6/1/2012
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
A. Definisi Remote Sensing
• Robert A. Schowengerdt : Remote Sensing: Models And Methods for Image Processing (http://books.google.co.id/books?id=KQXNaDH0XIC&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/remotesensing/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/)
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
B: Sumber energi remote sensing:
Komponen Remote Sensing
Ultraviolet – Microwave (pendek->panjang) SATELIT Radar
Cahaya matahari dan yg dipantulkan bumi dapat dibagi berdasarkan panjang gelombangnya Wavelength
The Electromagnetic Spectrum (EMS) Gamma Rays
X-Ray
Ultraviolet
Infrared
Microwave
TV/Radio
Visible
Receiving Station
SATELIT & FOTO UDARA
PHOTOGRAFI ˜ 0.4
˜ 0.7 micrometers
AKTIF & PASIF
1
6/1/2012
Spektrum gelombang Elektromagnetik PANJANG GELOMBANG (meter)
FREKUENSI (Hz)
APLIKASI
RENTANG SPEKTRUM CAHAYA TAMPAK/ VISIBLE LIGHT
ENERGI
Gelombang Radio
Radar
Infra merah, UV Cahaya Tampak (B&R = fotosintesa, Fotografi)
Kecil
Sinar X
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
6.
Violet : 0.400 - 0.446 m
: 0.446 - 0.500 m
Besar
Sinar Gamma
RENTANG SPEKTRUM MICROWAVE 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
RADAR Band P, L, S, C, X, Ku, K, Ka
(http://northstargallery.com/aerialphotography/hi story%20aerial%20photography/history.htm • 1903-4 – Photo infrared film • Perang dunia I and II • 1960 - Program Ruang angkasa 10
TIPE SATELIT
SPOT 4
PROSES REMOTE SENSING
LANDSAT
a. Interaksi energi dengan obyek b. Sensor (bands) c. Penyiaman (scanning) & peyimpanan data satelit dijital FENG YUN
NOAA
QUICKBIRD
IKONOS
2
6/1/2012
A. INTERAKSI CAHAYA DENGAN OBYEK
PANTULAN/REFLEKSI Specular or mirror-like reflection
Cahaya berinteraksi dengan obyek dalam berbagai bentuk Incident (I) : Cahaya datang :
Permukaan yg halus : Semua/hampir semua energi dipantulkan kembali
Absorption (A); Transmission (T); and Reflection (R).
Specular reflection 13
14
INTERAKSI CAHAYA DENGAN OBYEK
INTERAKSI DENGAN OBYEK AIR : Gelombang biru lebih banyak dipantulkan dari pada gelombang merah dan hijau, sehingga Air kelihatan biru.
AIR
VEGETASI
DAUN: Chlorophyll menyerap banyak radiasi Merah dan Biru, tapi memantulkan hijau.
Bila ada suspensi terlarut, maka gelombang biru akan lebih banyak dipantulkan, sehingga air yang keruh kelihatan lebih terang.
Pada saat pertumbuhan sempurna, daun tampak lebih hijau karena banyak kandungan khloropilnya (lebaih banyak B & R yang diserap)
Air bening
Air keruh
Keberadaan sediment (S) akan mempengaruhi pola reflektansi. Air keruh akan mempunyai nilai reflektansi yang mirip dengan air dangkal.
15
Bagaimana Reflektansi cahaya ditangkap sensor satelit ?????
16
Bagaimana Data disimpan ?
Blue Green
Data direkam per band
Red
Komputer dengan kemampuan 8 bit data, maka :
Near IR Middle IR
Data terkecil/nilai pixel terkecil : 0
Middle IR Thermal IR
Data terbesar/nilai pixel terbesar : 255 Resolusi Spatial :
The Electromagnetic Spectrum (EMS) Gamma Rays
X-Ray
Ultraviolet
Infrared
Microwave TV/Radio
Besaran yang menunjukkan ukuran obyek di bumi yang dapat dideteksi sensor Resolusi Radiometric: Level digital yang digunakan untuk merepresentasikan obyek. 18
3
6/1/2012
KOMBINASI WARNA Nilai DN Panchromatic Images Grey Scale
Multispectral Images/ Color Composite Image
Contoh ERDAS Pixel Bands Objects : Vegetasi, Air, Lahan Terbangun Berbagai warna dapat dibuat berdasarkan 3 warna primer (Hukum warna Aditif)
B. PEREKAMAN & PENYIMPANAN DATA • Proses perekaman • Proses penyimpanan • Transfer data dari satelit ke receiving station • User menggunakan data
Perekaman data Penempatan orbit satelit bervariasi sesuai dengan desain /misi Satelit :
Geo stationery Sun synchronized Near polar orbit
Equitorial 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 http://satellites.spacesim.org/english/anatomy/orbit/polar.html http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-sensing/fundamentals/1124
Peyimpanan Data di Receiving Stations
Near Polar Orbit : LANDSAT
• • • •
Pare-pare, South Sulawesi Biak Island, Papua Pekayon - Jakarta Rumpin, West Java
4
6/1/2012
Rumpin - West Java
Parepare South Sulawesi Remote Sensing Receiving Station
LAPAN Tubsat – Microsat and Terra,`Aqua MODIS Receiving Station
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
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
5
6/1/2012
LANDSAT (Kebun Raya dan sekitarnya))
IKONOS (Kebun Raya)
IKONOS (Kebun Raya)
IKONOS (Kebun Raya)
Klasifikasi Data Citra
KLASIFIKASI VISUAL Element Order 1
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
• Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan • Colour : Warna obyek
6
6/1/2012
VISUAL
False ColorComposite : LANDSAT, RGB = 5:4:3 Colour/Warna & Tone Obyek Hijau :? Hijau muda Hijau tua Merah : ? Merah muda/pink Biru :? Tua Kuningan : ? Kuning muda Putih :? Putih Abu Hitam :?
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
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
False ColorComposite : LANDSAT, RGB = 5:4:3
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
7
6/1/2012
Contoh
Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR
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 ?
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
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.
KOMBINASI WARNA
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
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 hijauhijau kecoklatan pada Landsat.
Keterangan
4.
Nilai DN Panchromatic Images Grey Scale
No 1.
KLASIFIKASI DIGITAL • Distribusi Nilai DN • Pengelompokan Nilai DN Tidak Terbimbing Terbimbing
BAND 3
Multispectral Images/ Color Composite Image
Feature Space (Distribusi DN, pada 2 sumbu/bands)
Berbagai warna dapat dibuat berdasarkan 3 warna primer (Hukum warna Aditif)
BAND 4
8
6/1/2012
KLASIFIKASI DIJITAL TIDAK TERBIMBING
• Mengelompokan Nilai Digital Number Berdasarakan arahan operator
ISODATA Band B
I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)?
Klasifikasi Terbimbing
Band A
Band B
Band A 1st iteration cluster mean 2nd iteration cluster mean
KLASIFIKASI DIJITAL TERBIMBING
9
