PENGINDERAAN JAUH MULTISPEKTRAL
I.
Dasar Penginderaan Jauh Penginderaan jauh adalah ilmu atau seni cara merekam suatu objek tanpa kontak fisik
dengan menggunakan alat pada pesawat terbang, balon udara, satelit, dan lain-lain. Dalam hal ini yang direkam adalah permukaan bumi untuk berbagai kepentingan manusia. Sedangkan arti dari citra adalah hasil gambar dari proses perekaman penginderaan jauh (inderaja) yang umumnya berupa foto. Beberapa pengertian penginderaan jauh oleh para ahli :
Menurut Lillesand and Kiefer
Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah atau gejala dengan jalan menganalisis data yang didapat dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah atau gejala yang dikaji.
Menurut Lindgren
Penginderaan jauh adalah bermacam-macam teknik yang dikembangkan untuk mendapat perolehan dan analisis informasi tentang bumi. Informasi tersebut khusus dalam bentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi.
Menurut Sabins
Penginderaan jauh adalah suatu ilmu untuk memperoleh, mengolah dan menginterpretasi citra yang telah direkam yang berasal dari interaksi antara gelombang elektromagnetik dengan suatu obyek.
1.1
Komponen Dasar Empat komponen dasar dari sistem PJ adalah target, sumber energi, alur transmisi, dan
sensor. Komponen dalam sistem ini berkerja bersama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh obyek tersebut. Sumber energi yang menyinari atau memancarkan energi elektromagnetik pada target mutlak diperlukan. Energi berinteraksi dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi elektromagnetik. Setelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses menjadi format yang siap pakai, diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk
menyarikan informasi mengenai target. Proses interpretasi biasanya berupa gabungan antara visual dan automatic dengan bantuan computer dan perangkat lunak pengolah citra. 1.2
Hasil Teknologi Penginderaan Jauh Data penginderaan jauh dapat berupa data digital atau data numerik untuk dianalisis dengan menggunakan komputer.
Selain itu, dapat berupa data visual yang pada umumnya dianalisis secara manual.
Data visual dibedakan lagi menjadi data citra dan noncitra.
Data citra merupakan gambaran planimetrik. Data noncitra ialah grafik yang mencerminkan beda suku yang direkam di sepanjang daerah penginderaan
Di dalam penginderaan jauh yang tidak menggunakan tenaga elektromagnetik, contoh data noncitra antara lain berupa grafik yang menggambarkan gravitasi ataupun daya magnetik di sepanjang daerah penginderaan. Jadi, jelaslah bahwa citra dapat dibedakan menjadi citra foto (photographic image) atau foto udara dan citra nonfoto (nonphotographic image).
1.3
Pengertian Citra Menurut Ahli
Citra merupakan gambaran yang terekam oleh kamera atau sensor lainnya (Hornby)
Citra adalah gambaran objek yang dibuahkan oleh pantulan atau pembiasan sinar yang difokuskan dari sebuah lensa atau cermin (Simonett, 1983)
1.4
Jenis-Jenis Citra
a.
Citra Foto Citra foto adalah gambaran yang dihasilkan dengan menggunakan sensor kamera. Citra
foto dapat dibedakan berdasarkan atas spektrum elektromagnetik, sumber sensor, dan sistem wahana yang digunakan. b.
Citra Nonfoto Citra Nonfototo dalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra
nonfoto dalah gambar atau citra tentang suatu objek yang dihasilkan oleh sensor bukan kamera dengan cara memindai.
1.5
Teknik Interpretasi Foto Udara Pada dasarnya interpretasi foto terdiri atas dua kegiatan utama, yaitu perekaman data
dari foto dan penggunaan data tersebut untuk tujuan tertentu. Perekaman data dari citra berupa pengenalan objek dan unsur yang tergambar pada citra, serta penyajiannya ke dalam bentuk objek dan unsur yang tergambar pada citra, serta penyajiannya kedalam bentuk tabel, grafik atau peta tematik dan hasil-hasil perhitungan. 1.
Data Acuan Data yang dihasilkan dari sebuah interpretasi citra udara tidak semata-mata langsung
digunakan, tetapi masih memerlukan dukungan data lain yang tidak didapatkan pada foto udara. Data inilah yang dinamakan data acuan. Jenis data ini berupa hasil tulisan, hasil pengukuran, analisis laboratorium, peta, kerja lapangan, atau citra udara. Penggunaan data acuan yang ada akan meningkatkan ketelitian hasil interpretasi yang tentunya dapat memperjelas masalah dan tujuan sehubungan dengan penggunaan citra foto udara tersebut.
b.
Kunci Interpretasi Proses interpretasi citra udara sering dipermudah menggunakan kunci interpretasi citra
udara. Kunci interpretasi ini membantu interpreter menilai berbagai informasi yang disajikan pada citra udara dengan lebih terorganisir.
c.
Penanganan Data (Data Handling) Cara sederhana untuk mengatur citra dengan baik adalah sebagai berikut: 1. Menyusun citra tiap satuan perekaman atau pemotretan secara alfabetis dan menghadap ke atas 2. Mengurutkan tumpukan citra sesuai dengan urutan interpretasi yang akan dilaksanakan 3. Meletakkan tumpukan citra sedemikian rupa sehingga jalur terbang membentang dari kiri ke kanan 4. Meletakkan citra yang akan digunakan bersebelahan dengan citra pembanding 5. Pada saat citra dikaji, tumpukan menghadap ke bawah dalam urutannya
d.
Pengamatan Stereoskopik Pengamatan stereoskopik pada pasangan citra yang bertampalan akan menimbulkan
gambaran tiga dimensi. Citra yang telah lama dikembangkan untuk pengamatan stereoskopik adalah foto udara. Foto udara dapat digunakan untuk mengukur beda tinggi dan tinggi objek
apabila diketahui tinggi salah satu titik yang tergambar dalam foto. Selain itu, dapat pula diukur kemiringan lereng objek pada foto.
Gambar 1.0 Pengamatan Stereoskopik e.
Metode Pengkajian Interpretasi citra diawali dari pengkajian terhadap semua objek yang sesuai dengan
tujuannya. Pada dasarnya, terdapat dua metode pengkajian secara umum, yaitu sebgai berikut: 1.
Fishing Expedition. Citra menyajikan gambaran lengkap objek di permukaan bumi. Bagi interpreter citra yang kurang berpengalaman, sering mengambil data lebih dari yang dibutuhkan. Hal ini disebabkan interpreter mengamati data citra secara keseluruhan.
2.
Logical Search. Interpreter secara selektif mengambil data yang diperlukan untuk tujuan interpretasinya.
f.
Konsep Multi Konsep multi adalah cara perolehan data dan analisis penginderaan jauh yang meliputi
enam jenis, yaitu multispektral , multitingkat, multitemporal, mulitarah, multipolarisasi, dan mulitdisiplin.
II.
Penginderaan Jauh Multispektral
2.1
Definisi Penginderaan Jauh Multi Spektral adalah penginderaan objek dengan menggunakan
lebih dari satu spektrum elektromagnetik yang penginderaannya dilakukan pada saat yang sama dan dari tempat serta ketinggian yang sama. Gambar tersebut menunjukkan suatu penyiam dengan lima saluran. Sinyal yang diciptakan oleh masing – masing detektor pada MSS diperkuat oleh sistem elektroniknya dan direkam dengan menggunakan perekam pita magnetik bersaluran jamak. Apabila MSS berorientasi piktorial, maka keluaran direkam dalam bentuk analog. Multispectral remote sensing is the collection and analysis of reflected, emitted, or backscattered energy from an object or an area of interest in multiple bands of regions of the electromagnetic spectrum (Jensen, 2005). Subcategories of multispectral remote sensing include hyperspectral, in which hundreds of bands are collected and analyzed, and ultraspectral remote sensing where many hundreds of bands are used (Logicon, 1997). The main purpose of multispectral imaging is the potential to classify the image using multispectral classification. This is a much faster method of image analysis than is possible by human interpretation. Penginderaan
jauh
multispektral
adalah
pengumpulan
dan
analisis
tercermin,
dipancarkan, atau back-tersebar energi dari suatu obyek atau area yang menarik di beberapa band dari daerah spektrum elektromagnetik (Jensen, 2005). Tujuan utama dari pencitraan multispektral adalah potensi untuk mengklasifikasikan gambar menggunakan klasifikasi multispektral. Ini adalah metode yang jauh lebih cepat dari analisis gambar daripada yang mungkin dengan interpretasi manusia. 2.2
Citra Multispektral Citra multispektral adalah salah satu yang menangkap data citra pada frekuensi tertentu
di seluruh spektrum elektromagnetik . Panjang gelombang dapat dipisahkan oleh filter atau dengan penggunaan instrumen yang sensitif terhadap panjang gelombang tertentu, termasuk cahaya dari frekuensi di luar jangkauan cahaya tampak , seperti inframerah . pencitraan spektral dapat memungkinkan ekstraksi informasi tambahan mata manusia gagal untuk menangkap dengan yang reseptor untuk
merah, hijau dan biru . Ini pada awalnya
dikembangkan untuk pencitraan berbasis ruang.
Citra multispektral adalah jenis utama dari gambar yang diperoleh oleh penginderaan jauh (RS) radiometers . Membagi spektrum ke banyak band, multispektral adalah kebalikan dari pankromatik , yang mencatat hanya intensitas total radiasi yang jatuh pada setiap pixel . Biasanya, satelit memiliki tiga atau lebih radiometers ( Landsat memiliki tujuh). Masing-masing memperoleh satu gambar digital (dalam penginderaan jauh, yang disebut 'adegan') di sebuah band kecil dari spektrum yang terlihat, mulai dari 0,7 pM sampai 0,4 um, yang disebut merahhijau-biru (RGB) wilayah, dan pergi ke panjang gelombang inframerah dari 0,7 pM sampai 10 atau lebih pm, diklasifikasikan sebagai inframerah dekat (NIR), tengah inframerah (MIR) dan far infrared (FIR atau termal). Dalam kasus Landsat, tujuh adegan terdiri dari tujuh-band citra multispektral. pencitraan spektral dengan banyak band lainnya, resolusi yang lebih baik spektral atau cakupan spektral yang lebih luas dapat disebut itt atau ultraspectral. Teknologi ini juga telah membantu dalam interpretasi papirus kuno , seperti yang ditemukan di Herculaneum , berdasarkan pencitraan fragmen dalam kisaran inframerah (1000 nm). Seringkali, teks pada dokumen tampaknya seperti tinta hitam di atas kertas hitam dengan mata telanjang. Pada 1000 nm, perbedaan reflektifitas cahaya membuat teks jelas dibaca. Hal ini juga telah digunakan untuk gambar palimpsest Archimedes dengan pencitraan daun perkamen dalam bandwidth 365-870 nm, dan kemudian menggunakan teknik pengolahan citra digital yang canggih untuk mengungkapkan undertext Archimedes kerja. Ketersediaan panjang gelombang untuk penginderaan jauh dan pencitraan dibatasi oleh jendela inframerah dan jendela optik . Band Spektral: Panjang gelombang adalah perkiraan; nilai yang tepat tergantung pada instrumen satelit tertentu:
Biru, 450-515..520 nm, digunakan untuk pencitraan air atmosfer dan mendalam, dan dapat mencapai hingga 150 kaki (50 m) jauh di air jernih.
Hijau, 515..520-590..600 nm, digunakan untuk pencitraan vegetasi dan air dalam struktur, hingga 90 kaki (30 m) di air jernih.
Red, 600..630-680..690 nm, digunakan untuk pencitraan objek buatan manusia, dalam air hingga 30 kaki (9 m) dalam, tanah, dan vegetasi.
Dekat inframerah, 750-900 nm, digunakan terutama untuk pencitraan vegetasi.
Mid-inframerah, 1550-1750 nm, digunakan untuk vegetasi pencitraan, kadar air tanah, dan beberapa kebakaran hutan .
Mid-inframerah, 2080-2350 nm, digunakan untuk pencitraan tanah, kelembaban, fitur geologi, silikat, tanah liat, dan kebakaran.
Inframerah termal , 10.400-12.500 nm, menggunakan memancarkan radiasi bukannya tercermin, untuk pencitraan struktur geologi, perbedaan termal dalam arus air, kebakaran, dan untuk studi malam.
Radar dan teknologi yang terkait berguna untuk medan pemetaan dan untuk mendeteksi berbagai benda.
Software Analisis Data Multispektral
MicroMSI didukung oleh NGA .
Opticks adalah open-source jauh aplikasi penginderaan.
Multispec adalah freeware perangkat lunak analisis multispektral didirikan.
Gerbil adalah open source multispectral visualisasi dan analisis perangkat lunak yang terbilang masih baru
2.3
Perkembangan Teknik Analisis
Dari Manual ke Digital Ketika berbagai negara berkembang masih memiliki akses terbatas ke sistem komputer untuk pengolahan citra digital, pemanfaatan produk penginderaan jauh satelit masih berupa citra tercetak (hard copy ) yang diinterpretasi secara visual atau manual. Teknik interpretasi semacam ini telah berkembang pesat dalam penginderaan jauh sistem fotografik, dan hingga saat ini merupakan teknik yang dipandang mapan. Prinsip-prinsip interpretasi fotografis dapat diterapkan pada citra satelit yang telah dicetak, dan memberikan banyak informasi mengenai fenomena spasial di permukaan bumi pada skala regional. Citra-citra satelit yang telah tercetak ini memberikan keuntungan terutama dalam hal (a) kemudahan analisis regional secara cepat (karena dimungkinkannya synoptic overview pada satu lembar citra berukuran 60 km x 60 km sampai dengan 180 km x 185 km), dan (b) kemudahan pemindahan hasil interpretasi ( plotting ) ke peta dasar, karena tidak memerlukan banyak lembar dengan skala yang berbeda-beda dan mempunyai distorsi geometri yang relatif lebih rendah dibandingkan foto udara. Sejalan dengan perkembangan teknologi komputer yang semakin pesat dewasa ini --di
mana banyak perusahaan telah melakukan downsizing (beralih dari komputer mainframe ke komputer mini, dan dari komputer mini ke komputer mikro/PC) maka akses berbagai kelompok praktisi dan akademisi ke otomasi pengolahan citra digital pun semakin besar. Semakin banyak paket perangkat lunak pengolah citra digital dan SIG yang dioperasikan dengan PC dan bahkan komputer jinjing (laptop). Di sisi lain, berbagai jenis PC dan laptop saat ini ditawarkan dengan harga yang semakin murah namun dengan arsitektur prosesor yang semakin canggih dan kemampuan pengolahan maupun penyimpanan data yang semakin tinggi. Teknologi SIG sebenarnya telah dimulai pada akhir tahun 1960-an, antara lain oleh Tomlinson (Marble dan Pequet, 1990). Kemudian pada dekade 1970-an beberapa negara bagian di Amerika Serikat telah memulai untuk menerapkan SIG dalam pengelolaan sumberdaya lahan dan perencanaan wilayah. Pada sekitar tahun 1979, Jack Dangermond mengawali pengembangan paket perangkat lunak SIG yang sangat terkenal, yaitu Arc/Info untuk mengisi pasar komersia (Rhind et al ., 2004). Setelah itu, puluhan --bahkan ratusan macam paket perangkat lunak SIG, yang sebagian besar di antaranya dioperasikan untuk PC, membanjiri pasar dunia. Kebutuhan akan fasilitas pengolahan citra digital yang sekaligus dilengkapi dengan fasilitas SIG telah membuka kemungkinan-kemungkinan baru dalam analisis data spasial. Sistem pengolah citra satelit dapat memberikan masukan pada SIG berupa petapeta tematik hasil ekstraksi informasi dari citra digital satelit. Di sisi lain, fasilitas analisis spasial dari SIG mampu mempertajam kemampuan analisis penglohan citra, terutama dalam hal pemanfaatan data bantu untuk meningkatkan akurasi hasil klasifikasi multispektral (Jensen, 2005). Dari Multispektral ke Multisumber dan Hiperspektral Pada awal perkembangannya, kamera hanya mampu menghasil-kan foto hitamputih. Hal yang sama diberikan oleh foto yang dipasang pada pesawat udara untuk kebutuhan pengintaian dalam aplikasi miltiter. Kehadiran film berwarna pun secara cepat berimbas pada penggunaan yang lebih intensif dalam penginderaan jauh berbasis foto udara. Ketersediaan film inframerah kemudian mendorong perkembang-an kamera multisaluran (multiband), yang pada umumnya memuat empat lensa dalam satu badan kamera, dengan kepekaan yang berbeda-beda untuk wilayah spektral berikut: biru, hijau, merah dan inframerah dekat. Tahap ini menandai perkembangan sistem pemotretan dari yang bersifat unispektral (saluran tunggal) dan berjulat spektral lebar –misalnya dari biru hingga merah — ke
sistem pemotretan
multispektral. Analisis visual foto udara pankromatik, baik hitam-putih maupun berwarna pun
kemudian bergeser ke analisis multispektral sederhana, dengan memanfaatkan alat pemadu warna elektrik seperti additive colour viewer (ACV). ACV merupakan suatu antarmuka ( interface) yang dapat digunakan untuk menampilkan diapositif film multispektral dengan penyinaran warna primer (merah, hijau dan biru) untuk masing-masing saluran. Melalui teknik ini, empat saluran yang tersedia dalam empat frame diapositif dapat disajikan sebagai foto udara komposit warna semu atau warna asli, tergantung pada pemilihan kombinasi sinar merah, hijau dan biru pada diapositif saluran yang berbedabeda. Interpretasi visual atas citra analog dilakukan di atas kaca tempat memproyeksikan sorotan komposit diapositif tersebut. Dengan tersedianya sistem perekam citra digital, maka citra multispektral pun diolah dengan komputer, dan setiap kombinasi warna dalam bentuk citra komposit bisa dihasilkan dengan mudah. Analisis multispektral dapat dilakukan secara lebih teliti dengan membaca nilainilai piksel pada berbagai saluran spektral secara serentak, untuk diperbandingkan, dikombinasi melalui transformasi, maupun diekstrak melalui berbagai analisis statistik multivariat yang rumit, di mana setiap saluran berfungsi sebagai satu variabel informasi spektral. Dari awal tahun 1970-an hingga saat buku ini ditulis, telah berkembang banyak metode analisis multispektral, yang dapat dibaca di Adams dan Gilespie (2006), Liu dan Mason (2008), dan juga Gao (2010). Kehadiran teknologi informasi spasial melalui SIG telah memperluas jangkauan analisis citra, sehingga kemudian berkembanglah metode-metode ekstraksi informasi objek atau fenomena di permukaan bumi dengan memasukkan data yang bersifat nir-spektral, sepertu misalnya jenis tanah, bentuklahan, kemiringan lereng, elevasi, dan juga peta-peta berisi objekobjek spasial lain. Tentu saja, peta-peta ini harus disimpan dan diproses dalam format data digital. Dengan demikian, perkembangan metode yang sudah berlangsung sekitar 25 tahun ini kemudian semakin mengarah ke klasifikasi multisumber.
Beberapa tulisan awal yang
mengintegrasikan penginderaan jauh (khususnya pengolahan citra) dan SIG angara lain yang ditulis oleh Verbyla dan Nyquist (1987), Srinivasan dan Richards (1990), Danoedoro (1993). Sementara tulisan yang relatif baru untuk topik-topik ini, dengan teknik-teknik yang juga baru, antara lain bisa dijumpai di Weng (2010). Perkembangan analisis multispektral juga mengarah ke penambahan jumlah saluran dan lebar setiap saluran. Sistem hiperspektral mampu mencitrakan fenomena di permukaan bumi dengan jumlah saluran spektral yang mencapai ratusan dan dengan lebar setiap saluran yang
hanya beberapa nanometer. Analisis citra semacam ini, yang disebut dengan spectral cube (kubus spektral) berkembangan dengan pendekatan yang berbeda, mengingat bahwa metodemetode analisis multispektral tidak akan efisien dari sisi waktu pemrosesan dan akurasi hasilnya. Tulisan-tulisan van der Meer dan de Jong (2003) serta Jensen (2007) dapat dijadikan rujukan awal untuk keperluan ini. Dari Per-piksel ke Per-objek Perkembangan sistem penginderaan jauh satelit telah menghasilkan citra-citra digital yang tidak pernah dibayangkan oleh praktisi di tahun 1980-an, yaitu citra multispektral dengan kualitas detil yang mendekati atau bahkan menyamai foto udara. Hal ini tidak lepas dari berakhirnya era Perang Dingin di awal 1990-an dan keputusan Presiden Bill Clinton untuk mengijinkan perusahaan-perusahaan swasta mengoperasikan satelit penginderaan jauh dengan teknoogi satelit mata-mata. Pada tahun 1999 muncullah perusahaan Space Imaging yang meluncurkan satelit Ikonos dengan resolusi spasial hingga 1 meter, disusul oleh Quickbird dengan resolusi spasial hingga 0,6 meter, serta satelit-satelit lain seperti OrbView. Saat ini, satelit GeoEye telah mampu menghasilkan citra digital dengan resolusi spasial sekitar 40 cm, meskipun undang-undang di Amerika Serikat hanya mengijinkan citra tersebut diproses dan digunakan oleh publik pada resolusi spasial 50 cm atau lebih kasar. Kehadiran citra resolusi spasial tinggi telah menantang para analis citra untuk mengembangkan metode ekstraksi informasi tematik yang berbeda dengan klasifikasi multispektral –yang biasa diterapkan pada citra resolusi spasial menengah dan rendah. Metode ini dikenal dengan nama klasifikasi berbasis objek ( object-based classification). Di Indonesia, citra resolusi spasial tinggi lebih banyak diperlakukan seperti foto udara karena para analis mengalami kesulitan dalam menerapkan klasifikasi multispektral terhadap citra semacam itu. Pada klasifikasi multispektral citra resolusi tinggi, satu piksel merupakan bagian dari objek penutup lahan yang umumnya berukuran jauh lebih besar, sehingga hasil klasifikasi cenderung merupakan kumpulan piksel yang tidak berkaitan langsung dengan kategorisasi objek yang dikembangkan dalam klasifikasi (Danoedoro, 2006). Untuk mengatasi masalah ini, dalam kurun 10 tahun terakhir mulai berkembang metode klasifikasi berbasis objek, yang memanfaatkan teknik segmentasi citra (Baatz dan Schappe, 2000; Ranasinghe, 2006; Navulur, 2007). 2.4
Sistem Penginderaan Jauh Multispektral Menggunakan ISODATA
Sistem penginderaan jauh mengumpulkan data melalui instrument, biasanya dilakukan pada satelit di orbit sekitar Bumi. Penginderaan jarak jauh pemindai mendeteksi energi yang terpancar dari objek atau daerah tertentu. Energi ini dicatat sebagai sinyal listrik analog dan diubah menjadi nilai digital meskipun konversi A-sampai-D. Ada beberapa sistem penginderaan jauh multispektral yang dapat dikategorikan dengan cara berikut:
Pencitraan Multispektral Menggunakan Detektor Diskrit dan Cermin Pemindaian
Landsat Multispectral Scanner (MSS)
Landsat Thematic Mapper (TM)
NOAA Geostationary Operational Environmental Satellite (GOES)
NOAA Advanced Very High Resolution Radiometer (AVHRR)
NASA and ORBIMAGE, Inc., Sea-viewing Wide field-of-view Sensor (SeaWiFS)
Daedalus, Inc., Aircraft Multispectral Scanner (AMS)
NASA Airborne Terrestrial Applications Sensor (ATLAS)
Pencitraan Multispektral Menggunakan Linear Array
SPOT 1, 2, dan 3 Resolusi Tinggi Terlihat (HRV) sensor dan Spot 4 dan 5 High Resolution Visible Infrared (HRVIR) dan vegetasi sensor
Indian Remote Sensing System ( IRS ) Linear Imaging Self-scanning Sensor (LISS)
Ruang Imaging, Inc ( IKONOS )
Digital Globe, Inc ( QuickBird )
ORBIMAGE, Inc ( OrbView-3 )
ImageSat International, Inc ( EROS A1 )
NASA Terra Spaceborne Advanced Thermal Emisi dan Reflection Radiometer ( ASTER )
NASA Terra Multiangle Imaging Spectroradiometer ( MISR )
Pencitraan Spectrometry Menggunakan Array di Area Linear dan
NASA Jet Propulsion Laboratory Airborne Visible/ Infrared Imaging Spectrometer ( AVIRIS )
Compact Airborne spectrographic Imager 3 ( CASI 3 )
NASA Terra Moderate Resolution Imaging Spectrometer ( MODIS )
NASA Earth Observer ( EO-1 ) Advanced Land Imager (ALI), Hyperion, dan korektor Atmospheric LEISA (LAC)
Satelit Analog dan Digital Sistem Fotografi
2.5
Rusia SPIN-2 TK-350, dan KVR-1000
NASA Ruang Shuttle dan Citra Stasiun Luar Angkasa Internasional Klasifikasi Multispektral Klasifikasi
Multispektral
merupakan
sebuah
algoritma
yang
digunakan
untuk
memperoleh informasi thematik dengan cara mengelompokkan suatu fenomena/ obyek berdasarkan kriteria tertentu. Metode Klasifikasi : 1.
Klasifikasi tidak terbimbing (unsupervised classification) Klasifikasi tidak terbimbing (unsupervised classification) merupakan metode yang
memberikan mandate sepenuhnya kepada system/computer untuk mengelompokkan data raster berdasarkan nilai digitalnya masing-masing, intervensi pengguna dalam hal ini diminimalisasi. Jenis metode inni digunakan bila kualitas citra sangat tinggi dengan distorsi atmosferik dan tutupan awan yang rendah. Algoritma yang digunakan dalam metode ini beroperasi dalam mode dua-pass (melewati dataset multispektral dua kali. Pada lulus pertama, program membaca melalui dataset dan berurutan membangun cluster (kelompok titik dalam ruang spektral). Setelah program berbunyi meskipun dataset, vektor rata-rata dikaitkan dengan setiap cluster. Dalam kedua pass, jarak minimum untuk berarti algoritma klasifikasi yang diterapkan pada dataset, pixel by pixel. Kemudian, setiap pixel ditugaskan untuk salah satu vektor mean dibuat dalam langkah pertama
2.
Klasifikasi terbimbing (supervised classification) Klasifikasi terbimbing (supervised classification) merupakan metode yang dipandu dan
dikendalikan
sebagian
besar
atau
sepenuhnya
oleh
pengguna
dalam
proses
pengklasifikasiannya. Intervensi pengguna dimulai sejak penentuan training area hingga tahap pengklasterannya.
Skema klasifikasi Langkah pertama dalam metode klasifikasi terbimbing adalah untuk mengidentifikasi tanah-cover dan penggunaan lahan kelas yang akan digunakan. Tutupan lahan mengacu pada jenis ini materi di situs (misalnya air, tanaman, hutan, lahan basah, aspal, dan beton). Penggunaan lahan mengacu pada modifikasi yang dilakukan oleh orang-orang untuk tutupan lahan (misalnya pertanian, perdagangan, pemukiman). Semua kelas harus dipilih dan ditetapkan secara hati-hati untuk benar mengklasifikasikan data hasil penginderaan jauh dengan benar ke penggunaan lahan dan / atau informasi tutupan lahan. Untuk mencapai tujuan ini, perlu untuk menggunakan sistem klasifikasi yang berisi definisi taksonomi benar kelas. Jika klasifikasi keras yang diinginkan, kelas berikut harus digunakan:
Saling eksklusif: tidak ada tumpang tindih taksonomi dari setiap kelas (yaitu, hutan hujan dan hutan cemara adalah kelas yang berbeda).
Lengkap: semua tanah-selimut di daerah telah dimasukkan.
Hirarkis: kelas sub-tingkat (misalnya, satu keluarga perumahan perumahan, multikeluarga) diciptakan, yang memungkinkan bahwa kelas-kelas ini dapat dimasukkan dalam kategori yang lebih tinggi (misalnya, perumahan).
Beberapa contoh skema klasifikasi keras adalah:
Planning Association Amerika Sistem Klasifikasi Tanah Berbasis
United States Geological Survey penggunaan lahan / Tanah-cover Sistem Klasifikasi Penggunaan dengan Remote Sensor data
US Department of the Interior dan Ikan Wildlife Service
US National Vegetasi dan Sistem Klasifikasi
Sistem International geosfer-Biosphere Program IGBP Tutupan Lahan Klasifikasi
DAFTAR PUSTAKA
Ball, Geoffrey H., Hall, David J. (1965) Isodata: a method of data analysis and pattern classification, Stanford Research Institute, Menlo Park,United States. Office of Naval Research. Information Sciences Branch Duda, R. O., Hart, P. E., & Stork, D. G. (2001). Pattern Classification. New York: John Wiley & Sons. Jensen, J. R. (2005). Introductory Digital Image Processing: A Remote Sensing Perspective. Upper Saddle River : Pearson Prentice Hall. Belokon, W. F. et al. (1997). Multispectral Imagery Reference Guide. Fairfax: Logicon Geodynamics, Inc.
SUMBER
