LAPORAN PRAKTIKUM
PENGINDRAAN JAUH
ACARA III
PRAKTIKUM CITRA MULTISPEKTRAL
Dsusun oleh: Dibina oleh:
Nurlaela Bapak Alfi Nur Rosydi
120721403798 -
PENDIDIKAN GEOGRAFI
FAKULTAS ILMU SOSIAL
UNIVERSITAS NEGERI MALANG
November 2014
PRAKTIKUM CITRA MULTISPEKTRAL
A. Tujuan:
Melatih Keterampilan Mahasiswa Dalam Melakukan Intrepretasi Citra
Multispektral Secara Digital Menggunakan Program Envi 4.5
B. Alat dan Bahan:
1. Program Envi 4.5 untuk mengidentifikasi citra multispektral
2. Program RGB untuk penyusunan komposit warna
3. Program Mc. Excel untuk perhitungan data dan pembuatan grafik garis
4. Program Mc. Word untuk pembuatan laporan
C. Dasar Teori
Citra multispectral adalah citra yang dibuat dengan saluran jamak.
Berbeda dengan citra tunggal yang umumnya dibuat dengan saluran lebar,
citra multispectral umumnya dibuat dengan saluran sempit. Dengan
menggunakan sensor multispectral, maka kenampakan yang diindera akan
menghasilkan citra dengan berbagai saluran. Citra dengan saluran yang
berbeda tersebut dapat digunakan untuk mengidentifikasi kenampakan-
kenampakan tertentu, karena saluran-saluran tersebut memiliki kepekaan
terhadap suatu kenampakan (Alfi Nur Rusydi; 2014).
Citra multispektral: Sebuah citra multispektral terdiri dari
beberapa band data. Untuk tampilan visual, setiap band dari gambar dapat
ditampilkan satu pita pada suatu waktu sebagai gambar skala abu-abu,
atau kombinasi dari tiga band pada waktu sebagai gambar komposit warna.
Interpretasi warna multispektral citra komposit akan memerlukan
pengetahuan tentang tanda tangan reflektansi spektral dari target dalam
adegan. Dalam hal ini, isi informasi spektral gambar digunakan dalam
penafsiran.
Tiga gambar berikut menunjukkan tiga band dari citra multispektral
yang diambil dari adegan multispektral SPOT pada resolusi dasar 20 m.
Daerah yang dicakup adalah sama seperti yang ditunjukkan pada gambar di
atas pankromatik. Perhatikan bahwa kedua XS1 (hijau) dan XS2 (red) band
terlihat hampir identik dengan citra pankromatik yang ditunjukkan di
atas. Sebaliknya, daerah yang bervegetasi kini tampil cerah di XS3
(dekat inframerah) Band karena reflektansi tinggi daun di dekat panjang
gelombang daerah inframerah. Beberapa warna abu-abu dapat diidentifikasi
untuk daerah bervegetasi, sesuai dengan berbagai jenis vegetasi. Massa
air (baik sungai dan laut) tampak gelap dalam XS3 (dekat IR) Band.
Sebuah gambar multispektral adalah salah satu yang menangkap data
gambar 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 ruang
berbasis pencitraan.
Citra multispektral adalah tipe utama dari gambar yang diperoleh
oleh penginderaan jauh (RS) radiometers. Membagi spektrum dalam 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,
disebut 'adegan') di sebuah band kecil dari spektrum yang terlihat,
mulai dari 0,7 pM sampai 0,4 pM, disebut merah-hijau-biru (RGB) daerah,
dan pergi ke panjang gelombang inframerah 0,7 pM sampai 10 pM atau
lebih, diklasifikasikan sebagai dekat inframerah (NIR), tengah
inframerah (MIR) dan far infrared (FIR atau termal). Dalam kasus
Landsat, tujuh adegan terdiri dari tujuh gambar-band multispektral.
Pencitraan spektral dengan band-band yang lebih banyak, lebih halus
resolusi spektral atau cakupan spektral yang lebih luas dapat disebut
itt atau ultraspectral.
Teknologi ini juga membantu dalam interpretasi papirus kuno,
seperti yang ditemukan di Herculaneum, oleh pencitraan fragmen dalam
kisaran inframerah (1000 nm). Seringkali, teks pada dokumen tampaknya
sebagai tinta hitam pada kertas hitam dengan mata telanjang. Pada 1000
nm, perbedaan reflektifitas cahaya membuat teks jelas dibaca. Ini juga
telah digunakan untuk gambar palimpsest Archimedes oleh pencitraan
perkamen daun dalam bandwidth 365-870 nm, dan kemudian menggunakan
teknik pengolahan citra digital canggih untuk mengungkapkan undertext
karya Archimedes.
Ketersediaan panjang gelombang untuk penginderaan jauh dan
pencitraan dibatasi oleh jendela inframerah dan jendela optik. Panjang
gelombang adalah perkiraan, nilai-nilai yang tepat bergantung pada
instrumen satelit tertentu:
Biru, 450-515. 520 nm, yang digunakan untuk pencitraan atmosfer dan
air yang dalam, dan dapat mencapai hingga 150 kaki (50 m) jauh di air
yang jernih.
Hijau, 515. 520-590. 600 nm, yang digunakan untuk pencitraan vegetasi
dan struktur air yang dalam, hingga 90 kaki (30 m) di air jernih.
Merah, 600. 630-680. 690 nm, yang digunakan untuk pencitraan benda
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.
Untuk tujuan yang berbeda, kombinasi yang berbeda dari band
spektral dapat digunakan. Mereka biasanya diwakili dengan warna merah,
hijau, dan saluran biru. Pemetaan band untuk warna tergantung pada
tujuan dari gambar dan preferensi pribadi para analis. Inframerah termal
sering dihilangkan dari pertimbangan karena resolusi spasial miskin,
kecuali untuk tujuan khusus.
Warna dasar, menggunakan saluran hanya merah, hijau, dan biru,
dipetakan ke warna masing-masing. Sebagai sebuah foto warna polos, itu
baik untuk menganalisis obyek buatan manusia, dan mudah dipahami bagi
pemula analis.
Hijau-merah-inframerah, di mana saluran biru diganti dengan dekat
inframerah, digunakan untuk vegetasi, yang sangat reflektif di IR
dekat, kemudian menunjukkan sebagai biru. Kombinasi ini sering
digunakan untuk mendeteksi vegetasi dan kamuflase.
Blue-NIR-MIR, di mana saluran biru menggunakan biru terlihat, hijau
menggunakan NIR (sehingga vegetasi tetap hijau), dan MIR ditampilkan
sebagai merah. Gambar tersebut memungkinkan melihat kedalaman air,
cakupan vegetasi, kadar air tanah, dan adanya kebakaran, semua dalam
satu gambar. Banyak kombinasi lain sedang digunakan. NIR sering
ditampilkan sebagai merah, membuat vegetasi yang tertutup daerah
tampak merah.
Keunggulan dari citra multispectral dibandingkan citra spectrum
tunggal (dan lebar) ialah adanya pembedaan obyek (penutup lahan) secara
lebih baik, karena variasi pantulan pada satu spectrum yang relative
sempit dapat di presentasikan. Sebagai contoh, pada citra pankomatik
yang perekamanya dilakukan dalam julat yang lebar, (sekitar 0,5-0,73
µm), keceahan air merupakan rata-rata tingkat pantulan pada beberapa
spectra yang lebih sempit (0,5-0,6; 0,6-0,7 µm), yang sebenarnya cukup
berbeda satu sama lainya. Dengan demikian, kecerahan ini dapat
menyerupai pantulan jenis-jenis tanah tertentu. Keunggulan lain dari
citra multispektral ialah dimungkinkanya pembentukan citra komposit,
dimana tiga saluran-saluran spectra (bands) masukan diberi warna merah,
hijau dan biru, untuk membentuk satu citra tunggal yang bewarna. Satu
citra komposit ini sudah mampu menyajikan variabilitas spectral seluruh
saluran penyusunnya.
Masalahnya kemudian, citra komposit dapat disusun secara standar
atau tidak standar. Komposit standar menggunakan tiga saluran masukan,
yaitu inframerah dekat, merah, dan hijau, dengan urutan pewarnaan merah,
hijau dan biru (RGB-red, green, blue-dan urutan ini sering tidak
disebutkan secara eksplisit). Komposit tidak standar dapat (a) mengubah
urutan tersebut sesukanya-misalnya merah, inframerah dekat dan hijau
dengan pewarnaa RGB, (b) menggunakan saluran-saluran lain-misalnya biru,
inframerah dekat, dan merah dengan pewarnaan RGB, (c) menggunakan
gabunan saluran terlebih dahulu (misalnya indeks vegetasi) dan setelah
itu baru dikompositkan. Kerena citra komposit dapat disusun secara tak
standar, maka tanpa informasi dari sipembuat atau penctak citra tentag
komposisi saluran penyusun citra komposit tersebut, seorang pnafsir
dapat terkecoh dan keliru melakukan interpretasi.
Berpijak pada pemahaman tersebut, diperlukan satu landasan
konseptual tentang bagaimana warna pada citra komposit tersebut dapat
terbentuk. Untuk itu, pengenalan pola spectral pada masing-masing
saluran penyusun diperlukan terlebih dahulu, sehinga sebelum melihat
citra kompositnya pun seorang penafsir sudah dapat membayangkan, warna
apa yang muncul mewakili satu jenis obyek apabila saluran-saluran
tersebut disusun menjadi citra komposit dengan kombinasi tertentu.
Komposit citra adalah citra baru hasil dari penggabungan 3 saluran
yang mampu menampilkan keunggulan dari saluran-saluran penyusunnya
(Sigit,2011). Digunakan komposit citra ini dikarenakan oleh keterbatasan
mata yang kurang mampu dalam membedakan gradasi warna dan lebih mudah
memahami dengan pemberian warna.
Dalam menampilkan gambar komposit warna, tiga warna primer (merah,
hijau dan biru) yang digunakan. Ketika tiga warna digabungkan dalam
berbagai proporsi, mereka menghasilkan warna yang berbeda dalam spektrum
terlihat. Bergaul masing-masing band spektral (tidak harus band
terlihat) ke hasil warna dasar yang terpisah dalam gambar komposit
warna.
Pada citra multispektral yang terdiri dari banyak saluran, apabila
hanya menampilkan satu saluran saja maka citra yang dihasilkan merupakan
gradasi rona. Dan mata manusia hanya bisa membedakan objek yang menonjol
pada suatu saluran, objek yg lain maka kita sulit untuk
mengidentifikasinya. Oleh sebab itu pada citra komposit ini, hasilnya
kita akan lebih mudah mengidentifikasi suatu objek pada citra.
Dasar dari pembuatan komposit citra adalah berdasarkan :
Tujuan penelitian yaitu keunggulan di setiap saluran. Contoh, apabila
dalam penelitian, kita lebih fokus pada objek air, maka saluran yang
kita gunakan adalah band 1, band 2 dan band 3. Selain dari band
tersebut air memiliki nilai 0 dalam pemantulannya. Jadi komposit citra
yang bisa dibuat adalah citra komposit 123, sehingga air akan berwarna
merah.
OIF (Optimum Index Factor) yaitu kemampuan citra untuk menampilkan
suatu objek. OIF semakin tinggi maka semakin banyak objek berbeda yang
dapat ditampilkan pada citra komposit tersebut. OIF ini digunakan
apabila kita ingin menonjolkan pengguanaan lahan dari suatu daerah
jika diidentifikasi dari citra.
Komposit citra dapat dibagi menjadi 2, yaitu:
Komposit warna asli yaitu gabungan dari warna merah-hijau-biru. Citra
yang dapat menghasilkan komposit warna asli yaitu Landsat, ALOS dll.
Komposit warna tidak asli, terbagi 2 :
1. Standar yaitu gabungan dari infrared dekat-merah-hijau. Dianggap
standar karena pada awalnya penginderaan jauh lebih banyak digunakan
dalam bidang kehutanan jadi komposit warna ini dianggap standar
karena citra kompositnya lebih menonjolakan objek vegetasi
2. Tidak standar yaitu dapat dilakukan penggabungan dengan bebas
Dalam konsepnya, citra komposit dibuat oleh 3 saluran, dimana
nilai piksel pada saluran-saluran tersebut akan direduksi terlebih
dahulu yang pada awalnya nilai piksel berkisar antara 0 – 255 menjadi
nilai piksel yang berkisar antara 0 – 5 yang selanjutnya baru bisa
dilakukan komposit. Nilai piksel pada citra komposit berkisar antara
nilai 0 (hitam) – 215 ( putih). Untuk penyajian citra komposit, nilai
piksel citra komposit yang didapatkan dapat mengikuti colour pallet atau
Look-up table.
D. Cara Kerja
1. Jalankan aplikasi ENVI 4.5
2. Klik file – open image file – pilih smg_raw pada image asli – pada RGB
colour pilih band yang akan di interpretasikan.
3. Klik new display – ulangi langkah ke 2.
4. Klik tools – link – link displays – ok.
5. Klik tools – cursor locations/value.
6. Tentukan 6 objek (air, vegetasi kerapatan rendah, sedang, dan tinggi,
lahan kosong, serta atap rumah), masing-masing objek periksa 9 piksel
yang berbeda
7. Catat nilai piksel, dan nilai rata-rata piksel untuk setiap objek pada
band tertentu.
8. Isi tabel identifikasi nilai pikel sebelum koreksi naskah radiometrik.
9. Buat grafik garis sesuai dengan tabel identifikasi nilai piksel.
10. Ulangi langkah 2 – 9 tatapi perbandingannya menggunakan nilai piksel
setelah koreksi naskah radiometrik.
E. Hasil Praktikum
1. Identifikasi Nilai Piksel sebelum Koreksi Radiometrik (Citra Asli)
Berikut tabel identifikasi nilai piksel sebelum koreksi radiometrik
"Band "1 "2 "3 "4 "
"(nm) "Blue "Green "Red "NIR "
" "(450-520) "(520-600) "(630-690) "(760-900) "
"Objek " " " " "
" "RED GUN "GREEN GUN "BLUE GUN "
"Air 321 "Viking (Blue) "Sangat mudah " "
"Air 432 "Smalt (Blue) "Sangat mudah " "
"Air 456 "Midnight express "Sangat mudah " "
" "(Blue) " " "
"LK 321 "Raffia (Yellow) "Mudah " "
"LK 432 "Magic mint "Sukar " "
" "(Green) " " "
"LK 456 "Charlotte (Blue) "Sukar " "
"VKR 321 "Sage (Green) "Sedang " "
"VKR 432 "Charlotte (Blue) "Sedang " "
"VKR 456 "Skeptic (Green) "Sukar " "
"VKS 321 "Axolotl (Green) "Sedang " "
"VKS 432 "Turkishrose (Red)"Sedang " "
"VKS 456 "Barley corn "Sukar " "
" "(Yellow) " " "
"VKT 321 "Myrtle (Green) "Mudah " "
"VKT 432 "Falu red (Red) "Sedang " "
"VKT 456 "Wattle (Green) "Sedang " "
"PM 321 "White pointer "Mudah " "
" "(Grey) " " "
"PM 432 "Baby blue (Blue) "Sukar " "
"PM 456 "Malibu (Blue) "Sedang " "
Berikut analisis dari tabel diatas:
Objek air pada ketiga komposit warna cenderung sangat mudah untuk
diidentifikasikan, karena ketiganya memiliki warna yang berbeda dengan
objek lainnya. Kontras warna yang berbeda membuat objek air tersebut sangat
mudah untuk diidentifikasikan. Objek lahan kosong pada komposit 321 sangat
mudah diindetifikasikan karena warna yang berbeda dengan warna lainnya,
selain itu degradasi warna dengan objek disekitarnya berbeda, itu
memudahkan kita dalam mengidentifikasikannya. Lahan kosong pada komposit
warna 432 terbilang sukar karena degradasi warna antara lahan kosong dan
pemukiman atau atap rumah memiliki warna yang sama sehingga sangat sulit
untuk dibedakan. Sedangkan lahan kosong pada komposit 456 sukar untuk
diidentifikasikan karena degradasi warna pada wilayah sekitar tidak terlalu
nampak sehingga sulit untuk membedakan lahan kosong dengan daerah
sekiatnya.
Objek vegetasi pada komposit 321 dan 432 terbilang sedang untuk
diidentifikasikan, karena perpaduan warna yang mencolok dengan warna
disekitarnya, akan tetapi objek vegeasi pada komposit 456 terbilang sukar
atau sulit untuk diidentifikasikan, karena degradasi warna dari vegetasi
kerapatan rendah ke vegetasi kerapatan sedang tidak begitu nampak bahkan
cnderung hampir sama tanpa adanya perbedaan.
Kesimpulan dari analisis ini adalah komposit warna 321 sangat mudah
hingga mudah untuk diidentifikasikan karena ada permainan atau degradasi
warna didalamnya, selain itu komposit 321 ini termasuk kedalam natural
colour sehingga warna yang tampak pada cita sama dengan warna yang tampak
pada kenampakan aslinya. Sedangkan komposit 432 dan 456 terbilang sedang
hingga sukar karena degradasi warna yang tidak begitu nampak pada citra
sehingga sulit untuk dibedakan.
1. Jelaskan prinsip menyusun komposit warna citra pada objek tanah dengan
menggunakan citra landsat!
Prinsip membuat citra komposit yang lebih menonjolkan objek
tanah menggunakan citra landsat adalah dengan melihat panjang
gelombang tertinggi yang dipantulkan dari nilai spektral yang
dipantulkan oleh objek dan besarnya nilai presentase pantulan objek.
Bila dilihat dari grafik spektral nilai pantulan obyek tanah akan
memantulkan panjang gelombang sebesar 40% pada panjang gelombang 1200-
1300nm. Itu berarti untuk citra landsat nilai tersebut berada pada
band ETM4 dengan ETM5. Dengan demikian untuk objek tanah dapat dibuat
komposit yang melibatkan kedua band tersebut seperti 452 atau 432
F. Kesimpulan
Dari praktikum interpretasi citra multispektral menggunakan
program ENVI 4.5 mahasiswa mampu mengetahui cara kerja dari program ENVI
4.5 dan mampu mengidentifikasi kenampakan yang ada dalam citra, selain
itu mahasiswa mampu mengetahui adanya komposit warna true and false
color serta dapat membedakan diantara keduanya.
G. Daftar Pustaka
Banata. 2013. Kombinasi band untuk pengenalan objek landsat. Dalam
http://www.banata.net/2013/04/15/kombinasi-band-untuk-pengenalan-
obyek-di-landsat/ diakses pada 15 November 2014
Danoedoro, Projo. 1996. Pengolahan Citra Digital : Teori dan Aplikasinya
dalam Bidang Penginderaan Jauh. Yogyakarta. Fakultas Geografi UGM
Danoedoro, Projo. 2007. Petunjuk Praktikum Pemrosesan Citra Digital.
Yogyakarta. Fakultas Geografi UGM
Inggit, et al. 2012. Kajian Penutup LAhan Provinsi Lampung Bagian
Selatan Menggunakan CitraSpot-4. Peneliti Pustekdata: LAPAN
Heru, Sigit. 2011. Catatan kuliah Pemrosesan Citra Digital. Yogyakarta.
Lillesand, T. M. and R. W. Kiefer 1990. Penginderaan Jauh dan
Interpretasi Citra. Diterjemahkan: Sutanto. Gadjah Mada Universitas
Press
Nur, Rusydi Alfi. 2014. Mata Kuliah Penginderaan Jauh Interpretasi Citra
Multispektral. Malang. Universitas Negeri Malang