Resume Applied Remote Sensing for Urban Planning, Governance and

Sustainability
Chapter 2 - Automatic Land-Cover Classification Derived from High-Resolution IKONOS
Satellite Imagery in the Urban Atlantic Forest of Rio de Janeiro, Brazil, by Means of an Object-
Oriented Approach

1. Introduction

Hutan Atlantik adalah bioma Brasil yang paling rusak. Hutan ini awalnya menempati wilayah
pesisir negara itu dari Ceará hingga Rio Grande do Sul dan berukuran sekitar 1.000.000 km2.
Sekarang hutan terbatas pada wilayah yang tersebar di beberapa negara bagian, dan menempati
sekitar 91.000 km2. Tingkat kerusakan ini dapat dijelaskan oleh nilai ekonomi spesies hutan,
serta pendudukan manusia yang intens: sekitar 70% dari populasi Brasil tinggal di wilayah
tersebut, menciptakan semua jenis tekanan antropik (Thomas et al. 1998, Sips 1999). Hutan
Atlantik, yang ditunjuk oleh UNESCO sebagai Cagar Biosfir, adalah salah satu hutan terkaya
di dunia dalam hal keanekaragaman hayati, dengan tingkat tinggi endemisme: 30% spesies
arboreal negara, 150 spesies burung, dan 50 spesies hewan kecil.

Secara geografis, Kota Rio de Janeiro terdiri dari dataran pesisir dan pedalaman yang
besar yang dipisahkan oleh dua pegunungan besar. Pengaturan geografis ini menghasilkan
sebaran tertentu di sekitar kota yang telah berkembang. Hasilnya adalah lanskap yang sangat
kaya, ditonjolkan oleh vegetasi hijau di perbukitan dan perluasan perkotaan di dataran rendah.
Kota ini menghadirkan kontradiksi yang secara spasial diekspresikan sebagai dua kota: satu
dengan infrastruktur dan layanan yang berkembang dengan baik, dan yang lainnya tanpa
infrastruktur, tetapi dengan masalah sanitasi, ketenagalistrikan, dan layanan. In i dua kota
mengalami proses transformasi negatif dan mengejutkan yang mengarah pada pelanggaran
sosial dan degradasi lingkungan dan dapat dilihat secara spasial.

Faktor-faktor ini menggambarkan kompleksitas pendudukan spasial kota dan kebutuhan

yang menyertai peta tutupan lahan dan penggunaan lahan untuk memfasilitasi studi pengaturan
ruang yang ditimbulkan oleh tekanan ini. Memahami bagaimana ruang digunakan sekarang
dan memantau perubahan penggunaan lahan dan tutupan lahan dari waktu ke waktu akan
memfasilitasi definisi standar untuk perubahan dan prioritas pelestarian. Pemantauan rutin juga
akan memungkinkan untuk mengevaluasi dampak inisiatif pelestarian, dan untuk meninjau
serta merevisinya.

Informasi tutupan lahan kota saat ini dihasilkan dengan teknik interpretasi visual,
terutama karena kompleksitas standar cakupan kota, yang diperoleh dari citra orbital SPOT dan
LANDSAT (SMAC 2000) dan membutuhkan tenaga kerja yang sangat berkualitas dan mahal.
Dengan resolusi spasial 30 m kali 30 m, peta tutupan lahan yang dihasilkan oleh gambar -
gambar ini menghasilkan produk yang kompatibel dengan skala 1: 50.000 yang memungkinkan
gambaran umum masalah. Sehingga perlu ditemukan proses klasifikasi yang memungkinkan
pembuatan peta tutupan lahan kota
2. Metodologi

2.2.1 Wilayah Studi

Pekerjaan ini difokuskan pada bagian dari Taman Negara Pedra Branca di Kota Rio de
Janeiro, Brasil. Taman dipilih karena masalah lingkungan yang dihadapinya dan karena batasan
batas seperti perluasan kota yang tidak teratur, area pertanian dalam batas taman, dan masalah
yang disebabkan oleh kebakaran tahunan. Taman Negara Pedra Branca terletak di Pedra Branca
Massif, di atas garis kontur 100 m dan di antara koordinat 22 o 53' dan 23 o Lintang Selatan, dan
43 o 23' dan 43 o 32 'Bujur Barat.

2.2.2 Data

Data yang digunakan adalah scene IKONOS mulai tanggal 16 Februari 2001, dengan
resolusi radiometrik 11-bit, diortorektifikasi dengan software ER Mapper dan Orthowarp .
Ortorektifikasi pita pankromatik resolusi 1 m memiliki akurasi keseluruhan k urang dari dua
piksel, berdasarkan model elevasi digital yang ada. Keakuratan ortorektifikasi pita
multispektral resolusi 4 m dari pemandangan IKONOS adalah sekitar 0,5 piksel dan sangat
cocok dengan pita pankromatik yang diperbaiki. Dataset referensi untu k kedua rektifikasi
adalah mozaik foto udara yang terortorektifikasi di Rio de Janeiro, referensi peta Datum
Amerika Selatan 1969, proyeksi UTM, zona 23 selatan. Rio de Janeiro mencakup bagian
tengah kota, yang dicirikan oleh daerah perkotaan yang berbatasan dengan hutan, daerah
pegunungan . Ketinggian daerah bervariasi dari permukaan laut hingga 1.000 meter di atas
permukaan laut.

2.2.3 Analisis

Menurut hierarkinya, kelas cakupan yang digunakan oleh pemerintah kota di wilayah
studi dapat dikelompokkan ke dalam kelas generik yang kemudian dibagi lagi menjadi
beberapa sub kelas. Sebagian besar sistem klasifikasi tutupan lahan mengadopsi proses ini
untuk menetapkan klasifikasi pada berbagai tingkat detail (Meinel dan Hennersdorf 2002).
Proses evaluasi teknik klasifikasi yang digunakan dalam penelitian ini menggunakan konsep
hierarki kelas, membagi masalah menjadi tiga tingkat detail yang berbeda yang disebut
tahapan. Dalam tahapan ini , hasil dari teknik klasifikasi otomatis diuji dari umum ke khusus,
dimulai dengan tiga kelas generik dan diakhiri dengan semua sub kelas tutupan lahan yang
digunakan oleh pemerintah kota.

Tahap pertama mengevaluasi satu set tiga kelas generik dalam subset yang relatif kecil
(493 hektar), menggunakan sejumlah teknik klasifikasi. Tahap Dua mengevaluasi satu set enam
kelas dalam subset 4 kali lebih besar dari tahap pertama, dan dengan teknik klasifikasi yang
lebih sedikit. Tahap Tiga mengevaluasi satu set delapan kelas dalam subset yang mewakili
setengah dari adegan IKONOS, dan menerapkan satu teknik klasifikasi. Setiap fase dibedakan
oleh satu set faktor: kelas yang digunakan, luas himpunan bagian, dan jumlah opsi untuk
klasifikasi.
2.3 Hasil dan Pembahasan

Fase Satu menguji tiga kelas umum: Lapangan, Vegetasi, dan Bangunan, serta sejumlah
besar teknik klasifikasi otomatis untuk citra orbital . Teknik ini melibatkan klasifikasi berbasis
piksel (Eksperimen A), dan teknik klasifikasi berbasis objek (Eksperimen B; Herold et al. 2002;
Hofman 2001; Smith dan Hofmann 200). Di lebih dari 100 klasifikasi, sistem berbasis objek
menghasilkan akurasi klasifikasi yang lebih tinggi daripada sistem berbasis piksel. Fase Satu
juga menguji pengklasifikasi keanggotaan dalam perangkat lunak eCognition yang, meskipun
terdapat banyak pengklasifikasi yang tersedia, terbukti lebih rendah daripada pengklasifikasi
Tetangga Terdekat . Hasil menunjukkan bahwa dalam kelas umum yang melibatkan objek
dengan variasi besar hanya dalam satu kelas, hasil terbaik diperoleh oleh Tetangga Terdekat .

Tahap dua melibatkan 6 kelas yang diekstraksi dalam dua tahap, tahap pertama
melibatkan 3 kelas dari Tahap Satu: Vegetasi, Lapangan, dan Bangunan. Tahap kedua
melibatkan 6 kelas yaitu: Vegetasi Kelompok, Vegetasi Perkotaan, Lapangan Perkotaan,
Lapangan yang Dikelompokkan, Bangunan Tunggal, dan Kompleks Bangunan yang
diidentifikasi dengan mempertimbangkan hubungan ketetanggaan antar objek yang
diklasifikasikan. Kelas-kelas ini dikembangkan dengan prinsip konsistensi yang digunakan
dalam klasifikasi tutupan lahan. Grup kedua terdiri dari subclass dari kelas generik yang
diekstrak dari grup pertama, Fase Satu.

Fase Dua menegaskan potensi untuk menggambarkan kelas kontekstual di lingkungan

objek. Namun, hubungan kontekstual terbukti sangat luas dan fleksibel. Logika yang
digunakan oleh analis untuk pembuatan kelas-kelas ini dan definisi hubungan kontekstualnya
sangat spesifik dan definisi yang berbeda dapat menghasilkan hasil yang berbeda. Kelas Tahap
Tiga diproduksi menggunakan kelas yang dikembangkan di Tahap Dua. Kelas Vegetasi
Perkotaan, Lapangan Perkotaan, dan Kompleks Bangunan ditambahkan ke kelas Area
Perkotaan, yang kemudian dibagi lagi menjadi kelas Urban Not Consolidated dan Urban. Kelas
Vegetasi dibagi lagi menjadi Vegetation and Altered Vegetation, dan Grouped Field

Fase Tiga mengevaluasi klasifikasi yang dihasilkan di dalam lingkungan multihierarki

dalam perangkat lunak eCognition, dengan level yang terdiri dari objek dengan ukuran berbeda
yang memungkinkan klasifikasi objek besar sesuai dengan area relatif kelas yang
diklasifikasikan dengan objek kecil. Karena dua kelas ini, Vegetasi yang Berubah dan
Perkotaan Tidak Terkonsolidasi, dikembangkan dari hubungan proporsi antara sub-objek yang
diklasifikasikan sebagai Medan dan Perkotaan.

Hasil terintegrasi dari tiga fase proyek ini mengarahkan kami untuk menegaskan bahwa
penggunaan gambar IKONOS dan proses klasifikasi berbasis objek memungkinkan reproduksi
kelas tutupan lahan yang digunakan oleh pemerintah kota Rio de Janeiro . Klasifikasi ini dapat
dikembangkan secara otomatis dan menghasilkan hasil yang kompatibel dengan skala 1:
10.000, dengan akurasi yang lebih tinggi (87%) dari klasifikasi saat ini yang dikembangkan
oleh Balai Kota (61%)

2.4 Kesimpulan
Kelas cakupan resmi kota dapat direproduksi secara otomatis pada skala 1: 10.000,
menggunakan citra IKONOS resolusi tinggi. Balai Kota direkomendasikan untuk mengadopsi
praktik penggunaan citra IKONOS untuk menghasilkan peta tutupan lahan, karena peta
tersebut dapat dikembangkan lebih cepat, dengan akurasi yang lebih tinggi dan definisi kelas
yang lebih rinci, daripada peta yang dihasilkan dari citra LANDSAT. Dengan sistem baru,
dinamika transformasi dalam kecepatan kotamadya terus diperbarui, dan akibatnya, tindakan
manajemen dan perencanaan kota dapat dengan cepat ditetapkan.

NAMA: Zahra Hanifa Candra

NIM: 20/455026/GE/09260