LEMBAR PENILAIAN

MODUL 1: KOREKSI RADIOMETRI DAN KOREKSI

GEOMETRI
Nama: Florentina Chandra
NO.
1
2
3
4
5
6

NIM: 26020213120017

Ttd:

KETERANGAN

NILAI

Pendahuluan
Tinjauan Pustaka
Materi dan Metode
Hasil dan Pembahasan
Penutup
Daftar Pustaka

TOTAL

Mengetahui,
Koordinator praktikum

Asisten,

Tria Dewi Anggraeni

26020211130053

Ganis Tresna Kumala

26020212120005

I.

PENDAHULUAN

I.1 Latar Belakang

Pemanfaatan data satelit untuk pemantauan warna perairan, telah
memegang peranan dalam membuka cakrawala ilmu pengetahuan dalam prosesproses oseanografi baik secara global maupun regional. Dari hasil pemantauan ini,

banyak sekali pengetahuan-pengetahuan yang diketahui dan masih banyak juga

yang menjadi misteri.
Penginderaan

jauh

fotografik

menguraikan

tentang

karakteristik

interpretative dan geometric dasar foto udara. Karakteristk radiometrik foto udara
menentukan bagaimana film tertentu yang dipotretkan dan diproses pada kondisi
tertentu menanggapi tenaga dengan berbagai intensitas. Pengetahuan tentang
karakteristik ini sering berguna dan kadang-kadang sangat penting bagi proses
analisis citra fotografik terutama dalam supaya menampilkan hubungan kuantitatif
antara nilai rona pada suatu citra dan beberapa fenomena medan.
Koreksi radiometri (satelite Imagecallibration) merupakan sisitem
penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan
atmosfer pada citra satelit terutama pada saluran tampak (visible light). Hamburan
atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan
efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai
spektral citra.
Transformasi citra paling mendasar adalah penempatan kembali posisi pixel
sedemikian rupa sehingga pada citra digital yang tertransformasi dapat dilihat
gambaran obyek di permukaan bumi yang terekam sensor. Pengubahan bentuk
kerangka liputan dari bujur sangkar menjadi jajar genjang merupakan hasil dari
transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung dari
perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik.
Utilitas difungsikan untuk keperluan-keperluan khusus contohnya: pada
pemotretan udara kesalahan bentuk dan lokasi dari Foto Udara dihasilkan oleh:
kelengkungan bumi, posisi pesawat dan Kesalahan sistematik dari kamera untuk
itu perlu dilakukan koreksi agar didapatkan foto udara yang benar-benar tegak.
Koreksi geometri selanjutnya diperlukan untuk menghasilkan data yang
lebih teliti dalam aspek planimetrik. Pada koreksi ini, sistem koordinat atau
proyeksi peta tertentu dijadikan rujukan, sehingga dihasilkan citra yang
mempunyai sistem koordinat dan skala yang seragam. Citra terkoreksi ini siap
untuk dimanipulasi bersama dengan peta dalam kerangka sistem informasi
geografi.
I.2 Tujuan

1. Melakukan koreksi radiometrik citra dengan metode penyesuaian

histogram dan penyesuaian regresi (berupa DPC, EDPC, CUT OFF)
menggunakan software ER Mapper 7.0
2. Mahasiswa mampu melakukan koreksi geometri pada citra dengan metode
Polinomial menggunakan perangkat lunak ER Mapper 7.0
3. Mahasiswa mampu dan memahami rektifikasi pada data satelit yang akan
di koreksi geometri
I.3 Manfaat
Manfaat yang didapatkan dari praktikum modul II ini, praktikan dapat
mengerti cara melakukan koreksi radiometrik dengan metode penyesesuaian
regresi dan koreksi geometrik pada citra dengan metode polonomial serta bisa
memahami rektifikasi pada data satelit yang akan dikoreksi geometri.

II.

TINJAUAN PUSTAKA

II.1 Koreksi Radiometri

Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang
suatu objek, daerah, atau fenomena melauli analisis data yang diperoleh dengan
suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji
(Lillesand dan Kiefer, 1990).
Koreksi radiometrik diperlukan atas dasar dua alasan,yaitu untuk
memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai pixel yang
tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.

Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra
berupa pengisian kembali baris yang kosong karena drop out baris maupun
kesalahan awal pelarikan (scanning). Baris atau bagian baris yang bernilai tidak
sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai pixel atau baris
diatas dan dibawahnya kemudian dirata-rata (Danoedoro, 1996).
Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu :
penyesuaian histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi
radiometrik diperlukan atas dasar dua alasan, yaitu untuk memperbaiki kualitas
visual citra sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai
pantulan atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra
yang ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali
baris yang kosong karena drop out baris maupun kesalahan awal pelarikan
(scanning). Baris atau bagian bagian baris yang bernilai tidak sesuai dengan yang
seharusnya dikoreksi dengan mengambil nilai piksel atau baris di atas dan
dibawahnya kemudian dirata-rata, (Sutanto, 1987).

II.2 Penyesuaian Histogram

Metode ini paling sederhana, hanya dengan melihat histogram tiap saluran
secara independent. Dari histogram bisa diketahui nilai piksel terendah saluran
tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses coding
digital oleh sensor, objek yang memberikan respon spektral paling lemah atau
tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini
ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan
dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya.
Penyesuaian histogram (histogram adjusment) meliputi evaluasi histogram
pada setiap band dari data penginderaan jauh. Biasanya data pada panjang
gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi
karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi
pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval
panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band
ini nilai minimumnya mendekati nilai nol (Anonim, 2011).

Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu
naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang
ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkandengan
teknik penyesuaian histogram hasilnya tidak jauh berbeda, (Sutanto, 1987).

II.3 Penyesuaian Regresi (DPC, EDPC, CutOff)

Penyesuaian regresi diterapkan dengan memplot nilai-nilai pixel hasil
pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada
saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk
obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan
tersebut untuk membentuk diagram pancar nilai pixel yang diamati. Cara ini
secara teoritis mudah namun secara prakteknya sulit, karena gangguan atmosfer
terjadi hampir pada semua spektra tampak dan saluran. Pengambilan pixel-pixel
pengamatan harus berupa obyek yang secara gradual berubah naik nilainya,pada
kedua saluran sekaligus dan bukan hanya pada salah satu saluran (Danoedoro,
1996).
II.3.1 Dark Pixel Correction
Koreksi piksel gelap merupakan metode sederhana yang digunakan untuk
menghilangkan efek atmosfer saat image radiance. Efek ini terkait dengan
kontribusi hamburan aditif (additive scaterring) dari atmosfer dan efek dari
transmisi multiplikatif energi melalui atmosfer ( Lillesand dan Kiefer, 1979).
II.3.2 Dark Pixel Correction ( DPC )
Dark pixel correction adalah koreksi sederhana untuk menghilangkan
pengaruh atmosdhere yang cenderung memperbesar nilai pixel. Penggunaan dark
pixel correction merupakan metode sederhana untuk menghilangkan efek
atmosfer yang menjadi sumber utama dari perbedaan nilai pixel masing masing
ciitra yang akan dimosaik (Anonim, 2010).
II.3.3 Enchanted Dark Pixel Correction ( EDPC )
Hasil akurat dari deteki perubahan terhadap dua atau lebih citra waktu
ditentukan oleh beberapa faktor; seperti citra yang sebanding, citra yang dapat
diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari

deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk
mendapatkan citra yang baik. Dark pixel correction ditampilkan untuk
mengkoreksi kesalahan radiometrik dari suatu citra, maka enhance sebagai
hasilnya lebih

diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan

masing masing band dengan minimum digital number value nya, maka setiap
band akan memiliki minimal DN dari nol (Anonim, 2011)
II.3.4 Cut Off
Cut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan dua
variasi scattergram. Dengan memasukkan nilai terendah tiap tiap band pada
window Scattergram (Anonim,2010)
II.4 Koreksi Geometri
Koreksi geometrik merupakan proses memposisikan citra sehingga cocok
dengan kordinat peta dunia sesungguhnya. Ada beberapa cara dalam
pengkoreksian ini antara lain triangulasi, polinominal, orthorektifikasi dengan
menggunakan kontrol titik titik lapangan (ground control point), proyeksi peta ke
peta dan registrasi titik titik yang telah diketahui (know point registration).
Koreksi citra bedasarkan citra yang lain yang telah dikoreksi disebut image to
image (Mapper, 1998)
Koreksi geometri digunakan untuk memperbaiki kemencengan, rotasi dan
perspektif citra sehingga orientasi, projeksi dan anotasinya sesuai dengan yang
ada pada peta. Koreksi geometri terdiri dari koreksi sistematik (karena
karakteristik alat) dan non sistematik (Karena perubahan posisi penginderaan).
Koreksi sistematik biasanya telah dilakukan oleh penyedia data. Koreksi non
sistematik biasanya dilakukan dengan suatu proses koreksi geometri. Proses ini
memerlukan ikatan yang disebut titik kontrol medan (ground control point/GCP).
GCP tersebut dapat diperoleh dari peta, citra yang telah terkoreksi atau tabel
koordinat penjuru. GCP kemudian disusun menjadi matriks transformasi untuk
rektifikasi citra (Anonim, 2008)
Ada tiga cara untuk melakukan koreksi geometri yang pertama adalah
rektifikasi geometri. Rektifikasi geometri adalah mengubah aspek geometri pada
citra dengan cara merujuk pada proyeksi peta yang baku, sehingga koordinat pada

citra menjadi sama dengan koordinat pada peta yang digunakan sebagai data
acuan. Proses yang digunakan dalam koreksi geometri dengan cara rektifikasi
geometri adalah dengan transformasi koordinat dan resampling. Metode yang
digunakan adalah dengan metode GCP (ground control point), yaitu
membandingkan titik-titik kontrol pada citra dan titik-titik kontrol pada peta.
Pengambilan titik kontrol harus mewakili dan merata pada seluruh citra. untuk
memudahkan dalam pengambilan titik kontrol, obyek yang dipilih sebagai titik
kontrol adalah obyek yang mudah dikenali pada citra, seperti posisi jalan, sungai
dan kenampakan obyek yang khas. Cara yang kedua adalah dengan registrasi
citra yaitu dengan mendaftarkan koordinat citra yang belum terkoreksi dengan
koordinat citra yang sudah terkoreksi yang mempunyai daerah yang sama, atau
(map to map transformation).sedangkan Ortorektifikasi adalah bentuk lebih akurat
dari rektifikasi karena mengambil penghitungan sensor (kamera) dan karakteristik
platform (pesawat terbang). Ini khusus direkomendasikan untuk foto udara.
Ortorektifikasi dicakup terpisah di dalam `Image orthorectification' (Lillesand,
T.M and Kiefer, R.W. 1979)
Green (1983, dalam Jensen, 1986) menjelaskan dua operasi yang harus
dilakukan dalam rektifikasi geometri citra, yaitu:
1. Interpolasi spasial menggunakan transformasi koordinat
Prinsip kerja proses ini adalah menyamakan koordinat citra dengan koordinat
peta. Besarnya distorsi geometrik citra dapat diketahui dengan melihat
besarnya nilai total RMS error (Residual Mean Square) yang dinyatakan
2.

dengan besaran sigma ().

Interpolasi nilai kecerahan (resampling)
Interpolasi ini bertujuan untuk mengembalikan nilai kecerahan lokasi X dan
Y pada citra asli (yang masih mengalami distorsi) dan menempatkannya
kembali pada koordinat X dan Y pada citra terektifikasi. Metode yang
digunakan

adalah

interpolasi

tetangga

terdekat

(nearest

neighbor

interpolation). Algoritma tetangga terdekat diterapkan dengan hanya

mengambil kembali nilai dari piksel terdekat yang telah tergeser ke posisi
baru. Algoritma ini sesuai untuk diterapkan pada citra saluran asli karena nilai
piksel baru hasil interpolasi tetap merupakan pantulan spektral obyek yang
sebenarnya.

Kesalahan Geometrik terjadi karena jarak wahana dengan objek yang jauh,
sehingga menimbulkan distorsi geometrik.

Koreksi geometrik dilakukan

sesuai dengan jenis atau penyebab kesalahannya, yaitu kesalahan sistematik

dan kesalahan random. Adapun koreksi geometrik ini memiliki tiga tujuan,
yaitu:
Melakukan rektifikasi (perbaikan) dan restorasi (pemulihan) citra agar koordinat
citra sesuai dengan koordinat geografi.
1. Registrasi (mencocokkan) posisi
mentransformasikan

citra

dengan

citra

lain

atau

system koordinat citra multispektral atau multi

temporal.
2. Registrasi citra ke peta atau transformasi sistem koordinat citra ke peta,
yang menghasilkan citra dengan sistem proyeksi tertentu.
Koreksi geometri juga diperlukan untuk menghasilkan data yang lebih
teliti dalam aspek planimetrinya. Pada koreksi ini sistem koordinat atau proyeksi
peta tertentu dijadikan rujukan, sehingga dihasilkan citra yang mempunyai sistem
koordinat dan skala yang seragam. Citra terkoreksi ini siap dimanipulasi bersama
dengan peta dalam kerangka Sistem Informasi Geografi (Kartini, C. N., 1999).

II.5 Rektifikasi
Rektifikasi adalah suatu proses melakukan transformasi data dari satu
system grid menggunakan suatu transformasi geometric. Oleh karena posisi pixel
pada citra output tidak sama dengan posisi pixel input (aslinya) maka pixel-pixel
yang digunakan untuk mengisi citra yang baru harus di-resampling kembali.
Resampling adalah suatu proses melakukan ekstrapolasi nilai data untuk pixelpixel dalam system grid yang baru dari nilai pixel citra aslinya.
Tahap-tahap Rektifikasi. Secara umum melakukan rektifikasi adalah sebagai
berikut:
1. Memilih titik control lapangan (Ground Control Point). GCP tersebut sedapat
mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka
waktu lama misalnya belokan jalan, tugu di persimpangan jalan dan atau
sudut-sudut gedung (bangunan). Hindari menggunakan belokan sungai atau
delta sungai karena mudah berubah dalam jangka waktu tertentu. GCP juga
harus tersebar merata pada citra yang akan dikoreksi.

2. Membuat persamaan transformasi yang digunakan untuk melakukan

interpolasi spasial. Persamaan ini imumnya berupa persamaan polynomial
baik orde 1,2 maupun 3.
Ordo I : disebut juga Affine transformation (diperlukan minimal 3 GCP)
Ordo II : memerlukan minimal 6 GCP
Ordo III : memrlukan minimal 1 GCP
3. Menghitung kesalahan (RMS Error) dari GCP yang terpilih. Umumnya tidak
boleh lebih besar dari 0,5 pixel.
4. Melakukan interpolasi intensitas (nilai kecerahan) dengan salah satu metode
berikut, yaitu nearest neighbourhood, bilinear dan convolution, sekaligus
membuat citra baru dengan system koordinat yang ditentukan. Dalam proses
ini juga menentukan ukuran pixel output, sesuai dengan resolusi spasial yang
dikehendaki, yang umumnya disesuaikan dengan ukuran resolusi data spasial
yang aslinya. Hanya untuk kasus-kasus tertentu saja yang membuat ukuran
spasial citra baru yang berbeda dengan ukuran aslinya, misalnya untuk tujuan
melakukan fusi antar band kanal (Sumaryono. 1999 ).

II.6 RMS Error

Parameter tingkat keakurasian dari proses rektifikasi ini adalah nilai yang
dipresentasikan oleh selisih antara koordinat titik kontrol hasil transformasi
dengan koordinat titik kontrol, yang dikenal dengan nama RMS (Root Mean
Square) Error. Nilai RMS Error yang rendah akan menghasilkan hasil rektifikasi
yang akurat. Sebagai contoh, hasil transformasi boleh jadi masih berisi kesalahan
yang significant karena rendahnya/sedikitnya titik control yang dimasukkan.
Ada beberapa faktor yang mempengaruhi RMS Error ini yaitu :
1. Tingkat ketelitian titik kontrol lapangan
2. Tingkat ketelitian titik kontrol citra
3. Jumlah dan distribusi letak titik control
4. Model transformasi yang digunakan
(Anonim, 2008)

III.

MATERI DAN METODE

3.1. Waktu dan Tempat Pelaksanaan

Hari / Tanggal : Selasa, 14 Oktober 2014 / Selasa, 21 Oktober 2014
Waktu

: 14.40 - Selesai

Tempat

:Laboratorium Komputasi, Gedung E Lantai 2, Jurusan Ilmu

Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Universitas
Diponegoro, Semarang.

3.2. Materi
Materi yang disampaikan pada praktikum Pengindraan Jauh Modul II adalah:
- Koreksi Radiometri
1. Penyesuaian Histogram
2. DPC ( Dark Pixel Correction )
3. EDPC ( Enhanced Dark Pixel Correction )
4. Cut Off
- Koreksi Geometri
1. Membuka citra dan memeriksa koreksinya
2. Proses koreksi Geocoding
3. Cara penggabungan dua citra
3.3. Metode
- Koreksi Geometri

3.3.1. Memeriksa Nilai Atmosferic Bias Citra

1. Membuka Program ER Mapper, memilih Edit Algorithm kemudian
Load Dataset Membuka file citra Landsat_TM_23Apr85.ers pada
volume E:\ Shared Data.

2. Menduplikat Pseudo Layer menjadi 6. Kemudian mengubah namanya

menjadi Band 1,Band 2 dan seterusnya sampai Band 7 (tanpa mengikutkan
Band 6). Kemudian input data sesuai dengan Band masing-masing.

3. Memilih Band 1,kemudian Edit Transform Limit .Maka akan muncul

window Transform dan terlihat nilai atmospheric biasnya adalah 68.

Kemudian lakukan langkah tersebut pada band 2 hingga pada band 7, maka
akan terlihat atmospheric biasnya, dan catat nilai dari atmospheric biasnya
pada setiap band. Dan nilai-nilainya sebagai berikut:
Band
1
2
3
4
5
7

Nilai Atmospheric bias

68
21
15
4
2
1

3.3.2. Metode Penyesuaian Histogram

1. Memilih Band 1, kemudian mengklik ikon Formula Editor. Akan
muncul window Formula, lalu tuliskan INPUT1-68 (sesuai dengan nilai
athmosperic biasnya). Apply Changes.

lakukan langkah yang sama pada band selanjutnya hingga pada band 7
(INPUT1-nilai athmosperic biasnya).
2. Selanjutnya windows formula editor di close.

3. Langkah selanjutnya yaitu memilih Band 1, kemudian klik Edit pada

windows transform, memilih Delete this Transform.

lakukan langkah tersebut pada band selanjutnya hingga pada band 7.

4. File disimpan dengan cara mengklik file Save As dengan nama
Histogram_FlorentinaChandra_ 26020213120017.ers dan pilih files of
type ER MapperRaster Dataset(ers.) kemudian klik OK.

5.

Setelah selesai proses file ,menutup window kecuali ER Mapper.

Kemudian memanggil kembali citra dengan memilih

kemudian

Load

Dataset.

Edit Algorithm,

Membuka

file

citra

Histogram_FlorentinaChandra_26020213120017.ers, Edit Transform

Limit. Maka akan terlihat nilai athmosperic biasnya adalah 1

Lakukan langkah tersebut pada band selanjutnya hingga pada band 7.

5. Kemudian lihat perbedaan citra yang belum dikoreksi dengan citra yang
sudah di koreksi.
6.

3.3.3. Teknik Penyesuaian Histogram Lainnya

1. Dark Pixel Correction (DPC)
a. Pada window utama, memilih Toolbars, Remote Sensing. Akan muncul
icon-icon baru.

b. Kemudian klik icon Land Application Wizard. Pada window Land

Application Wizard, klik next Pilih Process TM imagery, lalu klik
next.

c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih Dark Pixel
Correction, lalu klik next

d. Masukkan

citra

yang

akan

dikoreksi

berupa

citra

Landsat_TM_23Apr85.ers yang tersimpan pada folder Shared Data.

Masukkan

juga

nama

file

output-nya

_BelumDikoreksi_FlorentinaChandra_26020213120017.ers
Kemudian klik Finish

DPC_

e. Akan muncul citra dengan 7 band yang telah terkoreksi

f. Kemudian periksa nilai atmospheric biasnya pada window Transform.

Dengan cara kengklik DPC_TM1 kemudian klik Edit Transform
Limit. Kemudian klik edit dan pilih Delete This Transform

Lakukan langkah tersebut pada band selanjutnya hingga pada

DPC_TM7.

g. Kemudian Save As citra dengan Save As citra dengan nama

DPC_SudahDikoreksi_FlorentinaChandra_26020213120017.ers
type file ER Mapper Raster Datesheet. Klik OK. kemudian tutup
semua aplikasi kecuali Program ER. Mapper.

h. Selanjutnya untuk memeriksa kembali nilai atmospheric bias pada

setiap band, klik edit algorithm kemudian load datased dan pilih
DPC_BelumDikoreksi_FlorentinaChandra_26020213120017.ers
klik DPC_TM1 dan klik Edit Transform Limit. Lakukan langkah
tersebut pada band selanjutnya hingga pada DPC TM7.

2. Metode Enhaced Pixel Correction ( EDPC )

a. Pada window utama, memilih Toolbars, Remote Sensing. Akan
muncul icon-icon baru.

b. Kemudian klik icon Land Application Wizard. Pada window Land

Application Wizard, klik next Pilih Process TM imagery, lalu klik
next.

c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih Dark

Pixel Correction, lalu klik next

d. Memasukan

file

citra

yang

akan

dikoreksi

yaitu

Landsat_TM_23Aprl85.ers klik OK lalu Next.

e. Memilih Use TM1 as Initial Band dan masukan nilai atmospheric

biasnya. Range besar nilai atmospheric biasnya. Range besar nilai
atmospheric biasnya sesuai dengan nilai atmospheric biasnya (67).
Klik next.

f. Memilih clear ( TM1 >55 <=75 ), kemudian masukan file outputnya.

Finish

g. Kemudian akan muncul windows baru.

h. Kemudian perikasa nilai atmospheric biasnya pada window

Transform. Dengan cara kengklik Atm Adjusted1 kemudian klik
Edit Transform Limit. Kemudian klik edit dan pilih Delete This
Transform.

Lakukan sampai Atm Adjusted7

i. Save

As

hasilnya

dengan

nama

EDPC_BelumDikoreksi_

FlorentinaChandra_26020213120017.ers dan menggunakan type

file ER Mapper Raster datasheet. OK

j. Kemudian close semua windows kecuali window er mapper. Lalu

klik Edit Algorithm dan load dataset ( pilih data EDPC yang sudah
dikoreksi ) untuk memeriksa kembali atmospheric biasnya melalui
windows transform. Klik Atm Adjusted1 dan klik Edit Transform
Limit. Lakukan langkah tersebut pada band selanjutnya hingga pada
Atm Adjusted7.

3. Cut Off Scattegram

a. Pada window utama, memilih Toolbars, Remote Sensing. Akan
muncul icon-icon baru.

b. Kemudian klik icon Land Application Wizard. Pada window Land

Application Wizard, klik next Pilih Process TM imagery, lalu klik
next.

.
c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih Cut Off
Values, lalu klik next

d. Masukan

file

citra

Landsat_TM_23Aprl85.ers

yang
dan

akan

dikoreksi

yaitu

CutOff_BelumDikoreksi_

FlorentinaChandra_26020213120017.ers. Kemudian Next.

e. Pada window Prosesing TM Imagery-atmospheric Effect Correction

(Cut Off Values), memasukan nilai-nilai atmospheric bias masingmasing band yang dapat dilihat pada window Scattergam.

f. Pada window scatergram setup, masukan nilai atmospheric biasnya

di bagian x axis atau y axis ke windows processing TM imagery,
pilih setup untuk melihan dan mengganti nilai atmospheric bias-nya.

g. Mengklik cancel pada window New Map Composition.

h. Pada

window

prosesing TM

Imagery

-atmospheric

Effect

Correction ( Cut Off Values ), lengkapi nilai-nilai Cut Off-nya klik

finish.

i. mudian perikasa nilai atmospheric biasnya pada window Transform.

Dengan cara kengklik Atm Adjusted1 kemudian klik Edit
Transform Limit. Kemudian klik edit dan pilih Delete This
Transform.

Lakukan sampai Atm Adjusted7

j. Save

As

hasilnya

dengan

nama

CutOff_SudahDikoreksi_

FlorentinaChandra_26020213120017.ers dan menggunakan type

file ER Mapper Raster datasheet. OK

- Koreksi Geometri
A. Membuka Citra dan Memeriksa Koreksinya :
1.
Jalankan program ER Mapper dan Buka citra
yang

belum

dilakukan

koreksi

geometri,

yaitu

Landsat_MSS_Northwarped.ers pada file shared_data yang

sudah ada.

2.

Periksa citra yang belum dikoreksi secara geometri

tersebut dengan mengklik edit pada windows algorithm kemudian
pilih properties. Akan terlihat bahwa datum dan proyeksi petanya
masih mentah (RAW).

3. Kemudian klik edit algorithm dan buka citra Landsat _ MSS _

27Aug 91.ers.untuk menjadi referensi pada koreksi geometri

4.

Untuk memeriksa apakah telah dikoreksi geometri,

klik edit pada windows algorithm kemudian pilih properties..
Maka akan terlihat bahwa Map Projection-nya NUTM11.

B.

Proses Koreksi Geocoding

1.
Copy windows agar menjadi dua, lalu klik RGB
pada setiap windows
2.

Kemudian atur posisi kedua window tersebut. Lalu

lakukan saving pada citra yang belum dikoreksi dengan nama
FlorentinaChandra_BelumDikoreksi_26020213120017.alg. dan

untuk

citra

yang

telah

dikoreksi

dengan

nama

FlorentinaChandra_SudahDikoreksi_26020213120017.alg.

3.

Lalu tutup kedua window tersebut dan pilih pada

toolbars process lalu Geocoding Wizard.

4.

Pada tahap pertama, pada bagian input, isikan

dengan

file

hasil

saving:

FlorentinaChandra_BelumDikoreksi_26020213120017 .alg dan

klik OK.

5.

6.

Di tahap kedua, pilih Linier.

Lalu ditahap ketiga, pada bagian GCP Picking

Method, isikan dengan file hasil saving FlorentinaChandra_
SudahDikoreksi_26020213120017.alg

7.

Kemudian di tahap keempat, akan terdapat GCP

Edit dan mucul 4 windows baru. Delete semua isi tabel GCP Edit dengan
mengklik icon delete all.

8.

Atur posisi keempat windows. Windows referensi

diletakkan disebelah kanan window yang belum dikoreksi geometri.

9.

Kemudian tentukan satu titik yang sama dari citra

yang belum dikoreksi dengan citra Sudah dikoreksi, gunakan zoom box
tool , Kemudian perbesar kedua posisi yang sama dari kedua windows
tersebut.

10.

Agar dapat terlihat tiik yang sama, di window

alogorithm, hilangkan tanda centang pada Smoothing.

11.

Kemudian pilih icon pointer tool, dan klik di

kedua titik yang sama pada kedua windows.

12.

Setelah itu tambahkan GCP baru dengan mengklik

icon Add new GCP, Lalu tekan titik yang lain yang jauh dari titik
pertama. Kemudian lakukan hal yang sama untuk titik-titik yang lain,
minimal 100 titik (100 GCP).

13.

Untuk mengetahui RMS Error yang terjadi,

tentukan satu lagi titik yang sama. Kemudian lakukan saving hasil
penentuan

GCP

tersebut

dengan

nama

FlorentinaChandra_26020213120017_GCP dan files type Ground

Control Point (gcp).

14. Kita dapat membuka file hasil saving tadi pada direktori yang telah
ditentukan
15.

Lalu lanjutkan tahapan ke 5 Goecoding Wizard;

Rectify. Isikan output dengan file baru bernama rectifikasi.ers. biarkan
bagian yang lain, lalu klik bagian Save file and Start Rectification. Maka
akan dilakukan proses oleh computer.

16.

Setelah proses selesai, tutup semua windows

kecuali window utama dan window algorithm.

C.

Proses Penggabungan Dua Citra

1.

Buka

file

FlorentinaChandra_26020213120017
window algorithm, lalu klik RGB.

hasil
_Rectify.ers

rectifikasi
tadi

melalui

2.

Di window alogarithm, klik pada bagian Edit dan

pilih Add Annotation Layer. Lakukan 2 kali Add Annotation Layer,
sehingga akan muncul 2 Annotation Layer.

3.

Lalu buka

file San_Diego_drainage.ers untuk

Annotation Layer pertama

file San_Diego_roads.ers untuk Annotation Layer kedua.

4. Lalu buat window baru dan buka melalui window algorithm ; file citra
dari

kota

yang

sama,

namun

satelit

berbeda,

yaitu

SPOTS-

_Pan_14Apr91.ers.

5.

Pada bagian pseudo layer citra SPOTS, klik kanan

dan pilih intensity dan lakukan 99 % kontras.

6.

Kemudian pada layer dari citra satelit SPOTS,

copy dengan mengklik icon copy, Kemudian pada bagian layer layer
citra hasil rectifikasi lakukan paste dengan mengklik icon paste.

7.

Maka kedua citra tersebut akan menyatu dan saling

mengisi. Citra hasil rectifikasi yang berwarna tapi resolusinya kurang
tinggi dilengkapi oleh citra SPOTS yang resolusinya cukup tinggi tapi
hitam putih. Kedua citra dapat menyatu karena keduanya telah dikoreksi
dan memiliki proyeksi peta yang sama.

IV.

HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Memeriksa Nilai Atmosfer Bias Citra dan Penyesuaian Histogram

Band
1
2
3
4
5
7

Band 1

Nilai Atmospheric bias

68
21
15
4
2
1

Band 2

Band 3

Band 4

Band 5

Band 7

Penyesuaian Histogram
Band
1
2
3
4
5
7

Nilai Atmospheric bias

0
0
0
0
0
0

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2 Penyesuaian Regresi

4.1.2.1 Dark Pixel Correction (DPC)

4.1.2.1.1 Band Sebelum Koreksi
Band
1
2
3
4
5
7

Nilai Atmospheric bias

0
1
0
-2
-1
0

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.1.2 Band Sudah dikoreksi

Band
1
2
3
4
5
7
Band 1

Nilai Tmospheric bias

1
1
1
1
1
1
Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.2 Enhanced Dark Pixel Correction (EDPC)

4.1.2.2.1 Band Belum Dikoreksi
Band
1
2
3
4
5
7

Nilai Tmospheric bias

0
-6
-9
-14
-29
-30

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.2.2 Band Sudah dikoreksi

Band
1
2
3
4
5
7

Nilai Tmospheric bias

1
1
1
1
1
1

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.3 Cut Off Scattergram

4.1.2.3.1Band sebelum dikoreksi
Band
1
2
3
4
5
7
Band 1 & 2

Nilai Atmospheric bias

68
21
15
4
1
1
Band 3 & 4

Band 5 & 7

4.1.2.3.2 Band Sesudah dikoreksi

Band
1
2
3
4
5
7
Band 1

Nilai Atmospheric bias

0
0
0
0
0
1
Band 2

Band 3

Band 4

Band 5

Band 7

4.1.3 Membuka Citra dan Memeriksa Koreksinya

4.1.3.1 Citra yang Belum Dikoreksi

4.1.3.2 Citra yang Sudah Koreksi

4.1.4 Proses Koreksi Geocoding

4.1.5 Cara Penggabungan Dua Citra

4.1.5.1 GCP

4.1.5.2 Overlay Citra

4.2 Pembahasan

4.2.1. Koreksi Radiometri

Koreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra,
sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan
obyek yang sebenarnya. Koreksi radiometrik bisa dilakukan dengan berbagai cara
yaitu : penyesuaian histogram, penyesuaian regresi, dan kalibrasi bayangan.
Salah satu cara koreksi radiometrik, yaitu metode penyesuaian histogram.
Histogram sendiri adalah gambaran grafik dari suatu distribusi frekuensi relatif
dalam suatu dataset. Dari histogram dapat dilihat nilai pixel terendah. Pada
koreksi radiometri diasumsikan bahwa nilai pixel terendah pada suatu kerangka
liputan (scene) seharusnya sama dengan nol sesuai dengan bit-coding sensor.
Histogram dari citra yang digunakan nilai pixel terendahnya tidak sama dengan
nol. Hal itu berarti nilai antara nol sampai dengan harga pixel terendah yang
ditunjukkan oleh histogram tersebut dihitung sebagai offset. Besarnya offset
tersebut menunjukkan besarnya pengaruh akibat gangguan atmosfer.
Untuk mengkoreksinya dengan cara mengurangkan keseluruhan nilai pada
saluran tersebut dengan offset-nya.

Cara perbaikan koreksi adalah sebagai berikut :

1. Penyesuain Histogram
Penyesuaian histogram dilakukan dengan menambahkan nilai terendah pada
window Formula Editor. Misal nilai terendah pada Band1 adalah 59 maka kita
tuliskan INPUT1-68. Kata INPUT1 sudah ada pada Formula Editor sehingga kita
hanya menuliskan nilai terendahnya saja. Pengurangan angka dilakukan tanpa
memperhatikan nilai positif (+) dan negatif (-) masing masing nilai tersebut.
Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band
yang dimulai dari 1.
Penyesuaian histogram digunakan untuk evaluasi histogram pada setiap
band dari data penginderaan jauh. Data pada panjang gelombang tampak (saluran
1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh
hamburan atmosfir. Sedangkan penyerapan atau absorbsi pada atmosfir akan
mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang

yang lebih besar seperti saluran 4,5,7. Sehingga data pada band ini nilai
minimumnya mendekati nilai nol.
2. Dark Pixel Correction
Salah satu teknik lain dari Metode Penyesuaian Histogram. Untuk membuka
Dark Pixel Correction, dapat melalui Land Application Wizard, Process TM
Imagery, Atmospheric Effect Correction lalu pilih DPC, setelah sebelum nya di
setting Remote Sensing pada Toolbar. Koreksi akan dilakukan secara otomatis,
saat

kita

memasukkan

file

citra

yang

akan

dikoreksi,

yaitu

Landsat_TM_23_Apr85.ers. Hasil yang didapat yaitu : Band1 = 1-188 ; Band2 =

1-203 ; Band3 = 1-239 ; Band4 = 1-215 ; Band5 = 1-253 ; Band7 = 1-246.
Fungsi Dark Pixel Correction terdapat pada Window Land Application
Wizard toolbar Remote Sensing. Dengan melihat histogram tiap saluran secara
independen. Dari histogram bisa diketahui nilai piksel terendah saluran tersebut,
asumsi yang melandasi metode ini adalah bahwa dalam proses pemotretan digital
oleh sensor, obyek yang memberikan respon spektral paling lemah atau tidak
memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata
> 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan
mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya.
3. Enhanched Dark Pixel Correction
Teknik lain pada Metode Penyesuaian Histogram lain. Nilai TM yang
digunakan sebagai inisial Band adalah TM 1. Hal ini dikarenakan TM 1 dianggap
sudah mewakili nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau
standar.Kemudian kita memakai kita menggunakan metode koreksi Very Clear
dengan syarat TM1 <=55. Nilai akhir yang didapat yaitu : Band1 = 1-188 ; Band2
= 1-196 ; Band3 = 1-229 ; Band4 = 1-203 ; Band5 = 1-225 ; Band7 = 1-216.
Kita mengenai Enhanched Dark Pixel Correction dengan menggunakan
nilai TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan
yaitu Very Clear, Clear, Moderate, Hazy, dan Very Hazy dalam hal ini kita
menggunakan metode koreksi Clear dengan syarat TM1 >55<=75.

4. Cut-off Scattergram
Cara Cut-off merupakan cara ketiga dalam koreksi atmosfer yang
menggunakan dua variasi scattergram. Dengan memasukkan nilai terendah tiap
tiap band pada window Scattergram. Pada kerja Cut-off ini spesifik value dari
Cut-off adalah TM 1 sampai dengan TM 5 dan TM 7. Setelah nilai TM yang ada
dimasukkan, pada layer Cut layer TM 6 yang tidak digunakan pada koresi kali ini.
Hasil dari koreksi Cut-off adalah Band 1 = 1-187, Band 2 = 1-206 ; Band 3 =1232 ; Band 4 = 1-222 ; Band 5 = 1-253 ; Band 7 = 1-242.
Cahaya-cahaya yang berasal dari sinar matahari memiliki panjang gelombang
yang berbeda-beda. Semakin besar panjang gelombangnya, maka semakin besar
pula

kemampuannya untuk menembus gangguan. Dari praktikum ini dapat

diketahui bahwa panjang gelombang yang paling besar kemampuannya dalam

menembus gangguan adalah Band 7 sebab atmospheric biasnya adalah satu
4.2.2

RAW
Jika datum dan proyeksi petanya masih mentah (RAW) maka citra belum

terkoreksi secara geometri. Sedangkan jika sudah dikoreksi geometri maka akan
berbentuk WGS84 dan SUTM48.
4.2.3

RMS Error
RMS Error adalah suatu program dari Geocoding Wizard (GCP) pada ER

Mapper 7.0 yang berfungsi sebagai koreksi kesalahan perhitungan dalam

peletakkan titik-titik yang tepat pada peta yang ingin diteliti. RMS Error akan
muncul apabila telah ditentukan empat titik pada peta yang telah dipilih, nilai
RMS Error akan kurang dari satu apabila titik yang diplotkan tepat dan sesuai
pada kedua peta, sedangkan nilainya akan lebih dari satu bila pengeplotan titiktitik pada kedua peta tidak tepat. RMS adalah nilai kesalahan koreksi. Secara
teori, RMS yang baik nilainya kurang dari 1, tetapi jika kita terpaku pada nilai
RMS kurang dari 1, maka hasilnya akan terlalu jauh atau melenceng. Oleh karena
itu, jangan terpaku dengan nilai RMS kurang dari 1.

4.2.5

Koreksi geometrik
Koreksi geometrik merupakan proses memposisikan citra sehingga cocok

dengan koordinat peta dunia yang sesungguhnya. Dalam proses ini akan
ditampilkan juga ketidaktepatan dalam memasukkan koordinat dengan letak titik
sesungguhnya. Pada dasarnya kesalahan tersebut masih dapat diterima sepanjang
masih memenuhi kaidah-kaidah kartografi. Ketepatan koreksi geometrik
berdasarkan skala jumlah titik yang dicatat koordinatnya minimal empat titik.
Titik-titik tersebut dianjurkan menyebar terutama pada daerah yang bertopografi
berbukit sampai bergunung. Dapat diperhatikan di sini bahwa bulatan-bulatan
kecil pada citra yang akan dikoreksi mempunyai kenampakan yang kurang lebih
sama dengan kenampakan pada citra terkoreksi.
4.2.5.1 Penentuan titik-titik kontrol tanah (Ground Control Point (GCP)).
Titik-titik kontrol yang dipilih pada obyek di citra harus bersesuaian
dengan titik pada obyek yang sama di peta referensi. Titik-titik control dalam
praktikum ini berada di garis pantai paling bawah yang terlihat jelas pada citra
dan peta referensi sebanyak 105 titik pada UNCORRECTED GCP ZOOM dan
pada CORRECTED GCP ZOOM.

4.2.5.2 roses penggabungan dua citra

Sementara pada overlay citra digunakan dua citra yang berbeda yaitu citra
Landsat hasil Rectify yang berwarna tapi kurang tinggi resolusinya dilengkapi
oleh citra SPOTS yang resolusinya cukup tinggi tapi hitam-putih, sehingga
didapat citra yang baik. Kemudian penambahan jalan dan drainase semakin
melengkapkan citra tersebut, sehingga dari citra didapat berbagai keterangan
misalnya jalan di kota San Diego.

V.

PENUTUP

V.1 Kesimpulan
Adapun kesimpulan yang diperoleh dari praktikum modul II :

1. Dengan koreksi radiometri kita dapat menguragi pengaruh hamburan

atmosfer, sehingga hasil dari pengidraan jauh dapat lebih efektif.
Penyesuaian Histogram merupakan salah astu cara untuk koreksi
radiometri, selanjutnya koreksi radiometri juga dapat dilakukan dengan
cara Cut-Off, Enhanched Dark Pixel Correction, Dark Pixel Correction
2. Koreksi geometrik adalah proses perbaikan kesalahan geometrik dan
transformasi citra penginderaan jauh agar memberikan hasil citra yang
mempunyai skala tertentu dan mengikuti proyeksi peta tertentu. Dimana
pada koreksi geometrik kali ini, menggunakan suatu program dari
Geocoding Wizard (GCP) pada ER Mapper 7.0 yaitu RMS Error.
3. Rektifikasi adalah suatu proses melakukan transformasi data dari satu
system grid menggunakan suatu transformasi geometric. Oleh karena
posisi pixel pada citra output tidak sama dengan posisi pixel input (aslinya)
maka pixel-pixel yang digunakan untuk mengisi citra yang baru harus diresampling kembali. Resampling adalah suatu proses melakukan
ekstrapolasi nilai data untuk pixel-pixel dalam system grid yang baru dari
nilai pixel citra aslinya.
V.2 Saran
Untuk modul gabungan seperti ini, mohon diperjelas untuk teknis dan
sistematis penulisan laporannya, agar praktikan tidak bingung.

DAFTAR PUSTAKA
Anonim, 2008. http://library.usu.ac.id. (Diakses pada tanggal 24 Oktober 2014)
Anonim, 2010. http://www.bakosurtanal.go.id/upl_document/.pdf. (Diakses pada
tanggal 24 Oktober 2014)

Anonim, 2011. http://www.batan.go.id/ptrkn/file/. (Diakses pada tanggal 24

Oktober 2014)
Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi Geografis.
Puspics UGM - Bakosurtanal, Yogyakarta.
Fussel, J., D. Rundquist, J.A. Harrington, Jr., 1986, On Defining Remote Sensing,
Photog. Eng & Remote Sensing, vol 52, pp 1507-1511
Janssen, L. F. Lucas, H. Middlekoop, International Journal of Remote Sensing
Vol. 13, No. 15, (1986) 2827-2837
Kartini, C. N., 1999. Pengolahan Citra Digital. Jurusan Teknik Geodesi
Universitas Gadjah Mada. Yogyakarta.
Lillesand

dan Kiefer, R.W.1990. Remote Sensing And Image Interpretation.

(Terjemahan Dahuri dkk. 1990. Penginderaan Jauh dan Interpretasi Citra.

Gadjah Mada University Press, Yogyakarta
Mapper. Er. 1998. Earth Resources Mapper User Manual. Ver. 6.0.87 collin Streat.
West Perth. Western Australia 6005.
Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan Reboisasi
Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah Tahun
Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta.
Sutanto, Prof, Dr, 1986. Penginderaan Jauh Jilid 1. Gadjah Mada University
Press. Yogyakarta.

LAMPIRAN
#
# GCPs for dataset
:
c:\ermapper70\examples\Shared_Data\Landsat_MSS_notwarped.ers
#
# Total number of GCPs: 100
# Number turned on
: 100
# Warp order
: 1
# GCP CORRECTED map projection details:
#
Map Projection : NUTM11
#
Datum
: NAD27
#
Rotation
: 0.000
#

#
X

Point

On Locked
Cell-X
Cell-Y
To-Y
To-Z
"1" Yes
No
354.989
460.005
489724.5707132 3608369.2818120
0.00000
"2" Yes
No
354.957
461.010
489723.3195699 3608311.1036477
0.00000
"3" Yes
No
123.017
400.011
477333.9964917 3614033.7941773
0.00000
"4" Yes
No
122.995
401.007
477333.9964917 3613974.5249791
0.00000
"5" Yes
No
148.995
360.012
479162.7632009 3616039.0247262
0.00000
"6" Yes
No
148.995
359.013
479163.3790886 3616099.0737823
0.00000
"7" Yes
No
149.004
358.014
479163.0711447 3616157.8910629
0.00000
"8" Yes
No
21.925
84.186
474796.6905294 3632842.3709550
0.00000
"9" Yes
No
20.855
82.996
474735.7450461 3632898.6283242
0.00000
"10" Yes
No
25.971
80.022
475021.7200063 3632959.5738076
0.00000
"11" Yes
No
17.939
83.056
474557.5967101 3632908.0045524
0.00000
"12" Yes
No
21.925
78.118
474852.9478986 3633147.0983717
0.00000
"13" Yes
No
25.911
68.064
475143.6109730 3633672.1671512
0.00000
"14" Yes
No
31.920
79.189
475387.3929063 3632964.2619217
0.00000
"15" Yes
No
17.761
89.124
474501.3393409 3632556.3959947
0.00000
"16" Yes
No
22.818
86.982
474792.0024153 3632617.3414781
0.00000
"17" Yes
No
25.852
71.276
475148.2990871 3633484.6425871
0.00000
"18" Yes
No
26.209
88.053
474960.7745230 3632547.0197665
0.00000
"19" Yes
No
18.118
69.194
474731.0569319 3633676.8552653
0.00000
"20" Yes
No
93.929
196.989
477682.5355850 3625767.2396686
0.00000
"21" Yes
No
100.978
188.137
478158.5436420 3626186.2608456
0.00000
"22" Yes
No
87.992
191.264
477441.1793870 3626122.5696267
0.00000
"23" Yes
No
179.914
194.887
482517.2314361 3625012.2319988
0.00000
"24" Yes
No
179.998
197.050
482525.6475623 3624890.1981677
0.00000
"25" Yes
No
186.010
193.960
482879.1248660 3625003.8158725
0.00000

To-

"26" Yes
No
187.977
203.034
482870.7087398 3624473.5999170
0.00000
"27" Yes
No
180.981
203.119
482508.8153098 3624524.0966746
0.00000
"28" Yes
No
178.966
190.090
482513.0233729 3625311.0044817
0.00000
"29" Yes
No
205.997
184.043
484116.2954289 3625357.2931762
0.00000
"30" Yes
No
204.793
197.917
483880.6438932 3624595.6337480
0.00000
"31" Yes
No
205.000
189.683
483994.2615979 3625062.7287564
0.00000
"32" Yes
No
185.965
213.629
482689.7620248 3623901.3033300
0.00000
"33" Yes
No
423.437
436.445
493788.6913310 3609021.6702646
0.00000
"34" Yes
No
421.118
452.679
493497.0734784 3608136.0160454
0.00000
"35" Yes
No
427.422
445.127
493915.5991002 3608489.7377000
0.00000
"36" Yes
No
430.038
437.575
494145.1131510 3608892.0623301
0.00000
"37" Yes
No
419.037
441.500
493494.3733131 3608778.6553873
0.00000
"38" Yes
No
419.156
447.803
493437.6698417 3608424.9337327
0.00000
"39" Yes
No
433.190
443.343
494266.6205896 3608541.0408407
0.00000
"40" Yes
No
428.611
447.268
493977.7029022 3608354.7294349
0.00000
"41" Yes
No
418.799
435.316
493548.3766191 3609135.0772073
0.00000
"42" Yes
No
421.713
443.284
493618.5809170 3608662.5482793
0.00000
"43" Yes
No
197.585
64.871
484756.2096399 3632161.5516124
0.00000
"44" Yes
No
222.187
74.194
486090.2746058 3631401.1345818
0.00000
"45" Yes
No
280.754
115.929
488945.1736328 3628506.2136059
0.00000
"46" Yes
No
225.554
118.780
485823.4616126 3628866.4111467
0.00000
"47" Yes
No
202.230
119.816
484516.0779460 3629039.8395922
0.00000
"48" Yes
No
260.022
111.783
487837.8997111 3628919.7737453
0.00000
"49" Yes
No
257.689
133.033
487451.0208710 3627719.1152760
0.00000
"50" Yes
No
324.844
348.685
489118.6020783 3614952.1135525
0.00000
"51" Yes
No
314.295
318.517
488840.2018885 3616739.3499423
0.00000

"52" Yes
No
310.711
322.193
488606.0867004 3616569.0843510
0.00000
"53" Yes
No
318.499
343.079
488840.2018885 3615318.6964143
0.00000
"54" Yes
No
331.148
306.324
489893.7202352 3617266.1091156
0.00000
"55" Yes
No
330.880
335.554
489601.0762500 3615616.6611992
0.00000
"56" Yes
No
296.284
311.289
487893.0995365 3617324.6379127
0.00000
"57" Yes
No
303.380
343.682
487978.2323322 3615435.7540084
0.00000
"58" Yes
No
348.266
238.231
491541.2110843 3620923.7659387
0.00000
"59" Yes
No
340.407
260.597
490865.1708923 3619732.1018715
0.00000
"60" Yes
No
374.103
212.686
493214.1241016 3622115.4300059
0.00000
"61" Yes
No
405.367
210.064
494978.7035857 3621955.0136891
0.00000
"62" Yes
No
343.040
204.214
491575.5860093 3622894.5949728
0.00000
"63" Yes
No
413.451
381.727
493775.5812102 3612192.5349851
0.00000
"64" Yes
No
377.063
423.066
491323.5032258 3610244.6225676
0.00000
"65" Yes
No
368.790
406.318
491048.5038257 3611275.8703180
0.00000
"66" Yes
No
446.274
393.808
495482.8691526 3611207.1204680
0.00000
"67" Yes
No
458.801
415.340
495964.1181028 3609877.9567008
0.00000
"68" Yes
No
487.236
393.532
497797.4474369 3610794.6213678
0.00000
"69" Yes
No
452.328
366.897
496101.6178028 3612685.2422436
0.00000
"70" Yes
No
304.513
439.916
487095.3874491 3610003.9980925
0.00000
"71" Yes
No
348.945
399.714
489982.8811503 3611825.8691183
0.00000
"72" Yes
No
294.194
253.731
488344.3430579 3620591.4749969
0.00000
"73" Yes
No
310.191
253.413
489249.5494167 3620442.5169885
0.00000
"74" Yes
No
403.352
100.434
495960.3585201 3628140.3152044
0.00000
"75" Yes
No
360.628
81.253
493757.6918535 3629642.1333862
0.00000
"76" Yes
No
454.608
178.662
498062.9039747 3623234.3758104
0.00000
"77" Yes
No
446.593
306.354
496360.8433686 3616125.7697498
0.00000

"78" Yes
No
404.078
278.216
494258.2979141 3618128.1939922
0.00000
"79" Yes
No
123.536
259.563
478739.5100353 3621932.8000528
0.00000
"80" Yes
No
228.185
305.316
484146.0554898 3618328.4364165
0.00000
"81" Yes
No
452.388
74.136
498963.9948838 3629141.5273256
0.00000
"82" Yes
No
255.598
216.962
486548.9645807 3623034.1333862
0.00000
"83" Yes
No
137.227
113.140
480942.1767019 3630042.6182347
0.00000
"84" Yes
No
389.102
325.275
492956.7221565 3615625.1636892
0.00000
"85" Yes
No
446.671
123.171
498163.0251868 3626438.2545983
0.00000
"86" Yes
No
318.909
159.651
490653.9342777 3625637.2849013
0.00000
"87" Yes
No
455.857
226.518
497662.4191262 3620531.1030832
0.00000
"88" Yes
No
304.593
27.011
491154.5403383 3633246.4970225
0.00000
"89" Yes
No
402.468
24.171
496661.2070050 3632445.5273256
0.00000
"90" Yes
No
122.391
69.450
480541.6918535 3632645.7697498
0.00000
"91" Yes
No
212.252
347.217
482844.4797322 3616125.7697498
0.00000
"92" Yes
No
359.690
35.222
494158.1767019 3632245.2849013
0.00000
"93" Yes
No
394.219
160.766
494859.0251868 3624836.3152044
0.00000
"94" Yes
No
91.043
288.339
476636.9645807 3620631.2242953
0.00000
"95" Yes
No
83.325
111.876
477938.5403383 3630643.3455074
0.00000
"96" Yes
No
300.332
196.722
489252.2373080 3623734.9818710
0.00000
"97" Yes
No
421.862
492.036
493156.9645807 3605913.4061135
0.00000
"98" Yes
No
226.260
243.441
484646.6615504 3621832.6788407
0.00000
"99" Yes
No
480.153
28.402
500966.4191262 3631444.3152044
0.00000
"100" Yes
No
88.500
29.159
479039.8736716 3635248.9212650
0.00000
# RMS error report:
# Warp Type - Polynomial
#
-----ACTUAL----#
Point
Cell-X
Cell-Y
RMS

---PREDICTED--Cell-X
Cell-Y

#
0.0910
#
0.2035
#
0.0744
#
0.2416
#
0.3356
#
0.5063
#
0.6921
#
0.7942
#
0.3609
#
0.7546
#
0.0608
#
0.3640
#
0.1843
#
0.4130
#
0.2543
#
0.3605
#
0.5280
#
0.2480
#
0.4517
#
0.4378
#
0.3808
#
0.3858
#
0.2424
#
0.2640
#
0.1438
#
0.5378

"1"

354.989

460.005

354.983

460.096

"2"

354.957

461.010

355.138

461.102

"3"

123.017

400.011

123.054

399.946

"4"

122.995

401.007

123.233

400.968

"5"

148.995

360.012

148.698

359.854

"6"

148.995

359.013

148.528

358.817

"7"

149.004

358.014

148.345

357.804

"8"

21.925

84.186

22.224

83.450

"9"

20.855

82.996

20.997

82.665

"10"

25.971

80.022

25.771

80.749

"11"

17.939

83.056

17.880

83.042

"12"

21.925

78.118

22.278

78.028

"13"

25.911

68.064

25.730

68.099

"14"

31.920

79.189

32.096

79.562

"15"

17.761

89.124

17.967

89.272

"16"

22.818

86.982

22.822

87.343

"17"

25.852

71.276

26.378

71.317

"18"

26.209

88.053

25.961

88.044

"19"

18.118

69.194

18.564

69.266

"20"

93.929

196.989

93.636

196.663

"21"

100.978

188.137

100.622

188.001

"22"

87.992

191.264

88.378

191.268

"23"

179.914

194.887

179.735

195.051

"24"

179.998

197.050

180.250

197.129

"25"

186.010

193.960

186.035

194.101

"26"

187.977

203.034

187.491

203.265

#
0.3803
#
0.2711
#
0.4742
#
0.2495
#
0.1918
#
0.1282
#
0.1175
#
0.0376
#
0.2589
#
0.1389
#
0.1517
#
0.1067
#
0.0563
#
0.2618
#
0.1624
#
0.1090
#
0.6662
#
0.1962
#
0.5591
#
0.2158
#
0.2289
#
0.2272
#
0.7433
#
0.3362
#
0.0614
#
0.1084

"27"

180.981

203.119

181.065

203.490

"28"

178.966

190.090

178.760

189.914

"29"

205.997

184.043

206.415

184.267

"30"

204.793

197.917

204.631

198.107

"31"

205.000

189.683

205.189

189.713

"32"

185.965

213.629

186.084

213.676

"33"

423.437

436.445

423.470

436.558

"34"

421.118

452.679

421.091

452.705

"35"

427.422

445.127

427.278

445.343

"36"

430.038

437.575

430.041

437.714

"37"

419.037

441.500

419.102

441.637

"38"

419.156

447.803

419.188

447.905

"39"

433.190

443.343

433.208

443.397

"40"

428.611

447.268

428.762

447.482

"41"

418.799

435.316

418.961

435.331

"42"

421.713

443.284

421.606

443.263

"43"

197.585

64.871

196.946

65.058

"44"

222.187

74.194

222.372

74.129

"45"

280.754

115.929

280.615

115.388

"46"

225.554

118.780

225.406

118.622

"47"

202.230

119.816

202.217

119.588

"48"

260.022

111.783

260.169

111.609

"49"

257.689

133.033

257.090

133.473

"50"

324.844

348.685

324.584

348.472

"51"

314.295

318.517

314.356

318.510

"52"

310.711

322.193

310.812

322.153

#
0.1723
#
0.1435
#
0.0606
#
0.1162
#
0.0999
#
0.2710
#
0.2072
#
0.1769
#
0.3530
#
0.1515
#
0.3039
#
0.1316
#
0.4847
#
0.0554
#
0.2366
#
0.5077
#
0.5065
#
0.0667
#
0.0743
#
0.1363
#
0.0783
#
0.0421
#
0.0135
#
0.0126
#
0.0172
#
0.0336

"53"

318.499

343.079

318.649

342.996

"54"

331.148

306.324

331.029

306.245

"55"

330.880

335.554

330.940

335.559

"56"

296.284

311.289

296.168

311.288

"57"

303.380

343.682

303.352

343.586

"58"

348.266

238.231

348.537

238.221

"59"

340.407

260.597

340.418

260.804

"60"

374.103

212.686

373.938

212.622

"61"

405.367

210.064

405.015

210.049

"62"

343.040

204.214

343.176

204.149

"63"

413.451

381.727

413.660

381.947

"64"

377.063

423.066

377.036

422.937

"65"

368.790

406.318

369.152

405.995

"66"

446.274

393.808

446.237

393.767

"67"

458.801

415.340

458.597

415.220

"68"

487.236

393.532

487.610

393.875

"69"

452.328

366.897

452.496

366.419

"70"

304.513

439.916

304.462

439.874

"71"

348.945

399.714

349.015

399.739

"72"

294.194

253.731

294.118

253.618

"73"

310.191

253.413

310.261

253.447

"74"

403.352

100.434

403.340

100.474

"75"

360.628

81.253

360.615

81.253

"76"

454.608

178.662

454.618

178.669

"77"

446.593

306.354

446.593

306.337

"78"

404.078

278.216

404.090

278.184

#
"79"
123.536
259.563
0.0159
#
"80"
228.185
305.316
0.0128
#
"81"
452.388
74.136
0.0034
#
"82"
255.598
216.962
0.0178
#
"83"
137.227
113.140
0.0247
#
"84"
389.102
325.275
0.0180
#
"85"
446.671
123.171
0.0247
#
"86"
318.909
159.651
0.0148
#
"87"
455.857
226.518
0.0468
#
"88"
304.593
27.011
0.0070
#
"89"
402.468
24.171
0.0220
#
"90"
122.391
69.450
0.0274
#
"91"
212.252
347.217
0.0134
#
"92"
359.690
35.222
0.0473
#
"93"
394.219
160.766
0.0205
#
"94"
91.043
288.339
0.0135
#
"95"
83.325
111.876
0.0317
#
"96"
300.332
196.722
0.0393
#
"97"
421.862
492.036
0.0494
#
"98"
226.260
243.441
0.0303
#
"99"
480.153
28.402
0.0188
#
"100"
88.500
29.159
0.0250
#
# Average RMS error : 0.207
#
Total RMS error : 20.728
# End of GCP details

123.549

259.553

228.173

305.321

452.387

74.132

255.610

216.949

137.227

113.115

389.090

325.262

446.671

123.147

318.909

159.666

455.844

226.472

304.592

27.004

402.480

24.152

122.417

69.461

212.265

347.222

359.691

35.175

394.232

160.751

91.031

288.346

83.338

111.847

300.358

196.692

421.911

492.041

226.262

243.410

480.143

28.386

88.513

29.137