MODUL 2.docx

56
LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL 2 KOREKSI RADIOMETRI IRMA KUSUMADEWI K2D 009 047 SHIFT 3 JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG

Transcript of MODUL 2.docx

Page 1: MODUL 2.docx

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

MODUL 2

KOREKSI RADIOMETRI

IRMA KUSUMADEWI

K2D 009 047

SHIFT 3

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2011

Page 2: MODUL 2.docx

BAB I

PENDAHULUAN

1.1. Latar Belakang

Atmosfer merupakan faktor luar yang berpengaruh pada

penyinaran. Bentuk dan besarnya pengaruh atmosfer dapat berubah-

ubah bagi satu misi penerbangan tertentu dan perubahannya sangat

cepat di antara misi yang berbeda. Selain itu citra satelit yang dihasilkan

belum terlalu sempurna untuk di interpretasikan. Citra tersebut masih

perlu dilakukan dengan penajaman pada beberapa bidang. Pada

praktikum ini dilakukan beberapa macam koreksi yang dilakukan.ER

Mapper 7.0 telah menyediakan cara mudah untuk melakukan koreksi dari

radiometri, dark pixel correction, enhanced dark pixel correctoin (chaves),

cut-off values (scattergram). Semua jenis koreksi ini untuk mengurangi

hamburan yang terjadi pada atmosfer maka untuk itu pengaruh atmosferik

harus diperhitungkan jika akan dilakukan pembandingan pantulan obyek

antara beberapa misi berdasarkan pengukuran penyinaran. Satelit

penginderaan jauh dapat dibedakan berdasarkan jenis gelombang mikro

yang digunakan, yaitu system pasif (optik) dan sistem aktif (radar). Pada

sistem pasif, sensor merekam objek (permukaan bumi) yang mendapat

sinar matahari sebagai sumber energi, sehingga kualitas citra bergantung

pada intensitas sinar matahari. Apabila objek tertutup awan maka objek

tidak terlihat atau tidak tergambarkan. Pada sistem aktif, sensor merekam

objek menggunakan energi elektromagnetik buatan yang dipancarkan

dari sensor dan kemudian diterima kembali oleh antenna (Sutanto, 1987).

Page 3: MODUL 2.docx

1.2. Tujuan

Agar mahasiswa mampu melakukan koreksi radiometrik citra

dengan Metode Penyesuaian Histogram menggunakan perangkat

lunak ER Mapper 6.4 maupun ER Mapper 7.0.

Page 4: MODUL 2.docx

BAB II

TINJAUAN PUSTAKA

2.1. Koreksi Radiometri

Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya

sesuai dengan yang seharusnya yang biasanya mempertimbangkan

faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek

atmosfer menyebabkan nilai pantulan obyek dipermukaan bumi yang

terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi

menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena

proses serapan. Metode-metode yang sering digunakan untuk

menghilangkan efek atmosfer antara lain metode pergeseran histogram

(histogram adjustment), metode regresi dan metode kalibrasi bayangan.

(Projo Danoedoro, 1996).

Koreksi Radiometri bertujuan untuk memperbaiki kualitas visual

citra, sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan

nilai pantulan obyek yang sebenarnya. 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 obyek 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.

(http://www.geocities.com/yaslinus/b3_6.html, diakses pada tanggal 25

Maret 2011 pukul 19.00)

2.2. Penyesuaian Histogram

Metode ini paling sederhana, hanya dengan melihat histogram tiap

saluran secara independen. Dari histogram bisa diketahui nilai piksel

terendah saluran tersebut, asumsi yang melandasi metode ini adalah

Page 5: MODUL 2.docx

bahwa dalam proses coding digital oleh sensor, obyek yang memberikan

respon spektral paling lemah atau tidak memberikan respon sama sekali

seharusnya nernilai nol. Apabila nilai ini ternyata > 0 maka nilai tersebut

dihitung sebagai offset dan koreksi dilakukan dengan mengurangi

keseluruhan nilai pada saluran tersebut dengan offsetnya. (Projo

Danoedoro,1996).

2.3. Penyesuaian Regresi

Penyesuaian regresi diterapkan dengan memplot nilai-nilai piksel

hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan

apabila ada saluran rujukan (yang relatif bebas gangguan) yang

menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran

dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram

pancar nilai piksel yang diamati. Cara ini secara teoritis mudah namun

secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada

semua spektra saluran tampak. Pengambilan pksel-piksel pengamatan

harus berupa obyek yang secara gradual berubah naik nilainya, pada

kedua saluran sekaligus dan bukan hanya pada salah satu saluran

( Lillesand dan Kiefer, 1979).

2.3.1. Dark Pixel Correction

Koreksi piksel gelap merupakan metode sederhana yang

digunakan untuk menghilangkan efek atmosfer saat image radiance. Efek

ini terkait dengan kontribusi hamburan aditif (additive scaterring) dari

atmosfer dan efek dari transmisi multiplikatif energi melalui atmosfer

( Lillesand dan Kiefer, 1979).

Page 6: MODUL 2.docx

BAB III

MATERI DAN METODE

3.1. Materi

Materi yang disampaikan pada praktikum penginderaan jauh adalah mengenai :1. Membuka Citra dan Memeriksa Atmosferic Bias

2. Metode Penyesuaian Histogram

3. Dark Pixel Correction (DPC)

4. Enhanched Dark Pixel Correction (EDPC)

5. Cut-off Scattergram

3.2. Waktu dan Pelaksanaan

Hari : Jum’at, 25 Maret 2011

Waktu : 13.20 – 15.00 WIB

Tempat : Laboratorium Komputasi Kampus Ilmu Kelautan, Universitas

Diponegoro, Semarang.

3.3. Metode

Buka aplikasi ER Mapper, lalu klik icon Edit Algorithm

Page 7: MODUL 2.docx

Kemudian buka citra wilayah pesisir dengan Load Dataset kemudian pilih

ER Mapper 70 → Example → Shared Data →

Landsat_TM_23apr85_ers.

Kemudian akan muncul tampilan seperti dibawah ini

Page 8: MODUL 2.docx

Copy Pseudo Layer menjadi 6. Dan ubah nama nya menjadi Band 1 –

Band 7

Samakan Band 1 disebelah kiri dengan Band disebelah kanan

Page 9: MODUL 2.docx

3.3.1. Penyesuaian Histogram dan Nilai atmosfir bias

Pada Band 1, klik Edit Transform Limit

Kemudian akan muncul tampilan seperti dibawah ini

Tampilan Band 2 seperti dibawah ini

Page 10: MODUL 2.docx

Tampilan Band 3 seperti dibawah ini

Tampilan Band 4 seperti dibawah ini

Tampilan Band 5 seperti dibawah ini

Page 11: MODUL 2.docx

Tampilan Band 7 seperti dibawah ini

3.3.2. Penyesuaian histogram

Klik di Band 1, lalu klik Edit Formula E=mc2

Kemudian akan muncul tampilan seperti dibawah ini

Page 12: MODUL 2.docx

Masukkan angka yang tertera pada bagian bawah Dialog Box

Transform ( Input – 67 ), kemudian klik Apply Change.

Lakukan pada Band 2, Band 3, dan seterusnya sampai Band 7.

Page 13: MODUL 2.docx

Setelah selesai semua, klik Edit – Delete This Transform

Lakukan juga pada Band 2, Band 3 sampai Band 7.

Page 14: MODUL 2.docx

Kemudian pastikan Default Surface dalam keadaan aktif lalu klik File –

Save As. Ketik Penyesuaian Histogram dan ubah File As Type menjadi

Er Mapper Raster Dataset.

Klik Ok pada Dialog Box yang muncul seperti di bawah ini

Page 15: MODUL 2.docx

3.3.3. Penyesuaian regresi

1. Dark pixels correction

Klik Land Application Wizard pada program Er Mapper 7.0

Muncul tampilan seperti dibawah ini, klik Next

Pilih Atmospheric Effect Correction, kemudian klik Next

Page 16: MODUL 2.docx

Pilih Dark Pixel Correction, kemudian klik Next

Masukkan data Landsat_TM_23Apr85.ers pada kotak Input

Page 17: MODUL 2.docx

Pada kotak Output, masukkan file dengan nama DPC.ers dan File Of

Type nya diubah menjadi Er Mapper Raster Dataset.

Muncul tampilan seperti di bawah ini

Page 18: MODUL 2.docx

Klik DPC_TM6 lalu klik Icon Cut

Klik pada Band 1. Kemudian klik Edit Transform Limit

Muncul tampilan seperti di bawah ini

Page 19: MODUL 2.docx

Kemudian klik Edit – Delete This Transform pada Dialog Box

Transform

Lakukan hal yang sama pada Band 2, Band 3 sampai Band 7

Page 20: MODUL 2.docx

Kemudian pastikan Default Surface dalam keadaan aktif lalu klik File –

Save As.

Ketik dpc_jadi.ers dan ubah File As Type menjadi Er Mapper Raster

Dataset. Lalu klik Ok

Page 21: MODUL 2.docx

2. Edpc

Klik Land Application Wizard

Muncul tampilan seperti di bawah ini

Pilih Enhanced Dark Pixel Correction, lalu klik Next

Page 22: MODUL 2.docx

Masukkan input dengan data Landsat_TM_23apr85.ers

Masukkan angka yang tertera pada Actual Input, yaitu 67 lalu klik Next

Page 23: MODUL 2.docx

Pilih Clear

Masukkan Output dengan nama EDPC.ers, lalu klik Finish

Page 24: MODUL 2.docx

Setelah muncul tampilan, lalu klik Edit – Delete This Transform.

Lakukan pada Band 2, Band 3 sampai Band 7.

Kemudian pastikan Default Surface dalam keadaan aktif lalu klik File –

Save As.

Page 25: MODUL 2.docx

Ketik edpc_jadi.ers dan ubah File As Type menjadi Er Mapper Raster

Dataset. Lalu klik Ok

Page 26: MODUL 2.docx

3. Cut off

Klik Land Application Wizard

Pilih Cut_Off Values (Scattergram), klik Next

Masukkan Input dengan data Landsat_TM_23apr85.ers

Page 27: MODUL 2.docx

Masukkan Output dengan nama CutOff.ers, dan ubah File Of Type nya

menjadi Er Mapper Raster Dataset.

Muncul tampilan seperti dibawah ini

Masukkan angka yang tertera pada kotak Scattergram ke kotak

Processing TM Imagery. Kemudian klik Setup

Page 28: MODUL 2.docx

Kemudian ubah X axis menjadi B3 dan Y axis menjadi B4. Lalu

masukkan angka yang muncul ke kotak Processing TM Imagery.

Kemudian klik Finish.

Klik Edit Algorithm, lalu klik Edit Transform Limit. Setelah muncul kotak

Transform, kemudian klik Edit – Delete This Transform.

Page 29: MODUL 2.docx

Kemudian pastikan Default Surface dalam keadaan aktif lalu klik File –

Save As. Ketik cutoff_jadi.ers dan ubah File As Type menjadi Er

Mapper Raster Dataset. Lalu klik Ok

Page 30: MODUL 2.docx

BAB IV

HASIL DAN PEMBAHASAN

4.1. Hasil

4.1.1. Band Sebelum Koreksi

Band 1 68 255

Band 2 21 223

Band 3 15 254

Band 4 4 220

Band 5 2 255

Band 7 1 247

Band 1 Band 2

Page 31: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 32: MODUL 2.docx

4.1.2. Band Setelah Koreksi

Band 1 1 187

Band 2 1 202

Band 3 1 239

Band 4 1 216

Band 5 1 253

Band 7 1 246

Band 1 Band 2

Page 33: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 34: MODUL 2.docx

4.1.3. Dark Pixel Correction

Sebelum Koreksi

Band 1 0 188

Band 2 1 203

Band 3 0 239

Band 4 -2 205

Band 5 -1 253

Band 7 -1 253

Band 1 Band 2

Band 3 Band 4

Page 35: MODUL 2.docx

Band 5 Band 7

Setelah Koreksi

Band 1 1 188

Band 2 1 203

Band 3 1 239

Band 4 1 205

Band 5 1 253

Band 7 1 253

Band 1 Band 2

Page 36: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 37: MODUL 2.docx

4.1.4. Enhanced Dark Pixel Correction

Sebelum Koreksi

Band 1 0 188

Band 2 -6,08 188

Bnad 3 -9,887 229

Band 4 -14,111 192

Band 5 -29,111 224

Band 7 -30,228 215

Band 1 Band 2

Band 3 Band 4

Page 38: MODUL 2.docx

Band 5 Band 7

Setelah Koreksi

Band 1 1 188

Band 2 1 196

Bnad 3 1 229

Band 4 1 203

Band 5 1 225

Band 7 1 216

Band 1 Band 2

Page 39: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 40: MODUL 2.docx

4.1.5. Cut Off

Sebelum Koreksi

Band 1 -1 187

Band 2 0 195

Band 3 0 239

Band 4 -2 205

Band 5 0 254

Band 7 0 246

Band 1 Band 2

Page 41: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 42: MODUL 2.docx

Setelah Koreksi

Band 1 1 255

Band 2 1 202

Band 3 1 239

Band 4 1 215

Band 5 1 254

Band 7 1 246

Band 1 Band 2

Page 43: MODUL 2.docx

Band 3 Band 4

Band 5 Band 7

Page 44: MODUL 2.docx

4.2 Pembahasan

Dalam penginderaan,hasil pengambilan data sering dipengaruhi

oleh keadaan lingkungan sekitar ( contohnya cuaca) yang menyebabkan

hasil citra kurang baik. Dalam atmosfer, energi matahari (sebagai sumber

cahaya) biasanya cahaya dihamburkan. Penghamburan ini diakibatkan

karena adanya partikel-partikel di atmosfer akan memberikan pengaruh

pada nilai spektral citra.

Koreksi radiometri ( satelite imagecallibration ) merupakan sistem

penginderaan jauh yang digunakan untuk mengurangi pengaruh

hamburan atmosfer pada citra satelit terutama pada saluran tampak

( visible light ). Koreksi radiometrik bertujuan untuk memperbaiki kualitas

visual citra, sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai

dengan nilai pantulan obyek yang sebenarnya. Koreksi radiometri biasa

dilakukan deengan berbagai cara, yaitu penyesuaian histogram,

penyesuaian regresi dan kalibrasi bayangan.

Histogram adalah suatu tampilan grafik dari suatu distribusi

frekuensi relatif dalam data set. 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 ini berarti nilai antara

nol sampai dengan harga terendah yang ditunjukkan oleh histogram

tersebut dihitung sebagai offset. Besarnya offset tersebut menunjukkan

besarnya pengaruh akibat gangguan atmosfer. Untuk mengkoreksi

dengan cara mengurangkan keseluruhan nilai pada saluran tersebut

dengan offsetnya.

Cahaya-cahaya yang berasal dari sinar matahari memiliki panjang

gelombang yang berbeda-beda. Semakin besar panjang gelombangnya,

maka semakin besar pula kemampuannya untuk menembus gangguan.

Dari praktikum ini dapat diketahui panjang gelombang yang paling besar

kemempuannya dalam menembus gangguan adalah band 7 , memiliki

atmosfer bias 1.

Page 45: MODUL 2.docx

BAB V

KESIMPULAN

1. Suatu citra sebelum dilakukan pengolahan lebih lanjut harus dilakukan

koreksi citra agar didapatkan kondisi dimana citra mempunyai informasi

yang akurat secara geometri dan radiometri.

2. Cara-cara untuk melakukan koreksi radiometri :

a. Penyesuaian Histogram

b. Penyesuaian Regresi

c. Kalibrasi Bayangan

d. Metode Lainnya.

3. Setelah dilakukan koreksi radiometri maka nampak perubahan nilai band

yang mempunyai limit mulai dari 1.

DAFTAR PUSTAKA

Page 46: MODUL 2.docx

Danoedoro, P. 1996. Beberapa Teknik Operasi dalam Sistem Informasi

Geografis. Puspics UGM – BAKOSURTANAL. Yogyakarta.

Lillesand, T. M, dan Kiefer, R. W. 1979. Remote Sensing and Image

Interpretation. John Willy and Sons Inc. All Rights Reserved.

Sutanto. 1987. Penginderaan Jauh Dasar. Jilid II. Gadjah Mada University Press.

Yogyakarta

(http://www.geocities.com/yaslinus/b3_6.html, diakses pada tanggal 25 Maret

2011 pukul 19.00)