9/10/2012

1

I Nengah Surati Jaya,Syaiful DaulayMukalilAyub M Buce SalehLilik B Prasetyo (IPB)

I Nengah Surati Jaya,Syaiful DaulayMukalilAyub M Buce SalehLilik B Prasetyo (IPB)Lilik B Prasetyo (IPB)Yoshio AwayaMasanobu ShimadaKiyono YoshiyukiShigeru OnoIns‐jaya@cbn.net.id

Lilik B Prasetyo (IPB)Yoshio AwayaMasanobu ShimadaKiyono YoshiyukiShigeru OnoIns‐jaya@cbn.net.id

BACKGROUND

METHODS

STUDY SITES

I Nengah Surati Jaya,Syaiful DaulayMukalilAyub M Buce SalehLilik B Prasetyo (IPB)

RESULTS & DISCUSSION

CONCULSION

y ( )Yoshio AwayaMasanobu ShimadaKiyono YoshiyukiShigeru Ono

9/10/2012

2

A. RADAR SYSTEM Becoming more popular  coupling optical data  ALL WEATHER DATA

1. RADAR IS AN ACTIVE SENSOR PENETRATE CLOUDE AND HAZE 

2. LONGER WAVELENGTH  PENETRATE FOREST CANOPY  

3. BACKSCATTER = F (WAVELENGTH OF THE SENSOR, ROUGHNESS OF OBJ BEING SENSED. 

QUESTIONS: WHY we need to explore the backscatter 

characteristic in tropical forest (1) ?1. Vegetation canopy interacts with  

λ fl d b hλ as a group influenced by the leaves, branches and tree trunks.

2. The degree of backscatter of veg. related to the volume of canopy (biomass). Backscatter will be high if the wavelength usedl be high if the wavelength usedclose to the average size of the vegetation component.

9/10/2012

3

QUESTIONS:  WHY we need to explore the backscatter 

characteristic in tropical forest (2) ?1 λ of 2 5 cm is good1. λ of 2‐5 cm is good

to recognize agric. crops and trees. 2. λ of 10‐30 cm surface   

land surface or soil backscatter contribute larger than the leaves or branchesleaves or branches

3. Backscatter from VEG. can be amplified by using cross‐Polarization

• Penetration radar is a function of the amount of biomass in the canopy

• A longer λ penetrate deeper into the ground.• Shorter λ is more influenced by a small canopy components

(e g K X and C bands): leaves and twigs(e.g. K, X, and C bands): leaves and twigs• Longer λ is ore influenced by a larger  canopy components

(eg L, P, and VHF bands): trunk, branches and soil surface

Radar 1 m Wavelength

Radar 1 cm Wavelength

9/10/2012

4

Backscatter Backscatter of vegetation of vegetation  ((11/2/2))

1. Like polarization HH and VV can penetrate vegetation, thus it  senses  thesurface under vegetation.

2. In areas with no vegetation, the condition of the surface roughness, surface pattern of systematic (eg. grooves) and soil texturesystematic (eg. grooves) and soil texturewill affect the backscatter strength

Backscatter Backscatter of vegetation of vegetation ((2/2)2/2)

1. Vegetation and dry soil has a dielectric constant of approximately 1‐10. If the water content of vegetation height it will be the appearance on the image isbright due to higher dielectric constant ‐very useful to recognize healthy anddead plants.

2. Instead, clean water will appear darker because the water surface is speculareflector, so that the reflected energy coming away from the sensor.

9/10/2012

5

RS  in Indonesia9. Now, remotely sensed data had been a 

major data source for forest monitoringmajor data source for forest monitoring in Indonesia since 1990.  

10.The MoF uses the 3‐yrs interval Landsatdata to map out indonesia forest cover  using 23 classes, since 2003. 

OPTICAL SATELLITE DATA PROBLEMS

1. Indonesia forestry sector is now mainly depended on optical data to map out forest cover. For 3‐yrson optical data to map out forest cover. For 3 yrs mapping use Landsat data, while for annual mapping use Modis Data.

2. Now, Landsat program is not presently operating at its full capacity;   2 satellites remain in orbit: Landsat 5 ( operating more than two decades beyond its original 3‐year mission, and Landsaty g y ,7, which suffered a malfunction in 2003 (strippings) but still continues to provide critical data.  in 2012, New Landsat is planned  to be launched. 

9/10/2012

6

THE USE OF RADAR

1. The use of RADAR (PALSAR) is still at ( )the begining stage INTERPRETATION MANUAL  VISUAL METHODS?  was just developed by JICA, IPB,MoF (2009‐2011)

2 Th f RS t h l j l2. The use of RS technology  major role GHG monitoring system  MRV

OPTICAL SATELLITE DATA PROBLEMS (2)

1. Veg. structure and species are composition of tropical ecosystem arecomposition of tropical ecosystem are quite diverse

2. The advent of ALOS PALSAR data in 2006, Many scientists had explore its capability to derive land cover informationinformation. 

3. The knowledge  backscatter characteristics is quite poor  NEED TO BE EXPLORED

9/10/2012

7

STUDY SITE AND DATA 

DATA1. ALOS PALSAR of NORTH SUMATERA 

Spatial Res 50 m x 50 m, 12.5 x 12.5 m, 6.25 x 6.25 m Band HH and HV, rec in 2008 (copyright: JAXA)

2. Ground Truth Data performed in 2009 and 2010

3. Landsat‐based land cover map of Kalimantan (2006) 

9/10/2012

8

STUDY SITE

1. The study was performed in NORTH y pSUMATERA – surrounding Toba Lake

2. This study site covers: High land trpical forest, plantation forest, rubber and oil palm

STUDY SITES

STUDY SITES

9/10/2012

9

9/10/2012

10

50 m 6.25 m

9/10/2012

11

RUBBEROIL PALM

50‐M 12.5‐M

9/10/2012

12

PRE PROCESSING (SMOOTHING)

LAND COV MAP OF KAL (LANDSAT 

BASED)

START

CLUSTERING

MERGING &

DATA OF GROUND TRUTH

DISCRIM ANAL

DENDRO EVAL

MERGING & LABELLING

END

IDENTIFIED STAND/ VEG. VAR.

9/10/2012

13

NATURAL FORESTPLANTATION FORESTPLANTATION FOREST

GROUND TRUTH 

ESTATE CROP

BIOMASS MODELLING

INITIAL CLUSTERING

1. Unsupervised Classification:  K‐pmeans method and measured with Euclidean Distance.  

2. The dendrogram was drawn using Single Linkage Method

3. INITIAL CLUSTERING:  20 CLASSES

4. MERGED INTO several  CLASSES 

9/10/2012

14

NAT TROPICAL FOREST

CLUSTERING OF 50M X 50M

1. ONLY 6 CLUSTER FOREST

9/10/2012

15

SINGLE LINKAGE – NAT TROP FOREST

FOREST CLUSTER

FOREST CLUSTER

CLUSTER

WHAT VARIABLES AFFECTING THE MOST?

1DENSITY OF SAPLING  14BIOMASS OFPOLE2DENSITY OF POLE 15BIOMASS OF TREE

3DENSITY OF TREE 16CROWN TICKNESS OF SAPLING

6.2550 M

3DENSITY OF TREE  16CROWN TICKNESS OF SAPLING4DBH OF SAPLING 17CROWN TICKNESS OF POLE5DBH OF POLE 18CROWN TICKNESS OF TREE

6DBH OF TREE 19CROWN DIAMETER OF SAPLING7HEIGHT OF SAPLING 20CROWN DIAMETER OF POLE8HEIGHT OF POLE 21CROWN DIAMETER OF  TREE

9HEIGHT OF TREE 22CROWN CLOSURE OF SAPLING9HEIGHT OF TREE 22CROWN CLOSURE OF SAPLING

10BASAL AREA OF SAPLING 23CROWN CLOSURE OF SAPLING

11BASAL AREA OF POLE 24CROWN CLOSURE OF SAPLING12BASAL AREA OF TREE 25LEAF AREA INDEX (LAI)13BIOMASS OF SAPLING

6.25 M

6.2550 M

9/10/2012

16

NATURAL FOREST  VARIABLESEXAMINED

BASAL AREA THICKNESS OF POLE  CROWN DIAMETER OF CROWN SAPLING

BIOMASS POLE BIOMASS SAPLING DENSITY

TREE HEIGHT TREE CROWN DIAMETER DBH OF SAPLING

DBH OF POLE SAPLING HEIGHT SAPLING CROWNTHICKNESS

CROWN CLOSURE SAPLING BIOMASS CROWN DIAMETER OF POLE

CROWN THICKNESS POLE DENSITY BASAL AREA OF POLE

DBH  SAPLING BASAL  AREA LEAF AREA INDEX

POLE HEIGHT  TREE DENSITY BASAL AREA OF TREE

CLASSIFICATION RESULT OF NATURAL FOREST

1. Res 50 M X 50 M3 CLASSES OF BASAL AREA/BIOMASS 

91%

1. RES 6.25 M2 CLASSES  60% OF BASAL 

AREA/BIOMASS MANY NOISESAREA/BIOMASS  MANY NOISES

9/10/2012

17

WHAT IS THE RESULT INFOREST PLANTATION?

DBHLAI

TREE HEIGHTTREE NUMBERSCROWN DIAETERCROWN AREA

50 M

CROWN AREASTAND DENSITY BASAL AREABIOMASS

6.25 M

CLASSIF RESULTS ON PLANTATION FOREST

1. Res 50 M X 50 M2 CLASSES OF TREE HEIGHT 61%

1. RES 6.25 M  HOMOGENOUS VEG (LESSER NOISES)

3 CLASSES  85% OF STAND DENSITY & CROWN COVERAGECROWN COVERAGE

9/10/2012

18

VARIABLES ON RUBBER PLANTATION AGE OF PLANTATIONSPACING DISTANCEDENSITY PER HAAVERAGE OF TREE DIAMETERAVERAGE OF TREE HEIGHTBASAL AREAVOLUME PER HACROWN DIAMETER SIZECROWN THICKNESSCROWN AREA

50 M

RATIO SPACE OF TREE‐ CROWN AREABIOMASS PER HALAIDBH

6.25 M

50 M

VARIABLES ON OIL PALM PLANTATION AGE OF PLANTATIONSPACING DISTANCEDENSITY PER HAAVERAGE OF TREE DIAMETERAVERAGE OF TREE HEIGHTBASAL AREAVOLUME PER HACROWN DIAMETER SIZECROWN THICKNESSCROWN AREA

12.5 M

50 M

RATIO SPACE OF TREE‐ CROWN AREABIOMASS PER HALAIDBH

9/10/2012

19

CLASSIF OF RUBBER & OIL PALM

1. RUBBER

• ON 50‐M  2 CLASSES (CROWN  DIAMETER)  75% ACC

• ON 12.5‐M,  3 CLASSES 65% ACC 

2.   OIL PALM• 50 M: 2 CLASSES (CROWN DIAMETER) 92%50 M: 2 CLASSES (CROWN DIAMETER)  92% 

ACC 

• 12.5‐M: 3 CLASSES (TREE HEIGHT)  65% ACC

CLASSIFICATION OF OIL PALM using alos palsar 12.5‐m 

CLASS CROWN COVERAGE

MEAN HH MEAN HVCOVERAGE

1 < 8500 m2 ‐10.02 ‐18.31

2 8500‐16.750

‐7.36 ‐15.42

3 > 16.750 ‐9.24 ‐14.65

•ACC: 65%. 

9/10/2012

20

CLASSIFICATION OF OIL PALM using alos palsar 50‐m 

CLASS CROWN di t

MEAN HH MEAN HVdiameter

1 < 8.5 m ‐14.7 ‐24.76

2 8.5 ~ 15.2 ‐7.49 ‐14.72

ACC: 92%

RUBBER CLASSIF ON PALSAR 12.5‐M

CLASS

DBH RAT TREE SPAC/CRO

BIOMASS (T/HA)

MEAN HH

MEAN HVSS SPAC/CRO

WN AREAS (T/HA) HH HV

1 0‐15.49 0.63‐9.88 <4.15 ‐13.65 ‐22

2 15.49‐19.99

0.51‐1.51 4.16‐8.4 ‐6.5 ‐18.36

3 > 20.00 0.23‐1.57 > 8.41 ‐7.97 ‐15.67

Acc : 72%

9/10/2012

21

RUBBER CLASSIF ON PALSAR    50‐M

CLASS

DBH BASAL ARE3A

MEAN HH

MEAN HVSS ARE3A HH HV

1 0‐15.5 0 ~ 8.49 ‐14.73 ‐24.76

2 15.51‐20.99

8.49 ~ 15.59

‐7.46 ‐14.72

3 21 –26 52

15.6~ 23 57

‐2.03 ‐11.7226.52 23.57

Acc : 75%

GENERAL PATTERN

SO MANY NOISES  PROVIDING HIGHER CONFUSION IN HIGHER RESOLUTION

IN HIGHER RESOLUTION, HIGHER NUMBER OF STAND VARIABLES AFFECTING BACKSCATTER

9/10/2012

22

PLANTATION FOREST (EUC GRANDIS)

OIL PALM AND RUBBER AREA

9/10/2012

23

NAT FOREST

MANY SMALL TREES ANDMANY SMALL TREES AND SAPLING

NATURAL FOREST

MANY SMALL TREES AND SAPLING

9/10/2012

24

PLANTATION : YEAR 1

PLANTATION (EUC GRANDIS)   YEAR 2

9/10/2012

25

PLANTATION (EUC GRANDIS)   YEAR 3

PLANTATION (EUC GRANDIS)   YEAR 4

9/10/2012

26

RUBBER

OIL PALM

9/10/2012

27

CONCLUSION ON NATURAL FOREST

1. BACKSCATTER MAGNITUDE AND VARIATION ARE AFFECTED BY STAND VARIABLES

2. ON THE 6.25M‐RES  BASAL AREA, BIOMASS AND HEIGHT CLASSES

3. ON THE 50‐M RES, BASAL AREA AND TREE BIOMASS

CONCLUSION ON FOREST PLANTATION

1. ON  PALSAR 50‐M RES  VARIATION OF BACKSCATTER TREE HEIGHTOF BACKSCATTER  TREE HEIGHT

2. ON PALSAR 6.25‐M,  BY STAND DENSITY AND CROWN COVERAGE.

3. ON PALSAR  6.25‐M  3 CLASSES WITH 85% 

4 ON PALSAR 50‐M CAN ONLY BE4. ON PALSAR 50 M, CAN ONLY BE CLASSIFIED INTO 2 CLASSES WITH 61.7% 

9/10/2012

28

CONCLUSION ON RUBBER

1. BACKSCATTER MAG OF RUBBER  IS AFFECTED BY:

• DBH SIZE AND BASAL AREA FOR ALOS 50‐M

• DBH SIZE, RATIO TREE‐DISTANCE AND CROWN AREA AND BIOMASS VOLUME FOR ALOS 12.5‐M 

2.    ON 50‐M AND 12.5‐M, 3 CLASSES CAN BE IDENTIFIED WITH 75% ACC AND 72% ACC 

CONCLUSION ON OIL PALM

3.    BACKSCATTER MAG OF OILPALM  IS AFFECTED BY:

• CROWN DIAMETER FOR ALOS 50‐M  2 CLASSES  92% 

• TREE HEIGHT FOR 12.5‐M  3 CLASSES 65% . 

4. BACKSCATTER IN HIGHER RES MUCH NOISE4.    BACKSCATTER IN HIGHER RES  MUCH NOISE NO SIGNIFICANT IMPROVEMENT FOR CLASSIFICATION

9/10/2012

29

CONCLUSION ON BIOMASS ESTIMATION MODEL

1. Biomass (carbon stock), particularly ( ), p yRUBBER BIOMASS could be estimated using ALOS PALSAR DATA either using original (raw) data or backscatter data

2. OIL PALM AND NATURAL FOREST tend t h d l ti hi ith thto have a good relationship with the backscatter value of ALOS PALSAR. 

FUTRHER RESEARCH REQUIRED 

More comphrehensiveMore comphrehensive data and analysis should be performed in various forest typeforest type. 

9/10/2012

30

DATA EXPLORATION

1. NATURAL FOREST, FOREST ,PLANTATION AND OIL PALM CAN’T BE EXAMINED  LACK OF DATA VARIATION

2. GOOD DATA RECORDS  RUBBER BIOMASS ESTIMATIONBIOMASS ESTIMATION

Rubber BIOMASS  ESTIMATION using 50‐m res

y = 75.76e0.384x

R² = 0.67260 00

70.00

80.00HH vs biomas 50 m

0.00

10.00

20.00

30.00

40.00

50.00

60.00

‐20.00 ‐15.00 ‐10.00 ‐5.00 0.00 5.00

HH vs biomas 50 m

Expon. (HH vs biomas 50 m)

156 3 0 256x 140 00

160.00

180.00

HV vs BIOM 50 m

Good model can be developed using 50‐m res

y = 156.3e0.256x

R² = 0.788

0.00

20.00

40.00

60.00

80.00

100.00

120.00

140.00

‐25.00 ‐20.00 ‐15.00 ‐10.00 ‐5.00 0.00

HV vs BIOM 50 m

Expon. (HV vs BIOM 50 m)

9/10/2012

31

Rubber BIOMASS ESTIMATION using 12.5 m res

Better models are provide

y = 68.59e0.320x

R² = 0.75870.00

80.00

HH vs biomas 12.5 m

are provide using 12.5 res

0.00

10.00

20.00

30.00

40.00

50.00

60.00

‐20.00 ‐15.00 ‐10.00 ‐5.00 0.00 5.00

HH VS HV BIOM 12.5 M

Expon. (HH VS HV BIOM 12.5 M)

y = 157.8e0.235x

R² = 0.821160.00

180.00

HV VS BIOM 12.5 M

0.00

20.00

40.00

60.00

80.00

100.00

120.00

140.00

‐30.00 ‐25.00 ‐20.00 ‐15.00 ‐10.00 ‐5.00 0.00

HV VS BIOM 12.5 M

Expon. (HV VS BIOM 12.5 M)

Oil palm BIOMASS  ESTIMATION using 50‐m res

y = 367.6e0.336x 400 00

hh vs biom 50 mLack of data variation

yR² = 0.327

‐

50.00 

100.00 

150.00 

200.00 

250.00 

300.00 

350.00 

400.00 

‐15 ‐10 ‐5 0 5

hh vs biom 50 m

Power (hh vs biom 50 m)

Expon. (hh vs biom 50 m)

y = 657.4e0.207x

R² 0 143700.00 

hv vs biom 50 m

Lack of data variation 

R² = 0.143

‐

100.00 

200.00 

300.00 

400.00 

500.00 

600.00 

‐25 ‐20 ‐15 ‐10 ‐5 0 5

hv vs biom 50 m

Power (hv vs biom 50 m)

Expon. (hv vs biom 50 m)

9/10/2012

32

Oil palm BIOMASS ESTIMATION using 12.5 m res

y = 1412.e0.448x

R² = 0 4801,400.00 

1,600.00 

R  = 0.480

‐

200.00 

400.00 

600.00 

800.00 

1,000.00 

1,200.00 

‐12 ‐10 ‐8 ‐6 ‐4 ‐2 0

Series1

Power (Series1)

Expon. (Series1)

y = 10569e0.359x

R² = 0.251

8 000 00

10,000.00 

12,000.00 

Lack of data variation 

‐

2,000.00 

4,000.00 

6,000.00 

8,000.00 

‐25 ‐20 ‐15 ‐10 ‐5 0

Series1

Power (Series1)

Expon. (Series1)

Natural FOREST on palsar 50mTHERE IS RELATIONSHIP 

BETWEEN THE INCREASE OF BASALINCREASE OF BASAL AREA  AND BACK 

SCTATTER IN NATURAL FOREST

1. BIOMASS vs Backscatter of HH & HV

9/10/2012

33

Natural FOREST on palsar 6.25THERE IS RELATIONSHIP 

BETWEEN THE I C AS O IO ASSINCREASE OF BIOMASS   AND BACK SCTATTER IN 

NATURAL FOREST

1. BIOMASS vs Backscatter of HH & HV

NATURAL FOREST ON PALSAR 6.25‐M

MANY NOISE  ONLY 2 CLASSES

9/10/2012

34

NATURAL FOREST ON PALSAR 6.25‐M