SURVEYING TANAH LONGSOR DI TIMBUNAN JALAN MENGGUNAKAN UAV
PHOTOGRAMMETRY
A. Data Foto Udara
Data foto udara yang digunakan dalam penelitian ini, diperoleh dengan menggunakan
alat UAV Fotogrametri MD4-200 Model oleh Microdrones (Microdrones GmbH, 2011), 4-
rotor vertikal take-off dan landing dengan kendaraan otonom dan semi-kapasitas kontrol
otonom (lihat gambar 1.)
Hal ini dilengkapi dengan antena GPS, altimeter dan magnetometer untuk calculate
koordinat posisi selama penerbangan. beberapa sinyal dari alat navigasi (akselerometer,
giroskop, airpressure, kelembaban dan sensor suhu, dll) emmited untuk base station oleh
pemancar radio dan disimpan pada onboard, perekam penerbangan (kartu microSD) Wich
memungkinkan pasca-analisis penerbangan. Selain itu, kamera digital Pentax Optio A40,
dengan 12 megapixels, stabilisasi foto, memicu, fungsi zoom dan tilt Kamera-mount
dikendalikan dari remote control (lihat gambar. 2).
B. Metode
Metode yang digunakan dalam penelitian ini meliputi berbagai tahapan yang akan
dijelaskan lebih rinci dibawah ini.
1. Survey Pendahuluan
Survey pendahuluan ini meliputi letak lokasi penelitian, kondisi lapangan serta
menentukan metode yang akan digunakan dalam penelitian ini. Tujuan dari pekerjaan ini
adalah mengembangkan metode yang akurat dan murah untuk mengkarakterisasi longsor
terletak pada ukuran jalan . itu diterapkan pada titik kilometric 339 milik A92 kemacetan ,
dalam jangka kota Abla , provinsi Almeria , Spanyol .
2. Perencanaan Jalur Terbang
Rute penerbangan diprogram menggunakan grafis yang antarmuka berbasis informasi
Google Earth, dan tindakan untuk dilakukan di setiap waypoint didefinisikan, termasuk
posisi holding, orientasi foto dan aktivasi pemicu. Tanah longsor itu dikaji adalah di
tanggul milik A92, kemacetan terletak antara Almeria dan Granada provinces, tenggara
Spanyol. Tanggul sekitar 100 m panjang, dan elevasi perbedaan antara parit dan tanggul
adalah 20 m.
Perangkat lunak yang cocok dengan pesawat tak berawak, modul Waypoint Editor,
perencanaan penerbangan adalah dirancang. Tiga rute paralel sepanjang jejak melengkung
dari jalan, termasuk 18 foto masing-masing, membuat total penerbangan perencanaan.
Longitudinal dan transversal tumpang tindih, 85% dan 60 % Masing-masing, sudah cukup
untuk menutupi seluruh area target (lihat gambar. 5).
Survey Pendahuluan
Perencanaan Jalur Terbang
Pengambilan Data Foto Udara
Pengolahan Data
Peta Garis
3. Pengambilan Foto Udara
Sebelum melakukan pemotretan foto udara, disediakan dulu peta dasar yang
mencakup daerah yang akan dipetakan. Peta dasar ini didapat dari image google earth.
Dari image google earth ini kemudian dibuat jalur penerbangan yang sudah dijelaskan
dalam tahap sebelumnya. Pada saat di mana pesawat itu dilakukan , angin rata-rata
kecepatan adalah 3,5 m / s . Efek angin dapat diamati dalam gambar 6 , di mana
penyimpangan dari jalur linier yang akan ditampilkan. Langkah selanjutnya adalah
membuat mozaik foto udara. Bahwa mozaik foto udara merupakan gabungan dari dua
atau lebih foto udara yang saling bertampalan sehingga menghasilkan paduan citra yang
berkesinambungan dan menampilkan daerah yang lebih luas.
4. Pengolahan Data
Proses pengolahan data pada penelitian ini menggunakan software Photomodeler Pindai
2011 adalah yang dipilih sebagai perangkat lunak untuk proses fotogrametri, karena
software ini murah, multi-perangkat lunak aplikasi yang dapat digunakan dengan baik ,
konvergen dan proyek fotogrametri paralel.
C. Analisis dan Pembahasan
Photomodeler Pindai 2011 adalah yang dipilih perangkat lunak untuk proses
fotogrametri . Ini adalah murah multi-perangkat lunak aplikasi yang dapat digunakan dengan
baik , konvergen dan proyek fotogrametri paralel.
Kesalahan geometris diperkenalkan oleh lensa kamera sebelumnya dikalibrasi dengan
menggunakan metode kalibrasi lapangan berdasarkan kalibrasi lab sebelumnya . Proyek
kalibrasi dilakukan menggunakan beberapa titik sasaran dengan koordinat dikenal terletak 50
m jauh dari posisi kamera , tinggi penerbangan yang sama yang digunakan dalam pekerjaan
luar . Parameter yang dikalibrasi adalah panjang fokus , ukuran format Sensor kamera CCD ,
lokasi sensor titik utama , dua radial koefisien fungsi distorsi dan dua decentring fungsi
distorsi koefisien (lihat tab . 1 ) .
Semua foto dari proyek fotogrametri yang resampled menggunakan fungsi distorsi
yang diperoleh dengan pra - kalibrasi . Gambar . 7 menunjukkan bagaimana garis lurus dari
jalan diperbaiki setelah Proses koreksi distorsi .
Proses orientasi relatif ( Wolf, 1983) dilakukan , mengidentifikasi set poin umum di
setiap tumpang tindih pasang foto , yang dikenal sebagai titik dasi . Total A jumlah 8451 poin
tie secara otomatis diidentifikasi pada Proses orientasi relatif , hanya menggunakan 37 dari 54
proyek Foto , yang cukup untuk menutupi seluruh permukaan target . Orientasi relatif
dilakukan dengan menggunakan metode iteratif yang menghitung estimator kesalahan
keseluruhan blok penyesuaian , dan akar kuadrat rata-rata kesalahan ( RMS ) dari masing-
masing dasi titik yang digunakan . Setelah iterasi keempat , sistem ini berkumpul .
Keseluruhan error adalah 0,607 piksel , dan RMS maksimum adalah
0.832 piksel . Mutlak proses orientasi ( Wolf, 1983) diterapkan oleh pendekatan transformasi
affine yang berarti terjemahan , rotasi dan skala perubahan , dengan menggunakan tiga
koordinat terbaik dipilih dari satu set data titik kontrol tanah.itu blok fotogrametri itu
ditampung oleh Universal Transverse Mercator UTM sistem koordinat , belahan bumi utara
dan nomor zona 30 , dengan Datum Eropa 1950 dan Model geoidal Ibergeo .
Setelah blok fotogrametri telah disesuaikan dan diproyeksikan sistem UTM,
awan titik tiga-dimensi yang terdeteksi di seluruh model (gbr. 8).
Setelah edisi dan kebisingan penyaringan, Permukaan Triangulasi dengan
147.914 segitiga berasal dari 77306 poin jala melalui plot. Tabel 2 menunjukkan
statistik univariat utama dari data yang diperoleh ditetapkan.
Hal ini dapat diamati bahwa algoritma autokorelasi memberikan titik awan
didistribusikan dengan baik yang posisinya disesuaikan dengan distribusi normal
Permukaan 55804 segitiga dihasilkan dengan menggunakan thr tersebut. poin dimensi
(gbr. 9).
Hal ini dapat diamati bahwa tidak ada tekstur untuk zona tertentu, berwarna
abu-abu dengan nada datar, yang hampir sejajar dengan foto-foto 'sumbu, yaitu,
pesawat vertikal. Karena konsentrasi yang tidak teratur pada permukaan segitiga
poin, permukaan baru, yang dikenal sebagai Digital Elevation Model (DEM)
adalah interpoled (gbr. 10), menggunakan skema kotak biasa, mendapatkan
satu poin masing-masing 0,5 m diinterpolasi oleh basis radial metode fungsi.
Kontur garis diperoleh dengan persimpangan DEM dan set 1-m bidang sejajar
interval untuk bidang horisontal, dan informasi itu diekspor ke format dxf (gbr. 11)
Produk lain yang khas dari proyek fotogrametri adalah orto-gambar, dengan
sifat kartografi, diperoleh resampling dari foto proyek akuntansi topografi deformasi.
The DEM dan blok fotogrametri disesuaikan re input data untuk proses
orthorectification. Gambar, 12
menunjukkan garis kontur di atas 0,01-m pixel orto-imageBerkat 31 poin
sasaran disalurkan melalui bidang studi, akurasi keseluruhan proyek ini dihitung
berdasarkan diamati perkiraan koordinat perbandingan. Data yang diamati set
termasuk koordinat diukur dari 31 cek poin, yang terwujud oleh beberapa target yang
dicetak kode (gbr. 13)
Mereka didistribusikan baik di seluruh daerah penelitian mencoba bahwa Foto
yang diperoleh dari pesawat tak berawak termasuk mereka (gbr. 14).
Coordinates poin sasaran diukur dengan Trimble R6 GPS Receiver (Trimble,
2011) di Real Time. Kinematik Modus (RTK), menerapkan pasca-proses dengan
waktu koreksi data yang disimpan di stasiun Calar Alto, milik Positioning Andalusia
Network (RAP) (Red Andaluza de Posicionamiento, 2011), 20,8 Km jauh dari
dipelajari daerah, pada saat yang sama dari kampanye topografi. Membandingkan
diukur dengan GPS X dan Y koordinat 31 cek poin dan posisinya lebih orthoimage
tersebut, akar planimetris berarti kesalahan squared (RMS XY ) diperoleh (Tabel 3).
Altimetrik root mean squared error (RMS Z ) adalah diperoleh dengan
membandingkan diukur dengan koordinat GPS dari Z titik cek, dan diperkirakan dari
DEM di posisi diukur dengan GPS.
Sebuah studi sebelumnya, menerapkan teks Kolmogorov-Smirnov (Royston,
1982), menunjukkan bahwa X, Y dan Z melakukan kesalahan didistribusikan sebagai
fungsi normal pada tingkat kepercayaan 99%.
D. Kesimpulan dan Saran
1. Kesimpulan
Dengan demikian dapat disimpulkan bahwa total kesalahan yang dilakukan, hingga 0,12
m, cukup untuk karakterisasi geometris tanah longsor di jalan tanggul. Kedua produk yang
diperoleh, DEM dan orto-foto dapat digunakan sebagai inlet data ke beberapa metode yang lebih
digunakan untuk menghitung stabilitas tanah longsor, sebagai metode numerik dan batas metode
kesetimbangan. UAV Fotogrametri menunjukkan sebagai metode yang efisien terletak antara
foto udara klasik dan terestrial teknik survei. Ini harus adverted bahwa metodologi ini dibatasi
oleh kondisi meteorologi, khususnya kecepatan angin yang memiliki untuk bisa sampai 5 m / s.
Selain itu, arah gambar yang diambil, ortogonal pesawat jalan, tidak adalah titik terbaik
pandang untuk mengkarakterisasi beberapa permukaan longsor. Beberapa permukaan ini
disembunyikan karena sudut longsor utama adalah dekat dengan 45 º dengan terhadap bidang
horizontal. Aksesibilitas tanggul ke kontrol tanah titik pengukuran bisa sulit dan berbahaya,
terutama ketika topografi yang kuat atau kenaikan antara atas dan bagian bawah tanggul yang
tinggi. Untuk karya-karya di masa depan akan menguji penerapan proyek fotogrametri dengan
paralel Foto axis, berorientasi pada lereng utama tanggul. Selanjutnya, hal itu akan dihitung
kenaikan total kesalahan ketika titik kontrol tanah didistribusikan.
2. Saran
a. Sebelum alat itu digunakan harus dikalibrasi terlebih dahulu agar didapatkan hasil yang
lebih akurat.
b. Pada saat pengambilan data foto udara harus mempertimbangkan kondisi alam seperti
kecepatan angin, kondisi cuaca, serta tekanan udara disekitarnya sehingga ketinggian
pesawat relative stabil.
E. Referensi
F, Carvajal. dkk. 2011. Surveying A Landslide In A Road Embankment Using Unmanned Aerial Vehicle Photogrammetry. ESI – Dept. of Rural Engineering, University of Almeria,
TUGAS FOTOGRAMETRI
RESUME: SURVEYING TANAH LONGSOR DI TIMBUNAN JALAN
MENGGUNAKAN UAV PHOTOGRAMMETRY
Disusun Oleh:
Muhammad Irsyadi Firdaus 3512100015
Kelas: Fotogrametri A
JURUSAN TEKNIK GEOMATIKA
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2014