Studi Kalibrasi Citra ENVISAT ASAR untuk Aplikasi Biomasa Tanaman dengan BEST 4.0.2

STUDI KALIBRASI CITRA

ENVISAT ASAR

UNTUK

APLIKASI BIOMASA TANAMAN DENGAN BEST 4.0.2

Oleh

ADHITYA CATUR RANGGA

A24101014

PROGRAM STUDI ILMU TANAH

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

ABSTRACT

ADHITYA CATUR RANGGA. Study of Envisat ASAR Image Calibration in

the Application on Plant Biomass with BEST 4.0.2. Under the Guidance of Ir. M.A. Raimadoya, MSc and Ir. Hidajat Wiranegara.

Due to the development of space radar technology and the increasing number of satellites produced which carries out a more centered and aimed mission, more and more softwares are created to process the data produced by the satellites. One of those special software is called BEST (Basic Envisat SAR Toolbox) which was lunched by ESA (European Space Agency) and is used to process the Envisat, ASAR data. This software has an instruction book but the book has a very limited capacity to help especially if we deal with the calibration process so we have to do the handling by using trial and error method.

Calibration is a technic of differentiating the radar backscattering coeficient s0 from the signals received by ASAR IMP image. The applied calibration using BEST has a function to process the signal of information carried within the image. The purposes of this research are : (1) to study the ASAR processing functions as a whole which are in the set of BEST to help giving a general information about the software itself; (2) to conduct an experiment of ASAR image calibration process using the calibration applicatio n which is available in the set of BEST; and (3) to study the relation between the radar backscattering coefficient of a calibrated image and the one of non-calibrated image to a HTI field parameter (MVOL and TVOL) as an indication of the average value of Acacia Mangium

plant biomass.

The result of this research shows that the process of calibration using BEST v 4.0.2 can be conducted if the pixel of an image is in the form of power image. An application done includes Header Analysis, Full Resolution Extraction, Portion Extraction, Amplitude to Power, Speckle Filter (Non-Speckle Filter), and Backscattering Image Generation. A comparison with the field parameter shows that the biggest correlation value to estimate the amount of plant exploited stems (MVOL) is showed in the calibrated image as much as 0.61. On the contrary, the biggest correlation value for the total amount of plant stems (TVOL) is showed in the non-calibrated image as much as 0.34. So, we can conclude that it is better

using a calibrated image to measure merchantable volume (MVOL) and using a non-calibrated one to measure total volume (TVOL).

ABSTRAK

ADHITYA CATUR RANGGA. Studi Kalibrasi Citra Envisat ASAR Untuk

Aplikasi Biomasa Tanaman Dengan BEST 4.0.2. Dibawah bimbingan Ir. M. A. Raimadoya, MSc dan Ir. Hidajat Wiranegara.

Semakin berkembangnya teknologi radar antariksa, semakin banyak satelit yang diciptakan dengan mengemban misi yang lebih terpusat dan terarah, maka semakin banyak piranti lunak khusus yang diciptakan untuk mengolah data satelit tersebut. Salah satu piranti lunak khusus tersebut adalah BEST (Basic Envisat SAR Toolbox) yang diluncurkan oleh ESA (European Space Agency) untuk pengolahan data ASAR, Envisat. Piranti ini memiliki buku petunjuk tetapi sifatnya sangat terbatas khususnya dalam menangani proses kalibrasi sehingga penanganannya harus dilakukan secara coba-coba (trial and error).

Kalibrasi merupakan teknik penurunan koefisien hamburan balik σo (radar

backscattering coefficient) dari sinyal yang diterima citra ASAR IMP. Kalibrasi yang diterapkan dengan menggunakan BEST berfungsi untuk mengolah informasi sinyal yang terkandung dalam citra. Tujuan penelitian ini adalah :(1) mempelajari secara keseluruhan fungsi pengolahan ASAR yang terdapat pada paket BEST, dengan maksud untuk membantu memberikan informasi secara umum mengenai piranti lunak itu sendiri; (2) melakukan uji coba pengolahan kalibrasi citra ASAR dengan menggunakan aplikasi kalibrasi yang tersedia pada paket BEST; dan (3) mempelajari hubungan antara koefisien hamburan balik citra yang terkalibrasi dengan yang belum dikalibrasi terhadap parameter lapang HTI (MVOL dan TVOL), sebagai indikasi nilai rata-rata biomasa tanamanAcacia mangium.

Hasil penelitian menunjukkan bahwa proses kalibrasi menggunakan BEST v4.0.2 dapat dilakukan jika pixel citranya dalam bentuk power image. Aplikasi yang dilaksanakan meliputi header analysis, full resolution extraction, portion extraction, amplitude to power, speckle filter (non-speckle filter), dan

backscattering image generation. Perbandingan terhadap parameter lapangan menunjukkan bahwa nilai korelasi terbesar untuk mengestimasi jumlah batang niaga tanaman (MVOL) terdapat pada citra terkalibrasi sebesar 0.61. Sebaliknya

nilai korelasi terbesar untuk jumlah total batang tanaman (TVOL) terdapat pada citra yang belum dikalibrasi sebesar 0.34. Dengan demikian untuk mengukur

Merchantable Volume (MVOL) sebaiknya menggunakan citra terkalibrasi dan sebaliknya menggunakan yang belum dikalibrasi untuk Total Volume (TVOL).

STUDI KALIBRASI CITRA

ENVISAT ASAR

UNTUK

APLIKASI BIOMASA TANAMAN DENGAN BEST 4.0.2

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian

Institut Pertanian Bogor

Oleh

ADHITYA CATUR RANGGA A24101014

PROGRAM STUDI ILMU TANAH

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

Judul : Studi Kalibrasi Citra ENVISAT ASAR untuk Aplikasi Biomasa Tanaman dengan BEST 4.0.2

Nama : Adhitya Catur Rangga

NRP : A24101014

Menyetujui,

Mengetahui, Dekan Fakultas Pertanian

Tanggal Lulus :

Pembimbing I

Ir. M. A. Raimadoya, MSc. NIP. 130 607 615

Pembimbing II

Ir. Hidayat Wiranegara NIP. 130 536 666

Prof. Dr. Ir. Supiandi Sabiham, M.Agr NIP. 130 422 698

RIWAYAT HIDUP

Penulis dilahirkan di Bangka, Propinsi Bangka Belitung pada tanggal 15 Mei 1983 dan dibesarkan dengan nama Adhitya Catur Rangga. Penulis merupakan anak keempat dari pasangan Bapak Nurrachman, SmHk dan Ibu Sumiaty.

Penulis mengawali pendidikan di SD Negeri 578 Palembang dan melanjutkan ke SMP Negeri 46 Palembang. Tahun 2001 penulis lulus dari SMU Xaverius II Palembang dan ditahun yang sama penulis lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi Masuk IPB). Penulis tercatat sebagai Mahasiswa Program Studi Ilmu Tanah, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian.

Ketertarikan yang besar terhadap ilmu komputer dan aplikasinya membuat penulis memilih untuk bergabung dengan Laboratorium Penginderaan Jauh dan Kartografi, yang muncul semenjak duduk dibangku kuliah. Selama menjadi mahasiswa, penulis pernah diberi kepercayaan untuk menjadi asisten praktikum mata kuliah Pengantar Penginderaan Jauh, Pengantar Sistem Informasi Geografi dan mata kuliah Kartografi. Selain itu penulis juga pernah ikut terlibat dalam proyek penanggulangan kebakaran hutan dan lahan di Departemen Kementrian Lingkungan Hidup Jakarta.

KATA PENGANTAR

Puji syukur kehadirat Allah SWT, Sang Maha Pengasih, Penggenggam semesta raya, dan Penguasa jiwa-jiwa mahkluk-NYA yang membuat kita senantiasa rindu untuk berada dalam jalan kenikmatan sejati melalui ketundukan dan kepasrahan kepada-NYA. Sholawat serta salam senantiasa tercurah pada Baginda Nabi Muhammad SAW, pembawa risalah ilahiyah dan pemberi tauladan bagi kita semua.

Alhamdulillah, penulis akhirnya dapat menyelesaikan penelitian dan menyusun skripsi ini dengan judul Studi Kalibrasi Citra Envisat ASAR untuk

Aplikasi Biomasa Tanaman dengan BEST 4.0.2 yang merupakan salah satu

syarat untuk memperoleh gelar Sarjana Pertanian di Departemen Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor.

Pada kesempatan ini, penulis menyampaikan ucapan terima kasih dan penghargaan sebesar-besarnya kepada :

1. Bapak Ir. M.A. Raimadoya, MSc sebagai dosen pembimbing utama yang telah banyak memberikan perhatian, bimbingan, dorongan dan saran dengan penuh kesabaran kepada penulis selama menyelesaikan skripsi ini. Penulis juga mengucapkan banyak terima kasih atas nasehat yang sangat berharga serta semangat spiritual yang diberikan, yang terkadang banyak menyita waktu. 2. Bapak Ir. Hidajat Wiranegara sebagai dosen pembimbing kedua yang telah

memberikan bimbingan, masukan dan saran dalam penyelesaian skripsi ini. 3. Bapak Ir. Fahrizal Hazra, MSc sebagai dosen pembimbing akademik yang

selalu memberikan saran, nasehat dan pengarahan akademik selama perkuliahan.

4. Bapak Dr. Sukandi Sukartaatmaja yang telah bersedia sebagai dosen penguji dan atas semua saran serta masukan yang telah diberikan.

5. Bapak Ir. Bambang H. Trisasongko, MS dan Bapak Ir. Diar Shiddiq atas konsultasi dan sharingnya serta buku-buku referensi yang dipinjamkan selama penelitian.

6. Para Staf Dosen dan Staf Karyawan di Departemen Ilmu Tanah dan Sumberdaya Lahan atas segala ilmu dan bantuan yang diberikan selama

ii 7. perkuliahan, tak lupa juga kepada Ibu Siti Rustini atas pinjaman buku-buku

yang diperlukan selama kuliah.

8. Papa dan Mama tercinta yang tak pernah letih, yang selalu senantiasa sabar didalam mendidik dengan cinta dan kasih sayangnya serta cucuran doa dan keringat yang terus mengalir dalam setiap waktu.

9. Kak Destra (thx nian kak lah jadi partner ditanah jawa ’n berbagi rezekinya), Yuk Yeyek, Yuk Dedek, Ata dan Dek Sita yang selalu memberikan doa dan kasih sayang serta dorongan semangat kepada penulis.

10.’Da atas waktu, cerita, kritikan dan semangatnya.

11.Teman-teman satu Lab. Radar Analisis for sharing dan berbagi pusing with me dan juga for all people yang ada di Lab. Kartografi dan Analisis Sistem Informasi Geografis atas kebersamaan, persahabatan dan kebaikannya sehingga terjalin ukhuwah yang indah ini.

12.Teman-teman se-Perjuangan dan se-Almamater atas kekeluargaan, perkenalan dan pertemuan dalam waktu ya ng panjang dan melelahkan.

Penulis sadar dalam penulisan skripsi ini tentunya tidak luput dari kekurangan. Oleh karenanya, mohon maaf pabila ada kesalahan dan kekeliruan yang terdapat didalamnya. Semoga skripsi ini bermanfaat bagi yang memerlukan. Amiin

Bogor, Desember 2005 Penulis

STUDI KALIBRASI CITRA

ENVISAT ASAR

UNTUK

APLIKASI BIOMASA TANAMAN DENGAN BEST 4.0.2

Oleh

ADHITYA CATUR RANGGA

A24101014

PROGRAM STUDI ILMU TANAH

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

ABSTRACT

ADHITYA CATUR RANGGA. Study of Envisat ASAR Image Calibration in

the Application on Plant Biomass with BEST 4.0.2. Under the Guidance of Ir. M.A. Raimadoya, MSc and Ir. Hidajat Wiranegara.

Due to the development of space radar technology and the increasing number of satellites produced which carries out a more centered and aimed mission, more and more softwares are created to process the data produced by the satellites. One of those special software is called BEST (Basic Envisat SAR Toolbox) which was lunched by ESA (European Space Agency) and is used to process the Envisat, ASAR data. This software has an instruction book but the book has a very limited capacity to help especially if we deal with the calibration process so we have to do the handling by using trial and error method.

Calibration is a technic of differentiating the radar backscattering coeficient s0 from the signals received by ASAR IMP image. The applied calibration using BEST has a function to process the signal of information carried within the image. The purposes of this research are : (1) to study the ASAR processing functions as a whole which are in the set of BEST to help giving a general information about the software itself; (2) to conduct an experiment of ASAR image calibration process using the calibration applicatio n which is available in the set of BEST; and (3) to study the relation between the radar backscattering coefficient of a calibrated image and the one of non-calibrated image to a HTI field parameter (MVOL and TVOL) as an indication of the average value of Acacia Mangium

plant biomass.

The result of this research shows that the process of calibration using BEST v 4.0.2 can be conducted if the pixel of an image is in the form of power image. An application done includes Header Analysis, Full Resolution Extraction, Portion Extraction, Amplitude to Power, Speckle Filter (Non-Speckle Filter), and Backscattering Image Generation. A comparison with the field parameter shows that the biggest correlation value to estimate the amount of plant exploited stems (MVOL) is showed in the calibrated image as much as 0.61. On the contrary, the biggest correlation value for the total amount of plant stems (TVOL) is showed in the non-calibrated image as much as 0.34. So, we can conclude that it is better

using a calibrated image to measure merchantable volume (MVOL) and using a non-calibrated one to measure total volume (TVOL).

ABSTRAK

ADHITYA CATUR RANGGA. Studi Kalibrasi Citra Envisat ASAR Untuk

Aplikasi Biomasa Tanaman Dengan BEST 4.0.2. Dibawah bimbingan Ir. M. A. Raimadoya, MSc dan Ir. Hidajat Wiranegara.

Semakin berkembangnya teknologi radar antariksa, semakin banyak satelit yang diciptakan dengan mengemban misi yang lebih terpusat dan terarah, maka semakin banyak piranti lunak khusus yang diciptakan untuk mengolah data satelit tersebut. Salah satu piranti lunak khusus tersebut adalah BEST (Basic Envisat SAR Toolbox) yang diluncurkan oleh ESA (European Space Agency) untuk pengolahan data ASAR, Envisat. Piranti ini memiliki buku petunjuk tetapi sifatnya sangat terbatas khususnya dalam menangani proses kalibrasi sehingga penanganannya harus dilakukan secara coba-coba (trial and error).

Kalibrasi merupakan teknik penurunan koefisien hamburan balik σo (radar

backscattering coefficient) dari sinyal yang diterima citra ASAR IMP. Kalibrasi yang diterapkan dengan menggunakan BEST berfungsi untuk mengolah informasi sinyal yang terkandung dalam citra. Tujuan penelitian ini adalah :(1) mempelajari secara keseluruhan fungsi pengolahan ASAR yang terdapat pada paket BEST, dengan maksud untuk membantu memberikan informasi secara umum mengenai piranti lunak itu sendiri; (2) melakukan uji coba pengolahan kalibrasi citra ASAR dengan menggunakan aplikasi kalibrasi yang tersedia pada paket BEST; dan (3) mempelajari hubungan antara koefisien hamburan balik citra yang terkalibrasi dengan yang belum dikalibrasi terhadap parameter lapang HTI (MVOL dan TVOL), sebagai indikasi nilai rata-rata biomasa tanamanAcacia mangium.

Hasil penelitian menunjukkan bahwa proses kalibrasi menggunakan BEST v4.0.2 dapat dilakukan jika pixel citranya dalam bentuk power image. Aplikasi yang dilaksanakan meliputi header analysis, full resolution extraction, portion extraction, amplitude to power, speckle filter (non-speckle filter), dan

backscattering image generation. Perbandingan terhadap parameter lapangan menunjukkan bahwa nilai korelasi terbesar untuk mengestimasi jumlah batang niaga tanaman (MVOL) terdapat pada citra terkalibrasi sebesar 0.61. Sebaliknya

nilai korelasi terbesar untuk jumlah total batang tanaman (TVOL) terdapat pada citra yang belum dikalibrasi sebesar 0.34. Dengan demikian untuk mengukur

Merchantable Volume (MVOL) sebaiknya menggunakan citra terkalibrasi dan sebaliknya menggunakan yang belum dikalibrasi untuk Total Volume (TVOL).

STUDI KALIBRASI CITRA

ENVISAT ASAR

UNTUK

APLIKASI BIOMASA TANAMAN DENGAN BEST 4.0.2

Skripsi

Sebagai salah satu syarat untuk memperoleh gelar Sarjana Pertanian pada Fakultas Pertanian

Institut Pertanian Bogor

Oleh

ADHITYA CATUR RANGGA A24101014

PROGRAM STUDI ILMU TANAH

FAKULTAS PERTANIAN

INSTITUT PERTANIAN BOGOR

Judul : Studi Kalibrasi Citra ENVISAT ASAR untuk Aplikasi Biomasa Tanaman dengan BEST 4.0.2

Nama : Adhitya Catur Rangga

NRP : A24101014

Menyetujui,

Mengetahui, Dekan Fakultas Pertanian

Tanggal Lulus :

Pembimbing I

Ir. M. A. Raimadoya, MSc. NIP. 130 607 615

Pembimbing II

Ir. Hidayat Wiranegara NIP. 130 536 666

Prof. Dr. Ir. Supiandi Sabiham, M.Agr NIP. 130 422 698

RIWAYAT HIDUP

Penulis dilahirkan di Bangka, Propinsi Bangka Belitung pada tanggal 15 Mei 1983 dan dibesarkan dengan nama Adhitya Catur Rangga. Penulis merupakan anak keempat dari pasangan Bapak Nurrachman, SmHk dan Ibu Sumiaty.

Penulis mengawali pendidikan di SD Negeri 578 Palembang dan melanjutkan ke SMP Negeri 46 Palembang. Tahun 2001 penulis lulus dari SMU Xaverius II Palembang dan ditahun yang sama penulis lulus seleksi masuk IPB melalui jalur USMI (Undangan Seleksi Masuk IPB). Penulis tercatat sebagai Mahasiswa Program Studi Ilmu Tanah, Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian.

Ketertarikan yang besar terhadap ilmu komputer dan aplikasinya membuat penulis memilih untuk bergabung dengan Laboratorium Penginderaan Jauh dan Kartografi, yang muncul semenjak duduk dibangku kuliah. Selama menjadi mahasiswa, penulis pernah diberi kepercayaan untuk menjadi asisten praktikum mata kuliah Pengantar Penginderaan Jauh, Pengantar Sistem Informasi Geografi dan mata kuliah Kartografi. Selain itu penulis juga pernah ikut terlibat dalam proyek penanggulangan kebakaran hutan dan lahan di Departemen Kementrian Lingkungan Hidup Jakarta.

KATA PENGANTAR

Puji syukur kehadirat Allah SWT, Sang Maha Pengasih, Penggenggam semesta raya, dan Penguasa jiwa-jiwa mahkluk-NYA yang membuat kita senantiasa rindu untuk berada dalam jalan kenikmatan sejati melalui ketundukan dan kepasrahan kepada-NYA. Sholawat serta salam senantiasa tercurah pada Baginda Nabi Muhammad SAW, pembawa risalah ilahiyah dan pemberi tauladan bagi kita semua.

Alhamdulillah, penulis akhirnya dapat menyelesaikan penelitian dan menyusun skripsi ini dengan judul Studi Kalibrasi Citra Envisat ASAR untuk

Aplikasi Biomasa Tanaman dengan BEST 4.0.2 yang merupakan salah satu

syarat untuk memperoleh gelar Sarjana Pertanian di Departemen Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor.

Pada kesempatan ini, penulis menyampaikan ucapan terima kasih dan penghargaan sebesar-besarnya kepada :

1. Bapak Ir. M.A. Raimadoya, MSc sebagai dosen pembimbing utama yang telah banyak memberikan perhatian, bimbingan, dorongan dan saran dengan penuh kesabaran kepada penulis selama menyelesaikan skripsi ini. Penulis juga mengucapkan banyak terima kasih atas nasehat yang sangat berharga serta semangat spiritual yang diberikan, yang terkadang banyak menyita waktu. 2. Bapak Ir. Hidajat Wiranegara sebagai dosen pembimbing kedua yang telah

memberikan bimbingan, masukan dan saran dalam penyelesaian skripsi ini. 3. Bapak Ir. Fahrizal Hazra, MSc sebagai dosen pembimbing akademik yang

selalu memberikan saran, nasehat dan pengarahan akademik selama perkuliahan.

4. Bapak Dr. Sukandi Sukartaatmaja yang telah bersedia sebagai dosen penguji dan atas semua saran serta masukan yang telah diberikan.

5. Bapak Ir. Bambang H. Trisasongko, MS dan Bapak Ir. Diar Shiddiq atas konsultasi dan sharingnya serta buku-buku referensi yang dipinjamkan selama penelitian.

6. Para Staf Dosen dan Staf Karyawan di Departemen Ilmu Tanah dan Sumberdaya Lahan atas segala ilmu dan bantuan yang diberikan selama

ii 7. perkuliahan, tak lupa juga kepada Ibu Siti Rustini atas pinjaman buku-buku

yang diperlukan selama kuliah.

8. Papa dan Mama tercinta yang tak pernah letih, yang selalu senantiasa sabar didalam mendidik dengan cinta dan kasih sayangnya serta cucuran doa dan keringat yang terus mengalir dalam setiap waktu.

9. Kak Destra (thx nian kak lah jadi partner ditanah jawa ’n berbagi rezekinya), Yuk Yeyek, Yuk Dedek, Ata dan Dek Sita yang selalu memberikan doa dan kasih sayang serta dorongan semangat kepada penulis.

10.’Da atas waktu, cerita, kritikan dan semangatnya.

11.Teman-teman satu Lab. Radar Analisis for sharing dan berbagi pusing with me dan juga for all people yang ada di Lab. Kartografi dan Analisis Sistem Informasi Geografis atas kebersamaan, persahabatan dan kebaikannya sehingga terjalin ukhuwah yang indah ini.

12.Teman-teman se-Perjuangan dan se-Almamater atas kekeluargaan, perkenalan dan pertemuan dalam waktu ya ng panjang dan melelahkan.

Penulis sadar dalam penulisan skripsi ini tentunya tidak luput dari kekurangan. Oleh karenanya, mohon maaf pabila ada kesalahan dan kekeliruan yang terdapat didalamnya. Semoga skripsi ini bermanfaat bagi yang memerlukan. Amiin

Bogor, Desember 2005 Penulis

DAFTAR ISI

Halaman

KATA PENGANTAR ... i

DAFTAR ISI ... iii

DAFTAR TABEL ... v

DAFTAR GAMBAR ... vi

DAFTAR LAMPIRAN ... viii

I. PENDAHULUAN ... 1

A. Latar Belakang ... 1

B. Tujuan ... 3

II. TINJAUAN PUSTAKA ... 4

2.1. Hutan Tanaman Industri ... 4

2.2. Biomasa ... 5

2.3. Tanaman Acacia mangium ... 5

2.4. Penginderaan Jauh ... 6

2.5. Penginderaan Gelombang Mikro Pasif ... 8

2.6. Penginderaan Gelombang Mikro Aktif (Radar)... 9

2.7. Envisat ASAR ... 10

2.7.1. Satelit Envisat (Environment Satellite) ... 10

2.7.2. ASAR (Advanced Synthetic Aperture Radar) ... 12

2.8. BEST (Basic Envisat SAR Toolbox) ... 15

2.8.1. Pengertian BEST ... 15

2.8.2. Input Data Produk ... 16

2.8.3. Menjalankan BEST ... 16

2.9. Kalibrasi ... 17

III. BAHAN DAN METODE ... 21

vii 3.2. Bahan dan Alat ... 21 3.3. Metode Penelitian... 21 3.3.1. Persiapan Piranti Lunak ... 21 3.3.2. Persiapan Data Contoh ... 22 3.3.3. Eksplorasi Piranti Lunak ... 22 3.3.4. Pengolahan Data... 22 IV. HASIL DAN PEMBAHASAN ... 24 Hasil Eksplorasi BEST... 24 Tahap Penginstalan ... 24 Fungsi Menu BEST terkait proses Kalibrasi... 25 4.1.2.1. Menu Utama ... 25 4.1.2.2. Menu Lanjutan ... 32 4.2. Perhitungan... 40 4.3. Hasil Pengolahan ... 44

4.3.1. Perbandingan Kenampakan Visual Citra Envisat ASAR yang Belum dan Sudah Terkalibrasi ... 44 4.3.2. Korelasi antara Intensitas Pantulan Citra Envisat ASAR dengan Parameter Lapangan (MVOL dan TVOL)... 46 V. KESIMPULAN DAN SARAN ... 51

Kesimpulan ...51 Saran ...52

DAFTAR PUSTAKA ... 53 LAMPIRAN ... 56

DAFTAR TABEL

Nomor Halaman

Tabel 1. Parameter di menu Header Analysis ... 26 Tabel 2. Sub- menu dalam bagian Data Conversion BEST... 34 Tabel 3. Nilai Rata-rata Intensitas Pantulan pada tiap Kompartemen ... 48

DAFTAR GAMBAR

Nomor Halaman

Gambar 1. Komponen Dasar Penginderaan Jauh... 7 Gambar 2. Ilustrasi Proses Pencitraan ASAR, Envisat ... 14 Gambar 3. Diagram Alir Penelitian... 23 Gambar 4. Tampilan layar setelah proses penginstalan Piranti Lunak

BEST ... 24 Gambar 5. Informasi variabel dalam Environment Variables... 25 Gambar 6. Tampilan Menu Header Analysis... 26 Gambar 7. Tampilan setelah proses Header Analysis berserta file yang

dihasilkan dalam Notepad. Atas : Tampilan setelah proses

Header Analysis dan Bawah : File yang dihasilkan (*txt) ... 27 Gambar 8. Tampilan menu Full Resolution Extraction ... 28 Gambar 9. Perbedaan tampilan bentuk Grid Latlon dan Rawcol... 29 Gambar 10. Tampilan setelah proses Full Resolution Extraction... 29 Gambar 11. Hasil proses Full Resolution Extraction... 30 Gambar 12. Perbedaan tampilan menu QuickLook Generation berdasarkan

Input Media Type yang dipakai. Kanan : Input Media Type File dan Kiri : Input Media TypeCDR, Disk dan Tape. ... 31 Gambar 13. Tampilan setelah proses QuickLook Generation... 32 Gambar 14. Tampilan menu Portion Extraction dan proses ... 33 Gambar 15. Tampilan Hasil proses Portion Extraction ... 34 Gambar 16. Ilustrasi mengenai Amplitude Image menjadi Power Image... 35 Gambar 17. Tampilan Menu Amplitude to Power dan Proses ... 35 Gambar 18. Hasil proses Amplitude to Power ... 36 Gambar 19. Tampilan Speckle Filter dan Proses ... 37 Gambar 20. Hasil proses Speckle Filter ... 37 Gambar 21. Tampilan menu Image Backscattering dan Proses... 38 Gambar 22. Tampilan menu Export GeoTiff dan Proses ... 39 Gambar 23. ASAR Transponder ... 40

vii Gambar 24. Ilustrasi perhitungan mencari Alfa dalam metode Distributed

Target ... 41 Gambar 25. Tampilan sebagian Informasi Header pada Citra ASAR IMP

dengan menggunakan EnviView. Atas : Informasi nilai Konstanta Kalibrasi dan Bawah : Informasi nilai Near Range Incidence Angle(α1). ... 43

Gambar 26. Perbandingan gambar citra yang telah di-Kalibrasi dengan yang belum di-Kalibrasi ... 45 Gambar 27. Peta lokasi pengambilan data yang mengandung nilai

Intensitas Pantulan per tiap-tiap Plot dalam Kompartemen (9 Kompartemen) ... 46 Gambar 28. Peta hasil tumpang tindih dari citra Terkalibrasi dengan Peta

Kompartemen ... 47 Gambar 29. Peta titik sampel per Kompartemen ... 47 Gambar 30. Grafik hubungan Intensitas Pantulan Citra Envisat dengan

Parameter Lapang. Atas : Diagram pengolahan citra tanpa kalibrasi, Tengah : Diagram pengolahan citra kalibrasi tanpa filter dan Bawah : Diagram pengolahan citra kalibrasi terfilter .. 50

DAFTAR LAMPIRAN

Nomor Halaman

Tabel

Tabel 1. Nilai Intensitas Pantulan pada masing - masing Plot tiap Kompartemen ... 56 Tabel 2. Sebagian Informasi Header dalam citra IMP daerah Pelalawan

dengan menggunakan EnviView... 60

Gambar

Gambar 31. Perbandingan citra yang telah dikalibrasi dengan jenis skala berbeda. Kanan : Skala decible (dB) dan Kiri : Skala Linear ... 65

I. PENDAHULUAN

A. Latar Belakang

Indonesia adalah negara yang kaya akan keanekaragaman jenis tumbuhan sehingga mempengaruhi khasanah ekosistem hutan dunia. Menurut Badan Pusat Stastistik (2005) total luas penggunaan lahan untuk sektor kehutanan di Indonesia 66.062.278 ha pada tahun 1998. Dari total tersebut, khusus untuk perkebunan negara salah satunya HTI adalah 16.460.988 ha. Dengan luasan tersebut apabila tidak dikelolah secara baik dan benar akan mempengaruhi keseimbangan ekosistem lingkungan hidup. Salah satu pemanfaatan lahan yang dilakukan pemerintah dan swasta adalah Hutan Tanaman Industri (HTI), dimana sampai akhir tahun 2000 telah dicadangkan seluas ± 7.76 juta ha (ITTO, 2001) yang hampir keseluruhannya tersebar diluar pulau Jawa. Penggunaan lahan sebaga i Hutan Tanaman Industri sendiri memberikan banyak keuntungan. Selain meningkatkan pemasukan negara, juga dapat memanfaatkan lahan- lahan terlantar yang dirasakan kurang subur untuk sektor pertanian. Pemanfaatan Hutan Tanaman Industri tidak terlepas dari pengukuran biomasa tanaman itu sendiri, karena pengukuran biomasa tanaman merupakan alternatif yang tepat untuk menggambarkan dan mempelajari pertumbuhan tanaman secara keseluruhan. Oleh karena itu dibutuhkan sistem pengukuran yang tepat dan efisien.

Pemanfaatan teknologi sistem penginderaan jauh merupakan alternatif pilihan yang tepat didalam menyediakan informasi data spasial yang cepat, akurat, dan relatif murah untuk cakupan wilayah yang luas, serta merupakan sarana yang tepat untuk mengukur biomassa tanaman (Febbry, 2004). Sistem sensor penginderaan jauh terbagi pada dua kelompok, yaitu sistem penginderaan sensor pasif dan sistem penginderaan sensor aktif. Sistem penginderaan sensor pasif ini berbasis optik yang sumber energinya dari matahari dan mempunyai kendala penggunaanya di Indonesia, karena sebagai negara tropis memiliki tingkat curah hujan dan keawanan tinggi sehingga perekaman dengan sensor optik tidak diterima secara optimal.

Untuk mengatasi permasalahan tersebut maka sistem penginderaan sensor aktif dengan sumber energi bersumber dari sensor itu sendiri seperti Radar (Radio

2 Detection and Ranging) yang telah banyak digunakan (Howard, 1991). Kemampuan sistem radar telah teruji pada segala kondisi, baik siang maupun malam, dalam kondisi berkabut, liputan awan yang tebal, dalam keadaan hujan maupun bersalju, sehingga sistem radar sangat cocok digunakan di Indonesia.

Didalam penelitian ini digunakan citra satelit Envisat (Evironment Satellite) milik Badan Antariksa Eropa (ESA) dengan sensor radar AS AR (Advanced Synthetic Aperture Radar) dan spesifikasi produk berupa IMP (Image Mode Precision) dengan polarisasi tunggal VV. Selain penggunakan citra data vektor berupa data titik juga digunakan untuk melihat kaitan antara nilai intensitas pantulan terhadap volume kayu (MVOL dan TVOL) pada plot inventory tanaman. Menurut ESA (2003), Envisat adalah wahana satelit penginderaan jauh dengan radar generasi ketiga yang mengemban misi memantau perubahan lingkungan baik secara global maupun regional. Satelit ini membawa 10 jenis sensor didalam menjalankan misinya dan mengitari bumi pada posisi yang sama dalam waktu 35 hari. Salah satu sensor yang ada didalam satelit ini yaitu ASAR. Sensor ini memiliki resolusi tinggi sehingga dapat digunakan dalam kondisi apapun, selain itu kemampuan yang terpenting dari sensor ini yaitu mampu dioperasikan dengan sudut datang yang berbeda (incidence angles), polarisasi ganda dan lebar sapuan yang besar. Sensor ASAR memiliki 5 cara didalam proses pencitraan objek yang salah satunya adalah Image Mode (IM) dengan resolusi spasial 30 m dan lebar sapuan 56 -100 km (ESA, 2002).

Dengan semakin berkembangnya teknologi radar antariksa dan semakin banyak satelit yang diluncurkan dengan misi yang lebih terpusat dan terarah, maka semakin banyak juga piranti lunak khusus yang diciptakan untuk mengolah data satelit tersebut. Salah satu piranti khusus yang diciptakan yaitu BEST (Basic Envisat SAR Toolbox) sengaja diluncurkan untuk pengolahan citra ASAR satelit Envisat. BEST adalah suatu gabungan dari beberapa aplikasi dasar radar yang telah dijalankan dan dirancang untuk memudahkan penggunaan data ASAR, Envisat (BEST, 2003). Paket ini diluncurkan tidak untuk menduplikasi perangkat lunak yang bersifat komersial, tetapi untuk melengkapinya dengan beberapa fungsi- fungsi khusus yang diberikan untuk menangani produk ASAR (Advanced

3 Synthetic Aperture Radar) dan AMI (Active Microwave Instrument) yang masing-masing merupakan bagian dari satelit Envisat dan ERS 1 & 2.

Didalam penelitian ini penggunaan piranti lunak hanya ditunjukan untuk mendapatkan citra terkalibrasi karena dalam piranti ini telah disediakan perangkat khusus untuk menangani proses kalibrasi. Namun demikian, pengolahan kalibrasi masih bersifat uji coba (trial and error) karena buku petunjuk yang disediakan masih sangat terbatas terutama dalam proses kalibrasi. Kalibrasi merupakan teknik penurunan koefisien hamburan balik σo (radar backscattering coefficient)

dari sinyal yang diterima citra ASAR IMP (ESA, 2002). Dengan mengetahui nilai koefisien hamburan balik suatu citra untuk jenis obyek tertentu, maka ketika dilakukan pencitraan pada lokasi berbeda dan terdapat obyek yang memiliki koefisien hamburan balik yang sama maka secara langsung dapat diketahui bahwa obyek tersebut adalah sarupa. Kalibrasi yang diterapkan dengan menggunakan BEST berfungsi untuk mengolah informasi sinyal yang terkandung dalam citra yang kemudian akan dihubungkan dengan biomasa tanaman.

B. Tujuan

Dasar pemikiran dari penelitian ini adalah melakukan uji coba proses kalibrasi citra ASAR/Envisat pada piranti lunak tak berbayar BEST v4.0.2. Bersandar pada pemikiran tersebut, maka Tujuan penelitian ini adalah :(1) mempelajari secara keseluruhan fungsi pengolahan ASAR yang terdapat pada paket BEST, dengan maksud untuk membantu memberikan informasi secara umum mengenai piranti lunak itu sendiri; (2) melakukan uji coba pengolahan kalibrasi citra ASAR dengan menggunakan aplikasi kalibrasi yang tersedia pada paket BEST; dan (3) mempelajari hubungan antara koefisien hamburan balik citra yang terkalibrasi dengan yang belum dikalibrasi terhadap parameter lapang HTI (MVOL dan TVOL), sebagai indikasi nilai rata-rata biomasa tanamanAcacia Mangium.

II. TINJAUAN PUSTAKA

2.1. Hutan Tanaman Industri

Seiring dengan perkembangan zaman, kebutuhan akan hasil hutan terutama kayu semakin meningkat. Peningkatan kebutuhan kayu tersebut tidak bisa sepenuhnya bergantung pada hutan alam mengingat kondisi hutan alam kita yang semakin lama semakin memprihatinkan. Kebutuhan kayu di Indonesia meningkat seiring dengan bertambahnya jumlah penduduk sehingga menurut Khaerudin (1999) harus diimbangi dengan tersedianya produksi kayu dalam jumlah cukup melalui pembangunan Hutan Tanaman Industri. Pembangunan tersebut dapat berhasil apabila salah satu kegia tan dalam penyediaan bibit berkualitas terpenuhi dan dalam jumlah yang memadai.

Menurut Arisman (1997) dalam Andika (2003), Hutan Tanaman Industri (HTI) adalah hutan yang ditanam dan dikelola menggunakan teknik-teknik silvikultur intensif untuk menghasilkan bahan baku berupa kayu guna keperluan industri seperti kertas, pulp, vinel, plywood, pertukangan dan lain- lain. Selanjutnya menurut Suparto (1996), HTI adalah hutan tanaman yang dikelola dan diusahakan berdasarkan prinsip pemanfaatan dan pelestarian lingkungan hidup dan sumberdaya alam.

Tujuan dari pembangunan HTI adalah memproduksi kayu dan serat untuk industri dalam negeri guna meningkatkan nilai tambah dan devisa bagi negara, meningkatkan produktifitas hutan dan kualitas lingkungan hidup, memberikan kesempatan kerja dan membantu proses pengembangan wilayah (Departemen Kehutanan, 1993). Dalam prakteknya dilapang, pembangunan HTI bertujuan mendukung upaya pemerintah dalam meningkatkan kualitas lingkungan pedalaman yang berorientasi pada asas produktivitas, stabilitas dan keseimbangan hasil. Berdasarkan tujuan produksinya maka pembangunan HTI dikelompokan dalam :

a. HTI-pulp, luas maksimum 300.000 Ha dengan tujuan memproduksi kayu pulp.

b. Non HTI-pulp, luas maksimum 60.000 Ha dengan tujuan memproduksi kayu gergajian, kayu venir dan lain- lain.

5

2.2. Biomasa

Menurut Chapman (1986) dalam Kusmana et. al (1992), biomasa sebagai berat dari bahan organik per unit area yang ada pada beberapa komponen ekosistem pada waktu tertentu. Biomasa ini biasanya dinyatakan dalam berat kering (dry weight) atau kadang-kadang dalam berat kering bebas abu (as free dry weight). Sedangkan Roberts et. al (1993) dalam Kusmana (1993) menjelaskan bahwa biomasa adalah berat bahan tanaman hidup yang terdiri dari bagian atas dan bagian bawah permukaan tanah.

Biomasa tanaman dapat bertambah karena tumbuhan menyerap CO2 dari

udara dan mengubah zat tersebut menjadi gula melalui proses fotosintesis. Laju peningkatan biomasa (produktifitas primer bruto) suatu pohon tergantung pada luas daun yang terkena sinar matahari, intensitas penyinaran, suhu, dan ciri dari masing- masing jenis tanaman (Whitte et. al, 1990 dalam Romansah, (1999).

Kajian biomasa sangat penting dalam mempelajari produktifitas awal, siklus hara dan aliran energi serta mengerti karakteristik ekosistem hutan dalam upaya pembangunan sistem manajeman yang layak berdasarkan prinsip kelestarian hasil. Biomasa tanaman merupakan ukuran yang sering digunakan untuk menggambarkan dan mempelajari pertumbuhan tanaman. Hal ini didasarkan pada fakta bahwa taksiran biomasa (berat kering) tanaman relatif mudah diukur dan merupakan integrasi dari semua aktifitas biologi dalam tanaman, sehingga parameter biomasa merupakan indikator pertumbuhan yang paling mewakili didalam mendapatkan penampilan pertumbuhan tanaman secara menyeluruh (Hamdan, 2001).

2.3. Tanaman Acacia mangium

Acacia mangium termasuk sub famili Mimosoideae, famili Leguminosae dan ordo Rosales. Pada umumnya A. mangium mencapai tinggi lebih dari 15 meter, kecuali pada tempat yang kurang menguntungkan akan tumbuh lebih kecil antara 7-10 meter. Pohon A. mangium yang tua biasanya berkayu keras, kasar, beralur longitudinal dan warnanya bervariasi mulai dari coklat gelap sampai terang (Khaerudin, 1999). Kayu A. mangium termasuk dalam kelas kuat III - IV berat 0,56 - 0,60 dengan nilai kalori rata-rata antara 4800 – 4900 k.cal/kg sehingga kayu

6 ini sangat baik untuk bahan baku pembuatan papan partikel dan dapat pula dibuat pulp dengan kualitas yang memuaskan. Selain itu juga mempunyai prospek yang baik dalam pembuatan mebel, kusen, veneer dan kayu bakar (Awang dan Tylor, 1993). A. mangium dapat tumbuh pada lahan miskin dan tidak subur serta dapat tumbuh dengan baik pada lahan yang mengalami erosi, berbatu dan tanah alluvial serta tanah yang memiliki pH rendah (4,2). Seperti jenis pionir yang cepat tumbuh dan berdaun lebar, jenis A. mangium sangat membutuhkan sinar matahari dan apabila mendapat naungan akan tumbuh kurang sempurna dengan bentuk tinggi dan kurus.

Acacia mangium termasuk jenis legum yang tumbuh cepat, tidak memerlukan persyaratan tumbuh yang sulit dan tidak begitu terpengaruh oleh jenis tanahnya. Faktor lain yang mendorong pertumbuhan tanaman ini yaitu mampu beradaptasi dengan cepat terhadap lingkungan sekitar. Selain itu, memiliki daya tahan terhadap penyakit dan hama tetapi pada masa tertentu sangat rentan yaitu pada masa serpihan dan anakan. Pada lahan yang baik, umur 9 tahun sudah mencapai tinggi 23 meter dengan rata-rata kenaikan diameter 2-3 meter dan hasil produksi 415 m3/ha atau rata-rata 46 m3/ha/tahun. Pada areal yang ditumbuhi alang-alang umur 13 tahun mencapai tinggi 25 meter dengan diameter rata-rata 27 cm dan hasil produksi rata-rata 20 m3/ha/tahun. Daerah asal penyebaran Acacia mangium adalah Indonesia Bagian Timur mulai dari Kepulauan Maluku sampai ke Irian Jaya terus dilanjutkan ke Papuan New Guine dan sepanjang pantai utara Queensland serta Australia. Jenis ini tumbuh pada zone setelah hutan mangrove sampai ketinggian antara 30-130 m dpl dengan curah hujan bervariasi antara 1.000-4.500 mm/th dan pada temperatur antara 12 – 34 oC (Anonim, 1994).

2.4. Penginderaan Jauh

Menurut Lillesand dan Kiefer (1990), Penginderaan Jauh adalah ilmu pengetahuan dan seni untuk memperoleh informasi tentang permukaan bumi tanpa melakukan kontak/sentuhan dengannya secara langsung. Ini dilakukan dengan “sense” dan perekaman energi yang dipantulkan dan dilepaskan oleh permukaan bumi dan kemudian energi tersebut diproses, dianalisa dan diaplikasikan sebagai informasi. Umumnya hasil informasi ini menghasilkan beberapa bentuk citra yang

7 bermanfaat dibidang pertanian, arkeologi kehutanan, geografi, geologi dan perencanaan dibidang lain.

Tujuan utama penginderaan jauh menurut Lo (1995) adalah mengumpulkan data dari lingkungan. Informasi tentang obyek disampaikan ke pembawa informasi dan sebagai penghubung komunikasi. Data penginderaan jauh pada dasarnya merupakan informasi intensitas panjang gelombang yang perlu diberikan kodenya sebelum informasi tersebut dapat dipahami secara penuh.

Ada empat komponen dasar dalam sistem penginderaan jauh adalah target, sumber energi, alur transmisi, dan sensor. Komponen dasar ini berkerja sama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh obyek tersebut. Sumber energi yang menyinari atau memencarkan energi elektromagnetik pada target mutlak diperlukan. Energi berinteraksi dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi elektromagnetik. Setelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses menjadi format yang siap pakai, diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk mencari informasi mengenai target proses interpretasi biasanya merupakan gabungan antara visual dan automatik dengan bantuan komputer dan perangkat lunak pengolah data (Anonim, 2005).

Ada beberapa keuntungan menggunakan teknik penginderaan jauh antara lain :

Ø Lebih luasnya ruang lingkup yang dapat dipelajari.

Ø Lebih seringnya suatu fenomena dapat diamati.

Ø Dimungkinkannya penelitian ditempat-tempat yang susah atau berbahaya untuk dijangkau manusia seperti didaerah kutup, kebakaran hutan, aktivitas gunung berapi, dan fenomena ruang angkasa.

8

2.5. Penginderaan Gelombang Mik ro Pasif

Ada dua metode penting dalam penginderaan jauh selain foto udara yaitu penginderaan elektro-optik yang kemudian dikembangkan secara mapan menjadi sistem penginderaan jauh aktif berwahana satelit (Howard, 1990). Setelah tahun 1972-an sistem penginderaan jauh ini semakin berkembang dengan berbagai pilihan sensor yang dapat digunakan. (Baba Barus dan U.S. Wiradisastra, 2000).

Foto udara dan penginderaan elektro-optik merupakan bagian dari penginderaan jauh sistem udara yang sumber energinya memanfaatkan radiasi elektromagnetik yang dipancarkan oleh permukaan bumi atau dikenal dengan sistem penginderaan jauh pasif. Menurut Howard (1990) prinsip pengoperasian tersebut tidaklah sama dengan sistem penginderaan jauh aktif melainkan serupa dengan sistem pengoperasian pada penginderaan inframerah termal karena sumber energi tertinggi terletak pada saluran termal yaitu 10,6 µm dan kurvanya berujung pada saluran gelombang mikro.

Selain itu, menurut Lo (1995) secara geometrik prinsip pengoperasian dilakukan dengan skala yang benar dalam arah terbang, namun tidak benar dalam arah penyiaman (distorsi panoramik) ditambah dengan kesalahan yang dihasilkan oleh variasi pada tinggi wahana sensor dalam tegakannya. Dengan sumber energi yang sangat kecil ini menyebabkan penginderaan gelombang mikro pasif menghasilkan citra beresolusi rendah sehingga perkembangannya untuk kepentingan sipil menjadi kendala. Energi berasal dari empat sumber utama yaitu

1. Energi yang dipancarkan oleh obyek atau bentang alam.

2. Energi yang dipancarkan oleh atmosfer.

3. Energi yang ditransmisikan oleh obyek dibawah permukaan medan.

4. Radiasi gelombang mikro yang dipantulkan oleh atmosfer.

Serupa dengan perkembangan pencitraan gelombang mikro aktif (radar), penginderaan jauh dengan gelombang mikro pasif memiliki ciri khas tertentu yang bersifat positif. Pencitraan ini dapat dilakukan dalam kondisi apapun baik siang maupun malam dengan penggunaan panjang gelombang yang tepat. Sistem ini dapat melihat melalui atau melihat pada atmosfer yang artinya sejumlah “jendela” dan “dinding” atmosfer terdapat dalam daerah gelombang mikro terutama karena

9 serapan selektif oleh uap air dan oksigen. Penggunaan gelombang mikro pasif bermanfaat sekali dalam bidang oceanografi (Lillesand dan Kiefer, 1990).

2.6. Penginderaan Gelombang Mikro Aktif (Radar)

Kata radar merupakan suatu singkatan untuk Radio Detection and Ranging.

Sesuai dengan nama yang digunakan, radar dikembangkan sebagai suatu cara yang menggunakan gelombang radio untuk mendeteksi adanya obyek dan menentukan jaraknya (posisi). Prosesnya meliputi transmisi ledakan pendek atau pulsa tenaga gelombang mikro ke arah yang dikehendaki dan merekam kekuatannya dari asal ”gema” (echo) atau ”pantulan” yang diterima dari obyek dalam sistem medan pandang (Lillesand dan Kiefer, 1990).

Metode penginderaan gelombang mikro aktif berkembang dengan cepat selama perang dunia kedua untuk aplikasi militer. Radar dirancang untuk mengukur jarak dan menentukan lokasi obyek. Sistem radar yang sekarang ini beroperasi pada panjang gelombang tunggal dengan frekuensi 35 - 9.1 GHz (panjang gelombang 0.86 – 3.3 cm) dalam spektrum gelombang mikro yang terutama terletak pada saluran X dan K (Lo, 1995).

Menurut Jaya (1997) dalam Fitriyani (2004), sistem penginderaan jauh dengan sistem radar ini sangat berbeda dengan sistem optik karena permukaan bumi yang diindera tidak menggunakan energi matahari tetapi menggunakan energi yang disuplai dari sensor itu sendiri. Sistem optik sangat tergantung pada hamburan balik dan penyerapan yang disebabkan oleh klorofil, struktur daun atau biomasa. Sementara sensor dari sistem radar ini tergantung pada struktur kasar tajuk, kadar air vegetasi, sebaran ukuran bagian-bagian tanaman dan untuk panjang gelombang tinggi tergantung pada kondisi permukaan tanah.

Resolusi spasial sistem radar ditentukan antara lain oleh ukuran antena. Untuk panjang gelombang tertentu, semakin panjang antena akan semakin baik resolusi spasialnya. Pada pesawat terbang sangat sulit untuk memasang antena berputar yang berukuran panjang. Unt uk mengatasi masalah ini sebagian besar radar penginderaan jauh berwahana udara dilakukan dengan menggunakan antena yang dipasang dibagian bawah pesawat dan diarahkan ke samping yang dinamakan wahana udara pandang samping (Lillesand dan Kiefer, 1990)

10

2.7. Envisat ASAR

2.7.1. Satelit Envisat (Environment Satellite)

Envisat adalah radar berwahana satelit penginderaan jauh generasi ketiga setela h generasi pertama pada tahun 1978 dan generasi kedua ERS-1, ERS-2, JERS, Radarsat-1 yang dikembangkan oleh ESA. Satelit ini sukses diluncurkan pada tangggal 1 maret 2002 di Guiana Perancis. Misi Envisat diharapkan dapat menyediakan informasi lebih luas (atmosfir, samudra, daratan dan daerah kutup) dan sekaligus melanjutkan program ERS dengan gabungan dari 10 jenis sensor multi-disciplinari yang dipakai untuk memberikan hasil pengamatan dan pengukuran terhadap lingkungan bumi yang sebelumnya tidak pernah terjadi. Berlatar belakang misi ini diperkenalkan kemampuan Envisat di dalam memantau dan mempelajari perubahan iklim serta lingkungan bumi, mengatur dan memantau sumberdaya bumi, mengembangkan pemahaman yang lebih baik mengenai dinamika dan struktur kulit bumi bagian luar dan dalam (ESA, 2001a).

Secara global data yang akan dilanjutkan sebagai obyek sasaran dan menjadi sumber informasi dalam misi ini adalah data ilmiah dan aplikasi dalam proses klimatika secara penuh dan meningkatkan pengetahuan tentang model- model iklim dunia, tempat dan pusat ramalan cuaca dalam jangka panjang, informasi mengenai gerakan tektonik dan gejala seismik (bersama dengan SAR interferometri). Sedangkan secara regional untuk mendukung pengetahuan sekaligus aplikasinya dalam misi ini yaitu pemantauan proses pantai dan polusi, jalur lalu lintas, memantau dibidang pertanian dan tumbuhan dalam skala besar, dan resiko pemantauan yang dihadapi.

Untuk mencapai misi ini secara terpadu, dibuat beberapa sensor yang bersifat multi-disciplinari dalam menyokong berbagai target pengukuran. Satelit Envisat memiliki tujuh rangkaian alat sensor yang dikembangkan oleh ESA ;

1. Advanced Synthetic Aperture Radar (ASAR),

2. Medium Resolution Imaging Spectrometer (MERIS),

3. Radar Altimeter 2 (RA-2),

4. Microwave Radiometer (MWR),

5. Laser Retro-Reflector (LR),

11

7. Michelson Interferometer for Passive Atmospheric Sounding (MIPAS). Rangkaian sensor tersebut didukung oleh tiga komplementer :

1. Advanced Along Track Scanning Radiometer (AATSR),

2. Doppler Orbitography and Radiopositioning Integrated by Satellite (DORIS),

3. Scanning Imaging Absorption Spectrometer for Atmospheric Cartography (SCIAMACHY).

Instrumen ini beroperasi pada band yang bergelombang spektrum elektomagnetik berkisar antara band ultraviolet. Secara operasional fasilitas Envisat dirancang untuk mengukur data akuisisi dari titik permukaan bumi dan atmosfer dengan menggunakan sensor-sensor tersebut.

Dalam ESA (2001a) satelit Envisat terdiri dari dua elemen utama yaitu,

Platform Polar dan Instrumen Sederhana yang merupakan rangkaian peralatan

payload untuk memantau permukaan bumi. Pengendalian utama dari keseluruhan konfigurasi satelit digunakan untuk memaksimumkan daerah tampalan pada instrumen payload dengan syarat penampakannya jelas. Platform Polar adalah modul besar yang terdiri dari dua pasangan utama dalam kontruksinya yaitu, modul pelayanan (SM) dan modul payload (PM). Modul pelayanan merupakan dasar satelit yang digunakan sebagai daya pembangkit, penyimpan dan penyebar,

attitude dan orbit pengontrol, band-s telemetri dan komunikasi telecommand, dan data yang memegang fungsi keseluruhan satelit kontrol. Modul ini berdasarkan pada konsep data bagian dari SPOT-4 dan memiliki nilai penting bagi perkembangan kedepannya terutama pada daerah bagian mesin. Modul payload

merupakan instrumen dan payload yang dipakai untuk mendukung bagian sub-sistem tampalan instrumen pengendali, payload penyimpan data, komunikasi pada band X dan K, tenaga pendistribusi, dan struktur pendukung lainnya. Modul ini terdiri dari Payload Carrier (PLC) dan Payload Equipment Bay (PEB). PLC menyajikan tampalan permukaan dengan luas 6.4 x 2.75 m pada instrumen

payload dan kumpulan elektronik. Payload dikhususkan untuk mendukung sistem tampalan pada PEB.

12 Berdasarkan jenis medan pengamatan utama dalam aplikasi, instrumen

payload Envisat dapat digolongkan kedalam empat area :

1. Radar Imagery dilakukan oleh ASAR

2. Pengamatan Samudera, Zona Pantai dan Tanah dilakukan oleh MERIS dan AATSR.

3. Pengukuran Atmosfer dilakukan oleh GOMOS, MIPAS dan SCIAMACHY.

4. Misi Altimetrik dari RA-2 yang didukung oleh MWR, LR dan DORIS. 2.7.2. ASAR (Advanced Synthetic Aperture Radar)

ASAR merupakan salah satu instrumen sensor yang dipakai oleh satelit Envisat dalam menjalankan misinya yang dapat dipakai untuk segala kondisi baik malam maupun siang hari dengan resolusi tinggi. Instrumen ASAR menggunakan antena aktif phased-array dengan sudut datang antara 15 – 45 derajat dan memberikan pengukuran hamburan balik radar terhadap tingkat kekasaran permukaan, stuktur tanah, dan nilai konstanta dielektrik. Selain itu, instrumen ini mampu melakukan berbagai bentuk pengukuran dalam kaitannya dengan geofisika. Data ASAR memberikan sejumlah keuntungan dan kemampuan yang unik jika dibandingkan dengan instrumen pencitra lain. Kemampuan baru yang terpenting dari ASAR mampu menerima gambar obyek dengan sudut datang yang berbeda, polarisasi ganda, dan lebar sapuan yang besar (ESA, 2001b).

Seperti halnya misi satelit Envisat, sensor ini dirancang untuk melengkapi sekaligus menyokong tujuan dan fungsi dari satelit Envisat terhadap lingkungan bumi. ASAR memberikan kontribusi penting dalam memantau perubahan lingkungan permukaan bumi dengan memberikan informasi data berupa karakteristik gelombang laut, luas laut es dan pergerakannya, salju dan luas daerah es, permukaan topografi, permukaan tanah, kelembaban tanah dan tingkat lembaban, penebangan hutan dan luas daerah gundul, dan memantau bencana alam (seperti banjir dan gempa bumi).

Dibandingkan dengan AMI (Active Microwave Instrument) pada ERS-1 dan ERS-2, ASAR memiliki instrumen yang lebih nyata dari sejumlah hasil pengembangan teknologi terbaru. Penggantian pengatur radiator pasif AMI dengan sistem pengatur arah antena aktif dengan menggunakan elemen pengantar

13 menjadikan ASAR lebih unggul. Pemakaian teknologi ini memungkinkan untuk melakukan pemantaua n daerah dalam radius yang lebih jauh yaitu lebih dari 405 km melalui teknologi ScanSAR. Selain itu, terdapat beberapa teknik didalam menyajikan citra dengan kemampuan polarisasi secara vertikal dan horizontal dalam waktu bersamaan.

Ada dua metode prinsip operasi pencitraan ASAR yaitu, metode Stripmap seperti Image Mode dan Wave Mode yang merupakan metode lama, sedangkan untuk metode baru disebut teknik ScanSAR meliputi Wide Swath Mode, Global Monitoring Mode dan Alternating Polarisation Mode. Metode Stripmap adalah metode dimana sensor memiliki kemampuan bebas memilih daerah sapuan yang akan dicitra dengan perubahan sudut datang pancaran dan lebar elevasi pancaran.

Pulse Repetition Frequency (PRF) yang diperoleh berfungsi untuk melihat ada tidaknya kerancua n sinyal dan menghindari terjadinya perubahan titik nadir. Untuk metode ScanSAR prinsipnya membagi waktu proses radar menjadi dua atau lebih sub-swath untuk mendapatkan keseluruhan citra.

1. Image Mode

ASAR beroperasi pada salah satu dari tujuh daerah sapuan yang telah ditentukan dengan menggunakan radiasi polarisasi vertikal atau horizontal. Polarisasi yang dipakai juga sama untuk pemancar dan penerima (HH atau VV).

2. Wave Mode

Menggunakan daerah dan polarisasi yang sama seperti pada Image Mode, tetapi ada lanjutan daerah potongan tidak diteruskan sehingga area yang tercitra sepanjang daerah sapuan berukuran kecil. Operasi yang singkat ini memberikan data berukuran kecil sehingga mudah disimpan dan dapat langsung dikirim ke stasiun bumi.

3. Wide Swath Mode

Menggunakan lima daerah tercitra sekaligus yang telah ditentukan dalam satu luasan sapuan.

4. Global Monitoring Mode

Sama seperti Wide Swath Mode tetapi daerah yang tercitra vqsecara keseluruhan resolusi sapuannya lebih sempit.

14

5. Alternating Polarisation Mode

Penga mbilan gambar dengan cara sebagian menggunakan polarisasi horizontal dan sebagian lagi dengan polarisasi vertikal sehingga membentuk satu kesatuan gambar yang lengkap, dengan demikian dapat meningkatkan kemampuan dalam mengklasifikasi target (khusus jika digunakan bersama dengan gambar yang bersifat multi temporal).

Gambar 2. Ilustrasi Proses Pencitraan ASAR, Envisat.

Pada Image Mode, ASAR mampu mencitra daerah yang relatif lebih sempit sebesar 100 km dalam wilayah pengintaian sejauh ± 485 km dengan resolusi spasial 30 m. Sedangkan untuk Wave Mode, ASAR akan mengukur perubahan yang terjadi pada radar yang dipancar dari permukaan gelombang laut. Spektrum gelombang diekstrak dalam gambar berukuran 5x5 km yang diambil setiap melewati lautan dalam interval 100 km. Untuk Wide Swath Mode dapat diperoleh daerah yang jauh lebih luas sekitar 400 km dengan resolusi spasial lebih rendah dari 150 m. Selain itu pada Alternating Polarisation Mode menghasilkan gambar pada layar dengan polarisasi alternatif selama pengiriman dan penerimaan gambar berlangsung. Resolusi spasial yang dihasilkan setara dengan Image Mode. Terakhir pada Global Monitoring Mode daerah dalam radius 400 km masih bisa digambarkan dengan resolusi spasial 1000 m (ESA, 2001b).

15

2.8. BEST (Basic Envisat SAR Toolbox)

2.8.1. Pengertian BEST

BEST (Basic Envisat SAR Toolbox) adalah gabungan dari beberapa aplikasi dasar radar yang telah dijalankan dan dirancang unt uk memudahkan penggunaan data ESA SAR. Tujuan dikeluarkannya perangkat ini tidak untuk menduplikasi perangkat lunak yang bersifat komersial, tetapi untuk melengkapinya dengan beberapa fungsi- fungsi khusus yang diberikan untuk menangani produk ASAR (Advanced Synthetic Aperture Radar) dan AMI (Active Microwave Instrument) yang masing- masing merupakan bagian dari satelit Envisat dan ERS 1 & 2 (BEST, 2004).

Fungsi- fungsi perangkat utama dalam BEST sebagai berikut.

“Data Import and Quick Look” perangkat dasar yang dipakai untuk mengekstrak data dari produk ESA SAR standar, menghasilkan gambar dari

quick look, mengimport dari TIFF dan GeoTIFF dan menghasilkan data raster. “Data Export”output dari data dengan bentuk format yang umum dan dapat menghasilkan dari gabungan RGB.

“Data Conversion” mengubah diantara format- format gambar yang berbeda dan menyesuaikan informasi jarak pandang data terhadap jarak proyeksi permukaan yang sebenarnya, menghitung ketepatan vektor data.

“Statistical”mengkalkulasi parameter statistika secara global maupun regional dari gambar data yang sebenarnya dan menghitung komponen-komponen pokok dari berbagai gambar.

“Resampling” untuk melakukan tumpang-tindih gambar dengan memakai metode spasial maupun spektral.

“Co-registration and Coherence Generation” melakukan proses registrasi secara otomatis antar dua atau lebih gambar, mengevaluasi kualitas parameter, dan melakukan koreksi geometrik dengan resolusi menengah.

“Speckle Filtering” memperbaiki resolusi radiometrik dari image backscatter. “Calibration” mengkoreksi pengaruh radiometrik dari input gambar Envisat dan ERS dengan berbagai macam level.

Perangkat yang disajikan untuk pemakai telah disesuaikan dengan fungsinya agar dapat menghasilkan beberapa parameter file. Piranti ini dirancang dengan

16 menghubungkan beberapa pilihan grafis yang diperlukan untuk masing- masing menu dan menyetelnya agar dapat diproses dengan mudah. Data yang telah diproses di beberapa perangkat tidak memiliki fungsi layar. Tetapi telah disediakan fasilitas perangkat untuk mengubah gambar menjadi format TIFF atau GeoTIFF agar dapat dibaca dalam bentuk visualisasi apapun. Data dapat juga di export dalam format BIL untuk menjalankan piranti yang diubah kedalam gambar lain dan beberapa perangkatnya dapat digabungkan dalam IDL.

2.8.2. Input Data Produk

Perangkat dirancang untuk menangani data produk ESA yang berasal dari kedua alat Envisat ASAR dan AMI yaitu ERS-1 dan ERS-2. Input data Envisat ASAR yang dapat dijalankan oleh BEST adalah data citra yang diperoleh dengan cara Image mode, Wide Swath, Alternating Polarisation dan Global Monitoring. Sedangkan data ERS SAR adalah data RAW, SLC, SLCI, PRI, GEC atau GTC. Perangkat memiliki kemampuan untuk membaca semua data Envisat ASAR level 1b yaitu SLC, Precision, Medium Resolution atau Ellisoid Geo-coded dan pada produk yang dihasilkan dalam golongan dasar ESA ERS yaitu D-PAF, I-PAF, UK-PAF dan ESRIN yang didukung, ditambah data dari beberapa stasiun “kehutanan”.

2.8.3. Menjalankan BEST

BEST memiliki sistem algoritma yang dijalankan berdasarkan HMI (Human Machine Interface). Para pengguna dapat menetapkan parameter khusus, memilih input file dan menyesuaikan nama output file berdasarkan sistem algoritma.

Piranti yang muncul dengan suatu pilihan yang berasal dari dua HMI, kedua HMI merupakan alat yang mudah digunakan untuk semua kondisi, dan harus diinstal sebelum menjalankan BEST di komputer. Untuk penguna WindowsT M, HMI berupa Visual Basic Interface sedangkan pengguna LinuX dan Solaris2TM HMI ditulis pada Tcl/Tk. Visual Basic Interface dan Tcl/Tk merupakan sistem perangkat didalam menerjemahkan bahasa program.

Kedua HMI pada dasarnya untuk menghasilkan dan menjalankan file ASCII ”.ini” yang diperlukan oleh sistem perangkat. Beberapa pemakai cenderung lebih suka menciptakan file kepunyaan mereka sendiri atau mengedit salah satu file yang ada untuk memenuhi kebutuha n khusus mereka dan menjalankan file secara

17 langsung dari perintah yang sesuai. Hal itu mungkin dapat dijalankan dengan lebih baik tanpa memakai HMI (BEST, 2004).

2.9. Kalibrasi

Proses kalibrasi memiliki dua tahap, tahap pertama adalah tahap pengujian (Commissioning Phase) dan kedua tahap setelah pengujian (Application Calibration Phase). Tahap pengujian merupakan tahap yang dilakukan selama 6 bulan pertama satelit mengorbit. Tahap ini salah satunya melakukan pengujian kemampuan terhadap sensor antena aktif phase-array ASAR yang terdiri dari 320 T/R modul. Sedangkan tahap aplikasi kalibrasi adalah tahap setelah 6 bulan satelit mengorbit, tahap ini sampai sekarang masih terus dilakukan dan masih menjadi bagian penelitian di Eropa.

Menurut Koopman et. al (2002), kalibrasi diartikan sebagai proses yang bersifat kuantitatif yang menggambarkan pengaruh (tanggapan) sistem untuk mengontrol sinyal input. Kalibrasi biasanya dihubungkan dengan validation

sebagai suatu proses pembanding dari hasil kalibrasi yang dilakukan satelit. Sedangkan menurut Laur et. al (2002), kalibrasi merupakan teknik penurunan koefisien hamburan balik σo (radar backscattering coefficient) dari sinyal yang

diterima citra ASAR.

Produk kalibrasi dijalankan berdasarkan tiga prosedur, pertama kalibrasi internal yang sasarannya untuk mendapatkan instrumen internal yang berfungsi memindahkan dan menjalankan pendugaan mengenai noise. Ini dapat diperoleh dengan syarat sinyal dan khusus untuk pulsa kalibrasi ada dalam instrument tersebut. Kedua kriteria mode eksternal yang sasarannya terhadap special mode

seperti karakteristik dari antena pasif, proses pengulangan kalibrasi dan kehilangan petunjuk mekanik. Ini dilakukan dengan membawa transmisi utama yang diikuti rangkaian pulsa yang direkam diatas pesawat dan transponder yang bertindak sebagai alat penerima dibumi. Dan terakhir ketiga yaitu faktor kalibrasi eksternal yang sasarannya untuk memperoleh keseluruhan faktor kalibrasi. Ini dilaksanakan dengan mengukur pengaruh ketepatan transponder dengan mengetahui perbandingan radar cross section yang cukup tinggi untuk koefisien hamburan balik (Closa, 2002).

18 Seperti halnya untuk SAR didalam ERS-1 dan ERS-2, faktor kalibrasi dari ASAR diperoleh dan dimonitor dengan alat kalibrator atau transponder radar aktif yang memiliki kemampuan yang sangat tinggi. Transponder kalibrasi ASAR didesain pada dasarnya sama dengan transponder ESR, tetapi sekarang ada beberapa penambahan sistemsehingga menjadi lebih komplek. Keunggulan yang paling mengagumkan pada transponder ASAR yaitu dapat menghandel perbedaan polarisasi dan juga dapat diprogram untuk polarisasi HH, HV, VV dan VH. Selain itu, perbedaan yang nyata antara ASAR dan ERS adanya penambahan special mode untuk karakteristik eksternal ASAR. Pada setiap mode untuk pemancar terdapat 10 kolom dimana tiap kolom tersebut terdapat 32 baris dan masing-masing baris terdapat 10 kolom, untuk yang lain didesain sama dengan transponder ERS (Buck, 2002).

Menurut Mather pengaruh impuls transponder dipakai untuk mendapatkan nilai konstanta kalibrasi. Pada dasarnya, sebelum respon transponder dapat digunakan untuk mendapatkan konstanta kalibrasi, hal pertama yang dibutuhkan adalah memindahkan konstribusi dasar hamburan balik dari area sekitar pengaruh impuls.

ERS adalah satu dari sistem SAR yang terpenting pada platform spaceborne. Satu dari kemajuan tersebut memiliki kemampuan menjalankan berbagai bentuk radiometrik dengan sangat baik. Kamampuan tersebut didukung dengan berbagai studi dari kalibrasi dan validasi yang keduanya bertempat di Eropa atau tempat yang lain. Rencana kalibrasi dan validasi didalam konteks Eropa masih dalam suatu perkembangan. Walau bagaimanapun, ada kebutuhan khusus untuk manghasilkan kalibrasi dan validasi saat ini.

Menurut Laur et. al (2002) ada dua asumsi dasar berhubungan dengan sudut datang lokal terhadap hamburan balik adalah ;

• Permukaan yang datar dipertimbangkan. Sudut datang tergantung pada ellipsoid yang bervariasi dari jarak terdekat 19.50 sampai jarak terjauh 26.50.

• Setiap perubahan sudut datang distributed target dapat diabaikan.

Koefisien hamburan balik radar (s0) dihubungkan ke radar brightness dengan persamaan berikut :

19

σo

= βo x sin α

Dimana σo : Koefisien Hamburan-balik Radar (Terkalibrasi)

βo

: Radar Brightness (Power)

α : Sudut Datang (Incidence Angle)

Sinus dari alfa merupakan perwakilan dari sudut datang lokal. Parameter ini merupakan satu bagian penting dalam proses pencitraan geometri SAR. Pada semua produk PRI dari ERS-1 dan ERS-2 diasumsikan bahwa sudut datang dari permukaan gambar dapat dinyatakan elipsoid. Ini berlaku untuk kemiringan permukaan lokal manapun, yang mana menjadi hal penting untuk wilayah berbukit atau bergunung. Hasil sudut datang aktual dapat diperoleh dengan menggunakan model digital elevasi (DEM).

Intens itas nilai pixel pada produk PRI SAR ERS langsung setara (proposional) untuk radar brightness (ß0). Digital number (DN) merupakan nilai pixel produk PRI yang langsung dihubungkan ke ß0 dan s0 dengan persamaan berikut.

[DN]2 = k (Konstanta) x ß0 (Radar Brightness)

Dimana nilai k adalah nilai konstanta kalibrasi dan aref adalah sudut datang

referensi 230. Konstanta khusus untuk tipe dari produk data dan untuk proses utama.

Tidak seperti AMI SAR ERS yang beroperasi dengan antena pasif phased-array, ENVISAT ASAR meliputi antena aktif yang terdiri dari 320 sub-array, yang masing- masing subnya dihubungkan ke modul pemancar atau penerima (TRM). Setiap TRM memiliki dua rangkaian pemancar, satu untuk polarisasi horizontal satu untuk vertikal dan satu rangkaian penerima untuk kedua-duanya. Ketiga rangkaian secara bebas diprogram pada amplitude dan fase untuk memberikan pola elevasi sapuan yang diperlukan. Keseluruhan sistem gain absolute dapat lebih teliti dihitung dari respon gambar point target dengan radar cross section (RSC).

Envisat ASAR mendeteksi seluruh permukaan yang diproyeksikan pada suatu produk yang akan dikirim sebagai radar brightness (pola elevasi antena dan mengkoreksi cakupan daerah yang hilang tanpa mengubah sudut datang), sedangkan untuk produk slant range komplek dikirim tanpa mengkoreksi jalur

20 silang radiometrik manapun. Persamaan dibawah dipakai untuk menurunkan koefisien hamburan balik (σo) pada metode distributed target (laur et. al, 2002) .

σo

= sin( )

Konstanta ]

[ 2

D

DN _α

Kalibrasi dan validasi merupakan perkembangan studi area penginderaan jauh sehingga tidak ada satu solusi saja yang tepat dalam membandingkan semua situasi. Kalibrasi dan validasi selalu dipelajari dalam setiap waktu satelit beroperasi. Sejak tahap-tahap kalibrasi dan validasi telah berjalan, ada beberapa parameter yang mungkin diubah agar dapat diproses menjadi lebih baik.

Dalam SAR dikenal dua metode kalibrasi, Point Target dan Distributed Target. Untuk metode pertama biasanya dipergunakan pada target khusus, dalam hal ini satu titik pixel citra yang akan dikalibrasi. Metode ini cukup sulit dan perkembangannya masih menjadi studi penelitian di Eropa. Metode ini biasanya dipergunakan untuk militer dalam mencari target sasaran utama. Metode kedua

distributed target yang sasarannya pada suatu luasan pixel tertentu dengan syarat memiliki wilayah yang homogen. Dalam metode ini terdapat 2 level kalibrasi yaitu, level 1 yang berbasis flat earth (referensi permukaan bumi elipsoid) dan level ke-2 berbasis digital elevasi model (DEM). Kedua level ini sangat ditentukan oleh jenis data yang dipakai, untuk radarsat digital number (DN) dapat dipergunakan dalam mencari turunannya yaitu ß0, s0 hingga ?0 dalam geometri yang berbeda-beda. Pada ERS termasuk Envisat nilai DN selalu ekivalen dengan ß0 dan ini juga dapat diturunkan menjadi s0 dan ?0. Turunan sigma nought (s0) merupakan level pertama dalam kalibrasi yang dikenal dengan nilai koefisien hamburan balik sedangkan gamma nought merupakan level kedua kalibrasi yang memerlukan nilai elevasi aktual sehingga outputnya berbasis DEM.

III. BAHAN DAN METODE

3.1. Waktu dan Tempat Penelitian

Penelitian dilakukan sejak bulan Februari sampai Agustus 2005. Diawali dengan kegiatan pengunduhan program, pengenalan program, aplikasi program pada data contoh, pengolahan hasil aplikasi program dan pengambilan keputusan terhadap parameter yang dipakai. Kegiatan penelitian dilakukan di Laboratorium Penginderaan Jauh dan Kartografi, Departemen Tanah, Fakultas Pertanian, Institut Pertanian Bogor.

3.2. Bahan dan Alat

Data yang digunakan adalah citra satelit Image Mode Precision (IMP) ENVISAT-ASAR polarisasi VV yang dikeluarkan oleh ESA (European Space Agency) rekaman tanggal 4 Februari 2003 dengan liputan daerah Pelalawan, Riau. Data vektor berupa Peta Compartment Teso Timur (TEE) berdasarkan umur dan jenis tanaman yang diperoleh dari PT. Riau Andalan Pulp and Paper(RAPP).

Data lapangan dari pengamatan langsung oleh tim inventarisasi PT. Riau Andalan Pulp and Paperberupa Merchantable Volume (MVOL) dan Total Volume

(TVOL) tanaman Acacia mangium.

Peralatan yang dipakai meliputi seperangkat komputer dengan perangkat lunak berupa Basic Envisat SAR Tool Box (BEST v4.0.1 dan v4.0.2), RSI Envi 4.1, ERDAS IMAGINE 8.6, ArcView 3.2 (Image Analysis), EnviView, CorelDraw 12, dan Statistica 6.0.

3.3. Metode Penelitian

Penelitian meliputi empat tahap yaitu : (1) Persiapan Piranti Lunak, (2) Persiapan Data Contoh, (3) Eksplorasi Piranti Lunak, (4) Pengolahan Data.

Bagan alir penelitian disajikan pada gambar 3. 3.3.1. Persiapan Piranti Lunak

Tahap pertama dilakukan mengunduhan terhadap piranti lunak BEST v4.0.2 dari situs http://envisat.esa.int/services/best/software/. Sebelumnya, pada awal

22 penelitian digunakan BEST versi 4.0.1 dan diketahui memiliki banyak bugs. Pada pertengahan bulan Maret 2005 telah diluncurkan kembali BEST dengan versi 4.0.2 dengan sedikit tambahan perangkat pada bagian kalibrasi dan akhir bulan Juli 2005 kembali diluncurkan BEST dengan versi terbarunya 4.0.3 tetapi tidak banyak perubahan dari versi sebelumnya.

3.3.2. Persiapan Data Contoh

Data contoh yang dipakai dalam penelitian ada tiga yaitu data raster berupa citra ASAR IMP daerah Pelalawan Riau pada tanggal 4 Februari 2003 hasil kerjasama antara ESA dengan Indonesia (Institut Pertanian Bogor) dikenal dengan singkatan EJREx (The Envisat Join Research Experiment ), data vektor berupa Peta Compartment Teso Timur (TEE) dan data Plot Inventory tanaman Acacia mangium. Data vektor ini diperoleh dari PT. Riau Andalan Pulp and Paper (RAPP).

3.3.3. Eksplorasi Piranti Lunak

Pada tahap ini dilakukan eksplorasi terhadap piranti lunak BEST v4.0.2 sampai ketahap kalibrasi. Untuk menu-menu pada BEST yang terkait dengan proses kalibrasi dipelajari dengan metode uji coba (trial and error). Selain menggunakan metode tersebut, penggalian informasi juga dilakukan lewat forum diskusi dengan para pengguna BEST dan pembuat piranti lunak BEST.

3.3.4. Pengolahan Data

Kegiatan yang dilakukan dalam tahap pengolahan data adalah pengkonversian format file dan analisis citra digital. Dalam kegiatan pengkonversian, file internal BEST yang telah dikalibrasi diubah format filenya (dieksport) menjadi format GeoTIFF agar dapat dibaca dalam ERDAS, Envi dan ArcView. File hasil eksport ini juga dibuatkan databasenya. Kegiatan pada analisis citra digital yaitu : (a) koreksi geometrik, (b) penentuan korelasi intensitas pantulan dengan parameter lapang, dan (c) pengambilan keputusan.

23

Gambar 3. Diagram Alir Penelitian

Full Resolution Extraction Amplitude Image (Full Resolution) Portion Extraction Amplitude Image (Portion extraction) Amplitude to Power Power Image Export file (.GeoTif) Display file (.Tiff) Power Image (Filtered) Header Analysis file (.HAN) Peta Compartment Teso Timur (TEE)

file (. img) Power Image Calibrated (Filtered) Speckle Filter Backscattering Image Generation Quick Look Generation Export GeoTiff Header Analysis

Power Image Calibrated (Non-Filtered) Backscattering Image Generation Backup Harddisk (display image) Image file (.img) Hasil

Tahap Pengolahan Data Tahap Eksplorasi BEST

Koreksi Geometrik

Erdas Imagine 8.6

Resize Image file (.GeoTiff)

RSI Envi 4.1

Rata-rata Intensitas Pantulan

per Compartment ArcView 3.2

Statistica 6.0 Analisis Regresi dan Korelasi EnviView ASAR_IMP file (.N1) (Harddisk)

IV. HASIL DAN PEMBAHASAN

4.1. Tahapan Eksplorasi BEST

BEST (Basic Envisat SAR Toolbox) adalah suatu gabungan dari beberapa aplikasi dasar radar yang telah dijalankan dan dirancang untuk memudahkan penggunaan data ASAR, Envisat. Tujuan dikeluarkannya perangkat ini tidak untuk menduplikasi paket komersial yang telah tersedia, tetapi untuk melengkapinya dengan beberapa fungsi- fungsi khusus yang diberikan untuk menangani produk ASAR (Advanced Synthetic Aperture Radar) dan AMI (Active Microwave Instrument ) yang merupakan bagian dari Envisat dan ERS 1 & 2. 4.1.1. Tahap Penginstalan

Hal yang perlu diperhatikan setelah menginstal piranti lunak ini yaitu dengan mengecek kebenarannya dengan tipe perintah “best” pada Windows MS-DOS. Apabila piranti lunak ini diinstal dengan benar maka akan muncul pesan berikut.

Biasanya pada komputer yang pertama kali menginstal piranti lunak ini tidak memberikan pesan seperti diatas, sehingga secara otomatis belum bisa dijalankan. Hal yang perlu dilakukan adalah dengan menambahkan tiga variabel file BEST didalam System Properties komputer. Informasi mengenai ketiga variabel ini didapat pada situs www.envisat.esa.int.

25 Proses Penginstalan

Start Menu > Settings > Control Panel > Performance and Maintenance >

System lalu pilih Advanced dan klik Environment Variables

Akan muncul tampilan sebagai berikut

4.2.2. Fungsi Menu terkait proses kalibrasi 4.2.2.1. Menu Utama

Bagian menu utama didalam mengenal dan menjalani piranti lunak ini ada tiga yaitu Header Analysis, Full Resolution Extraction dan Quick Look Generation. Header Analysis dan Full Resolution Extraction merupakan kunci pertama yang harus dilaksanakan sebelum melangkah ke proses selanjutnya, sedangkan proses Quick Look Generation berfungsi untuk menampilkan gambar dalam format TIFF guna menginspeksi cepat liputan citra.

1. Header Analysis

Proses Header Analysis berfungsi untuk me mecahkan dan mengindentifikasi semua kode data mentah (Data Produk ESA SAR) yang kemudian disimpan ke dalam dua bentuk file yaitu file ASCII (extension .txt) dan file dalam bentuk perangkat internal BEST (extension .HAN). File ASCII berisi semua informasi tentang data yang dapat langsung dilihat, sedangkan file dalam bentuk internal yang berisi header akan dijadikan sebagai input dalam proses selanjutnya. Inti dari

Gambar 5. Informasi variabel dalam Environment Variables

Variable Value

C : \ asartoolbox %STBXHOME%\flagfile %PATH%,%STBXHOME%\bin

Variable Name

STBXHOME FLAGFILE

26 proses Header Analysis yaitu memberikan file yang berisi keterangan header dari data mentah (extension .N1) dalam format internal BEST.

Didalam tampilan proses Header Analysis diatas terdapat parameter-parameter yang dapat dipilih sebagai berikut.

Tabel 1. Parameter di menu Header Analysis.

N o N am a Fu n gsi da n k e t e r a n ga n

1 I nput Media Ty pe

Tem pat m edia peny im panan hasil y ang t er dir i dar i t iga m edia y ait u CDRom , Tape, dan Harddisk. Selam a penelit ian dat a disim pan dalam har ddisk kar ena kapasit as dat a t idak t erlalu besar dan unt uk m em perm udah dalam pengolahan.

2 I nput Product

Tem pat dat a m ent ah yang akan diolah, yang disim pan dalam file yang dipilih. Ket ika m engklik file t em pat penyim panan dat a m ent ah ( ASAR) m aka akan t am pil ASA.I MP.1PNUPA20030204...0033.N1

3 Sensor I d Sensor yang dipakai didalam m em peroleh dat a dim ana dat a ya ng dipakai dari _{Envisat ASAR, lain halnya ERS- 1 dan 2 dari AMI s}

4 Sensor Mode

Cara didalam pengam bilan dat a ada 4 pilihan yait u I m age Mode : Pengam bilan dengan m encit ra langsung, Global m onit oring : Pengam bilan dengan m em onit oring secara keseluruhan dan kem udian hasilny a bar u disim pan, Wide Sw at h : Meny apu sebagian wilayah yang diinginkan dan hasil sapuan t ersebut dicit ra lalu disim pan, Alt ernat ing Polarizat ion : Pengam bilan dengan cara proses pant ulan sinyal ham buran balik. Dat a cont oh unt uk penelit ian diam bil dengan cara I m age Mode. 5 Alt ernat ing Polarizat ion Dat aset

Saluran sensor yang dipakai oleh Envisat - ASAR selam a proses pengam bilan dat a, saluran ini hanya ada apabila sensor m ode y ang dipak ai ber upa Alt er nat ing Polarzat ion

6 Product Type

Jenis produk y ang dihasilk an dan k egiat an pencit r aan. Dat a y ang dihasilk an m erupakan dat a I MP yang m erupakan produk precision sehingga j enis produknya PRI dan banyak produk lain sepert i SLC/ SLCI , GEC, GTC, MR, BRW dan RAW Dat a.

7 Dat a For m at

Menunj ukan form at dat a m ent ah berasal dari m ana ? Karena dat a penelit ian ber asal dar i Env isat dan dat a Env isat ber for m at ” m phsp” , sehingga dat a cont oh y ang dipak ai adalah dat a ber for m at ” m phsp” . Lain halny a j ik a dat a ber asal dar i ERS m aka akan m em iliki form at ” ceos” .

8 Source I d

Menunj ukan st asiun dim ana dat a diproses. Sebelum m enj adi product t ype, dat a m ent ah t ersebut diproses dist asiun m ana ? Sem ua dat a Envisat dan ERS diproses pada produk ESRI N

9 Num ber of Volum e Biasanya digunakan unt uk dat a dengan kapasit as yang besar dengan _{t y pe berupa t ape} input m edia

10 Out put Tem pat dim ana dat a y ang t elah diolah oleh pr oses header ak an disim pan ( let ak _{folder) . Nam a folder yang dibuat t idak boleh ada spasi.}

11 Annot at ion File

Nam a file yang akan dihasilkan set elah dipr oses oleh h eader analysis dim ana ak an dit am bahkan ekst ension .t xt yang m ana file ini berisi sem ua t ent ang ket erangan proses dari header analysis.

12 Header Analysis File

Nam a file yang akan dihasilkan set elah dipr oses oleh header analysis dim ana ak an dit am bahk an ek st ension .HAN . File ini digunakan unt uk proses selanj ut nya sepert i

quick look dan full resolut ion.

13 Par am et er Recor d File Nam e

Nam a file yang dit ulis unt uk pr oses h eader an aly sis y ang ak an diber ik an ekst ension .ini dim ana file ini berisi t ent ang ket erangan spesifikasi proses header

analysis it u sendiri.

27 Untuk proses Header Analysis biasanya sebagian parameter yang ada secara otomatis akan teridentifikasi sendiri ketika input data mentah telah dimasukan.

Hal yang perlu diperhatikan dalam memproses Header Analysis, ketika membuat nama directory sebagai tempat simpan hasil proses maupun nama file tidak boleh ada spasi. Kesalahan didalam proses ini akan menyebabkan file yang berekstension .HAN tidak akan dihasilkan.

Gambar 7. Tampilan setelah proses Header Analysis berserta file yang dihasilkan dalam Notepad. Atas : Tampilan setelah proses Header Analysis dan Bawah : File yang dihasilkan (*txt).

28 2. Full Resolution Extraction

Proses ini berfungsi untuk mengekstrak tingkat kecerahan sebagian atau seluruh citra dan menghasilkan file citra baru berformat internal BEST. File ini akan mengandung angka-angka tiap pixel dengan disertai keterangan header didalamnya. File yang dihasilkan menggunakan data contoh untuk penelitian (.N1) berekstension XTs, dimana s menunjukan sumber data berasal dari produk

precision.

Full Resolution Extraction dapat diproses setelah Header Analysis

dilaksanakan, karena untuk mengolah Full Resolution Extraction membutuhkan header dalam format internal BEST. Selain untuk meningkatkan kecerahan gambar, proses ini juga bertujuan untuk menggabung file inti dengan file headernya kedalam file tunggal berformat internal BEST. Dengan demikian tujuan khusus dari proses ini adalah mengubah file inti data mentah (exstension .N1) menjadi file inti berformat internal BEST yang kemudian langsung mengabungkan file headernya kedalam satu file tunggal.

Pada proses ini juga telah diberikan parameter AOI (Area of Interest) yaitu pilihan titik koordinat sebagai titik potong terhadap bagian citra yang ingin dipakai. Koordinat titik yang diberikan berdasarkan sistem grid yaitu latlon

29 (lintang-bujur) dan rowcol (baris-kolom). Untuk sistem grid latlon akan memberikan bentuk grid miring sedangkan rowcol memberikan bentuk grid tegak lurus. Bentuk grid dapat dilihat pada gambar dibawah ini.

Batas daerah yang dipotong menggunakan bentuk rectangular yaitu dengan 4 titik pemotongan dengan sistem grid latLon (bujur dan lintang), batas tersebut :

v 0.29 Kiri atas lintang

v 100.85 Kanan atas bujur

v - 0.22 Kiri bawah lintang

v 101.61 Kanan bawah bujur

Keempat titik potong diperoleh berdasarkan pengukuran awal dengan satuan derajat per pixel (latlon) dari citra hasil proses Quick Look. Hasil proses Full Resolution Extraction juga ditampilkan dengan proses Quick Look sehingga sebelum ke proses selanjutnya AOI telah sesuai dengan area yang diinginkan.

Gambar 10. Tampilan setelah proses Full Resolution Extraction

Sistem Grid LatLon Sistem Grid RowCol

60

Tabel Lampiran 2. Sebagian Informasi Header dalam citra IMP daerah Pelalawan dengan

menggunakan EnviView Produk Header Utama

Field Name

Value

Units

product

proc_stage ref_doc

acquisition_station proc_center proc_time software_ver sensing_start sensing_stop phase cycle rel_orbit abs_orbit

state_vector_time delta_ut1

x_position y_position z_position x_velocity y_velocity z_velocity vector_source utc_sbt_time sat_binary_time clock_step leap_utc leap_sign leap_err product_err tot_size sph_size num_dsd dsd_size num_data_sets

ASA_IMP_1PNUPA20030204_152531_000000152 013_00311_04874_0033.N1

N

PO-RS-MDA-GS2009_08_3H PDHS-K

UK-PAC

17-MAR-2003 16:56:09.000000 ASAR/3.03

04-FEB-2003 15:25:31.202681 04-FEB-2003 15:25:48.202055 2

+013 +00311 +04874

04-FEB-2003 15:25:00.000000 +.000000

-1139873.896 +7066807.518 -0332417.244 +1556.640251 +0589.399426 +7369.144927 FR

04-FEB-2003 14:05:02.415529 +3242754816

+3906249788

17-OCT-2001 00:00:00.000000 +001

0 1

+00000000000145627741 +0000006099

+0000000018 +0000000280 +0000000008

ascii

ascii ascii ascii ascii UTC ascii UTC UTC ascii

UTC s m m m m/s m/s m/s ascii UTC psec. UTC s ascii ascii bytes bytes

61

Lampiran 2 (Lanjutan)

Produk Header Citra ASAR (SPH)

Field Name

Value

Units

sph_descriptor

stripline_continuity_indicator slice_position

num_slices first_line_time last_line_time first_near_lat first_near_long first_mid_lat first_mid_long first_far_lat first_far_long last_near_lat last_near_long last_mid_la t last_mid_long last_far_lat last_far_long swath pass

sample_type algorithm

mds1_tx_rx_polar mds2_tx_rx_polar compression azimuth_looks range_looks range_spacing azimuth_spacing line_time_interval line_length data_type

Image Mode Precision Image +000

+001 +001

04-FEB-2003 15:25:31.610893 04-FEB-2003 15:25:47.597901 -0.349816

100.807672 -0.246364 101.272006 -0.142924 101.736223 0.599642 100.602931 0.702633 101.066687 0.805595 101.530565 IS2

ASCENDING DETECTED RAN/DOP V/V FBAQ4 +004 +001

+1.25000000E+01 +1.25000000E+01 +1.86090183E-03 +08465

UWORD

ascii

UTC UTC degrees degrees degrees degrees degrees degrees degrees degrees degrees degrees degrees degrees ascii ascii ascii ascii ascii ascii ascii looks looks m m s samples ascii

62

Lampiran 2 (Lanjutan)

SQ ADSRs

Field Name

Value

Units

zero_doppler_time attach_flag

input_mean_flag input_std_dev_flag input_gaps_flag

input_missing_lines_flag dop_cen_flag

dop_amb_flag output_mean_flag output_std_dev_flag chirp_flag

missing_data_sets_flag invalid_downlink_flag thresh_chirp_broadening thresh_chirp_sidelobe thresh_chirp_islr thresh_input_mean exp_input_mean thresh_input_std_dev exp_input_std_dev thresh_dop_cen thresh_dop_amb thresh_output_mean exp_output_mean thresh_output_std_dev exp_output_std_dev thresh_input_missing_lines thresh_input_gaps

lines_per_gaps input_mean[0] input_mean[1] input_std_dev[0] input_std_dev[1] num_gaps

num_missing_lines output_mean[0] output_mean[1] output_std_dev[0] output_std_dev[1] tot_errors

Spare_3

04-FEB-2003 15:25:39.702660 0

0 1 0 0 0 0 1 1 1 0 1 20.0 -8.0 -5.0 0.2 0.0 0.15 0.6 0.6 0.55 50.0 275.0 10.0 110.0 10.0 1.0 100

0.001866201 0.001863534 0.10304 0.1028624 0.0 0.0 441.3837 0.0 202.78152 0.0 0

MJD flag flag flag flag flag flag flag flag flag flag flag flag % dB dB

% lines

63

Lampiran 2 (Lanjutan)

Parameter Proses Utama

Field Name

Value

Units

first_zero_doppler_time attach_flag

last_zero_doppler_time work_order_id

time_diff swath_id range_spacing azimuth_spacing line_time_interval num_output_lines num_samples_per_line data_type

first_proc_range_samp range_ref

range_samp_rate radar_freq num_looks_range filter_range filter_coef_range num_lines_proc num_look_az look_bw_az to_bw_az filter_az filter_coef_az az_fm_rate[0] az_fm_rate[1] az_fm_rate[2] ax_fm_origin dop_amb_conf

calibration_factors[0].proc_scalin g_fact[0]

calibration_factors[0].ext_cal_fac t[0]

04-FEB-2003 15:25:31.610893 0

04-FEB-2003 15:25:47.597901 asar_wo_452

0.408212 IS2 12.5 12.5

0.0018609018 8592

8465 UWORD 1

800000.0 1.920768E7 5.3310044E9 1

HAMMING 0.75

28063 4 320.0 1280.0 HAMMING 0.75

-1072.779 -1.9214842E7 7.1305626E10 5509551.5 0.0 800000.0 318419.75

MJD flag MJD ascii s ascii m m s lines samples ascii samples m Hz Hz looks ascii

lines looks Hz Hz ascii

Hz/sHz/s2Hz/s3 Hz/sHz/s2Hz/s3 Hz/sHz/s2Hz/s3 ns

64

Lampiran 2 (Lanjutan)

Paremeter Centroid Doppler

Field Name

Value

Units

zero_doppler_time attach_flag

slant_range_time dop_coef[0] dop_coef[1] dop_coef[2] dop_coef[3] dop_coef[4] dop_conf

dop_conf_below_thre sh_flag

spare_1

04-FEB-2003 15:25:39.702660 0

5509551.5 223.53322 -783707.7 3.34212352E8 0.0

0.0 0.9896078 0

MJD flag ns

HzHz/sHz/s2Hz/s3Hz/s4 HzHz/sHz/s2Hz/s3Hz/s4 HzHz/sHz/s2Hz/s3Hz/s4 HzHz/sHz/s2Hz/s3Hz/s4 HzHz/sHz/s2Hz/s3Hz/s4 flag

Parameter Chirp

Field Name

Value

Units

zero_doppler_time attach_flag

slant_range_time ground_range_origin srgr_coeff[0]

srgr_coeff[1] srgr_coeff[2] srgr_coeff[3] srgr_coeff[4]

04-FEB-2003 15:25:31.610893 0

5508458.5 0.0 825697.25 0.3190278 6.1841087E-7 -2.449326E-13 -8.507415E-20

MJD flag ns m

m, -, m-1, m-2 m, -, m-1, m-2 m, -, m-1, m-2 m, -, m-1, m-2 m, -, m-1, m-2

Gambar 31. Perbandingan citra yang telah dikalibrasi dengan jenis skala berbeda. Kanan : Skala decible (dB) dan Kiri : Skala Linear