TELKOM NIKA Indonesia n  Journal of  Electrical En gineering   Vol.12, No.7, July 201 4, pp . 5613 ~ 56 2 0   DOI: 10.115 9 1 /telkomni ka. v 12i7.573 9          5613     Re cei v ed  Jan uary 4, 2014;  Re vised Ma rch 16, 2014; A c cepted Ap ril 6, 2014   Detecting Rice Growth Using ALOS Multispectral and  Synthetic Aperture Radar       Bamban g H. Trisason g ko *, D y ah R. Panuju, La Od e S. Iman   Dep a rtment of Soil Sci ence a nd La nd R e so u r ce, Bogor Agri cultura l  Univ er sit y ,   Jala n Meranti,  Dramag a,  Bog o r 166 80, Indo nesi a ,   Phon e/F a x: + 6 2 251 84 223 25   *Corres p o ndi n g  author, e-ma i l : trisasongk o @ live.it       A b st r a ct   Rice  mo nitori n g  is a su bstan t ial to Asia n c ount ri es, incl u d in g Indo nes ia , since  most in hab itants   consu m e rice  o n  a  dai ly b a sis.  As fiel d surve y  requ ires s ubs tantial ti me a n d  bud get, o ne r e lies  on r e motel y   sensed data,  espec ially taken through spacebor ne  pla tform . This r e search di sc usses m u ltispectral and  line a rly p o l a ri zed Synth e tic  Aperture R a d a r  (SAR)  from  Advanc ed L a n d  Observin g S a tellit e an d th eir  app licati ons to  observe v a rio u s rice gr ow th infor m ati on. It app ears that b o th sens ors pr ovid ed us eful r i ce   grow th data l e adi ng to the  p o ssibi lity o n  i m provi ng ric e  fie l d infor m atio n  extraction. C l a ssificatio n  sch eme  by me ans of R and o m  F o rest sugg es ted that  both data w e r e  fairly acce pta b le for timely  monitor i ng.        Ke y w ords : de cision tre e , mu l t ispectral, rad a r , rando m fores t, rice         Copy right  ©  2014 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  Rice i s  a  sta p le foo d  for Indon esi ans.  Although th e  deman d ten d s  to i n crea se,  rice h a s  been pl anted  in very few locatio n s in In done sia. Java has  been  serving a s  p r imary produ ct ion   cente r  for th e co untry  si nce  ea rly 19 00s [1]. Thi s  has bee n  sup porte d by  suitabl e lan d   resou r ces, water availabili ty  and thoro ugh irrigation  networks [2].   Monitori ng  of rice can  be  establi s h ed  by field su rv eys o r  thro u gh remote   sensi ng. In m any ca se s,  combi n ing  b o th   approa che s   has b een the  most relia bl e. Opti cal re motely-sen se d data have  been  servin g  as   prima r y data s ets. Non e thel ess, cl ou ds a r e pe rsi s tent i n  many  are a s, where com p lementa r y data  are then  req u i red. An alternative to this sit uation i s  Synthetic Apert u re Rada r (S AR) data.   SAR data h a v e been  studi ed for  rice m onitorin g   con s ide r ably. Sci entific literatu r e tend s  to exploit m o re on  C-b and   SARs, p r o b a b ly due  to  th eir  co ntinuou s d a ta  sup p ly sin c e  the  era of   ERS-1/SAR  Advance d  Mi cro w ave Im a ger in  198 0s -1990 s. Halda r  an d Patnai k [3], for insta n ce,  studie d  C-ba nd Ra darsat - 1 cou p led  with AWiFS dat a to monitor Indian  rabi  ri ce. Another st udy  in China [4]  reported that  C- band Envis a t ASAR  data s u cc es s f ul ly es timated  leaf area index   (LAI).   L-ba nd SA R  wa s expl oite d a s   well, alt houg h in  a le sser  extent. Japan  was the  only L - band SAR p r ovider op erat ing JERS -1/S AR at fi rst an d later ALOS  Phased -Arra y  L-Band SAR   (PALSAR).  I s hitsu k a  [5] prese n ted a rice  field  ob se rvation in  Japa n u s ing  PAL SAR si ngle,  dual   and fully  pola r imetry. Th e  rese arch  indi cated that   ob servation  of  Ja pane se  small - scale  ri ce  fie l d   wa s quite u n su cce ssful,  althoug h the  use of fu lly polarim etry  was  pro m ising. Usi ng d ual  polari z e d  PALSAR data, Ling  et al . [6] found that  mappin g  rice  fields in Chi na wa s po ssi ble.  Those resea r ch  su gge st  that fully polarimetri c SA R may overcome limitatio n in ri ce pa ddy  monitori ng, d e spite  very li mited sce ne  coverage.  In  addition,  m u ltitemporal  an a l ysis usi ng si ngle  or dual lin ea rly polari z e d  data has b een favora bl e. Wang  et al . [7] for example, reli ed  on   PALSAR mul t itemporal  ob servatio n to study cha r a c te ristics of So u t heast  Chin a  rice fiel ds. T h e   repo rt of Ishitsuka [5] pionee red PA LSAR fully  polari m etri c impleme n tatio n  in rice fiel ds.  Non e thele s s, literature  re views  sug g e s ted that the r e have  bee n a  few, if a n y, repo rts o n  the  comp ari s o n  o f  multispe ctra l and fully po larimetri c  SA R data for  rice field monit o ring in tropi cal  regio n s.   Anticipating  n ear future  lau n ch  of PALS A R-2,  thi s   pa per presents  a stu d y of S A R d a ta  analysi s  to o b tain them atic ma p of ri ce growth, in  comp ari s o n   with multi s pe ctral  data s et. To   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5613 – 56 20   5614 extend Ishitsuka’ s work [5], we empl oyed PALSAR  fully polari m etric d a ta to observe th ei r  perfo rman ce i n  an Indon esi an test site.       2. Rese arch  Metho d   The  re sea r ch  wa s l o cated  on  rice field s  m anag ed  b y  PT Sang   Hyang  Seri  (SHS), a  state ente r pri s e re sp on sibl e sup p lying rice s eedli ng.  Planted rice  varieties in clude Sintanu r,  Benga wan a nd Cihe ran g .  The latter has bee n pop ular  in Indon esia an d therefore sele cte d  as  the only vari ety in our a nalysi s . The  area  cove rin g  about 3,1 0 0 ha was l o cated in S u b ang   R e ge nc y, W e s t  J a va  ( F ig ure  1 ) .          Figure 1. Re search Lo catio n       Rice is pla n te d in blocks. A block occu pi es  ab out 5-1 8  Ha with  sim ilar width of 2 00m. A  grou p of blo c ks i s  m anag e d  by a secto r   manag er . T r a n spl anting  by mean s of  co nventional  (n on- mechani cal )  way is usuall y  accom p lished within 4- 7  days for each block. Th is l eads to variability  of ri ce  gro w i ng p h a s e  wit h in  site lo cati on, an d all o ws continu a tion of  ri ce  su pply to the  seed  plant. A typical distan ce b e twee n plant s is 20 cm.   Duri ng the  rese arch, several d a tasets were  colle cted. ALOS AVNIR-2  dat a we re   obtained from KKP3T projec t, ac quired in  2008  and 2009. ALOS PALSAR  fully polarimetric  (PLR) data s e t s con s i s t of  2007, 200 9 a nd 2010 d a ta . The 2010 PLR data are a  subje c t of future  investigatio n and are not b e ing re po rted  in this pape r.  In orde r to e x tend the an alysis, a dditi onal d a tasets were a c qui red. A scene  of ALOS  PRISM wa s  obtaine d to construct  baseline them atic data s et in  GIS softwa r e  based o n  d a ta   fusion  with A V NIR-2. Fou r  algo rithms were  ev aluate d ,  howeve r , In tensity-Hue - Saturation  (IHS)  [8] prod uct  was  sel e cte d  (Figure 2 )  to  map  rice fiel ds. Additio n a l  data s ets in cludi ng b a sel i ne  maps  were obtained from BAKOSURT ANAL.   Most of d a ta sets to  a ssi st the analy s i s  were colle cted  in situ .  Field  su rve y s we re   con d u c ted du ring   the 200 9 and 201 0  d r y sea s o n s,  and  additio nally i n  20 11  (wet  season).  Base d   on the preli m inary information provi ded by the  company, sa mple blo c ks  were sel e cte d . On  those bl ocks, several m easurement s were ta ken, including averaged hei ght and ground   moistu re con d ition (d ry, wet or flooded ).  All ALOS im ages were provided by Japan  A e rospace Expl orati on Agency  (JAXA) in  stand ard  CE OS format. T hese data  were th en p r e - pro c e s sed  using ASF Ma p R ea dy 2.3.17  to   retrieve the  digital numb e r (DN).  Thi s  format i s  n o t recomme n ded for bi op hysical analy s is,  therefo r e co mputation of radian ce  wa s  then pe rform e d usin g following equ ation:      ) ( ) ( 1 ' ' C B B C B B O R L a NL a  (1)     W h er e  L  : radian ce (W/m2.sr. μ m)  R :  sensitivity  O  : signal outp u t  digital value  C  : dummy pixel output mean   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Dete cting Ri ce Gro w th Usi ng ALOS Mul t ispe ctral an d  Synthetic… (Bam bang H. Trisasong ko )  5615 B a   : offs et of exp o s u re  B NL   : non-line a r of fset  B  : output digital value – dark  C’   : dummy pixel output – dark  B a ’  : offset of exp o su re – da rk          Figure 2. A Subset of HSV Data to Con s truct Ri ce Fiel d Map, AVNIR data © JAX A       Based  on  the  equ ation, ra dian ce d a ta  were o b taine d  an d sub s e quently fed i n to NDVI  analysi s . Pre c isely 75 pix e ls  were sam p led for ea ch  date to ob se rve varia b ility of NDVI a c ross  r e sear ch location.   For  co mpa r ison, two  PAL SAR PL R  scene s  we re  st udied  in thi s  re se arch. T he PL R  mode preserves origi nal radar  me asurement and repre s e n ted i n  compl e x numbe r (kno wn as  Single Loo k  Compl e x, SLC). The follo wing eq uatio n wa s empl oyed to deri v e backscatt er   c oeffic i ent of respec tive polarization [9]    A CF Q I 2 2 10 0 log 10  (2)     Whe r e I a nd  Q re spe c tivel y  represents  real an d im agi nary pa rt of S L C d a ta. Co n v ersio n  facto r   A  wa s de rived  usin g a mo de l [9] which i s   32.0. Mean while, calib ratio n  factor  CF v a lue was  -83  dB,  as   s u gges ted by previous c a libration  study  c o nduc ted by J AXA  [9]. PALSAR datasets   were  conve r ted  by  the same  soft ware. It provi des a  c onve n i ent way to  ex tract b a cksca tter co efficien ts   (s igma nought, in dec i bel) from J AXA CEOS format . Similar  to t hose of NDV I, 75 pixels  were  sele cted in fu rther a s se ssment and mo del buildin g.      Table 1. Ra n dom Fo rest P a ram e ters  Parameters  AVNIR-2   PALSAR  Random F o rest  Options        Number of P r edi ctors  4  3   Number  of  Tre e s  100  100    Random T e st Da ta Proportion   0.3  0.3   Subsample  Prop ortion   0.5  0.5    Seed for Ra ndo m Number  Gen e r ator   1  1  Stopping Param e ters        Minimum Numbe r  of Cases   75  75    Minimum Numbe r  of Levels  10  10    Minimum Numbe r  in Child Nodes   5  5    Maximum Numb er of Nod e s  100  100      Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5613 – 56 20   5616 The resea r ch employe d  sup e rvi s ed  cla ssifi catio n  app r oa ch  to obtain  rice  map.   Sampling  strategy wa s gu ided by pla n n i ng data at  bl ock level. Thi s  was  also  e n han ce d by two   field su rveys in July-Aug u s t 20 09 a nd  July 20 10. A nother data   colle ction  wa s ta ken i n   Ju ne  2011 to imp r ove field dataset s. Based  on the coll ection, ad ditional sample  sets were  also   establi s h ed. These sampl e s were  em p l oyed  for  te st ing cl as sif i c a t i on rul e s.   De cisi on t r e e  w a s  cho s e n  as  cl assificatio n  a l gorithm, mai n ly due to  its ea sy-to - co mpre hen d , flexible rul e  [10].  Ran dom  Fo re sts [11]  wa s  particula rly selecte d  to   aid  the  co nstruct i on of  cl assifi cation  rule s.  The  algorith m  ha s bee n teste d  for variou s application s  with sup e ri o r  re sults [12,  13]. Followi ng   Ran dom Fo re st spe c ificatio n wa s tested.       3. Results a nd Analy s is  3.1. Fluctua t ion of NDVI Values   NDVI ha s b e en exploited  on many bi op hysical  ob se rvations fro m  remotely se nsed data.  Usi ng  radi an ce  data, NDV I  values  we re  retri e ved a n d  sub s equ ent ly analyze d  a c cordi ng to  the  field data (Fig ure 3 ) .  On early ages  (early tilleri ng) ,  observed NDVI tends to be ar ound 0. Thi s  i s   due to the  fact that field s  a r e  floode d  by wate r  and   the ri ce   is very small,  whi c h lea d s to  strong  co ntributi on  of non-ve get ative comp o nents  (wat er and  soil)  o n  the re sp ective  pixel. When ri ce  gro w s,  c h lor o ph yll in c r ea se s ,   w h ic h  is  th er e f or e  r e flec ted by  rising NDVI  value.  Howev e r, in  cer t ain   perio ds, NDVI  values are  d r opp ed sig n ificantly.  From  f i eld ob se rvati ons, it  wa s fo und that  man y   blocks we re  severely infe sted. Two m a jor infe stat io ns in resea r ch are a  we re  due to rat s  a n d   golde n apple  snail s  ( Pom a cea canali c ul ata ). All infested fields (Fig ure 4)  were repla c ed by n e w  see d ling s . Th is lead s to un even app eara n ce o n  parti cular field s .      16-20 21- 25 26-30 31- 35 36- 40 41-45 46- 50 51-55 56- 60 61- 65 66- 70 71- 75 76-80 81- 85 91-95 96- 100 101-105 106 -110 Ag e -0 .2 -0 .1 0.0 0.1 0.2 0.3 0.4 0.5 0.6 ND V I   Figure 3. Observed NDVI o v er Cihe ra ng  Cultivar  Figure 4. Infestation by Rat s       NDVI in crea ses  duri ng ve getative ph ase until  ear ly gene rative (h eadin g ) stag e.  At  this  point, NDVI start s  to decrease. As sho w n in Fi gu re  3, NDVI of  Cihe ran g  vari ety reach e s t he  pea k  at   ab ou t  90 days. Th is re sult  a p p r oves a pr evio us study   by mean s  of tim e  seri es MO DIS  observation i n  the same  si te [14].    B 4  < =  56. 36 B 2  < =  54. 72 B 3  < =   31. 88 Y N T i lle r i n g B 3  < =  51. 96 Y N B 2  < =   64. 46 Ea r l y  T i lle r i n g Ea r l y  T i l l e r i n g Mat u r e N Y N Y B 4  < =  90. 60 Mat u r e N Y B 1  < =   63. 21 H eadi ng Y N B 1  < =  64. 97 B3  <=  3 0 . 8 7 N Y Mat u r e H eadi ng N Y Mat u r e T ill e r i n g N N Y     Figure 5. De cision T r ee for  AVNIR-2  Dat a   Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Dete cting Ri ce Gro w th Usi ng ALOS Mul t ispe ctral an d  Synthetic… (Bam bang H. Trisasong ko )  5617 NDVI curve i ndicates that  at least four gr o w th sta ges a r e visib l e. Those are early   tillering  (le ss than  50  da ys), tilleri ng  (50-7 0 ),  hea di ng (71 - 90 ), and mature (more   than   9 0 ).  Acco rdi ng to  those  classes, all  pixels in the  i m ag ery were the n  cl assified  e x ploiting Ran dom   Fore st. Follo wing fig u re  shows  a resul t  of Ran dom  Forest  deci s ion tre e , whil e its a s so ciat ed   accuracy is p r esented in T able 2.       Table 2. Accu racy in Per  Cent, Based o n  30% Sampl e  Pixels   Classified   O b served  Earl y   Tillering   Tillering  Heading   Mature   Ear l y  T iller i ng  99  0  0  1  T iller i ng 3  96  0  1  Heading       0  18  65  17  Mature     3  1  1  96      As sho w n in  Figure 5, ba n d  4 of AVNIR-2 pl aye d  in  cru c ial  rol e  in  the develo p m ent of  rule s, a nd  sel e cted  by th e  algorith m  a s  t he m a in  stem . This is due t o  the sensitivity of the band  (820.6  nm) to  vegetation,  whi c h h a s  be en wi dely kno w n o n  a va rie t y of optical sensors. Band  1,  whi c h is oft en used to  identify wate r bodie s ,  wa s su bsta ntial  as well, e s peci a lly on th e   discrimi nation  of headi ng a nd matu re  stage s. Ri ce fi e l ds a r e d r ai ne d duri ng the  maturity of ri ce.  Mean while, the Re d ban d (Band 3 )  is e m ployed  to separate tilleri ng and matu re paddi es. Lo we r  value of Ban d  3 in dicates a con s ide r a b le invo lvem ent of soil/wa ter ba ckgrou nd, and  there f ore   these values  fit into tillering class.   Overall a c curacy usi ng AVNIR-2 data o b tained in thi s  expe riment  is rea s o nabl y good,   as i ndi cated  i n  Ta ble  2. Howeve r, it a p pears that  h e ading  is com paratively  co nfuse d  to tille ring  and matu re stage s. This  is fairly unde rstan dabl e si nce the cl ass ha s no  sig n ificant featu r e s   whi c h influe n c e di stin ctive spe c tral  sig n a ture. NDVI  pattern p r e s e n ted in Fig u re 3 also supp orts  the argu ment , where h ead ing is indi cat ed by gent le  slop e, sho r tly before the p eak (th e  end  of  vegetative ph ase ) . Thi s  al so sugg est s  th at even  Band  1  ca n b e  e m ployed fo r  discrimi nation  of  mature a nd h eadin g , the bias re main s consi derably h i gh.    3.2. Back sca tter  Coe fficie n t    a. 86- 90 b. 96- 1 0 0 c . 101- 105 d. 106- 110 e. 111- 115 f . 116- 12 0 g. 121- 1 2 5 h . 126- 1 3 0 i . 131- 135 Ag e - 26. 0 - 24. 0 - 22. 0 - 20. 0 - 18. 0 - 16. 0 - 14. 0 - 12. 0 - 10. 0 -8 . 0 -6 . 0 -4 . 0 -2 . 0 0. 0 2. 0 B a cksca t t e r  co e f f i ci e n t  ( s i g m a   nought )   V V       H V       H H   ;     O u t l i e r s       E x t r e m e s     Figure 6. Backscatte r Patterns of  Rice P henol ogy . Prolong ed ri ce  planting  wa s due to extensive  repla n ting in  2007.       Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5613 – 56 20   5618 Backscatter i n tensitie s h a v e been  em ployed to o b se rve a nd  to model i n tera ction   betwe en ra d a r si gnal s a nd su rfa c e  material s. Th is re sea r ch focu se s on t he ob servati on of  sigma - n ought  among va rio u s a g e s  (afte r tran spl antin g). Du e to m ono static n a ture of PALS A R  sen s o r , VH d a ta can b e  o m itted as a consequ en ce   of the reci pro c ity theorem.  Followin g  fig u re  sho w s variabi lity of backscatter data extracte d from  combine d  200 7 and 20 09 PLR data.   As sho w n, HH has the hi ghe st backscatter  coeffici ents. On HH polari z ation,  higher  amplificatio n  of backsca tter is due  to stro n g  contributio n o f  double b o unce scattering  mech ani sm.  L-ba nd  HH  si gnal s are ca pable to  pen etrate cano p y  layer and t herefo r e i n teract  with  soil  ba ckgroun d. Sin c e th e  soil  is usually  floo ded  du ring  p eak vegetativ e sta ge,  sig n als  con s e c utively  interact  with soil an d the ri ce.   High er ba ckscatter  contrib u tion  of HH wa s  al s o  re po r t e d  b y  nu me r o us r e s e a r c h er s [6 - 7]. At the early tillering, Wang  et al . [7] reported low back sc a tter  returns  due to  s p arse  vegetation, a nd the r efore, overall  scattering  is   domi nated by  sp e c ula r  p r op ag ation. Thi s  st age   wa s mi ssed i n  the  re sea r ch due  to la ck of PL R  data  and  mo st bl ocks were  in  headi ng o r  p r e- harve st stage s. Ho wever, i t  appears tha t  our re su lts  are in line a n d com p leme n t ary to previo us  finding s [7], with si milar  a b sol u te value  of sigm a-n o ught. De clini n g SAR return s at L - ba nd  were  also  re po rted  [15]. Structu r al pr ope rty, i.e. drying  leav es,  wa s repo rted a s  the  ma in cau s e  of th e   decli ne [7].  Amplification  of HH was  reporte d in  m e ch ani cal-ba sed plantin g sy stem i n   Ja pan [16]  and i n   Chin a  [6]. Although  the San g   Hya ng Se ri di d n o t implem ent  fully mechani cal  syste m , field   observation  discovered t hat spa c e  b e twee n ri ce   wa s re gula r  (sq u a r ed, wit h  20 cm  sp ace  betwe en pla n t s). Thi s  re gu lar spa c e can  cre a te the B r agg  scatterin g , which ob servable i n  hig h   percenta ge of  HH si gnal s.           Figure 7. Reg u lar Pattern o f  Rice Plantin g      Specifically for VV pola r i z ation, Fig u re  4 sh ows h i gh variatio n of SAR backscatters.  Previou s ly, VV was d e mo nstrate d  lea s t useful for  ri ce monitori ng  [15]. This is  also reflecte d  by  our re sult s. It app ears that  disag r eem e n t rem a in s  in  fluctuate d  b a ckscatte r  co efficients du ri ng  rice  g r o w th, e s pe cially  at C-ban d. Durde n   et al . [1 7], for in stan ce,  found  that mi crowave  returns  tended to de crea se du rin g  gro w ing p e rio d  at C-ba nd  AIRSAR. Ho wever, T s an g   et al . [18] mo del  indicated that  there is an in cre a se of SAR  bac ksc atters  of ER S-1 V V  polari z ation .   Low retu rn s o f  SAR si gnal s at HV  are  p r imarily du e to  compl e x p r op agation  of si g nals in   vegetative co ver. Thi s   wa s extensively  repor te d by  n u merou s  p a p e rs,  incl udin g  Santoro  et al .  [19]. We  foun d that  HV p a ttern  of Ci her ang  cultivar i s  q u ite  simila r to  Ling   et al . [6] obs e rvation  in East Chi n a  using  dual -p olari z ed PAL SAR. HV pattern i s  also compa r abl e to Wang  et al. [7]  finding s.  PALSAR data spa n  wa s  quite differen t  than AVNIR-2. This  creat ed a co nditio n  whe r e   PALSAR dat a co ntain o n l y headin g  a nd matu re p hases.  Usi n g  Ran dom F o rest, a  simpl e   sep a ratio n   rul e  bet wee n  h e ading  an d ma ture  wa s e s ta blish ed  (Fig ure 8).  It is i n teresting  that V V   polari z atio n wa s sele cte d   by Ran d o m   Fo re st  al gorithm,  eve n  a s sessm e nt of ba ckscatter   sho w e d  high er prefere n ce  of HH. This  is pro bably d ue to the effect of gro upi ng rice age i n to   gro w th  cla s s  (hea ding  an d  mature). An other  so ur ce of  the  bi as would be  p a ra meter sel e cti on,  Evaluation Warning : The document was created with Spire.PDF for Python.
TELKOM NIKA   ISSN:  2302-4 046     Dete cting Ri ce Gro w th Usi ng ALOS Mul t ispe ctral an d  Synthetic… (Bam bang H. Trisasong ko )  5619 whi c h i s   su bject fo r furth e r asse ssment.  Du e to  si mpl e  sepa ration,  it is  obviou s   to se e that th e   overall  accu racy ten d s to   be hig h e r  (Ta b le 3 ) . Simila r to tho s e  in  AVNIR-2,  he ading  wa s  ha rde r   to detect in  al l PALSAR PL R data. M o st  of pixels  b e lo ng to he adin g  wa s repo rted ly miscla s sified   into mature  c l ass .           Figure 8. De cision T r ee for  PALSAR Line ar Polari zatio n       Table 3. Co nfusio n Matrix Based o n  30 % Samples   Classified   Observed  Heading   Mature   Heading     65 17  Mature     1  96      4. Conclusio n   This re se arch de mon s trat es th e  cap a b ilities  of AL OS sen s ors  to retri e ve in valuable  informatio n o n  ri ce  field s . It wa s  sho w n   that grow th  di sturb a n c e,  especi a lly in tra n spl anting  an d  early vegetati v e stage s, was  so me wh at visible from  NDVI plot. V egetative sta ge of Cih e ra ng  cultivar was  pea ked at ab out 90 days,  simila r to  pre v ious ob se rvation usi ng time se rie s  MODIS   data. Cla ssifi cation by me ans of Rand o m  Fore st  on AVNIR-2 dat a  pro duced substa ntially  high   accuracy. Ho wever, imp r o v ements a r e  still r equi red  since hea di ng stag e wa s co nfused  with  tillering  and mature stages.  The  research was unabl e  to  collect  PLR data  covering full phase of  rice  p r odu cti on. In thi s  case,  early till ering  an d till ering  ph ases we re mi ssin g. The r efore, full  con c lu sio n  cannot b e  d r a w n u s in g  sol e ly avail able  PLR  data.  Ho wever, it i s  inte re sting  to  observe  that difficulties  to discrimi nate headi ng  sta g e  are q u ite similar on b o th AVNIR-2 a n d   PLR data.   These all  su gge st that AVNIR-2 an d  PALSAR  fully pola r imetri c  datasets a r e  useful t o   monitor vari o u s ri ce g r o w ths. No nethel ess, seve ral issue s  nee d to be addressed. Availabil i ty  has b een a  primary ob stacle for full y polarimet ri c SAR. It is sugg este d that regul ar f u lly  polari m etri c  acq u isitio n cycle n eed s t o  be  revi sed  to a c comm odate  a tho r ough  ri ce fie l d  observation. Acqui sition s  i n   a co uple  of  we eks  after mi d-sea s o n  of  rainy m onsoon  (a bo ut  De cemb er-Ja nuary at  the   test site) are  sugg es te d  to examin e  appli c ability  of SAR d a ta  for   estimating rice  prod uctivity.      Ackn o w l e dg ements   This research was  supported by JAXA and REST EC, J apan. Additional funding  was  provide d  by Indone sian  Ministry of Ag ricultu r e  through K KP3T proje c t. The authors  ackno w le dge  sub s tantial a s sista n ce of Mr. Masato shi  Kamei of RESTEC and Mrs. Ita Carolita  of  LAPAN who  managed i m age  acqui sition. We are  grat eful to our  Japanese  fellows for t heir  enthu sia s m a nd supp ort d u ring  the research.  We  th ank  ou r stu d ents at th e Departm ent of  Soil  Scien c e a n d  Land  Re so urces, Bog o r Agricultu r al  University for their  assi sta n ce d u ri ng the  r e sear ch.      Referen ces   [1]  Van V a lke n b e rg S. Java: T h e  Econom ic Ge ogra p h y   of A T r opic a l Isla nd.  Geogra phic a l Review . 19 25;  15(4): 56 3-5 8 3 .   [2]  Panu ju  DR, Mi zuno  K, T r isasongk o BH. T he D y n a mics  of  Rice  Pro ducti on i n  In do nesi a  1 961- 20 09 .   Journ a l of the  Saud i Soci et y of Agricultur al  Scienc es . 201 3; 12(1): 27-3 7 .   Evaluation Warning : The document was created with Spire.PDF for Python.
                               ISSN: 23 02-4 046                     TELKOM NI KA  Vol. 12, No. 7, July 201 4:  5613 – 56 20   5620 [3]  Hald ar D, Patn aik C. S y n e rgis tic Use of Mu lti - te mp o r al  R ada rsa t  SAR  an d AWi F S D a ta  fo r R a b i  Ri ce  Identificati on.  J ourn a l of Indi a n  Society of Re mote S ensi n g .  201 0; 38(1): 15 3-16 0.  [4]  Che n  J, Lin H,  Hua ng C, Fan g  C.  T he Rel a tio n sh i p  bet w e e n  the Le af Area I nde x ( L AI) of Rice an d th e   C-ba nd SA R V e rtical/H orizo n tal (VV/H H ) Po l a rizati on  Rati o.  Internati o n a l J ourn a l  of R e mote Se nsi n g .  200 9; 30(8): 21 49-2 154.   [5] Ishitsuka  N.  Observatio n o f  Japan ese P addy F i elds   Using  PALSA R Data . IEEE Internationa l  Geoscie n ce a n d  Remote Se n s ing S y mp osiu m. Vancouver,  Can ada. 2 011:  1938- 19 41.   [6]  Lin g  F ,  Li Z ,  C hen E, T i an X,  Bai L, W ang  F .   Rice Areas  Mapp ing Us in g  ALOS PALSAR F B D Data   Consi der ing t he Bra gg Sc attering  in  L-ban d SAR I m ages  of Rice  F i elds . IEEE Internationa l  Geoscie n ce a n d  Remote Se n s ing S y mp osiu m. Honol ulu, U SA. 2010: 14 6 1 -14 64.   [7]  W ang C, W u  J, Z hang Y, Pan G, Qi  J, Salas W A .  Charact e rizin g  L-b and  Scattering of P add y Ric e in   Southe ast Ch i na  w i t h  R adi ative T r ansfer M ode l an d Mu ltitempor al AL OS/PALSAR Imager y.  IEEE  T r ansactio n s o n  Geoscie n ce  and R e mote S ensi n g . 20 09; 47(4): 98 8-9 9 8 .   [8]  Lillesand T M ,  Kiefer  RW, Chipma n  JW . Re mote Se nsi ng  and  Imag e In terpretation. Fifth  Editi on.  N e w   York: John W i l e y  & So ns. 200 5: 546-5 50.   [9]  Shima da M, Isoguc hi O, T adono T ,  Isono K. PAL SAR Rad i ometric a nd G eometric C a li br ation.  IEEE   T r ansactio n s o n  Geoscie n ce  and R e mote S ensi n g . 20 09; 47(1 2 ): 391 5-3 932.   [10]  F r iedl MA, Bro d le y CE. D e ci sion T r ee Cla ssificatio n  of L and C o ver fro m  Remotel y  S ense d  Data .   Re mote Se nsi ng of Enviro n m ent . 199 7; 61(3 ) : 399-40 9.  [11]  Breima n L. Ra ndom F o rests.  Machi ne Le arn i ng . 20 01; 45( 1 ) : 5-32.  [12]  Z hou L, W a n g  H. Loa n D e fault Pre d icti on  on Lar ge Imbala n ced D a ta  Usin g  Ra ndom  F o rests.   T E LKOMNIKA Indon esi an Jou r nal of Electric al Eng i ne eri n g .  2012; 1 0 (6): 1 519- 152 5.   [13]  M y i n t SH. Overlo ad P a ttern  Class ificatio n  for Server O v erlo ad D e tect ion.  Inter natio nal J our nal  of   Information &  Network Security . 2013; 2(3): 260- 266.   [14]  Panu ju  DR, H e idi n a  F ,  T r isason gko B H ,  T j ahjono  B, K a sno A, S y afril AH A. Var i asi  Nil ai In dek s   Vegetas i MOD I S pada S i klu s  Pertumbu ha n Pad i .  Jurna l  Ilmi ah Ge omatika . 20 09; 1 5 : 9-16. (i n   Indon esi an).   [15]  Inoue  Y, Kur o su T ,  Maeno  H, Ur atsuk a  S,  Kozu  T ,  Dabro w ska-Z ie li nsk a  K, Qi J. S e a s on-l ong  Da il y  Measur ements  of Multifrequ e n c y   (K a, Ku, X, C, and L) an d Full-Po lariz a tion Backsc atte r Signatur es   over  Pa dd y Rice  F i eld an d  their Rel a ti onsh i p  w i t h  Biol ogic a l  V a ri abl es.  Re mot e  Sens in g o f   En vi ronm e n t . 2 002; 81( 2-3): 1 94-2 04.   [16]  Ouchi K, W a n g  H, Ishitsuk a  N, Saito G,  Mohr i K. On t he Bra gg Sc at tering Obs e rve d  in  L-b a n d   S y nt hetic A per ture R adar  Images  of F l o o d ed R i ce  F i el ds .  IEICE T r ansactions  on  Co mmu n icati o n .  200 6; E89-B(8) : 2218-2 2 2 5 .  [17]  Durd en SL, M o rrisse y  LA, Li vingsto n GP. Micro w av e Ba ckscatter and  Attenuatio n De pen de nce o n   Leaf Ar ea In d e x for F l o ode d  Rice F i elds.  I EEE Transactions on Geosci ence  and Remote Sensing .  199 5; 33(3): 80 7-81 0.  [18]  T s ang L, Ko ng  JA, Di ng K,  Ao CO. Scatte ring  of  El ectro m agn etic W a v e s 2:  Numer i c a l Sim u l a tion ,   Ne w  York: W i l e y  Intersc i enc e .  2001: 68 5-69 2.  [19]  Santoro  M, Fransso n JES,  Eriksson  LEB,  Mag nuss on  M, Ula nder  L M H, Olsson  H .  Sign atures  o f   ALOS PALSA R L- band B a c kscatter in S w edis h For e st.  IEEE Trans actions  on Geoscienc e and  Rem o te Sensing . 200 9; 47(1 2 ): 4001- 40 19         Evaluation Warning : The document was created with Spire.PDF for Python.