Klasifikasi Penggunaan Area Referensi

Jika iluminasi di tanah diketahui, maka reflektansi di tanah dapat dihitung dengan persamaan 14 dan 6. Bintik-bintik hitam merupakan air jernih yang dalam, hutan lebat, bayangan awan kabut dan pembakaran biomassa. Bahkan akan lebih baik bila terjadi bayangan awan di atas air jernih yang dalam atau hutan yang gelap.

b. Dark Spot Scaling White Spot Untuk Mendapatkan Reflektansi

Jika gelap sempurna DN D dan bintik putih DN W teridentifikasi, maka nilai DN untuk piksel lainnya dapat dikonversi ke nilai reflektansi menggunakan persamaan : D W D DN DN DN DN      ……………………………………………………………15 Untuk memperoleh persamaan 15, gunakan persamaan 1, 6 dan 14, sehingga reflektansi untuk ketiga piksel diekspresikan sebagai : ………………………………………...16 ………………………………….17 …………………………………...18 Persamaan 17 memberikan b – I PR = – aDN D . Substitusi persamaan 17 ke 18 memberikan aDN W = DN D = F π. Penerapan kedua ekspresi 17 dan 18 untuk persamaan 16 akan menghasilkan persamaan 15. Perhatikan bahwa, jika dua piksel referensi tidak hitam dan putih sempurna, tetapi reflektansinya diketahui, maka didapat rumus seperti persamaan 15. Dalam prakteknya, sulit untuk menemukan piksel dengan reflektansi yang sempurna. Pilihan terbaik dalam interval tampak akan menjadi awan yang sangat tebal. Hal ini berlaku juga untuk salju yang bersih. Dalam daerah tampak, reflektansi yang dapat melebihi 90, tetapi menurun dengan cepat di daerah NIR. Sulit untuk menemukan permukaan alami yang memiliki reflektansi melebihi 70 di NIR, sehingga persamaan 15 mungkin akan bekerja lebih baik dalam VIS daripada di NIR. Sedikit masalah dengan Landsat dan kadang-kadang MODIS adalah bahwa sensor akan jenuh misalnya DN = 255 untuk piksel yang sangat reflektif. Piksel ini terlalu terang untuk sensor. Jadi tidak ada piksel dengan reflektansi yang mendekati sempurna yang ada pada citra.

c. Daerah Referensi Untuk Deteksi Perubahan

Ketika membandingkan dua citra yang diambil pada tanggal yang berbeda, mungkin akan terjadi perbedaan jalan sinar jalur radiansi akibat adanya kabut. Selain itu, pencahayaan illumination mungkin juga akan berbeda karena sudut matahari yang berbeda. Perbedaan- perbedaan ini akan mengakibatkan beberapa kesalahan dalam teknik deteksi perubahan. Perbedaan ini dapat dihapus jika dua daerah invarian dapat diidentifikasi dalam scene . Kita mungkin memilih danau, hutan berdaun jarum atau bidang kerikil kering. Untuk menghindari kesalahan numerik, dua daerah harus dipergunakan sebagai referensi spektral yang mungkin berbeda namun tetap invarian. Jika kita mendefinisikan dua nilai invariant DN sebagai DN1 dan DN2, maka nilai DN skala diberikan oleh : 1 2 1 DN DN DN DN DN sca led    ………………………………………………………...19 Jika DN2 DN1, maka piksel yang lebih cerah dari piksel 2 akan memiliki nilai DN skala yang lebih besar daripada satu. Sebuah piksel yang lebih gelap dari piksel 1, akan memiliki nilai DN skala kurang dari nol. Ketika layer-layer nilai DN skala dihitung untuk setiap scene , maka mereka dapat dibandingkan untuk mendeteksi perubahan. Dengan metode ini, nilai-nilai DN skala pada dua piksel referensi tidak akan berubah antara dua tanggal tersebut misalkan 0 dan 1. Metode tambahan untuk deteksi perubahan dapat juga dilihat pada Song et al , 2001.

2.7. Albedo

Albedo merupakan kuantitas yang penting dalam teori iklim. Albedo didefinisikan sebagai rasio dari total irradiasi yang dipantulkan terhadap irradiasi yang datang. Secara matematis besaran albedo dapat diekspresikan sebagai : Albedo = total irradiasi yang dipantulkan total iiradiasi yang datang ……..…20 Di lapangan, pengukuran yang akurat dari Albedo akan memerlukan dua hemispheric receivers , yang mengumpulkan data dari semua sudut dan semua panjang gelombang. Total