modul 2.docx
Post on 20-Dec-2015
272 Views
Preview:
TRANSCRIPT
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
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).
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.
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
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).
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
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
Copy Pseudo Layer menjadi 6. Dan ubah nama nya menjadi Band 1 –
Band 7
Samakan Band 1 disebelah kiri dengan Band disebelah kanan
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
Tampilan Band 3 seperti dibawah ini
Tampilan Band 4 seperti dibawah ini
Tampilan Band 5 seperti dibawah ini
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
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.
Setelah selesai semua, klik Edit – Delete This Transform
Lakukan juga pada Band 2, Band 3 sampai Band 7.
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
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
Pilih Dark Pixel Correction, kemudian klik Next
Masukkan data Landsat_TM_23Apr85.ers pada kotak Input
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
Klik DPC_TM6 lalu klik Icon Cut
Klik pada Band 1. Kemudian klik Edit Transform Limit
Muncul tampilan seperti di bawah ini
Kemudian klik Edit – Delete This Transform pada Dialog Box
Transform
Lakukan hal yang sama pada Band 2, Band 3 sampai Band 7
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
2. Edpc
Klik Land Application Wizard
Muncul tampilan seperti di bawah ini
Pilih Enhanced Dark Pixel Correction, lalu klik Next
Masukkan input dengan data Landsat_TM_23apr85.ers
Masukkan angka yang tertera pada Actual Input, yaitu 67 lalu klik Next
Pilih Clear
Masukkan Output dengan nama EDPC.ers, lalu klik Finish
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.
Ketik edpc_jadi.ers dan ubah File As Type menjadi Er Mapper Raster
Dataset. Lalu klik Ok
3. Cut off
Klik Land Application Wizard
Pilih Cut_Off Values (Scattergram), klik Next
Masukkan Input dengan data Landsat_TM_23apr85.ers
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
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.
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
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
Band 3 Band 4
Band 5 Band 7
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
Band 3 Band 4
Band 5 Band 7
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
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
Band 3 Band 4
Band 5 Band 7
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
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
Band 3 Band 4
Band 5 Band 7
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
Band 3 Band 4
Band 5 Band 7
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
Band 3 Band 4
Band 5 Band 7
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.
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
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)
top related