Kamis, 10 November 2011

PERBAIKAN SPEKTRAL PADA CITRA SATELIT

Penginderaan jauh mempunyai keunggulan dibanding dengan survai terrestrial secara langsung. Dari penginderaan jauh dapat dihemat baik biaya, tenaga maupun waktu karena beberapa parameter dari data dapat disadap secara langsung dari citra. Dari penginderaan jauh didapat pula kemudahan pengambilan sampel di lapangan untuk data-data yang belum dapat disadap oleh citra, yaitu dengan cara melihat gambaran wilayah secara umum daerah cakupan citra dan membuat zona-zona tertentu yang mempunyai karakteristik yang sama. Teknologi penginderaan jauh mempunyai peranan yang penting dalam hal ini.
Pada dasarnya, teknologi berbasis satelit ini menyajikan informasi awal kondisi wilayah. Keunggulan utamanya adalah menyajikan informasi aktual dan akurat tanpa adanya kontak langsung dengan obyek. Data satelit punya keunggulan dibandingkan peta atau foto udara, karena bisa menyajikan informasi tentang karakteristik spektral obyek di permukaan bumi yang tidak dapat ditangkap oleh mata telanjang (Sutanto, 1986).
Interpretasi citra merupakan perbuatan mengkaji foto udara dan atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya. Dalam interpretasi citra terdapat tiga rangkaian kegiatan yang diperlukan yaitu deteksi, identifikasi dan analisis. Deteksi adalah pengamatan atas adanya suatu objek. Identifikasi adalah upaya mencirikan objek yang telah dideteksi degan menggunakan keterangan yang cukup. Sedangkan deteksi berarti penentuan ada atau tidaknya suatu objek pada citra. Interpreter memerlukan beberapa unsur-unsur interpretasi untuk dapat melakukan interpretasi. Unsur-unsur ini mampu mempermudah interpreter ke arah analisa yang tepat. Unsur-unsur tersebut antara lain (Sutanto, 1986).
Pengolahan data citra satelit tidak lepas dari sistem informasi penginderaan jauh dan sistem informasi geografis. Pengolahan data citra lebih banyak mengacu kepada kelas penutup dan penggunaan lahan. Penggunaan lahan merupakan aktivitas manusia pada dan dalam kaitannya dengan lahan, yang biasanya tidak secara langsung tampak dari citra, sedangkan penutup lahan merupakan gambaran kostruksi vegetasi dan buatan yang menutup permukaan lahan. Pemetaan penggunaan lahan dilakukan berdasarkan sistem klasifikasi lahan USGS (United States Geological Survey) yang telah dimodifikasi sesuai dengan kebutuhan. Secara urut proses pemetaan penggunaan lahan dapat diawali dimelalui software ER-Mapper Load data, Visualisasi, Rektifikasi, Cropping citra dan Transformasi dengan melalui Arc View dan Arc Info dengan mengklasifikasi, deliniasi, digitasi, konversi polyline, pemasukan database, layout dan pencetakan peta (Purwadhi dan Sri, 2001).
Analisis menggunakan citra satelit lebih banyak dilakukan daripada foto udara, karena citra satelit memiliki beberapa nilai lebih seperti : a) Mencakup area yang lebih luas, sehingga memungkinkan dilakukan analisis dalam skala regional, yang seringkali menguntungkan untuk memperoleh gambaran geologis area tersebut, b) Pengambilan data dapat dilakukan sewaktu-waktu (multi temporal) karena orbit satelit yang mengitari bumi, dan c) Memiliki kemungkinan penerapan sensor pendeteksi multispektral dan hiperspektral yang nilainya dituangkan secara kuantitatif (disebut derajat keabuan atau digital number dalam remote sensing), sehingga memungkinan aplikasi otomatis pada komputer untuk memahami dan mengurai karakteristik material yang diamati (Danoedoro, 1996).

NDVI atau Normalized Difference Vegetation Index merupakan metode standar dalam membandingkan tingkat kehijauan vegetasi pada data satelit. Formula untuk menghitung nilai NDVI adalah:
(kanal NIR – kanal Red) / (kanal NIR + kanal Red)
Nilai index mempunyai rentang -1.0 hingga 1.0. Nilai yang mewakili vegetasi pada rentang 0.1 hingga 0.7 sedangkan di atas nilai ini menggambarkan tingkat kesehatan tutupan vegetasi. Beberapa data dari bermacam sensor satelit yang dapat digunakan dalam formulasi ini, antara lain:
• Landsat TM/ETM — kanal 3 (0.63-0.69 µm) dan 4 (0.76-0.90 µm)
• NOAA AVHRR — kanal 1 (0.58-0.68 µm) dan 2 (0.72-1.0 µm)
• Terra MODIS — kanal 1 (0.62-0.67), dan 2 (0.841-0.876)
NDVI dapat digunakan sebagai indikator biomasa dan tingkat kehijauan (greenness) relatif (Sutanto, 1986).
Perhitungan perbandingan sifat respon obyek terhadap pantulan sinar merah dan NIR dapat menghasilkan nilai dengan karakteristik khas yang dapat digunakan untuk memperkirakan kerapatan atau kondisi kanopi/kehijauan tanaman. Tanaman yang sehat berwarna hijau mempunyai nilai indeks vegetasi tinggi. Hal ini disebabkan oleh hubungan terbalik antara intensitas sinar yang dipantulkan vegetasi pada spektral sinar merah dan NIR (Purwadhi dan Sri, 2001).
Resolusi atau resolving power adalah kemampuan suat sistem optik elektronik untuk membedakan informasi yang secara spasial berdekatan atau secara spektral. Ada beberapa jenis resolusi yang umum diketahui dalam Penginderaan Jauh yaitu resolusi spasial, resolusi spektral, resolusi temporal, dan resolusi radiometrik, yang dijelaskan sebagai berikut :
1. Resolusi spasial yaitu ukuran objek terkecil yang mampu direkam, dibedakan dan disajikan pada citra. Resolusi spasial menunjukkan level dari detail yang ditangkap oleh sensor. Semakin detail sebuah studi semakin tingi resolusi spasial yang diperlukan.
2. Resolusi spektral yaitu daya pisah objek berdasarkan besarnya spectrum elektromagnetik yang digunakan untuk merekam data. Resolusi spectral menunjukkan lebar kisaran dari masing–masing band spektral yang diukur oleh sensor. Semakin banyak jumlah saluran atau kanal–kanalnya semakin tinggi kemampuannya dalam mengenali objek.
3. Resolusi temporal menunjukkan waktu antar pengukuran, atau dalam kata lain kemampuan suatu sistem untuk merekam ulang daerah yang sama. Satuan resolusi temporal adalah jam atau hari.
4. Resolusi radiometrik adalah kemampuan sensor dalam mencatat respons spektral objek atau kemampuan sensor untuk mendeteksi perbedaan pantulan terkecil
(Danoedoro, 1996).
Data yang diolah pada SIG ada dua macam yaitu data geospasial atau yang biasanya disebut data spasial dan data non-spasial. Data spasial adalah data yang berhubungan dengan kondisi geografi misalnya sungai, wilayah administrasi, gedung, jalan raya dan sebagainya. Seperti yang telah diterangkan pada gambar diatas, data spasial didapatkan dari peta, foto udara, citra satelit, data statistik dan lain-lain (Murni, 1992).
Hingga saat ini secara umum persepsi manusia mengenai bentuk representasi kesatuan ruang adalah konsep raster dan vektor. Sedangkan data non-spasial adalah selain data spasial yaitu data yang berupa teks atau angka. Biasanya disebut dengan atribut. Data non-spasial ini akan menerangkan data spasial atau sebagai dasar untuk menggambarkan data spasial. Dari data nonspasial ini nantinya dapat dibentuk data spasial. Misalnya jika ingin menggambarkan peta penyebaran penduduk maka diperlukan data jumlah penduduk dari masing-masing daerah (data non-spasial), dari data tersebut nantinya kita dapat menggambarkan pola penyebaran penduduk untuk masing–masing daerah. Data spasial merupakan data yang paling penting dalam SIG. (Prahasta, 2002).

Tidak ada komentar:

Posting Komentar

Pengikut