BAB I
Komposit band dan Clipping citra
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
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
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
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
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
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
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
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
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
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)
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.
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
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.
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.
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
3. Klik Edit Import User-defined Points.. dan masukkan file referensi berformat txt
Klik OK
4. Blok kolom Reference pada tabel, lalu klik kanan pilih Import dan masukkan
reference.txt tadi
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
9. Klik 2x pada raster calculator untuk menghitung suhu kecerahan setiap band
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
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
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.
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
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.
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
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).
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)
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)
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