MODIFIKASI ALGORITMA AVHRR

UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL)

CITRA AQUA MODIS

Briliana Hendra Prasetya

(3507100004)

Dosen Pembimbing :

Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS

Lalu Muhamad Jaelani, ST, MSc

PENDAHULUAN2

Latar Belakang

Perumusan Masalah

LAUTAN SPLMODIFIKASI ALGORITMA

AVHRRAQUA MODIS

ESTIMASI SPL LEBIH AKURAT

Bagaimana pengolahan citra satelit AQUA MODIS menggunakanmodifikasi algoritma AVHRR untuk estimasi SPL?

Bagaimana perbandingan hasil pengolahan SPL menggunakanmodifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahanSPL menggunakan algoritma AQUA MODIS asli dan dikaitkan dengandata pengukuran SPL di lapangan?

PENDAHULUAN3

Batasan Masalah

a. Citra AQUA MODIS tanggal 19 oktober 2010.

b. Pengukuran SPL di Selat Madura, citra AQUA MODIS yang digunakan mencakup perairan di sekitar Jawa Timur – Bali.

c. Algoritma AVHRR yang dimodifikasi algoritma MCSST dan NLSST

d. Band AQUA MODIS untuk modifikasi : band 20, 21, 22, 23, 31, 32.

e. Data validasi yaitu data pengukuran SPL di lapangan.

PENDAHULUAN4

Tujuan

Manfaat

Mengolah citra satelit AQUA MODIS menggunakan modifikasi algoritmaAVHRR untuk estimasi SPL.

Untuk membandingkan hasil pengolahan SPL menggunakan modifikasi algoritmaAVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritmaAQUA MODIS asli dan dikaitkan dengan data pengukuran SPL di lapangan.

Algoritma baru hasil modifikasi dapat digunakan untuk penelitian tentangestimasi SPL selanjutnya sedangkan hasil estimasi SPL tersebut digunakanuntuk memperkirakan kehidupan ekosistem di daerah yang diteliti.

Metodologi Penelitian5

Lokasi Penelitian

P. Madura

P. Jawa

P. Bali

U

Validasi Data

Metodologi Penelitian6

Data

• Data citra AQUA MODIS level 1B tanggal 19 Oktober 2010

• Data Geolokasi citra AQUA MODIS tanggal 19 Oktober 2010

• Data hasil pengukuran SPL diambil secara in-situ

• Peta administrasi Indonesia skala 1:1.000.000.

Peralatan

• Perangkat Keras (Hardware)

• - GPS Navigasi

• - Water Checker TROLL 9500 Multi Parameter Series S/N 47916

• Perangkat Lunak (Software)

• - ENVI 4.6.1

• - Matlab 7.0.1

• - ArcGIS 9.3

Metodologi Penelitian7

Tahap Pengolahan Data

Hasil dan Pembahasan8

Pengelompokan SPL dari Pengukuran di Lokasi

Penelitian

No Lintang BujurNilai SPL

(⁰C)1 -7 ⁰ 9,863 112⁰ 46,726 29,902 -7 ⁰10,569 112⁰ 46,772 29,483 -7 ⁰11,096 112⁰ 46,648 29,734 -7 ⁰11,701 112⁰ 46,734 29,405 -7 ⁰12,119 112⁰ 46,698 30,26

Rata-rata SPL 29,75

Hasil dan Pembahasan9

Modifikasi Algoritma NOAA-AVHRR untuk AQUA MODIS

Algoritma MCSST

• SST = 1.0364T1 + 1.0987(T1–T2) + 0.0030 (T1–T2) (secθ –1)– 280

Algoritma NLSST

• SST = 0.9676T1+ 0.0034Tsfc(T1–T2)+0.6760(T1–T2) (secθ – 1) – 260

Masing-masing algoritma dimodifikasi dengan 7 macam kombinasiband secara empiris yaitu : band 31&32, band 20&21, band 20&22, band 20&23, band 21&22, band 21&23, dan band 22&23.

Hasil dan Pembahasan

Analisis Modifikasi Algoritma AVHRR untuk AQUA MODIS

10

Citra NOAA/AVHRR Citra AQUA MODIS

Band Panjang Gelombang (µm) Band Panjang Gelombang (µm)

4 10,3 – 11,3 20 3,660 – 3,8405 11,5 – 12,5 21 3,930 – 3,989

22 3,930 – 3,98923 4,020 - 4,08031 10,780 – 11,28032 11,770 - 12,270

Menurut Sukresno (2008), Terdapat dua interval panjang gelombang yang umum digunakan untuk perhitungan SPL, yaitu infra merah jauh (10,1µm – 12,5µm) dan infra merah dekat (3,7µm – 4,2µm). Pada AQUA MODIS terdapat pada band 20, 21, 22, 23, 31, dan 32 sesuai dengan yang digunakan dalam modifikasi algoritma tersebut.

Hasil dan Pembahasan11

Citra AQUA MODIS

1

8

2

3

4

5

6

7

Koreksi Geometrik

• nilai rata-rata RMS error adalah 0,733 yaitu memenuhi toleransiyang diberikan yaitu ≤ 1 piksel

Hasil dan Pembahasan12

Suhu Permukaan Laut Hasil Pengolahan Citra

Suhu Permukaan Laut Algoritma AQUA MODIS Asli

No Lintang Bujur Nilai SPL (⁰C)1 -7 ⁰ 9,863 112⁰ 46,726 30,522 -7 ⁰10,569 112⁰ 46,772 28,773 -7 ⁰11,096 112⁰ 46,648 29,184 -7 ⁰11,701 112⁰ 46,734 29,975 -7 ⁰12,119 112⁰ 46,698 32,43

Rata-rata SPL 30,17

Hasil dan Pembahasan

Suhu Permukaan Laut Hasil Modifikasi Algoritma AVHRR untuk

AQUA MODIS

- Modifikasi Algoritma MCSST

Peta SPL Modifikasi Algoritma MCSST Kombinasi band 31 dan 32

13

No Lintang BujurSPL Modifikasi Algoritma NLSST (⁰C)

31&32 20&21 20&22 20&23 21&22 21&23 22&23

1 -7 ⁰ 9,863 112⁰ 46,726 29,96 33,97 34,14 37,74 35,92 39,52 39,19

2 -7 ⁰10,569 112⁰ 46,772 28,70 31,45 32,38 35,88 35,77 39,27 37,47

3 -7 ⁰11,096 112⁰ 46,648 28,80 31,62 32,87 36,93 36,80 40,86 38,41

4 -7 ⁰11,701 112⁰ 46,734 29,29 32,85 33,37 37,01 35,84 39,48 38,47

5 -7 ⁰12,119 112⁰ 46,698 30,76 36,79 36,88 40,79 38,30 42,21 42,04

Rata-rata SPL 29,50 33,34 33,93 37,67 36,53 40,27 39,12

Hasil dan Pembahasan

- Modifikasi Algoritma NLSST

14

No Lintang BujurSPL Modifikasi Algoritma NLSST (⁰C)

31&32 20&21 20&22 20&23 21&22 21&23 22&23

1 -7 ⁰ 9,863 112⁰ 46,726 29,49 33,09 33,25 36,77 34,95 38,47 38,16

2 -7 ⁰10,569 112⁰ 46,772 28,30 30,71 31,61 35,01 34,84 38,25 36,53

3 -7 ⁰11,096 112⁰ 46,648 28,39 30,85 32,07 36,02 35,82 39,77 37,44

4 -7 ⁰11,701 112⁰ 46,734 28,86 32,03 32,53 36,08 34,90 38,45 37,47

5 -7 ⁰12,119 112⁰ 46,698 30,27 35,73 35,81 39,66 37,17 41,02 40,86

Rata-rata SPL 29,06 32,48 33,06 36,71 35,54 39,19 38,09

Hasil dan Pembahasan

Analisis SPL Hasil Pengolahan Citra

15

a• SPL pengolahan dengan algoritma AQUA MODIS Asli nilainya lebih tinggi dari

data lapangan

b

• Nilai SPL hasil pengolahan dengan modifikasi algoritma AVHRR yang paling mendekati data lapangan yaitu modifikasi algoritma MCSST dan NLSST kombinasi 31 dan 32.

c

• SPL pengolahan citra tidak ada yang sama persis dengan data lapangan. SPL pengolahan citra berasal dari tenaga termal yang dipancarkan hinggakedalaman 0,1 mm, sedangkan data lapangan diukur pada kedalaman 0-1 m.

d

• Berdasarkan visualisasi peta, SPL berhubungan dengan fungsi kedalaman (Wijanarko, AB, 2003 dalam Santoso, 2008) yaitu semakin kaarah laut dalam nilai SPL semakin rendah.

Hasil dan Pembahasan16

Korelasi Linear

Korelasi Linear AQUA MODIS Asli dengan Data Lapangan

Nilai R2 = 0,7087 atau R2 = 70,87% menunjukkan hubunganpositif yang tinggi

Hasil dan Pembahasan

Korelasi Linear Modifikasi Algoritma AVHRR dengan Data

Lapangan

17

KombinasiBand

Modifikasi Algoritma MCSST Modifikasi Algoritma NLSST

Korelasi (R2) ProsentaseKorelasi (%) Korelasi (R2) Prosentase

Korelasi(%)31 dan 32 0,7212 72,12 0,7214 72,14

20 dan 21 0,7218 72,18 0,7191 71,91

20 dan 22 0,7811 78,11 0,7820 78,20

20 dan 23 0,8122 81,22 0,8132 81,32

21 dan 22 0,7077 70,77 0,6940 69,40

21 dan 23 0,6596 65,96 0,6509 65,09

22 dan 23 0,8179 81,79 0,8208 82,08

Hasil dan Pembahasan

Korelasi Linear Modifikasi Algoritma AVHRR dengan Algoritma

AQUA MODIS Asli

18

KombinasiBand

Modifikasi Algoritma MCSST Modifikasi Algoritma NLSST

Korelasi (R2) ProsentaseKorelasi (%) Korelasi (R2) Prosentase

Korelasi(%)31 dan 32 0,9979 99,79 0,9986 99,86

20 dan 21 0,9011 90,11 0,8998 89,98

20 dan 22 0,9016 90,16 0,8997 89,97

20 dan 23 0,8929 89,29 0,8925 89,25

21 dan 22 0,9410 94,10 0,9388 93,88

21 dan 23 0,9325 93,25 0,9311 93,11

22 dan 23 0,9449 94,49 0,9432 94,32

Hasil dan Pembahasan

Analisis Korelasi Linear

19

Modifikasi algoritma yang memiliki korelasi baik dan nilainya mendekatidata lapangan adalah :

MCSST kombinasi band 31 dan 32

• korelasi terhadap data lapangan 72,12%

• korelasi terhadap AQUA MODIS Asli 99,79%

NLSST kombinasi band 31 dan 32

• korelasi terhadap data lapangan72,14%

• korelasi terhadap AQUA MODIS Asli 99,86%

Nilai R2 yang semakin mendekati nilai 1 atau 100% menunjukkan adanya tingkat hubungan yang tinggi dan sebaliknya, makin dekat nilai R2 dengan 0 makin jelek hubungannya. (Walpole, 1995)

Hasil dan Pembahasan

Uji Ketelitian

Ketelitian SPL Algoritma AQUA MODIS Asli terhadap Data Lapangan S=1,04°C

Ketelitian SPL Modifikasi Algoritma AVHRR terhadap Data Lapangan

20

Modifikasi Algoritma MCSSTKombinasi

Band Simpangan( C)

31 dan 32 0,5420 dan 21 1,7020 dan 22 1,3220 dan 23 1,4021 dan 22 0,7221 dan 23 0,8922 dan 23 1,29

Modifikasi Algoritma NLSSTKombinasi

Band Simpangan( C)

31 dan 32 0,5020 dan 21 1,5920 dan 22 1,2220 dan 23 1,3121 dan 22 0,6621 dan 23 0,8322 dan 23 1,21

Hasil dan Pembahasan21

Analisis Uji Ketelitian

• Menurut Sukresno, 2008, perbandingan hasil perhitungansatelit dengan data hasil pengukuran insitu menggunakandata Buoy Tao pada kedalaman 1 meter yang sejauh inimemiliki selisih berkisar 0,50°C.

a

• Modifikasi algoritma yang memenuhi toleransi tersebutadalah modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan simpangan 0,50°Cb

• Modifikasi algoritma NLSST band 31 dan 32 menghasilkannilai SPL yang lebih teliti dan algoritma tersebut dapatdirekomendasikan untuk dilakukan penelitian lebih lanjutuntuk memastikan berlakuknya algoritma baru tersebut.

c

Kesimpulan dan Saran22

Kesimpulan

a• Nilai RMSerror rata-rata pengolahan citra AQUA MODIS tanggal 19

Oktober 2010 adalah 0,733.

b

• Hasil korelasi pengolahan SPL dengan algoritma AQUA MODIS Asliterhadap data lapangan yaitu R2=70,87%, hal ini menunjukkan adanyahubungan positif yang tinggi.

c

• Modifikasi algoritma menghasilkan SPL yang memiliki korelasi baik dannilainya mendekati SPL data lapangan yaitu pada modifikasi algoritmaMCSST kombinasi band 31 dan 32 dengan R2=72,12% serta modifikasialgoritma NLSST kombinasi band 31 dan 32 dengan R2=72,14%.

Kesimpulan dan Saran23

d

• Uji ketelitian hasil pengolahan SPL algoritma AQUA MODIS asli dengan data lapangan yaitu 1,04°C, hal ini melebihi toleransi yang diberikan yaitu ≤ 0,50°C sehingga kurang teliti terhadap data lapangan.

e

• Hasil Modifikasi algoritma yang menghasilkan SPL memenuhi toleransi pada saat uji ketelitian yaitu ≤ 0,50°C adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 yaitu 0,50°C sehingga menghasilkannilai SPL yang lebih baik dan mendekati data lapangan daripadapengolahan dengan algoritma AQUA MODIS Asli.

Kesimpulan dan Saran24

Saran

Untuk penelitian selanjutnya sebaiknya ujiketelitian dilakukan menggunakan data citradan data lapangan pada waktu yang samasehingga dapat diperoleh tingkat kecocokandan ketelitian yang lebih akurat.

Sebaiknya hasil modifikasi yang telah terujidan memenuhi toleransi pada penelitian inidilakukan untuk penelitian lebih lanjutdengan menggunakan citra pada bulanyang berbeda sehingga dapat menguatkankebenaran dari hasil modifikasi algoritmatersebut.

Sekian dan Terima Kasih

25