t'engifjian femtofaaun
(Indai frasajti et
afy
PENGKAJIAN PEMANFAATAN DATA TERRA-MODIS UNTUK EKSTRAKSI DATA SUHU PERMUKAAN LAHAN (SPL) BERDASARKAN BEBERAPA ALGORITMA (The Study of Application of TERRA-MODIS for Land Surface Temperature Extraction Based on Several Algorithms) Indah Prasasti, Katmoko Ari Sambodo, Ita Carolita Penelitl Pusbangja Inderaja, LAPAN ABSTRACT Land surface t e m p e r a t u r e (LST) is one of primary p a r a m e t e r s energy balance on t h e surface a n d also as primary climatology variable t h a t controlling long-wave energy flux through a t m o s p h e r e . The LST data is needed for drought estimating models which based on calculating of soil moisture level a n d / or evapotranspiration. TERRA satellite t h a t brings sensor MODIS (Moderate Resolution Imaging Spectroradiometer) is an environmental observation satellite t h a t can be u s e d for extracting LST d a t a regionally. T h e MODIS relatively h a s width coverage; 2 3 3 0 Km, a n d spatial resolution 2 5 0 m (1 & 2 channel) with high spectral resolution (36 channels), and temporal resolution t h a t almost similar to the previous generation satellite called NOAA. The objective of this study is to develop model which extract LST d a t a from TERRA-MODIS by u s i n g 3 (three) algorithms, e.i Price (1984), Li a n d Becker (1991) a n d Coll et al (1994). The result showed t h a t 31 and 32 channel TERRA-MODIS were possibly developed for LST d a t a extracting. The LST value based on Li & Becker (1991) algorithm w a s t h e highest, while Price (1984) algorithm w a s t h e lowest. The Price (1984), Li & Becker (1991) a n d Coll et al (1994) algorithms c a n give t h e LST better even without accurately emissivity value information. ABSTRAK S u h u p e r m u k a a n (SP) m e r u p a k a n salah satu parameter kunci keseimbangan energi p a d a p e r m u k a a n dan m e r u p a k a n variable klimatologis y a n g u t a m a y a n g mengendalikan Jluks energi gelombang panjang yang melalui atmosfer. Data s u h u p e r m u k a a n penting bagi model-model p e n d u g a a n kekeringan lahan b e r d a s a r k a n perhitungan tingkat kelembaban t a n a h atau evapotranspirasi s u a t u lahan. Satelit TERRA yang m e m b a w a sensor MODIS {Moderate Resolution Imaging Spectroradiometer] m e r u p a k a n satelit p e n g a m a t a n lingkungan y a n g d a p a t digunakan u n t u k ekstraksi d a t a s u h u p e r m u k a a n yang bersifat regional. Satelit ini mempunyai wilayah cakupan yang luas, yakni 2330 Km dengan resolusi spasial 2 5 0 m (kanal 1 dan 2) d a n resolusi spektral yang tinggi (36 kanal) serta resolusi temporal yang k u r a n g lebih s a m a dengan satelit generasi sebelumnya yakni NOAA. Pengkajian ini b e r t u j u a n u n t u k m e n g e m b a n g k a n aplikasi d a t a TERRA-MODIS guna ekstraksi d a t a SP dengan menerapkan 3 (tiga) algoritma perhitungan, yakni Price (1984), Li d a n Becker (1991) d a n Coll et. al. (1994). Hasil pengkajian menunjukkan bahwa d a t a TERRA-MODIS m e m u n g k i n k a n u n t u k dikembangkan guna ekstraksi data SP, yakni dengan memanfaatkan k a n a l 31 dan 32. Nilai SP tertinggi dihasilkan oleh algoritma Li & Becker (1991) d a n t e r e n d a h oleh algoritma Price (1984). Algoritma Price (1984), Li 8t Becker (1991) d a n Coll et.al., (1994) d a p a t memberikan hasil pendekatan nilai SP yang baik, walau t a n p a informasi nilai emisivitas p e r m u k a a n yang akurat sekalipun. Kata k u n c i : MODIS, Suhu Permukaan Lahan (SPL) 1
0unal
1
FENDAHULUAN
Suhu p e r m u k a a n lahan (SPL) adalah salah s a t u parameter kunci keseimbangan energi p a d a p e r m u k a a n dan m e r u p a k a n variabel klimatologis yang utama. SP mengendalikan jluks energi gelombang panjang yang melalui atmosfer. Besarnya SP t e r g a n t u n g p a d a kondisi parameter p e r m u k a a n lainnya, seperti albedo, kelembaban p e r m u k a a n d a n t u t u p a n serta kondisi vegetasi oleh k a r e n a itu, p e n g e t a h u a n tentang distribusi spasial SP dan keragaman temporalnya penting bagi peniodelan aliran yang a k u r a t a n t a r a p e r m u k a a n dan atmosfer. Data s u h u p e r m u k a a n sering diperlukan sebagai d a t a m a s u k a n dalam model-model perhitungan evapotranspirasi, kelembaban u d a r a , kelengasan tanah, neraca energi, d a n lain sebagainya. Data s u h u p e r m u k a a n tersebut dapat diperoleh dari s t a s i u n p e n g a m a t c u a c a di beberapa tempat. Namun demikian, tidak s e m u a stasiun c u a c a memiliki alat pengukur s u h u p e r m u k a a n . Selama ini perolehan d a t a s u h u dilakukan dengan m e n g g u n a k a n alat termometer yang d i p a s a n g di permukaan tanah u n t u k m e n d a p a t k a n nilai s u h u permukaan tanah dan menggunakan termometer yang dipasang di dalam sangkar c u a c a u n t u k m e n d a p a t k a n s u h u u d a r a p e r m u k a a n . Sementara itu f data s u h u tersebut masih bersifat lokal setempat. Untuk mendapatkan data s u h u yang bersifat lebih regional diperlukan d a t a s u h u y a n g d i k u m p u l k a n dari beberapa stasiun. Dengan masih beroperasinya Satelit TERRA dan Aqua yang membawa sensor MODIS [Moderate Resolution Imaging Spectroradiometei), diharapkan dapat memenuhi kriteria u n t u k ekstraksi data s u h u p e r m u k a a n yang lebih bersifat regional. Satelit ini mempunyai wilayah c a k u p a n yang luas, yakni 2 3 3 0 Km dengan resolusi spasial 2 5 0 Km (kanal 1 dan 2) dan resolusi spektral yang tinggi (36 kanal) serta resolusi temporal yang k u r a n g lebih sama
2
3.0. 1 Junt 2007:1-3
dengan satelit NOAA-AVHRR, yakni 1- 2 hari serta menggunakan data 12 bit p a d a s e m u a kanal (Wan, 1999). Selain itu, satelit MODIS merupakan penyedia data u n t u k proses-proses pengkajian global tentang atmosfer, daratan d a n lautan (Salomonson et al, 1989 dalam Wan, 1999). Beberapa metode tclah dikemb a n g k a n oleh p a r a peneliti, yang kesem u a n y a d a p a t dikelompokkan menjadi 3 (tiga), yakni (1) metode kanal tunggal, (2) metode multLanguIar, dan (3) metode multi-kanal (split window) (Becker dan Li, 1990 dalam Vogt, 1996). Metode split window m e r u p a k a n metode y a n g sering digunakan. Konsep ini berdasarkan metode Anding d a n Kauth (1970, dalam Vogt, 1996), yakni didasarkan p a d a sifat transmitansi atmosfer yang berbeda p a d a d u a j a r a k spektral dekat p a d a jendela infra m e r a h a n t a r a 11-12 \xm, yang di p u s a t k a n p a d a 10,8 jim d a n 11,9 nm. Pada d a t a MODIS kanal-kanal yang dapat d i g u n a k a n u n t u k m e n u r u n k a n data SP adalah kanal 31 (10.780 11.280 urn) d a n k a n a l 32 (11.77012.270 urn). Pengembangan aplikasi dari data MODIS ini masih sangat sedikit hingga s a a t ini. Hal ini d i k a r e n a k a n satelit ini masih relatif baru dalam sistem operasinya. Dengan demikian, aplikasi d a t a MODIS tersebut masih perlu terus dicoba d a n dikembangkan dalam berbagai bidang. Penelitian ini bertujuan u n t u k mengembangkan aplikasi data MODIS u n t u k ekstraksi d a t a S u h u P e r m u k a a n (SP) dengan m e n g g u n a k a n beberapa algoritma perhitungan s u h u permukaan. Data s u h u p e r m u k a a n yang diperoleh tersebut diharapkan dapat dimanfaatkan u n t u k aplikasi yang bersifat lebih regional. 2
DATA DAN METODE
2.1 Data Data yang digunakan dalam pengembangan model p e n d u g a a n S u h u P e r m u k a a n (SP) adalah data TERRA-
MODIS wilayah P. J a w a tanggal 17 Juli 2 0 0 1 , yakni data kanal 31 d a n 32 resolusi 1000 m (EV_1000m_Emissive). Data MODIS tersebut diperoleh dari website milik NASA (www.modis.gsfc. nasa.gov). Alat yang digunakan dalam pengolahan d a t a adalah perangkat lunak HDFLook d a n MSpinx. Kedua perangkat l u n a k tersebut di download dari internet. 2.2
Metode
2.2.1 Metode perhitungan nilai SP Pengolahan data SP p a d a penelitian ini didasarkan p a d a 3 (tiga) pers a m a a n , yakni p e r s a m a a n Price (1984), Li d a n Becker (1991), d a n Coll et.al, (1994). Persamaannya masing-masing adalah sebagai berikut : • Price (1984) SP1 =Tb 3 i + 3,33 (Tb3i - Tb 32 ) * ((5,5 8 3 i)/4,5) + 0.75 Tb 3 1 (e3i - s32) • Li d a n Becker (1991) SP2 = A0 + P [(Tb3i - Tb 32 )/2] + M [(Tb3i Tb 3 2 )/2] dengan Ao = 1,274 P = 1.00 + 0.15616 ((1- e/e) 0.482 (Ae/s2) M = 6.26 + 3.98 ((1- e/e) 38,33 (Ae/e2) Menurut Wan (1999), u n t u k data MODIS besarnya emisivitas kanal 31 e32 adalah 0.989 d a n kanal 32 (e32) = 0,988, sehingga Ae = 0.001. Sementara itu, nilai emisivitas rata-rata p e r m u k a a n bervegetasi adalah 0,97 d a n e = ((e3i +
2.2.2 Klasifikasi nilai SP Pengklasifikasian nilai SP ini ditujukan u n t u k m e n d a p a t k a n pola tampilan SP yang dapat diperbandingk a n a n t a r a s a t u dengan yang lainnya. Klasifikasi nilai SP dilakukan dengan terlebih dulu m e m b u a t masking awan d a n laut. Pembuatan masking awan ini dilakukan u n t u k m e m i s a h k a n a n t a r a daratan dengan awan d a n laut. Proses pemisahan daratan, laut d a n awan adalah sebagai berikut : • Pemisahan areal tertutup awan (kelas awan) J i k a Tb 3 i < 29°K, m a k a wilayah tersebut adalah awan, a t a u | T b 3 i - T b 3 2 | < 1,2°K, a t a u (Tb 3 i/ Tb32) > 0.996 selanjutnya citra klasifikasi awan ini disimpan dalam s a t u file, yakni file masking awan d a n diberi warna putih. • Pemisahan darat dengan laut (kelas laut) Untuk memisahkan areal darat dengan laut dilakukan melalui pelacakan kisaran nilai m a k s i m u m a t a u minimum nilai SP u n t u k lokasi laut. Selanjutnya, nilai-nilai yang mewakili laut dibuang d a n diberi nilai 0 dan disimpan dalam file laut. Dari proses pemisahan kelas awan d a n laut ini dihasilkan nilai SP k h u s u s u n t u k wilayah daratan. Selanjutnya, nilai SP wilayah daratan ini diklasifikasikan b e r d a s a r k a n kriteria seperti yang dijelaskan p a d a Tabel2-1.
M/2). • Coll et.al, (1994) SP3 = Tb31 + A (Tb3i - Tb 32 ) + B A= 1.0 + 0.58 (Tb 3 i-Tb 3 2 ) B = 0.51 + 40 (1- e) -pAe dimana e = (e3i + e 3 2 )/2 d a n Ae =/e 3 i - e 3 2 / = 0.001, e3i = 0.989 dan e32 = 0.988 P u n t u k wilayah tropis = 50°K Selanjutnya u n t u k mengkonversi nilai SP (°K) ke SP (°C), m a k a nilai yang dihasilkan dikurangi dengan 273°K.
Tabel 2 - 1 : KLASIFIKASI NILAI SP UNTUK SEMUA ALGORITMA
Jitma[
3
HASIL DAN PEMBAHASAN
Pada peiielitian ini SP diekstraksi dari k a n a l 3 1 d a n 3 2 d a t a MODIS yang memiliki resolusi 1000m. Untuk tujuan ekstraksi nilai SP d i g u n a k a n nilai emisivitas rata-rata kanal 31 d a n 32 (£31 dan £32) seperti yang d i k e m u k a k a n oleh Wan (1999), yakni Ae - 0.001 d a n e = ((0.989 + 0.988J/2) - 0.9885. Ada 3 (tiga) algoritma yang dicoba diterapkan p a d a penelitian ini, yakni metode Price (1984), Li & Becker (1991) dan Coll et aL (1994). Citra SP yang dihasilkan disajikan p a d a Gambar 3-1 s-d Gambar 3-3. Untuk melihat p e r b e d a a n nilai SP yang dihasilkan oleh masing-masing algoritma dilakukan pemilihan titik-titik sampel lokasi yang s a m a u n t u k setiap algoritma SP. Nilai SP dari titik-titik sampel p a d a masing-masing algoritma dibenkan p a d a Tabel3-1. Berdasarkan citra Gambar 3-1 s.d Gambar 3-3 dan titik-titik sampel yang diambil t a m p a k b a h w a nilai SP terendah dihasilkan dari algoritma Price (1984), diikuti kemudian oleh algoritma Coll, et aL (1991) d a n tertinggi diperoleh dengan algoritma Li & Becker (1991). Nilai SP terendah yang diperoleh dengan Algoritma Price berkisar a n t a r a 17.50°C - 19.50°C, sedangkan nilai tertinggi berada p a d a kisaran 27.50°C - 29.50°C. Algoritma yang diajukan oleh Price (1984) m e r u p a k a n algoritma splitwindow yang telah m e m a s u k k a n faktor koreksi t e r h a d a p p e n g a r u h emisivitas. Kajian dari model Price ini dilakukan p a d a lahan p e r t a n i a n d a n m a m p u mendeteksi SP dengan ketepatan hingga ± 3°K. P e r s a m a a n yang diajukan oleh Price ini d a p a t m e n c a p a i SP sekitar 300°K (27°C). Algoritma Price ini telah digunakan secara luas dan telah m e m a s u k k a n faktor koreksi adanya
4
. ol4
9fo. I Jmni 2007:]-$
pengaruh u a p air atmosfer dengan memasukkan fraksi p e r b e d a a n s u h u kecerahan (Tb) y a n g b e r a s a l dari kanal 4 d a n 5 data NOAA-AVHRR (pada d a t a MODIS kanal 31 d a n 32). Bahkan dengan nilai emisivitas d u g a a n y a n g k a s a r sekalipun, algoritma Price ini telah membuktikan dapat menghasilkan nilai SP yang c u k u p rasional, k h u s u s n y a p a d a lingkungan atmosfer tropis yang lembab (Cooper d a n Asrar, 1989; Vidal, 1991 dalam Vogt, 1996). Apabila dibandingkan dengan d u a algoritma yang lain, maka algoritma Li d a n Becker (1991) menghasilkan nilai yang paling tinggi. Li dan Becker (1991) mengajukan koefisien-koefisien lokal p a d a algoritma split-window sebagai s e b u a h fungsi dari emisivitas permukaan lokal yang terdeteksi p a d a kanal 4 d a n 5 NOAA-AVHRR (pada d a t a MODIS kanal 31 d a n 32). Secara teoritis, Li dan Becker (1991 dalam Vogt, 1996) m e n u n j u k k a n b a h w a apabila nilai emisivitas spektral yang diduga c u k u p baik d a n koefisien-koefisien linearisasi dari transmisi atmosferis dipilih secara tepat seperti y a n g digunakan dalam p e n d e k a t a n splitwindow, m a k a dapat menghasilkan nilai dugaan SP yang baik. Namun demikian, p e n g a m b i l a n / p e n e n t u a n nilai emisivitas yang tepat p a d a k e d u a kanal tersebut relatif sulit. Hasil dari Wan d a n Dozier (1989 dalam Vogt, 1996) dengan mengg u n a k a n Algoritma Li dan Becker, juga menunjukkan b a h w a secard teoritis model Li dan Becker dapat digunakan u n t u k memperoleh nilai SP suatu p e n u t u p lahan yang berbeda dengan cara menduga nilai emisivitas perm u k a a n berdasarkan pendekatan linier dan algoritma split-wondow.
Tabel3-1:NILAI SP TITIK-TITIK LOKASI SAMPEL YANG DIEKSTRAKSI DARI ALGORITMAPRICE (1984), LI&BECKER (1991), DAN COLL, ET.AL. (1994). Posisi Titik X
Y
186 191 193 "632 646 642 18 304 301 312
53 49 68 98 91 96 116 69 62 66
Price (1984) 27,9 26,2 24,6 11,1 24,0 23,0 20,9 23,4 25,2 25,8
Nilai SP dari Li & Becker Coll, et. Al. (1994) (1991) 37,9 37,8 35,4 34,7 32,8 31,6 14,3 12,8 31,1 29,4 29,0 27,2 25,4 27,2 27,4 29, 3 32,4 30,8 33,2 31,6
Keterangan Jakarta Jakarta Jakarta P u n c a k Gn. Muria Sekitar Gn. Muria Sekitar Gn. Muria Ujung Kulon Pantura Pantura Pantura
Selanjutnya, u n t u k d a p a t melihat p e r b e d a a n nilai SP y a n g diperoleh dari m a s i n g - m a s i n g algoritma s e c a r a visual d i l a k u k a n klasifikasi citra SP.
G a m b a r 3 - 1 : Citra S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n algoritma Price (1984)
G a m b a r 3-2: Citra S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n algoritma Li d a n Becker (1991)
5
JurnaCVenginderaanJauRVot 4 No. 1 Juni 2007:1-8
G a m b a r 3 - 3 : C i t r a S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n algoritma Coll et.al. (1991) Nilai SP yang diperoleh dari algoritma Coll, et. al. (1994) menunjukkan nilai yang lebih rendah sekitar 0,1°- 1,5 °C dibandingkan dengan yang diperoleh oleh Li dan Becker (1991). Coll, et. al. (1994) dalam Vogt (1996) telah membuktikan bahwa pengaruh emisivitas d a n atmosferis dapat dibagi dengan m e m a s u k k a n faktor koreksi A d a n B. A m e r u p a k a n s e b u a h fungsi dari adanya perbedaan s u h u kecerahan (Tb) yang terdeteksi oleh kanal dengan panjang gelombang 10,5 (im d a n 12,5 \xm a t a u kanal 4 dan 5 NOAA-AVHRR (pada MODIS kanal 31 d a n 32). Perbedaan s u h u kecerahan yang terdeteksi oleh k e d u a kanal tersebut tergantung p a d a besarnya transmisi atmosferis total p a d a k e d u a panjang gelombang tersebut yang m e r u p a k a n s e b u a h fungsi dari kand u n g a n u a p air atmosferis dan s u d u t p a n d a n g sensor. Akibatnya, A a k a n meningkat dengan meningkatnya kand u n g a n u a p air atmosfer d a n / a t a u peningkatan s u d u t pandang. Coll, et. al. (1994) juga menunjukkan bahwa algoritmanya ini menghasilkan nilai yang lebih baik dibandingkan apabila s u a t u nilai A yang dibuat konstan. Sedangkan faktor B m e r u p a k a n s e b u a h fungsi dari emisivitas rata-rata (s) p a d a panjang gelombang 10,5 nm d a n 12,5(im, perbedaan emisivitas p e r m u k a a n p a d a kanal 4 d a n 5 NOAA-AVHRR (Ae), d a n s e b u a h koefisien p yang m e n u r u n dengan 6
meningkatnya kandungan uap air atmosfer. Nilai klimatologis rata-rata yang dapat digunakan u n t u k P adalah p = 50°K u n t u k atmosfer tropis. Dari hasil p e m b a h a s a n Vogt (1996) dikemukakan bahwa algoritma yang diajukan oleh Price (1984), Li d a n Becker (1991) dan Coll, et. al. (1994) dapat memberikan hasil pendekatan nilai SP yang baik, walau t a n p a informasi nilai emisivitas p e r m u k a a n yang akurat sekalipun. Pendugaan emisivitas perm u k a a n yang tepat dapat d i t u r u n k a n dari h u b u n g a n - h u b u n g a n empiris a n t a r a berbagai indeks vegetasi dengan fraksi p e n u t u p vegetasi. Selain itu, dapat pula d i c a p a i m e l a l u i p e m o d e l a n evolusi temporal dari emisivitas p e r m u k a a n u n t u k berbagai kelas p e n u t u p lahan melalui Sistem Informasi Geografis (SIG). Menurut Carlson (1986 dalam Mora, 1999), respon s u h u p e r m u k a a n sangat ditentukan oleh radiasi metahari dan juga ditentukan oleh parameterparameter yang b e r h u b u n g a n dengan kondisi dan kandungan partikel atmosfer, k e l e m b a b a n t a n a h t e r m a l inersia dan albedo. Pada p e r m u k a a n vegetasi, s u h u p e r m u k a a n kanopi j u g a secara tidak langsung dikendalikan oleh ketersediaan air p a d a mintakat (zona) perakaran, d a n secara langsung oleh evapotranspirasi (pola s u h u p e r m u k a a n dapat diduga dengan algoritma split-
window dengan m e n g g u n a k a n informasi dari kanal infra m e r a h termal (Poza Vasquez et.al., 1997 dalam Mora, 1999). Koefisien-koefisien split-window akan tergantung p a d a kondisi atmosfer dan emisivilas permukaan. Suhu permukaan daratan dapat d i t u r u n k a n dari kanal yang bekerja p a d a kisaran panjang gelombang 10,8 ym d a n 12 |im. Faktor yang m e m p e n g a r u h i k e a k u r a t a n perolehan SPD m e n u r u t hasil review dari beberapa p u s t a k a yang dilakukan oleh Vogt (1996) yakni sebagai berikut: • Nilai emisivitas p a d a p e r m u k a a n daratan c u k u p beragam dalam r u a n g dan waktu dengan nilai absolut berkisar a n t a r a 0,91 - 0,98 p a d a window 8-14 p m . p e r b e d a a n tipe permukaan, k a n d u n g a n kelembaban tanah, tekstur t a n a h d a n k e k a s a r a n permukaan, p e r s e n t a s e t u t u p a n vegetasi, t a h a p a n fenologis d a n s t r u k t u r p e n u t u p vegetasi a k a n m e m p u n y a i pengaruh yang signifikan t e r h a d a p besarnya nilai emisivitas. • Emisivitas p a d a lahan kemungkinan mempunyai ketergantungan spektral yang signifikan. Sebagai contoh, meskipun p e r b e d a a n a n t a r a emisivitas spektral p a d a panjang gelombang AVHRR kanal 4 dan 5 biasanya a k a n lebih kecil dari 0, 0 1 ; variasi ini a k a n mempunyai p e n g a r u h yang berarti pada perolehan SP. • Emisivitas yang efektif, yakni emisivitas objek yang benar-benar diamati oleh instrumen pada sudut pandang tertentu, tergantung p a d a b e s a r n y a sudut p a n d a n g sensor d a n p a d a anistropi p e r m u k a a n . • Besarnya s u h u kemungkinan lebih tinggi pada permukaan daratan daripada p e r m u k a a n laut. Oleh k a r e n a itu, linieritas h u k u m Planck yang dikembangkan u n t u k p e r m u k a a n laut mungkin tidak c u k u p memenuhi untuk menghitung suhu permukaan daratan. Selain itu, tingkat j e n u h suatu sensor j u g a d a p a t menyebabkan kesalahan perhitungan SP di lingkungan yang sangat p a n a s .
• SP j u g a dapat dipengaruhi oleh k e r a g a m a n p e r m u k a a n yang tercakup pada u k u r a n piksel resolusi s u a t u sensor. • SP mengalami p e r u b a h a n diurnal yang besar, sehingga waktu penghitung menjadi sangat penting diketahui. • Pada s u a t u d a r a t a n , s u h u u d a r a mungkin a k a n s a n g a t b e r b e d a dengan s u h u p e r m u k a a n dekat t a n a h . 4
KESIMPULAN DAN SARAN
Dari penelitian ini d a p a t disimpulkan bahwa: • Nilai SP dimungkinkan u n t u k dikemb a n g k a n d a n diekstraksi dari data MODIS dengan memanfaatkan d a t a kanal 31 d a n 3 2 . • Nilai SP tertinggi dihasilkan oleh algoritma Li & Becker (1991) d a n terendah oleh algoritma Price (1984). • Algoritma Price (1984), Li & Becker (1991) d a n Coll eta/., (1994) dapat memberikan hasil p e n d e k a t a n nilai SP yang baik, walau t a n p a informasi nilai emisivitas p e r m u k a a n yang a k u r a t sekalipun. Penelitian ini masih m e r u p a k a n t a h a p pengkajian potensi pemanfaatan data TERRA-MODIS u n t u k ekstraksi data SP b e r d a s a r k a n 3 algoritma, sehingga m a s i h perlu evaluasi dan validasi t e r h a d a p hasil yang diperoleh dari penelitian tersebut. Penggunaan data SP dari hasil ekstraksi dengan algoritma-algoritma tersebut j u g a masih perlu dikembangkan, sepcrti dalam pendugaan tingkat evapotranspirasi s u a t u lahan g u n a deteksi kekeringan lahan, d a n dalam aplikasi bidang lainnya.
DAFTAR RUJUKAN Coll, C; V. Caselles; a n d T. 1994. Estimation of Emissivity Differences Window Channels Remote Sensing of 47, 1 - 2 5 .
J. Schmugge. Land Surface in the Splitof AVHRR. Environment, 7
jur--i(?fng
Cooper, D. I.; and G. Asrar. 1989. Evaluating Atmospheric Correction Models for Retrieving Surface Temperatures from the AVHRR Over a Tallgrass Prairie. Remote Sensing of Environment, 2 7 , 93 - 102. U, Z.L. a n d F. Becker. 1 9 9 1 . Determination of Land Surface Temperature • and Emissivity from A VHRR Data. P r o c 5"- AVHRR D a t a User's Meeting. J u n e 25' h - 2%^ 1991, Tromse/Norway, (EUMETSAT, EUM P09), 4 0 5 - 4 1 0 . Li, Z.L. a n d F. Becker. 1993. Feasibility of Land Surface Temperature and Emissivity Determination from AVHRR Data. Remote Sensing of Environment, 4 3 , 67 - 8 5 . Price, J. C. 1984. Land Surface Temperature Measurements From the Split Window Channels of the NOAA 7 AVHRR. Journal of Geophysical Research, 89 (D5), 7231 - 7237. Seguin, B. 1996. The Use of AVHRRDerived Land Surface Temperature
8
?fa 1
Jtaa2007:1-6
Estimates For Agricultural Monitoring. In D'Souza, G., A. S. Belward a n d J. P. Malingreau. (editor) : Advances in t h e Use of NOAA AVHRR Data For Land Applications. Remote Sensing. Vol. 5. Kluwer Academic Publisher, Dordrecht, The Netherlands. P:357 - 3 7 6 . Vogt, J. C. 1996. Land Surface Temperature Retrival From NOAA AVHRR Data In D'Souza, G„ A. S. Belward a n d J. P. Malingreau. (editor) : Advances in the Use of NOAA AVHRR Data For Land Applications. Remote Sensing. Vol. 5. Kluwer Academic Publisher, Dordrecht, The Netherlands. P : 1 2 5 - 151. Wan,
Zhenming. 1999. MODIS LandSurface Temperature Algorithm Theoritical Basis Document (LST ATBD) version 3.3. Institute for Computational Earth System Science. University of California. S a n t a Barbara, C.A. 9 3 1 0 6 - 3060.
