Advances in Hyperspectral Remote Sensing for

Geologic Mapping and Exploration

(Kemajuan dalam Penginderaan Jauh Hiperspektral untuk
Pemetaan Geologi dan Eksplorasi)

Anggota Kelompok 1:

Putri Allysha Sekararum 1506725426

Eka Yulianto 1506725823
Irwan Ardiansyah 1506725911
Achmad Zefcha Rivaldi 1506726593
Haykal Nabhan Alta 1506726782
Muhammad Farkhan Khoir 1506727015
Yaser Rizki Hendryan 1506727021
Adinda Nabila Herdani 1506727293
Fayyed Abdullah 1506727500
Muzzamil Al Macky 1506727785
Farhan 1506728270
Cattleya Randi 1506728844
David Andrian 1506729191
Willy Yeremi 1506729254
Tanisa Karima 1506729512

JURUSAN GEOFISIKA
DEPARTEMEN GEOSAINS
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS INDONESIA
DEPOK
2017
 KATA PENGANTAR

Puji dan syukur kami panjatkan atas kehadirat Allah SWT, Tuhan yang Maha Esa,
atas segala nikmat, karunia, dan limpahan rahmat-Nya yang telah memberikan kelancaran
kepada kelompok kami sehingga makalah ini dapat diselesaikan. Dalam pembuatan
makalah ini kami dengan penuh kerendahan hati menyampaikan penghargaan dan
ucapan terima kasih yang sedalam-dalamnya, kepada:
1. Orang tua kami yang senantiasa mendoakan dan memberikan dukungan moral maupun
moril

2. Pak Dr. Rokhmatuloh, S.Si., M.Eng selaku dosen matakuliah Penginderaan Jauh.

3. Teman dan sahabat yang membantu dan mendukung dalam penyusunan laporan ini.

Semoga bantuan, bimbingan, dukungan maupun pengorbanan yang telah

diberikan mendapat balasan yang berlipat ganda dan bernilai ibadah di sisi Allah
SWT. Akhirnya, kami menyadari bahwa makalah ini sepenuhnya masih jauh dari
kesempurnaan. Untuk itu dengan penuh keterbukaan dan rasa rendah hati kami
senantiasa bersedia menerima segala kritikan dan saran serta pendapat dari berbagai pihak
yang sifatnya membangun demi kesempurnaan laporan selanjutnya dan semoga tulisan
ini bermanfaat keberadaannya. Aamiin.

Depok , 04 Oktober 2017

Kelompok 1
 Daftar Isi

Kata Pengantar

Daftar Isi

Abstract

Introduction

What is Imaging Spectrometry (Hyperspectral Sensing)?

Atmospheric Corrections are Required for Most Hyperspectral Analyses

Empirical Atmospheric Correction Methods

Model-Based Atmospheric Corrections

Sophisticated Analysis Software Makes Analysis of these Data Easier

ENVI, An Example of Commercial, Off-the-Shelf (COTS) Hyperspectral Software

A Geologic Case History Using AVIRIS

Commercial Hyperspectral Data Are Available Now and Satellites Planned

HyMap An Example of High Quality Commercially Available Hyperspectral Data

Future Hyperspectral Satellite Systems

Hyperspectral-Savvy, Trained Personnel Are Essential

Conclusions
A Geological Case History Using AVIRIS

Bagian dari paper ini membahas bagaimana AVIRIS(Airborne Visible/Infrared

Imaging Spectrometer)dapat memberikan gambaran sejarah geologi disuatu daerah yang
dalam hal ini adalah bagian Tenggara Utah.Pada daerah ini di analisis tiga buah diatreme
yakni Mule Ear,Moses Rock dan Cane Valley dan dengan menggunakan AVIRIS ini berhasil
diketahui bagaimana kondisi geologis dari daerah Utah ini seperti misalnya didaerah Mule
Ear terdapat serpentine tuff dan dikelilingi batuan besar,kemudian Moses rock yang diketahui
memiliki Dike dan lain-lain lagi.Melalui proses-proses tertentu yang dapat dijabarkan sebagai
berikut:Pertama AVIRIS data di transformasi linear menggunakan MNF Transformation dan
bagian paling atas dari MNF ini kemudian digunakan untuk menentukan endmembers
menggunakan prosedur PPI.Endmembers ini kemudian di load ke scatter-plot n dimensi lalu
dirotasi dengan real time computer screen sampai titik pada scatter-plot terbaca atau
diketahui.Proyeksi ini kemudian di warnai menggunakan ROI atau Region-of-Interest lalu
dirotasi lagi dalam dimensi tiga atau yang lain untuk menentukan keunikan dari data AVIRIS
yang diinput.Setelah data diketahui unik maka dilakukan proses untuk semua proyeksi dari
scatter-plot diinput ke dalam ROI dan rata-rata spectra di ekstrak untuk setiap ROI dan hasil
ekstrak ini digunakan sebagai endmember untuk peta spectra.Kemudian SAM,Linear Spectral
Unmixing,Mixture-Tuned Matched Filtering digunakan untuk menghasilkan peta mineral
atau persebaran mineral dan data ini di display dalam gray scale dari nilai 0.1 sampai satu
untuk mengestimasi kelimpahan mineral.Pixel yang terang menandakan keberlimpahan yang
besar.

Menggunakan data VNIR kita dapat mengetahui persebaran mineral hematite,goethite

dan lima jenis tanah,vegetasi,air dan shade.Dengan menggunakan data IR saja dari 2-4
mikrometer 13 endmember dapat didefinisikan sebagai mineral dolomite,kalsit,kaolinit,illit
mungkin illit yang mengandung banyak kandungan besi dan silika.Beberapa material dengan
besar lambda 2.35 mikrometer mengidentifikasi keberadaan serpentin yang lapuk dan
vegetasi dan keberadaan air pun diketahui.Dari data-data ini dapat diketahui bahwa Mule Ear
diatreme memiliki mineralogi berupa dua dolomite,minor kalsi,illit,dan kaolinit dan goethite
yang berasosiasi satu sama lain.Cane Valley juga hampir sejenis dengan Mule Ear sementara
Moses Rock Dike memiliki dua unit dolomit dan serpentine yang lapuk.
Sophisticated Analysis Software Makes Analysis Of These Data Easier

(Perangkat Lunak Analisis Canggih Membuat Analisis Data Ini Lebih Mudah)

Sistem pemindaian garis spektral diperkenalkan pada akhir tahun 1970an dan sistem
pencitraan hiperspektral telah tersedia sejak tahun 1983, akibatnya, berbagai teknik analisis
khusus telah diperiksa, disempurnakan, dan dimasukkan ke dalam praktik operasional.
Sebagian besar upaya awal menganalisa data tersebut terdiri dari perangkat lunak penelitian,
ditulis dalam bahasa seperti FORTRAN dan / atau "C". Ini dirancang untuk bekerja dengan
kumpulan data spektrometer pencitraan spesifik seperti Penelitian Geofisika dan Lingkungan
(GER) data pemindai garis (Marsh and McKeon, 1983), atau data Spektrometer Airborne
Imaging Spectrometer (AIS) Goetz et al, 1985; Kruse et al, 1985). Biasanya, rutinitas khusus
ini digunakan untuk mengekstrak hasil ilmiah, Sistem pengolahan citra "standar" digunakan
untuk melihat hasil gambar, dan perumpamaan dasar atau grafik Paket digunakan untuk
melihat hasil spektral. Kemudian, upaya dilakukan untuk membangun sistem yang
terintegrasi melihat gambar hiperspektral dan spektrum secara simultan (Mazer et al, 1988;
Thorson, 1989; Kruse et al, 1993b). Dengan cepat menjadi jelas bahwa bekerja dengan data
hyperspectral pada umumnya terlalu sulit untuk ilmuwan terpelajar / terlatih, dan kami tidak
mendapatkan semua informasi yang tersedia dari ini data. Perbaikan perangkat lunak yang
signifikan diperlukan untuk mengatasi masalah ini.

Komponen kunci dari Perangkat Lunak Mampu Hiperspektral

Satu set umum persyaratan analisis hyperspectral mulai muncul dari usaha di atas dan
diringkas di bawah ini. Banyak sistem pengolahan citra mulai menggabungkan komponen ini.

Kemampuan input data hyperspectral yang fleksibel dan / atau disesuaikan.

Kemampuan untuk bekerja dengan sejumlah besar band spektral (sering> beberapa
ratus).
Kemampuan koreksi atmosfir.
Interaktif Spasial / Spektral Browsing.
Beberapa gambar ditampilkan.
Pengambilan dan ekstraksi spektrum Pixel dan Frase Tunggal Pixel dan Daerah-of-
Interest (ROI).
 Lokasi spasial terkait dan tanda tangan spectral.
Penjelajahan Perpustakaan Spektral, merencanakan, mencocokkan.
Metode untuk menemukan "endmembers" atau spektrum murni.
Metode untuk menemukan dan mengkarakterisasi fitur spektral gambar.
Metode unmixing spiral tanda tangan spektral campuran.
Link antara pengolahan citra raster dan vektor Sistem Informasi Geografis (SIG).
Output kualitas publikasi hasil gambar dan spektral

ENVI, An Example of Commercial, Off-the-Shelf (COTS) Hyperspectral Software

ENVI menggambarkan salah satu analisis pendekatan end-to-end dari hyperspectral data.
Envi menyediaka tool interactive untuk penulusuran spasial & spektral melalui beberapa
kumpulan data hyperspectral (gambar 4), tetapi juga termasuk seperangkat alat komperhensif
untuk analisis kuantitatif.
Gambar 4. Screen layout ENVI menunjukan beberapa alat interaktif ENVI untuk penulusuran
spasial & spektral data hyperspectral.

Salah satu metode yang menggunakan tools ini termasuk koreksi dari data untuk reflektansi
jelas. Menggunakan transformasi linear untuk meminimalkam noise dan menentukan dimensi
data, lokasi dari spektral piksel murni, ekstrasi, dan identifikasi otomatis dari endmember
spektrum dan pemetaan spasial dan perkiraan kelimpahan untuk gambaran endmember
spesifik. Gambar 5 merangkum pendekatannya.

Future Hyperspectral Satellite Systems

Kesuksesan dari sistem airborne hyperspectral seperti AVIRIS dan HyMap membuat
jelas bahwa keberadaan global dari hyperspectral data harus dijadikan prioritas utama
dalam pengembangan pemetaan pada varietas yang luas. Beberapa sistem satelit
masih dalam tahap pengembangan; dua diantaranya dijelaskan sebagai berikut:

1. Orbview-4
Orbview-4 akan menggambarkan bumi pada resolusi spasial pada satu meter
panchromatic (sensitif terhadap gelombang tampak pada daerah yang luas) dan
empat meter multispectral. Sistem ini berbeda dari satelit resolusi high-spatial,
tetapi, pada sistem ini juga termasuk penggambaran instrument 280-channel
hyperspectral. Instrumen hyperspectral Orbview-4 telah direncanakan untuk
dikombinasikan resolusi 8-m spatial dengan resolusi spectral yang sangat tinggi.

2. AIRES-1
AIRES merupakan Australian Resource Information and Environment Satellite.
ARIES-1 akan menjadi satelit dengan orbit bumi yang rendah yang membawa
sesor hyperspectral menggunakan pantulan cahaya tampak dan inframerah.
ARIES-1 direncanakan untuk memiliki 32 bands kontuinitas antara 0.4-1.1
mikrometer dengan 20nm band spacing dan 16-nm band spacing dan SNR 400:1.

HyperspectralSavvy, Trained Personnel Are Essential

Data hyperspectral sifatnya yang lebih rumit daripada data multispectral, dan
secara konsisten terdapat pengurangan ilmuwan terlatih yang dapat menggunakan
data hyperspectral utuk analisis saintifik.

Di beberapa universitas U.S menawarkan kelas-kelas yang melingkup deskripsi

dan analisis dari remote sensing hyperspectral, diantaranya : Center for The Study
of Earth from Space (CSES) di University of Colorado dan masih banyak lagi.
Remote sensing hyperspectral merupakan topik hangat yang sedang dibahas
secara internasional dan beberapa universitas sekarang mengajarkan fundamental
hyperspectral atau memasukkan aspek dari remote sensing hyperspectral pada
pembelajaran mereka dana tau pada program research-nya. Beberapa contoh
spesifik: di University of New South Wales, NSW, Australia; dan Universiade
Estaudal de Campinas, Brazil.
 Gambar 5. Metode standar pengolahan untuk analisis data hyperspectral

Konsep dasarnya adalah mengurangi data ke tingkat yang dapat dikelola dengan menemukan
piksel-piksel tersebut pada gambar yang dapat menjelaskan setiap piksel lainnya dalam hal
mode pencampuran. Koreksi apparent reflectance berfungsi untuk memasukkan data ke
dalam ruang koordinat yang sama sebagai perpustakaan spektrum (sebagian besar) untuk
perbandingan dengan penjelajahan spasial / spektral. Transformasi MNF mengurangi dimensi
spektral dari data dengan menemukan kombinasi linier bands yang menjelaskan dimensi
inheren data. mengurangi dimensi spasial dengan menemukan endmembers utama. Suatu
kejadian spektrum endemember telah diekstraksi dengan menggunakan metode ini, kemudian
prosedur identifikasi otomatis digunakan untuk menyesuaikan diri dengan perpustakaan
spektrum. Gambaran endmember identifikasi ini kemudian digunakan untuk memperluas
analisis kembali ke dataset spasial / spektral penuh untuk menghasilkan peta gambar yang
menunjukkan lokasi dan kelimpahan material tertentu.

Conclusion

Dengan adanya sistem aircraft, sekarang kita dapat memiliki data hiperspektral dengan
kualitas yang sangat baik, dan cakupan gkoval dari sistem satelif hiperspektral juga akan
hadir dalam waktu dekat. Software koreksi atmosfir juga dapat memungkinkan untuk
menggunakan data data tersebut tanpa perlu mempelajari ilmunya lebih dalam, serta software
ini juga dapat memudahkan saintis baru untuk dapat mengerti analisis hiperspektral dengan
cepat. Semua faktor ini akan menghasilkan penginderaan hiperspektral menjadi kenyataan di
tahun yang akan datang.