laporan pengindraan jauh

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

MODUL II

KOREKSI RADIOMETRI DAN GEOMETRI

Prastyo Abi Widyananto26020112130079Shift 2PROGRAM STUDI ILMU KELAUTANJURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2014LEMBAR PENILAIAN

MODUL II: Koreksi Radiometri dan GeometriNama: Prastyo Abi W NIM: 26020112130079 Ttd:

NOKETERANGANNILAI

1Pendahuluan

2Tinjauan Pustaka

3Materi dan Metode

4Hasil dan Pembahasan

5Kesimpulan

6Daftar Pustaka

TOTAL

Mengetahui,

Koordinator Praktikum

Asisten

Jasmine Khairani Zainal

Oscar Agustino K2D009036

K2E009058I. PENDAHULUAN1.1 Latar Belakang

Praktikum kali ini dibahas mengenai koreksi radiometri yang merupakan sistem penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama pada saluran tampak (visible light) (Sumaryono, 1999). Hamburan atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral citra (Sumaryono, 1999).

Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi radiometri yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram (Histogram Adjustment) (Sumaryono, 1999).

Penginderaan jauh fotografik menguraikan tentang karakteristik interpretative dan geometric dasar foto udara. Karakteristk radiometrik foto udara menentukan bagaimana film tertentu yang dipotretkan dan diproses pada kondisi tertentu menanggapi tenaga dengan berbagai intensitas. Pengetahuan tentnag karakteristik ini sering berguna dan kadang-kadang sangat penting bagi proses analisis citra fotografik terutama dalam supaya menampilkan hubungan kuantitatif antara nilai rona pada suatu citra dan beberapa fenomena medan (Sumaryono, 1999). 1.2 Tujuan

1. Melakukan koreksi radiometrik citra dengan metode penyesuaian histogram dan penyesuaian regresi ( DPC, EDPC, dan Cut Off) menggunakan software ER Mapper 7.02. Mahasiswa mampu melakukan koreksi geometri pada citra dengan metode polinomial menggunakan perangkat lunak ER Mapper 7.0.

3. Mahasiswa mampu dan memahami rektifikasi pada satelit yang akan dikoreksi geometri. II. TINJAUAN PUSTAKA

2.1 Koreksi Radiometri

Perekaman gelombang elektromagnetik yang berasal dari permukaan bumi dapat saja terjadi kesalahan radiometrik akibat (a) ketidak-sempurnaan sistem sensor dan (b) gangguan alam, sehingga hasil perekaman tidak lagi mirip dengan aslinya. Oleh karena itu, data inderaja tersebut harus diberi koreksi radiometrik (Wikipedia, 2014).

Adapun beberapa koreksi berdasarkan akibatnya adalah:

1. Koreksi Akibat Ketidak-sempurnaan Sistem Sensor

Beberapa kesalahan radiometrik akibat ketidak-sempurnaan sistem sensor yaitu:

a. Masalah hilangnya garis (line drop-out) Kesalahan hilangnya garis terjadi karena salah satu detektor tidak berfungsi atau mati selama proses penyiaman sehingga piksel dalam salah satu garis bernilai nol (hitam). Masalah ini sangat serius karena tidak mungkin memperbaiki data yang tidak pernah diambil. Namun, agar kemampuan tafsiran secara visual atas data tersebut dapat ditingkatkan, dapat dimasukkan nilai kecerahan estimasi pada setiap garis rusak tersebut. Untuk menentukan lokasi garis rusak itu dibuat suatu algoritma ambang sederhana untuk menandai setiap garis yang mempunyai nilai kecerahan rata-rata bernilai nol atau mendekati nol. Jika telah teridentifikasi, koreksi diberikan dengan memasukkan nilai kecerahan rata-rata bulat dari nilai piksel garis tetangga-tetangga sebelahnya pada garis rusak itu. Citra dengan data hasil interpolasi tersebut lebih mudah ditafsirkan daripada citra yang mempunyai garis-garis hitam yang tersebar di seluruh bagiannya (Wikipedia, 2014).

b. Masalah striping garis dan bandingKesalahan striping terjadi karena salah satu detektor tidak terkoreksi secara benar sehingga data hasil rekamannya berbeda dengan detektor lainnya. Misalnya, pembacaannya menjadi dua kali lebih besar daripada detektor lainnya pada band yang sama. Data tersebut sah tapi harus dikoreksi agar memiliki kontras yang sama dengan detektor lainnya untuk setiap penyiaman. Untuk itu, garis yang salah dapat diidentifikasi dengan menghitung histogram nilai setiap detektor pada daerah yang homogen, misalnya pada badan air. Jika rata-rata atau mediannya sangat berbeda dari lainnya, diperkirakan detektor tersebut belum terkoreksi. Untuk itu, diberi koreksi bias (menambah atau mengurangi) atau koreksi multiplikasi (perkalian) (Wikipedia, 2014).

Beberapa sistem penyiam, seperti Landsat TM, terkadang menimbulkan jenis derau garis-penyiaman yang unik, yang merupakan fungsi dari (1) perbedaan relatif hasil dan/atau offset (ketidak-tepatan posisi detektor) di antara ke 16 detektor dalam suatu band (menyebabkan striping) dan/atau (2) adanya variasi (ketidak-samaan gerakan) antara proses penyiaman saat maju dan saat mundur (menyebabkan kesalahan yang disebut banding). Koreksi diberikan dengan metode filtering atau transformasi Fourier (Wikipedia, 2014).

c. Masalah awal-garis (line-start)

Kesalahan line-start terjadi karena sistem penyiam gagal merekam data pada awal baris. Atau, dapat juga sebuah detektor tiba-tiba berhenti merekam data di suatu tempat sepanjang penyiaman sehingga hasilnya mirip hilangnya garis. Idealnya, jika data tidak terrekam, sistem sensor diprogram untuk mengingat apa saja yang tidak terrekam lalu menempatkan setiap data yang baik pada lokasi yang tepat selama penyiaman. Namun, hal itu tidak selalu terjadi. Misalnya, dapat terjadi piksel pertama (kolom 1) pada garis ke 3 secara tidak benar ditempatkan pada kolom 50 pada garis ke 3. Jika lokasi pergeseran awal garis selalu sama, misalnya bergeser 50 kolom, koreksi dapat dilakukan dengan mudah. Namun, jika pergeseran awal garis terjadi secara acak, restorasi data sulit dilakukan tanpa interaksi manusia secara ekstensif dalam koreksi basis garis-per-garis (Wikipedia, 2014).

2. Koreksi Akibat Gangguan Alam

Bahkan seandainya sistem inderaja berfungsi secara sempurna, kesalahan radiometrik masih dapat terjadi pada data inderaja akibat adanya gangguan alam. Dua sumber utama gangguan alam adalah pengaruh atmosfer dan topografi, yaitua. Pengaruh atmosfer

Terjadinya pelemahan atmosferik karena penghamburan dan penyerapan gelombang cahaya menyebabkan energi yang terrekam sensor lebih kecil daripada yang dipancarkan atau dipantulkan permukaan bumi. Koreksi yang diberikan meliputi koreksi radiometrik absolut dan relatif (Wikipedia, 2014).

b. Pengaruh topografi Pengaruh topografi berupa slope dan aspek akan menimbulkan perbedaan nilai kecerahan piksel pada obyek sama, sehingga menimbulkan distorsi radiometrik. Empat metode koreksi slope-aspek topografi adalah koreksi kosinus, dua metode semi empiris (metode Minnaert dan koreksi C), dan koreksi empirik-statistik (Wikipedia, 2014).

Pada umumnya, data inderaja yang tersedia secara komersil di pasaran telah diberikan koreksi radiometrik. Selain itu Dalam telekomunikasi dan fisik, radiometri ialah bidang yang mengkaji pengukuran radiasi elektromagnet, termasuk cahaya tampak. Perhatian bahwa cahaya juga diukur menggunakan teknik fotometri, yang mengkaji kecerahan seperti mana yang diserap oleh mata manusia, bukan daripada kuasa mutlak (Wikipedia, 2014).Koreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra, sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan obyek yang sebenarnya. Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian histogram, penyesuaian regresi, dan kalibrasi bayangan (Saribu, 2011).Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi radiometrik diperlukan atas dasar dua alasan, yaitu untuk memperbaiki kualitas visual citra sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris yang kosong karena drop out baris maupun kesalahan awal pelarikan (scanning). Baris atau bagian bagian baris yang bernilai tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai piksel atau baris di atas dan dibawahnya kemudian dirata-rata (Saribu, 2011).1.2 Koreksi Geometrik

Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan (spatial distribution). Geometrik memuat informasi data yang mengacu bumi (geo-referenced data), baik posisi (sistem koordinat lintang dan bujur) maupun informasi yang terkandung di dalamnya (Ridwana, 2012).

Koreksi geometrik adalah transformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi. Transforamasi geometrik yang paling mendasar adalah penempatan kembali posisi pixel sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang terekam sensor. Pengubahan bentuk kerangka liputan dari bujur sangkar menjadi jajaran genjang merupakan hasil transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung hasil perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik (Ridwana, 2012).

Geometrik citra penginderaan jauh mengalami pergeseran, karena orbit satelit sangat tinggi dan medan pandangya kecil, maka terjadi distorsi geometrik. Kesalahan geometrik citra dapat tejadi karena posisi dan orbit maupun sikap sensor pada saat satelit mengindera bumi, kelengkungan dan putaran bumi yang diindera. Akibat dari kesalahan geometrik ini maka posisi pixel dari data inderaja satelit tersebut sesuai dengan posisi (lintang dan bujur) yang sebenarnya (Ridwana, 2012).

Koreksi geometrik dilakukan sesuai dengan jenis atau penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan random, dengan sifat distorsi geometrik pada citra. Koreksi geometrik mempunyai tiga tujuan, yaitu:

1.Melakukan rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografis.

2.Meregistrasi (mencocokan) posisi citra dengan citra lain yang sudah terkoreksi (image to image rectification) atau mentransformasikan system koordinat citra multispectral dan multi temporal.

3.Meregistrasi citra ke peta atau transformasi system koordinat citra ke koordinat peta (image to map rectification), sehingga menghasilkan citra dengan system proyeksi tertentu (Ridwana, 2012).

Koreksi geometrik citra dapat dilakukan dalam empat tahap yang mencakup sebagai berikut:

1.Memilih metode setelah mengetahui karakteristik kesalahan geometrik dan tersedianya data referensi. Pemilihan metode tergantung pada jenis data (resolusi spasial), dan jenis kesalahan geometrik (skew, yaw, roll, pitch) data.

2. Penentuan parameter yang tidak diketahui didefinisikan dari persamaan matematika antara sistem koordinat citra dan sistem koordinat geografis, untuk menentukan menggunakan parameter kalibarasi data atau titik kontrol tanah.

3. Cek akurasi dengan verifikasi atau validasi sesuai dengan kriteria, metode, dan data citra, maka perlu dicari solusinya agar diperoleh tingkat ketelitian yang lebih baik. Solusinya dapat dilakukan dengan menggunakan metode lain, atau bila data referensi yang digunakan tidak akurat atau perlu diganti.4. Interpolasi dan resampling untuk mendapatkan citrageocodedpresisi (akurat). Beberapa pilihanGeocoding Typeyang sudah tersedia pada perangkat lunak, sepertiTryangulation,Polynomial, Orthorectify using ground control point, Orthorectify using exterior orientation, Map to map projection, Point registration, Rotation. Kegunaan setiap tipe geocoding adalah (a) Tryangulation untuk koreksi geometrik data yang mengalami banyak pergeseran skew dan yawa,atau data yang tidak sama ukuran pikselnya pada satu set data. (b)Polynomialuntuk koreksi geometrik data citra yang mengalami pergeseran linear, ukuran pixel sama dalam satu set data resolusi spasial tinggi dan rendah. (c)Orthorectifyuntuk mengoreksi citra secara geometris, berdasarkan ketinggian geografisnya. Koreksi geometrik jika tidak menggunakanOrthorectify,maka puncak gunung akan bergeser letaknya dari posisi sebenarnya, walaupun sudah dikoreksi secara geometerik. (d)Rotationuntuk koreksi geometrik citra karena terjadi pergeseran citra yang terputar, baik searah jarum jam maupun sebaliknya (Ridwana, 2012).

Teknik koreksi geometrik triangulasi dilakukan koreksi secara linear dalam setiap segitiga yang dibentuk oleh tiga GCP dan daerah yang mempunyai kesalahan geometrik besar diberikan GCP lebih banyak. Persyaratan pengambilan titik di lapangan adalah (a) teridentifikasi jelas pada citra satelit, (b) wialyah harus terbuka agar tidak terjadimultipath,(c) permukaan tanah stabil, tidak pada daerah yang sedang atau akan dibangun, (d) Lokasi pengukuran aman dan tidak ada gangguan (Ridwana, 2012).

2.2 Penyesuaian HistogramMetode ini paling sederhana, hanya dengan melihat histogram tiap saluran secara independent. Dari histogram bisa diketahui nilai piksel terendah saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses coding digital oleh sensor, objek yang memberikan respon spektral paling lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai tersebut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya ( USU, 2013).Penyesuaian histogram (histogram adjusment) meliputi evaluasi histogram pada setiap band dari data penginderaan jauh. Biasanya data pada panjang gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol (USU, 2013).Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yangideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkandengan teknik penyesuaian histogram hasilnya tidak jauh berbeda (Saribu, 2011).2.3 Penyesuaian Regresi

Penyesuaian regresi diterapakan dengan memplot nilai-nilai pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relative bebas gangguan) yang menyajikan nilai nol untuk obyek tertwntu. Kemudian tiap saluran di pixel angkanya dengan yang saluran rujukan tersebut untuk membentuk diagram pancar nilai yang diamati. Cara ini secara teoristis mudah namun secara prakteknya sulit. Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran (Denoedoro,1996).2.4.1 Dark Pixel Correction ( DPC )

Dark pixel correction adalah koreksi sederhana untuk menghilangkan pengaruh atmosfer yang cenderung memperbesar nilai pixel. Penggunaan dark pixel correction merupakan metode sederhana untuk menghilangkan efek atmosfer yang menjadi sumber utama dari perbedaan nilai pixel masing masing ciitra yang akan dimosaik (Batan, 2013).2.4.2 Enchanted Dark Pixel Correction ( EDPC )

Hasil akurat dari detesi perubahan terhadap dua atau lebih citra waktu ditentukan oleh beberapa faktor seperti citra yang sebanding, citra yang dapat diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk mendapatkan citra yang baik. Dark pixel correction ditampilkan untuk mengkoreksi kesalahan radiometrik dari suatu citra, maka enhance sebagai hasilnya lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing masing band dengan minimum digital number value nya, maka setiap band akan memiliki minimal DN dari nol (Bakosurtanal, 2013).2.4.3 Cut Off Scattergram Cut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan dua variasi scattergram. Metode cut off merupakan metode yang digunakan dalam koreksi nilai atmosfer dengan menggunakan dua variasi scattergram dimana metode ini memasukan nilai terendah masing-masing band pada window Scattergram (Bakosurtanal, 2013).1.3 Rektifikasi

Rektifikasi adalah suatu proses melakukan transformasi data dari satu sistem grid menggunakan suatu transformasi geometrik. Oleh karena posisi piksel pada citra output tidak sama dengan posisi piksel input (aslinya) maka piksel-piksel yang digunakan untuk mengisi citra yang baru harus di-resampling kembali. Resampling adalah suatu proses melakukan ekstrapolasi nilai data untuk piksel-piksel pada sistem grid yang baru dari nilai piksel citra aslinya. Rektifikasi juga dapat diartikan sebagai pemberian koordinat pada citra berdasarkan koordinat yang ada pada suatu peta yang mencakup area yang sama. Bisa dilakukan dengan input GCP atau rectification image to mapdan diperlukanpeta (dengan sistem koordinat tertentu) atau kumpulan GCP untuk objek yang sudah diketahui pada citra (Fathoni, 2013).

Ada beberapa alasan atau pertimbangan, kenapa perlu melakukan rektifikasi, diantaranya adalah untuk:

1.Membandingkan 2 citra atau lebih untuk lokasi tertentu.

2.Membangun SIG dan melakukan pemodelan spasial.

3.Meletakkan lokasi-lokasi pengambilan training area sebelum melakukan klasifikasi

4.Membuat peta dengan skala yang teliti.

5.Melakukan overlay (tumpang susun) citra dengan data-data spasial lainnya.

6.Membandingkan citra dengan data spasial lainnya yang mempunyai skala yang berbeda.

7.Membuat mozaik citra.

8.Melakukan analisis yang memerlukan lokasi geografis dengan presisi yang tepat (Fathoni, 2013).

Tahap-tahap Rektifikasi:

1.Memilih titik kontrol lapangan (Ground control point). GCP tersebut sedapat mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka waktu lama misalnya belokan jalan, tugu di persimpangan jalan dan atau sudut-sudut gedung (bangunan). Hindari menggunakan belokan sungai atau delta sungai karena mudah berubah dalam jangka waktu tertentu. GCP juga harus tersebar merata pada citra yang akan dikoreksi.

2.Membuat persamaan transformasi yang digunakan untuk melakukan interpolasi spasial. Persamaan ini umumnya berupa persamaan polinomial baik orde 1,2 maupun 3.

Ordo I : disebut juga Affine transformation (diperlukan minimal 3 GCP)

Ordo II : memerlukan minimal 6 GCPOrdo III : memerlukan minimal 10 GCP3.Menghitung kesalahan (RMSE, root mean squared error) dari GCP yang terpilih. Umumnya tidak boleh lebih besar dari 0,5 piksel.

4.Melakukan interpolasi intensitas (nilai kecerahan) (Fathoni, 2013).1.4 RMS Error

Root MeanSquare Errormerupakan selisish saat proses rektifikasi antara koordinat titik kontrol hasil transformasidengan koordinat titik kontrol. Nilai RMS yang rendah akan menghasilkan data yang akurat. Menurut GIS Consortium Aceh-Nias dalam Ihsan (2012) terdapat empat faktor yang mempengaruhi RMS Error. Faktor yang pertama adalah tingkat ketelitian titik kontrol lapangan. Faktor berikutnya adalah tingkat ketelitian titik control citra. Faktor yang ketiga adalah jumlah dan distribusi letak titik kontrol. Faktor yang terakhir adalah model transformasi yang digunakan.

Parameter tingkat keakurasian dari proses rektifikasi ini adalah nilai yang dipresentasikan oleh selisih antara koordinat titik kontrol hasil transformasi dengan koordinat titik kontrol, yang dikenal dengan nama RMS (Root Mean Square) Error. Nilai RMS Error yang rendah akan menghasilkan hasil rektifikasi yang akurat. Sebagai contoh, hasil transformasi boleh jadi masih berisi kesalahan yang significant karena rendahnya/sedikitnya titik control yang dimasukkan.

Ada beberapa faktor yang mempengaruhi RMS Error ini yaitu :

1. Tingkat ketelitian titik kontrol lapangan.

2. Tingkat ketelitian titik kontrol citra.

3. Jumlah dan distribusi letak titik control.

4. Model transformasi yang digunakan.

III. MATERI DAN METODE

3.1 Waktu dan TempatHari dan Tanggal: Rabu, 14 Mei 2014Waktu

: 14.40 16.00 WIB

Tempat

: Laboratorium Komputasi Lantai 2 Gedung E FPIK Universitas Diponegoro Semarang

3.2 Materi

Koreksi Radiometri

1. Penyesuaian Histogram2. Regresi :

a. DPC (Dark Pixel Correction)

b. EDPC (Enhanced Dark Pixel Correction)

c. Cut Off Scattergram

Koreksi Geometri1. Membuka Citra dan memeriksa koreksinya.

2. Proses koreksi geocoding.

3. Proses penggabungan dua citra.3.3 Cara Kerja

3.3.1 Penyesuaian histogram1. Buka aplikasi ER Mapper 7.0.

2. Klik ikon Edit Algorithm () pada window ER Mapper sehingga muncul tampilan seperti ini.

3. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan _

4. Klik ikon Load Dataset () pada window Algorithm.

5. Pilih folder C:/ermapper70/examples/Shared_Data. Pilih file Landsat_TM_23Apr85. Klik OK.

sehingga muncul foto citra sebagai berikut

6. Pada window Algorithm, klik ikon Duplicate (). Duplikat Pseudo Layer hingga menjadi 6 layer.

7. Ubah nama Pseudo Layer menjadi BAND 1 hingga BAND 7 (BAND 6 ditiadakan, setelah BAND 5 langsung BAND 7)

8. Ubah file tiap BAND seperti berikut.

9. Cek nilai atmosfer masing-masing band dengan meng-klik ikon Edit Transform Limits () sehingga muncul nilai atmosfer masing-masing band. 10. Untuk menyeseuaikan histogram pada citra, klik ikon Edit Formula () sehingga muncul window Formula Editor.

11. Pada window Formula Editor, pada kotak dialog yang terdapat tulisan INPUT1, ketik actual input limits yang terdapat pada window Transform. Ketik dengan menambahkan - setelah INPUT1. Contoh: Untuk BAND 1, Actual Input Limits terendahnya 67, sehingga pada kotak dialog INPUT1 di window Formula Editor diketik INPUT1-67.

12. Setelah itu, klik Apply changes sehingga untuk citra pada BAND 1 tampilannya menjadi sebagai berikut

Sehingga nilai terkecil Actual Input Limits menjadi 0

13. Lakukan penyesuaian histogram untuk BAND lainnya14. Setelah semua disesuaikan histogramnya, simpan dengan memilih menu File ( Save As. Simpan di tempat yang dinginkan, dengan nama file HISTOGRAM_NAMA dengan tipe file ER Mapper Raster Dataset. Klik OK.

15. Klik Defaults, lalu OK.

16. File pun berhasil disimpan.

17. Klik ikon Edit Algorithm () pada window ER Mapper.18. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan Nama_NIM.19. Klik ikon Load Dataset () pada window Algorithm. Pilih file yang sebelumnya disimpan pada file modul 2, buka file yang bernama HISTOGRAM_NAMA, Klik OK.

Sehingga muncul tampilan seperti berikut pada window Algorithm.

20. Duplikat layer menjadi 6 dengan meng-klik ikon Duplicate () dan ubah nama menjadi BAND 1 hingga BAND 7 (BAND 6 ditiadakan).

21. Ubah file pada window Algorithm sesuai dengan BAND nya.

22. Cek tiap nilai histogram dengan meng-klik ikon Edit Transform Limits () pada setiap band.

23. Klik Edit, lalu pilih Delete this transform pada setiap band, sehingga tampilannya menjadi sebagai berikut.

24. Sehingga pada window Algorithm muncul ikon pada setiap band.3.3.2 Regresi

3.3.2.1 Dark Pixel Correction (DPC)1. Klik ikon Edit Algorithm () pada window ER Mapper.2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan _

3. Klik ikon Load Dataset () pada window Algorithm.

4. Pilih folder C:/ermapper70/examples/Shared_Data. Pilih file Landsat_TM_23Apr85. Klik OK.


5. Klik ikon Land Application Wizard () pada window ER Mapper sehingga muncul window Land Application Wizard. Klik Next.

6. Pilih Process TM imagery, klik Next.

7. Pilih Atmospheric Effect Correction, klik Next.

8. Pilih Dark Pixel Correction, pilih Next.

9. Setelah klik Next, maka akan muncul tampilan sebagai berikut.

10. Pada kotak dialog Specify an input TM dataset, pilih folder citra satelitnya, yaitu C:\ermapper70\examples\Shared_Data\Landsat_TM_23Apr85.ers

11. Sementara untuk Specify an output filename, pilih file modul 2 indraja. Ketik pada kotak dialog Open DPC_belumdikoreksi_Nama dengan tipe file ER Mapper Raster Dataset. Klik OK.

12. Klik Finish. Maka akan muncul window baru berupa citra sebagai berikut. Tutup window tampilan citra yang berwarna hitam-putih.

13. Pada window Algorithm, hilangkan layer DPC_TM6 dengan memilih ikon Cut () sehingga pada layer hanya muncul layer sebagai berikut.

14. Klik Edit Transform Limits pada tiap band sehingga muncul window Transform. Klik Edit, lalu pilih Delete This Transform.

15. Simpan dengan memilih menu File ( Save As pada window ER Mapper. Simpan dengan format nama DPC_sudahdikoreksi_Nama dengan format ER Mapper Raster Dataset. Klik OK.



3.3.2.2 Enhanced Dark Pixel Correction (EDPC)1. Klik ikon Edit Algorithm () pada window ER Mapper.2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan Nama_NIM3. Klik ikon Load Dataset () pada window Algorithm.

4. Pilih folder C:/ermapper70/examples/Shared_Data. Pilih file Landsat_TM_23Apr85.ers. Klik OK. Sehingga muncul foto citra sebagai berikut :




8. Pilih Enhanced Dark Pixel Correction (Chavez), klik Next.

9. Pilih file C:\ermapper70\examples\Shared_Data\Landsat_TM_23Apr85.ers. Lalu klik Next.

10. Setelah klik Next, maka akan muncul tiga window terbaru sekaligus.

11. Pilih Use TM1 as initial band lalu klik Next.

12. Pada kotak dialog Select an option, pilih Clear (karena nilai minimum Actual Input Limits nya 67). Untuk Specify an output filename, klik ikon lalu beri nama file EDPC_belumkoreksi_Nama dengan format ER Mapper Raster Dataset. Klik OK. Setelah itu klik Finish.

13. Muncul citra foto sebagai berikut.

14. Pada window Algorithm, hilangkan layer TM6 dengan memilih ikon Cut () sehingga pada layer hanya muncul layer sebagai berikut.

15. Klik Edit Transform Limits pada tiap band sehingga muncul window Transform. Klik Edit, lalu pilih Delete This Transform.

16. Simpan dengan memilih menu File ( Save As pada window ER Mapper. Simpan dengan format nama EDPC_SUDAHDIKOREKSI_ dengan format ER Mapper Raster Dataset. Klik OK.



3.3.2.3 Cut Off Scattergram

1. Klik ikon Edit Algorithm () pada toolbar ER Mapper 7.0

2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan Nama_NIM3. Klik ikon Load Dataset () pada window Algorithm.

4. Pilih folder C:/ermapper70/examples/Shared_Data. Pilih file Landsat_TM_23Apr85.ers. Klik OK.





8. Pilih Cut Off Values (Scattergram), klik Next.

9. Pada kotak dialog Specify an input TM dataset, pilih folder citra satelitnya, yaitu C:\ermapper70\examples\Shared_Data\Landsat_TM_23Apr85.ers

10. Sementara untuk Specify an output filename, pilih file modul 2 . Ketik pada kotak dialog Open CUTOFF_belumdikoreksi_Nama dengan tipe file ER Mapper Raster Dataset. Klik OK.

11. Setelah klik Next, maka akan muncul empat window baru sebagai berikut.

12. Klik Cancel pada window New Map Composition.13. Pada window processing TM imagery-atmospheric effect correction (cut off value), MASUKAN NILAI ATMOSPHERIC bias masing-masing band. Nilai atmospheric bias dapat dilihat pada window scattergram. Untuk melihat nilai-nilai atmospheric bis lainnya klik set up.

14. Klik Finish pada window Processing TM imagery: Atmospheric Effect Corrections (Cut-Off Value) sehingga muncul foto citra baru.

15. Pada window Algorithm, hilangkan layer TM6 dengan memilih ikon Cut () sehingga pada layer hanya muncul layer sebagai berikut.

16. Kemudian klik Atm adjusted1 lalu klik edit transform limit dan pilih edit-delete this transform dan lakukan sampai dengan Atm adjusted7 lalu klik Close. Lakukan hal yang sama pada Atm adjusted2-717. Simpan dengan memilih menu File ( Save As pada window ER Mapper. Simpan dengan format nama CUTOFF_sudahkoreksi_Nama dengan format ER Mapper Raster Dataset. Klik OK.



IV. HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Penyesuaian HistogramSebelum Dikoreksi

Sesudah dikoreksi

BAND 1

BAND 2

BAND 3

BAND 4

BAND 5

BAND 7

Sebelum Dikoreksi

Sesudah dikoreksi

BAND 1

BAND 2

BAND 3

BAND 4

BAND 5

BAND 7

4.1.2 Regresi

4.1.2.1 Dark Pixel Correction

Sebelum Dikoreksi

DPC_TM1

DPC_TM2

DPC_TM3

DPC_TM4

DPC_TM5

DPC_TM7

DPC_TM1

DPC_TM2

DPC_TM3 DPC_TM4

DPC_TM5

DPC_TM7 Sesudah DikoreksiDPC_TM1

DPC_TM2

DPC_TM3

DPC_TM4

DPC_TM5

DPC_TM7

DPC_TM1

DPC_TM2

DPC_TM3

DPC_TM4

DPC_TM5

DPC_TM7

4.1.2.2 Enhanced Dark Pixel CorrectionSebelum Dikoreksi

Atm Adjusted 1

Atm Adjusted 2

Atm Adjusted 3

Atm Adjusted 4 Atm Adjusted 5 Atm Adjusted 7

Atm Adjusted1

Atm Adjusted2

Atm Adjusted3 Atm Adjusted4

Atm Adjusted5

Atm Adjusted7 Sesudah DikoreksiAtm Adjusted 1

Atm Adjusted 2

Atm Adjusted 3


Atm Adjusted1

Atm Adjusted2

Atm Adjusted3

Atm Adjusted4

Atm Adjusted5

Atm Adjusted7

4.1.2.3 Cut Off Scattergram

Sebelum Dikoreksi

Atm Adjusted 1

Atm Adjusted 2

Atm Adjusted 3


Atm Adjusted1

Atm Adjusted2

Atm Adjusted3 Atm Adjusted4

Atm Adjusted5

Atm Adjusted7 Sesudah DikoreksiAtm Adjusted 1

Atm Adjusted 2

Atm Adjusted 3


Atm Adjusted1

Atm Adjusted2

Atm Adjusted3

Atm Adjusted4

Atm Adjusted5

Atm Adjusted7

4.1.3 Memeriksa Koreksi Citra

4.1.3.1 Belum Koreksi

4.1.3.2 Sudah Koreksi

4.1.4 Proses Koreksi Geocoding4.1.4.1 Citra 100 Titik

4.1.4.2 Rektifikasi

4.1.5 Penggabungan Dua Citra (Overlay)

4.1.5.1 Drainage dan Road

4.1.5.2 Gabung Citra Spot

4.2 Pembahasan4.2.1 Koreksi RadiometriKoreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra, sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan obyek yang sebenarnya. Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian histogram, penyesuaian regresi, dan kalibrasi bayangan.

Salah satu cara koreksi radiometrik, yaitu metode penyesuaian histogram. Histogram sendiri adalah gambaran grafik dari suatu distribusi frekuensi relatif dalam suatu dataset. Dari histogram dapat dilihat nilai pixel terendah. Pada koreksi radiometri diasumsikan bahwa nilai pixel terendah pada suatu kerangka liputan (scene) seharusnya sama dengan nol sesuai dengan bit-coding sensor. Histogram dari citra yang digunakan nilai pixel terendahnya tidak sama dengan nol. Hal itu berarti nilai antara nol sampai dengan harga pixel terendah yang ditunjukkan oleh histogram tersebut dihitung sebagai offset. Besarnya offset tersebut menunjukkan besarnya pengaruh akibat gangguan atmosfer. Untuk mengkoreksinya dengan cara mengurangkan keseluruhan nilai pada saluran tersebut dengan offset-nya.

Cara perbaikan koreksi adalah sebagai berikut :

4.2.1.1 Penyesuain Histogram

Penyesuaian histogram dilakukan dengan menambahkan nilai terendah pada window Formula Editor. Misal nilai terendah pada Band1 adalah 68 maka kita tuliskan INPUT1-68. Kata INPUT1 sudah ada pada Formula Editor sehingga kita hanya menuliskan nilai terendahnya saja. Pengurangan angka dilakukan tanpa memperhatikan nilai positif (+) dan negatif (-) masing masing nilai tersebut. Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band yang dimulai dari 1.

Penyesuaian histogram digunakan untuk evaluasi histogram pada setiap band dari data penginderaan jauh. Data pada panjang gelombang tampak (saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfir. Sedangkan penyerapan atau absorbsi pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti saluran 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol.4.2.1.2 Dark Pixel Correction

Salah satu teknik lain dari Metode Penyesuaian Histogram. Untuk membuka Dark Pixel Correction, dapat melalui Land Application Wizard, Process TM Imagery, Atmospheric Effect Correction lalu pilih DPC, setelah sebelum nya di setting Remote Sensing pada Toolbar. Koreksi akan dilakukan secara otomatis, saat kita memasukkan file citra yang akan dikoreksi, yaitu Landsat_TM_23_Apr85.ers. Hasil yang didapat yaitu : Band1 = 1-188 ; Band2 = 1-203 ; Band3 = 1-239; Band4 = 1-215 ; Band5 = 1-253 ; Band7 = 1 - 246.

Fungsi Dark Pixel Correction terdapat pada Window Land Application Wizard toolbar Remote Sensing. Dengan melihat histogram tiap saluran secara independen. Dari histogram bisa diketahui nilai piksel terendah saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses pemotretan digital oleh sensor, obyek yang memberikan respon spektral paling lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya.

4.2.1.3 Enhanched Dark Pixel Correction

Teknik lain pada Metode Penyesuaian Histogram lain. Nilai TM yang digunakan sebagai inisial Band adalah TM 1. Hal ini dikarenakan TM 1 dianggap sudah mewakili nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau standar. Nilai akhir yang didapat yaitu : Band1 = 68-255 ; Band2 = 20-222 ; Band3 = 14-253 ; Band4 = 3-219 ; Band5 = 1-253 ; Band7 = 1-246.

Kita mengenai Enhanched Dark Pixel Correction dengan menggunakan nilai TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan yaitu Very Clear, Clear, Moderate, Hazy, dan Very Hazy dalam hal ini kita menggunakan metode koreksi Clear dengan syarat TM1 >55

laporan pengindraan jauh

Documents