TUGAS Sistem Penginderaan Jauh Studi Pustaka tentang Koreksi Radiometrik dan Koreksi Geometrik
Magister Teknik Geomatika, Departemen Teknik Geodesi
Fakultas Teknik, Universitas Gadjah Mada Review Mengenai Koreksi Radiometrik Koreksi geometrik dan koreksi radiometrik merupakan dua hal yang harus dipastikan bahwa telah dilakukan dengan baik dan benar sebelum citra satelit digunakan untuk keperluan analisis. Koreksi geometrik dilakukan karena terjadinya distorsi akibat bumi yang serupa bola diproyeksikan ke dalam bidang datar. Hal ini menyebabkan ukuran geometri fitur tidak sesuai dengan yang sebenarnya. Citra hasil penginderaan jauh hanya merekam nilai-nilai Digital Numbers (DNs). DN tidak memberikan label yang memberikan informasi mengenai lokasi sebenarnya dari suatu sel di permukaan bumi (Tempfli dkk., 2013). Adapun koreksi radiometrik dilakukan untuk mengkoreksi nilai DN yang terganggu dalam perjalanannya dari satelit menuju ke permukaan bumi karena terhalang awan, gangguan atmosfer, dll. Georeferencing atau sensor orientation dapat mengatasi dua hal sekaligus dalam satu waktu, yaitu 1) memperoleh koordinat peta dari fitur yang diidentifikasi pada citra dan 2) mengoreksi distorsi geometrik citra penginderaan jauh jika koordinat peta yang benar telah dihitung untuk setiap piksel (Tempfli dkk., 2013). Georeferencing berguna untuk mengubah data penginderaan jauh mentah menjadi data geospasial. Berikut ini merupakan pekerjaan yang bisa dilakukan setelah melakukan georeferencing menurut Tempfli dkk. (2013): 1) Melakukan pengukuran pada citra untuk memperoleh deskripsi objek 2 dimensi atau 3 dimensi 2) Mengombinasikan citra (data raster) dengan data vektor 3) Membandingkan atau menggabungkan (fusi) beberapa data citra berbeda dan dataset dalam SIG. Berikut ini akan disampaikan pemaparan mengenai beberapa jurnal yang membahas mengenai koreksi radiometrik. Dalam Seminar Nasional Penginderaan Jauh, Rahayu & Candra (2014) memaparkan bahwa koreksi Top of Atmosphere (TOA) dilakukan untuk menghilangkan distrosi radiometrik akibat posisi matahari, dilakukan dengan cara mengubah nilai digital number ke nilai reflektansi. Penelitian ini bertujuan untuk mengevaluasi karakteristik reflektansi dari citra Landsat-8, untuk objek vegetasi (hutan dan sawah), lahan terbuka (lahan gundul dan permukiman), dan air (laut, danau, dan sungai). Hasil penelitian menunjukkan untuk proses klasifikasi pada masing-masing objek, maka dapat digunakan band 4 untuk objek vegetasi, band 5 dan 6 untuk objek lahan terbuka, dan band 1 untuk objek air. Penelitian ini menggunakan data Landsat-8 path/row 120/065 dengan tanggal perekaman 24 Juni 2013. Band yang digunakan untuk proses klasifikasi penutup lahan terbatas pada band 1 hingga 7. Metode koreksi adalah Top of Atmosphere, yang meliputi TOA reflektansi dan koreksi matahari. Hasil penelitian koreksi data Landsat-8 menggunakan TOA secara visual tidak memiliki perbedaan yang signifikan. Sementara hasil analisis spektral tiap objek penutup lahan untuk digunakan dalam proses klasifikasi menunjukan hasil bahwa setiap band memiliki karakteristik sendiri dalam hal menangkap gelombang pantul dari tiap objek. Hasil pertama, untuk AoI objek sawah dan hutan menunjukkan ada perbedaan nilai reflektansi yang signifikan pada band 4, dengan band 4-7 nilai reflektansi objek sawah > objek hutan, dan band 1-3 nilai reflektansi objek sawah < objek hutan. Nilai reflektansi objek vegetasi dipengaruhi oleh beberapa faktor berupa tingkat kehijauan dan kerapatan. Kedua, untuk AoI objek lahan gundul dan permukiman menunjukkan ada lonjakan reflektansi signifikan antar objek tersebut pada band 5 dan 6, dengan band 1-4 tidak signifikan/tingkat signifikansi kecil, dan band 5-7 objek lahan gundul > objek pemukiman. Nilai reflektansi objek lahan terbuka dipengaruhi oleh jenis bahan bangunan yang digunakan. Ketiga, AoI objek air laut, danau, dan sungai menunjukkan terjadi lonjakan reflektansi secara signifikan pada band 1, dengan band 1-5 objek air sungai > objek air laut & danau, dan pada band 6-7 menunjukkan hasil tidak signifikan/tingkat signifikansi sangat kecil. Nilai reflektansi objek air dipengaruhi oleh faktor seperti kedalaman air dan tingkat kekeruhan air. Kelebihan dari jurnal ini adalah pemaparan hasil dan pembahasan yang mudah dipahami karena menghasilkan bahan awal kurva spektral baku di Indonesia yang merupakan daerah tropis. Hal ini merupakan kemajuan karena selama ini biasanya penelitian hanya menggunakan dasar kurva spektral dari negara lain dengan kondisi ekosistem dan atmosfer yang berbeda. Adapun penelitian ini masih terbatas pada klasifikasi penutup lahan yang mana objek penutup lahan yang diteliti belum dilakukan spesifikasi. Jurnal kedua memaparkan penelitian oleh Sari dkk. (2015). Jurnal ini menjelaskan bahwa citra satelit Landsat 8 yang diperuntukkan bagi keperluan darat, telah terkoreksi geometri sistematis. Guna memperoleh nilai citra berupa reflektan, perlu dilakukan koreksi radiometrik. Jurnal ini bertujuan untuk membandingkan penggunaan citra reflektan terkoreksi atmosfer Bottom of Atmosphere (BOA) dan Top of Atmosphere (TOA) terhadap indeks vegetasi dengan studi kasus tanaman padi. Pengolahan data diawali dengan proses pengumpulan data yang terdiri dari data primer dan sekunder. Data primer berupa data pengukuran koordinat sampel fase tumbuh tanaman padi yang dibagi menjadi 10 fase. Sementara data sekunder berupa data citra satelit Landsat 8 Path 119 Row 65 tanggal 20 April 2015. Tahap selanjutnya adalah pengolahan data yang meliputi tahap koreksi radiometrik, perhitungan algoritma indeks vegetasi dengan data masukan reflektan TOA dan BOA, dan analisis nilai indeks vegetasi yang dilakukan dengan ground truth position koordinat). Hasil pembahasan jurnal menunjukkan bahwa model terbaik untuk citra reflektan TOA adalah algoritma yang berhubungan dengan klorofil daun yaitu NDVI, sedangkan pada algoritma yang berhubungan dengan efek tanah yaitu MSAVI, model terbaik terletak pada citra BOA. Pada objek tanaman padi, hasil dari setiap indikator uji statistik sederhana yang digunakan, menunjukkan bahwa koreksi efek atmosfer ternyata tidak memberikan pengaruh yang besar terhadap hasil perhitungan indeks vegetasi. Hasil uji perbandingan citra TOA dan BOA, menghasilkan RMSE 0,053 dan NMAE 20,164% untuk NDVI, dan RMSE 0,016 dan NMAE 13,028% untuk MSAVI. Kelebihan dari jurnal karya Sari dkk. (2015) antara lain: 1) Memaparkan seluruh bagian dengan lengkap dan komprehensif, mulai dari abstrak sampai bagian kesimpulan. 2) Penulis menggunakan sumber literatur yang relevan dan tersusun secara sistematis 3) Pembahasan disajikan secara singkat, padat, dan berbobot sehingga layak digunakan sebagai referensi untuk penelitian selanjutnya. 4) Uji komparasi yang dilakukan oleh penulis sangat komprehensif sehingga output yang dihasilkan lebih lengkap dan informatif. 5) Menggunakan ilustrasi berupa gambar dan grafik sehingga pembaca dapat lebih memahami pembahasan yang disajikan. Namun demikian, tentunya jurnal ini masih memiliki kekurangan yang harapannya dapat diatasi oleh penelitian selanjutnya, antara lain: 1) Tidak menyajikan abstrak dalam versi bahasa Inggris sehingga peneliti asing akan sulit memahami penelitian ini. 2) Penulis tidak memberikan uraian terkait dasar teori yang digunakan dalam penyusunan jurnal. 3) Penulis tidak memberikan penjelasan terkait peralatan, software, ataupun alat pendukung yang digunakan dalam proses pengolahan data. 4) Penulis tidak memberikan saran-saran yang dapat digunakan oleh peneliti selanjutnya dengan topik yang relevan. Jurnal ketiga adalah karya Danoedoro dkk. (2015) yang mengkaji pengaruh jenis dan tingkat koreksi radiometrik citra multispektral ALOS AVNIR- 2 terhadap akurasi model estimasi stok karbon vegetasi tegakan di Semarang bagian timur. Dalam penelitian ini, digunakan empat jenis koreksi radiometrik meliputi (a) penyesuaian histogram atas nilai piksel asli, (b) kalibrasi bayangan, (c) koreksi at-sensor reflectance, dan (d) koreksi at-surface reflectance. Pada tiap jenis koreksi, citra diproses dengan enam indeks vegetasi, yaitu (a) EVI2, (b) NDVI, (c) TVI, (d) ARVI, (e) SAVI, dan (f) MSARVI. Masing-masing jenis koreksi dan transformasi indeks vegetasi, kemudian dikorelasikan dengan stok karbon vegetasi tegakan di atas permukaan hasil pengumpulan data biomassa di lapangan. Peneliti melakukan koreksi citra berdasarkan penyesuaian histogram atas nilai piksel asli, kalibrasi bayangan, koreksi hingga at-sensor reflectance, dan koreksi hingga at-surface reflectance. Nilai dari koreksi kalibrasi bayangan ditentukan berdasarkan pengurangan nilai piksel pada citra asli dengan nilai bias. Untuk koreksi dengan at-sensor reflectance mempertimbangkan jarak bumi- matahari, nilai iradiansi matahari, dan sudut zenith matahari. Selanjutnya, indeks vegetasi diterapkan pada citra yang sudah dilakukan koreksi. Pengumpulan data stok karbon di lapangan dilakukan menggunakan pendekatan biomassa dengan pendekatan berdasarkan sifat yang umum karena keanekaragaman spesies. Nilai biomassa hasil perhitungan berdasarkan persamaan alometrik dikorelasikan dengan keenam indeks vegetasi untuk menentukan model stok karbon yang terbaik dan membangun peta distribusi stok karbon berdasarkan indeks vegetasi. Model yang dibangun untuk membangun estimasi stok karbon menggunakan analisis statistik berupa regresi non-linier berupa model logaritmik, kuadratik, dan eksponensial yang sebelumnya sudah melalui beberapa uji statistik yang dibutuhkan. Model regresi yang dihasilkan dari empat jenis koreksi yang dihubungkan dengan enam indeks vegetasi menunjukkan bahwa hanya ada dua jenis koreksi yang bisa dilanjutkan ke proses permodalan spasial berbasis regresi, yaitu koreksi sampai at-sensor reflection yang menunjukkan indeks vegetasi NDVI,TVI, ARVI, dan MSARVI; dan koreksi hingga at-surface reflection dengan indeks vegetasi EVI2, TVI, SAVI, dan MSARVI. Analisis statistik lebih lanjut menunjukkan bahwa koreksi hingga tingkat at-surface reflectance mampu memberikan data yang relatif paling konsisten untuk diproses dengan berbagai transformasi indeks vegetasi. Dari persamaan regresi yang dianggap layak untuk lanjut ke pemodelan spasial menghasilkan 21 model peta distribusi stok karbon yang kemudian dilakukan diuji dengan menggunakan data lapangan independen, dan diukur nilai standard error of estimatenya. Berdasarkan nilai standar error of estimate, indeks vegetasi MSARVI berbasis hasil koreksi at-sensor reflectance dan at surface reflectance dengan persamaan eksponensial memberikan nilai yang paling akurat. Kelebihan dari jurnal ini adalah memiliki diagram alir penelitian yang memberikan visualisasi alur berpikir penulis, serta menggunakan tulisan yang sederhana sehingga mudah dimengerti. Adapun kelemahan dari jurnal ini adalah bagian simpulan yang digabung dengan pembahasan meskipun tidak mengurangi maksud dari penulisan jurnal ini. Jurnal keempat yang akan di-review adalah karya Kustiyo dkk. (2014) yang mengkaji metode koreksi radiometrik data SPOT-4 dengan mengembangkan metode Top of Atmosphere (TOA) yang menambahkan pengaruh sudut perekaman yang dibagi menjadi dua tahapan yang meliputi koreksi radiometrik berdasarkan parameter matahari dan sudut perekaman. Hasil dari penelitian menunjukkan adanya penurunan standar deviasi untuk pengolahan data menggunakan TOA + Normalisasi sebanyak dua kali lebih besar dibandingkan hanya menggunakan metode TOA saja. Sumber yang digunakan berasal dari SPOT-4 multispektral 4 kanal level pengolahan 2A (georeference) dengan lokasi penelitian berada di wilayah Kalimantan Tengah dengan jumlah scene sebanyak 25 dalam rentang waktu 2006 – 2012. Produk citra satelit SPOT-4 yang memiliki resolusi menengah biasanya sudah dilakukan koreksi radiometri sistematik. Namun, karena informasi yang didapatkan belum sesuai dengan objek aslinya karena adanya penghamburan cahaya, perlu dilakukan koreksi akibat kesalahan faktor eksternal dan koreksi atmosfer. Data citra satelit yang diperoleh mengandung nilai digital (DN) yang perlu dikonversi menjadi nilai spectral reflektan melalui dua tahap. Tahap pertama mengubah DN menjadi spektral radian kemudian menjadi spektral reflektans. Konversi semacam ini merupakan koreksi radiometrik Top of Atmosphere (TOA) yang kemudian akan diolah kembali melalui koreksi radiometrik menggunakan sudut perekaman satelit. Untuk objek berupa hutan, hipotesa yang dipakai adalah apabila sudut perekaman meningkat, maka nilai reflektans hasil TOA perlu dikalikan dengan nilai bilangan lebih dari satu. Sebaliknya, jika sudut perekaman yang rendah, maka perlu dikalikan dengan nilai bilangan kurang dari satu. Temuan yang didapatkan dari penelitian dengan hasil koreksi TOA dan koreksi radiometrik TOA yang dilanjutkan dengan normalisasi ini memiliki standar deviasi untuk hutan primer dan sekunder yang turun hingga dua kali. Untuk hutan primer, standar deviasi untuk kanal 1, 3, dan 4 berturut-turut dari 15,0 menjadi 8,6; 28,3 menjadi 16,5; dan 34,7 menjadi 16,8. Penurunan standar deviasi juga terjadi pada hutan sekunder dengan kanal 1, 3, dan 4 berturut-turut dari 16,0 menjadi 11,5; 28,0 menjadi 17,5; dan 37,1 menjadi 20,9. Kelebihan dari jurnal ini adalah memaparkan pemaparan yang jelas terkait adanya normalisasi yang dapat memberikan hasil standar deviasi yang signifikan berubah turun hingga dua kali. Sementara kelemahannya adalah pada bagian pendahuluan, penelitian ini memiliki tujuan untuk mengembangkan metode koreksi TOA dengan menambahkan pengaruh sudut perekaman satelit dari citra SPOT-4 tapi perumusan masalah lebih mengerucutkan masalah pada poin penentuan nilai konstanta pengali untuk setiap kanal pada citra SPOT-4. Jurnal terakhir atau yang kelima merupakan karya Widhaningtyas dkk. (2020) yang mengkaji mengenai koreksi radiometri topografi pada proses pra pengolahan citra. Hal tersebut perlu dilakukan untuk mengoreksi besar energi sinar matahari yang ditangkap, dipantulkan balik, dan diterima oleh sensor penginderaan jauh. Terdapat banyak metode koreksi topografi, tetapi penelitian terkait hal tersebut masih sedikit. Untuk itu, dilakukan kajian untuk membancingkan beberapa metode yang ada tersebut. Adapun wilayah studi dalam penelitian ini adalah wilayah Gunung Telomoyo. Data yang digunakan dalam penelitian ini adalah citra satelit Land- sat 8 dan DEMNAS. Metode koreksi topografi yang diujikan dalam penelitian ini adalah metode koreksi topografi C Correction dan SCS+C. Hasil dari penelitian me- nunjukkan bahwa data DEMNAS dapat digunakan sebagai sumber data untuk koreksi radiometrik topografi. Metode koreksi topografi yang paling baik pada penelitian ini adalah metode SCS+C dilihat dari kenampakan visual dan memiliki nilai standar de- viasi terendah dibandingkan dengan metode C Correction. Jurnal ini cukup komprehensif, tetapi akan lebih baik jika dilengkapi dengan diagram alir untuk mengetahui langkah penelitian dan melakukannya kembali. Daftar Pustaka Danoedoro, P., Kristian, G., & Rahmi, K. N. I. (2015). Pengaruh Metode Koreksi Radiometrik Citra ALOS AVNIR-2 terhadap Akurasi Hasil Estimasi Karbon Vegetasi Tegakan di Wilayah Kota Semarang Bagian Timur. 1–15. Kustiyo, Dewanti, R., & Lolitasari, I. (2014). Pengembangan Metoda Koreksi Radiometrik Citra SPOT 4 Multi-Spektral dan Multi-Temporal untuk Mosaik Citra. Seminar Nasional Penginderaan Jauh, 79–87. Rahayu, & Candra, D. S. (2014). Koreksi Radiometrik Citra Landsat-8 Kanal Multispektral Menggunakan Top of Atmosphere (TOA) untuk Mendukung Klasifikasi Penutup Lahan. Seminar Nasional Penginderaan Jauh, 762–768. Sari, V. D., Taufik, M., & Jaelani, L. M. (2015). Perbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 terhadap Indeks Vegetasi pada Tanaman Padi. Seminar Nasional Aplikasi Teknologi Prasarana Wilayah (ATPW), 13–20. https://doi.org/10.13140/RG.2.1.2774.7280 Tempfli, K., Kerle, N., Huurneman, G. C., Janssen, L. L. F., Bakker, W. H., Feringa, W., Gieske, A. S. M., Gorte, B. G. H., Grabmaier, K. A., Hecker, C. A., Horn, J. A., Huurneman, G. C., Janssen, L. L. F., Kerle, N., Meer, F. D. Van Der, Parodi, G. N., Pohl, C., Reeves, C. V, Ruitenbeek, F. J. Van, … Woldai, T. (2013). AGERE! 2013 - Proceedings of the 2013 ACM Workshop on Programming Based on Actors, Agents, and Decentralized Control. AGERE! 2013 - Proceedings of the 2013 ACM Workshop on Programming Based on Actors, Agents, and Decentralized Control. Widhaningtyas, T. U., Putra, A. C. P., & Fariz, T. R. (2020). Perbandingan Metode Koreksi Topografi pada Citra Satelit Landsat 8 di Wilayah Gunung Telomoyo, Jawa Tengah. Jurnal Geografi : Media Informasi Pengembangan dan Profesi Kegeografian, 17(2), 32–38. https://doi.org/10.15294/jg.v17i2.22863