Pemanfaatan Citra Satelit Untuk Melihat Sebaran Kondisi...

Studi Dampak Timbal Balik Antar Pembangunan Kota & Perumahan di Indonesia dan Lingkungan Global

PEMANFAATAN CITRA SATELIT “SPOT” UNTUK MELIHAT KONDISI LINGKUNGAN

URBAN

DR. Riadika MastraBakosurtanal, Jl. Raya Jakarta-Bogor km 46 Cibinong

http:www.bakosurtanal.go ide-mail: [email protected]

I. PENDAHULUAN

Seperti kita ketahui kualitas lingkungan urban merupakan salah satu

perhatian kita semua mengingat manusia meletakkan sebagian besar aktivitasnya

di daerah ini. Di daerah urban disamping sangat kental pengaruh dan tingkah laku

serta kegiatan manusia dalam mempengaruhi kualitas lingkungan urban, dimana

manusia sendiri di-identifikasikan sebagai “urban agent”. Seiring dengan

kemajuan di berbagai bidang, urbanisasi yang tidak terkontrol tidak dapat

dipungkiri merupakan salah satu faktor yang menyebabkan kerusakan lingkungan

urban itu sendiri.

Kita percaya bahwa manusia sendiri dengan tanpa sadar merupakan

penyebab utama penurunan kualitas lingkungannya dan sekaligus juga

merupakan penyumbang utama polusi untuk lingkungannya.

Dengan diperkenalkannya teknologi inderaja, harapan untuk memonitor

dan secara bersamaan sebagai penyumbang data/informasi awal bagi perencana

dan para pengambil keputusan agar secara benar menata, menjaga serta

memperbaiki lingkungannya, terutama sekali kualitas lingkungan urbannya.

Konsep dari lingkungan yang umum adalah salah satu aspek utama dari

integrasi sistem biologi secara global, kondisi ekologi dari habitat manusia, dalam

hal ini termasuk aspek lingkungan sosial dan aspek lingkungan kebudayaan.

1

mailto:[email protected]


Jika dilihat dari sudut urban maka lingkungan urban adalah lanskap

perkotaan yang merupakan interaksi antara manusia (populasi), daerah hijau,

serta struktur buatan manusianya (bangunan, jalan dsb.). Mengingat banyaknya

jenis ‘manusia’ daerah hijau serta struktur buatan manusianya, maka kombinasi

antara ketiga komponen tersebut dapat bervariasi sesuai dengan interaksi yang

terjadi dari ketiga komponen tersebut. Sehingga lanskap perkotaan dapat

dikatakan sebagai hubungan tiga dimensi antara ‘manusia’, daerah hijau dan

struktur buatan manusianya.

Didalam pembahasan makalah ini, pengolahan citra satelit inderaja yang

dipergunakan, diupayakan untuk dapat meng-ekstraksi informasi mengenai

komposisi liputan lahan daerah perkotaan sehingga dapat dilihat berapa banyak

liputan daerah ynag pembangunannya teratur, pembangunannya kurang teratur

(semrawut) maupun berapa banyak liputan daerah hijau yang ada. Dan untuk itu

contoh yang diambil adalah daerah Jakarta dengan radius 10 km dari titik Monas

dengan mempergunakan citra satelit inderaja (penginderaan jarak jauh) buatan

Perancis: SPOT dengan resolusi pixel 20 x 20 meter dengan 3 band (mode multi

spektral)

2. PENGOLAHAN CITRA

Material yang dipergunakan adalah citra satelit daerah Jakarta yang direkam oleh

SPOT dengan tiga band yang mencakup liputan spektral :

Band 1: 0.50 ~ 0.59 micro-meter



2


Gambar 1. Citra SPOT daerah Jakarta, Tangerang dan Pulau Seribu

Citra satelit yang diperoleh adalah citra dalam bentuk digital dan sebelum

dipergunakan maka citra harus diproses untuk mendapatkan tampilan serta

kualitas citra yang baik agar sewaktu melaksanakan interpretasi maupun aplikasi

“NVI” (Normalized Vegetation Index) diperoleh hasil yang memuaskan dan

mempunyai kesalahan yang paling sedikit.

Proses yang dilaksanakan adalah apa yang disebut koreksi radiometrik dan

koreksi geometrik. Koreksi radiometrik bertujuan untuk menghilangkan pengaruh

haze, kekaburan citra, kekurangjelasan daya pisah unsur (untuk dapat

membedakan unsur satu dengan yang lain), jadi untuk membuat agar citra terlihat

“lebih tajam dan jelas detailnya”. Sedang koreksi geometrik bertujuan untuk

menyesuaikan skala citra (dimensi luas) dan orientasi peta (arah utara).

Dengan demikian luasan yang diperoleh dalam analisa statistik akan

sebanding dengan dimensi di lapangan sesuai dengan skala citra yang diinginkan.

Dengan telah di “koreksi” nya citra tersebut maka selanjutnya telah didapat

suatu citra yang siap untuk diolah untuk mendapatkan “liputan lahan” agar dapat

3


dibedakan antara tiga kelompok unsur liputan lahan yaitu: kelompok hijau

(tumbuhan), air dan unsur buatan manusia.

Untuk ekstraksi ketiga kelompok unsur tersebut, banyak metoda yang

dapat dipergunakan seperti : maksimum likelihood, clustering dan banyak lagi, tapi

pada makalah ini dipilih metoda ekstraksi liputan lahan dengan menerapkan

metoda “NVI” (Normalized Vegetation Index) yaitu melihat jumlah cakupan

biomassa dari seluruh liputan citra yang diproses. Hal ini dipilih mengingat

hubungannya dengan “hijau” yang sangat erat dengan lingkungan, yaitu

kandungan “hijau” menyatakan masih “bersih”nya kondisi liputan lahan pada

daerah urban tersebut.

3. PENGGUNAAN LAHAN DAN LIPUTAN LAHAN

Jakarta dengan pertumbuhan pembangunan yang sangat pesat sejak 20

tahun terakhir (kecuali pada “krismon”), berpengaruh juga pada pembangunan

yang kurang terkontrol, dimana hanya sebagian saja dari daerah perkotaan yang

tertata dan terencana dengan baik tapi pada beberapa bagian kota masih banyak

yang semrawut sehingga menghasilkan daerah kumuh, maupun daerah yang

sangat padat konsentrasi rumah-rumah yang ada.

Untuk mengetahui bagaimana kenampakan dari beberapa unsur liputan

lahan tersebut dibawah ini disertakan sampel dari contoh-contoh penggunaan

lahan serta liputan lahan yang diambil dari cuplikan citra SPOT tersebut.

Daerah dengan perumahan yang teratur akan terlihat sebagai keteraturan

komposisi antara rumah-rumah, jaringan jalan serta tanaman pelindung (tanaman

di pinggir jalan) (Gambar 3). Daerah dimana kondisi lingkungan yang kurang baik

akan terlihat sebagai konsentrasi bangunan tanpa adanya maupun sangat

sedikitnya pohon-pohon pelindung (Gambar 3). Daerah pabrik dan pergudangan

sangat jelas terlihat dimana struktur bangunan individu yang besar terlihat

berkelompok pada daerah tertentu (Gambar 3).

4


Gambar 3. Daerah teratur, daerah padat/kumuh dan pabrik

Daerah ‘kampung’ ditandai dengan adanya beberapa rumah yang dikelilingi

oleh tetumbuhan (Gambar 4). Daerah rawa dan tambak terlihat dengan adanya

unsur air yang jelas pada citra yaitu agak gelap kenampakannya (Gambar 4).

Daerah yang diperuntukkan sebagai lapangan golf terlihat jelas karena lapangan

golf mempunyai bentuk yang sangat spesifik (Gambar 4), demikian juga daerah

reklamasi yang ditandai dengan adanya struktur ‘pagar’ untuk pembatas daerah

yang akan direklamasi. (Gambar 5).

Gambar 4. Kampung, rawa dan lapangan golf

Gambar 5. Sawah dan daerah reklamasi

4. “NVI” (Normalized Vegetation Index)

5


Studi mengenai lingkungan urban, tidak dapat dipungkiri mempunyai

hubungan yang sangat erat dengan kondisi liputan lahan serta penggunaan lahan

daerah urban tersebut. Juga tidak dapat disangkal bahwa pemetaan atas liputan

lahan dan penggunaan lahan adalah sangat erat hubungannya dengan studi

perihal vegetasi, tanaman, tanah dan biosfer.

Dalam hal studi ini penekanan atas kandungan “hijau” didapat dengan

menganalisa citra SPOT dengan metoda NVI. Sebagai sesuatu yang esensial

“hijau” merupakan unsur penting dalam lingkungan urban karena dengan adanya

“hijau” tersebut kondisi kota dapat dikatakan lebih “sehat” untuk tempat tinggal.

Dengan adanya citra satelit SPOT, studi atas lingkungan urban dapat

dilaksanakan dengan cakupan areal yang cukup luas hanya dengan satu rekaman

citra (60 x 60 km), data SPOT tersebut dipergunakan untuk “melihat” nilai

kandungan hijau yang dihubungkan dengan kondisi lingkungan urban.

Untuk mendapatkan cakupan hijau tersebut dipergunakan formula NVI

yang mana merupakan rasio dari “channel visible”, dan “channel near infrared”.

Channel dengan spektrum: 0.61 ~ 0.68 micro-meter merupakan band yang

menyerap khloropil dari radiasi sinar matahari yang datang, sedang channel

dengan spektrum: 0.79 ~ 0.89 micro-meter dimana struktur daun dengan ‘spongy

mesophyll’ menyebabkan pantulan yang kuat dari radiasi sinar matahari yang

datang. Kedua channel dengan sifat yang sangat kontras tersebut dimanfaatkan

dengan memasukkan dalam formula rasio yang dibuat agar mempunyai hubungan

yang sangat erat dengan parameter vegetasi seperti aktivitas biomassa dan ini

dipergunakan untuk ‘memisahkan’ areal dengan liputan hijau.

Dengan mengetahui sifat tersebut maka formula NVI yang dipergunakan

adalah rasio antara channel near infrared dikurangi dengan channel visible dibagi

dengan channel near infrared ditambah dengan channel visible, hasil dari

pembagian tersebut akan memperoleh cakupan nilai antara –1 sampai +1, dimana

cakupan hijau bergerak dari tanpa ada aktivitas biomassa (-1) sampai maksimum

aktivitas biomassa (+1) jadi antara gurun sampai dengan “evergreen”.

6


5. STATISTIK DARI HASIL INTERPRETASI CITRA

Dengan mengambil sampel sebagian area Jakarta yang mencakup radius

10 km dari Monas, maka perhitungan klasifikasi untuk dua macam cakupan yaitu

yang benar-benar hijau dan yang benar-benar padat dengan bangunan (kumuh?)

memberikan gambaran bahwa dengan penerapan NVI dapat diperoleh informasi

tersebut. Untuk menentukan mana daerah yang benar-benar hijau dan kumuh,

maka diadakan sampling citra yang telah dikenal dengan baik lokasi kedua

komponen tersebut (seperti contoh sampel Gambar 3, 4 dan 5) maka didapat

cakupan nilai NVI antara + 0.40 ~ + 0,66 untuk daerah liputan hijau dan untuk nilai

NVI antara – 0.08 ~ - 0,03 merupakan daerah kumuh.

Hasil klasifikasi NVI antara daerah hijau, non hijau dan air adalah : daerah

hijau (dari hutan kota sampai rumput) cakupan sebanyak 40,15%, daerah non

hijau (bangunan, jalan, tanah kosong) cakupan sebanyak 58,05% dan yang

terakhir yaitu air (danau, sungai, waduk dsb) cakupan sebanyak 1,8%. Hasil ini

mencakup areal seluas 294.692.400 meter persegi sebagian daerah Jakarta (lihat

Gambar 6).

Untuk melihat lebih rinci dari hasil klasifikasi daerah hijau lebat (hutan kota,

pohon pelindung dan daerah pepohonan yang daunnya cukup lebat), serta daerah

kumuh/ daerah dengan kepadatan bangunan yang sangat tinggi, hasil perhitungan

jumlah cakupan kedua daerah tersebut dapat dilihat sebagai berikut :

daerah hijau lebat: 3,5% dengan nilai NVI antara + 0.40 ~ + 0,66

daerah kumuh : 13,2% dengan nilai NVI antara – 0.08 ~ - 0,03

Gambar 6. Luas daerah dengan radius 10 km yang berpusat di Monas dan yang hanya mencakup area yang berwarna putih saja adalah seluas = 294.692.400 meter persegi

7


Dengan mengkategorikan nilai NVI yang didapat, maka kelompok nilai NVI

dilabelkan seperti tabel di bawah, dimana kategorinya didasarkan pada hasil

aplikasi sampling dari unsur-unsur yang dikenal di citra tersebut dikorelasikan

dengan keadaan lapangan (seperti Gambar 3,4 dan5).

Tabel 1. Kelompok nilai NVI berdasarkan hasil sampling

No. Grup Kategori Nilai NVI1. AIR Danau/ waduk

Sungai/ daerah basah- 0,29- 0,25

2. BUKAN HIJAU Jalan/ daerah perkerasanBabrikPemukiman kumuhPemukiman padatPemukiman teraturDaerah transisi hijau

- 0,21- 0,11- 0,08- 0,03+ 0,02+ 0,07

3. HIJAU RumputHijau 1Hijau 2Hijau 3Hijau 4Hijau 5Hutan kota

+ 0.11+ 0,17+ 0,24+ 0,33+ 0,40+ 0,49+ 0,66

Dari hasil kategori NVI tersebut maka citra yang diperoleh adalah seperti Gambar

7 di bawah ini:

8


Gambar 7. Hasil final klasifikasi NVI untuk sebagian daerah Jakarta

6. KESIMPULAN

Dari hasil pengolahan dan pembahasan penggunaan citra satelit SPOT tersebut

didapat beberapa rangkuman :

Secara umum citra SPOT dengan resolusi 20 x 20 mtr/ pixel dapat

memberikan gabaran umum mengenai daya pisah kelompok unsur yaitu

kelompok air, kelompok tumbuhan dan kelompok buatan manusia, tetapi

dengan kemajuan teknologi yang sangat pesat dewasa ini, resolusi

satelit terus meningkat ke arah resolusi 1 x 1 mtr. Jadi tinggal dipilih

antara kepentingan dengan biaya untuk mendapatkan data citra tersebut.

Untuk meningkatkan daya pisah unsur pada citra dapat diterapkan fusi

citra antara resolusi rendah dengan resolusi tinggi, sehingga dari beban

ekonomi dan tujuan semuanya memuaskan.

Banyak cara yang dapat diperoleh dalam melaksanakan klasifikasi

liputan lahan, tapi NVI yang dipilih berdasarkan hubungan yang erat

antara jumlah ‘hijau’ dengan kualitas lingkungan di daerah urban.

Secara spasial citra dapat memberikan cakupan dan konfigurasi secara

terintegrasi antara komponen-komponen pembentuk kota dan dengan

memisahkan unsur-unsur tersebut dapat dilihat secara awal areal liputan,

kondisi liputan serta keterkaitan antara unsur-unsur liputan yang ada.

Dengan demikian citra inderaja dengan resolusi tinggi dapat digunakan

sebagai alat untuk membantu didalam pelaksanaan dan pemantauan

pengembangan daerah urban dan pembagunan perumahan.

7. REFERENCES.

Applied Remote Sensing, C.P.Lo, 40 - 69, p.118 – 278.

Digital Image Processing, Rafael C. Gonzalez, Pelil Wintz, p.171 -177.

Geocarto International, Feb, 1987, Land Cover Classification Using SPOT Data, Ryutaro Tateishi and Youji Mukouyama. p.17 - 29.

International Journal of Remote Sensing, Vol. 7, No.9, Sept. 1986. Global Vegetation Dynamics: Satellite Observations Over Asia. J.-P. Malingreu.

9


International Journal Remote Sensing, 1987, Vol 8, No. 8, p.1189 - 1207, Characterization and classification of South American Land Cover Types Using Satellite Data. J.R.G. Townshend, C.0.Justice and V.Kalb.

International Journal of Remote Sensing, 1987, Vol 9, No. 9, p.1301 - 1306, Vegetation Spatial Variability and Its Effect on Vegetation Indices, J.P. Ormsby, B.J. Choudhury and M. Owe.

JAKARTA 2005, Pemerintah Daerah Khusus Ibukota Jakarta, 1987.

Manual of Remote Sensing, Image Geometry and Rectification, Ralp Bernstein, 873 - 892, p.1749 - 1756.

Remote Sensing, Shunji Murai, p.1- 38.

Remote Sensing Digital Image Analysis, An Introduction, Jhon A Richards, 1986.

Remote Sensing of Environment, Joseph Lintz, Jr. and David S. Simonett, p.336 - 337, p.442 - 591.

Remote Sensing, Techniques for Environmental Analysis. Jhon E. Estes and Leslie W. Senger. S. Morain, Interpretation and Mapping of Natural Vegetation. N. Nunnally, Interpreting Land Use from Remote Sensor Imagery. Horton, Remote Sensing Techniques and Urban Data Acquisition. H. Aschmann and I Boieden, Remote Sensing Of Environmental Quality:

Problems and Potential

Satellite Remote Sensing for Resources Development. Karl-Heinz Szekielda, SPOT: The First Operational Remote Sensing Satellite, Gerard Brachet, p.59 - 80.

SPOT Simulation Applications Handbook, Proceedings of the 1984 SPOT Symposium, p.3 -18, 114 -122, 131 ~139, 158 - 165, 172 - 177, 190 - 199.

Telespazin, Image Data Preprocessing, 11-13.

The Computer Image : Aplication of Computer Graphics, Donald Greenberg, Aaron Marcus, Allan H. Schmidt and Vernon Gorter, 77 -90.

10

Pemanfaatan Citra Satelit Untuk Melihat Sebaran Kondisi...

Documents

Transcript of Pemanfaatan Citra Satelit Untuk Melihat Sebaran Kondisi...