Disusun Oleh:
BAB I
PENDAHULUAN
dan penggunaan model fisik untuk mengonversi nilai radiansi menjadi suhu
permukaan tanah. Praktikum ini bertujuan untuk memberikan pemahaman
teoritis dan praktis tentang land surface temperature dan proses ekstraksi LST
serta meningkatkan kemampuan praktikan dalam menggunakan software ENVI
untuk analisis suhu permukaan tanah.
Dengan melakukan ekstraksi Land Surface Temperature (LST),
praktikan diharapkan dapat mengaplikasikan pengetahuan dalam pemahaman
perubahan suhu permukaan tanah, identifikasi pola suhu yang berbeda di
berbagai area, serta melihat implikasinya terhadap aspek-aspek seperti
manajemen sumber daya alam, mitigasi risiko bencana, dan pemantauan
perubahan iklim. Dan diharapkan praktikan dapat menguasai teknik ekstraksi
LST menggunakan citra Landsat 8 dan memahami relevansinya dalam konteks
pemantauan lingkungan dan perubahan iklim.
1.3 Tujuan
Adapun tujuan pelaksanaan dari kegiatan ini adalah sebagai berikut:
1. Praktikan mengetahui apa itu land surface temperature.
2. Praktikan mengetahui tahapan-tahapan dalam melakukan proses proses
ekstraksi suhu permukaan tanah
3. Praktikan mengetahui karakteristik wilayah kajian berdasarkan analisa
dari hasil ekstraksi suhu permukaan tanah.
BAB II
DASAR TEORI
Keterangan:
BT = Brightness Temperature (Kelvin)
K1 = Konstanta kalibrasi radian spektral
K2 = Konstanta kalibrasi suhu absolut
CVR2 = Radian spektral band thermal.
2. Perhitungan Land Surface Emissivity (LSE)
a) Normalized Difference Vegetation Index (NDVI)
NDVI merupakan perhitungan citra yang digunakan untuk mengetahui
tingkat kehijauan atau tingkat kerapatan vegetasi. Rentang nilai dari
NDVI adalah -1 sampai 1. Nilai -1 sampai 0 mengindikasikan bahwa
tingkat kerapatan vegetasinya rendah atau terdapat vegetasi yang hijau,
sedangkan nilai 0 sampai 1 mengindikasikan adanya kerapatan vegetasi
yang sedang hingga tinggi. NDVI dapat diperoleh dengan rumus sebagai
berikut:
Keterangan:
BNIR = Reflektan Band NIR
BRed= Reflektan Band Red
b) Proportion of Vegetation (Pv)
Pv merupakan persentase tutupan vegetasi dalam total area kajian dan
merupakan turunan dari transformasi NDVI. Perhitungan Pv
menggunakan parameter NDVImax dan NDVImin . NDVImax dengan
nilai NDVI > 0.5 didefinisikan sebagai vegetasi rapat dan NDVImin
dengan nilai NDVI < 0.2 didefinisikan sebagai tanah gundul (Sobrino et.
al., 1990). Pv digunakan untuk mengetahui parameter emisivitas
permukaan tanah yang dapat dihitung menggunakan persamaan berikut
ini (Carlson & Ripley, 1997):
Keterangan:
NDVImax= 0.5
NDVImin = 0.2
c) Land Surface Emissivity (LSE/ε)
Emisivitas permukaan tanah merupakan kemampuan objek untuk
memancarkan energi yang dimilikinya. Nilai LSE dapat diperoleh
melalui persamaan berikut ini (Sobrino et. al., 1990):
ε = (0.004*PV+0.986).
3. Perhitungan Land Surface Temperature (LST) Setelah nilai brightness
temperature dan land surface emissivity diketahui maka selanjutnya dapat
dihitung nilai suhu permukaan tanahnya menggunakan persamaan berikut
ini:
BAB III
METODOLOGI
3.1. Lokasi
Kegiatan praktikum ini dilaksanakan secara daring di Kontrakan
GeoFunny, Jl. Beringin Raya 2 No 66, Maguwoharjo, Sleman, Daerah stimewa
Yogyakarta pada hari Jum’at, 10 November 2023.
3. Membuat ROI dengan cara klik ‘Region of Interest (ROI) Tool’ → pada
bagian Geometry, pilih ‘Rectangular’ → membuat ROI-nya pada citra.
4. Apabila ROI telah dibuat, tampilan window ‘Region of Interest (ROI) Tool’
dapat ditutup. Jangan lupa melakukan penyimpanan terhadap ROI tersebut
karena nantinya ROI tersebut akan digunakan juga untuk pemrosesan
selanjutnya.
6. Hal tersebut dapat dilakukan dengan cara klik band thermal, setelah memilih
‘radiometric calibration’ → memilih ‘spatial subset’ untuk melakukan
kalibrasi radiometrik pada area ROI saja → memilih ‘Subset by ROI’, maka
akan muncul tampilan window ‘ROI Selection’.
7. Pada tampilan window tersebut, pilih ROI yang telah dibuat sebelumnya→
klik OK → klik OK lagi pada bagian window ‘File Selection’
11. Pada tampilan window tersebut, memilih file yang telah dilakukan cropping
dan kalibrasi radiometrik → OK → muncul tampilan window ‘Thermal Atm
Correction Parameters’ → memilih tempat penyimpanan file (Output
Gain/Offset file dan Output Filename) → klik OK.
12. Menunggu hingga proses selesai, maka hasil dari proses Thermal
Atmospheric Correction sebagai berikut.
2. Memasukkan file yang telah dikoreksi atmosferik dengan cara klik ‘File’
→ ‘Open Image File’ → pilih file yang akan diinputkan.
4. Membuka metadata citra tersebut dan mencari konstanta dari band 10, lalu
memasukkan nilai konstanta pada metadata citra Landsat 8 ke band math
→ klik 13 ‘Add to List’ → pilih rumus yang telah dimasukkan → OK →
maka akan muncul tampilan window ‘Variable to Bands Pairings’. Band 10
ini dipilih karena dianggap lebih unggul dibandingkan band 11 yang
memiliki nilai ketidakpastian lebih besar daripada band 10 (Wang, F,
2015). Selain itu, pada band 10 memiliki nilai anomali stray light yang lebih
kecil dibandingkan dengan band 11 (USGS, 2019).
5. Pada window tersebut memilih band termal yang telah terkoreksinya adalah
band 10 (bagian atas) → memilih folder penyimpanan file → OK.
6. Setelah itu adalah mengubah nilai suhu kecerahan pada citra ke dalam
satuan Celcius, dengan cara klik ‘Band Math’ pada Basic Tools →
memasukkan rumus konversi dari Kelvin ke Celcius yaitu Band Thermal –
273 → klik OK → memilih band thermal yang telah diubah nilainya
menjadi suhu kecerahan pada tampilan window ‘Variable to Bands
Pairings’→ memilih tempat penyimpanan → OK.
7. Maka hasil suhu kecerahan citranya menjadi satuan Celcius seperti pada
gambar di bawah ini → lalu mengecek nilai statistik citranya.
Bands List, kita memilih Band Red karena B4 pada Landsat 8 adalah Band
Red dan Klik B5 dengan memilih Band NIR.
4. Memilih tempat penyimpanan output file dari NDVI dengan cara klik
Choose → pilih tempat penyimpanan → klik OK.
10. Setelah itu mendefinisikan maksud B13 yang merupakan PV, dengan cara
klik hasil pengolahan PV→ lalu simpan hasil pengolahan LSE → OK.
11. Menunggu pemrosesan LSE hingga selesai, lalu apabila selesai selanjutnya
adalah load data hasil LSE dan hasilnya akan seperti di bawah ini.
3. Setelah itu mendefinisikan maksud B14 yang merupakan LSE dan B15
yang merupakan BT, dengan cara klik hasil LSE untuk B14 dan klik BT
untuk B15→ lalu simpan hasil pengolahan LST → OK.
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil
4.1.1. Hasil Statistik Brightness Temperature dan Land Surface
Temperature
4.2. Pembahasan
Pada praktikum pengolahan citra digital ini, praktikan melakukan ekstraksi
Land Surface Temperature (LST) pada wilayah kajian di Provinsi Jawa Tengah.
Proses pengolahan yang dilakukan meliputi, koreksi radiometrik pada band
thermal, koreksi radiometrik pada band multipektral, konversi radians band 10 ke
brightness temperature, konversi reflektan menjadi nilai land surface emissivity,
ekstraksi land surface temperature, dan simbologi land surface temperature serta
layouting peta.
Proses koreksi radiometrik pada band thermal dan multispektral dilakukan
agar nilai surface reflectance bernila min = 0 dan max = 1 pada area kajian yang
telah ditentukan. Selanjutnya dilakukan perhitungan Brightness Temperature
(BT) dari band termal Landsat 8. BT mencerminkan suhu radiatif yang terdeteksi
oleh sensor satelit, dan proses ini melibatkan konversi nilai piksel band termal ke
suhu dalam Kelvin, yang kemudian dikonversi ke Celsius. Setelah mendapatkan
BT, dilanjutkan dengan perhitungan LSE menggunakan indeks NDVI dan PV.
NDVI memberikan informasi tentang vegetasi, sedangkan PV mengukur
BAB V
KESIMPULAN
5.1. Kesimpulan
Dari kegiatan praktikum Land Surface Temperature yang telah dilakukan,
maka dapat diambil kesimpulan sebagai berikut:
1. Pada praktikum ini, pratikan telah melakukan pengolahan land surface
temperature pada aera kajian Provinsi Jawa Tengah. Dengan
mengggunakan data Citra Landsat 8 (band thermal dan band multispektral).
Pengolahan berfokus pada ekstraksi sehingga mengasilkan perbandingan
antara nilai statistik brightness temperature dan land surface temperature.
2. Proses yang dilakukan untuk menghasilkan nilai statistik brightness
temperature dan land surface temperature meliputi, koreksi radiometrik
pad aband thermal, koreksi radiometrik pada band multipektral, konversi
radians band 10 ke brightness temperature, konversi reflektan menjadi nilai
land surface emissivity, ekstraksi land surface temperature, dan simbologi
land surface temperature serta layouting peta.
3. Hasil pengolahan menunjukkan perbandingan antara nilai statistik
brightness temperature dan land surface temperature. Brightness
temperature merepresentasikan suhu radiatif dari seluruh piksel citra,
sedagkan land surface temperature merepresentasikan suhu sebenarnya
dari permukaan tanah. Perbedaan tersebut dipengaruhi oleh faktor sifat
radiatif komponen permukaan dan efek atmosfer bumi.
4. Brightness temperature rentan terhadap pengaruh atmosfer, sedangkan
land surface temperature dikoreksi untuk efek atmosfer sehingga
memberikan nilai yang lebih akurat. Elemen vegetasi juga memperngaruhi
perbedaan yang ada, maka brightness temperature tidak membedakan
secara langsung antara tanah dengan vegetasi. Land surface temperature
memberikan gambaran yang lebih akurat tentang suhu permukaan tanah
yang sebenarnya.
5. Peta Land Surface Tempertaure (LST) yang dihailkan menunjukkan variasi
thermal di wilayah Provinsi Jawa Tengah. Wilayah merah dan orange
menunjukan suhu permukaan yang tinggi, sedangkan warna hijau muda dan
hijau tua menunjukkan suhu permukaan yang lebih rendah.
Dari kegiatan praktikum Land Surface Temperature yang telah dilakukan,
praktikan telah menambah wawasan dan pegalama yang mendalam dalam
pengolahan ekstraksi LST. Thanks, Lopp you All ASLAB
DAFTAR PUSTAKA