6/1/2012

1

MINGGU 14 :

REMOTE SENSING & APLIKASI UNTUK

INVENTARISASI TUMBUHAN

Outline :

a. Definisi

b. Sumber energi/gelombang elektromagnetik

c. Sejarah perkembangan remote sensing

Proses RS

a. Interaksi energi dengan obyek

b. Penyiaman (scanning), Perekaman Data &

Peyimpanan data satelit dijital

c. Klasifikasi

Sumber bacaan

• Robert A. Schowengerdt : Remote Sensing: Models And Methods

for Image Processing

(http://books.google.co.id/books?id=KQXNaDH0X-

IC&pg=PA2&redir_esc=y#v=onepage&q&f=false)

• John A. Richards. 1993. : Remote sensing digital image analysis.

Springer Verlag

• Introduction to remote sensing (Natural Resources Cana),

http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-

sensing/fundamentals/1924

• Dr. S. C. Liew. Centre for Remote Imaging, Sensing and Processing

National University of Singapore : What is remote sensing

(http://www.crisp.nus.edu.sg/~research/tutorial/rsmain.htm)

• Precision Agriculture (http://www.amesremote.com/)

A. Definisi Remote Sensing

Definisi :

• Ilmu untuk memperoleh informasi mengenai benda/obyek di atas permukaan bumi dengan menggunakan alat (pesawat/satelit) tanpa menyentuh benda/obyek yang menjadi target..

• Pengukuran/pengumpulan informasi suatu obyek di atas permukaan bumi tanpa kontak langsung dengan obyek yang dipelajari

Receiving

Station

Komponen Remote Sensing

SATELIT Radar

B: Sumber energi remote sensing: Ultraviolet – Microwave (pendek->panjang)

Cahaya matahari dan yg dipantulkan bumi dapat dibagi berdasarkan

panjang gelombangnya

Infrared

Wavelength

Gamma

Rays Ultraviolet Microwave X-Ray TV/Radio

The Electromagnetic Spectrum (EMS)

Visible

˜ 0.4

micrometers

˜ 0.7 PHOTOGRAFI

SATELIT & FOTO

UDARA

AKTIF & PASIF

6/1/2012

2

Spektrum gelombang Elektromagnetik

Gelombang Radio

Radar

Infra merah, UV Cahaya Tampak

(B&R = fotosintesa, Fotografi)

Sinar X

Sinar Gamma

PANJANG GELOMBANG FREKUENSI APLIKASI

(meter) (Hz)

Kecil

Besar

ENERGI

1. Red : 0.620 - 0.700 m

2. Orange : 0.592 - 0.620 m

3. Yellow : 0.578 - 0.592 m

4. Green : 0.500 - 0.578 m

5. Blue : 0.446 - 0.500 m

6. Violet : 0.400 - 0.446 m

RENTANG SPEKTRUM CAHAYA TAMPAK/

VISIBLE LIGHT

RADAR

Band P, L,

S, C, X, Ku,

K, Ka

RENTANG SPEKTRUM MICROWAVE

10

C Sejarah Perkembangan

REMOTE SENSING

• 1826 – Photograph Pertama

http://en.wikipedia.org/wiki/History_of_photogra

phy

• 1858 - Photo pertama dari balon udara

(http://www.papainternational.org/history.asp)

• 1903 - Pesawat pertama

• 1909 Photo pertama dari pesawat

(http://northstargallery.com/aerialphotography/hi

story%20aerial%20photography/history.htm

• 1903-4 – Photo infrared film

• Perang dunia I and II

• 1960 - Program Ruang angkasa

LANDSAT

SPOT 4

NOAA

QUICKBIRD IKONOS

TIPE SATELIT

FENG YUN

PROSES REMOTE SENSING

a. Interaksi energi dengan obyek

b. Sensor (bands)

c. Penyiaman (scanning) &

peyimpanan data satelit dijital

6/1/2012

3

13

A. INTERAKSI CAHAYA DENGAN OBYEK

Cahaya berinteraksi

dengan obyek dalam

berbagai bentuk

Incident (I) : Cahaya datang :

Absorption (A);

Transmission (T); and

Reflection (R).

14

PANTULAN/REFLEKSI

Specular reflection

Permukaan yg halus :

Semua/hampir semua energi

dipantulkan kembali

Specular or

mirror-like reflection

15

INTERAKSI CAHAYA DENGAN OBYEK

DAUN:

Chlorophyll menyerap banyak

radiasi Merah dan Biru, tapi

memantulkan hijau.

Pada saat pertumbuhan

sempurna, daun tampak lebih

hijau karena banyak kandungan

khloropilnya (lebaih banyak B &

R yang diserap)

VEGETASI

16

Air bening Air keruh

AIR :

Gelombang biru lebih banyak

dipantulkan dari pada gelombang

merah dan hijau, sehingga Air

kelihatan biru.

Bila ada suspensi terlarut, maka

gelombang biru akan lebih banyak

dipantulkan, sehingga air yang keruh

kelihatan lebih terang.

Keberadaan sediment (S) akan

mempengaruhi pola reflektansi. Air

keruh akan mempunyai nilai

reflektansi yang mirip dengan air

dangkal.

INTERAKSI DENGAN OBYEK

AIR

Gamma

Rays Ultraviolet Infrared Microwave X-Ray TV/Radio

The Electromagnetic Spectrum (EMS)

Blue

Green

Red

Near IR

Middle IR

Middle IR

Thermal IR

Bagaimana Reflektansi

cahaya ditangkap

sensor satelit ?????

18

Bagaimana Data disimpan ?

Data direkam per band

Komputer dengan kemampuan 8

bit data, maka :

Data terkecil/nilai pixel terkecil :

0

Data terbesar/nilai pixel terbesar

: 255

Resolusi Spatial :

Besaran yang menunjukkan

ukuran obyek di bumi yang dapat

dideteksi sensor

Resolusi Radiometric:

Level digital yang digunakan

untuk merepresentasikan obyek.

6/1/2012

4

KOMBINASI WARNA

Panchromatic Images Multispectral Images/

Color Composite Image

Berbagai warna dapat dibuat

berdasarkan 3 warna primer

(Hukum warna Aditif)

Nilai DN

Grey Scale

Contoh ERDAS

Pixel

Bands

Objects : Vegetasi,

Air, Lahan Terbangun

B. PEREKAMAN & PENYIMPANAN

DATA

• Proses perekaman

• Proses penyimpanan

• Transfer data dari satelit ke receiving

station

• User menggunakan data

Perekaman data

http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-sensing/fundamentals/1124

Penempatan orbit satelit bervariasi sesuai dengan desain

/misi Satelit :

Geo stationery

Sun synchronized

Near polar orbit

Geo stationer : meliput permukaan bumi yang sama pada periode waktu yang

berbeda-beda

Sun synchronized : meliput permukaan bumi yang berbeda pada waktu yang sama

Resolusi Temporal :

besaran yang merujuk pada frekuensi dari satelit mengambil data pada tempat yang

sama

Equitorial orbit

http://satellites.spacesim.org/english/anatomy/orbit/polar.html

Near Polar Orbit : LANDSAT Peyimpanan Data di Receiving Stations

• Pare-pare, South Sulawesi

• Biak Island, Papua

• Pekayon - Jakarta

• Rumpin, West Java

6/1/2012

5

Previously, since 1993:

• Landsat-5

• SPOT-1,2,3

• JERS: OPS, SAR

• ERS-1 : SAR

Currently, since 2003:

• Landsat-7

• SPOT-4

• Terra and Aqua - MODIS

Parepare South Sulawesi

Remote Sensing Receiving Station

Rumpin - West Java LAPAN Tubsat – Microsat and Terra,`Aqua MODIS

Receiving Station

Ketelitian Satelit

• Resolusi Temporal :

– Periode waktu yg dibutuhkan satelit untuk

merekam lokasi yang sama

• Resolusi Spasial

– Ukuran obyek terkecil yang dapat dideteksi oleh

satelit

• Resolusi Spectral

– Jumlah band/sensor yg digunakan untuk

merekam

28

29 30

6/1/2012

6

LANDSAT (Kebun Raya dan sekitarnya)) IKONOS (Kebun Raya)

IKONOS (Kebun Raya) IKONOS (Kebun Raya)

Klasifikasi Data Citra

Merubah data citra menjadi informasi

Penutupan lahan/penggunaan lahan

Penutupan lahan adalah kondisi fisik

permukaan bumi

Land use : deskripsi bagaimana

manusia mengelola lahan.

Misal :

Hutan = Land cover

Hutan Lindung = Land use

Padang rumput = Land cover

Ranch/Padang Golf : Lan use

Element Order 1

• Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan

• Colour : Warna obyek

KLASIFIKASI VISUAL

6/1/2012

7

Colour/Warna & Tone

Obyek

Hijau : ?

Hijau muda

Hijau tua

Merah : ?

Merah muda/pink

Biru : ?

Tua

Kuningan : ?

Kuning muda

Putih : ?

Putih

Abu

Hitam : ?

False ColorComposite : LANDSAT, RGB = 5:4:3

Elemen Order 2:

• Size – membantu menentukan obyek berdasarkan ukuran – Perkebunan rakyat &

perkebunan besar

• Shape – membantu menentukan karakter obyek berdasarkan bentuk – man made – cenderung garis

lurus – natural – cenderung tidak

beaturan

VISUAL

False ColorComposite : LANDSAT, RGB = 5:4:3

Elements Orde 2 • Texture – frekuensi perubahan dan

susunan dari tone

– Pengamatan visual kehalusan/kekasaran (smoothness or roughness)

– Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar

• Pattern - arrangement spasial dari objects

– Linear untuk jalan, sungai dll

VISUAL

Element order 3 • Site

– bagaimana obyek berada pada suatau tempat

– aspect, topografi, geologi, tanah, & vegetasi

• Association

– obyek biasanya berasosiasi engan obyek yang lain.

– Sangat membantu dalam interpretasi man made obyek

VISUAL

Elements Order 3 • Height – menjelaskan

detail dari obyek (ketinggian obyek)

• Shadow

Membantu menentukan detil obyek

– Identifikasi dapat ditingkatkan dengan informasi bayangan

VISUAL

6/1/2012

8

Contoh Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ?

Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ? Dimana Jalan ?, Dimana Awan ?

Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?

Perbandingan Penampilan Beberapa Objek pada Landsat dan

PALSAR

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan

1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.

2. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau tua pada Landsat.

3. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan

4. Hutan dataran rendah

Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.

5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat

6. Hutan tanaman jati

Hijau kekuningan pada Palsar dan hijau muda pada Landsat.

7. Hutan tanaman pinus

Hijau terang pada Palsar dan hijau tua pada Landsat.

KLASIFIKASI DIGITAL

• Distribusi Nilai DN

• Pengelompokan Nilai DN Tidak Terbimbing

Terbimbing

KOMBINASI WARNA

Panchromatic Images Multispectral Images/

Color Composite Image

Berbagai warna dapat dibuat

berdasarkan 3 warna primer

(Hukum warna Aditif)

Nilai DN

Grey Scale

BAND 4

BAND 3

Feature Space (Distribusi DN, pada 2

sumbu/bands)

6/1/2012

9

ISODATA

I - iterative

S - self

O - organizing

D - data

A - analysis

T - technique

A - (application)?

Band A

Band B

Band A

Band B

1st iteration cluster mean

2nd iteration cluster mean

KLASIFIKASI DIJITAL TIDAK TERBIMBING Klasifikasi Terbimbing

• Mengelompokan Nilai Digital Number Berdasarakan arahan operator

KLASIFIKASI DIJITAL TERBIMBING