Tugas Individu me Review Jurnal PENENTUA
Tugas Individu me-Review Jurnal
Mata Kuliah Penginderaan Jauh Kelautan
Dosen Pengampu: Dr. Vincentius P. Siregar. DEA
PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT
BERESOLUSI TINGGI BERDASARKAN TIPE DASAR
Richard P. Stumpf1 dan Kristine Holderied
Disampaikan Ulang Oleh :
ULIL AMRI (NRP. C552130021)
Pada tanggal 15 Januari 2014
JURUSAN TEKNOLOGI KELAUTAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT
BERESOLUSI TINGGI BERDASARKAN TIPE DASAR
Richard P. Stumpf dan Kristine Holderied
NOAA National Ocean Service, Pusat Pemantauan Pesisir dan Assessment, 1305
East-West Highway rm 9115, Silver Spring, Maryland 20910
Mark Sinclair
Tenix LADS Corporation, Mawson Park, Australia Selatan, 5095, Australia
Abstrak
Sebuah algoritma standar untuk menentukan kedalaman perairan dengan
sensor pasif sudah ada, tetapi membutuhkan lima parameter dan tidak melibatkan
kedalaman dimana bagian bawah/kolom air memiliki albedo (rasio (perbandingan)
sinar pantulan terhadap sinar jatuh (datang) sangat rendah. Untuk mengatasi
masalah ini, kami mengembangkan solusi empiris menggunakan rasio reflectances
yang hanya memiliki dua parameter dan dapat diterapkan pada lapisan low-albedo.
Dua Algoritma tersebut adalah The Standart Linier Transform and The New Ratio
Transform. Kedua Logaritma tersebut dibandingkan melalui analisis citra satelit
IKONOS terhadap LIDAR batimetri. Koefisien untuk rasio Algoritma disetel
secara manual untuk beberapa kedalaman dari peta laut agar linier, dilakukan
menggunakan regresi linier berganda terhadap LIDAR tersebut. Kedua algoritma
mengkompensasi variable bawah jenis dan albedo (pasir, parttikel, alga, karang)
dan pada kedalaman kurang dari 10-15 m. Namun, linear transform tidak bisa
membedakan variable tersebut jika kedalamananya > 15 m di seluruh wilayah studi
atol. Rasio transformasi di perairan jernih pada kedalaman > 25 m menunjukkan
stabilitas yang lebih besar antara daerah yang berbeda. Hal ini juga menunjukan
sedikit lebih baik dalam menggambarkan tingkat kekeruhan dari transformasi
linear. Rasio algoritma sedikit rumit dan tidak selalu memadai dalam mengatasi
morfologi halus (struktur yang lebih kecil dari 4-5 piksel) dalam air kedalaman >1520 m. Secara umum, rasio transformasi lebih unggul dari transformasi linear.
Commented [UAH1]: Apa saja para eter ya….???
1.
2.
3.
4.
5.
Lima parameter tersebut tidak ditemukan didalam tulisan ini
Pendahuluan
Sejak penggunaan pertama foto udara untuk perairan dangkal, telah diakui
bahwa kedalaman air bisa diestimasi dengan beberapa cara oleh penginderaan jauh.
Teori yang dikembangkan oleh Lyzenga (1978, 1981) dan dikembangkan oleh
Philpot (1989) dan Maritorena et al. (1994) menunjukkan validitas, dan beberapa
masalah yang terlibat dengan menggunakan penginderaan jauh pasif untuk
penentuan kedalaman perairan. Penggunaan dua atau lebih band memungkinkan
dapat memisahkan variasi kedalaman pada Albedo bawah, tapi kompensasi
kekeruhan bisa menimbulkan masalah. Meskipun optik sistem-sistem pasif terbatas
Commented [UAH2]: Teori awal
Commented [UAH3]: Albedo : rasio (perbandingan) sinar
pantulan terhadap sinar jatuh (datang)
dalam penetrasi mendalam dan dibatasi oleh kekeruhan, penggunaan data satelit
tersebut mungkin menjadi satu-satunya cara yang layak untuk mengkarakterisasi
karang, baik luasan atau wilayah terumbu karang. Selain kebutuhan yang jelas
untuk Informasi batimetri di daerah terpencil, pemetaan terumbu karang dan
karakterisasi potensi pemutihan (bleaching) membutuhkan informasi pada
kedalaman air. Terumbu karang menurut sifatnya sangat dipengaruhi oleh struktur
fisik dari lingkungan mereka, dan informasi kedalaman air merupakan hal mendasar
untuk mengetahui discriminating dan karakteristik habitat terumbu karang, seperti
patch reef, spur-and-groove, and seagrass beds. Pengetahuan kedalaman air juga
memungkinkan estimasi Albedo bawah, yang dapat meningkatkan pemetaan
habitat (Mumby et al. 1998). Pengetahuan tentang struktur rinci bagian bawah
membantu dalam pengelompokan peran dan kualitas terumbu karang sebagai
lingkungan hidup jenis ikan. Namun, daerah terumbu karang yang luas di lautan
tersebut memiliki sedikit data spasial batimetri (terbatas) karena kesulitan
memperoleh akurasi dan soundings di daerah terumbu terpencil. Metode estimasi
batimetri langsung dari citra satelit pasif akan meningkatkan kemampuan kami
untuk memetakan daerah ini.
Dalam rangka untuk memetakan lingkungan terumbu karang, data spasial
beresolusi tinggi diperlukan dalam penelitian ini karena secara horisontal skala
spasial relatif kecil dan hasilnya sangat penting penting untuk struktur ekologi
vertikal dalam lingkungan patch reefs, spur-and-groove, mini-atolls, dan
sebagainya. Pemetaan skala halus variabilitas akan meningkatkan karakterisasi
habitat, baik untuk karang dan berbagai spesies yang hidup di terumbu karang.
Sampai saat ini, informasi tersebut hanya ada dua pilihan: pengukuran udara
ditanggung (foto dan hyperspectral) dan citra satelit multispektral (biasanya
Landsat). Meskipun Pesawat dapat menyediakan data resolusi tinggi, baik spasial
atau spektral, biaya tinggi dan masalah penyebaran membatasi penggunaannya
untuk pemetaan regional yang komprehensif di daerah terpencil. Land-sat,
khususnya Landsat-7 ditingkatkan mapper tematik (ETM), menawarkan cakupan
global terumbu karang, tetapi hanya dengan lapangan 30-m pandang. Dengan
peluncuran resolusi tinggi sensor IKONOS pada tahun 1999 dan QuickBird pada
tahun 2002, 4-m (atau lebih baik) bidang citra multispektral menjadi tersedia dari
Commented [UAH4]: Yang melatar belakangi penelitian
luar angkasa, menyediakan sumber daya baru untuk pengembangan pemetaan dan
pemantauan program untuk terumbu karang di lokasi pemantauan. Sistem ini
menyediakan data multispectral dengan tiga band terlihat (biru, hijau, merah), yang
dapat menggambarkan foto udara, dan satu band near Infra-Red (dekat-IR).
Penelitian ini memfokuskan pada citra IKONOS, namun, metode estimasi
kedalaman yang sama dapat diterapkan untuk Citra Landsat karena adanya
kesamaan dalam pita spektral (Tabel 1).
Table 1. Perbandingan Band Spektral IKONOS dengan Landsat-7 ETM
Warna spectral
Biru
Hijau
Red
Inframerah-dekat
Band Spektral (nm)
IKONOS
Landsat-7
445-515
450-520
510-595
530-610
630-700
630-690
760-850
780-900
Algoritma batimetri standar memiliki teoritis der-ivation (Lyzenga 1978)
tetapi juga mencakup empiris tun-ing sebagai bagian yang tak terpisahkan dari
Commented [UAH5]: Tuning : menyetel
proses estimasi kedalaman. Sekarang lebih baik untuk meminimalkan tala tersebut,
khususnya untuk remote daerah mana bentik dan kualitas air parameter dapat sulit
untuk mengukur atau memperkirakan. Makalah ini membahas algoritma batimetri
alter-asli dan dua alamat dasar masalah-masalah dalam penerapan algoritma
batimetri untuk pemetaan terumbu karang : (1) stabilitas algoritma dengan tetap coefficients dalam dan di antara atol dan (2) perilaku algoritma dalam
menggambarkan kedalaman relatif dan absolut pada berbagai skala.
Commented [UAH6]: Tujuan dari penelitian
Bahan dan metode
Lokasi Penelitian
Daerah kajian dalam Penelitian ini mencakup dua atol terumbu karang di
Barat Laut Pulau Hawaii. Gugusan pulau ini membentang lebih dari 1.800 km dari
utara Pasifik dari Pulau Nihoa pada 1620W hingga atoll Kure di 178.50W. Daerah
ini mencakup dua National Wildlife Refuges, a Hawaiian State Wildlife Sanctuary,
and the new U.S. Northwestern Hawaiian Islands Coral Reef Ecosystem Reserve,
yang diusulkan untuk penunjukan sebagai Nasional AS Marine Sanctuary. Ada 10
atol muncul dan terumbu di beberapa perairan dangkal. Daerah karang dan yang
Commented [UAH7]: Nama Lokasi Penelitian
termasuk menjadi bank areas >7,000 km2 daerah kurang dari 25 depa (45 m)
(kedalaman maksimum absolut terdeteksi dengan remote sensing pasif dan
demarkasi batas untuk beberapa diatur kegiatan-kegiatan dalam Reserve),
menjadikannya kawasan terumbu karang perairan dangkal terbesar di bawah
yurisdiksi langsung AS. Disini Daerah yang dibahas dua atol dibahas di sini, Kure
Atoll, Pearl dan Hermes Reef (selanjutnya disebut Pearl), yang terletak hampir
2.000 km dari Honolulu. Lingkungan perairan dangkal dari dua atol ini cukup besar
di daerah tersebut, dengan luasan 100 km2 di Kure dan 500 km2 di Pearl. Kure Atoll
Commented [UAH8]: Nama Lokasi pertama
merupakan sebuah pulau tempat adanya stasiun US Coast Guard Loran yang
berfungsi untuk memantau laguna. Selain itu, di luar koridor sempit untuk pulau
utama, banyak terumbu Kure tidak dipetakan karena data detail tidak mencukupi
untuk menjamin kepercayaan dalam navigasi. Bahkan dengan keterbatasan ini,
Kure memiliki informasi mendalam lebih dari Pearl, di mana sepertiga dari laguna
Commented [UAH9]: Pearl, = Nama lokasi setelah Kure
tidak memiliki informasi batimetri sama sekali, dan grafik hanya menampilkan
bentuk umum dari labirin mini-atol dan garis luas reticulated terumbu dalam
laguna.
Atol memiliki substrat bervariasi dari pasir untuk perkerasan untuk hidup
karang, dengan penutup yang mencakup berbagai kepadatan ganggang dan karang
kecil. Pasir biasanya seperti karang dan putih dengan albedo sangat tinggi di daerah
energi yang lebih tinggi. Dengan meningkatkan proporsi kerikil karang dan batu,
dan sedimen cenderung kelihatan cokelat atau cokelat. Pavement biasanya abu-abu
Commented [UAH10]: Pavement = trotoar..??
coklat seperti zaitun, bervariasi dari rendah ke tinggi sifat berkerut, dan sering
ditutupi dengan berbagai densities ganggang. Di daerah di mana karang ditemukan
pada kepadatan tinggi di Kure dan Pearl, Porites compressa (finger coral) adalah
sebagian besar spesies umum, dengan karang dominan lainnya termasuk Montipora
capitata (karang beras), Porites lobata (lobus karang), Montipora flabellata (coral
beras biru), dan Pocillopora meandrina (kembang kol karang). Tutupan alga
meliputi varietas merah, coklat, dan makroalga hijau, serta berserabut rumput
ganggang. Rataan terumbu biasanya didominasi oleh menatah-ing alga, dengan
beberapa ganggang hijau (misalnya, Halimeda sp.).
Model
Commented [UAH11]: Hasil : Model pendekatan
Metode estimasi kedalaman menggunakan refleksi untuk setiap band citra
satelit, dihitung dengan sensor file kalibrasi dan dikoreksi untuk efek atmosfer.
Pantulan air, Rw, yang meliputi bagian bawah di mana air dangkal optik,
didefinisikan sebagai
………… 1
dimana Lw adalah pancaran cahaya meninggalkan air, Ed adalah downwelling
radiasi memasuki air, dan ƛ is spektral pita. Lw dan Rw mengacu pada nilai-nilai di
atas permukaan air. Rw dihasilkan melalui koreksi total pantulan RT untuk aerosol
dan reflektansi permukaan, seperti yang diperkirakan oleh band inframerah dekat,
dan untuk hamburan Rayleigh Rr (Persamaan 2).
………… 2
Y adalah konstanta untuk mengoreksi variasi spektral (setara untuk eksponen
Angstrom dalam Gordon et al. [1983]), subscript i menunjukkan saluran terlihat,
dan subscript IR menunjukkan Inframerah Dekat channel. RT ditemukan dari
Persamaan. 3.
………… 3
LT adalah (total) cahaya diukur pada satelit, E0 adalah konstanta matahari, r
adalah jarak bumi-matahari dalam satuan unit astronomi, Ɵ0 adalah sudut zenith
matahari, dan T0 dan T1 adalah koefisien masing-masing transmisi untuk mataharibumi dan bumi-satelit.
Koreksi atmosfer didasarkan pada algoritma yang dikembangkan oleh
Gordon et al. (1983) untuk Coastal Zone Color Scanner (CZCS) dan oleh Stumpf
dan Pennock (1989) untuk Advanced Very High Resolution Radiometer (AVHRR)
dan mirip dengan yang direkomendasikan untuk Landsat (Chavez 1996; Zhang et
al. 1999). Koefisien Y dalam persamaan 2 tergantung pada jenis aerosol. Untuk
IKONOS, asumsi koreksi atmosfer laut dengan variasi spektral sama dengan
reflektansi specular permukaan air. Hal ini membuktikan asumsi yang masuk akal,
namun pemisahan koreksi aerosol (dengan skala ratusan meter) dari specular
koreksi pantulan permukaan (dengan skala puluhan meter) untuk penggunaan yang
lebih umum mungkin diperlukan data IKONOS. Meskipun IKONOS tidak
memiliki kalibrasi onboard, kalibrasi postlaunch telah ditetapkan oleh Vendor
komersial, Ruang Pencitraan. Perbandingan tambahan dengan Landsat-7, yang
memiliki kalibrasi onboard, seperti Seaviewing Wide Field of View Sensor
(SeaWiFS), mungkin membantu dalam kalibrasi untuk pekerjaan di masa depan.
Residual miscalibration akan menghasilkan pilihan perubahan model atmosfer dan
pada tingkat yang lebih rendah, dalam koefisien empiris dipilih untuk mengestimasi
algoritma kedalaman.
Batimetri
Linear transform: Eksponensial atenuasi cahaya dengan kedalaman dalam
Commented [UAH12]: Metode perhitungan untuk
mendapatkan Hasil Bathimetri
kolom air dengan perubahan yang cepat diungkapkan oleh Hukum Beer (Persamaan
4).
………… 4
K adalah koefisien atenuasi dan z adalah kedalaman. Setiap anal-ysis cahaya
dengan kedalaman harus memperhitungkan fungsi exponensial penurunan cahaya
dengan kedalaman. Lyzenga (1978) menunjukkan bahwa hubungan reflektansi
yang diamati (atau radiance) untuk kedalaman dan albedo bawah dapat
digambarkan sebagai :
………… 5
dimana R∞ adalah reflektansi kolom air jika air yang optik dalam, Ad adalah albedo
bawah, Z adalah kedalaman, dan g adalah fungsi dari koefisien atenuasi menyebar
untuk kedua downwelling dan cahaya upwelling. Persamaan 5 dapat belakang
berkisar untuk menggambarkan kedalaman dalam hal reflectances dan Albedo
(Persamaan 6).
………… 6
Estimasi kedalaman dari sebuah band tunggal dengan menggunakan
Persamaan. 6 akan tergantung pada albedo Ad, dengan penurunan Albedo
Commented [UAH13]: rasio (perbandingan) sinar
pantulan terhadap sinar jatuh (datang)
diperkirakan mengakibatkan peningkatan kedalaman. Lyzenga (1978, 1985)
menunjukkan bahwa dua band bisa memberikan correction untuk Albedo dalam
mencari kedalaman dan dibuat dari Persamaan. 6 solusi linear dalam Pers. 7.
………… 7
dimana
………… 8
Konstanta a0, ai, dan aj biasanya ditentukan dari regresi linier berganda (atau
teknik yang sama). Setiap solusi untuk kedalaman dari sistem pasif, variasi dalam
air kejelasan dan variasi spektral dalam penyerapan menimbulkan tambahan
komplikasi (Philpot 1989; Van Hengel dan Spitzer 1991). The linear mengubah
solusi di atas memiliki lima variabel yang harus ditentukan secara empiris: R∞(ƛi),
R∞(ƛj), a0, ai, dan aj. arus menyesuaikan lima koefisien empiris bisa untuk daerah
yang luas ATIC-masalah, bahkan dengan variasi yang relatif kecil dalam kondisi
kualitas air. Selain itu, ketika bagian bawah albedo rendah, seperti yang dapat
terjadi dengan makroalga padat atau rumput laut, kemudian Ad kurang dari R∞.
Akibatnya, kedalaman tidak dapat ditemukan tanpa menggunakan algoritma yang
sama sekali baru, karena X tidak ditemukan jika (Rw-R∞) adalah negatif (logaritma
bernilai negatif).
Fig. 1. Log transformation used for ratio algorithm with data from Kure Atoll. The
lines of constant depth are also lines of fixed ratio (0.3 m is also the blue to green
ratio of 0.975; 18 m is a ratioof 1.251). Depths were assigned to the constant ratio
lines using the tuning described in this paper. The dashed line shows the approximate values for a sand bottom that has the same albedo at all depths. The attenuation
of light with depth means that features have lower Rwin deeper water, regardless
of their intrinsic albedo. A decrease in albedo causes values to move down the lines
of constant ratio. ‘‘High Ad’’ indicates carbonate sand of nominally similar albedo
at both 0.3 and 18 m. ‘‘LowAd’’ indicates similar albedo over dense algal cover at
both depths.
Rasio Transform:
Masalah pemetaan daerah perairan dangkal dengan reflektansi signifikan
lebih rendah daripada yang berdekatan, perairan dalam memberikan motivasi awal
untuk mengembangkan algoritma alternatif. Karena kita tertarik memetakan di
daerah terumbu karang relatif besar dan terpencil, kami juga mencari solusi
alternatif yang memiliki sedikit parameter-parameter, sehingga membutuhkan
penyetelan kurang empiris dan memiliki potensi menjadi lebih kuat lebih variabel
habitat bawah.
Band masing-masing penyerapan cahaya pada perairan berbeda, setiap band
akan memiliki nilai deret hitung lebih rendah dari yang lain. Karena itu, sebagai
Commented [UAH14]: Metode perhitungan untuk
pendapatkan Hasil dari Rasio Transform
nilai-nilai log berubah dengan kedalaman, rasio akan berubah (Gambar 1). Dengan
meningkatnya kedalaman, sementara reflektansi dari kedua band menurun, ln (Rw)
dari band dengan tinggi penyerapan (hijau) akan menurun secara proporsional lebih
cepat dari ln (Rw) Dari band dengan penyerapan rendah (biru). Jadi, rasio biru ke
hijau akan meningkat. Perubahan rasio juga akan memberikan kompensasi secara
implisit untuk variabel jenis kedalaman. Perubahan Albedo bawah mempengaruhi
kedua band sama (lih. Philpot 1989), tetapi perubahan secara mendalam
mempengaruhi pita absorpsi tinggi lagi. Dengan demikian, perubahan rasio karena
kedalaman jauh lebih besar daripada yang disebabkan oleh perubahan Albedo di
bawah, menunjukkan bahwa albedoes bawah berbeda pada kedalaman konstan
masih akan memiliki rasio yang sama (Gambar 1). Jika kondisi rasio ini berlaku,
kita akan berharap bahwa rasio akan mendekati kedalaman independen dari Albedo
bawah dan hanya perlu ditingkatkan untuk kedalaman yang sebenarnya, yaitu :
………… 9
Dimana m1 adalah nilai konstan untuk skala rasio kedalaman, n adalah
konstanta tetap untuk semua bidang, dan m0 adalah offset untuk kedalaman 0 m
(Z=0), analog dengan a0 dalam Pers. 7. Tetap nilai dari n dalam persamaan 9 dipilih
untuk memastikan bahwa kedua logaritma akan positif dalam kondisi apapun dan
bahwa rasio akan menghasilkan respon linear dengan kedalaman.
Algoritma rasio diperiksa ulang terhadap hasil model dari Lubin et al (2001)
untuk mengevaluasi solusi empiris. Lubin et al. (2001) membuat simulasi top of
atmosphere radiances untuk band Landsat 1 dan 2 untuk jenis dasar yang berbeda.
Radiances ini dikurangi menjadi reflectances air dengan menggunakan Pers. 1-3,
maka Persamaan. 9 digunakan untuk memperkirakan kedalaman (Gambar 2). Dua
jenis dasar dari Lubin et al. (2001) dengan berbeda albedo bawah diperiksa: pasir
(Ad=41% pada 500nm) dan alga bentuk karanag (Ad=17 % pada 500 nm). Satu set
tunggal koefisien, m1 dan m0, yang dioptimalkan untuk meminimalkan kesalahan
untuk kedua jenis bawah. The Root mean square (rms) error < 0,4 m antara
kedalaman model input dan estimasi kami kedalaman sampai 20 m. Hasil penelitian
menunjukkan bahwa rasio algoritma memiliki potensi untuk menjadi efektif. Model
analisis lebih lanjut enunjukkan bahwa perhitungan kedalaman tidak sensitif (error
rms < 0,4 m) sampai tiga kali lipat perubahan nilai n (n Antara 500 sampai 1.500).
Fig. 2. Depths determined from the top-of-atmosphere radianc-es modeled by
Lubin et al. (2001).X-axis shows depths input into the Lubin et al. (2001) model.
Y-axis shows depths retrieved from the ratio algorithm using Lubin’s modeled
radiances and Eqs. 1–3 and 9 from this paper.
Meskipun satu bisa membangun berbagai empiris algoritma yang dengan
berbagai kombinasi pita, termasuk reflektansi tanpa log transform, semua akan
membutuhkan lebih parameter dan tuning lebih kompleks daripada solusi rasio
Pers. 9 (atau algoritma linear dalam hal ini).
Evaluasi dan Pengembangan
Data Satelit: Satelit IKO-NOS diluncurkan pada bulan September 1999 oleh
komersil penjual, Ruang Pencitraan. Satelit memiliki dua sen-sors: satu
pankromatik dengan 1-m bidang nominal pandang dan satu multispektral dengan
4-m bidang nominal pandang saat melihat pada titik nadir. Instrumen ini adalah
sensor yang pushbroom mengumpulkan 11- km petak hingga 1.000 km panjang.
Kelipatan (pendek) petak daerah dapat dikumpulkan pada orbit yang sama karena
satelit memiliki kemampuan menunjuk. Sensor panchro-matic mengamati cahaya
Commented [UAH15]: Hasil : Evaluasi dan
Pengembangan
dari hijau ke dekat-IR dan memberikan informasi kepada kedalaman sekitar 6 m.
Sensor multispektral memiliki empat band, spektral mirip ke Landsat (Tabel 1),
dengan 11-bit digitalisasi di setiap jalur. Instrumen sensitivitas nominal sekitar
empat kali lipat lebih besar dari Landsat-7 ETM. Citra dapat diposisikan dalam 15
m dengan parameter orbital.
Tuning : tuning dari algoritma linear mengikuti teknik Lyzenga (1985). R∞
itu dianggap Berwin air optik dalam. Koefisien pada Persamaan. 7 yang
menghalangi-ditambang melalui regresi linier multivariat untuk semua LIDAR
tersebut data antara 0 dan 12 m untuk seluruh transek (5Kure 2). Awalnya, kami
disetel untuk berbagai kedalaman yang lebih besar tetapi menemukan hasil significantly buruk.
Rasio mengubah disetel menggunakan sounding dari peta laut untuk Kure.
Posisi pada grafik bahari untuk daerah tersebut terletak didasarkan pada data lokal
astronomi ob-dipertahankan selama survei tahun 1961, yang dapat ratusan meter
dari posisi yang berbeda berdasarkan pada Dunia saat ini Geodetic Survey, 1984
(WGS-84) datum, yang digunakan untuk kedua LIDAR dan IKONOS. Untuk
mengatasi masalah datum, posisi grafik bergeser sehingga fitur handal yang terletak
di dalam 20 m dari posisi mereka dalam citra IKONOS. Coefficients m1 and m0
dalam Pers. 9 diperoleh dari perbandingan nilai citra diturunkan dengan grafik
kedalaman dari pantai, tiga datar daerah kedalaman yang berbeda di Kure (3, 8, dan
12 m) dan satu miring daerah (at, 16 m). Soundings Lidar tidak digunakan dalam
tuning dari algoritma rasio. (The manual tuning untuk memetakan soundings dicoba
juga untuk mengubah linear, tetapi hasilnya kalah dengan regresi linier berganda
dan ditinggalkan.) Koefisien yang dihasilkan untuk kedua metode kemudian
diterapkan pada semua citra di kedua Kure dan Pearl.
Lidar: Batimetri diperoleh dengan menggunakan system Pesawat LADS MK
II Lidar sepanjang lebih kurang delapan transek di Kure dan lebih kurang 10 di
Pearl. Kedalaman dari tiga transek ini dibahas secara rinci di sini. Instrumen ini
menggunakan laser Nd-YAG dengan Panjang gelombang 532 nm. The laser
scanning beroperasi pada 900 Hz, dan kecepatan gerak pesawat adalah sekitar 150
knot, sehingga ina4-34-m Laser tempat jarak di petak, 200 m. Jejak laser di
permukaan air sekitar 2,5 m dan meningkat perlahan-lahan dengan kedalaman.
Energy cahaya hijau ditangkap kembali oleh penerima hijau dan digitasi untuk
mendapatkan kedalaman. Ketinggian pesawat ditentukan oleh infra-merah, yang
dilengkapi oleh inersia referensi tinggi. Posisi pesawat itu didasarkan pada Global
Positioning System (GPS) pengukuran oleh postprocessing terhadap stasiun GPS
Ashtech terletak di referensi dikenal di Midway Island. Jumlah kesalahan
diharapkan untuk horisontal po-sition dari laser yang terdengar adalah 4 m untuk
misi ini. Posisi dari bagian bawah ditentukan secara mutlak terhadap WGS-84
ellipsoid yang digunakan untuk penentuan posisi, dan bathymetry ditentukan
dengan membandingkan keuntungan dari air permukaan dan bagian bawah.
Penetrasi air maksimum (di mana return dilaporkan) dalam air jelas dalam hal ini
daerah melebihi 60 m. Survei bertemu Standar Hydro-grafis Internasional untuk
akurasi order 1. presisi vertical diukur kedalaman air relatif adalah, 5 cm, seperti
yang ditunjukkan dengan perbandingan crossline. Untuk menentukan tinggi relative
berarti air rendah yang lebih rendah, datum standar untuk batimetri, koreksi pasang
surut untuk Midway Island diaplikasikan (80 km dari Kure dan 130 km dari Pearl)
karena tide gauge yang tidak hadir baik di Kure atau Pearl. Kesalahan sisa dari
pasang ketidakpastian dapat diharapkan, 15 cm, yang lebih halus dari resolusi
vertikal 30-cm dicapai dengan satelit deteksi.
Fig. 3. Profile from Kure Atoll (Kure 2 in text). Distances are in meters from start
of lidar line in southwest. Soundings from the nautical chart used for tuning were
located in the vicinity of dis-tances 9,000, 3,000, 6,000, and 1,500 m. The depth
discrepancy at 1,000 m occurred in a light cloud shadow and should be disregard-
ed; the ratio method does not necessarily perform better under cloud shadows than
the linear method.
Hasil
Algoritma diperiksa sepanjang tiga baris LIDAR, yang pertama yang
merupakan 11-km transek memperluas di Kure (5 Kure 2) dari barat daya, daerah
forereef melalui laguna pusat puncak timur laut karang, dan forereef yang (Gambar
3). Cekungan sentral sedikit keruh dengan baik sedimen tersuspensi, namun
kepadatan kekeruhan ini tidak cukup untuk mengubah kecerahan band merah, dan
visibilitas itu biasanya lebih dari 10 m, bahkan di lebih keruh daerah. Kedua Kure
LIDAR transek (5 Kure 1) dari 6 km ex-cenderung di bagian utara dari atol dari
barat ke timur, yang meliputi hanya forereef dan daerah dangkal di sepanjang
backreef (Gambar 4). Transek ketiga diperiksa di sini adalah garis 17-km berjalan
selatan ke utara melintasi Pearl (5Pearl 1) suatu melintasi banyak curam, struktur
karang reticulated (Gambar 5). Itu koefisien disetel ke Kure 2 transek yang
diterapkan di- rectly ke citra IKONOS dari Pearl, tanpa retuning untuk baik rasio
atau algoritma linear.
Fig. 4. Profile across forereef (on either side), reef crest, and back reef at Kure Atoll
(Kure 1 in text). Depth discrepancies be-tween 1,800 and 2,000 m occur in light
cloud shadow.
Batimetri yang dihasilkan oleh kedua algoritma umumnya efektif di
kedalaman pemetaan di kedua Kure dan Pearl, meskipun perbedaan yang jelas
dalam struktur dua atol, dengan Kure memiliki atol laguna klasik dan Pearl
memiliki struktur terumbu karang yang luas dan rumit dalam laguna (Gambar 5).
Kebanyakan fitur vertikal utama direproduksi (Gambar 6), khususnya di perairan
dangkal, termasuk cekungan dangkal dengan gelombang pasir, memacu-dan-alur
pada forereef (Gambar 6A), terumbu Patch (Gambar 6B), dan curam, karang
reticulated sempit struktur (Gambar 6C, D). Detail tata ruang juga baik wakil disajikan, seperti dapat dilihat pada Gambar. 7, yang menunjukkan wilayah Kure
dengan tambalan karang lebih dalam air dan pasir gelombang di air dangkal.
Sepanjang dua transek Kure, kedalaman Januari-diciptakan dengan kedua metode
sesuai dengan data LIDAR dalam air kurang dari; kedalaman 15 m. Hasil dari Pearl
menggambarkan umum pengalihan algoritma (Gambar 5), karena kedua metode
memberikan hasil yang berarti (to, 15 m) tanpa retuning. Kedua algoritma juga
cukup efektif memulihkan kedalaman curam var-iability lebih kompleks mini-atol
dan terumbu reticulated dari Pearl, termasuk peningkatan kedalaman kecil
karakteristik pusat biasanya berpasir mini-atol. Namun, dalam relative air tinggi
kekeruhan di cekungan di sebelah tenggara dari Laguna (misalnya, 5.500 m di 6D
Gambar.), metode ini pasif gagal, karena dasar yang benar tidak dapat dideteksi in
>15 m dari air, dan kedua algoritma menghasilkan bottom palsu. Ini gagal-ure
menggambarkan keterbatasan mendasar dari estimasi kedalaman dari sistem optik,
terlepas dari metode.
Fig. 5. Profile from Pearl and Hermes Atoll (Pearl 1 in text), crossing patch reefs,
mini-atolls, and reef-crest (at 16,000 m).
Commented [UAH16]: Hasil bathimteri
Efektivitas kedua algoritma dalam menyelesaikan bathy-metric variasi
independen dari variasi dalam bawah al- bedo ditunjukkan di beberapa daerah.
Struktur dangkal dengan ganggang dan trotoar erat diselesaikan (Gambar 6B), dan
terumbu Patch dan mini-atol diselesaikan bahkan dengan dramatis variasi
reflektansi (Gambar 6C, D) antara gelap, shal-rendah terumbu dan cahaya, biasanya
sandy- bottom, cekungan dalam (Gambar 7). Penutup Reef bervariasi dari
ganggang yang tertutup trotoar untuk densePoritescolonies, memperkenalkan dua
sampai empat kali lipat Varia-tion di Rw (biru), namun, algoritma menyelesaikan
kedalaman variabel-negosiasi tanpa kesulitan. Fitur dangkal dapat memiliki kuat
variasi kecerahan (terlihat di 12.300 dan 13.600 m pada Gambar. 6C). Contoh
paling mencolok adalah mini-atol di Pearl di 13.600 m pada Gambar. 6C, di mana
ujung-ujungnya cerah dan pusat, yang memiliki dasar hidup, gelap. Dalam air yang
lebih dalam (Gambar 6A), besarnya variasi kedalaman di sempit jenis memacu-dan
-groove struktur terumbu teratasi, meskipun mungkin ada beberapa konstan offset
dari kedalaman benar val -nilai. Alur pasir adalah target lebih terang daripada taji
karang berdekatan tapi masih diselesaikan sebagai lebih dalam ciri-ciri mereka
sebenarnya.
Efektivitas kedua metode dalam mereproduksi pola spasial dalam batimetri
untuk kedalaman, 12 m dalam adalah mantan emplified dalam perbandingan citra
dan LIDAR diturunkan kedalaman untuk pusat Kure (Gambar 7). Beberapa jenis
bawah adalah ini, serta berbagai macam kedalaman. Terumbu Patch terletak di
pusat tercakup dalam makroalga padat. Rendah fitur reflektansi di kanan atas,
dalam kotak, termasuk alga -dan terumbu karang yang tertutup. Di tempat lain
bagian bawah adalah pasir, tran-sitioning ke rendah albedo karbonat trotoar di
bawah kiri. Sepanjang sisi kanan gambar, kedalaman dangkal adalah bagian dari
besar, terang, berpasir daerah di sisi timur dari laguna Kure. Kedua metode
mengambil transisi ke kedalaman dangkal, meskipun reflectances lebih terang, almeskipun metode linear cenderung bias relatif rendah ke kedalaman yang
sebenarnya. Gelombang pasir dalam 2,5-4-m dalam air di seluruh sisi timur laguna
Kure juga diselesaikan oleh kedua metode.
Fig. 6. Detailed profiles of depth (meters) and blue reflectance,Rw (blue). Tick
marks on all graphs mark 100-m distance. (A) Kure 1: profile over spur-and-groove
type structure on forereef. (B) Kure 2: profile over algae-covered pavement (former
patch reefs). (C) Pearl 1: profile over coral-dominated patch and reticulated reefs.
(D) Pearl 1: profile over mix of sand- and coral-dom-inated reefs. Note that several
of the shallow areas have lower reflectance (e.g., centered near 5,700 and 6,300 m
in panel D) and that the centers of the vertical reef structures at 12,300 and 13,600
m in panel C have a narrow area of low reflectance..
Fig. 7. Depths from the three methods and ‘‘true-color’’ water reflectance for
central Kure: (A) ratio, (B) linear, (C) true-color, and (D) lidar. The lidar swaths
are 200 m wide and marked on each image. Depths are shown in meters with scale
bar at lower right. The box (at upper right in each image) marks a patch reef of low
reflectance. IKONOS imagery courtesy of Space Imaging.
Fig. 8. Comparison of all depths along Kure 1 (those from Fig. 4). The discrepancy
in depth at 5 m occurred under a cloud shadow (see Fig. 4).
Fig. 9. Comparison of all depths along Kure 2 (those from Fig. 3). The severe
discrepancy in depth in the linear algorithm from 25–30 m (derived depths,10 m)
occurred under a cloud shadow (see Fig. 3).
Fig. 10. Comparison of all depths along Pearl 1 (those from Fig. 5). A difference
between clear and turbid areas is indicated. Areas of clear water on the forereef
show consistent retrievals to 20 m with the ratio algorithm. Areas in the turbid zone
of the lagoon have underestimated depths with few retrievals > 15 m.
Fig. 11. Normalized root mean square (rms) error (ratio of rms error to actual depth)
in 2.5-m bins for (A) Kure 1, (B) Kure 2, and (C) Pearl. The bin at 2.5 m depth was
dropped because the nor-malization was problematic for both algorithms with water
≤0.6 m.
Perbandingan sebar yang berasal dibandingkan kedalaman LIDAR
menunjukkan bahwa kedua metode menghasilkan kedalaman hingga 10-15 m
(Gambar 8-10), dengan hasil terbaik untuk transek disetel (Gambar 9), seperti yang
diharapkan. Namun dalam kedalaman > 15 m, trans-bentuk linear jarang
mengambil kedalaman bermakna. Rasio transformasi memberikan informasi
mendalam 5-10 m lebih dalam dari linear transform. Rasio transformasi memang
memiliki jumlah yang lebih besar kebisingan, yang tidak mengherankan karena
kombinasi rasio inheren akan memperkuat perbedaan-perbedaan kecil lebih dari
linear Kombinasi dan peningkatan variabilitas kesalahan dengan kedalaman. Di
dalam (lidar depths.20 m) cekungan keruh Pearl, yang linier mengubah gagal
sebelum rasio transformasi (Gambar 10). Sebaliknya, di air jernih dari forereef
mendalam bersama Kure 1 (Gambar 8), retrievals kedalaman yang memungkinkan
untuk hampir 30 m dengan algoritma rasio, sedangkan transformasi linear gagal
pada 12-15 m.
Meneliti kesalahan normalisasi terhadap kedalaman menunjukkan perbedaan
efektivitas dua metode dengan kedalaman dan antara transek yang berbeda. Rasio
transformasi memiliki error rms konsisten normalisasi, 0,3 (30 %) di, 25 m dari air
(Gbr. 11). Mengubah linear, seperti yang diharapkan, melakukan baik sampai 1015 m, tetapi gagal pada titik yang dimanifestasikan dalam meningkatkan kesalahan
rms.
Hal ini mengejutkan bahwa rasio mengubah dilakukan serta linear
transformasi bersama Kure 2 di perairan, kedalaman 15 m karena transformasi
linear disetel ke data sangat lidar yang digunakan untuk kesalahan evaluasi,
sedangkan mengubah rasio itu disetel untuk hanya beberapa, independen bahari
grafik soundings. Untuk menyelidiki stabilitas metode tuning, mengubah linear itu
disetel untuk Lidar untuk Kure 1 transek. Tala ini diproduksi miskin hasil, dengan
normalisasi rms kesalahan.0.5 bila diterapkan Kure 2.
Diskusi
Metode rasio transformasi membahas beberapa isu yang memiliki relevansi
yang cukup untuk menggunakan citra multispektral pasif untuk memetakan
batimetri perairan dangkal. Pertama, tidak membutuhkan pengurangan air yang
gelap, yang memperluas jumlah habitat bentik di mana dapat diterapkan. Kedua,
rasio mengubah metode memiliki koefisien empiris sedikit re-quired untuk solusi,
yang membuat metode mudah untuk digunakan dan lebih stabil di daerah geografis
yang lebih luas. ketiga, metode rasio dapat disetel menggunakan tersedia (dapat
diandalkan) soundings. Dan akhirnya, hasil yang ditampilkan di sini menunjukkan
bahwa metode rasio memiliki kedalaman penetrasi lebih unggul dari Metode linear
untuk wilayah Samudera Pasifik dengan relatif jelas air. Rasio transformasi
memiliki keterbatasan relatif terhadap linier mengubah, terutama dalam
peningkatan tingkat kebisingan.
Penggunaan pertama citra IKONOS (Pulau Baker di Pasifik tengah)
menunjukkan daerah perairan dangkal memiliki reflektansi lebih rendah dari
perairan yang dalam, sehingga rasio linear tidak bisa diimplementasikan. Meskipun
Commented [UAH17]: Keunggulan Citra Multispektral
Pasif
Kure dan Pearl tidak memiliki daerah perairan dangkal kurang reflektif dari peraira
dalam (biasanya disebabkan oleh pertumbuhan ganggang yang padat atau ditutupi
lamun), kami telah menemukan koloni ganggang/alga dari ≥ 1 km2 di sebelah utarabarat pulau Hawaii yang memiliki reflektansi gelap dari air dalam. Solusi untuk
linear transformasi untuk memecahkan masalah low-albedo telah diusulkan (Van
Hengel dan Spitzer 1991) tetapi membutuhkan tuning patch juga, yang hanya
meningkatkan jumlah koefisien yang diperlukan. Metode linier standard
membutuhkan lima koefisien yang bervariasi dengan kondisi lingkungan: R∞(ƛi),
R∞(ƛj), a0, ai, dan aj. Dimana-sebagai metode rasio hanya membutuhkan dua: m0 and
m1. Akibatnya, solusi rasio sederhana untuk mengeksekusi, karena tuning dapat
menjadi dicapai dengan beberapa soundings akurat. Hal ini tidak masalah sepele
ketika bekerja di daerah di mana beberapa soundings tersedia.
Penentuan of R∞ mungkin memperkenalkan lebih ketidakpastian dalam
algoritma linear daripada koefisien lainnya. Dengan setiap variasi dalam hamburan,
R∞ akan berubah di kedua band, dan dengan variasi dalam penyerapan, R∞ akan
berubah dalam biru Band. Hal ini sangat sulit untuk menentukan secara lokal dan
sangat mudah bervariasi di seluruh tempat. Kegagalan untuk benar menghalangiMiner∞ akan mempengaruhi penentuan kedalaman air yang lebih dalam. Metode
optimasi baru yang telah diusulkan untuk instrumentasi hy-perspectral mungkin
dapat mengatasi ini dengan pemecahan untuk R∞(Lee et al. 1999). Metode tersebut
dapat berguna untuk proyek-proyek pemetaan geografis skala besar jika selalu
tersedia dengan proses standar. Rasio transformasi hanya membutuhkan beberapa
band dengan penyerapan cahaya pada perairan yang berbeda dan dapat diterapkan
untuk setiap sensor mendeteksi panjang gelombang yang tepat.
Selain menerapkan metode rasio transformasi lebih maksimal pada Atolls
Samudera Pasifik, kami berencana untuk menyelidiki cara-cara improvisasi
algoritma saat ini, khususnya metode untuk mengatasi kekeruhan. Algoritma linear
memiliki solusi yang melekat untuk albedo, juga harus dihitung untuk algoritma
rasio. Penyetelan sederhana, hasil yang stabil, dan penetrasi kedalaman superior
untuk penerapan rasio algoritma dalam memetakan kedalaman perairan pada area
terumbu karang yang luas sama halnya dengan yang ditemukan dalam penelitian
karang ini.
Commented [UAH18]: Kesimpulan 2
Referensi
CHAVEZ, P. S. 1996. Image-based atmospheric corrections—revis-ited and
improved. Photogramm. Eng. Remote Sens.62:1025–1035.
GORDON, H. R., D. K. CLARK,J.W.BROWN,O.B.BROWN,R.H.EVANS,
ANDW. W. BROENKOW. 1983. Phytoplankton pigment concentrations in
the Middle Atlantic Bight: Comparison of ship determinations and CZCS
estimates. Appl. Opt.22:20–36.
LEE, Z., K. L. CARDER,C.D.MOBLEY,R.G.STEWARD, ANDJ. S. PATCH.
1999. Hyperspectral remote sensing for shallow waters:2. Deriving bottom
depths and water properties by optimiza-tion. Appl. Opt. 38:3831–3843.
LUBIN, D., W. LI,P.DUSTAN,C.MAXEL, ANDK. STAMNES. 2001. Spectral
signatures of coral reefs: Features from space. Remote Sens. Environ.75:127–
137.
LYZENGA, D. R. 1978. Passive remote sensing techniques for map-ping water
depth and bottom features. Appl. Opt.17:379–383.
______. 1981. Remote sensing of bottom reflectance and water at-tenuation
parameters in shallow water using aircraft and Land-sat data. Int. J. Remote
Sens.1:71–82.
______. 1985. Shallow-water bathymetry using combined lidar and passive
multispectral scanner data. Int. J. Remote Sens.6:115–125.
MARITORENA, S., A. MOREL, ANDB. GENTILI. 1994. Diffuse reflec-tance of
oceanic shallow waters: Influence of water depth and bottom albedo. Limnol.
Oceanogr.39:1689–1703.
MUMBY, P. J., C. D. CLARK,E.P.GREEN, ANDA. J. EDWARDS. 1998. Benefits
of water column correction and contextual ed-iting for mapping coral reefs.
Int. J. Remote Sens. 19:203–210.
PHILPOT, W. D. 1989. Bathymetric mapping with passive multi-spectral imagery.
Appl. Opt.28:1569–1578.
STUMPF,R.P.,ANDJ. R. PENNOCK. 1989. Calibration of a general optical
equation for remote sensing of suspended sediments in a moderately turbid
estuary,
J.
Geophys.
Res.
Oceans
94:
14,363–14,371.
VANHENGEL,W.,ANDD. SPITZER. 1991. Multi-temporal water depth
mapping by means of Landsat TM. Int. J. Remote Sens. 12:703–712.
ZHANG, M., K. CARDER,F.E.MULLER-KARGER,Z.LEE, ANDD. B.
GOLDGOF. 1999. Noise reduction and atmospheric correction for coastal
applications of landsat thematic mapper imagery. Remote Sens.
Environ.70:167–180.
Received: 17 October 2001
Accepted: 8 July 2002
Amended: 29 August 2002
Mata Kuliah Penginderaan Jauh Kelautan
Dosen Pengampu: Dr. Vincentius P. Siregar. DEA
PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT
BERESOLUSI TINGGI BERDASARKAN TIPE DASAR
Richard P. Stumpf1 dan Kristine Holderied
Disampaikan Ulang Oleh :
ULIL AMRI (NRP. C552130021)
Pada tanggal 15 Januari 2014
JURUSAN TEKNOLOGI KELAUTAN
SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2014
PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT
BERESOLUSI TINGGI BERDASARKAN TIPE DASAR
Richard P. Stumpf dan Kristine Holderied
NOAA National Ocean Service, Pusat Pemantauan Pesisir dan Assessment, 1305
East-West Highway rm 9115, Silver Spring, Maryland 20910
Mark Sinclair
Tenix LADS Corporation, Mawson Park, Australia Selatan, 5095, Australia
Abstrak
Sebuah algoritma standar untuk menentukan kedalaman perairan dengan
sensor pasif sudah ada, tetapi membutuhkan lima parameter dan tidak melibatkan
kedalaman dimana bagian bawah/kolom air memiliki albedo (rasio (perbandingan)
sinar pantulan terhadap sinar jatuh (datang) sangat rendah. Untuk mengatasi
masalah ini, kami mengembangkan solusi empiris menggunakan rasio reflectances
yang hanya memiliki dua parameter dan dapat diterapkan pada lapisan low-albedo.
Dua Algoritma tersebut adalah The Standart Linier Transform and The New Ratio
Transform. Kedua Logaritma tersebut dibandingkan melalui analisis citra satelit
IKONOS terhadap LIDAR batimetri. Koefisien untuk rasio Algoritma disetel
secara manual untuk beberapa kedalaman dari peta laut agar linier, dilakukan
menggunakan regresi linier berganda terhadap LIDAR tersebut. Kedua algoritma
mengkompensasi variable bawah jenis dan albedo (pasir, parttikel, alga, karang)
dan pada kedalaman kurang dari 10-15 m. Namun, linear transform tidak bisa
membedakan variable tersebut jika kedalamananya > 15 m di seluruh wilayah studi
atol. Rasio transformasi di perairan jernih pada kedalaman > 25 m menunjukkan
stabilitas yang lebih besar antara daerah yang berbeda. Hal ini juga menunjukan
sedikit lebih baik dalam menggambarkan tingkat kekeruhan dari transformasi
linear. Rasio algoritma sedikit rumit dan tidak selalu memadai dalam mengatasi
morfologi halus (struktur yang lebih kecil dari 4-5 piksel) dalam air kedalaman >1520 m. Secara umum, rasio transformasi lebih unggul dari transformasi linear.
Commented [UAH1]: Apa saja para eter ya….???
1.
2.
3.
4.
5.
Lima parameter tersebut tidak ditemukan didalam tulisan ini
Pendahuluan
Sejak penggunaan pertama foto udara untuk perairan dangkal, telah diakui
bahwa kedalaman air bisa diestimasi dengan beberapa cara oleh penginderaan jauh.
Teori yang dikembangkan oleh Lyzenga (1978, 1981) dan dikembangkan oleh
Philpot (1989) dan Maritorena et al. (1994) menunjukkan validitas, dan beberapa
masalah yang terlibat dengan menggunakan penginderaan jauh pasif untuk
penentuan kedalaman perairan. Penggunaan dua atau lebih band memungkinkan
dapat memisahkan variasi kedalaman pada Albedo bawah, tapi kompensasi
kekeruhan bisa menimbulkan masalah. Meskipun optik sistem-sistem pasif terbatas
Commented [UAH2]: Teori awal
Commented [UAH3]: Albedo : rasio (perbandingan) sinar
pantulan terhadap sinar jatuh (datang)
dalam penetrasi mendalam dan dibatasi oleh kekeruhan, penggunaan data satelit
tersebut mungkin menjadi satu-satunya cara yang layak untuk mengkarakterisasi
karang, baik luasan atau wilayah terumbu karang. Selain kebutuhan yang jelas
untuk Informasi batimetri di daerah terpencil, pemetaan terumbu karang dan
karakterisasi potensi pemutihan (bleaching) membutuhkan informasi pada
kedalaman air. Terumbu karang menurut sifatnya sangat dipengaruhi oleh struktur
fisik dari lingkungan mereka, dan informasi kedalaman air merupakan hal mendasar
untuk mengetahui discriminating dan karakteristik habitat terumbu karang, seperti
patch reef, spur-and-groove, and seagrass beds. Pengetahuan kedalaman air juga
memungkinkan estimasi Albedo bawah, yang dapat meningkatkan pemetaan
habitat (Mumby et al. 1998). Pengetahuan tentang struktur rinci bagian bawah
membantu dalam pengelompokan peran dan kualitas terumbu karang sebagai
lingkungan hidup jenis ikan. Namun, daerah terumbu karang yang luas di lautan
tersebut memiliki sedikit data spasial batimetri (terbatas) karena kesulitan
memperoleh akurasi dan soundings di daerah terumbu terpencil. Metode estimasi
batimetri langsung dari citra satelit pasif akan meningkatkan kemampuan kami
untuk memetakan daerah ini.
Dalam rangka untuk memetakan lingkungan terumbu karang, data spasial
beresolusi tinggi diperlukan dalam penelitian ini karena secara horisontal skala
spasial relatif kecil dan hasilnya sangat penting penting untuk struktur ekologi
vertikal dalam lingkungan patch reefs, spur-and-groove, mini-atolls, dan
sebagainya. Pemetaan skala halus variabilitas akan meningkatkan karakterisasi
habitat, baik untuk karang dan berbagai spesies yang hidup di terumbu karang.
Sampai saat ini, informasi tersebut hanya ada dua pilihan: pengukuran udara
ditanggung (foto dan hyperspectral) dan citra satelit multispektral (biasanya
Landsat). Meskipun Pesawat dapat menyediakan data resolusi tinggi, baik spasial
atau spektral, biaya tinggi dan masalah penyebaran membatasi penggunaannya
untuk pemetaan regional yang komprehensif di daerah terpencil. Land-sat,
khususnya Landsat-7 ditingkatkan mapper tematik (ETM), menawarkan cakupan
global terumbu karang, tetapi hanya dengan lapangan 30-m pandang. Dengan
peluncuran resolusi tinggi sensor IKONOS pada tahun 1999 dan QuickBird pada
tahun 2002, 4-m (atau lebih baik) bidang citra multispektral menjadi tersedia dari
Commented [UAH4]: Yang melatar belakangi penelitian
luar angkasa, menyediakan sumber daya baru untuk pengembangan pemetaan dan
pemantauan program untuk terumbu karang di lokasi pemantauan. Sistem ini
menyediakan data multispectral dengan tiga band terlihat (biru, hijau, merah), yang
dapat menggambarkan foto udara, dan satu band near Infra-Red (dekat-IR).
Penelitian ini memfokuskan pada citra IKONOS, namun, metode estimasi
kedalaman yang sama dapat diterapkan untuk Citra Landsat karena adanya
kesamaan dalam pita spektral (Tabel 1).
Table 1. Perbandingan Band Spektral IKONOS dengan Landsat-7 ETM
Warna spectral
Biru
Hijau
Red
Inframerah-dekat
Band Spektral (nm)
IKONOS
Landsat-7
445-515
450-520
510-595
530-610
630-700
630-690
760-850
780-900
Algoritma batimetri standar memiliki teoritis der-ivation (Lyzenga 1978)
tetapi juga mencakup empiris tun-ing sebagai bagian yang tak terpisahkan dari
Commented [UAH5]: Tuning : menyetel
proses estimasi kedalaman. Sekarang lebih baik untuk meminimalkan tala tersebut,
khususnya untuk remote daerah mana bentik dan kualitas air parameter dapat sulit
untuk mengukur atau memperkirakan. Makalah ini membahas algoritma batimetri
alter-asli dan dua alamat dasar masalah-masalah dalam penerapan algoritma
batimetri untuk pemetaan terumbu karang : (1) stabilitas algoritma dengan tetap coefficients dalam dan di antara atol dan (2) perilaku algoritma dalam
menggambarkan kedalaman relatif dan absolut pada berbagai skala.
Commented [UAH6]: Tujuan dari penelitian
Bahan dan metode
Lokasi Penelitian
Daerah kajian dalam Penelitian ini mencakup dua atol terumbu karang di
Barat Laut Pulau Hawaii. Gugusan pulau ini membentang lebih dari 1.800 km dari
utara Pasifik dari Pulau Nihoa pada 1620W hingga atoll Kure di 178.50W. Daerah
ini mencakup dua National Wildlife Refuges, a Hawaiian State Wildlife Sanctuary,
and the new U.S. Northwestern Hawaiian Islands Coral Reef Ecosystem Reserve,
yang diusulkan untuk penunjukan sebagai Nasional AS Marine Sanctuary. Ada 10
atol muncul dan terumbu di beberapa perairan dangkal. Daerah karang dan yang
Commented [UAH7]: Nama Lokasi Penelitian
termasuk menjadi bank areas >7,000 km2 daerah kurang dari 25 depa (45 m)
(kedalaman maksimum absolut terdeteksi dengan remote sensing pasif dan
demarkasi batas untuk beberapa diatur kegiatan-kegiatan dalam Reserve),
menjadikannya kawasan terumbu karang perairan dangkal terbesar di bawah
yurisdiksi langsung AS. Disini Daerah yang dibahas dua atol dibahas di sini, Kure
Atoll, Pearl dan Hermes Reef (selanjutnya disebut Pearl), yang terletak hampir
2.000 km dari Honolulu. Lingkungan perairan dangkal dari dua atol ini cukup besar
di daerah tersebut, dengan luasan 100 km2 di Kure dan 500 km2 di Pearl. Kure Atoll
Commented [UAH8]: Nama Lokasi pertama
merupakan sebuah pulau tempat adanya stasiun US Coast Guard Loran yang
berfungsi untuk memantau laguna. Selain itu, di luar koridor sempit untuk pulau
utama, banyak terumbu Kure tidak dipetakan karena data detail tidak mencukupi
untuk menjamin kepercayaan dalam navigasi. Bahkan dengan keterbatasan ini,
Kure memiliki informasi mendalam lebih dari Pearl, di mana sepertiga dari laguna
Commented [UAH9]: Pearl, = Nama lokasi setelah Kure
tidak memiliki informasi batimetri sama sekali, dan grafik hanya menampilkan
bentuk umum dari labirin mini-atol dan garis luas reticulated terumbu dalam
laguna.
Atol memiliki substrat bervariasi dari pasir untuk perkerasan untuk hidup
karang, dengan penutup yang mencakup berbagai kepadatan ganggang dan karang
kecil. Pasir biasanya seperti karang dan putih dengan albedo sangat tinggi di daerah
energi yang lebih tinggi. Dengan meningkatkan proporsi kerikil karang dan batu,
dan sedimen cenderung kelihatan cokelat atau cokelat. Pavement biasanya abu-abu
Commented [UAH10]: Pavement = trotoar..??
coklat seperti zaitun, bervariasi dari rendah ke tinggi sifat berkerut, dan sering
ditutupi dengan berbagai densities ganggang. Di daerah di mana karang ditemukan
pada kepadatan tinggi di Kure dan Pearl, Porites compressa (finger coral) adalah
sebagian besar spesies umum, dengan karang dominan lainnya termasuk Montipora
capitata (karang beras), Porites lobata (lobus karang), Montipora flabellata (coral
beras biru), dan Pocillopora meandrina (kembang kol karang). Tutupan alga
meliputi varietas merah, coklat, dan makroalga hijau, serta berserabut rumput
ganggang. Rataan terumbu biasanya didominasi oleh menatah-ing alga, dengan
beberapa ganggang hijau (misalnya, Halimeda sp.).
Model
Commented [UAH11]: Hasil : Model pendekatan
Metode estimasi kedalaman menggunakan refleksi untuk setiap band citra
satelit, dihitung dengan sensor file kalibrasi dan dikoreksi untuk efek atmosfer.
Pantulan air, Rw, yang meliputi bagian bawah di mana air dangkal optik,
didefinisikan sebagai
………… 1
dimana Lw adalah pancaran cahaya meninggalkan air, Ed adalah downwelling
radiasi memasuki air, dan ƛ is spektral pita. Lw dan Rw mengacu pada nilai-nilai di
atas permukaan air. Rw dihasilkan melalui koreksi total pantulan RT untuk aerosol
dan reflektansi permukaan, seperti yang diperkirakan oleh band inframerah dekat,
dan untuk hamburan Rayleigh Rr (Persamaan 2).
………… 2
Y adalah konstanta untuk mengoreksi variasi spektral (setara untuk eksponen
Angstrom dalam Gordon et al. [1983]), subscript i menunjukkan saluran terlihat,
dan subscript IR menunjukkan Inframerah Dekat channel. RT ditemukan dari
Persamaan. 3.
………… 3
LT adalah (total) cahaya diukur pada satelit, E0 adalah konstanta matahari, r
adalah jarak bumi-matahari dalam satuan unit astronomi, Ɵ0 adalah sudut zenith
matahari, dan T0 dan T1 adalah koefisien masing-masing transmisi untuk mataharibumi dan bumi-satelit.
Koreksi atmosfer didasarkan pada algoritma yang dikembangkan oleh
Gordon et al. (1983) untuk Coastal Zone Color Scanner (CZCS) dan oleh Stumpf
dan Pennock (1989) untuk Advanced Very High Resolution Radiometer (AVHRR)
dan mirip dengan yang direkomendasikan untuk Landsat (Chavez 1996; Zhang et
al. 1999). Koefisien Y dalam persamaan 2 tergantung pada jenis aerosol. Untuk
IKONOS, asumsi koreksi atmosfer laut dengan variasi spektral sama dengan
reflektansi specular permukaan air. Hal ini membuktikan asumsi yang masuk akal,
namun pemisahan koreksi aerosol (dengan skala ratusan meter) dari specular
koreksi pantulan permukaan (dengan skala puluhan meter) untuk penggunaan yang
lebih umum mungkin diperlukan data IKONOS. Meskipun IKONOS tidak
memiliki kalibrasi onboard, kalibrasi postlaunch telah ditetapkan oleh Vendor
komersial, Ruang Pencitraan. Perbandingan tambahan dengan Landsat-7, yang
memiliki kalibrasi onboard, seperti Seaviewing Wide Field of View Sensor
(SeaWiFS), mungkin membantu dalam kalibrasi untuk pekerjaan di masa depan.
Residual miscalibration akan menghasilkan pilihan perubahan model atmosfer dan
pada tingkat yang lebih rendah, dalam koefisien empiris dipilih untuk mengestimasi
algoritma kedalaman.
Batimetri
Linear transform: Eksponensial atenuasi cahaya dengan kedalaman dalam
Commented [UAH12]: Metode perhitungan untuk
mendapatkan Hasil Bathimetri
kolom air dengan perubahan yang cepat diungkapkan oleh Hukum Beer (Persamaan
4).
………… 4
K adalah koefisien atenuasi dan z adalah kedalaman. Setiap anal-ysis cahaya
dengan kedalaman harus memperhitungkan fungsi exponensial penurunan cahaya
dengan kedalaman. Lyzenga (1978) menunjukkan bahwa hubungan reflektansi
yang diamati (atau radiance) untuk kedalaman dan albedo bawah dapat
digambarkan sebagai :
………… 5
dimana R∞ adalah reflektansi kolom air jika air yang optik dalam, Ad adalah albedo
bawah, Z adalah kedalaman, dan g adalah fungsi dari koefisien atenuasi menyebar
untuk kedua downwelling dan cahaya upwelling. Persamaan 5 dapat belakang
berkisar untuk menggambarkan kedalaman dalam hal reflectances dan Albedo
(Persamaan 6).
………… 6
Estimasi kedalaman dari sebuah band tunggal dengan menggunakan
Persamaan. 6 akan tergantung pada albedo Ad, dengan penurunan Albedo
Commented [UAH13]: rasio (perbandingan) sinar
pantulan terhadap sinar jatuh (datang)
diperkirakan mengakibatkan peningkatan kedalaman. Lyzenga (1978, 1985)
menunjukkan bahwa dua band bisa memberikan correction untuk Albedo dalam
mencari kedalaman dan dibuat dari Persamaan. 6 solusi linear dalam Pers. 7.
………… 7
dimana
………… 8
Konstanta a0, ai, dan aj biasanya ditentukan dari regresi linier berganda (atau
teknik yang sama). Setiap solusi untuk kedalaman dari sistem pasif, variasi dalam
air kejelasan dan variasi spektral dalam penyerapan menimbulkan tambahan
komplikasi (Philpot 1989; Van Hengel dan Spitzer 1991). The linear mengubah
solusi di atas memiliki lima variabel yang harus ditentukan secara empiris: R∞(ƛi),
R∞(ƛj), a0, ai, dan aj. arus menyesuaikan lima koefisien empiris bisa untuk daerah
yang luas ATIC-masalah, bahkan dengan variasi yang relatif kecil dalam kondisi
kualitas air. Selain itu, ketika bagian bawah albedo rendah, seperti yang dapat
terjadi dengan makroalga padat atau rumput laut, kemudian Ad kurang dari R∞.
Akibatnya, kedalaman tidak dapat ditemukan tanpa menggunakan algoritma yang
sama sekali baru, karena X tidak ditemukan jika (Rw-R∞) adalah negatif (logaritma
bernilai negatif).
Fig. 1. Log transformation used for ratio algorithm with data from Kure Atoll. The
lines of constant depth are also lines of fixed ratio (0.3 m is also the blue to green
ratio of 0.975; 18 m is a ratioof 1.251). Depths were assigned to the constant ratio
lines using the tuning described in this paper. The dashed line shows the approximate values for a sand bottom that has the same albedo at all depths. The attenuation
of light with depth means that features have lower Rwin deeper water, regardless
of their intrinsic albedo. A decrease in albedo causes values to move down the lines
of constant ratio. ‘‘High Ad’’ indicates carbonate sand of nominally similar albedo
at both 0.3 and 18 m. ‘‘LowAd’’ indicates similar albedo over dense algal cover at
both depths.
Rasio Transform:
Masalah pemetaan daerah perairan dangkal dengan reflektansi signifikan
lebih rendah daripada yang berdekatan, perairan dalam memberikan motivasi awal
untuk mengembangkan algoritma alternatif. Karena kita tertarik memetakan di
daerah terumbu karang relatif besar dan terpencil, kami juga mencari solusi
alternatif yang memiliki sedikit parameter-parameter, sehingga membutuhkan
penyetelan kurang empiris dan memiliki potensi menjadi lebih kuat lebih variabel
habitat bawah.
Band masing-masing penyerapan cahaya pada perairan berbeda, setiap band
akan memiliki nilai deret hitung lebih rendah dari yang lain. Karena itu, sebagai
Commented [UAH14]: Metode perhitungan untuk
pendapatkan Hasil dari Rasio Transform
nilai-nilai log berubah dengan kedalaman, rasio akan berubah (Gambar 1). Dengan
meningkatnya kedalaman, sementara reflektansi dari kedua band menurun, ln (Rw)
dari band dengan tinggi penyerapan (hijau) akan menurun secara proporsional lebih
cepat dari ln (Rw) Dari band dengan penyerapan rendah (biru). Jadi, rasio biru ke
hijau akan meningkat. Perubahan rasio juga akan memberikan kompensasi secara
implisit untuk variabel jenis kedalaman. Perubahan Albedo bawah mempengaruhi
kedua band sama (lih. Philpot 1989), tetapi perubahan secara mendalam
mempengaruhi pita absorpsi tinggi lagi. Dengan demikian, perubahan rasio karena
kedalaman jauh lebih besar daripada yang disebabkan oleh perubahan Albedo di
bawah, menunjukkan bahwa albedoes bawah berbeda pada kedalaman konstan
masih akan memiliki rasio yang sama (Gambar 1). Jika kondisi rasio ini berlaku,
kita akan berharap bahwa rasio akan mendekati kedalaman independen dari Albedo
bawah dan hanya perlu ditingkatkan untuk kedalaman yang sebenarnya, yaitu :
………… 9
Dimana m1 adalah nilai konstan untuk skala rasio kedalaman, n adalah
konstanta tetap untuk semua bidang, dan m0 adalah offset untuk kedalaman 0 m
(Z=0), analog dengan a0 dalam Pers. 7. Tetap nilai dari n dalam persamaan 9 dipilih
untuk memastikan bahwa kedua logaritma akan positif dalam kondisi apapun dan
bahwa rasio akan menghasilkan respon linear dengan kedalaman.
Algoritma rasio diperiksa ulang terhadap hasil model dari Lubin et al (2001)
untuk mengevaluasi solusi empiris. Lubin et al. (2001) membuat simulasi top of
atmosphere radiances untuk band Landsat 1 dan 2 untuk jenis dasar yang berbeda.
Radiances ini dikurangi menjadi reflectances air dengan menggunakan Pers. 1-3,
maka Persamaan. 9 digunakan untuk memperkirakan kedalaman (Gambar 2). Dua
jenis dasar dari Lubin et al. (2001) dengan berbeda albedo bawah diperiksa: pasir
(Ad=41% pada 500nm) dan alga bentuk karanag (Ad=17 % pada 500 nm). Satu set
tunggal koefisien, m1 dan m0, yang dioptimalkan untuk meminimalkan kesalahan
untuk kedua jenis bawah. The Root mean square (rms) error < 0,4 m antara
kedalaman model input dan estimasi kami kedalaman sampai 20 m. Hasil penelitian
menunjukkan bahwa rasio algoritma memiliki potensi untuk menjadi efektif. Model
analisis lebih lanjut enunjukkan bahwa perhitungan kedalaman tidak sensitif (error
rms < 0,4 m) sampai tiga kali lipat perubahan nilai n (n Antara 500 sampai 1.500).
Fig. 2. Depths determined from the top-of-atmosphere radianc-es modeled by
Lubin et al. (2001).X-axis shows depths input into the Lubin et al. (2001) model.
Y-axis shows depths retrieved from the ratio algorithm using Lubin’s modeled
radiances and Eqs. 1–3 and 9 from this paper.
Meskipun satu bisa membangun berbagai empiris algoritma yang dengan
berbagai kombinasi pita, termasuk reflektansi tanpa log transform, semua akan
membutuhkan lebih parameter dan tuning lebih kompleks daripada solusi rasio
Pers. 9 (atau algoritma linear dalam hal ini).
Evaluasi dan Pengembangan
Data Satelit: Satelit IKO-NOS diluncurkan pada bulan September 1999 oleh
komersil penjual, Ruang Pencitraan. Satelit memiliki dua sen-sors: satu
pankromatik dengan 1-m bidang nominal pandang dan satu multispektral dengan
4-m bidang nominal pandang saat melihat pada titik nadir. Instrumen ini adalah
sensor yang pushbroom mengumpulkan 11- km petak hingga 1.000 km panjang.
Kelipatan (pendek) petak daerah dapat dikumpulkan pada orbit yang sama karena
satelit memiliki kemampuan menunjuk. Sensor panchro-matic mengamati cahaya
Commented [UAH15]: Hasil : Evaluasi dan
Pengembangan
dari hijau ke dekat-IR dan memberikan informasi kepada kedalaman sekitar 6 m.
Sensor multispektral memiliki empat band, spektral mirip ke Landsat (Tabel 1),
dengan 11-bit digitalisasi di setiap jalur. Instrumen sensitivitas nominal sekitar
empat kali lipat lebih besar dari Landsat-7 ETM. Citra dapat diposisikan dalam 15
m dengan parameter orbital.
Tuning : tuning dari algoritma linear mengikuti teknik Lyzenga (1985). R∞
itu dianggap Berwin air optik dalam. Koefisien pada Persamaan. 7 yang
menghalangi-ditambang melalui regresi linier multivariat untuk semua LIDAR
tersebut data antara 0 dan 12 m untuk seluruh transek (5Kure 2). Awalnya, kami
disetel untuk berbagai kedalaman yang lebih besar tetapi menemukan hasil significantly buruk.
Rasio mengubah disetel menggunakan sounding dari peta laut untuk Kure.
Posisi pada grafik bahari untuk daerah tersebut terletak didasarkan pada data lokal
astronomi ob-dipertahankan selama survei tahun 1961, yang dapat ratusan meter
dari posisi yang berbeda berdasarkan pada Dunia saat ini Geodetic Survey, 1984
(WGS-84) datum, yang digunakan untuk kedua LIDAR dan IKONOS. Untuk
mengatasi masalah datum, posisi grafik bergeser sehingga fitur handal yang terletak
di dalam 20 m dari posisi mereka dalam citra IKONOS. Coefficients m1 and m0
dalam Pers. 9 diperoleh dari perbandingan nilai citra diturunkan dengan grafik
kedalaman dari pantai, tiga datar daerah kedalaman yang berbeda di Kure (3, 8, dan
12 m) dan satu miring daerah (at, 16 m). Soundings Lidar tidak digunakan dalam
tuning dari algoritma rasio. (The manual tuning untuk memetakan soundings dicoba
juga untuk mengubah linear, tetapi hasilnya kalah dengan regresi linier berganda
dan ditinggalkan.) Koefisien yang dihasilkan untuk kedua metode kemudian
diterapkan pada semua citra di kedua Kure dan Pearl.
Lidar: Batimetri diperoleh dengan menggunakan system Pesawat LADS MK
II Lidar sepanjang lebih kurang delapan transek di Kure dan lebih kurang 10 di
Pearl. Kedalaman dari tiga transek ini dibahas secara rinci di sini. Instrumen ini
menggunakan laser Nd-YAG dengan Panjang gelombang 532 nm. The laser
scanning beroperasi pada 900 Hz, dan kecepatan gerak pesawat adalah sekitar 150
knot, sehingga ina4-34-m Laser tempat jarak di petak, 200 m. Jejak laser di
permukaan air sekitar 2,5 m dan meningkat perlahan-lahan dengan kedalaman.
Energy cahaya hijau ditangkap kembali oleh penerima hijau dan digitasi untuk
mendapatkan kedalaman. Ketinggian pesawat ditentukan oleh infra-merah, yang
dilengkapi oleh inersia referensi tinggi. Posisi pesawat itu didasarkan pada Global
Positioning System (GPS) pengukuran oleh postprocessing terhadap stasiun GPS
Ashtech terletak di referensi dikenal di Midway Island. Jumlah kesalahan
diharapkan untuk horisontal po-sition dari laser yang terdengar adalah 4 m untuk
misi ini. Posisi dari bagian bawah ditentukan secara mutlak terhadap WGS-84
ellipsoid yang digunakan untuk penentuan posisi, dan bathymetry ditentukan
dengan membandingkan keuntungan dari air permukaan dan bagian bawah.
Penetrasi air maksimum (di mana return dilaporkan) dalam air jelas dalam hal ini
daerah melebihi 60 m. Survei bertemu Standar Hydro-grafis Internasional untuk
akurasi order 1. presisi vertical diukur kedalaman air relatif adalah, 5 cm, seperti
yang ditunjukkan dengan perbandingan crossline. Untuk menentukan tinggi relative
berarti air rendah yang lebih rendah, datum standar untuk batimetri, koreksi pasang
surut untuk Midway Island diaplikasikan (80 km dari Kure dan 130 km dari Pearl)
karena tide gauge yang tidak hadir baik di Kure atau Pearl. Kesalahan sisa dari
pasang ketidakpastian dapat diharapkan, 15 cm, yang lebih halus dari resolusi
vertikal 30-cm dicapai dengan satelit deteksi.
Fig. 3. Profile from Kure Atoll (Kure 2 in text). Distances are in meters from start
of lidar line in southwest. Soundings from the nautical chart used for tuning were
located in the vicinity of dis-tances 9,000, 3,000, 6,000, and 1,500 m. The depth
discrepancy at 1,000 m occurred in a light cloud shadow and should be disregard-
ed; the ratio method does not necessarily perform better under cloud shadows than
the linear method.
Hasil
Algoritma diperiksa sepanjang tiga baris LIDAR, yang pertama yang
merupakan 11-km transek memperluas di Kure (5 Kure 2) dari barat daya, daerah
forereef melalui laguna pusat puncak timur laut karang, dan forereef yang (Gambar
3). Cekungan sentral sedikit keruh dengan baik sedimen tersuspensi, namun
kepadatan kekeruhan ini tidak cukup untuk mengubah kecerahan band merah, dan
visibilitas itu biasanya lebih dari 10 m, bahkan di lebih keruh daerah. Kedua Kure
LIDAR transek (5 Kure 1) dari 6 km ex-cenderung di bagian utara dari atol dari
barat ke timur, yang meliputi hanya forereef dan daerah dangkal di sepanjang
backreef (Gambar 4). Transek ketiga diperiksa di sini adalah garis 17-km berjalan
selatan ke utara melintasi Pearl (5Pearl 1) suatu melintasi banyak curam, struktur
karang reticulated (Gambar 5). Itu koefisien disetel ke Kure 2 transek yang
diterapkan di- rectly ke citra IKONOS dari Pearl, tanpa retuning untuk baik rasio
atau algoritma linear.
Fig. 4. Profile across forereef (on either side), reef crest, and back reef at Kure Atoll
(Kure 1 in text). Depth discrepancies be-tween 1,800 and 2,000 m occur in light
cloud shadow.
Batimetri yang dihasilkan oleh kedua algoritma umumnya efektif di
kedalaman pemetaan di kedua Kure dan Pearl, meskipun perbedaan yang jelas
dalam struktur dua atol, dengan Kure memiliki atol laguna klasik dan Pearl
memiliki struktur terumbu karang yang luas dan rumit dalam laguna (Gambar 5).
Kebanyakan fitur vertikal utama direproduksi (Gambar 6), khususnya di perairan
dangkal, termasuk cekungan dangkal dengan gelombang pasir, memacu-dan-alur
pada forereef (Gambar 6A), terumbu Patch (Gambar 6B), dan curam, karang
reticulated sempit struktur (Gambar 6C, D). Detail tata ruang juga baik wakil disajikan, seperti dapat dilihat pada Gambar. 7, yang menunjukkan wilayah Kure
dengan tambalan karang lebih dalam air dan pasir gelombang di air dangkal.
Sepanjang dua transek Kure, kedalaman Januari-diciptakan dengan kedua metode
sesuai dengan data LIDAR dalam air kurang dari; kedalaman 15 m. Hasil dari Pearl
menggambarkan umum pengalihan algoritma (Gambar 5), karena kedua metode
memberikan hasil yang berarti (to, 15 m) tanpa retuning. Kedua algoritma juga
cukup efektif memulihkan kedalaman curam var-iability lebih kompleks mini-atol
dan terumbu reticulated dari Pearl, termasuk peningkatan kedalaman kecil
karakteristik pusat biasanya berpasir mini-atol. Namun, dalam relative air tinggi
kekeruhan di cekungan di sebelah tenggara dari Laguna (misalnya, 5.500 m di 6D
Gambar.), metode ini pasif gagal, karena dasar yang benar tidak dapat dideteksi in
>15 m dari air, dan kedua algoritma menghasilkan bottom palsu. Ini gagal-ure
menggambarkan keterbatasan mendasar dari estimasi kedalaman dari sistem optik,
terlepas dari metode.
Fig. 5. Profile from Pearl and Hermes Atoll (Pearl 1 in text), crossing patch reefs,
mini-atolls, and reef-crest (at 16,000 m).
Commented [UAH16]: Hasil bathimteri
Efektivitas kedua algoritma dalam menyelesaikan bathy-metric variasi
independen dari variasi dalam bawah al- bedo ditunjukkan di beberapa daerah.
Struktur dangkal dengan ganggang dan trotoar erat diselesaikan (Gambar 6B), dan
terumbu Patch dan mini-atol diselesaikan bahkan dengan dramatis variasi
reflektansi (Gambar 6C, D) antara gelap, shal-rendah terumbu dan cahaya, biasanya
sandy- bottom, cekungan dalam (Gambar 7). Penutup Reef bervariasi dari
ganggang yang tertutup trotoar untuk densePoritescolonies, memperkenalkan dua
sampai empat kali lipat Varia-tion di Rw (biru), namun, algoritma menyelesaikan
kedalaman variabel-negosiasi tanpa kesulitan. Fitur dangkal dapat memiliki kuat
variasi kecerahan (terlihat di 12.300 dan 13.600 m pada Gambar. 6C). Contoh
paling mencolok adalah mini-atol di Pearl di 13.600 m pada Gambar. 6C, di mana
ujung-ujungnya cerah dan pusat, yang memiliki dasar hidup, gelap. Dalam air yang
lebih dalam (Gambar 6A), besarnya variasi kedalaman di sempit jenis memacu-dan
-groove struktur terumbu teratasi, meskipun mungkin ada beberapa konstan offset
dari kedalaman benar val -nilai. Alur pasir adalah target lebih terang daripada taji
karang berdekatan tapi masih diselesaikan sebagai lebih dalam ciri-ciri mereka
sebenarnya.
Efektivitas kedua metode dalam mereproduksi pola spasial dalam batimetri
untuk kedalaman, 12 m dalam adalah mantan emplified dalam perbandingan citra
dan LIDAR diturunkan kedalaman untuk pusat Kure (Gambar 7). Beberapa jenis
bawah adalah ini, serta berbagai macam kedalaman. Terumbu Patch terletak di
pusat tercakup dalam makroalga padat. Rendah fitur reflektansi di kanan atas,
dalam kotak, termasuk alga -dan terumbu karang yang tertutup. Di tempat lain
bagian bawah adalah pasir, tran-sitioning ke rendah albedo karbonat trotoar di
bawah kiri. Sepanjang sisi kanan gambar, kedalaman dangkal adalah bagian dari
besar, terang, berpasir daerah di sisi timur dari laguna Kure. Kedua metode
mengambil transisi ke kedalaman dangkal, meskipun reflectances lebih terang, almeskipun metode linear cenderung bias relatif rendah ke kedalaman yang
sebenarnya. Gelombang pasir dalam 2,5-4-m dalam air di seluruh sisi timur laguna
Kure juga diselesaikan oleh kedua metode.
Fig. 6. Detailed profiles of depth (meters) and blue reflectance,Rw (blue). Tick
marks on all graphs mark 100-m distance. (A) Kure 1: profile over spur-and-groove
type structure on forereef. (B) Kure 2: profile over algae-covered pavement (former
patch reefs). (C) Pearl 1: profile over coral-dominated patch and reticulated reefs.
(D) Pearl 1: profile over mix of sand- and coral-dom-inated reefs. Note that several
of the shallow areas have lower reflectance (e.g., centered near 5,700 and 6,300 m
in panel D) and that the centers of the vertical reef structures at 12,300 and 13,600
m in panel C have a narrow area of low reflectance..
Fig. 7. Depths from the three methods and ‘‘true-color’’ water reflectance for
central Kure: (A) ratio, (B) linear, (C) true-color, and (D) lidar. The lidar swaths
are 200 m wide and marked on each image. Depths are shown in meters with scale
bar at lower right. The box (at upper right in each image) marks a patch reef of low
reflectance. IKONOS imagery courtesy of Space Imaging.
Fig. 8. Comparison of all depths along Kure 1 (those from Fig. 4). The discrepancy
in depth at 5 m occurred under a cloud shadow (see Fig. 4).
Fig. 9. Comparison of all depths along Kure 2 (those from Fig. 3). The severe
discrepancy in depth in the linear algorithm from 25–30 m (derived depths,10 m)
occurred under a cloud shadow (see Fig. 3).
Fig. 10. Comparison of all depths along Pearl 1 (those from Fig. 5). A difference
between clear and turbid areas is indicated. Areas of clear water on the forereef
show consistent retrievals to 20 m with the ratio algorithm. Areas in the turbid zone
of the lagoon have underestimated depths with few retrievals > 15 m.
Fig. 11. Normalized root mean square (rms) error (ratio of rms error to actual depth)
in 2.5-m bins for (A) Kure 1, (B) Kure 2, and (C) Pearl. The bin at 2.5 m depth was
dropped because the nor-malization was problematic for both algorithms with water
≤0.6 m.
Perbandingan sebar yang berasal dibandingkan kedalaman LIDAR
menunjukkan bahwa kedua metode menghasilkan kedalaman hingga 10-15 m
(Gambar 8-10), dengan hasil terbaik untuk transek disetel (Gambar 9), seperti yang
diharapkan. Namun dalam kedalaman > 15 m, trans-bentuk linear jarang
mengambil kedalaman bermakna. Rasio transformasi memberikan informasi
mendalam 5-10 m lebih dalam dari linear transform. Rasio transformasi memang
memiliki jumlah yang lebih besar kebisingan, yang tidak mengherankan karena
kombinasi rasio inheren akan memperkuat perbedaan-perbedaan kecil lebih dari
linear Kombinasi dan peningkatan variabilitas kesalahan dengan kedalaman. Di
dalam (lidar depths.20 m) cekungan keruh Pearl, yang linier mengubah gagal
sebelum rasio transformasi (Gambar 10). Sebaliknya, di air jernih dari forereef
mendalam bersama Kure 1 (Gambar 8), retrievals kedalaman yang memungkinkan
untuk hampir 30 m dengan algoritma rasio, sedangkan transformasi linear gagal
pada 12-15 m.
Meneliti kesalahan normalisasi terhadap kedalaman menunjukkan perbedaan
efektivitas dua metode dengan kedalaman dan antara transek yang berbeda. Rasio
transformasi memiliki error rms konsisten normalisasi, 0,3 (30 %) di, 25 m dari air
(Gbr. 11). Mengubah linear, seperti yang diharapkan, melakukan baik sampai 1015 m, tetapi gagal pada titik yang dimanifestasikan dalam meningkatkan kesalahan
rms.
Hal ini mengejutkan bahwa rasio mengubah dilakukan serta linear
transformasi bersama Kure 2 di perairan, kedalaman 15 m karena transformasi
linear disetel ke data sangat lidar yang digunakan untuk kesalahan evaluasi,
sedangkan mengubah rasio itu disetel untuk hanya beberapa, independen bahari
grafik soundings. Untuk menyelidiki stabilitas metode tuning, mengubah linear itu
disetel untuk Lidar untuk Kure 1 transek. Tala ini diproduksi miskin hasil, dengan
normalisasi rms kesalahan.0.5 bila diterapkan Kure 2.
Diskusi
Metode rasio transformasi membahas beberapa isu yang memiliki relevansi
yang cukup untuk menggunakan citra multispektral pasif untuk memetakan
batimetri perairan dangkal. Pertama, tidak membutuhkan pengurangan air yang
gelap, yang memperluas jumlah habitat bentik di mana dapat diterapkan. Kedua,
rasio mengubah metode memiliki koefisien empiris sedikit re-quired untuk solusi,
yang membuat metode mudah untuk digunakan dan lebih stabil di daerah geografis
yang lebih luas. ketiga, metode rasio dapat disetel menggunakan tersedia (dapat
diandalkan) soundings. Dan akhirnya, hasil yang ditampilkan di sini menunjukkan
bahwa metode rasio memiliki kedalaman penetrasi lebih unggul dari Metode linear
untuk wilayah Samudera Pasifik dengan relatif jelas air. Rasio transformasi
memiliki keterbatasan relatif terhadap linier mengubah, terutama dalam
peningkatan tingkat kebisingan.
Penggunaan pertama citra IKONOS (Pulau Baker di Pasifik tengah)
menunjukkan daerah perairan dangkal memiliki reflektansi lebih rendah dari
perairan yang dalam, sehingga rasio linear tidak bisa diimplementasikan. Meskipun
Commented [UAH17]: Keunggulan Citra Multispektral
Pasif
Kure dan Pearl tidak memiliki daerah perairan dangkal kurang reflektif dari peraira
dalam (biasanya disebabkan oleh pertumbuhan ganggang yang padat atau ditutupi
lamun), kami telah menemukan koloni ganggang/alga dari ≥ 1 km2 di sebelah utarabarat pulau Hawaii yang memiliki reflektansi gelap dari air dalam. Solusi untuk
linear transformasi untuk memecahkan masalah low-albedo telah diusulkan (Van
Hengel dan Spitzer 1991) tetapi membutuhkan tuning patch juga, yang hanya
meningkatkan jumlah koefisien yang diperlukan. Metode linier standard
membutuhkan lima koefisien yang bervariasi dengan kondisi lingkungan: R∞(ƛi),
R∞(ƛj), a0, ai, dan aj. Dimana-sebagai metode rasio hanya membutuhkan dua: m0 and
m1. Akibatnya, solusi rasio sederhana untuk mengeksekusi, karena tuning dapat
menjadi dicapai dengan beberapa soundings akurat. Hal ini tidak masalah sepele
ketika bekerja di daerah di mana beberapa soundings tersedia.
Penentuan of R∞ mungkin memperkenalkan lebih ketidakpastian dalam
algoritma linear daripada koefisien lainnya. Dengan setiap variasi dalam hamburan,
R∞ akan berubah di kedua band, dan dengan variasi dalam penyerapan, R∞ akan
berubah dalam biru Band. Hal ini sangat sulit untuk menentukan secara lokal dan
sangat mudah bervariasi di seluruh tempat. Kegagalan untuk benar menghalangiMiner∞ akan mempengaruhi penentuan kedalaman air yang lebih dalam. Metode
optimasi baru yang telah diusulkan untuk instrumentasi hy-perspectral mungkin
dapat mengatasi ini dengan pemecahan untuk R∞(Lee et al. 1999). Metode tersebut
dapat berguna untuk proyek-proyek pemetaan geografis skala besar jika selalu
tersedia dengan proses standar. Rasio transformasi hanya membutuhkan beberapa
band dengan penyerapan cahaya pada perairan yang berbeda dan dapat diterapkan
untuk setiap sensor mendeteksi panjang gelombang yang tepat.
Selain menerapkan metode rasio transformasi lebih maksimal pada Atolls
Samudera Pasifik, kami berencana untuk menyelidiki cara-cara improvisasi
algoritma saat ini, khususnya metode untuk mengatasi kekeruhan. Algoritma linear
memiliki solusi yang melekat untuk albedo, juga harus dihitung untuk algoritma
rasio. Penyetelan sederhana, hasil yang stabil, dan penetrasi kedalaman superior
untuk penerapan rasio algoritma dalam memetakan kedalaman perairan pada area
terumbu karang yang luas sama halnya dengan yang ditemukan dalam penelitian
karang ini.
Commented [UAH18]: Kesimpulan 2
Referensi
CHAVEZ, P. S. 1996. Image-based atmospheric corrections—revis-ited and
improved. Photogramm. Eng. Remote Sens.62:1025–1035.
GORDON, H. R., D. K. CLARK,J.W.BROWN,O.B.BROWN,R.H.EVANS,
ANDW. W. BROENKOW. 1983. Phytoplankton pigment concentrations in
the Middle Atlantic Bight: Comparison of ship determinations and CZCS
estimates. Appl. Opt.22:20–36.
LEE, Z., K. L. CARDER,C.D.MOBLEY,R.G.STEWARD, ANDJ. S. PATCH.
1999. Hyperspectral remote sensing for shallow waters:2. Deriving bottom
depths and water properties by optimiza-tion. Appl. Opt. 38:3831–3843.
LUBIN, D., W. LI,P.DUSTAN,C.MAXEL, ANDK. STAMNES. 2001. Spectral
signatures of coral reefs: Features from space. Remote Sens. Environ.75:127–
137.
LYZENGA, D. R. 1978. Passive remote sensing techniques for map-ping water
depth and bottom features. Appl. Opt.17:379–383.
______. 1981. Remote sensing of bottom reflectance and water at-tenuation
parameters in shallow water using aircraft and Land-sat data. Int. J. Remote
Sens.1:71–82.
______. 1985. Shallow-water bathymetry using combined lidar and passive
multispectral scanner data. Int. J. Remote Sens.6:115–125.
MARITORENA, S., A. MOREL, ANDB. GENTILI. 1994. Diffuse reflec-tance of
oceanic shallow waters: Influence of water depth and bottom albedo. Limnol.
Oceanogr.39:1689–1703.
MUMBY, P. J., C. D. CLARK,E.P.GREEN, ANDA. J. EDWARDS. 1998. Benefits
of water column correction and contextual ed-iting for mapping coral reefs.
Int. J. Remote Sens. 19:203–210.
PHILPOT, W. D. 1989. Bathymetric mapping with passive multi-spectral imagery.
Appl. Opt.28:1569–1578.
STUMPF,R.P.,ANDJ. R. PENNOCK. 1989. Calibration of a general optical
equation for remote sensing of suspended sediments in a moderately turbid
estuary,
J.
Geophys.
Res.
Oceans
94:
14,363–14,371.
VANHENGEL,W.,ANDD. SPITZER. 1991. Multi-temporal water depth
mapping by means of Landsat TM. Int. J. Remote Sens. 12:703–712.
ZHANG, M., K. CARDER,F.E.MULLER-KARGER,Z.LEE, ANDD. B.
GOLDGOF. 1999. Noise reduction and atmospheric correction for coastal
applications of landsat thematic mapper imagery. Remote Sens.
Environ.70:167–180.
Received: 17 October 2001
Accepted: 8 July 2002
Amended: 29 August 2002