Minggu 14 Pengantar remote sensing

(1)

MINGGU 14 :

REMOTE SENSING & APLIKASI UNTUK

INVENTARISASI TUMBUHAN

Outline :

a. Definisi

b. Sumber energi/gelombang elektromagnetik c. Sejarah perkembangan remote sensing

Proses RS

a. Interaksi energi dengan obyek b. Penyiaman (scanning), Perekaman Data &

Peyimpanan data satelit dijital c. Klasifikasi

Sumber bacaan

• Robert A. Schowengerdt : Remote Sensing: Models And Methods for Image Processing

(http://books.google.co.id/books?id=KQXNaDH0X-IC&pg=PA2&redir_esc=y#v=onepage&q&f=false)

• John A. Richards. 1993. : Remote sensing digital image analysis. Springer Verlag

• Introduction to remote sensing (Natural Resources Cana),

http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-sensing/fundamentals/1924

• Dr. S. C. Liew. Centre for Remote Imaging, Sensing and Processing National University of Singapore : What is remote sensing (http://www.crisp.nus.edu.sg/~research/tutorial/rsmain.htm) • Precision Agriculture (http://www.amesremote.com/)

A. Definisi Remote Sensing

Definisi :

• Ilmu untuk memperoleh informasi mengenai

benda/obyek di atas permukaan bumi

dengan menggunakan alat (pesawat/satelit)

tanpa menyentuh benda/obyek yang

menjadi target..

• Pengukuran/pengumpulan informasi suatu

obyek di atas permukaan bumi tanpa kontak

langsung dengan obyek yang dipelajari

Receiving Station

Komponen

Remote Sensing

SATELIT Radar

B: Sumber energi remote sensing:

Ultraviolet – Microwave (pendek->panjang)

Cahaya matahari dan yg dipantulkan bumi dapat dibagi berdasarkan panjang gelombangnya

Infrared

Wavelength

Gamma

Rays X-Ray Ultraviolet Microwave TV/Radio

The Electromagnetic Spectrum (EMS)

Visible

˜ 0.4

micrometers

˜ 0.7

PHOTOGRAFI

SATELIT & FOTO UDARA

(2)

Spektrum gelombang Elektromagnetik

Gelombang Radio

Radar

Infra merah, UV Cahaya Tampak (B&R = fotosintesa,

Fotografi) Sinar X

Sinar Gamma

PANJANG GELOMBANG FREKUENSI APLIKASI (meter) (Hz)

Kecil

Besar ENERGI

1. Red : 0.620 - 0.700 m 2. Orange : 0.592 - 0.620  m 3. Yellow : 0.578 - 0.592  m 4. Green : 0.500 - 0.578  m 5. Blue : 0.446 - 0.500  m 6. Violet : 0.400 - 0.446  m

RENTANG SPEKTRUM CAHAYA TAMPAK/

VISIBLE LIGHT

RADAR Band P, L, S, C, X, Ku, K, Ka

RENTANG SPEKTRUM

MICROWAVE

C Sejarah Perkembangan

REMOTE SENSING

• 1826 – Photograph Pertama

http://en.wikipedia.org/wiki/History_of_photogra phy

• 1858 - Photo pertama dari balon udara (http://www.papainternational.org/history.asp) • 1903 - Pesawat pertama

• 1909 Photo pertama dari pesawat

(http://northstargallery.com/aerialphotography/hi story%20aerial%20photography/history.htm

• 1903-4 – Photo infrared film • Perang dunia I and II • 1960 - Program Ruang angkasa

LANDSAT

SPOT 4

NOAA

TIPE SATELIT

FENG YUN

PROSES REMOTE SENSING

a. Interaksi energi dengan obyek b. Sensor (bands)

c. Penyiaman (scanning) & peyimpanan data satelit dijital

(3)

A. INTERAKSI CAHAYA DENGAN OBYEK

Cahaya berinteraksi

dengan obyek dalam

berbagai bentuk

Incident (I) : Cahaya datang :

Absorption (A); Transmission (T); and Reflection (R).

PANTULAN/REFLEKSI

Specular reflection

Permukaan yg halus :

Semua/hampir semua energi

dipantulkan kembali

Specular or

mirror-like reflection

INTERAKSI CAHAYA DENGAN OBYEK

DAUN:

Chlorophyll menyerap banyak radiasi Merah dan Biru, tapi memantulkan hijau. Pada saat pertumbuhan sempurna, daun tampak lebih hijau karena banyak kandungan khloropilnya (lebaih banyak B & R yang diserap)

VEGETASI

Air bening

Air keruh

AIR :

Gelombang biru lebih banyak dipantulkan dari pada gelombang merah dan hijau, sehingga Air kelihatan biru.

Bila ada suspensi terlarut, maka gelombang biru akan lebih banyak dipantulkan, sehingga air yang keruh kelihatan lebih terang.

Keberadaan sediment (S) akan mempengaruhi pola reflektansi. Air keruh akan mempunyai nilai reflektansi yang mirip dengan air dangkal.

INTERAKSI DENGAN OBYEK

AIR

Gamma

Rays X-Ray Ultraviolet Infrared Microwave TV/Radio

The Electromagnetic Spectrum (EMS)

Blue Green Red Near IR Middle IR Middle IR Thermal IR

Bagaimana Reflektansi

cahaya ditangkap

sensor satelit ?????

Bagaimana Data disimpan ?

Data direkam per band Komputer dengan kemampuan 8 bit data, maka :

Data terkecil/nilai pixel terkecil : 0

Data terbesar/nilai pixel terbesar : 255

Resolusi Spatial : Besaran yang menunjukkan ukuran obyek di bumi yang dapat dideteksi sensor

Resolusi Radiometric:

Level digital yang digunakan untuk merepresentasikan obyek.

(4)

KOMBINASI WARNA

Panchromatic Images Color Composite Image Multispectral Images/

Berbagai warna dapat dibuat berdasarkan 3 warna primer

(Hukum warna Aditif)

Nilai DN

Grey Scale

Contoh ERDAS

Pixel

Bands

Objects : Vegetasi,

Air, Lahan Terbangun

B. PEREKAMAN & PENYIMPANAN

DATA

• Proses perekaman

• Proses penyimpanan

• Transfer data dari satelit ke receiving

station

• User menggunakan data

Perekaman data

http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-sensing/fundamentals/1124 Penempatan orbit satelit bervariasi sesuai dengan desain /misi Satelit :

Geo stationery

Sun synchronized Near polar orbit

Geo stationer : meliput permukaan bumi yang sama pada periode waktu yang berbeda-beda

Sun synchronized : meliput permukaan bumi yang berbeda pada waktu yang sama

Resolusi Temporal :

besaran yang merujuk pada frekuensi dari satelit mengambil data pada tempat yang sama

Equitorial orbit

http://satellites.spacesim.org/english/anatomy/orbit/polar.html

Near Polar Orbit : LANDSAT

_{Peyimpanan Data di Receiving Stations}

• Pare-pare, South Sulawesi

• Biak Island, Papua

• Pekayon - Jakarta

(5)

Previously, since 1993:

• Landsat-5

• SPOT-1,2,3

• JERS: OPS, SAR

• ERS-1 : SAR

Currently, since 2003:

• Landsat-7

• SPOT-4

• Terra and Aqua - MODIS

Parepare South Sulawesi

Remote Sensing Receiving Station

Rumpin - West Java

LAPAN Tubsat

–

Microsat and Terra,`Aqua MODIS

Receiving Station

Ketelitian Satelit

• Resolusi Temporal :

–

Periode waktu yg dibutuhkan satelit untuk

merekam lokasi yang sama

• Resolusi Spasial

–

Ukuran obyek terkecil yang dapat dideteksi oleh

satelit

• Resolusi Spectral

–

Jumlah band/sensor yg digunakan untuk

merekam

(6)

LANDSAT (Kebun Raya dan sekitarnya))

IKONOS (Kebun Raya)

Klasifikasi Data Citra

Merubah data citra menjadi informasi Penutupan lahan/penggunaan lahan Penutupan lahan adalah kondisi fisik permukaan bumi

Land use : deskripsi bagaimana manusia mengelola lahan. Misal :

Hutan = Land cover Hutan Lindung = Land use Padang rumput = Land cover Ranch/Padang Golf : Lan use

Element Order 1

• Tone : Variasi kedalaman

warna obyek dari warna

tua ke muda, atau hitam

ke putih yang dapat

dibedakan

• Colour : Warna obyek

(7)

Colour/Warna & Tone Obyek

Hijau : ? Hijau muda Hijau tua

Merah : ? Merah muda/pink

Biru : ?

Tua

Kuningan : ? Kuning muda

Putih : ? Putih Abu

Hitam : ? False ColorComposite : LANDSAT, RGB = 5:4:3

Elemen Order 2:

• Size

–

membantu menentukan

obyek berdasarkan ukuran

–

Perkebunan rakyat &

perkebunan besar

• Shape

–

membantu

menentukan karakter obyek

berdasarkan bentuk

–

man made

–

cenderung garis

lurus

–

natural

–

cenderung tidak

beaturan

VISUAL

False ColorComposite : LANDSAT, RGB = 5:4:3

Elements Orde 2

• Texture – frekuensi perubahan dan

susunan dari tone

–Pengamatan visual

kehalusan/kekasaran (smoothness or roughness)

–Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar

• Pattern - arrangement spasial dari

objects

–Linear untuk jalan, sungai dll

VISUAL

Element order 3

• Site

–

bagaimana obyek

berada pada suatau

tempat

–

aspect, topografi,

geologi, tanah, &

vegetasi

• Association

–

obyek biasanya

berasosiasi engan obyek

yang lain.

–

Sangat membantu

dalam interpretasi

man made obyek

VISUAL

Elements Order 3

• Height

–

menjelaskan

detail dari obyek

(ketinggian obyek)

• Shadow

Membantu menentukan

detil obyek

–

Identifikasi dapat

ditingkatkan dengan

informasi bayangan

(8)

Contoh

Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ? Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ?

Dimana Jalan ?, Dimana Awan ?

Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?

Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan 1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.

2. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau tua pada Landsat.

3. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan 4. Hutan dataran

rendah

Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.

5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat

6. Hutan tanaman jati

Hijau kekuningan pada Palsar dan hijau muda pada Landsat.

7. Hutan tanaman pinus

Hijau terang pada Palsar dan hijau tua pada Landsat.

KLASIFIKASI DIGITAL

• Distribusi Nilai DN

• Pengelompokan Nilai DN



Tidak Terbimbing



Terbimbing

KOMBINASI WARNA

Panchromatic Images Color Composite Image Multispectral Images/

Berbagai warna dapat dibuat berdasarkan 3 warna primer

Nilai DN

Grey Scale

BAND 4 BAND 3

Feature Space

(Distribusi DN, pada 2

(9)

ISODATA

I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)?

Band A Band B

1st iteration cluster mean 2nd iteration cluster mean

KLASIFIKASI DIJITAL TIDAK

TERBIMBING

Klasifikasi Terbimbing

• Mengelompokan Nilai Digital Number

Berdasarakan arahan operator

(1)

KOMBINASI WARNA

Panchromatic Images Color Composite Image Multispectral Images/

Berbagai warna dapat dibuat berdasarkan 3 warna primer

(Hukum warna Aditif) Nilai DN

Grey Scale

Contoh ERDAS

Pixel

Bands

Objects : Vegetasi,

Air, Lahan Terbangun

B. PEREKAMAN & PENYIMPANAN

DATA

• Proses perekaman

• Proses penyimpanan

• Transfer data dari satelit ke receiving

station

• User menggunakan data

Perekaman data

http://www.nrcan.gc.ca/earth-sciences/geography-boundary/remote-sensing/fundamentals/1124 Penempatan orbit satelit bervariasi sesuai dengan desain /misi Satelit :

Geo stationery

Sun synchronized Near polar orbit

Geo stationer : meliput permukaan bumi yang sama pada periode waktu yang berbeda-beda

Sun synchronized : meliput permukaan bumi yang berbeda pada waktu yang sama

Resolusi Temporal :

besaran yang merujuk pada frekuensi dari satelit mengambil data pada tempat yang sama

Equitorial orbit

http://satellites.spacesim.org/english/anatomy/orbit/polar.html

Near Polar Orbit : LANDSAT

_{Peyimpanan Data di Receiving Stations}

• Pare-pare, South Sulawesi

• Biak Island, Papua

• Pekayon - Jakarta

(2)

Previously, since 1993:

• Landsat-5

• SPOT-1,2,3

• JERS: OPS, SAR

• ERS-1 : SAR

Currently, since 2003:

• Landsat-7

• SPOT-4

• Terra and Aqua - MODIS

Parepare South Sulawesi

Remote Sensing Receiving Station

Rumpin - West Java

LAPAN Tubsat

–

Microsat and Terra,`Aqua MODIS

Receiving Station

Ketelitian Satelit

• Resolusi Temporal :

–

Periode waktu yg dibutuhkan satelit untuk

merekam lokasi yang sama

• Resolusi Spasial

–

Ukuran obyek terkecil yang dapat dideteksi oleh

satelit

• Resolusi Spectral

–

Jumlah band/sensor yg digunakan untuk

merekam

(3)

LANDSAT (Kebun Raya dan sekitarnya))

IKONOS (Kebun Raya)

Klasifikasi Data Citra

Merubah data citra menjadi informasi Penutupan lahan/penggunaan lahan Penutupan lahan adalah kondisi fisik permukaan bumi

Land use : deskripsi bagaimana manusia mengelola lahan. Misal :

Hutan = Land cover Hutan Lindung = Land use Padang rumput = Land cover Ranch/Padang Golf : Lan use

Element Order 1

• Tone : Variasi kedalaman

warna obyek dari warna

tua ke muda, atau hitam

ke putih yang dapat

dibedakan

• Colour : Warna obyek

KLASIFIKASI VISUAL

(4)

Colour/Warna & Tone Obyek

Hijau : ? Hijau muda Hijau tua

Merah : ? Merah muda/pink

Biru : ?

Tua

Kuningan : ? Kuning muda

Putih : ? Putih Abu

Hitam : ? False ColorComposite : LANDSAT, RGB = 5:4:3

Elemen Order 2:

• Size

–

membantu menentukan

obyek berdasarkan ukuran

–

Perkebunan rakyat &

perkebunan besar

• Shape

–

membantu

menentukan karakter obyek

berdasarkan bentuk

–

man made

–

cenderung garis

lurus

–

natural

–

cenderung tidak

beaturan

VISUAL

False ColorComposite : LANDSAT, RGB = 5:4:3

Elements Orde 2

• Texture – frekuensi perubahan dan

susunan dari tone

–Pengamatan visual

kehalusan/kekasaran (smoothness or roughness)

–Misal Air : biasanya halus,

Alang-alang : medium texture, and Hutan alam dataran rendah: kasar

• Pattern - arrangement spasial dari

objects

–Linear untuk jalan, sungai dll

VISUAL

Element order 3

• Site

–

bagaimana obyek

berada pada suatau

tempat

–

aspect, topografi,

geologi, tanah, &

vegetasi

• Association

–

obyek biasanya

berasosiasi engan obyek

yang lain.

–

Sangat membantu

dalam interpretasi

man made obyek

VISUAL

Elements Order 3

• Height

–

menjelaskan

detail dari obyek

(ketinggian obyek)

• Shadow

Membantu menentukan

detil obyek

–

Identifikasi dapat

ditingkatkan dengan

informasi bayangan

(5)

Contoh

Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ? Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ?

Dimana Jalan ?, Dimana Awan ?

Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?

Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan

1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.

2. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau tua pada Landsat.

3. Hutan pegunungan tropis

Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.

No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan

4. Hutan dataran rendah

Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.

5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat

6. Hutan tanaman jati

Hijau kekuningan pada Palsar dan hijau muda pada Landsat.

7. Hutan tanaman pinus

Hijau terang pada Palsar dan hijau tua pada Landsat.

KLASIFIKASI DIGITAL

• Distribusi Nilai DN

• Pengelompokan Nilai DN



Tidak Terbimbing



Terbimbing

KOMBINASI WARNA

Panchromatic Images Color Composite Image Multispectral Images/

Berbagai warna dapat dibuat berdasarkan 3 warna primer

(Hukum warna Aditif) Nilai DN

Grey Scale

BAND 4 BAND 3

Feature Space

(Distribusi DN, pada 2

(6)

ISODATA

I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)?