hiperspektral.docx
DESCRIPTION
TUGAS KULIAHTRANSCRIPT
1. Citra yang Digunakan
Citra yang digunakan adalah HyMap (Airborne-Hyperspectral Sensor). Sensor
HyMap menggunakan panjang gelombang dari 350 nm – 2500 nm dengan interval
panjang gelombang 10-20 nm. Pengambilan data airborne-hyperspectral dilakukan
dengan menggunakan sensor Hyperspectral Mapper (HyMap) yang dipasang pada
pesawat Cessna dengan tinggi terbang sekitar 2000 m di atas permukaan tanah, IFOV 2.5
km, FOV 60o dengan hasil resolusi spasial 4.5 m, dan jumlah kanal 128.
HyMap menyediakan 128 band di seluruh wilayah panjang gelombang reflektif
surya dari 0,45-2,5 mm dengan cakupan spektral bersebelahan (kecuali dalam band air
atmosfer uap) dan bandwidth antara 15 - 20 nm. Sensor ini beroperasi di platform gyro 3-
sumbu stabil untuk meminimalkan distorsi gambar karena gerakan pesawat. Sistem ini
dapat dengan cepat diadaptasi menjadi pesawat apapun dengan port kamera standar
udara.
HyMap memberikan sinyal untuk rasio kebisingan (> 500:1) dan kualitas gambar
yang menetapkan standar industri. Konfigurasi spektral dari sensor HyMap ditampilkan
di bawah untuk masing-masing 4 modul spektral yang berisi masing-masing 32 band,
dengan total 128 band spektral.
Sensor HYMAP menggunakan panjang gelombang pada spektrum tampak, Near
Infra Red (NIR), Shortwave Infra Red (SWIR) dengan jumlah kanal sebanyak 128.
Tabel 1. Interval Band HYMAP
Gambar 1. Karakteristik Citra HyMap
Spektrum Kanal (μm) Interval (nm) Tampak 0.450 ~ 0.700 15 NIR 0.700 ~ 1.350 15 SWIR 1 1.400 ~ 1.800 13 SWIR 2 1.950 ~ 2.480 17
2. Metode yang Digunakan
Adapun metode atau teknik Pemrosesan data yang dilakukan, antara lain:
Filtering dan Resampling Data FieldSpec, Indeks Spektral, Regresi Linier.
Filtering dan Resampling Data FieldSpec
Data reflektan tanaman kopi yang sudah dalam format ASCII
dikumpulkan alam direktori sesesuai jarak pengukuran yaitu 10 cm (FS10) dan
50 cm (FS50). Satu file ASCII merupakan hasil pengukuran pada satu titik lokasi
dengan 5 kali pengulangan. Proses berikutnya adalah menghitung rata-rata
reflektan untuk satu titik pengukuran. Kemudian data reflektan tersebut diseleksi
(filtering), data yang tidak memenuhi kriteria reflektan tanaman tidak dipakai
untuk proses berikutnya. Setelah diseleksi langkah berikutnya adalah
menghitung rata-rata reflektan per quadrat area. Selanjutnya data FieldSpec
diresample sesuai interval band data HYMAP dengan teknik interpolasi
Savitzki-Golay. Kanal yang mengabsorbsi air dihapus tidak diikutkan dalam proses
pengolahan data, yaitu 1,3344 – 1,4311 μm, 1,7841 – 1,9683 μm, dan 2,4443 –
2,4905 μm.
Indeks Spektral
Indeks Spektral yang digunakan adalah ratio spectral indices (RSI) dan
Normalised Difference Spectral Indices (NDSI) yang didefinisikan dengan rumus sbb:
dan
Dimana R1 dan R2 adalah reflektan kanopi daun pada kanal 1 dan 2. Panjang
gelombang yang digunakan untuk WI dan NDWI menyesuaikan dengan panjang
gelombang yang ada di data HYMAP. Untuk WI menggunakan R1=0.9113 µm dan
R2= 0.9731 µm; sedangkan untuk NDWI menggunakan R1= 0.8632 µm dan R2 =
1.2377 µm.
Regresi Linear
Analisis regresi linear antara CWC dengan RSI dan NDSI dilakukan
menggunakan metode stepwise. Semua kemungkinan kombinasi kanal R1 dan
R2 dicoba dan kemudian hasilnya diurutkan berdasar koefisien korelasi R2 dan
diplot dalam grafik. Proses dilakukan dengan menggunakan software scripting Perl
dan R-Languange.
2.1 Algoritma yang Digunakan
Pada penelitian ini selain dengan menggunakan metode regresi, estimasi LAI,
klorofil dan produktivitas (panen) akan dianalisis dengan menggunakan beberapa
indeks vegetasi. Oleh karena data yang digunakan dalam penelitian ini adalah data
hiperspektral lapangan untuk menghindari kerancuan dengan indeks vegetasi
Normalized Defference Vegetation Index (NDVI), Simple Vegetation Index (SVI),
Renormalized Difference Vegetation Index (RDVI), Soil Adjusted Vegetation Index
(SAVI), dalam penelitian ini akan digunakan istilah Normalized Defference Spectral
Index (NDSI), Simple Ratio Index (SRI), Renormalized Difference Spectral Index
(RDSI), dan Soil Adjusted Spectral Index (SASI). Tujuan dari penggunaan indeks-
indeks vegetasi ini adalah untuk mencari suatu metode-metode estimasi LAI, klorofil
dan produktivitas melalui pendekatan indeks-indeks vegetasi.
Simple Ratio Index (SRI)
Menurut Tucher (1979), Baret dan Guyot (1991), SRI menunjukkan keterkaitan
antara kombinasi panjang gelombang tertentu dengan perubahan kondisi biomasa dan
kandungan pigmen vegetasi. SRI juga akan memperlihatkan secara kontras perbedaan
antara vegetasi dan tanah juga dapat meminimalkan pengaruh iluminasi matahari. SRI
dihitung dengan menggunakan persamaan :
SRI =[ λ band 1λ band 2 ]
Normalized Defference Spectral Index (NDSI)
Hampir sama dengan SRI, NDSI juga menggambarkan korelasi antara
kombinasi dua panjang gelombang terhadap perubahan dalam biomasa dan kandungan
pigmen vegetasi. Secara spectral, indeks vegetasi ini menggambarkan penyerapan
maksimum panjang gelombang merah oleh pigmen klorofil dan maksimum reflektansi
panjang gelombang inframerah dekat oleh struktur sel vegetasi. Oleh karena itu, NDSI
efektif dalam memprediksi properti – properti kanopi untuk vegetasi yang memiliki
densitas sedang. (Rouse et al., 1974). NDSI dapat dihitung dengan persamaan :
NDSI =[ λ band 1− λ band 2λ band 2+λ band 2 ]
Renormalized Difference Spectral Index (RDSI)
RDSI adalah suatu indeks vegetasi yang menjelaskan tentang kondisi
parameter-parameter kanopi vegetasi. Dengan memodifikasi persamaan NDSI, RDSI
menjadi sensitive bukan hanya untuk vegetasi yang berdensitas sedang namun untuk
yang berdensitas tinggi maupun rendah (Roujean dan Breon, 1995). Persamaan RDSI
dapat ditulis sebagai berikut :
RDSI¿ [ λ band 1− λ band 2
√ λband 1+λband 2 ] Soil Adjusted Spectral Index (SASI)
Penggunaan indeks SASI bertujuan untuk meminimalkan pengaruh tanah pada
spectral kanopi. Index SASI yang banyak digunakan saat ini adalah seperti yang
dikemukakan oleh Huete (1988) dengan melibatkan faktor penyesuaian kanopi tanah, L
dengan menggunakan data hyperspektral SASI dihitung melalui persamaan berikut :
SASI=[ ( λ band 1− λ band 2 )(1+L)√ λband 1+ λband 2+L ]
Dimana λ band 1 dan λ band 2 adalah reflektan band 1 dan 2, L adalah faktor
canopy background adjustment. Faktor L adalah fungsi dari densitas dengan nilai
optimal 0,5.
3. Alat yang Digunakan
Alat Pengukuran Data Reflektan Daun Kopi di Lapangan
Data reflektan tanaman diukur dengan ASD field spectrometer dari ketinggian
10 cm (FS10) dan 50 cm (FS50) dari ujung kanopi daun. Setiap titik dilakukan
pengukuran dengan ulangan minimal 5 kali. Panjang gelombang yang digunakan
dari 350 nm -2500 nm dengan resolusi spektral 1 nm.
Spesifikasi ASD field spectrometer :
Spectral Range 350-2500 nm
Spectral Resolution 3 nm @ 700 nm8 nm @ 1400/2100 nm
Sampling Interval 1.4 nm @ 350-1050 nm2 nm @ 1000-2500 nm
Scanning Time 100 milliseconds
Stray light specification VNIR 0.02%, SWIR 1 & 2 0.01%
Wavelength reproducibility
0.1 nm
Wavelength accuracy 0.5 nm
Maximum radiance VNIR 2X Solar, SWIR 10X Solar
Channels 2151
Detectors VNIR detector (350-1000 nm): 512 element silicon arraySWIR 1 detector (1000-1800 nm): Graded Index InGaAs Photodiode, TE CooledSWIR 2 detector (1800-2500 nm): Graded Index InGaAs Photodiode, TE Cooled
Input 1.5 m fiber optic (25° field of view). Optional narrower field of view fiber optics available.
Noise Equivalent Radiance (NEdL)
VNIR 1.0 X10-9 W/cm2/nm/sr @700 nmSWIR 1 1.4 X10-9 W/cm2/nm/sr @ 1400 nmSWIR 2 2.2 X10-9 W/cm2/nm/sr @ 2100 nm
Weight 5.44 kg (12 lbs)
Calibrations Wavelength, absolute reflectance, radiance*, irradiance*. All calibrations are NIST traceable. (*radiometric calibrations are optional)
Computer Windows® 7 64-bit laptop (instrument controller)
Warranty One year full warranty including expert customer support
Alat Pengambilan Data Klorofil
Data klorofil diperoleh dengan pengukuran lapangan menggunakan alat SPAD
502 yang dibuat oleh Minolta. SPAD memiliki area pengukuran 2x3 mm dengan
ketelitian pengukuran ± 1.0 SPAD unit. Nilai SPAD diperoleh dari persamaan :
SPAD=K log10 [ IR1/ IR0R 1/ R 0 ]
● Prinsip kerja alat SPAD 502
Transmisi cahaya oleh klorofil ditandai dengan tingginya nilai transmisi pada
rentang panjang gelombang NIR dan rendah pada rentang panjang gelombang merah.
Hal ini disebabkan karena tanaman hijau menyerap radiasi gelombang tampak untuk
proses fotosintesis dan mentransmisikan gelombang NIR yang tidak diperlukan.
Gambar 2. Prinsip kerja alat SPAD 502(sumber: http://www.fujiwara -sc.co.jp/catalog/img/spad502-1.gif )
● Teknik pengukuran klorofil dengan SPAD 502
Teknik pengukuran klorofil pada waktu survei lapangan dilakukan sebagai
berikut :
Dalam satu rumpun pengukuran dilakukan tiga kali dan dalam satu kuadrat
ada
5 rumpun yang diukur.
Hitung nilai klorofil rata-rata untuk setiap kuadrat.
Gambar 3. Titik pengukuran klorofil dengan SPAD 502 pada daun
Alat Pengambilan Data LAI
Data LAI (Leaf Area Index) diperoleh dengan pengukuran lapangan
menggunakan metode non-destuktif dengan alat LI-COR LAI-2000 yang dibuat oleh
Li-Cor inc., Lincoln, NE. Jumlah daun dalam kanopi merupakan suatu faktor untuk
menentukan berapa banyak cahaya yang dapat diterima oleh kanopi yang merupakan
pengatur dalam laju fotosintesis. Daun mempunyai pori yang disebut stomata dimana
karbon dioksida dan air lewat dari dan ke atmosfer. Prinsip kerja metode non-destruktif
yaitu dengan melakukan pengukuran fraksi cahaya datang yang lewat melalui kanopi.
Asumsi yang digunakan adalah bagaimana distribusi daun di dalam kanopi kemudian
menghitung jumlah dan ukuran gap. Dari kedua informasi ini selanjutnya dapat
digunakan untuk menghitung LAI. Cara kerja dari metode inilah yang kemudian
diadopsi oleh alat-alat pengukur LAI seperti LAI-2000.
Gambar 4. LI-COR LAI-2000
Alat Pengambilan Data Biomassa Tanaman
Data biomasa terdiri dari berat basah dan berat kering per bagian tanaman kopi
yaitu daun, batang dan panicle diukur di Laboratorium. Kandungan kanopi daun
merupakan selisih antara berat basah dan berat kering. Pada umumnya jarak
tanam kopi adalah 2,5 m, sehingga dalam 1 m2 terdapat 1 pohon kopi.
Sehingga kandungan air kanopi daun adalah 1*(berat basah daun – berat kering
daun) dalam satuan g/m2.
4. Software yang Digunakan
Software yang digunakan adalah ENVI 4.6.1. ENVI adalah software yang
menyediakan berbagai solusi perangkat lunak untuk pengolahan dan analisis citra
geospasial digunakan oleh para ilmuwan, peneliti, analis gambar, dan profesional GIS di
seluruh dunia. ENVI menggabungkan solusi pengolahan gambar dan teknologi terbaru
spektral analisis citra dengan interface, intuitif user-friendly untuk membantu Anda
mendapatkan informasi yang berarti dari citra.
Software ini digunakan juga dari berbagai kalangan industri dan disiplin, seperti
pertahanan dan intelijen, perencanaan kota, pertambangan, geologi, dan ilmu
pengetahuan ruang, dan ilmu bumi menggunakan ENVI sebagai solusi untuk
mendapatkan data dengan cepat dan akurat untuk membantu mereka membuat
keputusan. Produk ENVI juga menawarkan paket yang kuat pengolahan gambar dan alat
analisis untuk mendukung eksploitasi gambar anda,dan mengintegrasikan dengan
perangkat lunak GIS yang popular dan semua solusi ENVI dibangun di IDL, bahasa
pemrograman yang kuat yang memungkinkan untuk fitur mudah dan kustomisasi fungsi
untuk memenuhi kebutuhan unik anda. Produk ENVI membuatnya lebih mudah untuk
membaca, mengeksplorasi, mempersiapkan, menganalisis, dan berbagi informasi dari
citra.
5. Analisa