Band Combination Similarity Index using Multispectral Landsat Images for Mangroves Monitoring

The use of Landsat satellite images has been widespread in monitoring mangrove habitats due to its biological importance. However, difficulties arise when utilising different multispectral Red Green Blue (RGB) composite colour combinations from Landsat 8 imagery for the purpose of visually identifying these mangroves. The research addresses the difficulties of accurately monitoring mangrove ecosystems, including the problem of noise and distortions in satellite data, the selection of the best combinations of bands for precise identification of mangroves, and the modification of clustering algorithms to improve image retrieval in Content- Based Image Retrieval (CBIR) systems. This research analyzes the ability of CBIR to efficiently monitor mangroves using multi spectral data. The objective of this research is to tackle the challenge of creating a reliable and automated system to effectively monitor mangrove ecosystems with precision. In order to do this, a methodology based on experimentation was utilised. An exhaustive analysis was conducted on the mangrove cover in Pontian Johor using Landsat 8 Operational Land Imager (OLI) data collected between 2013 and 2021, at a yearly frequency. Initially, GIS image classification was employed to analyse the variations in vegetation indices in mangrove areas using multispectral data. Subsequently, the research presented a model called Vegetation Index - Content-Based Image Retrieval (Vl-CBIR) to observe changes in the mangroves of Pontian Johor. An experimental approach was utilised for this purpose. In the laboratory phase, activities such as gathering data from Landsat 8 pictures, employing various pre-processing techniques, and utilising CBIR for certain RGB band combinations based on previous research. The last stage focused on model validation for the purpose of monitoring mangroves. Performance assessments played a crucial role in identifying the most efficient combinations of RGB bands and determining the most appropriate Digital Image Clustering (DIC) clustering methods. The findings of this study demonstrate the capability and efficiency of integrating CBIR with GIS image classification to provide a more detailed and comprehensive insight into mangrove ecosystems in the Ramsar Site of Johor. The created model offers a comprehensive analysis of the variations in mangrove cover over time, enhancing understanding of their spatial distribution and dynamics.

Oleh kerana kepentingan biologinya, imej Landsat telah digunakan secara meluas untuk memantau habitat bakau. Tetapi untuk mengenal pasti bakau ini secara visual, gabungan warna komposit multispektral Merah Hijau Biru (RGB) yang berbeza daripada imej Landsat 8 menimbulkan cabaran. Keupayaan Pengambilan Semula lmej Berdasarkan Kandungan (CBIR) untuk memantau bakau menggunakan data multispektral dikaji dalam kajian ini. Antara isu yang dibincangkan dalam penyelidikan ialah cara yang sesuai untuk memantau mangrove ecosystems. Ini termasuk isu-isu seperti distorsi dan noise dalam data satelit, menentukan gabungan bands yang paling sesuai untuk mengenal pasti mangroves dengan tepat, dan pengubahsuaian algorithm clustering untuk meningkatkan image retrieval dalam sistem CBIR. Membangunkan sistem yang boleh dipercayai dan automatik untuk memantau ekosistem bakau dengan tepat adalah cabaran yang dihadapi oleh penyelidik ini. Menggunakan data Landsat 8 Operational Land Imager (OLI) yang dikumpulkan antara tahun 2013 dan 2021 , analisis menyeluruh telah dijalankan ke atas litupan bakau di Pontian, Johor. Metodologi ini terdiri daripada beberapa bahagian. Pada mulanya, data multispektral digunakan untuk mengkaji variasi dalam indeks tumbuh-tumbuhan di kawasan bakau melalui pengelasan imej GIS. Kemudian, kajian ini menggunakan model yang dipanggil lndeks Tumbuhan - Pengambilan Semula Imej Berdasarkan Kandungan (VI-CBIR) untuk memantau perubahan dalam bakau di Pontian, Johor. Untuk mencapai matlamat ini, pendekatan eksperimen telah digunakan. Aktiviti yang dijalankan di makmal termasuk mengumpul data daripada gambar Landsat 8 mengg unakan pelbagai kaedah pra-pemprosesan dan menggunakan CBIR untuk menggabungkan beberapa jalur RGB berdasarkan kajian terdahulu . Pengesahan model untuk memantau bakau adalah fokus peringkat terakhir. Mencari gabungan jalur RGB yang paling berkesan dan kaedah pengelompokan imej digital (DIC) yang paling berkesan memerlukan penilaian prestasi. Kajian ini menunjukkan bahawa CBIR boleh digunakan dengan baik untuk memberikan gambaran yang lebih terperinci dan menyeluruh tentang ekosistem bakau di Tapak Ramsar Johor. Model yang dibangunkan meningkatkan pemahaman kita tentang taburan dan dinamika spatial bakau dengan menganalisis variasi litupan bakau dari masa ke masa. Penyelidikan ini telah mencipta kaedah pemantauan bakau yang lebih tepat dan berkesan.