Citra Landsat sangat bermanfaat dalam mebantu pekerjaan manusia dalanm hal inventarisasi SDA. Satelit Landsat telah lebih dari sepuluh tahun dimanfaatkan oleh pengguna di Indonesia untuk berbagai sektor kegiatan. Oleh karena itu sampai saat ini masih banyak pengguna data inderaja yang bergantung pada data Landsat,beberapa pemanfaatan dari Citra Landsat antar lain :
A. Menduga Produksi Padi
Menduga luas panen padi sa-ngat penting untuk mengeta-hui potensi luas panen dan produksipadi di suatu daerah. Pemanfaatanteknologi penginderaan jauh citra satelit Landsat Thematic Mapper(TM) merupakan alternatif yang te-pat untuk wilayah Indonesia dalamusaha memperoleh informasi sum-ber daya pertanian, khususnya luas tanaman pertanian secara cepatdan akurat.Satelit Landsat TM dilengkapidengan sensor yang dapat mere-kam setiap objek di permukaanbumi yang memantulkan atau memancarkan energi elektromagnetikdari ketinggian tertentu. Satelit tersebut merekam daerah yang samasetiap 16 hari sekali dengan ca-kupan wilayah 185 km x 185 km.Rekaman tersebut setelah diprosesmenghasilkan data digital yang dapat diinterpretasi dengan perangkatkomputer, atau berupa data visualcitra tercetak yang sangat miripdengan foto berwarna yang dapatdiinterpretasi secara manual.
1. Pemantauan Fase-fasePertumbuhan Padi
Kunci interpretasi citra Landsat yangpaling penting untuk mengenali la-han sawah adalah mengetahui fase-fase pertumbuhan tanaman padi.Lahan sawah mempunyai ciri-ciri yang unik sehingga mudah dibedakan dengan lahan lainnya. Lahan sawah berbentuk petakan-petakan,memerlukan genangan air, umumnya terletak pada daerah yang relatif datar. Di daerah yang berlereng,lahan sawah selalu berteras, petak-annya memanjang mengikuti kon-tur, dengan tanaman utama padidan sebagian diselingi dengan taaman palawija atau tebu dan tem-bakau. Dari ciri-ciri yang terlihat da-lam citra Landsat tersebut, lahansawah dapat dibedakan dengan penggunaan lahan yang lain.Pengenalan jenis penutup lahanseperti padi, kedelai, dan jagung pada citra Landsat dilakukan dengan mempelajari karakteristik reflektan (spectral signature) dari pertumbuhan tanaman yang akan diidentifikasi. Vegetasi/tanaman yangberbeda akan memantulkan energielektromagnetik (spectral reflec-tance) yang berbeda sehingga gam-bar yang terekam (image) dan tam-pak pada citra Landsat juga berbe-da. Karakteristik reflektan tersebut merupakan suatu pola tingkatan in-tensitas reflektan suatu objek yangdinyatakan dalam nilai pixel (pictureelement) pada citra satelit. Dengan demikian, nilai pixel merupakan unsur interpretasi utama dalam me-ngenali objek, termasuk tanamanpertanian, yang direkam citra Landsat. Fase-fase kondisi penutupan lahanselama masa pertumbuhan tanamanpadi dan kenampakannya pada citraLandsat dapat dijelaskansebagaiberikut :
a. Fase awal pertumbuhan padi, dimana lahan sawah didominasi oleh air karena penggenangan. Pada citra Landsat TM dengan komposisi warna true color composite (TCC), lahan sawah akan tampak berwarna biru.
b. Fase pertumbuhan vegetatif, ditandai dengan semakin lebatnya daun tanaman padi yang menutupi seluruh lahan sawah. Pada fase ini, penutupan lahan didominasi oleh warna hijau. Warna hijau ini akan tampak hijau pada citra.
c. Fase pertumbuhan generatif, dimana lahan sawah yang semula didominasi oleh daun yang berwarna hijau akan digantikan dengan butir-butir padi yang berwarna kuning pucat pada TCC
d. Fase panen. Pada fase ini lahan menjadi bera selama jangka waktu tertentu. Pada kondisi ini lahan sawah akan tampak berwarna coklat kemerahan pada komposisi warna TCC. Perkiraan Panen Padi Perkiraan masa panen padi dapat dilakukan dalam tiga periode pemantauan, yaitu:
Ø Januari-April: untuk perkiraanpanen bulan Februari, Maret, April, dan Mei.
Ø Mei-Agustus: untuk perkiraanpanen bulan Juni, Juli, Agustus,dan September.
Ø September-Desember: untuk perkiraan panen bulan Oktober, November, Desember, dan Januari.
Dengan pemantauan yang berurutan dan mengacu kepada umurpadi yang berkisar antara 110-120hari, maka fase (masa) panen dapatdiperkirakan. Fase panen dapatdiperkirakan apabila awal masatanam sudah dapat terpantau, yaitu adanya perubahan dari fase beramenjadi fase air (pengolahan tanah/ penggenangan), dan lebih yakin lagi bila diikuti oleh perubahan dari fase air menjadi fase vegetatif. Prediksi panen padi dapat dilakukan sampai 3 bulan sebelum panen. Perkiraan masa panen padi ditentukan berdasarkan umur padi yang diperoleh dari hasil transformasi nilai indeks vegetasi menjadi umur padi. Nilai indeks vegetasin tersebut diperoleh dari hasil analisis digital citra Landsat. Perkiraan panen padi 1 bulan sebelum panen ditentukan berdasarkan umur padi lebih dari 13 minggu. Panen padi 2 bulan yang akan datang ditentukan berdasarkan umur padi antara 8-12 minggu, sedangkan panen padi 3 bulan yang akan datang ditentukan berdasarkan umur padi antara 5-7 minggu. Panen padi yang terjadi 1 bulan sebelumnya ditentukan berdasarkan kenampakan lahan bera pada citra Landsat.
B. Pendugaan Produksi Padi dan Luas Panen
Fase generatif merupakan fase per-tumbuhan optimum tanaman padi,yaitu pada saat padi berumur 11-13 minggu setelah tanam. Pada saat itu, tanaman padi mempunyai nilai indeks vegetasi yang optimumpada citra satelit yang dinyatakan dengan Normalized Difference Vegetation Index (NDVI). Tanaman padi yang mempunyai nilai NDVI optimum tersebut kemudian pada waktu panen diubin atau dihitung produksinya untuk mengetahui produktivitasnya (ton per hektar). Berdasarkan data ubinan tersebut maka untuk daerah lain yang mempunyai nilai NDVI yang sama dapat diduga pula produktivitasnya.
Untuk menduga luas areal panendilakukan dengan cara menghitung jumlah pixel yang mempunyai warna kuning pucat pada komposisi warna TCC. Satu pixel berukuran 30 m x 30 menjadi lapangan merupakan satuan luasan terkecil yang dapat terekam dalam citra Landsat. Dengan mempertimbangkan terjadinya risiko kekeringan maupun serangan hama dan penyakit, maka padi muda yang berumur kurang dari 5 minggu tidak digunakan untuk perkiraan luas panen, terutama pada musim kemarau. Perhitungan luas areal panen dapat dilakukan berdasarkan batas wilayah provinsi atau kabupaten, sehingga dapat diketahui informasi luas panen padi untuk setiap provinsi dankabupaten di Indonesia
C. Pemetaan Batimetri
Selain untuk pemetaan objek dasar perairan dangkal, citra landsat ETM+ juga dapat digunakan untuk pemetaan batimetri. Keterbatasan yang paling utma adalah resolusi spasial yang tidak memadai dan rendahnya akurasi.
D. Menghitung nilai ekonomis SDA
Pemanfaatan citra Lnandsat untuk mengitung nilai ekonomos SDA misalnya adalah Untuk menghitung nilai ekonomi hutan mangrove dan tambak, data inderaja sangat berperan dalam tahap identifikasi liputan lahan / penggunaan lahan sehingga diketahui kondisi dan luasannya secara menyeluruh dalam waktuyang relatif lebih singkat. Tanpa data inderaja perhitungan luas masing-masing liputan lahan akan memakan waktu dan biaya yang besar.Dengan citra Landsat ETM, klasifikasi yang dihasilkan bersifat global, hal ini bisa diperbaiki dengan menggunakan citra yang lebih halus resolusi spasialnya ditambah pengetahuan lapangan yang dalam. Semakin tinggi resolusi spasialnya semakin detil klasifikasi, dengan demikian diharapkan nilai ekonomi SDA yang dihitung semakin mendekati kebenaran.Dari kedua jenis perhitungan (hutan mangrove dan tambak), didapatkan hasil bahwa hutan mangrove mempunyai nilai ekonomi lebih tinggi dibandingkan dengan hasil budidaya tambak, hal ini dikarenakan hutan mangrove tidak hanya mempunyai manfaat langsung tetapi juga manfaat tidak langsung yang nilainya sangat tinggi. Dengan kerapatan mangrove yang rendah, akan menurunkan nilai ekonomi mangrove tersebut