LAPORAN ASISTENSI MATA KULIAH PENGINDERAAN JAUH
Dosen : Lalu Muhammad Jaelani ST., MSc., PhD Cherie Bhekti Pribadi ST., MT
Oleh: Mutia Kamalia Mukhtar
3514100084
Jurusan Teknik Geomatika Institut Teknologi Sepuluh Nopember Ph. 031-5929487
2016
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa karena dengan rahmat, karunia, serta hidayah-Nya penulis dapat menyelesaikan laporan ini. Penulis mengucapkan terima kasih kepada: 1. Bapak Lalu Muhammad Jaelani ST., MSc., PhD. selaku dosen mata kuliah Penginderaan Jauh. 2. Ibu Cherie Bhekti Pribadi ST., MT. selaku asisten dosen mata kuliah Penginderaan Jauh. 3. Teman-teman yang membantu dalam proses penyelesaian laporan praktikum ini.
Penulis berharap laporan ini dapat berguna dalam menambah wawasan serta pengetahuan kita mengenai koreksi geometrik citra. Jika terdapat kekurangan dalam penulisan laporan ini mohon dimaafkan. Oleh sebab itu, Penulis berharap adanya kritik, saran dan usulan demi perbaikan laporan yang akan di buat berikutnya. Semoga laporan ini dapat dipahami bagi siapapun yang membacanya dan juga dapat berguna bagi penulis. Mohon maaf apabila terdapat kesalahan kata dalam penulisan laporan ini. Kritik dan saran yang membangun sangat diperlukan demi perbaikan laporan ini.
Surabaya, 12 Oktober 2016
Penulis
DAFTAR ISI
HALAMAN JUDUL KATA PENGANTAR DAFTAR ISI BAB I
PENDAHULUAN
1.1 Latar Belakang 1.2 Maksud dan Tujuan BAB II DASAR TEORI 2.1 Koreksi Geometrik ( Registrasi Image to Map) 2.2 Citra Satelit MODIS 2.3 Resolusi Spektral BAB III PELAKSANAAN 3.1 Alat dan Bahan 3.2 Tempat dan Waktu Praktikum 3.3 Petunjuk Praktikum 3.3.1
Subset Data Via ROI
3.3.2
Spatial Subset
3.3.3
Spectral Subset
3.3.4
Registration Image to Map
BAB IV HASIL DAN ANALISA 4.1 Subset Data Via ROI 4.2 Spatial Subset 4.3 Spectral Subset 4.4 Registration Image to Map BAB V PENUTUP 5.1 Kesimpulan 5.2 Saran DAFTAR PUSTAKA LAMPIRAN
BAB I PENDAHULUAN 1.1 Latar Belakang Di bidang keilmuan geomatika memang difokuskan di bidang pemetaan. Berbagai macam teknik digunakan untuk menghasilkan peta suatu daerah yang dikehendaki. Mulai dari metode yang sederhana sampai teknologi yang sangat canggih pun digunakan untuk mendapatkan gambaran suatu daerah sesuai keperluan. Salah satunya yaitu dengan memperoleh peta dengan menggunakan citra satelit maupun foto udara. Maka dari itu digunakan beberapa software untuk mengolah peta yang didapatkan sesuai kebutuhan. Dalam praktikum kali ini, kami melakukan pengolahan citra hasil satelit agar mudah untuk di analisa dan di interpretasikan. Maka dari itu dalam pengolahan data kali ini software yang digunakan adalah adalah ENVI 4.6.1 yang merupakan software yang digunakan untuk pengolahan data citra satelit karena dalam pengoperasiannya cukup sederhana. 1.2 Maksud dan Tujuan Tujuan dalam melaksanaan praktikum ini adalah sebagai berikut : a. b. c. d.
Pengenalan cara melakukan koreksi geometrik dengan metode registrasi (image to map). Mengetahui tentang spatial subset. Mengetahui tentang spectral subset. Registration Image to Map.
BAB II DASAR TEORI
2.1 Koreksi Geometrik Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan (spatial distribution). Geometrik memuat informasi data yang mengacu bumi (geo-referenced data), baik posisi (sistem koordinat lintang dan bujur) maupun informasi yang terkandung di dalamnya. Menurut Mather (1987), koreksi geometrik adalah transformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi. Transforamasi geometrik yang paling mendasar adalah penempatan kembali posisi pixel sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang terekam sensor. Pengubahan bentuk kerangka liputan dari bujur sangkar menjadi jajaran genjang merupakan hasil transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung hasil perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik. Geometrik citra penginderaan jauh mengalami pergeseran, karena orbit satelit sangat tinggi dan medan pandangya kecil, maka terjadi distorsi geometric. Kesalahan geometrik citra dapat tejadi karena posisi dan orbit maupun sikap sensor pada saat satelit mengindera bumi, kelengkungan dan putaran bumi yang diindera. Akibat dari kesalahan geometrik ini maka posisi pixel dari data inderaja satelit tersebut sesuai dengan posisi (lintang dan bujur) yang sebenarnya. Kesalahan geometrik citra berdasarkan sumbernya kesalahan geometrik pada cita penginderaan jauh dapat dikelompokkan menjadi dua tipe kesalahan, yaitu kesalahan internal (internal distorsion), dan kesalahan eksternal (external distorsion). Kesalahan geometrik menurut sifatnya dapat dibedakan menjadi dua jenis yaitu kesalahan sistematik dan kesalahan random. Kesalahan sistematik merupakan kesalahan yang dapat diperkirakan sebelumnya, dan besar kesalahannya pada umumnya konstan, oleh karena itu dapat dibuat perangkat lunak koreksi geometrik secara sitematik. Kesalahan geometrik yang bersifat random (acak) tidak dapat diperkirakan terjadinya, maka
koreksinya harus ada data referensi tambahan yang diketahui. Koreksi geometrik yang biasa dilakukan adalah koreksi geometrik sistemik dan koreksi geometrik presisi. Kesalahan geometrik internal disebabkan oleh konfigurasi sensornya, akibat pembelokan arah penyinaran menyebabkan distorsi panoramic (look angle), yang terjadi saat cermin scan melakukan penyiaman (scanning). Besarnya sudut pengamatan (field of view) satelit pada proses penyiaman akan mengakibatkan perubahan luas cakupan objek. Distorsi panoramic sangat besar pengaruhnya pada sensor satelit resolusi rendah seperti rendah NOAA-AVHRR dan MODIS, namun citra resolusi tinggi seperti Landsat, SPOT, IKONOS, Quickbird, dan ALOS bebas dari distorsi panoramic, karena orbitnya yang tinggi dengan medan pandang kecil hampir tidak terjadi pergeseran letak oleh relief pada data satelit tersebut. Distorsi yang disebabkan perubahan atau pembelokan arah penyiaman bersifat sistematik, dapat dikoreksi secara sistematik. Kesalahan geometrik menyebabkan perubahan bentuk citra.
2.1.1 Registrasi
Memberikan koordinat pada citra berdasarkan koordinat yang ada pada citra lain (dengan cakupan area yang sama) yang telah memiliki koordinat. Dalam beberapa kasus, yang dibutuhkan adalah penyamaan posisi antara satu citra dengan citra lainnya dengan mengabaikan sistem koordinat dari citra yang bersangkutan. Penyamaan posisi ini kebanyakan dimaksudkan agar posisi piksel yang sama dapat dibandingkan. Dalam hal ini penyamaan posisi citra satu dengan citra lainnya untuk lokasi yang sama sering disebut dengan registrasi. Dibandingkan dengan rektifikasi, registrasi ini tidak melakukan transformasi ke suatu koordinat sistem. Dengan kata lain, registrasi adalah suatu proses membuat suatu citra konform dengan citra lainnya, tanpa melibatkan proses pemilihan sistem koordinat.
2.2 Citra Satelit MODIS MODIS (Moderate Resolution Imaging Spectroradiometer) merupakan sensor multispektral yang memiliki jumlah 36 band yang mempunyai resolusi spasial yang berbeda-beda mulai dari 250 m (band 1-2), 500 m (band 3-7), 1000 m (band 8-36)
dengan panjang gelombang mulai dari 0,620-14,385 µm. Sensor ini mengorbit bumi secara polar pada ketinggian 705 km, lebar cakupan lahan pada permukaan bumi setiap putarannya sekitar 2330 km. Resolusi Band
λ (µm)
Kegunaan Utama Spasial (m)
Saluran Reflektan (Pantulan) 1
0,620 - 0,670
250 Aerosol, Awan, Lahan
2
0,841 - 0,876
250
3
0,459 - 0,479
500
4
0,545 - 0,565
500
5
1,230 - 1,250
500
6
1,628 - 1,652
500
7
2,105 - 2,155
500
8
0,405 - 0,420
1000
9
0,438 - 0,448
1000
10
0,483 - 0,493
1000
11
0,526 - 0,536
1000
12
0,546 - 0,556
1000
Aerosol, Awan, Ketebalan Optis,Bentuk Awan, Masking Awan, Salju, Lahan/Tanah
Warna Laut, Klorofil,Fitoplankton, Biogeo-kimiawi
Sedimen, Atmosfer 13
0,662 - 0,672
1000
14
0,673 - 0,683
1000
15
0,743 - 0,753
1000
16
0,862 - 0,877
1000
17
0,890 - 0,920
1000
Flouresense
Aerosol Atmosfer
Uap Air, Awan
Resolusi Band
λ (µm)
Kegunaan Utama Spasial (m)
18
0,931 - 0,941
1000
19
0,915 - 0,965
1000
26
1,360 - 1,390
1000
Awan Sirus
Saluran Radian (Pancaran) 20
3,660 - 3,840
1000
21
3,929 - 3,989
1000
22
3,929 - 3,989
1000
23
4,020 - 4,080
1000
24
4,433 - 4,498
1000
Permukaan dan Awan, Suhu, Api dan Vulkanik, Suhu Muka Laut
Suhu Atmosfer 25
4,482 - 4,549
1000
27
6,535 - 6,895
1000
28
7,175 - 7,475
1000
29
8,400 - 8,700
1000
Partikel Awan
30
9,580 - 9,880
1000
Total Kandungan Ozon
31
10,780 - 11,280
1000
Uap Air Troposfer
Awan, Api, Suhu Permukaan 32
11,770 - 12,270
1000
33
13,185 - 13,485
1000
34
13,485 - 13,785
1000
35
13,785 - 14,085
1000
36
14,085 - 14,385
1000
Ketinggian Awan, Suhu, Tekanan, Profil Suhu/Temperatur
2.3 Resolusi Spektral Resolusi spektral diartikan sebagai dimensi dan jumlah daerah panjang gelombang yang dimiliki oleh sensor. Sebagai contoh, potret hitam-putih mempunyai resolusi yang lebih rendah (0,4 m - 0,7 m) dibandingkan dengan Landsat TM band 3 (0,63 m - 0,69 m). Dengan jumlah band-band sempit yang banyak maka pemakai atau peneliti dapat memilih kombinasi yang terbaik sesuai dengan tujuan dari analisis untuk mendapatkan hasil yang optimal. TM mempunyai 7 band dengan lebar setiap bandnya yang sempit tetapi rentang band yang digunakan lebar (mulai band biru sampai dengan band termal), sedangkan SPOT 5 mempunyai 4 band dengan rentang dari band hijau sampai dengan inframerah sedang, ini berarti bahwa TM mempunyai resolusi spektral yang lebih baik dibandingkan dengan SPOT.
BAB III PELAKSANAAN
3.1 Alat dan Bahan
Laptop Asus S551L
Citra Landsat Kota Bogor Tanggal
: 17 Agustus 2016
Path
: 122
Row
: 64
Citra MODIS Sulawesi
Software ENVI 5.1
3.2 Tempat dan Waktu Praktikum Hari
: Selasa
Tanggal
: 11 Oktober 2016
Jam
: 14.00-15.00 BBWI
Tempat
: Laboratorium Geospasial Teknik Geomatika ITS
3.3 Petunjuk Praktikum 3.3.1 Subset Data Via ROI 1. Buka software ENVI.
2. Pilih Open Image File. Masukkan band yang telah di warping sebelumnya.
3. Pilih RGB, lalu klik Band 3-2-1 dan Load.
4.Masukkan peta vektor yang telah di potong sesuai daerah kabupaten masingmasing.
5. Pilih Subset Data Via ROIs di menu Basic Tools.
6. Lalu pilih data vektor yang telah anda masukkan sebelumnya. Klik OK.
7. Pilih data yang akan di subset lalu aktifkan Mask pixels output of ROI, dan save.
8.Setelah itu akan muncul band hasil subset. Klik Load jika ingin menampilkan hasil citra yang telah di subset.
3.3.2 Spatial Subset 1. Pilih Open Image File, lalu masukkan data citra MODIS yang telah di georeferencing sebelumnya. Dan load Band 3-2-1.
2. Pilih menu Basic Tools lalu pilih Resize Data.
3. Pilih citra yang sudah di georeferencing.
4. Klik Spatial Subset di menu Subset Using klik Image.
5. Ganti angka Samples dan Lines sesuai yang anda butuhkan, disini saya menggunakan 800x1000. Lalu arahkan kotak merah ke daerah yang ingin anda potong. Klik OK.
3.3.3 Spectral Subset 1. Pilih Spectral Subset.
2. Pilih Band 1 sampai Band 4 lalu klik OK.
3. Akan muncul jendela Resize Data Parameters. Lalu save citra. Klik OK.
4. Citra akan terpotong sesuai daerah yang sebelumnya kita pilih di kotak merah.
3.3.4 Registration Image to Map 1. Masukkan citra MODIS yang telah di potong. Load Band 3-2-1.
2. Masukkan peta vektor provinsi dan aktifkan di Display 1.
3. Pilih menu Map lalu pilih Registration kemudian pilih Image to Map. Lalu pilih proyeksi UTM, Datum WGS-84, Units Meters, Zone 51 S, dan klik OK.
4. Akan muncul jendela Ground Points Selection.
5. Buka kembali jendela Vector Parameters: Cursor Query. Pilih titik GCP yang anda inginkan, lalu pilih mode zoom, klik ditengah-tengah piksel. Akan keluar angka Easting dan Northing di kolom Location. Copy angka Easting dan Northing tersebut ke jendela Ground Points Selection lalu klik Add Point.
6. Ulangi langkah 4 dan 5 untuk mendapatkan titik GCP sebanyak yang anda inginkan. 7. Pilih Option lalu Warp File.
8. Pilih citra MODIS Sulawesi yang sudah di crop sebelumnya. Klik OK.
9. Save citra yang akan ada GCP nya.
10. Lalu proses registrasi pun akan selesai dengan munculnya band seperti berikut. Load Band 1 sampai 4 untuk melihat hasilnya.
BAB IV HASIL DAN ANALISA 4.1
Hasil Subset Data Via ROI
4.2
Hasil Spatial Subset
4.3
Hasil Spectral Subset
4.4
Hasil Registration Image to Map
BAB V PENUTUP 5.1
Kesimpulan
5.2
Subset Data via ROI : Citra telah terpotong menjadi citra daerah Kota Bogor saja dan daerah di sekitar Kota Bogor sudah hilang/tidak tampak. Resize Data (Spatial/Spectral) : Citra telah terpotong menjadi citra daerah Pulau Sulawesi saja tetapi pulau-pulau kecil di sekitar Pulau Sulawesi masih tampak. Registration Image to Map : Secara geometrik tidak ada perubahan yang signifikan. Tetapi dibandingkan dengan metode sebelumnya yakin Registration Image to Image, nilai RMS Error pada metode Registration Image to Map ini lebih besar dari pada metode sebelumnya.
Saran 1. Dalam melakukan praktikum hendaknya mendengarkan penjelasan dari dosen dengan baik. 2. Terus berlatih setiap hari agar lebih menguasai software. 3. Catat dan tanyakan pada dosen pembimbing apa yang tidak kita mengerti.
DAFTAR PUSTAKA
Saripin, Ipin. 2003. Kajian Pemanfaatan Satelit Masa Depan:Sistem Penginderaan Jauh Satelit Ldcm (Landsat-8) Buletin Teknik Pertanian Vol.8 No.2.
Sitanggang, Gokmaria. Kajian Pemanfaatan Satelit Masa Depan: Sistem Penginderaan Jauh Satelit Lcdm (Lansat-8) Peneliti Bidan Bangfaja. LAPAN.
geomatikainderaja.blogspot.com/p/koreksi-geometrik.html
http://www.gispedia.com/2016/04/Karakteristik-citra-modis.html Danoedoro, P. 1996. Pengolahan Citra Digital – Teori Dan Aplikasinya Dalam Bidang Penginderaan Jauh, Fakultas Geografi, Universitas Gadjah Mada.
LAMPIRAN
Hasil Registration Image to Map
Band 1
Band 2
Band 3
Band 4
