PRA PENGOLAHAN DATA RADAR

MATA KULIAH PENGINDERAAN JAUH SISTEM RADAR

Dosen Pengampu:
Riki Ridwana, S.Pd., M.Sc
Silmi Afina Aliyan, S.T., M.T

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 DAFTAR ISI

DAFTAR ISI ................................................................................................................................ 2

A. TUJUAN PEMBELAJARAN ................................................................................................. 3
B. BAHAN KAJIAN MATERI .................................................................................................... 3
1. KOREKSI RADIOMETRIK ............................................................................................................. 4
2. FILTERING SPECKLE ................................................................................................................... 4
3. KOREKSI GEOMETRIK ................................................................................................................ 5
C. PRAKTIKUM ...................................................................................................................... 7
D. LATIHAN ......................................................................................................................... 15
E. RANGKUMAN ................................................................................................................. 15
DAFTAR PUSTAKA................................................................................................................... 15

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu melakukan koreksi geometrik data RADAR
2. Mahasiswa mampu melakukan koreksi radiometrik data RADAR

B. BAHAN KAJIAN MATERI

Meskipun sistem akuisisi data penginderaan jauh dengan sensor SAR memiliki
banyak kelebihan, namun secara operasional, pemanfaatan data SAR masih menemui
banyak kendala dibandingkan dengan data penginderaan jauh sistem optik, terutama
dalam permasalahan geometri dan radiometrik. Permasalahan geometrik terjadi akibat
dari pengambilan data SAR yang menyamping sehingga banyak menimbulkan kesalahan
seperti layover, foreshortening dan shadow. Maka dari itu diperlukan tahapan pre-
processing yang menjadi sebuah upaya yang diperlukan untuk meminimalkan kesalahan-
kesalahan tersebut sehingga diperoleh citra SAR dengan ketelitian yang baik, sehingga citra
SAR dapat digunakan untuk tahapan selanjutnya.

Gambar 1. Sentinel-1 Ground Range Detected (GRD) preprocessing workflow

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 1. KOREKSI RADIOMETRIK
Meskipun citra SAR yang tidak dikalibrasi cukup untuk penggunaan kualitatif,
citra SAR yang dikalibrasi sangat penting untuk penggunaan kuantitatif data SAR.
Pemrosesan data SAR biasa, yang menghasilkan gambar level 1, tidak termasuk
koreksi radiometrik dan dengan demikian, bias radiometrik yang signifikan tetap ada.
Proses koreksi radiometric atau Kalibrasi merupakan sebuah prosedur yang
mengubah nilai piksel digital menjadi hamburan balik SAR yang dikalibrasi secara
radiometrik dari suatu objek dalam bentuk satuan decibel (dB). Informasi yang
diperlukan untuk menerapkan persamaan kalibrasi disertakan dalam produk GRD
Sentinel-1; secara khusus, vektor kalibrasi yang disertakan sebagai anotasi dalam
produk memungkinkan konversi sederhana dari nilai intensitas gambar menjadi nilai
sigma nol. Kalibrasi membalikkan faktor penskalaan yang diterapkan selama
pembuatan produk level-1, dan menerapkan offset konstan dan penguatan yang
bergantung pada rentang, termasuk konstanta kalibrasi absolut.

2. FILTERING SPECKLE
Speckle, yang muncul pada citra SAR sebagai noise granular, disebabkan oleh
interferensi gelombang yang dipantulkan dari banyak hamburan elementer. Filtering
Speckle adalah prosedur untuk meningkatkan kualitas gambar dengan mengurangi
Speckle. Ketika prosedur tersebut dilakukan pada tahap pemrosesan awal data SAR,
spekel tidak disebarkan dalam proses yang sedang berlangsung (yaitu, terrain
correction atau konversi ke dB). Filtering Speckle tidak dianjurkan bila ada kepentingan
dalam identifikasi struktur spasial kecil atau tekstur gambar, karena dapat
menghilangkan informasi tersebut. Baru-baru ini, multitemporal speckle filters telah
dikembangkan untuk mengurangi speckle, mengambil keuntungan dari beberapa
pengamatan SAR pada waktunya. Alur kerja prapemrosesan yang diusulkan mencakup
langkah speckle filters, yang dapat dilewati dengan memilih 'None' sebagai jenis filter.
Saat ini, salah satu filter berikut tersedia di operator filter spekel produk tunggal SNAP:
'Boxcar', 'Median', 'Frost', 'Gamma Map', 'Lee', 'Refined Lee', 'Lee Sigma', ' IDAN'.
Filter Lee telah ditemukan lebih unggul, sehubungan dengan filter spekel produk
tunggal lainnya, untuk interpretasi visual, karena kemampuannya untuk
mempertahankan tepi, fitur linier, dan target titik dan informasi tekstur. Ukuran
jendela ini menunjukkan ukuran arah pergerakan piksel yang berada pada piksel yang
diamati.

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 Gambar 2. Polarisasi VH (a) original calibrated image (b) Lee Filter (3x3 window size)

Pemfilteran Lee mengasumsikan rata-rata dan variasi piksel di wilayah

pengamatan sama dengan rata-rata dan variasi lokal keseluruhan piksel yang ada di
wilayah pemfilteran. Perhitungan pemfilteran Lee dapa dilihat pada persamaan
berikut.

𝐷𝑁 𝑜𝑢𝑡𝑝𝑢𝑡 = [𝑀𝑒𝑎𝑛] + 𝐾 [𝐷𝑁 𝑖𝑛𝑝𝑢𝑡 − 𝑀𝑒𝑎𝑛]

dimana K adalah normalization constant

3. KOREKSI GEOMETRIK
Variasi topografi disebabkan oleh kemiringan sensor citra, akibatnya jarak dapat
terdistorsi. Terrain Correction dimaksudkan mereduksi kesalahan-kesalahan tersebut
sehingga representasi geometrik pada citra sesuai dengan koordinat lapangan.
Distorsi geometri yang terjadi pada SAR ditunjukkan pada gambar berikut:

Gambar 3. Penyiaman sensor terhadap objek

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 Distorsi pada SAR bisa dilihat pada Gambar 3, dimana titik B dengan tinggi h dari
ellipsoid digambarkan oleh SAR berada pada titik B’, seharusnya posisi sebenarnya
dari titik B adalah B”. Jarak dari B’ ke B” yaitu Δr berperan sebagai distorsi topografi
yang harus dikoreksi. Metode Range Doppler Terrain Correction menggunakan
ketersediaan data orbit, waktu perekaman radar, jarak miring ke permukaan dan DEM
referensi untuk mendapatkan lokasi yang presisi. Range Doppler Terrain Correction
menerapkan transfomasi backward, prosedurnya indeks range dan azimuth citra
diperoleh kembali untuk setiap titik grid DEM (northing,easting). Geocoding produk
Citra lebih baik menggunakan teknik backward. Transformasi backward digunakan
untuk konversi posisi setiap elemen hamburan balik ke koordinat sistem citra Slant
Range sebenarnya (baris dan kolom 2 dimensi) dari sistem referensi kartografi. DEM
digunakan sebagai informasi ketinggian medan untuk menghitung masingmasing
koordinat kartografis 3 dimensi citra ter-geocode yang kemudian ditransformasi ke
koordinat kartesian dengan datum geodetik lokal. Maka diperoleh koordinat elemen
hamburan balik yang mengacu pada sistem referensi yang sama dengan data posisi
orbit satelit. Keduanya dapat dihubungkan secara langsung jika skala atau indeks pada
azimuth dan range diketahui. Indeks tersebut dapat diketahui menggunakan
hubungan Range-Doppler serta vektor posisi dan vektor kecepatan (dari metadata),
maka posisi sensor untuk masing-masing elemen hamburan balik dihitung secara
berulang.
Range Doppler terrain correction operator tersedia di SNAP yang
mengimplementasikan metode orthorektifikasi Range Doppler untuk geocoding
adegan SAR dari gambar dalam geometri radar. Itu memanfaatkan informasi vektor
status orbit yang tersedia dalam metadata, radar anotasi waktu, dan parameter
konversi kemiringan ke jarak tanah bersama dengan referensi data model elevasi
digital untuk memperoleh informasi geolokasi yang tepat. Coordinate Reference
System (CRS) dapat dipilih dan secara opsional diatur agar sesuai dengan zona UTM
dari overlay Granula Sentinel-2. Operator mengizinkan pemilihan metode
pengambilan sampel ulang gambar dan jarak piksel target di CRS target. Langkah
pemrosesan ini memungkinkan gertakan spasial Sentinel-1 Produk GRD ke grid data
Sentinel-2 MSI, untuk melakukan geolokasi data ke grid spasial umum dan
mempromosikan penggunaan konstelasi virtual satelit.

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
C. PRAKTIKUM
1. Data Sentinel-1 GRD
1) Untuk melakukan koreksi radiometric citra radar, silahkan download data radar
dengan tipe produk Ground Range Detected (GRD)

2) Jika mengunduh data GRD dari Copernicus, dapat dimuat ditampilkan tampilan
RGB dari citra radar. Untuk melakukan ini klik window kemudian pilih open RGB
image window

3) Terdapat beberapa pilihan preset RGB untuk citra radar, dapat pula menampilkan
RGB sesuai dengan kebutuhan

4) Berikut adalah beberapa saluran RGB citra radar

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
2. Melakukan Konversi Data SLC menjadi GRD
1) Selain melakukan download kembali dapat pula dilakukan konversi data SLC
menjadi GRD dengan menggunakan tools S-1 SLC to GRD. (Jika sudah
mendownload data GRD Langkah 2-5 bisa dilewati)

2) Pilih polarisasi sesuai dengan kebutuhan, dalam kasus ini akan digunakan
polarisasi VV

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 3) Pastikan ouput akhir berupa file sigma vv.

4) Berikut adalah file hasil konversi SLC menjadi GRD

3. Koreksi Radiometrik
1) Untuk meringankan pemrosesan citra, dapat digunakan tools subset untuk
memperkecil wilayah kajian

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 2) Untuk melakukan koreksi radiometric, pilih radiometric dibawah toolbar radar
kemudian pilih calibrate

3) Pada processing parameters, pilih polarisasi VV. Kemudian sesuaikan

penyimpanan sesuai dengan kebutuhan

(tahapan 2-3 hanya data GRD yang di unduh dari Copernicus, jika melakukan
konversi dari SLC tahapan ini bisa dilewati)

4) Tahapan selanjutnya adalah melakukan speckle filtering. Pilih opsi single product
speckle filter

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 5) Biarkan pengaturan secara default

6) Berikut adalah hasil speckle filtering

4. Koreksi Geometrik
1) Pada koreksi geometric akan digunakan citra Sentinel-1 GRD untuk wilayah selatan
Jawa Barat yang telah dikoreksi secara radiometric. Jika diperhatikan orientasi
citra sentinel-1 tersebut terbalik. Hal ini akan diperbaiki dengan menggunakan
koreksi geometrik

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 2) Pada tool raster, klik opsi band math

3) Pada tools band math, masukan rumus 255*(Sigma0_VV<2.22E-2) untuk

mengubah nilai pixel

4) Berikut adalah hasil band math

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 5) Setelah itu, pada toolbar Radar, pilih Geometric, Terrain Correction, kemudian
Range-Doppler Terrain Correction

6) Pada processing parameters, pilih kedua source bands kemudian pilih model DEM
SRTM 1 sec untuk resolusi 30 m x 30 m. (Dapat pula menggunakan model DEM
SRTM 3 sec)

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
 7) Berikut adalah citra yang berhasil terkoreksi secara geometrik. Jika diperhatikan,
maka orientasi awal citra GRD berubah dari sebelum koreksi geometric

Berikut adalah perbandingan antara citra yang sebelum dikoreksi

dan sesudah dikoreksi

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia
D. LATIHAN
1. Buatlah laporan praktikum secara mandiri berdasarkan pada bahan kajian materi di
atas, sertakan pembahasan Anda!

E. RANGKUMAN
Tahapan pre-processing menjadi sebuah upaya yang diperlukan untuk meminimalkan
kesalahan-kesalahan pada data, seperti orbit akuisisi yang kurang tepat dan noise sehingga
diperoleh citra SAR dengan ketelitian yang baik, agar citra SAR dapat digunakan untuk analisis
selanjutnya.

DAFTAR PUSTAKA

Filipponi, F. (2019). Sentinel-1 GRD preprocessing workflow. In Multidisciplinary digital

publishing institute proceedings (Vol. 18, No. 1, p. 11).
Madaan, E. S., & Kaur, S. (2019). Pre-Processing of Synthetic Aperture Radar Sentinel-1 Images
for Agricultural Land. International Journal of Control and Automation, 12(5), 443-459.
Septiana, B., Wijaya, A. P., & Suprayogi, A. (2017). Analisis Perbandingan Hasil Orthorektifikasi
Metode Range Doppler Terrain Correction dan Metode SAR Simulation Terrain
Correction Menggunakan Data Sar Sentinel–1. Jurnal Geodesi Undip, 6(1), 148-157.
http://teledetection-radar.u-pem.fr/atelier_radar_sfpt/formation/lundi/3-Cazals-
SFPT_Formation_SNAP.pdf

Program Studi Sains Informasi Geografi

Fakultas Pendidikan Ilmu Pengetahuan Sosial
Universitas Pendidikan Indonesia