodelan dan penilaian akurasi. Namun, kedua aspek tersebut sering diabaikan saat memilih sampel untuk pemodelan. Penelitian ini bertujuan untuk mengeksplorasi dan menganalisis sampel lapangan LAI yang dikumpulkan untuk menjawab (1) apakah distribusi spasial dan (2) distribusi nilai sampel pemodelan memengaruhi akurasi estimasi LAI mangrove. Metode yang digunakan adalah dengan mengembangkan model regresi antara nilai piksel Soil-Adjusted Vegetation Index (SAVI) yang diturunkan dari citra ALOS AVNIR-2 (10m) dan pengukuran LAI lapangan menggunakan LICOR LAI-2200. Sampel pemodelan dipilih secara acak dan purposif melalui tiga simulasi berdasarkan distribusi spasial dan rentang nilai sampel. Akurasi estimasi dinilai menggunakan plot hubungan 1:1 dan Standard Error of Estimate (SEE). Hasil penelitian menunjukkan bahwa akurasi estimasi LAI bergantung pada distribusi spasial dan rentang nilai sampel pemodelan. Akurasi estimasi yang tinggi dicapai ketika lokasi sampel untuk pemodelan terdistribusi merata dan mencakup rentang nilai sampel lapangan.