PENGINDERAAN JAUH MULTISPEKTRAL

I. Dasar Penginderaan Jauh

Penginderaan jauh adalah ilmu atau seni cara merekam suatu objek tanpa kontak fisik

dengan menggunakan alat pada pesawat terbang, balon udara, satelit, dan lain-lain. Dalam hal

ini yang direkam adalah permukaan bumi untuk berbagai kepentingan manusia. Sedangkan arti

dari citra adalah hasil gambar dari proses perekaman penginderaan jauh (inderaja) yang

umumnya berupa foto.

Beberapa pengertian penginderaan jauh oleh para ahli :

Menurut Lillesand and Kiefer

Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah

atau gejala dengan jalan menganalisis data yang didapat dengan menggunakan alat tanpa

kontak langsung terhadap obyek, daerah atau gejala yang dikaji.

Menurut Lindgren

Penginderaan jauh adalah bermacam-macam teknik yang dikembangkan untuk mendapat

perolehan dan analisis informasi tentang bumi. Informasi tersebut khusus dalam bentuk radiasi

elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi.

Menurut Sabins

Penginderaan jauh adalah suatu ilmu untuk memperoleh, mengolah dan menginterpretasi citra

yang telah direkam yang berasal dari interaksi antara gelombang elektromagnetik dengan suatu

obyek.

1.1 Komponen Dasar

Empat komponen dasar dari sistem PJ adalah target, sumber energi, alur transmisi, dan

sensor. Komponen dalam sistem ini berkerja bersama untuk mengukur dan mencatat informasi

mengenai target tanpa menyentuh obyek tersebut. Sumber energi yang menyinari atau

memancarkan energi elektromagnetik pada target mutlak diperlukan. Energi berinteraksi

dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target

kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi

elektromagnetik. Setelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses

menjadi format yang siap pakai, diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk

menyarikan informasi mengenai target. Proses interpretasi biasanya berupa gabungan antara

visual dan automatic dengan bantuan computer dan perangkat lunak pengolah citra.

1.2 Hasil Teknologi Penginderaan Jauh

Data penginderaan jauh dapat berupa data digital atau data numerik untuk dianalisis

dengan menggunakan komputer.

Selain itu, dapat berupa data visual yang pada umumnya dianalisis secara manual.

Data visual dibedakan lagi menjadi data citra dan noncitra.

Data citra merupakan gambaran planimetrik. Data noncitra ialah grafik yang mencerminkan

beda suku yang direkam di sepanjang daerah penginderaan

Di dalam penginderaan jauh yang tidak menggunakan tenaga elektromagnetik, contoh data

noncitra antara lain berupa grafik yang menggambarkan gravitasi ataupun daya magnetik di

sepanjang daerah penginderaan. Jadi, jelaslah bahwa citra dapat dibedakan menjadi citra

foto (photographic image) atau foto udara dan citra nonfoto (nonphotographic image).

1.3 Pengertian Citra Menurut Ahli

Citra merupakan gambaran yang terekam oleh kamera atau sensor lainnya (Hornby)

Citra adalah gambaran objek yang dibuahkan oleh pantulan atau pembiasan sinar yang

difokuskan dari sebuah lensa atau cermin (Simonett, 1983)

1.4 Jenis-Jenis Citra

a. Citra Foto

Citra foto adalah gambaran yang dihasilkan dengan menggunakan sensor kamera. Citra

foto dapat dibedakan berdasarkan atas spektrum elektromagnetik, sumber sensor, dan sistem

wahana yang digunakan.

b. Citra Nonfoto

Citra Nonfototo dalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra

nonfoto dalah gambar atau citra tentang suatu objek yang dihasilkan oleh sensor bukan kamera

dengan cara memindai.

1.5 Teknik Interpretasi Foto Udara

Pada dasarnya interpretasi foto terdiri atas dua kegiatan utama, yaitu perekaman data

dari foto dan penggunaan data tersebut untuk tujuan tertentu. Perekaman data dari citra berupa

pengenalan objek dan unsur yang tergambar pada citra, serta penyajiannya ke dalam bentuk

objek dan unsur yang tergambar pada citra, serta penyajiannya kedalam bentuk tabel, grafik

atau peta tematik dan hasil-hasil perhitungan.

1. Data Acuan

Data yang dihasilkan dari sebuah interpretasi citra udara tidak semata-mata langsung

digunakan, tetapi masih memerlukan dukungan data lain yang tidak didapatkan pada foto

udara. Data inilah yang dinamakan data acuan. Jenis data ini berupa hasil tulisan, hasil

pengukuran, analisis laboratorium, peta, kerja lapangan, atau citra udara. Penggunaan data

acuan yang ada akan meningkatkan ketelitian hasil interpretasi yang tentunya dapat

memperjelas masalah dan tujuan sehubungan dengan penggunaan citra foto udara tersebut.

b. Kunci Interpretasi

Proses interpretasi citra udara sering dipermudah menggunakan kunci interpretasi citra

udara. Kunci interpretasi ini membantu interpreter menilai berbagai informasi yang disajikan

pada citra udara dengan lebih terorganisir.

c. Penanganan Data (Data Handling)

Cara sederhana untuk mengatur citra dengan baik adalah sebagai berikut:

1. Menyusun citra tiap satuan perekaman atau pemotretan secara alfabetis dan

menghadap ke atas

2. Mengurutkan tumpukan citra sesuai dengan urutan interpretasi yang akan dilaksanakan

3. Meletakkan tumpukan citra sedemikian rupa sehingga jalur terbang membentang dari

kiri ke kanan

4. Meletakkan citra yang akan digunakan bersebelahan dengan citra pembanding

5. Pada saat citra dikaji, tumpukan menghadap ke bawah dalam urutannya

d. Pengamatan Stereoskopik

Pengamatan stereoskopik pada pasangan citra yang bertampalan akan menimbulkan

gambaran tiga dimensi. Citra yang telah lama dikembangkan untuk pengamatan stereoskopik

adalah foto udara. Foto udara dapat digunakan untuk mengukur beda tinggi dan tinggi objek

apabila diketahui tinggi salah satu titik yang tergambar dalam foto. Selain itu, dapat pula diukur

kemiringan lereng objek pada foto.

Gambar 1.0 Pengamatan Stereoskopik

e. Metode Pengkajian

Interpretasi citra diawali dari pengkajian terhadap semua objek yang sesuai dengan

tujuannya. Pada dasarnya, terdapat dua metode pengkajian secara umum, yaitu sebgai berikut:

1. Fishing Expedition. Citra menyajikan gambaran lengkap objek di permukaan bumi. Bagi

interpreter citra yang kurang berpengalaman, sering mengambil data lebih dari yang

dibutuhkan. Hal ini disebabkan interpreter mengamati data citra secara keseluruhan.

2. Logical Search. Interpreter secara selektif mengambil data yang diperlukan untuk tujuan

interpretasinya.

f. Konsep Multi

Konsep multi adalah cara perolehan data dan analisis penginderaan jauh yang meliputi

enam jenis, yaitu multispektral, multitingkat, multitemporal, mulitarah, multipolarisasi, dan

mulitdisiplin.

II. Penginderaan Jauh Multispektral

2.1 Definisi

Penginderaan Jauh Multi Spektral adalah penginderaan objek dengan menggunakan

lebih dari satu spektrum elektromagnetik yang penginderaannya dilakukan pada saat yang

sama dan dari tempat serta ketinggian yang sama.

Gambar tersebut menunjukkan suatu penyiam dengan lima saluran. Sinyal yang

diciptakan oleh masing – masing detektor pada MSS diperkuat oleh sistem elektroniknya dan

direkam dengan menggunakan perekam pita magnetik bersaluran jamak. Apabila MSS

berorientasi piktorial, maka keluaran direkam dalam bentuk analog.

Multispectral remote sensing is the collection and analysis of reflected, emitted, or back-

scattered energy from an object or an area of interest in multiple bands of regions of the

electromagnetic spectrum (Jensen, 2005). Subcategories of multispectral remote sensing

include hyperspectral, in which hundreds of bands are collected and analyzed, and ultraspectral

remote sensing where many hundreds of bands are used (Logicon, 1997). The main purpose of

multispectral imaging is the potential to classify the image using multispectral classification. This

is a much faster method of image analysis than is possible by human interpretation.

Penginderaan jauh multispektral adalah pengumpulan dan analisis tercermin,

dipancarkan, atau back-tersebar energi dari suatu obyek atau area yang menarik di beberapa

band dari daerah spektrum elektromagnetik (Jensen, 2005). Tujuan utama dari pencitraan

multispektral adalah potensi untuk mengklasifikasikan gambar menggunakan klasifikasi

multispektral. Ini adalah metode yang jauh lebih cepat dari analisis gambar daripada yang

mungkin dengan interpretasi manusia.

2.2 Citra Multispektral

Citra multispektral adalah salah satu yang menangkap data citra pada frekuensi tertentu

di seluruh spektrum elektromagnetik . Panjang gelombang dapat dipisahkan oleh filter atau

dengan penggunaan instrumen yang sensitif terhadap panjang gelombang tertentu, termasuk

cahaya dari frekuensi di luar jangkauan cahaya tampak , seperti inframerah . pencitraan

spektral dapat memungkinkan ekstraksi informasi tambahan mata manusia gagal untuk

menangkap dengan yang reseptor untuk merah, hijau dan biru . Ini pada awalnya

dikembangkan untuk pencitraan berbasis ruang.

Citra multispektral adalah jenis utama dari gambar yang diperoleh oleh penginderaan

jauh (RS) radiometers . Membagi spektrum ke banyak band, multispektral adalah kebalikan dari

pankromatik , yang mencatat hanya intensitas total radiasi yang jatuh pada setiap pixel .

Biasanya, satelit memiliki tiga atau lebih radiometers ( Landsat memiliki tujuh). Masing-masing

memperoleh satu gambar digital (dalam penginderaan jauh, yang disebut 'adegan') di sebuah

band kecil dari spektrum yang terlihat, mulai dari 0,7 pM sampai 0,4 um, yang disebut merah-

hijau-biru (RGB) wilayah, dan pergi ke panjang gelombang inframerah dari 0,7 pM sampai 10

atau lebih pm, diklasifikasikan sebagai inframerah dekat (NIR), tengah inframerah (MIR) dan far

infrared (FIR atau termal). Dalam kasus Landsat, tujuh adegan terdiri dari tujuh-band citra

multispektral. pencitraan spektral dengan banyak band lainnya, resolusi yang lebih baik spektral

atau cakupan spektral yang lebih luas dapat disebut itt atau ultraspectral.

Teknologi ini juga telah membantu dalam interpretasi papirus kuno , seperti yang

ditemukan di Herculaneum , berdasarkan pencitraan fragmen dalam kisaran inframerah (1000

nm). Seringkali, teks pada dokumen tampaknya seperti tinta hitam di atas kertas hitam dengan

mata telanjang. Pada 1000 nm, perbedaan reflektifitas cahaya membuat teks jelas dibaca. Hal

ini juga telah digunakan untuk gambar palimpsest Archimedes dengan pencitraan daun

perkamen dalam bandwidth 365-870 nm, dan kemudian menggunakan teknik pengolahan citra

digital yang canggih untuk mengungkapkan undertext Archimedes kerja.

Ketersediaan panjang gelombang untuk penginderaan jauh dan pencitraan dibatasi oleh

jendela inframerah dan jendela optik .

Band Spektral:

Panjang gelombang adalah perkiraan; nilai yang tepat tergantung pada instrumen satelit

tertentu:

Biru, 450-515..520 nm, digunakan untuk pencitraan air atmosfer dan mendalam, dan

dapat mencapai hingga 150 kaki (50 m) jauh di air jernih.

Hijau, 515..520-590..600 nm, digunakan untuk pencitraan vegetasi dan air dalam

struktur, hingga 90 kaki (30 m) di air jernih.

Red, 600..630-680..690 nm, digunakan untuk pencitraan objek buatan manusia, dalam

air hingga 30 kaki (9 m) dalam, tanah, dan vegetasi.

Dekat inframerah, 750-900 nm, digunakan terutama untuk pencitraan vegetasi.

Mid-inframerah, 1550-1750 nm, digunakan untuk vegetasi pencitraan, kadar air tanah,

dan beberapa kebakaran hutan .

Mid-inframerah, 2080-2350 nm, digunakan untuk pencitraan tanah, kelembaban, fitur

geologi, silikat, tanah liat, dan kebakaran.

Inframerah termal , 10.400-12.500 nm, menggunakan memancarkan radiasi bukannya

tercermin, untuk pencitraan struktur geologi, perbedaan termal dalam arus air,

kebakaran, dan untuk studi malam.

Radar dan teknologi yang terkait berguna untuk medan pemetaan dan untuk

mendeteksi berbagai benda.

Software Analisis Data Multispektral

MicroMSI didukung oleh NGA .

Opticks adalah open-source jauh aplikasi penginderaan.

Multispec adalah freeware perangkat lunak analisis multispektral didirikan.

Gerbil adalah open source multispectral visualisasi dan analisis perangkat lunak yang

terbilang masih baru

2.3 Perkembangan Teknik Analisis

Dari Manual ke Digital

Ketika berbagai negara berkembang masih memiliki akses terbatas ke sistem komputer

untuk pengolahan citra digital, pemanfaatan produk penginderaan jauh satelit masih berupa

citra tercetak (hard copy) yang diinterpretasi secara visual atau manual.  Teknik interpretasi

semacam ini telah berkembang pesat dalam penginderaan jauh sistem fotografik, dan hingga

saat ini merupakan teknik yang dipandang mapan.  Prinsip-prinsip interpretasi fotografis dapat

diterapkan pada citra satelit yang telah dicetak, dan memberikan banyak informasi mengenai

fenomena spasial di permukaan bumi pada skala regional.  Citra-citra satelit yang telah tercetak

ini memberikan keuntungan terutama dalam hal (a) kemudahan analisis regional secara cepat

(karena dimungkinkannya synoptic overview pada satu lembar citra berukuran 60 km x 60 km

sampai dengan 180 km x 185 km), dan (b) kemudahan pemindahan hasil interpretasi (plotting)

ke peta dasar, karena tidak memerlukan banyak lembar dengan skala yang berbeda-beda dan

mempunyai distorsi geometri yang relatif lebih rendah dibandingkan  foto udara.

      Sejalan dengan perkembangan teknologi komputer yang semakin pesat dewasa ini --di

mana banyak perusahaan telah melakukan downsizing (beralih dari komputer mainframe ke

komputer mini, dan dari komputer mini ke komputer mikro/PC) maka akses berbagai kelompok

praktisi dan akademisi ke otomasi pengolahan citra digital pun semakin besar.  Semakin banyak

paket perangkat lunak pengolah citra digital dan SIG yang dioperasikan dengan PC dan bahkan

komputer jinjing (laptop).  Di sisi lain, berbagai jenis PC dan laptop saat ini ditawarkan dengan

harga yang semakin murah namun dengan arsitektur prosesor yang semakin canggih dan

kemampuan pengolahan maupun penyimpanan data yang semakin tinggi. 

         Teknologi SIG sebenarnya telah dimulai pada akhir tahun 1960-an, antara lain oleh

Tomlinson (Marble dan Pequet, 1990).  Kemudian pada dekade 1970-an beberapa negara

bagian di Amerika Serikat telah memulai untuk menerapkan SIG dalam pengelolaan

sumberdaya lahan dan perencanaan wilayah.  Pada sekitar tahun 1979, Jack Dangermond

mengawali pengembangan paket perangkat lunak SIG yang sangat terkenal, yaitu Arc/Info

untuk mengisi pasar komersia (Rhind et al., 2004).  Setelah itu, puluhan --bahkan ratusan

macam paket perangkat lunak SIG, yang sebagian besar di antaranya dioperasikan untuk PC,

membanjiri pasar dunia.  Kebutuhan akan fasilitas pengolahan citra digital yang sekaligus

dilengkapi dengan fasilitas SIG telah membuka kemungkinan-kemungkinan baru dalam analisis

data spasial.  Sistem pengolah citra satelit dapat memberikan masukan pada SIG berupa peta-

peta tematik hasil ekstraksi informasi dari citra digital satelit.  Di sisi lain, fasilitas analisis spasial

dari SIG mampu mempertajam kemampuan analisis penglohan citra, terutama dalam hal

pemanfaatan data bantu untuk meningkatkan akurasi hasil klasifikasi multispektral (Jensen,

2005).   

Dari Multispektral ke Multisumber dan Hiperspektral

          Pada awal perkembangannya, kamera hanya mampu menghasil-kan foto hitam-putih. 

Hal yang sama diberikan oleh foto yang dipasang pada pesawat udara untuk kebutuhan

pengintaian dalam aplikasi miltiter.  Kehadiran film berwarna pun secara cepat berimbas pada

penggunaan yang lebih intensif dalam penginderaan jauh berbasis foto udara.  Ketersediaan

film inframerah kemudian mendorong perkembang-an kamera multisaluran (multiband), yang

pada umumnya memuat empat lensa dalam satu badan kamera, dengan kepekaan yang

berbeda-beda untuk wilayah spektral berikut: biru, hijau, merah dan inframerah dekat.  Tahap

ini menandai perkembangan sistem pemotretan dari yang bersifat unispektral (saluran tunggal)

dan berjulat spektral lebar –misalnya dari biru hingga merah— ke  sistem pemotretan

multispektral.  Analisis visual foto udara pankromatik, baik hitam-putih maupun berwarna pun

kemudian bergeser ke analisis multispektral sederhana, dengan memanfaatkan alat pemadu

warna elektrik seperti additive colour viewer (ACV). 

        ACV merupakan suatu antarmuka (interface) yang dapat digunakan untuk menampilkan

diapositif film multispektral dengan penyinaran warna primer (merah, hijau dan biru) untuk

masing-masing saluran.  Melalui teknik ini, empat saluran yang tersedia dalam empat frame

diapositif dapat disajikan sebagai foto udara komposit warna semu atau warna asli, tergantung

pada pemilihan kombinasi sinar merah, hijau dan biru pada diapositif saluran yang berbeda-

beda.  Interpretasi visual atas citra analog dilakukan di atas kaca tempat memproyeksikan

sorotan komposit diapositif tersebut.

      Dengan tersedianya sistem perekam citra digital, maka citra multispektral pun diolah

dengan komputer, dan setiap kombinasi warna dalam bentuk citra komposit bisa dihasilkan

dengan mudah. Analisis multispektral dapat dilakukan secara lebih teliti dengan membaca nilai-

nilai piksel pada berbagai saluran spektral secara serentak, untuk diperbandingkan, dikombinasi

melalui transformasi, maupun diekstrak melalui berbagai analisis statistik multivariat yang rumit,

di mana setiap saluran berfungsi sebagai satu variabel informasi spektral.  Dari awal tahun

1970-an hingga saat buku ini ditulis, telah berkembang banyak metode analisis multispektral,

yang dapat dibaca di Adams dan Gilespie (2006), Liu dan Mason (2008), dan juga Gao (2010).

           Kehadiran teknologi informasi spasial melalui SIG telah memperluas jangkauan analisis

citra, sehingga kemudian berkembanglah metode-metode ekstraksi informasi objek atau

fenomena di permukaan bumi dengan memasukkan data yang bersifat nir-spektral, sepertu

misalnya jenis tanah, bentuklahan, kemiringan lereng, elevasi, dan juga peta-peta berisi objek-

objek spasial lain.  Tentu saja, peta-peta ini harus disimpan dan diproses dalam format data

digital.  Dengan demikian, perkembangan metode yang sudah berlangsung sekitar 25 tahun ini

kemudian semakin mengarah ke klasifikasi multisumber.  Beberapa tulisan awal yang

mengintegrasikan penginderaan jauh (khususnya pengolahan citra) dan SIG angara lain yang

ditulis oleh Verbyla dan Nyquist (1987), Srinivasan dan Richards (1990), Danoedoro (1993). 

Sementara tulisan yang relatif baru untuk topik-topik ini, dengan teknik-teknik yang juga baru,

antara lain bisa dijumpai di Weng (2010).

           Perkembangan analisis multispektral juga mengarah ke penambahan jumlah saluran dan

lebar setiap saluran.  Sistem hiperspektral mampu mencitrakan fenomena di permukaan bumi

dengan jumlah saluran spektral yang mencapai ratusan dan dengan lebar setiap saluran yang

hanya beberapa nanometer.  Analisis citra semacam ini, yang disebut dengan spectral cube

(kubus spektral) berkembangan dengan pendekatan yang berbeda, mengingat bahwa metode-

metode analisis multispektral tidak akan efisien dari sisi waktu pemrosesan dan akurasi

hasilnya.  Tulisan-tulisan van der Meer dan de Jong (2003) serta Jensen (2007) dapat dijadikan

rujukan awal untuk keperluan ini.

Dari Per-piksel ke Per-objek

Perkembangan sistem penginderaan jauh satelit telah menghasilkan citra-citra digital

yang tidak pernah dibayangkan oleh praktisi di tahun 1980-an, yaitu citra multispektral dengan

kualitas detil yang mendekati atau bahkan menyamai foto udara.  Hal ini tidak lepas dari

berakhirnya era Perang Dingin di awal 1990-an dan keputusan Presiden Bill Clinton untuk

mengijinkan perusahaan-perusahaan swasta mengoperasikan satelit penginderaan jauh

dengan teknoogi satelit mata-mata.  Pada tahun 1999 muncullah perusahaan Space Imaging

yang meluncurkan satelit Ikonos dengan resolusi spasial hingga 1 meter, disusul oleh Quickbird

dengan resolusi spasial hingga 0,6 meter, serta satelit-satelit lain seperti OrbView.  Saat ini,

satelit GeoEye telah mampu menghasilkan citra digital dengan resolusi spasial sekitar 40 cm,

meskipun undang-undang di Amerika Serikat hanya mengijinkan citra tersebut diproses dan

digunakan oleh publik pada resolusi spasial 50 cm atau lebih kasar.

    Kehadiran citra resolusi spasial tinggi telah menantang para analis citra untuk

mengembangkan metode ekstraksi informasi tematik yang berbeda dengan klasifikasi

multispektral –yang biasa diterapkan pada citra resolusi spasial menengah dan rendah.  Metode

ini dikenal dengan nama klasifikasi berbasis objek (object-based classification).  Di Indonesia,

citra resolusi spasial tinggi lebih banyak diperlakukan seperti foto udara karena para analis

mengalami kesulitan dalam menerapkan klasifikasi multispektral terhadap citra semacam itu. 

Pada klasifikasi multispektral citra resolusi tinggi, satu piksel merupakan bagian dari objek

penutup lahan yang umumnya berukuran jauh lebih besar, sehingga hasil klasifikasi cenderung

merupakan kumpulan piksel yang tidak berkaitan langsung dengan kategorisasi objek yang

dikembangkan dalam klasifikasi (Danoedoro, 2006).  Untuk mengatasi masalah ini, dalam kurun

10 tahun terakhir mulai berkembang metode klasifikasi berbasis objek, yang memanfaatkan

teknik segmentasi citra (Baatz dan Schappe, 2000; Ranasinghe, 2006; Navulur, 2007).

2.4 Sistem Penginderaan Jauh Multispektral Menggunakan ISODATA

Sistem penginderaan jauh mengumpulkan data melalui instrument, biasanya dilakukan pada

satelit di orbit sekitar Bumi. Penginderaan jarak jauh pemindai mendeteksi energi yang terpancar dari

objek atau daerah tertentu. Energi ini dicatat sebagai sinyal listrik analog dan diubah menjadi nilai digital

meskipun konversi A-sampai-D. Ada beberapa sistem penginderaan jauh multispektral yang dapat

dikategorikan dengan cara berikut:

Pencitraan Multispektral Menggunakan Detektor Diskrit dan Cermin Pemindaian

Landsat Multispectral Scanner (MSS)

Landsat Thematic Mapper (TM)

NOAA Geostationary Operational Environmental Satellite (GOES)

NOAA Advanced Very High Resolution Radiometer (AVHRR)

NASA and ORBIMAGE, Inc., Sea-viewing Wide field-of-view Sensor (SeaWiFS)

Daedalus, Inc., Aircraft Multispectral Scanner (AMS)

NASA Airborne Terrestrial Applications Sensor (ATLAS)

Pencitraan Multispektral Menggunakan Linear Array

SPOT 1, 2, dan 3 Resolusi Tinggi Terlihat (HRV) sensor dan Spot 4 dan 5 High

Resolution Visible Infrared (HRVIR) dan vegetasi sensor

Indian Remote Sensing System ( IRS ) Linear Imaging Self-scanning Sensor (LISS)

Ruang Imaging, Inc ( IKONOS )

Digital Globe, Inc ( QuickBird )

ORBIMAGE, Inc ( OrbView-3 )

ImageSat International, Inc ( EROS A1 )

NASA Terra Spaceborne Advanced Thermal Emisi dan Reflection Radiometer (

ASTER )

NASA Terra Multiangle Imaging Spectroradiometer ( MISR )

Pencitraan Spectrometry Menggunakan Array di Area Linear dan

NASA Jet Propulsion Laboratory Airborne Visible/ Infrared Imaging Spectrometer (

AVIRIS )

Compact Airborne spectrographic Imager 3 ( CASI 3 )

NASA Terra Moderate Resolution Imaging Spectrometer ( MODIS )

NASA Earth Observer ( EO-1 ) Advanced Land Imager (ALI), Hyperion, dan korektor

Atmospheric LEISA (LAC)

Satelit Analog dan Digital Sistem Fotografi

Rusia SPIN-2 TK-350, dan KVR-1000

NASA Ruang Shuttle dan Citra Stasiun Luar Angkasa Internasional

2.5 Klasifikasi Multispektral

Klasifikasi Multispektral merupakan sebuah algoritma yang digunakan untuk

memperoleh informasi thematik dengan cara mengelompokkan suatu fenomena/ obyek

berdasarkan kriteria tertentu.

Metode Klasifikasi :

1. Klasifikasi tidak terbimbing (unsupervised classification)

Klasifikasi tidak terbimbing (unsupervised classification) merupakan metode yang

memberikan mandate sepenuhnya kepada system/computer untuk mengelompokkan data

raster berdasarkan nilai digitalnya masing-masing, intervensi pengguna dalam hal ini

diminimalisasi. Jenis metode inni digunakan bila kualitas citra sangat tinggi dengan distorsi

atmosferik dan tutupan awan yang rendah.

Algoritma yang digunakan dalam metode ini beroperasi dalam mode dua-pass (melewati

dataset multispektral dua kali. Pada lulus pertama, program membaca melalui dataset dan

berurutan membangun cluster (kelompok titik dalam ruang spektral). Setelah program berbunyi

meskipun dataset, vektor rata-rata dikaitkan dengan setiap cluster. Dalam kedua pass, jarak

minimum untuk berarti algoritma klasifikasi yang diterapkan pada dataset, pixel by pixel.

Kemudian, setiap pixel ditugaskan untuk salah satu vektor mean dibuat dalam langkah pertama

2. Klasifikasi terbimbing (supervised classification)

Klasifikasi terbimbing (supervised classification) merupakan metode yang dipandu dan

dikendalikan sebagian besar atau sepenuhnya oleh pengguna dalam proses

pengklasifikasiannya. Intervensi pengguna dimulai sejak penentuan training area hingga tahap

pengklasterannya.

Skema klasifikasi

Langkah pertama dalam metode klasifikasi terbimbing adalah untuk mengidentifikasi

tanah-cover dan penggunaan lahan kelas yang akan digunakan. Tutupan lahan mengacu pada

jenis ini materi di situs (misalnya air, tanaman, hutan, lahan basah, aspal, dan beton).

Penggunaan lahan mengacu pada modifikasi yang dilakukan oleh orang-orang untuk tutupan

lahan (misalnya pertanian, perdagangan, pemukiman). Semua kelas harus dipilih dan

ditetapkan secara hati-hati untuk benar mengklasifikasikan data hasil penginderaan jauh

dengan benar ke penggunaan lahan dan / atau informasi tutupan lahan. Untuk mencapai tujuan

ini, perlu untuk menggunakan sistem klasifikasi yang berisi definisi taksonomi benar kelas. Jika

klasifikasi keras yang diinginkan, kelas berikut harus digunakan:

Saling eksklusif: tidak ada tumpang tindih taksonomi dari setiap kelas (yaitu, hutan hujan

dan hutan cemara adalah kelas yang berbeda).

Lengkap: semua tanah-selimut di daerah telah dimasukkan.

Hirarkis: kelas sub-tingkat (misalnya, satu keluarga perumahan perumahan, multi-

keluarga) diciptakan, yang memungkinkan bahwa kelas-kelas ini dapat dimasukkan

dalam kategori yang lebih tinggi (misalnya, perumahan).

Beberapa contoh skema klasifikasi keras adalah:

Planning Association Amerika Sistem Klasifikasi Tanah Berbasis

United States Geological Survey penggunaan lahan / Tanah-cover Sistem Klasifikasi

Penggunaan dengan Remote Sensor data

US Department of the Interior dan Ikan Wildlife Service

US National Vegetasi dan Sistem Klasifikasi

Sistem International geosfer-Biosphere Program IGBP Tutupan Lahan Klasifikasi

DAFTAR PUSTAKA

Ball, Geoffrey H., Hall, David J. (1965) Isodata: a method of data analysis and pattern

classification, Stanford Research Institute, Menlo Park,United States. Office of Naval

Research. Information Sciences Branch

Duda, R. O., Hart, P. E., & Stork, D. G. (2001). Pattern Classification. New York: John Wiley

& Sons.

Jensen, J. R. (2005). Introductory Digital Image Processing: A Remote Sensing Perspective.

Upper Saddle River : Pearson Prentice Hall.

Belokon, W. F. et al. (1997). Multispectral Imagery Reference Guide. Fairfax: Logicon

Geodynamics, Inc.

SUMBER