Definisi umum Penginderaan Jauh adalah “ilmu pengetahuan dan teknologi yang dengannya karakteristik objek yang diinginkan dapat diidentifikasi, diukur, atau dianalisis karakteristiknya tanpa kontak langsung” (JARS, 1993)
- Ditransmisikan - Energi melewati dengan perubahan kecepatan sebagaimana ditentukan oleh indeks bias untuk dua media yang dimaksud.
- Diserap - Energi dilepaskan ke objek melalui reaksi elektron atau molekuler.
- Dipantulkan - Energi dikembalikan tanpa perubahan dengan sudut datang sama dengan sudut pantulan. Reflektansi adalah rasio energi pantulan terhadap energi yang datang pada suatu benda. Panjang gelombang yang dipantulkan (tidak diserap) menentukan warna suatu objek.
- Dihamburkan - Arah perambatan energi berubah secara acak. Hamburan Rayleigh dan Mie adalah dua jenis hamburan terpenting di atmosfer.
- Dipancarkan - Sebenarnya, energi pertama-tama diserap, kemudian dipancarkan kembali, biasanya pada panjang gelombang yang lebih panjang. Objek menjadi panas.
Sensor dapat berada di dalam pesawat terbang atau di dalam satelit, mengukur radiasi elektromagnetik pada rentang tertentu (biasanya disebut pita). Hasilnya, pengukuran dikuantisasi dan diubah menjadi gambar digital, di mana setiap elemen gambar (yaitu piksel) memiliki nilai diskrit dalam satuan Nomor Digital (DN) (NASA, 2013). Gambar yang dihasilkan memiliki karakteristik (resolusi) yang berbeda tergantung pada sensornya. Ada beberapa jenis resolusi:
- Resolusi spasial, biasanya diukur dalam ukuran piksel, “adalah daya resolusi instrumen yang diperlukan untuk diskriminasi fitur dan didasarkan pada ukuran detektor, panjang fokus, dan ketinggian sensor” (NASA, 2013); resolusi spasial juga disebut sebagai resolusi geometris atau IFOV;
- Resolusi spektral, adalah jumlah dan lokasi dalam spektrum elektromagnetik (didefinisikan oleh dua panjang gelombang) dari pita spektral (NASA, 2013) dalam sensor multispektral, untuk setiap pita sesuai dengan gambar; Resolusi radiometrik, biasanya diukur dalam bit (digit biner), adalah rentang nilai kecerahan yang tersedia, yang dalam gambar sesuai dengan rentang maksimum DN; misalnya gambar dengan resolusi 8 bit memiliki 256 tingkat kecerahan (Richards dan Jia, 2006);
- Untuk sensor satelit, ada juga resolusi temporal, yang merupakan waktu yang diperlukan untuk meninjau kembali area Bumi yang sama (NASA, 2013).
[feedposts text="Baca Juga"/]
Sensor mengukur radiansi, yang sesuai dengan kecerahan dalam arah tertentu menuju sensor; berguna juga untuk mendefinisikan reflektansi sebagai rasio energi pantulan versus energi daya total.
Tanda spektral adalah reflektansi sebagai fungsi panjang gelombang (lihat Gambar Kurva Reflektansi Spektral dari Empat Target Berbeda); setiap material memiliki tanda unik, oleh karena itu dapat digunakan untuk klasifikasi material (NASA, 2013).
Penutup lahan adalah material di permukaan tanah, seperti tanah, vegetasi, air, aspal, dll. (Fisher dan Unwin, 2005). Bergantung pada resolusi sensor, jumlah dan jenis kelas penutup lahan yang dapat diidentifikasi dalam gambar dapat bervariasi secara signifikan.
{next}
Multispectral satellites
Ada beberapa satelit dengan karakteristik berbeda yang memperoleh gambar multispektral permukaan bumi. Satelit berikut ini sangat berguna untuk pemantauan penutup lahan karena gambar disediakan secara gratis dan dapat diunduh langsung dari SCP (Semi-Automatic-Clasification Plugin); data telah diperoleh selama beberapa dekade terakhir dan arsip terus bertambah dengan gambar terkini.
Landsat Satellites
Landsat merupakan sekumpulan satelit multispektral yang dikembangkan oleh NASA (National Aeronautics and Space Administration of USA) sejak awal tahun 1970-an. Citra Landsat banyak digunakan untuk penelitian lingkungan. Resolusi sensor Landsat 4 dan Landsat 5 dilaporkan dalam tabel berikut (dari http://landsat.usgs.gov/band_designations_landsat_satellites.php); selain itu, resolusi temporal Landsat adalah 16 hari (NASA, 2013).
Resolusi sensor Landsat 7 dilaporkan dalam tabel berikut (dari http://landsat.usgs.gov/band_designations_landsat_satellites.php); juga, resolusi temporal Landsat adalah 16 hari (NASA, 2013).
Resolusi sensor Landsat 8 dilaporkan dalam tabel berikut (dari http://landsat.usgs.gov/band_designations_landsat_satellites.php); juga, resolusi temporal Landsat adalah 16 hari (NASA, 2013).
Arsip gambar yang luas tersedia secara gratis dari Survei Geologi AS. Untuk informasi lebih lanjut tentang cara mengunduh gambar Landsat secara gratis, baca ini. Gambar diidentifikasi dengan jalur dan baris WRS (Worldwide Reference System for Landsat).
Sentinel-2 SatelliteSentinel-2 merupakan satelit multispektral yang dikembangkan oleh Badan Antariksa Eropa (ESA) dalam rangka layanan pemantauan daratan Copernicus. Sentinel-2 memperoleh 13 pita spektral dengan resolusi spasial 10m, 20m, dan 60m tergantung pada pitanya, seperti yang diilustrasikan dalam tabel berikut (ESA, 2015).
Sentinel-3 Satellite
Sentinel-3 adalah satelit yang dikembangkan oleh Badan Antariksa Eropa (ESA) dalam rangka layanan pemantauan daratan Copernicus. Satelit ini membawa beberapa instrumen, khususnya Ocean and Land Colour Instrument (OLCI) yang merupakan spektrometer pencitraan push-broom yang memperoleh 21 pita dalam kisaran 0,4-1,02 μm dengan lebar lintasan 1.270 km dan resolusi spasial 300 m (ESA, 2013). Waktu kunjungan ulang sekitar 2 hari.
ASTER Satellite
Satelit ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) diluncurkan pada tahun 1999 melalui kerja sama antara Kementerian Perdagangan Internasional dan Industri Jepang (MITI) dan NASA. ASTER memiliki 14 pita yang resolusi spasialnya bervariasi menurut panjang gelombang: 15m dalam gelombang tampak dan inframerah dekat, 30m dalam gelombang inframerah pendek, dan 90m dalam inframerah termal (USGS, 2015). Pita ASTER diilustrasikan dalam tabel berikut (karena kegagalan sensor, data SWIR yang diperoleh sejak 1 April 2008 tidak tersedia). Pita tambahan 3B (inframerah dekat yang menghadap ke belakang) menyediakan cakupan stereo.
MODIS Products
MODIS (Moderate Resolution Imaging Spectroradiometer) adalah instrumen yang beroperasi pada satelit Terra dan Aqua yang diluncurkan oleh NASA masing-masing pada tahun 1999 dan 2002. Resolusi temporalnya memungkinkan untuk melihat seluruh permukaan Bumi setiap satu hingga dua hari, dengan lebar lintasan 2.330 km. Sensornya mengukur 36 pita spektral pada tiga resolusi spasial: 250 m, 500 m, dan 1.000 m (lihat https://lpdaac.usgs.gov/dataset_discovery/modis).
Beberapa produk tersedia, seperti indeks reflektansi permukaan dan vegetasi. Dalam manual ini, kami mempertimbangkan pita reflektansi permukaan yang tersedia pada resolusi spasial 250 m dan 500 m (Vermote, Roger, & Ray, 2015).
{next}
Land Cover Classification
Klasifikasi semi-otomatis (juga disebut klasifikasi terbimbing) adalah teknik pemrosesan gambar yang memungkinkan identifikasi material dalam gambar, menurut tanda spektralnya. Ada beberapa jenis algoritma klasifikasi, tetapi tujuan umumnya adalah untuk menghasilkan peta tematik tutupan lahan. Pemrosesan gambar dan analisis spasial GIS memerlukan perangkat lunak khusus seperti Semi-Automatic Classification Plugin untuk QGIS.
Color Composite
Sering kali, gabungan dibuat dari tiga gambar monokrom individual, yang masing-masing diberi warna tertentu; ini didefinisikan sebagai komposit warna dan berguna untuk interpretasi foto (NASA, 2013). Komposit warna biasanya dinyatakan sebagai:
“R G B = Br Bg Bb”
di mana:
R adalah singkatan dari Merah;
G adalah singkatan dari Hijau;
B adalah singkatan dari Biru;
Br adalah nomor pita yang terkait dengan warna Merah;
Bg adalah nomor pita yang terkait dengan warna Hijau;
Bb adalah nomor pita yang terkait dengan warna Biru.
Gambar dibawah ini Komposit warna dari citra Landsat 8 menunjukkan komposit warna “R G B = 4 3 2” dari citra Landsat 8 (untuk Landsat 7 komposit warna yang sama adalah R G B = 3 2 1; untuk Sentinel-2 adalah R G B = 4 3 2) dan komposit warna “R G B = 5 4 3” (untuk Landsat 7 komposit warna yang sama adalah R G B = 4 3 2; untuk Sentinel-2 adalah R G B = 8 4 3). Komposit “R G B = 5 4 3” berguna untuk interpretasi citra karena piksel vegetasi tampak merah (vegetasi yang sehat memantulkan sebagian besar cahaya datang dalam panjang gelombang inframerah dekat, menghasilkan nilai reflektansi yang lebih tinggi untuk pita 5, sehingga nilai yang lebih tinggi untuk warna merah terkait).
{next}Algoritma Perkembangan Wilayah
Algoritma Region Growing memungkinkan untuk memilih piksel yang mirip dengan piksel benih, dengan mempertimbangkan kesamaan spektral (yaitu jarak spektral) piksel yang berdekatan. Dalam SCP, Algoritma Region Growing tersedia untuk pembuatan area pelatihan. Parameter jarak terkait dengan kesamaan nilai piksel (semakin rendah nilainya, semakin mirip piksel yang dipilih) dengan piksel benih (yaitu dipilih dengan mengklik piksel). Parameter tambahan adalah lebar maksimum, yang merupakan panjang sisi persegi, yang berpusat pada piksel benih, yang menandai area pelatihan (jika semua piksel memiliki nilai yang sama, area pelatihan akan menjadi persegi ini). Ukuran minimum digunakan sebagai kendala (untuk setiap pita tunggal), memilih setidaknya piksel yang lebih mirip dengan piksel benih hingga jumlah piksel yang dipilih sama dengan ukuran minimum.
Pada gambar Contoh pertumbuhan wilayah, piksel pusat digunakan sebagai benih (gambar a) untuk pertumbuhan wilayah satu pita (gambar b) dengan parameter jarak spektral = 0,1; piksel serupa dipilih untuk membuat area pelatihan (gambar c dan gambar d).
Classes and Macroclasses
Kelas penutup lahan diidentifikasi dengan kode ID sembarangan (mis. Identifier). SCP memungkinkan definisi Macroclass ID (mis. MC ID) dan Class ID (mis. C ID), yang merupakan kode identifikasi kelas penutup lahan. Macroclass adalah sekelompok ROI yang memiliki Class ID berbeda, yang berguna ketika seseorang perlu mengklasifikasikan material yang memiliki tanda spektral berbeda dalam kelas penutup lahan yang sama. Misalnya, seseorang dapat mengidentifikasi rumput (mis. ID class = 1 dan Macroclass ID = 1 ) dan pohon (mis. ID class = 2 dan Macroclass ID = 1 ) sebagai kelas vegetasi (mis. Macroclass ID = 1 ). Beberapa Class ID dapat ditetapkan ke Macroclass ID yang sama, tetapi Class ID yang sama tidak dapat ditetapkan ke beberapa Macroclass ID, seperti yang ditunjukkan dalam tabel berikut.
Classification Algorithms
Tanda spektral (karakteristik spektral) kelas penutup lahan referensi dihitung dengan mempertimbangkan nilai piksel di bawah setiap ROI yang memiliki ID Kelas (atau ID Makrokelas) yang sama. Oleh karena itu, algoritme klasifikasi mengklasifikasikan seluruh gambar dengan membandingkan karakteristik spektral setiap piksel dengan karakteristik spektral kelas penutup lahan referensi. SCP menerapkan algoritme klasifikasi berikut.
Minimum Distance
{next} Maximum Likelihood
Algoritma Maximum Likelihood menghitung distribusi probabilitas untuk kelas-kelas, yang terkait dengan teorema Bayes, yang memperkirakan apakah suatu piksel termasuk dalam kelas penutup lahan. Secara khusus, distribusi probabilitas untuk kelas-kelas diasumsikan dalam bentuk model normal multivariat (Richards & Jia, 2006). Untuk menggunakan algoritma ini, diperlukan jumlah piksel yang cukup untuk setiap area pelatihan yang memungkinkan perhitungan matriks kovariansi. Fungsi diskriminan, yang dijelaskan oleh Richards dan Jia (2006), dihitung untuk setiap piksel sebagai:
Selain itu, dimungkinkan untuk menetapkan ambang batas pada fungsi diskriminan guna mengecualikan piksel di bawah nilai ini dari klasifikasi. Dengan mempertimbangkan ambang batas, kondisi klasifikasi menjadi:
Maximum likelihood adalah salah satu klasifikasi diawasi yang paling umum, namun proses klasifikasi bisa lebih lambat daripada Minimum Distance.
Spectral Angle Mapping
Spectral Angle Mapping menghitung sudut spektral antara tanda spektral piksel gambar dan tanda spektral pelatihan. Sudut spektral didefinisikan sebagai (Kruse et al., 1993):
