PENGINDERAAN
JAUH
RADIASI ELEKTROMAGNETIK
Karakteristik radiasi
elektromagnetik
merupakan hal yang sangat
penting untuk memahami
Penginderaan jauh, yaitu :
- Panjang Gelombang
- Frekuensi
Panjang Gelombang (),
merupakan panjang satu
siklus , dan Frekuensi ()
Merupakan jumlah siklus
panjang gelombang
yang melalui titik tertentu per
unit waktu, dengan satuan hertz
SPEKTRUM ELEKTROMAGNETIK
SPEKTRUM ELEKTROMAGNETIK
SOIL
VEGETATION
WATER
0,3
10
PEREKAMAN GELOMBANG EM
1. Sensor Fotografik
Perekaman berlangsung seperti kamera foto biasa
atau yang kita kenal sebagai proses kimiawi.
Citra yang dihasilkan dibentuk dari titik-titik yang
sangat halus
2. Sensor Elektronik
Sensor yang bekerja secara elektrik, data yang
direkam berupa data dijital/numerik.
Citra dibentuk dari pixel (picture element)
Sensor
Data Citra
Statsiun
Objek / Target
Penerima
Pengolahan
Rocket
100
Balloon
10
Aero plane
1
Helicopter
Crane
0 Km
2. CITRA SATELIT
3. RADAR
1 :30.000
1 : 50.000
TAHUN 1994
TAHUN
1994
1 : 7000
TAHUN
1996
1 :15.000
TAHUN
1990
Citra Landsat
CITRA SPOT
QUICKBIRD
RADAR
Resolusi Spasial
Kemampuan sensor dalam mendefinisikan objek di
permukaan bumi yang diwakili oleh pixel (picture element)
30 x 30 meter
4 x 4 meter
1 x 1 meter
Resolusi Spektral
Resolusi spektral mendefinisikan kemampuan sensor
untuk mendefinisikan kehalusan interval panjang
gelombang yang bisa direkam
: 4 saluran
Quickbird : 5 saluran
Aster : 14 saluran
Landsat-TM Band-521
Landsat-TM Band-247
Landsat-TM Band-342
Landsat-TM Band-432
Resolusi Temporal
Lamanya satelit kembali lagi pada
suatu lokasi atau wilayah yang sama
Landsat
: 16 hari
SPOT
: 26 hari
Ikonos
: + 3 hari
: 24 jam
Resolusi Spasial
Landsat
TM 7
Non Termal
Thermal
m
SPOT
Multi Spektral
m
Panchromatic
Ikonos
Quickbird
NOAA
Multi Spektral
m
Panchromatic
m
30 m
120
Resolusi
Spektral
Resolusi
Temporal
Cakupan
9 saluran
16 hari
185x185 km
4 saluran
26 hari
60 x 60 km
4 saluran
+ 3 hari
11,3 x 11,3
km
5 saluran
1 3,5 hari
16,5 x 16,5
km
10
2,5
4
1
Multispektral 1,1
km
24 jam
4 saluran
400x400 km
Kunci Interpretasi
tone/rona
bentuk
ukuran
pola
tekstur
bayangan
asosiasi
1. TONE / RONA
TONE/RONA:
Tone/rona mengacu pada kecerahan atau warna relatif suatu
obyek dalam image. Secara umum, rona merupakan elemen
yang mendasar dalam pembedaan target.
Tanaman muda
2. BENTUK
BENTUK :
Bentuk, mengacu pada struktur
dan outline obyek individu
3. UKURAN
UKURAN :
Ukuran obyek dalam image
merupakan fungsi skala.
Contoh :
Ukuran antara bangunan sebagai
tempat tinggal dengan bangunan
sebagai bangunan komersial.
?
?
4. POLA
?
?
5. TEKSTUR
TEKSTUR :
Tekstur, mengacu pada susunan
dan frekuensi rona suatu obyek,
yang nampak pada kenampakan
kasar atau halusnya permukaan
obyek.
Contoh yang jelas adalah dalam
membedakan hutan alam dengan
hutan tanaman industri, yang relatif
punya keseragaman dalam kanopi.
?
?
6. BAYANGAN
BAYANGAN/SHADOW :
Bayangan memberikan ide dalam
membedakan profil atau ketinggian suatu
obyek
tanpa bayangan
dengan bayangan
7. ASOSIASI
ASOSIASI :
Asosiasi berkaitan dengan hubungan
antara obyek terhadap obyek yang
lain.
Sebagai misal daerah pantai dimana
di situ terdapat vegetasi pada wilayah
muara sungai, mungkin dapat diasosiasikan dengan mangrove
mangrove
KLASIFIKASI DIJITAL
95 106 76
58 76 75
56 62 82
CITRA DIJITAL
Citra Asli
Citra diperbesar
CITRA DIJITAL
Masing masing band dihasilkan oleh sensor dengan resolusi spasial tertentu
Band-7
Band-6
Band-5
Band-4
Band-3
Band-2
Band-1
BAND 444
Blue
Green
Red
Band-7
Band-6
Band-5
Band-4
Band-3
Band-2
Band-1
BAND 542
BAND 432
M U L T I S P E C T R ACLO IMMPAUGTEE R G U N
COLORS
DISPLA
Y
PENGOLAHAN CITRA
Preprocessing :
Radiometri Correction/Koreksi Radiometrik
Geometri Correction/Koreksi Geometrik
Display dan Enhancement/Penajaman :
Diplay (B/W dan Color Composite
Contrast Enhancement (Stretching)
Spatial Enhancement (Filtering)
Classification/Klasifikasi :
Unsupervised Classification
Supervised Classification
Integration ke GIS:
Generalisasi
Konversi Raster ke Vektor
Konversi Vektor ke Raster
KLASIFIKASI CITRA
Metoda dalam klasifikasi multispektral :
1. UNSUPERVISED
2. SUPERVISED
KLASIFIKASI CITRA
Unsupervised Classification/Tak Terselia :
-Klasifikasi tanpa memerlukan/membangun sampel
- Operasi dibangun berdasarkan pengelompokan pixel
secara natural
- Pengenalan pola menggunakan proses komputer
KLASIFIKASI TERSELIA/SUPERVISED
Klasifikasi multispektral dengan sampel terpilih yang homogen
Prosedur ini memerlukan pengetahuan tentang obyek
Klasifikasi menggunakan karakteristik spektral (minimum,
maximum, mean/average, variance, covariance, correlation, dll.)
tentang training/sample area untuk menggambarkan algoritma
klasifikasi keseluruhan
Tegalan
Sawah
Hutan Bakau
GEOLOGI
PRAKIRAAN CUACA
28 Januari 2008
17 FEBRUARI 2008
4 FEBRUARI 2008
25 FEBRUARI 2008
Citra Landsat
Hasil Analisis
Warna Biru Terumbu Karang Hidup
Zona
Penangkapan
Ikan
KEBAKARAN HUTAN
TUMPAHAN MINYAK
PRAKIRAAN PAJAK