OLEH :
PROGRAM STUDI OSEANOGRAFI JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2013
I. PENDAHULUAN
1.1. Latar Belakang Penginderaan jauh dapat diartikan sebagai ilmu pengetahuan, teknologi dan seni untuk memperoleh informasi mengenai suatu objek area dan fenomena melalui analisa data yang diperoleh dari sensor yang diletakkan pada lokasi di jarak tertentu dari objek, area dan fenomena ( Lillesand and Kiefer, 1994 ). . Komponen dasar dalam sistem Indraja adalah radiasi elektromagnetik (REM), atmosfer, sensor dan objek. Begitu juga menurut Sutanto (1987), Penginderaan jauh (Indraja) adalah ilmu atau seni untuk memperoleh informasi tentang objek, daerah, atau gejala dengan menggunakan alat tanpa kontak langsung terhadap objek, daerah atau gejala yang dikaji. Alat yang dimaksud dalam batasan ini alat pengindera atau sensor. Pada umumnya sensor dipasang pada wahana (plat form) yang berupa pesawat terbang, satelit, pesawat ulang alik atau wahana lainnya. Objek yang diindera atau yang ingin diketahui berupa objek dipermukaan bumi, di dirgantara, atau di antariksa. Penginderaannya dilakukan di jarak jauh sehingga ia disebut penginderaan jarak jauh. ( Purwadhi,2001 ). Dalam bidang ilmu kelautan dapat digunakan untuk penelitian penutupan terumbu karang dalam suatu perairan, mengetahui penyebaran vegetasi mangrove dalam suatu kawasan hutan Mangrove, mengetahui bentuk dan topografi pantai dan sebagainya, (Fussel,1986). Penerapan di bidang lainpun kini telah banyak. Kepentingan sipil atas interprestasi foto semakin berkembang dalam berbagai ilmu pengetahuan. Baik itu dibidang Biololgi, Fisika , Kimia, Pertanian, Meteorologi, kelautan dan sebagainya, (Fussel,1986). Melihat begitu penting dan manfaanya foto udara dalam berbagai Ilmu Pengetahuan maka diperlukan mahasiswa Ilmu Kelautan untuk melakukan praktikum Interprestasi foto udara, (Fussel,1986).
Dalam bab ini akan dibahas mengenai koreksi radiometri dimana koreksi radiometri (satelite Imagecallibration) merupakan sistem penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama pada saluran tampak (visible light) (Sumaryono, 1999). Hamburan atmosfer
disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral citra (Sumaryono, 1999). Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi radiometri yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram (Histogram Adjustment) (Sumaryono, 1999).
1.2.
Tujuan Adapun tujuan dari praktikum Modul II kali ini adalah : 1. Mahasiswa diharapkan mampu melakukan koreksi radiometri 2. Mahasiswa diharapkan mampu memeriksa Atmospheric bias citra 3. Mahasiswa diharapkan dapat menggunakan metode penyesuaian histogram Dark Pixel Correction. 4. Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Enhaced Dark Pixel. 5. Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Cut Off Scattergram
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).
1.2.
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, 2013) 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 yangideal untuk dikoreksi, seperti air jernih atau bayangan awan.
Dibandingkandengan teknik penyesuaian histogram hasilnya tidak jauh berbeda, (Sutanto, 1987).
2.3 Penyesuaian Regresi Penyesuaian regresi diterapkan dengan memplot nilai-nilai piksel 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 piksel-piksel pengamatan harus berupa
obyek yang secara gradual berubah naik nilainya,pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran (Projo Danoedoro, 1996). Penyesuaian regresi diterapkan dengan memplotkan 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 (Projo Danoedoro, 1996).
2.3.1 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, 2011). 2.3.2 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).
2.3.3 CUT OFF SCATTERGRAM Cut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan dua variasi scattergram. Dengan memasukkan nilai terendah tiap tiap band pada window Scattergram (Anonim, 2011).
A. Membuka citra dan memeriksa atmospheric bias citra 1. Buka aplikasi ER Mapper lalu klik edit algoritma, pada description ganti dengan nama_nim
2.
Kemudian Load Dataset, membuka file citra Landsat_TM_23Apr85.ers pada Volume C:/ Shared Data
3.
Lalu ambil data yang berjudul Landsat_TM_23Apr85.ers dari shared data lalu klik OK maka akan muncul tampilan sebagai berikut :
4.
Lalu psedo layer di duplikat sebanyak 6x lalu ganti nama band nya dari band 1 sampai band 7 tanpa band 6
5.
Kemudian samakan band nya dengan menggunakan kotak sebelah kanan load data sheet
6.
7.
Lalu untuk mengkoreksi radiometrinya maka pada setiap band klik edit transform limit sampai muncul gambar sebagai berikut :
8.
B. Metode Penyesuaian Histogram. 1. Klik band1 lalu pilih edit formula E=mc2 pada window algorithm sehingga akan muncul formula editor
2. Lalu masukkan input -nilai terkecil lalu klik apply changes, kemudian akan terlihat perubahan pada laman transform
3. Kemudian lakukan hal yang sama pada band2 sampai dengan band7
4. Kemudian klik Default Surface pada laman Edit Algorithm untuk melihat semua band sudah sesuai
5. Kemudian klik file pada laman ER Mapper lalu klik save as, simpan dengan nama histogram_sudahkoreksi_nurfitriana ganti files of type dengan ER Mapper Raster Dataset, klik OK
1. Klik land application wizard pada window ER Mapper kemudian akan muncul laman sebagai berikut :
2. Lalu klik Next pilih process TM Imagery, kemudian klik next lagi
5. Sehingga muncul windows processing TM Imagery lalu masukkan citra yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers yang tersimpan pada folder Shared Data. Masukkan juga nama file output-nya. DPC_BELUMKOREKSI_NURFITRIANAers." Finish. Kemudian klik
7. Kemudian klik edit algorithm sehingga muncul band nya berupa DPC_TM1 sampai dengan DPC_TM7 pada window algorithm. Lalu ubah description menjadi nurfitriana_26020212130058
9. Kemudian klik DPC_TM1 lalu klik edit transform limit dan pilih editdelete this transform dan lakukan sampai dengan DPC_TM7 lalu klik Close.
10. DPC_TM2
DPC_TM3
DPC_TM4
DPC_TM5
DPC_TM7
11. Kemudian
Save
hasilnya
dengan
nama
DPC_2013_SUDAHKOREKSI_NURFITRIANA dengan format ER Mapper Raster Dataset. Klik OK. Pilih default kemudian OK
13. Klik
Edit
Algoritm
kemudian
load
dataset
pilih
data
DPC_SUDAHKOREKSI_NURFITRIANA.ers
14. Kemudian pada ER Mapper pilih Create RGB Algoritm untuk melihat kenampakan asli yang sudah dikoreksi
b. Enchanched Dark Pixel Correction (EDPC) 1. Klik land application wizard pada window ER Mapper kemudian pilih next
2.
3.
4.
5.
6.
Lalu akan muncul 3 window sekaligus, dimana untuk yang Processing TM Imagery pilih yang Use TM1 as initiall band,lalu untuk type in the cutoff lihat nilai yang digambar yaitu Actual input limits 67 to 255.
7.
Pilih Clear, kemudian pada specity an output filename namai dengan EDPC_BELUMKOREKSI_NURFITRIANA
8.
9.
Klik edit algorithm sehingga muncul tampilan window algorithm kemudian chek band nya dan jika ada band6 atau TM6 maka TM6 di cut. Dan pada description ganti dengan nama_nim
10. Kemudian Atm adjusted1 lalu klik edit transform limit dan pilih editdelete this transform dan lakukan sampai dengan Atm adjusted7 lalu klik Close.
Atm adjusted1
Atm adjusted2
Atm adjusted3
Atm adjusted4
Atm adjusted5
Atm adjusted7
11.
Setelah selesai Atm adjusted1 namai dengan band 1 begitu seterusnya sampai band 7, lalu save as dengan nama
EDPC_SUDAHKOREKSI_NURFITRIANA.ers dengan format ER MAPPER raster dataset. Klik OK kemudian pilih default klik OK
12.
c. Cut off Scattergram 1. Klik kembali land application wizard pada window ER Mapper lalu pilih next
2.
3.
4.
5.
Masukkan citra yang akan dikoreksi Landsat_TM_23Apr85.ers, dan nama file outputnya
CUTOFF_2013_BELUMKOREKSI_NURFITRIANA.ers
6.
7.
Pada window
Correction (Cut-off Values), masukkan nilai-nilai atmospheric bias masing-masing band yang terlihat pada window Scattergram. Pada Scattergram pilih setup
8.
Setelah selesai pengisian nilai cutoff nya, maka window scatter gram ditutup atau di close.lalu pada window processing TM imagery di klik Finish sehingga muncul layer citra yang dikoreksi.
9.
Lalu klik edit algoritm, kemudian chek band nya, jika terdapat band6 atau tertulis TM6 maka TM6 di Cut. Dan description ganti dengan nama_nim
10.
Kemudian klik Atm adjusted1 lalu klik edit transform limit dan pilih edit-delete this transform dan lakukan sampai dengan Atm adjusted7 lalu klik Close.
Atm adjust1
Atm adjust2
Atm adjust3
Atm adjust4
Atm adjust5
Atm adjust7
11.
Setelah
selesai
close
windownya,lalu
save
as
dengan
nama
12.
Maka setelah di save akan muncul layer baru hasil koreksi sebelumnya
68 21 15 4 2 1
0 1 0 -2 -1 0
DPC_TM2
DPC_TM3
DPC_TM4
DPC_TM5
DPC_TM7
Atm adjusted1
Atm adjusted2
Atm adjusted3
Atm adjusted4
Atm adjusted5
Atm adjusted7
BAND 1
-1
187
-1 0 -1 -1 0
BAND1
BAND2
BAND3
BAND4
BAND5
BAND7
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.
4.2.1. Penyesuain Histogram Penyesuaian histogram dilakukan dengan menambahkan nilai terendah pada window Formula Editor. Misal nilai terendah pada Band1 adalah 68 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. 4.1.3. 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. 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 = 1203 ; 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. 4.1.4. 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 Very Clear dengan syarat TM1 55<=. 4.1.5. 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 =1-232 ; 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
V. KESIMPULAN
1. Software ER Mapper merupakan salah satu software pengolahan citra yang didesain khusus dengan berbagai macam keunggulannya untuk mempermudah dalam proses pengolahan citra. 2. Koreksi radiometrik bertujuan untuk memperbaiki nilai pixel agar sesuai nilai aslinya. 3. Cara-cara untuk melakukan koreksi radiometrik adalah: penyesuaian histogram, penyesuaian regresi (Dark Pixel Correction, Enhanced Dark Pixel Correction, dan Cutoff Scattergram). 4. Pada praktikum ini mengguanakan data Landsat_TM_23Apr85.ers sebagai inputnya 5. Setelah dilakukan koreksi maka nampak perubahan nilai band yang mempunyai limit mulai dari 1. .
DAFTAR PUSTAKA
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 Lillesand, T. M, dan Kiefer, R. W. 1993. Penginderaan Jauh Dan Intepretasi Citra (terjemahan). Gadjah Mada University Press. Yogyakarta. Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. PT. Grasindo, Jakarta. Slater, P. N. 1980. Remote sensing : Optic and Optical System. Addition - Wesley. Reading, Mass: London, Amsterdam, Tokyo, Sidney. 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. http://library.usu.ac.id. Sabtu, 29 September 2013 . Pukul 16.00 WIB. http://ms.wikipedia.org/wiki/Radiometri, diakses tanggal 29 September 2013 pukul 16.05 http://www.batan.go.id/ptrkn/file/, diakses tanggal 29 September 2013 16.10
LEMBAR PENILAIAN
MODUL II : KOREKSI RADIOMETRI Nama : Nur Fitriana .H NIM : 26020212130058 Ttd:
NO 1. 2. 3. 4. 5. 6.
KETERANGAN Pendahuluan Tinjauan Pustaka Materi dan Metode Hasil dan Pembahasan Kesimpulan Daftar Pustaka JUMLAH
NILAI