PENGENALAN KOREKSI DATA CITRA

DIGITAL

DEPUTI BIDANG PENGINDERAAN JAUH

PUSAT TEKNOLOGI DAN DATA PENGINDERAAN JAUH
 PENGOLAHAN CITRA SATELIT INDERAJA

a. Pengolahan awal
* Koreksi radiometrik: Koreksi terhadap distorsi nilai digital
* Koreksi geometrik: Koreksi terhadap distorsi posisi:
- Koreksi Sistematis
- Koreksi presisi menggunakan beberapa titik kontrol
tanah (GCP) dan DEM

b. Pengolahan lanjut
* Pembuatan band komposit (dengan kenampakan warna asli
maupun warna semu)
* Penajaman citra: perentangan kontras linier & non linier,
normalisasi histogram
* Rasio band, contoh : NDVI
* Transformasi, contoh : Trans. komponen utama
* Fusi data, contoh : Penggabungan kanal multispektral &
pankromatik
 PENGOLAHAN DATA INDERAJA SATELIT
(lanjutan….)

* Interpretasi visual
- 9 kunci interpretasi: rona, warna, bentuk, ukuran, pola,
tekstur, bayangan, situs, asosiasi (Sutanto, 1990)
- Unsur pengenalan pada data radar: Kekasaran permukaan,
konstanta dielektrik, polarisasi, dan hadap lereng
* Klasifikasi terbimbing (supervised)
* Klasifikasi tak terbimbing (unsupervised)
* Deteksi parameter : contoh : SPL, Hotspot

c. Pengolahan Lanjut dan SIG

* Analisis & validasi: identifikasi, inventarisasi, korelasi, tren,
model, tingkat ketelitian
* Anotasi---> kaidah kartografis: informatif simbol / warna,
legenda, judul, skala, orientasi, sumber, tahun pembuatan
 MENGAPA PERLU DIKOREKSI?

Citra digital mentah:

 Berisi distorsi geometrik sehingga tidak
dapat digunakan sebagai peta
 Terdiri dari pixel-pixel yang posisinya
hanya dinyatakan dengan baris dan kolom

Citra yang mempunyai kesalahan geometri:

jarak, luas, arah, sudut dan bentuk bervariasi
di semua bagian citra.

Kesalahan geometri terjadi selama proses

pengumpulan data
SUMBER KESALAHAN GEOMETRI PADA CITRA

 Distorsi geometri dari detektor

 Distorsi sistem optik Kesalahan Internal

 Geometri sensor
 Ukuran pixel medan
 Pengaruh kelengkungan bumi
 Pengaruh rotasi bumi
Kesalahan Esternal
 Pengaruh relief topografi
 METODE KOREKSI GEOMETRIK
1. Kesalahan sistematik:
Kesalahan yang dapat diduga atau kesalahan
yang dapat diperkirakan

 Permodelan sumber kesalahan, biasa dilakukan di

penyedia data (stasiun bumi)

2. Kesalahan non sistematik:

Kesalahan yang tidak terduga atau kesalahan
acak

 Membutuhkan informasi ground control point

(GCP) dan DEM untuk mengkoreksi data
 SUMBER GCP

1. Menggunakan titik kontrol (Ground Control

Point) yang dicari pada citra lain yang sudah
memiliki georeferensi
2. Menggunakan titik control (Ground Control
Point) yang dapat dicari pada peta yang sudah
memiliki georeferensi
3. Memakai titik pengukuran yang diambil
menggunakan GPS (Global Positioning
System) pada lokasi-lokasi tertentu yang
mudah dikenali pada citra
CONTOH KOREKSI GEOMETRI
HASIL KOREKSI GEOMETRIK

Citra belum terkoreksi Citra terkoreksi

MENGAPA RADIOMETRIK PERLU?

• Belum adanya sistem remote sensing yang

sempurna
• Sensor pada sistem remote sensing tidak dapat
merekam seluruh fenomena pada atmosfir, daratan
dan lautan yang sangat komplek
• Sumber error:
– Internal errors yang disebabkan olehsistem remote sensing.
Pada umumnya sistematis (dapat diprediksi). Sehingga
memungkinkan untuk diidentifikasi dan diperbaiki dengan
menggunakan hasil kalibrasi (sebelum peluncuran dan
periodik), misal: striping.

– External errors yang disebabkan oleh berbagai fenomena

yang terjadi di alam meliputi ruang dan waktu. Faktor External
yang menyebabkan error pada data meliputi: gangguan
atmosfir, kondisi terrain permukaan bumi, viewing geometry
dll. Umumnya diperbaiki dengan hubungan empiris antara nilai
di sensor dengan pengukuran lapangan.
JENIS KOREKSI RADIOMETRIK

• Koreksi matahari (Kesalahan karena

perbedaan kondisi geometri matahari)
• Koreksi BRDF (Kesalahan karena
perbedaan kondisi geometri sensor)
• Koreksi Atmosferik (Kesalahan karena
pengaruh atmosfer)
• Koreksi Terrain (Kesalahan karena
perbedaan intensitas pencahayaan
karena pengaruh topografi permukaan
bumi)
 KOREKSI MATAHARI
Posisi matahari berubah setiap
waktu
Matahari Sensor
q: Sudut Zenit matahari
d: Jarak matahari-bumi

DN2
q2
q1
DN1
d2
d1

radiance
Iradiance

Karakteristik pantulan Objek

SEBELUM SETELAH
Iradiance
KOREKSI1 < Iradiance KOREKSI
Iradiance 1 < Iradiance 2
2
DN1 < DN2 r1 = r2
 CONTOH HASIL KOREKSI SUDUT
DAN JARAK MATAHARI

Sebelum koreksi Setelah koreksi

Koreksi Koreksi

Belum koreksi Koreksi

 BIDIRECTIONAL REFLECTANCE DISTRIBUTION
FUNCTION (BRDF)

 Nilai reflektansi (R) tidak hanya bergantung pada posisi

matahari, tetapi juga posisi sensor
 Bila asumsi distribusi lambertian maka R = RBRDF

 Tapi bila tidak berlaku (umumnya bukan lambertian)

maka BRDF perlu dilakukan.
CONTOH HASIL KOREKSI BRDF

Non BRDF

BRDF
 KOREKSI TERRAIN

 Kondisi terrain mengakibatkan terjadinya

kesalahan distorsi radiometrik (misal: area
dalam bayangan)

 Menghilangkan variasi pencahayaan

(perbedaan nilai piksel) yang disebabkan oleh
kondisi topografi sehingga 2 objek mempunyai
reflektansi yang sama meskipun berada pada
orientasi yang berbeda terhadap matahari

 Koreksi berbasis DEM dan sudut matahari

 CONTOH HASIL KOREKSI TERRAIN
Belum terkoreksi Sudah terkoreksi

1. Efek terrain (terang-gelap) terminimalisir

2. Nuansa datar (tidak 3 D)
BERBAGAI JALAN GEM KE SISTEM RS
q0 = Sudut zenith matahari
qv = Sudut view sensor
 = Transmisi atmosferik
L = Radian

LS = LT (1,3,5) +LP (2,4)

Total Radian Path

radian objek/ radian
target
METODE KOREKSI ATMOSFERIK
1 KOREKSI ATMOSFERIK ABSOLUT
Tujuannya adalah untuk mengubah nilai digital number
yang direkam pada data satelit menjadi nilai surface
reflectance (refelektansi permukaan)

• Atmospheric radiative transfer codes (models)

• Empirical line calibration (ELC),

2 KOREKSI ATMOSFERIK RELATIF

Bila tidak tersedia data untuk koreksi absolut maka dapat
dilakukan koreksi relatif antar data

• Single-image normalization menggunakan histogram

adjustment dan dark pixel regression adjusment
• Multiple-data image normalizationmenggunakan regression
CONTOH HASIL KOREKSI
ATMOSFERIK
 KOMPOSISI
WARNA

 Warna Primer :  Warna Sekunder :

 Merah (Red) – Cyan
 Hijau (Green) – Kuning
 Biru (Blue)
– Magenta

Nilai Red, Green, dan Blue pada software pengolahan

citra
umumnya dikodekan kedalam nilai 0 – 255 ( untuk 8
bit data)
 Kurva spektral pantulan (tanggap balik) untuk obyek-obyek
vegetasi, tanah dan air

Kurva-kurva pada gambar di atas sangat membantu dalam upaya

pengenalan obyek pada citra RGB komposit warna yang mengikuti
kaidah warna komplemen.
 Band 2 Band 4 Band 5

Band 542
RGB (542) : Citra berwarna
yang didapat dengan
Kurva spektral pantulan (reflektansi)
memberikan warna ;
untuk vegetasi, tanah dan air
Merah untuk band 5 (Lillesand/Kiefer 1990)
Hijau untuk band 4
Biru untuk band 2
1. Komposit warna Landsat RGB (432)
4. Komposit warna SPOT-4 RGB (542)
2. Komposit warna SPOT-4 RGB (432) 3. Komposit warna Landsat RGB (321)
Dari berbagai citra komposit citra
Landsat-7 dan SPOT-4, dapat dikenali
perbedaan kejelasan kenampakan obyek-
obyek spt :
Air no. 3 paling jelas
Logging/jalan no. 2,3 cukup baik
Hutan no. 1,2,3 cukup baik
Permukiman no. 2,3 cukup baik
Lahan terbuka no, 1,2,3,4,5 tampak jelas
Persawahan no. 1,2,3,4,5 tampak jelas
5. Komposit warna SPOT-4 RGB (413)
 PENAJAMAN CITRA
 Yaitu memperlebar
(stretching)
rentang nilai
spektral, dengan
merubah
histogram dengan
fungsi pelebar
(stretching
function) linier
maupun non linier
(contoh linier)
 Bentuk fungsi
pelebar dapat
dilihat pada
jendela di kanan
atas

 Nilai pixel awal 50 – 110

 Nilai pixel akhir 0 - 255 Contoh penajaman citra dengan
metode Penajaman kontras
(Linear)
CONTOH HASIL PENAJAMAN
CITRASEBELUM SESUDAH
 Dua Citra Asli yang sudah di mosaik Sesudah dilakukan Normalisasi
namun batas citra masih tampak Histogram
Batas citra tidak tampak lagi

Data sebelah kiri hasil mosaik, namun batas mosaik masih terlihat,
maka dilakukan normalisasi histogram yaitu penyesuaian mean dan
varian dengan mengacu pada data tanggal perekaman 1 mei 2002.
 MOSAIK CITRA
Citra Landsat-7_ETM Tampilan Citra Landsat-7_ETM Tampilan RGB :
RGB : 542 akuisisi 01 Mei 2002 542
akuisisi 17 Mei 2002

Terhadap kedua data dilakukan penyamaan posisi (registrasi)

dengan teknik koreksi geometrik presisi dengan 9 titik GCP dengan
teknik registrasi bilinier dan resampling Cubic Convolution
Fusi Data AVNIR dan PRISMA Citra ALOS
Penajaman Tepi (Sharpening)

Batas tidak
Batas tajam tajam tapi
tetapi tidak tampilan warna
berwarna baik

Hasil Fusi mengambil

Keunggulan Spasial
PRISMA dan
Mengambil
Keunggulan Spektral
AVNIRR
 INCAS

Scene Selection

Koreksi Ortho-rectification, Quality Assurance

Geometrik
sun correction, BRDF and
Terrain-illumination correction

Quality Assurance Cloud Masking and Mosaicing

Koreksi
Radiometrik
Classification single data
- Manually set base
- Automatically ‘match’ other years

Multi-temporal processing to monitor change

 PENGOLAHAN DATA LANDSAT
L1T L1GT

1. Koreksi radiometri
2. Cloud masking
3. Pansharpening
Cloud and Shadow Mask
Multispektral L-8 RGB 654 Water Mask
1. Citra terkoreksi
radiometri
2. Cloud masking
3. Pansharpened
Image

Reproject to Latlong
Pansharpen L-8 RGB 654
1. Citra terkoreksi
radiometri
Cloud-free
2. Cloud masking Mosaik
3. Pansharpened mosaic
Image
 HASIL MOSAIK DATA LANDSAT
Mosaik data Landsat-8 tahun 2013

Cloud mask
Water mask
 PENGOLAHAN DATA SPOT-5
MULTI-SPECTRAL PANCROMATIC
TILED TILED
Data dari SB Parepare:
1. Bundle-Ortho
MS-JP2
MS-
MS-JP2 P-GTIFF2.5m 2. Format GTIFF
GTIFF:10m

Import data Import data

MS-JP2
MS-JP2
MS-ERS:10m P-ERS:2.5

Koreksi radiometri Koreksi radiometri

Tile-1
MS-JP2 P-ERS:TOA:2.5
MS-JP2
MS-ERS:TOA:10m

Reproject and mosaic

Pansharpening and Tile-2
Tiling

MOSAIK Pansharp Image

MS-ERS:TOA Tiled
100m 2.5 m Hasil : 2 tiles
 HASIL MOSAIK DATA SPOT-5

Mosaik SPOT-5 hasil koreksi geometri

 PENGOLAHAN DATA SPOT-6
C1 C2 C3 C4
MULTI-SPECTRAL PANCROMATIC
C5
TILED TILED R1

MS-JP2 R2
MS-JP2
MS-JP2:6m P-JP21.5m
R3

Import data Import data R4

R5
MS-JP2
MS-JP2
MS-ERS:6m P-ERS:1.5 Max ukuran pixel:
MS : 4096x4096
P:16384x16384
Koreksi radiometri Koreksi radiometri Catatan:
1. Bundle-Ortho
2. Format JP2000
MS-JP2 3. Dim: 25.4x25.4 km
MS-JP2 P-ERS:TOA:1.5
MS-ERS:TOA:6m

Pansharpening and Ukuran tile :

Reproject and mosaic 13x13 km
Tiling

MOSAIK Pansharp Image

MS-ERS:TOA Tiled
100m 1.5 m Pansharpen Image:
13x13 km
 HASIL MOSAIK DATA SPOT-6

Mosaik SPOT-6 hasil koreksi

radiometri RGB (123)
DAFTAR REFERENSI
 Kustiyo, Ketersediaan Data Penginderaan Jauh
di PUSTEKDATA, 2013
 Mahdi, K., Bimtek Penginderaan Jauh, 2007
 Trisakti, B., Sosialisasi Pemanfaatan Data
Inderaja, 2015
Terima Kasih