LAPORAN PRAKTIKUM

Penginderaan Jauh Terapan Untuk Sumberdaya Lahan

ACARA VI

Transformasi Citra

Oleh :

Dodik Prasetyo Prabowo

120722420629

UNIVERSITAS NEGERI MALANG

FAKULTAS ILMU SOSIAL

JURUSAN GEOGRAFI

PROGRAM STUDI S1 GEOGRAFI

MARET 2015

A. TUJUAN

1. Agar mahasiswa mampu menggabungkan beberapa saluran citra agar

didapatkan citra yang mempunyai resolusi spasial maupun radiometric yang

baik

2. Mahasiswa dapat melakukan penisbahan saluran untuk menonjolkan objek

kajian tertentu

3. Mahasiswa dapat melakukan transformasi vegetasi untuk tujuan identifikasi

kerapatan vegetasi serta monitoring kesehatan tanaman

B. ALAT dan BAHAN

1. Laptop/PC

2. Data mentah Citra Landsat 7 ETM+ dan citra yang telah terkoreksi secara

radiometric maupun geomtrik

3. ENVI 4.5

4. Modul Praktikum

5. Alat tulis lengkap

C. DASAR TEORI

Image fusion

Pada bidang pengindraan jauh dikenal definisi dari fusi data yaitu sebuah

format kerja formal tentang cara dan alat bantu untuk menggabungkan data yang

didapatkan dari sumber yang berbeda. Data fusion bertujuan mendapatkan

informasi dengan kualitas yang lebih baik. Definisi “kualitas yang lebih baik”

akan bergantung kepada aplikasinya (Wald 1999).

Data citra yang sering dipakai dalam analisis pengindraan jauh antara lain

adalah citra pankromatik dengan informasi keabu-abuan, umumnya memiliki

informasi spasial tinggi sehingga dapat membantu melokasikan suatu objek di

muka bumi. Selain itu terdapat pula citra multispektral berwarna dengan saluran

multispektrum yang lebih memberikan informasi warna berdasarkan pantulan dan

penyerapan sinar elektromagnetik oleh objek yang ditangkap oleh sensor. Pada

umumnya citra multispektral beresolusi rendah dengan artian memiliki informasi

spasial yang rendah namun memberikan informasi warna yang tinggi.

Pada sistem sensor satelit pengindraan jauh, resolusi spasial dan resolusi

spektral citra merupakan hal yang saling bertolak belakang. Beberapa satelit

pengindraan mampu memberikan citra dengan informasi multispektral yang dapat

membedakan fitur secara spektral namun tidak secara spasial, begitu juga

sebaliknya (Wang et al.2005).

Pada dasarnya sebuah citra pankromatik mempunyai rentang spektrum

gelombang yang lebih besar daripada kanal/band multispektral. Dengan demikian

untuk menerima sejumlah energi yang sama, ukuran sensor pankromatik dapat

lebih kecil dibandingkan sensor multispektral. Oleh karena itu dalam sekali

perekaman, sensor pankromatik dengan ukuran yang sama dapat memberikan

lebih banyak informasi spasial. Selain itu volume data sepasang citra

multispektral resolusi rendah akan jauh lebih kecil jika dibandingkan dengan

volume sebuah citra multispektral resolusi tinggi (Zhang 2004).

Keterbatasan pada penyediaan citra multispektral beresolusi tinggi

didapatkan solusi untuk menghasilkan citra multispektral yang kaya akan

informasi spasial maupun informasi warna.

Kedua citra pankromatik dan citra multispektral, terlebih penggabungan

kedua citra tersebut, memiliki andil yang besar dalam aplikasi indraja. Proses

penggabungan citra pankromatik dan citra multispektral ini umum dikenal sebagai

image fusion atau pan-sharpening. Fusi citra (image fusion) secara umum

diartikan sebagai teknik untuk mengintegrasikan detail geometri atau spasial dari

suatu citra pankromatik beresolusi tinggi dengan citra multispektral beresolusi

rendah. Tujuan yang hendak dicapai dalam tahapan ini adalah didapatkannya

tepian objek (edge) yang semakin jelas serta didapatkannya informasi warna yang

semakin tajam dan representatif dengan mengacu pada citra multispektral awal.

Proses fusi citra pada bidang pengindraan jauh bertujuan mempermudah langkah

analisis citra satelit, terutama pada analisis yang memerlukan ekstrasi objek citra

secara detail, diantaranya analisis penggunaan lahan (land use), analisis tata ruang

kota, analisis tren perkembangan wilayah, aplikasi prediksi bencana alam maupun

kegunaan lainnya.

Dalam pengindraan jauh terdapat beberapa metode fusi citra yang biasa/umum

digunakan, diantaranya adalah:

1. Gram-Schmidt Pan Sharpening

Dengan menggunakan transformasi Gram-Schmidt pada kanal/band kedua

citra.

2. Metode Brovey

Merupakan metode yang paling populer untuk memadukan dua macam citra

yang berbeda resolusi spasial atau lebih mudahnya merupakan metode

perkalian antara citra multispektral dan citra pankromatik. Namun terbatas

pada band RGB saja pada citra multispektralnya.

3. Metode PCA (Principal Camponent Analysis)

Menganalisis data multispektral dengan saluran yang relatif banyak dan satu

sama lain saling berkorelasi, sehingga membentuk citra baru dengan jumlah

band lebih sedikit.

4. Metode Hue Saturation value

PENISBAHAN SALURAN

Penisbahan saluran (Band Ratios) digunakan untuk menonjolkan

perbedaan spektral antar saluran dan mengurangi efek topografi. Pembagian

satu saluran spektral dengan yang lain menghasilkan citra yang memberikan

intensitas relatif saluran. Citra tersebut memperjelas perbedaan spektral antar

saluran, juga menonjolkan aspek informasi tertentu yang tidak muncul pada citra

biasa. Untuk menonjolkan beberapa aspek hasil penisbahan saluran secara

simultan, maka bisa disusun suatu citra komposit yang lebih dikenal dengan

Color-Ratio-Composite (CRC).

Transformasi Vegetasi

Indeks vegetasi merupakan nilai yang diperoleh dari gabungan beberapa

spektral band spesifik dari citra penginderaan jauh. Gelombang indeks vegetasi

diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh

untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman. Tanaman

memancarkan dan menyerap gelombang yang unik sehingga keadan ini dapat di

hubungakan dengan pancaran gelombang dari objek-objek yang lain sehingga

dapat di bedakan antara vegetasi dan objek selain vegetasi (Horning, 2004).

Ada beberapa macam indeks vegetasi yang tentunya sudah sering

dimanfaatkan untuk aplikasi – aplikasi tertentu. Indeks vegetasi yang paling tua

adalah Ratio Vegetation Index (RVI) yang dipublikasikan oleh Jordan (1969) dan

yang paling terkenal adalah Normalized Difference Vegetation Index (NDVI)

yang dipublikasikan oleh Deering (1978). Kedua indeks ini menggunakan

band/saluran pada panjang gelombang infra merah dekat (NIR) dan merah (red).

Selain kedua indeks vegetasi diatas, masih banyak lagi jenis jenis indeks vegetasi

yang bisa diterapkan untuk berbagai keperluan pemetaan vegetasi diantaranya

TVI, SAVY, TNDVI, ARVI, dan lain lain. Perhitungan indeks vegetasi dapat

dilakukan paca citra satelit yang memiliki saluran merah (visible) dan saluran

inframerah dekat (NIR).

D. LANGKAH KERJA

Image Fusion

Diagram alir dalam proses fusi citra yaiut sebagai berikut

1. Buka file smg_raw.lan (citra multispektral, 30m) dan smgp_raw (citra

pankromatik, 15m), keduanya belum georeferenced.

2. Ubah ukuran piksel multispektral menjadi ukuran pankromatik. Klik Basic

Tools > Resize Data (Spatial/Spectral), pilih file multispektral, OK.

3. Muncul jendela Resize Data Parameters, pada Output File Dimensions ganti

xfac = 2, dan yfac = 2. Angka tersebut merupakan faktor perbesaran dari

dimensi 700 x 1000 ke 1400 x 2000, mengapa dimensi diubah?

4. Tentukan metode resampling dan simpan file output. File otomatis berada

pada jendela Available Bands List.

5. Ubah suatu komposit RGB ke HSV Pada menu utama klik Transform >

Color Transforms > RGB to HSV. Buat komposit sesuai keinginan Anda dari

citra yang telah di-resize. Klik OK.

6. Simpan file hasil transformasi atau biarkan hanya sebagai memory. OK.

7. Stretch data pankromatik untuk menggantikan posisi intensity value citra

komposit. Klik Basic Tools > Stretch Data, masukkan data pankromatik, OK.

8. Pada jendela Data Stretching, masukkan pada box Output Data Range min =

0 dan max = 1.0. Simpan hasil stretch sebagai file atau memory, OK.

9. Penggantian Intensity value dengan data pankromatik Klik Transform >

Color Transforms > HSV to RGB, masukkan pada box H dan S citra komposit

Hue dan Sat berturut-turut dari citra HSV sebelumnya, dan pada box V

masukkan citra pankromatik yang sudah di-stretch. Jika sudah klik OK,

simpan file atau sebagai memory. Otomatis citra komposit yang baru akan

muncul pada jendela Available Bands List.

10. Klik Load RGB untuk menampilkan citra hasil fusi.

11. Buka jendela display baru, tampilkan komposit yang sama dari file

smg_raw.lan.

Penisbahan Saluran

1. Panggil file citra yang sudah terkoreksi baik radiometrik maupun

geometrik.

2.Pada menu utama klik Transform > Band Ratios, masukkan saluran

sebagai pembilang (numerator) dan penyebut (denominator).

3. Klik Enter Pair, dan OK. Simpan citra sebagai file atau memory.

Tampilkan citra hasil.

4. Lakukan untuk semua band-ratio di atas.

5.Kemudian buatlah komosit warna citra penisbahan (CRC) 5/7, 3/1, 2/4

(RGB), tampilkan dan pertajam dengan equalisasi histogram default pada

jendela display image.

6.Perhatikan kenampakan di citra komposit, tanah lempung atau karbonat

berwarna magenta, oksida besi berwarna hijau, dan vegetasi berwarna

merah. Anda dapat mengembangkan sendiri komposisi warnanya untuk

menonjolkan aspek yang lain.

E. HASIL PRAKTIKUM

Hasil praktikum ini terdapat pada lembar lampiran

F. PEMBAHASAN

Fusi citra

Tujuan yang dicapai dalam fusi citra adalah didapatkannya tepian objek

(edge) yang semakin jelas serta didapatkannya informasi warna yang semakin

tajam dan representatif dengan mengacu pada citra multispektral awal. Proses fusi

citra pada bidang pengindraan jauh bertujuan mempermudah langkah analisis

citra satelit, terutama pada analisis yang memerlukan ekstrasi objek citra secara

detail, diantaranya analisis penggunaan lahan (land use), analisis tata ruang kota,

analisis tren perkembangan wilayah, aplikasi prediksi bencana alam maupun

kegunaan lainnya.

Dalam praktikum ini dilakukan fusi citra landsat antara komposit saluran 432

dengan saluran pankromatik.Pada komposit 432 mempunyai keunggulan yaitu

jumlh Dalam praktikum ini dilakukan fusi citra landsat antara komposit saluran

432 dengan saluran pankromatik.Pada komposit 432 mempunyai keunggulan

yaitu jumlh saluran yang banyak yaitu 3 saluran. Saluran 4(inframerah dekat ) dan

saluran 3 digunakan identifikasi vegetasi. Sedangkan pada saluran 2 mendeteksi

tubuh air. Kekurangan saluran multispectral terletak pada resolusi spasial yang

rendah yaitu 30 m. sedangkan pada saluran pankromatik mempunyai kelebihan

pada resolusi spasial yang lebih baik dari multispectral yaitu 15 m, tetapi tidak

memiliki saluran lain untuk identfiikasi objek yang lebih detail dan spesifik.

Tujuan dari penggabungan citra komposit 432 dengan saluran pankromatik adalah

untuk identifikasi vegetasi dengan tingkat spasial yang lebih baik. ada dasarnya

sebuah citra pankromatik mempunyai rentang spektrum gelombang yang lebih

besar daripada kanal/band multispektral. Dengan demikian untuk menerima

sejumlah energi yang sama, ukuran sensor pankromatik dapat lebih kecil

dibandingkan sensor multispektral. Oleh karena itu dalam sekali perekaman,

sensor pankromatik dengan ukuran yang sama dapat memberikan lebih banyak

informasi spasial. Selain itu volume data sepasang citra multispektral resolusi

rendah akan jauh lebih kecil jika dibandingkan dengan volume sebuah citra

multispektral resolusi tinggi (Zhang 2004).

Penggabungan citra dilakukan dengan menghilangkan saluran biru dan

menggantinya dengan citra pankromatik, sehingga didapatkan citra komposit 432

yang dapat mengidentifikasi vegetasi dengan lebih baik dikarenakan penambahan

resolusi spasial. Pada kenampkan citra hasil fusi. Terlihat bahwa bentuk dan pola

objek disusun oleh citra pankromatik, sedangkan warna dari objek tersebut

disusun oleh citra multispectral saluran 4 dan 3 yang peka terhadap vegetasi.

Salah satu syarat untuk dapat dilakukannya fusi citra yaitu menyamakan

ukuran piksel atau jumlah piksel dari 2 citra yang akan digabungkan. Sehingga

sebelum dilakukan penggabungan, ukuran piksel dari saluran multispectral harus

disamakan dari 700x1000 menjadi 1400x2000, hal ini bertujuan untuk

menyamakan ukuran piksel sehingga citra dapat digabungkan. Tetapi sebelum

digabungkan, citra multispectral yang beformat RGB terlebih dahulu dikonversi

menjadi HSV (Hue, Saturation, Value) karena penggantian komposisi citra dapat

dilakukan pada format HSV. Untuk citra pankromatik, data harus distreching agar

dapat menggantikan intensity value citra konversi RGB. Salah satu syarata lain

yang harus dipenuhi adalah citra yang akan digabungkan harus mempunyai

georeferensi yang sama, serta resolusi dua citra yang akan digabungkan tidak jauh

berbeda seperti halnya pada citra praktikum.

Penisbahan saluran

Penisbahan saluran digunakan untuk menghasilkan efek tertentu dalam

kaitannya dengan penonjolan aspek vegetasi, pengurangan efek bayangan, serta

penonjolan litologi. Efek dari penisbahan adalah dapat menonjolkan aspek

kerapatan vegetasi, khususnya untuk penisbahan saluran inframerah dekat

dengan saluran merah. Selain itu, penisbahan saluran dapat menekan efek

bayangan, misalnya pada lereng bervegetasi. Pada lahan terbuka, penisbahan

saluran digunakan untuk menonjolkan pembedaan litologi secara spectral.

Pada praktikum ini, ada 3 penisbahan saluran yaitu 5/7, 3/1, dan 2/4.

Pada penisbahan 5/7, ditonjolkan objek berupa lempung, karbonat, serta

vegetasi. Pada display citra greyscale nisbah saluran 5/7, kenampakan lempung

ditandai dengan rona cenderung keabuan. Karena lempung cenderung menahan

air sehingga ketika berinteraksi dengan gelombang maka akan menyerap

gelombang tersebut. Pada citra komposit penisbahan saluran, kenampakan

lempung ditandai dengan warna hijau tua. Selian itu, karbonat juga

teridentifikasi dengan warna magenta yang ada pada perairan. Pola karbonat

semakin banyak di areal pesisir yang menandakanbahwa pada lokasi tersebut

terdapat penggaraman. Pada penisbahan 3/1, objek yang ditonjolkan adalah

oksidasi besi rona. Pada display grayscale, objek ini ditandai dengan rona

keabuan, sedangkan pada komposit saluran nisbah ditandai dengan warna hijau

tua. Sedangkan pada penisbahan saluran 2/4, objek yang ditonjolkan adalah

vegetasi. pada komposit citra saluran nisbah, vegetasi ditandai dengan warna

orange hingga warna merah.

Transformasi vegetasi

Transformasi vegetasi digunakan untuk indentifikasi kehidupan serta

jumlah dari suatu tanaman. Pada praktikum ini digunakan transformasi NDVI

(Normalized Different Vegetation Index) yang diturunkan dari kombinasi band 4

(inframerah dekat) dan band 3(saluran merah). Pada NDVI, Tanaman hidup

menyerap gelombang tanpak (visible) biru dan merah dan memantulkan

gelombang hijau sehingga mata manusia dapat mendeteksi warna hijau pada

tanaman. Namun ternyata tidak hanya gelombang hijau yang dipantulkan oleh

tanaman, pantulan paling dominan pada tanaman ternyata adalah gelombang

inframerah dekat (NIR). Tapi karena mata manusia tidak dapat menangkap

cahaya pada gelombang inframerah tersebut maka warna merah ini tidak terlihat

pada mata manusia. Padahal pantulan inframerah dekat pada tanaman mencapai

60%, kontras sekali dengan pantulan gelombang hijau yang hanya 2.saluan

inframerah dekat terdapat dalam bagian dari spektrum dimana

klorofil menyebabkan adanya penyerapan terhadap  radiasi cahaya yang datang

yang dilakukan saat fotosintesis, sedangkan saluran merah terdapat dalam daerah

spektral dimana struktur daun spongy mesophyll menyebabkan adanya pantulan

terhadap radiasi cahaya.

Pada praktium ini, pengkelasan NDVI dibagi menjadi 5 kelompok, pada kelas

pertama dengan nilai NDVI -0.9 hingga -0.57 merupakan tubuh air yang tidak

terdapat klorofil, sehingga nilia NDVI nya sangat rendah bahkan cenderung

minus mendekati -1. Pada NDVI slices ditandai dengan warna merah. Sedangkan

pada kelas kedua yaitu pada rentang nilai NDVI -0.57 hingga -0.24 merupakan

lahan terbuka dan terbangun. Untuk kelas kedua ini masih sama belum terdapat

klorofil sehingga nilai NDVI nya masih minus. Pada slices NDVI ditandai

dengan warna kuning. Pada kelas yang ketiga yaitu rentang nilai NDVI -0.24

hingga 0.0809, pada kelas ini nilai NDVI sudah terdapat nilai positif walaupun

masih kecil. Hal ini menandakan bahwa terdapat vegetasi dengan umur yang

masih muda dan kerapatan yang rendah, yang dapat disimpulkan objek vegetasi

tersebut masih memiliki sedikit klorofil yang mengarah pada objek rerumputan

dan slice NDVI ditandai dengan warna biru. Pada kelas selanjutnya yaitu pada

rentang nilai NDVI 0.08 hingga 0.4, menandakan bahwa objek yang masuk pada

kelas ini mempunyai umur yang cukup serta kerapatan vegetas yang sedang.

Objek ini mengarah pada lahan tegalan atau perkebunan karena memiliki umur

tanaman yang dewasa dan kerapatan yang sedang. Pada NDVI slice ditandai

dengan warna cyan. Area yang masuk pada kelas ini umumnya berada di dataran

rendah hingga lereng tengah perbukitan, yang memperkuat asosiasi lahan tegalan

serta perkebunan. Pada kelas terakhir yaitu dengan nilai NDVI 0.40 hingga 0.73,

menandakan bahwa area yang masuk pada kelas ini mempunyai vegetasi dengan

umur dewasa hingga tua serta kerapatan yang cukup tinggi karena memiliki

klorofil yang cukup banyak ditandai dengan nilai NDVI yang tinggi. Objek yang

masuk pada kelas ini mengarah pada vegetasi tahunan yang terletak di lereng

atas suatu perbukitan. Dan pada NDVI slice ditandai dengan warna hijau. NDVI

umumnya digunakan untuk menentukan umur serta kesehatan tanaman. Pada

bidang pertanian presisi, NDVI digunakan untuk memonitor kesehatan tanaman,

menghitung volume tegakan tanaman.

G. KESIMPULAN

Dari praktikum ini dapat disimpulkan bahwa dengan kebutuhan akan citra

satelit resolusi tinggi dan resolusi spektrla yang baik, dapat dipenuhi dengan cara

fusi citra yang menghasilkan citra dengan resolusi spasial dan spectral yang baik.

Pada citra hasil praktikum, didapat citra denga identifikasi tumbuhan dengan

komposit 432 serta resolusi spasial 15 meter.

Pada praktikum penisbahan saluran, bertujuan untuk menonjolkan suatu

objek, pada praktikum ini objek yang ditonjolkan adalah lempung, karbonat,

oksida besi, seta vegetasi. dari hasil komposit penisbahan saluran didapatkan citra

dengan identifikasi objek yang menonjol serta berkurangnya efek topogtrafi yang

menyebabkan bayangan, sehingga menyulitkan praktikan ketika identifikasi tanpa

penisbahan saluran.

Pada praktikum NDVI, didapatkan citra denga klasifikasi objek vegetasi

dan bukan vegetasi. selain itu pada objek vegetasi, praktikan dapat

mengelompokan vegetasi dengan umur serta kerapatan berdasarkan nilai NDVI

yang didapat.

H. DAFTAR PUSTAKA

Kihari. 2011. Fusi citra dalam penginderaan jauh. Online

(http://kihari.blogspot.com/2014/02/fusi-citra-image-fusion-dalam.html)

diakses tanggal 3 maret 2015

Budiyanto. Tanpa tahun. Indeks vegetasi. Online

(http://geo.fis.unesa.ac.id/web/index.php/en/penginderaan-jauh/77-indeks-

vegetasi)

Projo, danoedoro. 2012 Penginderaan jauh digital. Jogjakarta : Penerbit Andi

I. LAMPIRAN

Gambar 1 : Citra Landsat 7 Komposit 432 dan Pankromatik Gambar 2 : Hasil Konversi Citra Landsat 7 dalm bentuk HSV

Gambar : citra hasil stretching data saluran panrkomatik Gambar: citra Landsat 7 hasil fusi komposit 432 dan pankromatik

Gambar : band ratio 5/7 Gambar : band ratio 3/1

Gambar : band ratio 3/1 Gambar : citra Komposit band ratio

Gambar : Slice NDVI Gambar : Kelas dalam Slice NDVI