PRAKTIKUM METEOROLOGI SATELIT

BAB I
Komposit band dan Clipping citra

Langkah-langkah yang akan dilakukan pada proses di bawah ini dinamakan

preprocessing. Proses ini merupakan pengolahan awal sehingga citra yang diolah hanya
citra pada wilayah yang dikaji. Satelit memiliki beberapa band untuk menangkap citra
bumi dengan fungsi panjang gelombang yang berbeda. Komposit band merupakan hasil
citra dari beberapa band (maksimal 3) yang dikombinasikan. Kombinasi ini memiliki
fungsi masing-masing, seperti komposit band 432 yang merupakan kombinasi untuk
melihat warna asli citra (true color).

File yang dibutuhkan: Citra Landasat 8 Band 2-7, Shapefile Peta Kabupaten Indonesia
Menampilkan citra dengan komposit band yang diinginkan
1. Buka ArcMap 10. 3 dan klik Add data atau buka file dan pilih add data

atau
2. Pilih folder berisi citra dan pilih band yang dibutuhkan (misal: band 2-7)

Seandainya setelah itu muncul window bertulisan Piramid, pilih no (gunakan use my
choice)
3. Pastikan band 2-7 tersusun berurutan di window Table Of Contents di sebelah kiri

Drag& drop jika belum berurutan

4. Pilih di toolbar Windows Image Analysis

5. Block seluruh data band yang dibutuhkan (band 2-7) dengan bantuan tombol ctrl
6. Pilih Composite bands (gambar kuning bertumpuk) pada Processing untuk melakukan
komposit band

Maka akan terbentuk layer baru berupa hasil komposit

7. Klik kanan pada layer baru yang terbentuk, ada tiga pilihan gabungan band. Band_1
sampai Band_6 menunjukkan urutan band yang telah dimasukkan pada saat proses
komposit, pada langkah ini yaitu urutan Band 2-7. Ganti urutan band sesuai komposit
yang diinginkan, misal band 432 yaitu dengan mengganti di kotak warna, red=3
green=2 blue=1
Memilih citra berdasarkan kabupaten Indonesia menggunakan fungsi clip
1. Add data dengan mengambil file peta kabupaten Indonesia yang memiliki format
shapefile (.shp), praktikum ini memakai file indkab

2. Klik kanan pada Layer indikab, lalu pilih Open Attributes Table
 3. Klik Select By Attributes untuk memilih properti pada peta

4. Memilih peta berdasarkan kabupaten yaitu dengan meng-double klik kabupaten,

klik=, dan klik get unique value
5. Pilih wilayah yang diinginkan dari list yang tertera, klik apply

6. Wilayah yang dipilih tadi akan terlihat dibatasi dengan garis biru
7. Klik kanan pada Layer indkab, pilih Selection lalu klik Create Layer From Selected
Features untuk membentuk layer daerah yang dipilih sebelumnya

8. Layer baru akan terbentuk, layer-layer yang tidak diperlukan bisa di uncheck ataupun
di remove (klik kanan pada layer)
Melakukan croping dengan fungsi clip

1. Pilih Arc Toolbox pada fungsi di Arcmap (yang berwarna kotak merah) atau bisa juga
gunakan toolbar Windows Search Clip (Data Management Tools)

2. Jika menggunakan tombol arc tool box yang memiliki ikon kotak merah, pilih Data
Management Tools Raster Raster Processing Clip
3. Masukkan Input berupa hasil komposit band dan Output Extent berupa peta wilayah
pilihan yang sudah dibuat layernya tadi.

Data yang kita butuhkan sudah ada di Layers, sehingga cukup pilih dari drop-down list
pada input dan output (input: hasil komposit, output: daerah yang sudah kita pilih pada
peta), ceklis use input features for clipping geometry untuk melakukan clipping dan ganti
NoData Value dengan angka 0

4. Tunggu sampai muncul pop-up di sebelah pojok kanan bawah yang menandakan
proses clip selesai (ditandai dengan gambar centang)

Untuk melihat proses atau fungsi yang digunakan sebelumnya, bisa dilihat pada Results
(Buka toolbar Geoprocessing)
5. Uncheck seluruh layer (klik kanan Layers untuk mengatur semua layer sekaligus)
kecuali file clip yang baru saja kita clip (disini nama filenya xblabla)

6. Ganti urutan band sesuai komposit band yang diinginkan (misal seperti sebelumnya
untuk band 432 pada komposit band tersebut, maka gunakan band_3, band_2,
band_1)
 Export data dan menyimpan data
1. Klik kanan pada Layer yang ingin diexport, pilih Data Export data

2. Pilih lokasi penyimpanan, nama file, dan format file yang diinginkan (disini gunakan
IMAGINE Image)
 3. Klik Save dan bisa pilih No

Maka file akan tersimpan pada lokasi yang sudah dipilih

 BAB II
Menghitung nilai NDVI citra dengan Erdas Imagine

NDVI merupakan besaran nilai kehijauan vegetasi yang diperoleh dari

pengolahan sinyal digital data kecerahan (brightnes) beberapa kanal sensor satelit. NDVI
biasa digunakan untuk pemantauan vegetasi, yaitu dengan melakukan proses
pembandingan antara tingkat kecerahan kanal cahaya merah dan kanal cahaya
inframerah dekat (Hisyam et al. 2014).
Nilai NDVI berkisar antara -1 sampai 1 dimana nilai terkecil mewakili tidak ada
vegetasi, dan nilai terbesar mewakili banyak vegetasi.
NDVI=(NIR-Red)/(NIR+Red)
dimana NIR yaitu band 5 dan red adalah band 4 pada satelit Landsat 8.

File yang dibutuhkan: Citra hasil komposit band

Menghilangkan background citra yang berwarna putih menggunakan Erdas Imagine
9.1
Langkah ini dilakukan sebab dapat mempengaruhi nilai NDVI, pixel warna putih
memiliki nilai 65536 bit (2n), sedangkan warna hitam pekat diwakili nilai 0.

1. Tutorial ini menggunakan Erdas Imagine dengan tipe Classic Viewer

2. Open file citra yang akan digunakan untuk perhitungan NDVI (missal hasil komposit
band)

Maka akan muncul citra hasil komposit olahan di ArcMap yang memiliki background putih
3. Membuka Modeler Maker pada toolbar Modeler

4. Window baru dan lembar kosong akan muncul, klik kotak bersusun untuk ditaruh di
lembar New_Model (click&drop). Selanjutnya klik dua kali kotak bersusun yang
berada di dalam model untuk memasukkan file input.
Fungsi ini berguna sebagai fungsi input, pilih file yang diinginkan dengan mengklik gambar
folder (dalam tutorial ini yaitu menggunakan hasil clip citra komposit band 432) dan klik
OK

5. Masukkan lingkaran (click&drop) ke dalam window New_Model, lingkaran

merupakan fungsi yang digunakan untuk mengolah input (proses). Tarik garus panah
dari gambar tumpukan (input) ke lingkaran (proses).
6. Klik dua kali pada gambar lingkaran. Ganti Functions di kotak sebalah kanan menjadi
Conditional dan pilih EITHER. Available Inputs di kotak sebelah kanan merupakan file
yang kita masukkan ke input tadi, file yang memiliki angka (1) sampai (6) menunjukkan
urutan citra band pada proses komposit band yang sudah dilakukan sebelumnya.

7. Kotak paling bawah merupakan masukan fungsi yang akan digunakan pada proses.
Masukkan rumus default dari either, ganti arg1 menjadi 0 (warna hitam) , test menjadi
nama file pilihan dari available inputs (klik dua kali nama file yang tidak ada
angkanya)==65536 (warna putih) dan arg2 dengan nama file pilihannya lagi seperti
pada gambar dibawah ini
8. Klik OK, selanjutnya buat outputnya menggunakan kotak bersusun-susun seperti
membuat input. Hubungkan lingkaran dengan kotak bersusun menggunakan anak
panah, klik 2x pada gambar output tersebut. Tulis nama file dan lokasi penyimpanan
yang diinginkan, ganti Data Type dengan float double dan centang ignore 0.000

9. Jalankan model dengan mengklik gambar petir berwarna merah (Run)

10. Tunggu sampai proses selesai, sampai ke angka 100

11. Lihat ke window Viewer dan buka file outputnya maka background citra yang
berwarna putih sudah hilang
Melakukan perhitungan NDVI menggunakan Erdas Imagine 9.1
1. Buka modeler maker dan masukan input berupa citra yang tidak memiliki background
berwarna putih agar rentang hasil perhitungan ndvi nya tidak terpengaruh

2. Masukkan rumus NDVI, karena rumusnya hasil bagi dari band 5 dikurang band 4 dan
band 5 ditambah band 4, buat 2 fungsi (bercabang)
Ubah nama pada fungsi di lingkaran agar mudah dikenali dengan mengklik tombol A

3. Klik dua kali pada gambar lingkaran, dan masukkan rumus band 5 band 4 dan band
5+band 4 dengan memilih namafile[3] untuk band 4 dan namafile[4] untuk band 5.
Nama file ini sesuai urutan band yang dimasukka saat proses komposit band
sebelumnya.
4. Buat output dari masing-masing fungsi proses (lingkaran). Klik dua kali pada output
dan agar hasilnya bernilai float, langsung centang temporary raster only float

5. Masukkan satu lingkaran dan tarik anak panah dari kedua output terakhir. Nilai ndvi
didapatkan dari hasil pembagian sehingga penyebutnya tidak boleh bernilai nol, maka
digunakan fungsi conditional pada lingkaran tersebut. Ganti arg1 dengan 0, test
dengan output dari b4+b5 (penyebut)==0 dan arg2 dengan output dari b5-b4 / output
dari b5+b4
6. Buat kotak bersusun dan tarik garis panah (output). Klik dua kali kotak bersusun
tersebut, pilih nama file dan lokasi pengimpanan, ganti Data Type menjadi float
double dan centang Ignore 0.00

7. Run model kembali dan tunggu hingga prosesnya selesai

8. Buka viewer dari file output NDVI yang telah dibuat

9. Klik image info (ikon dengan gambar huruf I di kertas putih) pada toolbar untuk
melihat informasi citra

10. Fungsi ini digunakan untuk melihat informasi, nilai ndvi minimum dan maksimum yang
bisa dilihat pada histogram
Membuat layout pada ArcMap 10.3
Menghilangkan background hitam NDVI pada ArcMap
1. Buka ArcMap 10.3
2. Add data file hasil perhitungan ndvi tadi
3. Pilih pada Windows Search Raster Calculator (Spatial Analyst)
4. Pilih fungsi Conditional Setnull, masukkan fungsi file ndvi (klik dua kali pada layer)==0,
file ndvi tersebut lagi bisa ganti nama dan lokasi output sesuai keinginan dengan
mengklik gambar folder pada Output Raster

Maka akan terbentuk layer baru setelah proses raster calculator selesai (setelah tanda
centang)
5. Beri centang pada layer yang baru saja dibuat agar terlihat, uncheck file sebelumnya.
Jika nama layer belum diganti namanya menjadi NDVI, klik kanan layer dan pilih
Properties. Ganti nama di general
6. Warna citra dapat diganti pada tab Symbology, pilih stretched untuk gradasi warna

7. Nilai statistik citra juga dapat dilihat pada window ini

Menampilkan layout peta di ArcMap 10.3
1. Klik View pada toolbar, pilih Layout view

2. Klik change layout pada fungsi di ArcMap

3. Pilih jenis layout yang diinginkan (misal Letter Landscape)

4. Klik gambar bumi agar peta terlihat full, bisa diatur atur peletakannya dan judul
petanya diganti dengan menggunakan tombol Select Elements (yang dilingkari)

5. Klik Insert pada toolbar jika ingin menambahkan fungsi seperti gambar, skala, dll.

6. Peta yang sudah ditambahkan elemennya seperti legenda, judul dll dapat disimpan
dengan cara klik file pada toolbar Export Map dan pilih lokasi penyimpanan yang
diinginkan
 BAB III
UNSUPERVISED CLASSFICATION
Klasifikasi citra adalah proses pengelompokkan citra menjadi beberapa kelas
sehingga dapat dianalisis dengan lebih mudah. Klasifikasi citra bertujuan mendapatkan
gambaran atau peta tematik yang berisikan bagian-bagian yang menyatakan suatu obyek
atau tema. Tiap obyek pada gambar tersebut memiliki simbol yang unik yang dapat
dinyatakan dengan warna atau pola tertentu (Mukhaiyar 2010).
Klasifikasi citra diantaranya dapat dilakukan dengan dengan metode klasifikasi
tak terbimbing. Klasifikasi tidak terbimbing dilakukan dengan mengelompokkan piksel
pada citra menjadi beberapa kelas hanya berdasarkan pada perhitungan statistik tertentu
tanpa melakukan sampel piksel (training) yang digunakan oleh komputer sebagai acuan
untuk melakukan klasifikasi (LAPAN 2015).
File yang dibutuhkan: Citra hasil komposit band
Melakukan Unsupervised Classfication menggunakan Erdas Imagine 9.1
1. Buka Erdas Imagine 9.1
2. Buka citra hasil stacking (komposit) dan ubah kombinasi bandnya, dengan mengklik
Raster pada window viewer lalu pilih Band Combinations

3. Atur kombinasi band yang diinginkan, misal ganti menjadi layer 4 3 2 untuk komposit
band 543
4. Klik Classifier pada toolbar dan pilih Unsupervised Classification

4. Masukkan input berupa file citra hasil stacking (hasil komposit)

5. Uncheck Output Signature Set, pilih banyak kelas yang diinginkan, klik Color Scheme
Options untuk mengatur urutan komposit band

6. Ubah kombinasi band yang digunakan sesuai dengan keperluan pada window Output
Color Scheme Options
7. Klik OK untuk menjalankan proses, tunggu sampai prosesnya selesai.

8. Buka tab viewer dan buka file hasil output unsupervised (class.img) yg dibuat tadi

Warna yang terlihat belum terlalu jelas untuk diklasifikasikan karena komposit band yg
digunakan adalah 432 atau true color
9. Pilih raster dan klik attributes

10. Ganti nama kelas sesuai dengan perkiraan warna kelas itu mewakili kelas tertentu
(dalam kasus ini yaitu badan air, vegetasi, vegetasi, non vegetasi, dan awan)

Klik gambar disket untuk menyimpan nama kelas

11. Pilih menu Interpreter pada toolbar Erdas GIS Analysis Recode
12. Masukkan file hasil unsupervised (class.img) dan buat output yang baru (yang sudah
direcode)

13. Sebelum klik OK, pilih setup recode

14. Ubah value vegetasi dari nomor 3 menjadi nomor 2, begitu juga seterusnya yaitu non
vegetasi menjadi nomor 3 dan awan menjadi nomor 4. Gunakan Change Selected Rows
dengan memblok kolom value atau langsung ganti angkanya pada new value.

Tunggu proses recode selesai

15. Buka tab viewer baru yaitu dengan meng klik viewer dan buka class2 hasil recode
tadi
16. Klik menu Raster pada file tersebut, gunakan Raster Attribute Editor untuk
mengganti warna (klik pada warna)

16. Ganti warna dengan warna yang dianggap merepresentasikan kelasnya sesuai
keinginan (misal hijau untuk vegetasi)
17. Citra hasil unsupervised classification yang sudah dibuat menjadi kelas badan air,
vegetasi, non vegetasi, dan awan

Bandingkan dengan citra aslinya, apakah benar semua identifikasi kelas sudah sesuai?
Gunakan kombinasi band yang bagus untuk melakukan klasifikasi tutupan lahan agar
dapat menyesuaikan dengan kebutuhan data

Metode unsupervised classification sering kali melakukan kesalahan pada proses

klasifikasi. Kesalahan tersebut disebabkan metode klasifikasi tak terbimbing hanya
mengandalkan rona atau digital number sebagai dasar pengklasifikasian. Pemilihan
kombinasi band juga mempengaruhi hasil klasifikasi. Kombinasi band pada tutorial ini
menggunakan kombinasi band true color yang tidak sensitif terhadap warna air.
 BAB IV
SUPERVISED CLASSIFICATION

Proses klasifikasi terbimbing untuk penggunaan lahan dengan data digital satelit,
mutlak memerlukan suatu training area untuk pengajaran kepada komputer. Hal ini dapat
dilakukan dengan cara digitasi areal kelas penggunaan lahan dengan bantuan komputer.
Areal yang didigitasi berdasarkan hasil interpretasi citra satelit yang sudah dapat
dipastikan dengan bantuan interpretasi foto udara atau hasil cek lapangan
(groundthruthing). Training area ini dapat juga diperoleh dari data peta penggunaan lahan
digital.

File yang harus disiapkan:

Citra yang ingin diklasifikasi
Koordinat titik dari tiap kelas hasil groundthruthing atau hasil interpretasi citra
(minimal 10 koordinat untuk satu kelas, lebih banyak akan lebih baik) yang sudah
di export dalam bentuk .shp (shapefile)
Catatan: membuat file koordinat dapat menggunakan Ms. excel yaitu dengan
memasukkan informasi lintang, bujur, dan nomor kelas lalu di export menggunakan
ArcGIS. Titik koordinat yang dimasukkan merupakan titik yang termasuk dalam
wilayah citra yang ingin diklasifikasi.

Melakukan supervised classification dengan Erdas Imagine 9.1

1. Buka file yang ingin diklasifikasi serta file koordinat titik yang merepresentasikan
setiap kelasnya dalam bentuk .shp di Erdas Imagine 9.1. Titik-titik koordinat tersebut
pada citra
2. Buka Vector Viewing Properties, centang Attributes pada window yang baru
muncul agar nomor kelas yang dimasukkan pada data shp terlihat

3. Pilih apply dan No

4. Mulai lakukan digitasi, yaitu melakukan pemilihan piksel untuk setiap titik
representatif dari setiap kelas. Pilih tab Classifier Signature Editor

5. Biarkan window baru tersebut terbuka. Klik AOI Tools maka akan muncul window
AOI. Zoom titik yang akan didigitasi dan klik ikon poligon yang dilingkari merah
6. Klik satu kali pada piksel untuk pindah garis dan dua kali untuk menyelesaikan bentuk
polygon. Usahakan warna yang masuk ke polygon memiliki warna yang sesuai dengan
warna kelasnya (misal: merah), minimal pilih 9 piksel dan jangan mengambil terlalu
banyak piksel untuk meminimalisir piksel di sekelilingnya ikut terbawa.

7. Untuk memasukkan hasil digitasi, pilih simbol yang berada dibawah menu View pada
Signature Editor (seperti tanda panah masuk ke bawah dengan tanda tambah)
8. Lakukan kembali digitasi sampai beberapa kali yang sudah dianggap representatif

9. Gabungkan seluruh hasil digitasi untuk dijadikan satu kelas. Block semua hasil digitasi
dengan menekan shift pada keyboard sambil klik angka pada kolom Class di sebelah kiri.
Klik simbol pada lingkaran merah (symbol tanda panah masuk dan ada tiga garis),
sehingga muncul kelas baru hasil penggabungan digitasi.

10. Ganti nama kelas hasil penggabungan digitasi tersebut pada kolom Signature Name,
hasil digitasi sebelumnya dapat dihapus.

11. Lakukan langkah yang sama untuk membuat kelas awan, dan non vegetasi. File hasil
digitasi dapat disimpan dengan File Save As pilih folder dan simpan dalam format .sig
(signature)
12. Buka tab Classifier dan klik supervised classification. Masukkan citra sebagai input
raster, dan file hasil digitasi (training) sebagai input signature. Output file adalah file hasil
supervised classification yang akan terbuat dari proses ini.

13. Klik OK dan tunggu sampai proses selesai

14. Buka hasil supervised classification tadi dengan membuka tab viewer yang baru

15. Klik Raster dan pilih attributes

16. Ubah warna kelas tersebut sesuai dengan keinginan pada window Raster Attribute
Editor

17. Buka tab erdas dan pilih Interpreter GIS Analysis Recode
18. Masukkan file hasil supervised classification sebelumnya sebagai input, klik setup
recode hingga terbuka window baru

19. Ubah value kelas yang tidak dibutuhkan dengan nilai 0 pada kolom New Value. Ubah
nama kelas vegetasi dan valuenya pada kolom Class Names dan kolom New Value (misal
nama kelas dan valuenya pada tutorial ini: Vegetasi 1, Non Vegetasi 2,dan Awan 3)

20. Buat output file dan klik OK hingga proses recode berjalan
21. Buka tab baru berupa hasil supervised classification yang sudah di recode

22. Klik Data Prep pada tab Erdas dan pilih reproject images untuk mengganti proyeksi
citra. Masukkan input hasil supervised yang sudah direcode tadi, pilih Lan/Lon (WGS 84)
pada projection.
23. Hasil perubahan proyeksi

Uji Akurasi Kappa

1. Klik tab Classifier Accuracy Assessment
2. Open file terakhir supervised yang sudah diubah proyeksinya tadi pada window
Accuracy Assessment

3. Klik Edit Import User-defined Points.. dan masukkan file referensi berformat txt

Isi file referensi berupa koordinat

4. Masukkan angka 2 pada X (bujur) dan angka 3 pada Y (lintang). Cek lon dan lat ada di
kolom berapa (FieldX) pada Input Preview

Klik OK

4. Blok kolom Reference pada tabel, lalu klik kanan pilih Import dan masukkan
reference.txt tadi

5. Klik menu Report Options Check hanya pada Kappa Statistics

6. Buka Report Accuracy Report

8. Lihat nilai yang overall, hasil klasifikasi yang kita lakukan bagus jika nilainya >0.6 (cari di
jurnal)
 BAB V
Menghitung Suhu Permukaan dengan ArcGIS

Suhu kecerahan merupakan suhu yang ditentukan hanya berdasarkan citra pada
band yang menerima gelombang panjang yang dipancarkan bumi. Data suhu kecerahan
dapat digunakan untuk menentukan nilai suhu permukaan, misalnya pada contoh di atas
menggunkan nilai emisivitas untuk mengubah nilai suhu kecerahan menjadi suhu
permukaan. Suhu permukaan merupakan parameter kunci dari banyak aplikasi
keseimbangan energy seperti model evaporasi dan model klimatologi (Boori et al. 2015).
Penggunaan/penutupan lahan mempengaruhi iklim di suatu wilayah seperti uap air,
aerosol debu, molekul gas, dana awan yang secara langsung mempengaruhi hujan.
File yang dibutuhkan:
Peta kabupaten Indonesia yang sudah diclip pada daerah yang dipilih
(missal:Jakarta Timur)
Citra band 10, band 11 daerah tersebut
Citra ndvi wilayah tersebut
Mencari nilai suhu kecerahan (Tb)
1. Buka ArcMap 10.3 dan file yang dibutuhkan
2. Pilih ModelBuilder pada toolbar

3. Add data pada window Model, tambahkan 2 layer yaitu band 10 dan band 11
4. Cari raster calculator pada fungsi search, dan drag dua raster calculator tersebut ke
dalam window Model

5. Buka metadata menggunakan wordpad atau notepad++ yang biasanya berada satu
folder dengan citra satelit yang diunduh, lihat informasi RADIANCE_MULT_BAND dan
RADIANCE_ADD_BAND band 10 dan 11, ubah nilainya ke nilai decimal biasa (misal:
3.342E-4 menjadi 0.0003342)
6. Cari rumus spectral radiance setiap band, klik 2x pada raster calculator dalam window
model

Masukkan nilai Radiance_mult_band*file Band10+ nilai Radiance_add_band

Ubah nama file outputnya menjadi spektralB10

7. Lakukan hal yang sama pada band 11

8. Drag kembali dua buah raster calculator ke dalam window model

9. Klik 2x pada raster calculator untuk menghitung suhu kecerahan setiap band

Nilai K1 dan K2 didapatkan dari metadata

10. Masukkan persamaan suhu kecerahan pada band 10
nilaiK2_CONSTANT_BAND_10/(Ln(nilaiK1_CONSTANT_BAND_10/spectralB10+1)-273.15
(Pengurangan nilai 273.15 ini untuk konversi nilai Kelvin ke Celsius). Ganti nama output
filenya

11. Lakukan hal yang sama untuk menghitung suhu kecerahan band 11 (ganti nama
filenya TB11 agar lebih mudah dicari)

12. Drag satu raster calculator lagi dan hitung nilai rata-rata suhu kecerahan kedua
band. Ganti nama file outputnya
13. Run model tersebut dengan menekan tombol Run seperti di bawah ini

Tunggu hingga proses selesai

Mencari nilai emisivitas (e)

14. Cari nilai Pv terlebih dahulu, yaitu dengan melihat rentang nilai di citra NDVI (nilai
minimum dan maksimumnya). Masukkan rumus Pv menggunakan raster calculator
(gunakan Square pada fungsi math)
Square((citraNDVI-ndvimin)/(ndvimax-citrandvi)
15. Hitung nilai emisivitas (e) menggunakan raster calculator yaitu dengan memasukkan
rumus diatas
0.004*Pv+0.986

Mencari nilai suhu permukaan (ts)

16. Masukkan rumus

Tb/(1+11.5*(tb/14380)*ln(emisivitas)

Ubah nama file output menjadi ts pada output raster

 BAB VI
Menghitung radiasi netto pada tutupan lahan (badan air, vegetasi,
dan non vegetasi) menggunakan ArcMap 10.3

Radiasi netto permukaan adalah keseimbangan energI dari radiasi gelombang

pendek yang masuk dan keluar dengan radiasi gelombang panjang. Radiasi netto adalah
energI yang menjalankan proses-proses seperti evaporasi dan pertukaran energI antara
permukaan dan atmosfer yang mengendalikan klimatologi bumi (Krishna et al. 2014).
Komponen komponen radiasi netto adalah radiasi gelombang pendek masuk, radiasi
pendek keluar, radiasi gelombang panjang masuk, dan radiasi gelombang panjang keluar
(Krishna et al. 2014).

File yang dibutuhkan:

Citra suatu daerah yang sudah diklasifikasi
Citra emisivitas
Citra suhu permukaan
Citra band 2
Citra band 3
Citra band 4

Menghilangkan kelas awan pada citra yang dimiliki

Obyek awan pada citra yang ingin dianalisis sebaiknya dihilangkan terlebih
dahulu. Hal ini dilakukan karena awan memiliki sifat yang sangat berbeda dengan tutupan
lahan lain yang ingin diamati sehingga hasil analisis seringkali bernilai aneh atau sulit
dijelaskan.

1. Buka file citra satelit yang sudah di klasifikasi menjadi tutupan lahan badan air, vegetasi,
non vegetasi, dan awan (pada tutorial ini digunakan citra daerah Jakarta Timur), dan buka
citra lainnya yang dibutuhkan
2. Gunakan fungsi Raster Calculator, masukkan rumus SetNull (pilih dari menu
conditional). Masukkan rumus seperti dibawah ini
SetNull(rasterjaktim.img==4, JaktimB4.img)

rasterjaktim.img merupakan citra yang sudah dibuat menjadi 4 kelas (badan air,
vegetasi, non vegetasi, dan awan),
Angka 4 merupakan nomor kelas awan,
JaktimB4.img merupakan citra yang ingin dihilangkan awannya.
Catatan:
Klik dua kali pada layers and variable untuk memasukkan pilihan citra ke dalam rumus.
Buka citra terlebih dahulu pada pada ArcMap agar citra dapat masuk ke dalam daftar
layers. Nama dan lokasi file hasil proses ini dapat diganti pada Output Raster

3. Buka Geoprocesing pada toolbar Results. Klik gambar seperti pin pada window
yang baru muncul. Buka current session
4. Lakukan penghilangan awan pada citra band 3 dan band 2. Klik 2 kali pada menu
raster calculator yang muncul maka akan terlihat fungsi raster calculator yang baru saja
digunakan. Ganti citra yang ingin dihilangkan awannya yaitu citra band 3 dan band 2.
Jangan lupa ganti nama di output rasternya.

Menghitung spectral radiance setiap kelas

5. Buka Metadata yang biasanya berada dalam folder citra yang didownload dengan
wordpad atau notepad++ (tutorial ini menggunakan notepad ++) untuk mendapatkan
informasi ML dan AL.
6. Masukkan rumus spectral radiance di atas dengan menggunakan Raster Calculator. Qcal
merupakan citra setiap band (misal band 4) yang sudah dihilangkan awannya (di tutorial
ini yaitu b2a, b3adan b4a). Jangan lupa ganti nama file outputnya di output raster (misal:
L4)
7. Lakukan penghitungan spectral radiance pada band 2 dan 3, agar mudah gunakan
fungsi raster calculator yang digunakan sebelumnya pada menu Results. Beri nama
output (misal: L2 dan L3), setelah proses Raster Calculator selesai maka nilai spectral
radiasi dari citra sudah dibuat layernya

Menghitung gelombang pendek keluar (RSout)

RsOut merupakan radiasi
gelombang pendek dari matahari
yang dipantulkan oleh bumi dan
diterima oleh satelit.

8. Buka Metadata untuk mendapatkan informasi jarak bumi dan matahari

(EARTH_SUN_DISTANCE), dan untuk menghitung Rs out band 4 masukkan rumus
3.14*L4Square(1.0062525)*0.655 (sesuaikan dengan metadata dan Square didapatkan
dengan memilih fungsi Math). Hitung juga Rs out band 2 dan 3
9. Hitung RSOut rata-rata ketiga band menggunakan raster calculator

Menghitung nilai albedo setiap band

10. Konversi nilai SUN_ELEVATION yang didapat dari meta data dengan rumus:
cos(90-nilai sun elevation)*2*3.14/360
11. Lihat informasi REFLECTANCE_MAXIMUM_BAND dan RADIACE_MAXIMUM_BAND
pada ban d 4

12. Gunakan fungsi raster calculator dengan memasukkan rumus:

(L 4*nilai reflectance band 4)/(nilai radiance max band 4*nilaikonversi sun elevation)
Ganti nama outputnya menjadi albedo 4. Lakukan pada band 2 dan band 3 dengan
melihat metadata nilai reflectance dan radiance max band 2 dan band 3, sedangkan nilai
konversi sun elevationnya sama.

13. Rata-ratakan ketiga nilai albedo tersebut. Rentang nilai albedo yaitu 0-1.
Menghitung radiasi gelombang pendek masuk (RSin)

14. Masukkan rumus Rsout dibagi albedo pada raster calculator dan ganti nama
outputnya menjadi RSin

Nilai radiasi gelombang panjang masuk (RLin) nilainya biasanya konstan dan
diasumsikan mendekati 0 (nol) sehingga tidak dicari nilainya pada praktikum ini.

Mencari nilai radiasi gelombang panjang keluar

15. Uncheck semua layer kecuali emivisitas (dapat gunakan turn all layers off), klik kanan
pada layer

Jika masih ada background berwarna hitam pada layer emisivitas dapat gunakan fungsi
clip dengan shapefile peta daerah tersebut pada data management (centang use input
features dang anti angka 0 di no data value).

16. Masukkan rumus di bawah ini ke dalam raster calculator, suhu permukaan (ts)
digunakan dalam satuan Kelvin sehingga ditambah 273.15. Gunakan fungsi pangkat
(power) pada fungsi Math, beri nama output RLout.
Rumus: emisivitas*5.67E-8*Power(ts+273.15,4)
Mencari nilai radiasi netto

17. Masukkan rumus RSin-(RSout+RLout) ke dalam raster calculator untuk mendapatkan

nilai radiasi netto, ganti nama ouputnya menjadi radiasi netto

18. Hitung Radiasi netto pada tiap tutupan lahan menggunakan fungsi Con sesuai kelas
tutupan lahannya seperti pada gambar dibawah ini untuk menghitung Radiasi netto
hanya pada lahan vegetasi.

Rasterjaktim.img adalah citra yang sudah diklasifikasikan, 2 adalah nomer kelas vegetasi
pada citra tersebut
Maka, radiasi netto tiap kelas (tutupan lahan) akan terbentuk layer-layer baru.
 BAB VII
Menghitung Nilai Suhu Udara

Fluktuasi suhu udara sangaat berkaitan dengan proses pertukaran energy yang
terjadi di atmosfer. Sebagian dari radiasi matahari akan diserap oleh gas-gas atmosfer dan
partikel-partikel padat yang melayang di atmosfer pada siang hari. Serapan tersebut akan
menyebabkan nilai suhu udara meningkat sehingga suhu udara memiliki pola yang
maksimum pada intensitas cahaya maksimum tercapai (Wiweka 2014).

File yang dibutuhkan:

Citra radiasi netto
Citra hasil klasifikasi
Citra suhu permukaan
1. Buka semua file yang dibutuhkan pada ArcMap 10.3

Jika citra hasil klasifikasi masih memiliki kelas yang tidak diperlukan, semisal ada 5 kelas
yaitu badan air, vegetasi, non vegetasi, awan dan unclassified. Gunakan fungsi raster
calculator yaitu Setnull citraklasifikasi== 0 pada kelas 5 (lihat bab 6).
Mencari nilai ground heat (G)

Nilai Ground heat (G) merupakan besarnya energi

yang digunakan untuk memanaskan permukaan
tutupan lahan. Setiap tutupan lahan memiliki
koefisien yang berbeda-beda.

2. Buka Raster Calculator dan gunakan fungsi Con, masukkan rumus seperti di bawah ini.
Con(citraklasifikasi==nomorkelasbadanair,koefgbadanair*radiasi netto),
Con(citraklasifikasi==nomorkelasvegetasi,koefgvegetasi*radiasi netto),
Con(citraklasifikasi==nomorkelasnonvegetasi,koefgnonvegetasi*radiasi netto), 0)))
Nilai 0 merupakan nilai yang dihasilkan jika tutupan lahannya awan

Ganti nama file hasil proses ini pada output raster dengan nilaiG
Mencari nilai Sensible Heat (H)

3. Gunakan fungsi Con kembali pada raster calculator. Masukkan rumus:

Con(citraklasifikasi==nomorkelasbadanair,nilaibair*(radiasi netto-g)/(nilaibair+1)),
Con(citraklasifikasi==nomorkelasvegetasi, nilaibvegetasi*(radiasi netto-
g)/(nilaibvegetasi+1)), Con(citraklasifikasi==nomorkelasnonvegetasi,
nilaibnonvegetasi*(radiasi netto-g)/(nilaibnonvegetasu+1)), 0)))

Ganti nama output file menjadi nilaiH

Mencari nilai Latent Heat (E)

4. Masukkan rumus latent heat menggunakan raster calculator, yaitu

Radiasinetto-(nilaiH+nilaiG)
5. Jika hasilnya memiliki rentang nilai 0, gunakan set null pada raster calculator seperti
pada gambar di bawah ini

6. Lakukan hal yang sama pada nilai G jika memiliki nilai 0.

Mencari nilai suhu udara

Ra badan air=0.1, Ra vege=18.2, Ra non vege=22.9

7. Masukkan rumus ts-((ra*nilaiH)/(1.27*1004)) ke dalam raster calculator
menggunakan fungsi Con
Con(citraklasifikasi==nomorkelasbadanair, ts-((ra*nilaiH)/(1.27*1004)),
Con(citraklasifikasi==nomorkelasvegetasi, ts-((ra*nilaiH)/(1.27*1004)),
Con(citraklasifikasi==nomorkelasnonvegetasi, ts-((ra*nilaiH)/(1.27*1004)), 0)))

8. Gunakan fungsi setnull jika ada nilai 0 pada rentang nilai hasilnya (nilai 0 tersebut
merupakan) nilai hasil kelas awan

Layer nilaiTabaru dari proses ini adalah nilai suhu udara citra tersebut