Laporan Resmi Penginderaan Jauh - Modul 2

May 17, 2019 | Author: Rachmat Afriyanto | Category: N/A
Share Embed Donate


Short Description

Laporan Resmi Penginderaan Jauh - Modul 2...

Description

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL II :

KOREKS KOREKSII RADI OMETRI

Disusun Oleh: RACHMAT AFRIYANTO 26020114140104 ILMU KELAUTAN A

Koordinator Mata Kuliah Penginderaan Jauh : Ir. Petrus Subardjo, Msi  NIP. 19561020 19561020 198703 1 001 001 Tim Asisten

Rinto Setyawan Riandi Teguh W Hana Farah Frida Firismanda Rayana Dwiari Armanto Muhammad Salahudin Dhea Isnainiya M. Danie Al Malik Dodik Setiyo Wicaksono

26020213140036 26020213140036 26020213190089 26020213190089 26020213140045 26020213140045 26020213140083 26020213140083 26020213120007 26020213120007 26020113140104 26020113140104 26020113140096 26020113140096 26020113120029 26020113120029

JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2016

Shift: 2 Tgl Praktikum : 20 Maret 2016 Tgl Pengumpulan : 26 Maret 2016

LEMBAR PENILAIAN MODUL II :

Nama : RACHMAT AFRIYANTO

KOREKS KOREKSII RADI OMETRI

NIM: 26020114140104

NO. KETERANGAN 1. Pendahuluan 2. Tinjauan Pustaka 3. Materi dan Metode 4. Hasil dan Pembahasan 5. Penutup 6. Daftar Pustaka TOTAL

................................... Ttd: ...................................

NILAI

Mengetahui, Koordinator Praktikum

Asisten

Rinto Setyawan 26020213140036

Rayana Dwiari Armanto 26020213140083

I.

PENDAHULUAN

1.1. Latar Belakang

Dewasa ini ,  , kemajuan teknologi diberbagai bidang berkembang dengan sangat pesat. Remote pesat.  Remote Sensing  atau   atau teknologi penginderaan jauh merupakan suatu  pengembangan dari teknologi pemotretan udara yang mulai diperkenalkan pada akhir abad ke 19 sebagai suatu pengembangan pemetaan melalui satelit. Manfaat  potret udara dirasa sangat besar dalam perang dunia p ertama dan kedua, sehingga cara ini dipakai dalam eksplorasi ruang angkasa. Sejak saat itu istilah penginderaan  jauh dikenal dan menjadi populer populer dalam dunia pemetaan. Peta yang dihasilkan oleh  perekaman jarak jauh ini dikenal dengan nama citra pengindraan pengindraan jauh. Namun pada dasarnya citra satelit dengan peta mempunyai perbedaan yang mencolok dan tidak  bisa dikatakan sama. Dalam praktikum ini akan dibahas mengenai koreksi radiometri dimana koreksi radiometri ( satelite Imagecallibration) Imagecallibration) merupakan sistem penginderaan  jauh yang digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama pada saluran tampak (visible (visible light ). ). Hamburan atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral cit ra. Pengaruh hamburan ( scattering ) pada citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi radiometri yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram ( Histogram  Histogram Adjustment ). ). Penginderaan

jauh

fotografik

menguraikan

tentang

karakteristik

interpretative dan geometric dan geometric dasar  dasar foto udara. Karakteristk radiometrik digunakan untuk mengoreksi citra dengan penghafoto udara menentukan bagaimana film tertentu yang dipotretkan dan diproses pada kondisi tertentu menanggapi tenaga dengan berbagai intensitas. Pengetahuan tentangg karakteristik ini berguna dan kadang-kadang sangat penting bagi proses analisis citra fotografik terutama dalam supaya menampilkan hubungan kuantitatif antara nilai rona pada suatu citra dan  beberapa fenomena medan.

1.2. Tujuan

Adapun tujuan praktikum praktikum Inderaja modul 2 Koreksi Koreksi Radiometri ini adalah: 1.

Mahasiswa diharapkan mampu melakukan koreksi radiometri

2.

Mahasiswa diharapkan mampu memeriksa atmospheric bias atmospheric bias citra

3.

Mahasiswa diharapkan dapat menggunakan metode penyesuaian histogram

4.

Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram  Dark Pixel Correction

5.

Mahasiswa diharapkan mampu melakukan teknik penyesuaian his togram  Enchanced Dark Pixel 

6.

Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Cut Off Scattergram

1.3. Manfaat

Adapun manfaat praktikum Inderaja modul 2 Koreksi Koreksi Radiometri ini adalah: 1.

Praktikan dapat melakukan koreksi radiometri

2.

Praktikan dapat mengetahui nilai atmospheric bias atmospheric bias citra dari suatu citra

3.

Praktikan dapat mengkoreksi efek atmosfer bias dengan cara mengidentifikasi bayangan pixel  bayangan pixel 

II.

TINJAUAN PUSTAKA

2.1 Koreksi Radiometri 2.1.1

Definisi Koreksi Radiometri

Citra yang digunakan untuk pengolahan data penginderaan jauh memiki  beberapa kekurangan, seperti terdapatnya hamburan atau bias yang diakibatkan oleh beberapa efek atmosfer. Untuk mengurangi efek tersebut maka dilakukanlah koreksi radiometri ( satelite Image callibration) yang merupakan suatu metode yang digunakan untuk mengurangi pengaruh hamburan atmosfer  pada citra satelit terutama pada saluran tampak (visible light ). Hamburan atmosfer disebabkan oleh adanya partikel  –   partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang  berpengaruh pada nilai spektral citra. Pengaruh hamburan ( scattering ) pada citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai sebenarnya. Atmosfer dapat menyerap, memantulkan, atau menstransmisikan gelombang elektromagnetik yang menyebabkan cacat radiometrik pada citra, yaitu nilai  pixel   jauh lebih tinggi atau jauh lebih rendah dari pancaran yang sebenarnya. Koreksi radiometri ini mengkonversi data sehingga dapat digunakan secara akurat oleh sensor (Sumaryono, 1999). Koreksi radiometri digunakan untuk memperbaiki nilai  pixel agar sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan objek dipermukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode  –  metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment ), metode regresi dan metode kalibrasi bayangan (Danoedoro, 1996). Dengan kata lain, koreksi radiometrik dilakukan agar informasi yang terdapat dalam data citra dapat dengan jelas dibaca dan diinterpretasikan. Kegiatan yang dilakukan dapat berupa:

Penggabungan data ( Data Fusion). Yaitu menggabungkan citra dari



sumber yang berbeda pada area yang sama untuk membantu di dalam interpretasi. Sebagai contoh adalah menggabungkan data  Landsat -TM dengan data SPOT. Colodraping . Yaitu menempelkan satu jenis data citra di atas data yang



lainya untuk membuat suatu kombinasi tampilan sehingga memudahkan untuk menganalisa dua atau lebih variabel. Sebagai contoh adalah citra vegetasi dari satelit ditempelkan di atas citra foto udara pada area yang sama. Penajaman



kontras.

Yaitu

memperbaiki

tampilan

citra

dengan

memaksimumkan kontras antara pencahayaan dan penggelapan atau menaikan dan merendahkan harga data suatu citra.  Filtering . Yaitu memperbaiki tampilan citra dengan mentransformasikan



nilai-nilai digital citra, seperti mempertajam batas area yang mempunyai nilai digital   yang sama ( Enhance Edge), menghaluskan citra dari noise (Smooth Noise), dan lainnya. Formula. Yaitu membuat suatu operasi matematika dan memasukan



nilai-nilai digital   citra pada operasi matematika tersebut, misalnya  Principal Component Analysis (PCA). (Dwi Ardi, 2012)

2.1.2

Kegunaan Koreksi Radiometri

Satelite Image Callibration atau Koreksi radiometri merupakan suatu metode untuk memperbaiki kualitas citra dengan cara mengurangi kesalahan-kesalahan yang disebabkan oleh sistem perekaman serta kesalahan yang diakibatkan oleh perjalanan sinar mat ahari dan suatu objek ke kamera perekam melalui media atmosfer (Sukojo dan Kustarto dalam Khasanah, 2013). Menurut Samsuri (2004), koreksi radiometri diperlukan pada analisa data penginderaan jauh karena pada saat perekaman, tenaga radiometri yang sampai ke sensor  banyak mengalami gangguan atmosfir.

Menurut Murti (2012), koreksi radiometri

bertujuan untuk

memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai  –   nilai  pixel yang tidak sesuai dengan nilai pantulan objek atau pancaran spektral objek yang sebenarnya. Kegunaan koreksi radiometri dalam penelitian dibagi menjadi 2 macam, yaitu: 1. Koreksi radiometri untuk mengurangi pengaruh atmosfer 2. Koreksi radiometri untuk mengurangi pengaruh topografi Menurut Annas (2009), koreksi radiometri memberikan skala pada nilai pixel, sebagai contoh skala monokromatik 0 sampai 255 akan diubah menjadi nil ai radian sebenarnya.

2.1.3

Kelebihan dan Kekurangan Koreksi Radiometri

Koreksi radiometri memiliki beberapa kelebihan yang diantaranya adalah pada kemampuannya untuk memperbaiki gangguan atmosfer seperti kabut tipis, asap, dan lain-lain sehingga dapat meminimalisir  bias atau hamburan citra yang digunakan (Ekadinata et al ., 2008). Kelemahan koreksi raidometri adalah hasil interpretasi sangat tergantung kepada pendigit (interpreter), sehingga hasilnya bersifat subjektif (Kartika et al ., 2012). 2.2 Penyesuaian Histogram

Metode penyesuaian histogram adalah metode yang cukup sederhana, dengan waktu yang digunakan untuk pemrosesan singkat dan tidak memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, objek yang memberikan respon spektral yang paling rendah seharusnya bernilai nol. Apabila nilai ini ternyata melebihi angka nol maka nilai tersebut dihitung sebagai offset   dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut dengan offset -nya (Danoedoro, 1996). Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap cit ra mempunyai nilai objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan dengan teknik penyesuaian histogram hasilnya tidak jauh  berbeda (Sutanto, 1986). Penyesuaian histogram (histogram adjusment ) meliputi evaluasi histogram pada setiap band dari data penginderaan jauh. Biasanya data pada  panjang gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfir.

Sebaliknya

 penyerapan atau absorbs pada atmosfer akan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol. Algoritma yang dipergunakan untuk koreksi radiometri mengikuti formula sebagai berikut :

Dimana :  Input

: input pixel  pada baris I dan kolom j dari band  k



Output

: nilai pixel  yang dikoreksi pada lokasi yang sama



Bias

: Selisih nilai minimal dan nilai nol pada saluran k



BV

: brightness value atau nilai kecerahan



Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias nilai kecerahan pada band  tertentu-nya (Ningrum, 2012).

2.3 Penyesuaian Regresi

Penyesuaian regresi diterapakan dengan memplot nilai-nilai pixel hasil  pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relative bebas gangguan) yang menyajikan nilai nol untuk obyek terteklntu. Kemudian tiap saluran di pixel angkanya dengan yang saluran rujukan tersebut untuk membentuk diagram pancar nilai yang diamati. Cara ini secara teoristis mudah namun secara prakteknya sulit. Pengambilan  pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran. (Denoedoro,1996). Penyesuaian

regresi

(regression

adjusment )

pada

prinsipnya

menghendaki analisis untuk mengidentifikasi objek bayangan atau air jernih  pada citra yang akan dikoreksi. Nilai kecerahan pada objek dari setiap saluran di-plot dalam sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM  saluran 1, 2, 3) dan saluran infra merah (seperti TM  4,5,7). Pada diagram ini

garis lurus dibuat menggunakan teori

 perpotongannya dengan

least square,

sumbu X akan menunjukkan besarnya nilai bias

demikian seterusnya untuk

saluran yang lain. Penyesuaian histogram ini

melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan

dengan teknik

 penyesuaian histogram hasilnya tidaklah jauh berbeda (Danoedoro, 1996).

2.3.1 DPC (Dark Pixel Cor r ection  )

 Dark Pixel Correction  merupakan metode sederhana yang digunakan untuk menghilangkan efek gelap yang ditimbulkan oleh atmosfer pada citra (Indarto, 2009). Kalibrasi dengan Dark Pixel Correction dilakukan sebelum citracitra tersebut digabung.  Dark Pixel Correction adalah koreksi sederhana untuk menghilangkan pengaruh atmosfer yang cenderung memperbesar nilai pixel  dan menjadi sumber utama perbedaan nilai pixel  masing-masing citra (Susiati, 2008). Pada keadaan aslinya, jika tidak ada atmosfer maka bayangan pada semua permukaan bumi akan sepenuhnya hitam baik itu darat ataupun laut, sehingga kita sulit untuk membedakannya. Oleh karena itu jika bayangan memiliki nilai diatas 0, itu menandakan bahwa hamburan dari atmosfer memiliki kontribusi untuk bayangan. Hal inilah yang menjadi wilayah koreksi  Dark Pixel Correction. Salah satu cara untuk mengkoreksi efek atmosfer adalah mengidentifikasi bayangan pixel , menemukan nilai  DN  ( Digital Number ) dan mengubahnya menjadi 0 dan atur semua  pixel  lainnya (Anonim, 2012). 2.3.2 EDPC (En chanched Dar k Pixel Corr ection )

 Enhanced Dark Pixel Correction  merupakan bagian dari metode  penyesuaian regresi yang digunakan untuk menghilangkan efek dari atmosfer untuk image enhancement   (penajaman citra). Pada metode ini sistem kerjanya hampir mirip dengan metode  DPC , yaitu dengan harus memasukkan nilai range yang tercantum dalam actual input limits. Pada  Enhanced Dark Pixel Correction terdapat dua layer  yang berbeda, dimana layer  kedua lebih terang dibandingkan layer  pertama dan gambar layer-nya lebih tajam (Indarto, 2009). Jika Dark Pixel Correction dilakukan untuk mengkoreksi kesalahan radiometrik dari suatu citra, maka hasil Enhanced Dark Pixel Correction lebih digunakan untuk aplikasi tertentu. Dengan mengurangkan masing  –  masing band  dengan minimum digital number value-nya, maka setiap band  akan memiliki minimal digital number  dari nol (Ningrum, 2013).

2.3.3 Cut of f Scatter gram 

Cara lain untuk mengkoreksi citra dari efek atmosfer adalah dengan menggunakan informasi cut-off yang ditentukan dari scattergram antara  panjang gelombang (TM 7) yang lebih panjang dan panjang gelombang (salah satu dari TM 1-5) yang lebih pendek. Panjang gelombang yang lebih  panjang berada di gelombang infrared pendek yang mempunyai nilai hamburan atmosfer minimum, di lain pihak panjang gelombang yang lebih  pendek berada di batas cahaya tampak yang berdekatan dengan batas infrared dan batas gelombang infrared  pendek yang mempunyai efek lebih  besar. Garis terbaik digambarkan menembus distribusi antara dua band yang dihalangi poros panjang gelombang lebih pendek pada pendekatan digital number komponen penghambur. Penyelesaian hal semacam ini menggunakan cut-off  (Ningrum, 2012). Fungsi ini untuk membantu menganalisis data yang bekerja pada data dalam mode spektral, scattegram juga berguna untuk klasifikasi tanah, membuat raster daerah,dan membuat poligon vektor. Scattering  terjadi bila  partikel atau molekul gas yang besar yang ada di atmosfer berinteraksi dan menyebabkan

arah

radiasi

elektromagnetik

melenceng

dari

jalur

sebenarnya. Besarnya penyimpangan ini tergantung pada beberapa faktor termasuk panjang gelombang radiasi, kelimpahan partikel dan gas dan  jarak perjalanan radiasi (Anonim, 2013).

DAFTAR PUSTAKA

Anonim. 2012.  Koreksi Radiometri. http://tugaspratikumsip.blogspot.com/2012/05/koreksi-radiometrik-dankoreksi.html . Diunduh Senin, 21 Maret 2016 : 21.50. Anonim. 2013.  Koreksi Radiometri. http://ocean076.blogspot.com/2012/05/koreksi-radiometri-koreksiradiometri.html. Diunduh Senin, 21 Maret 2016 pukul 21.50 WIB. Danoedoro, Projo. 1996.  Pengolahan Citra Digital, Teori dan Aplikasinya Dalam  Bidang Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas Gadjah Mada. Dwi Ardi, Robbinov. Koreksi Radiometrik dan Koreksi Geometrik. http://tugaspratikumsip.blogspot.com/2012/05/koreksi-radiometrik-dankoreksi.html (22 Maret 2016). Ekadinata, Andree et al., 2008. Sistem Informasi Geografis untuk Pengelolaan  Bentang Lahan Berbasis Sumber Daya Alam. Bogor: World Agroforestry Center. Indarto. 2009. Identifikasi dan Klasifikasi Peruntukan Lahan Menggunakan Citra  Aster . Jurnal Media Teknik Sipil. Vol. IX (1): 1-8. Kartika, Tatik., I Made Parsa., Sri Harini. 2012. Analisis Perubahan Penutup Lahan di Daerah Tangkapan Air Sub DAS Tondano terhadap Kualitas Danau Tondano Menggunakan Data Satelit Penginderaan Jauh . Limnologi. Murti, Sigit Heru. 2012. Pengaruh Resolusi Spasial pada Citra Penginderaan Jauh terhadap Ketelitian Pemetaan Pengunaan Lahan Pertanian di Kabupaten Wonosobo. Ilmiah Geomatika. Samsuri. 2004.  Aplikasi Penginderaan Jauh dalam Pengelolaan Sumberdaya  Hutan. Medan: USU Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan Reboisasi  Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah Tahun Ke8 MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta. Susiati, Heni. 2008. Studi Awal Pemanfaatan Citra Satelit untuk Identifikasi  Distribusi Sedimen di Perairan Semenanjung Muria. Prosiding Seminar  Nasional ke-14 Teknologi dan Keselamatan PLTN serta Fasilitas Nuklir Tanggal 5 November 2008. Bandung, pp. 357  –  265.

III.

MATERI DAN METODE

3.1. Waktu dan Tempat Praktikum

Praktkum penginderaan jauh modul 2 tentang  Koreksi Radiometri ini dilaksanakan pada: Hari / Tanggal

: Jum’at, 18 Maret 2016

Waktu

: 16.40 WIB  –   selesai

Tempat

: Lab. Komputasi Ilmu Kelautan, Gedung E Lantai 2, Jurusan Ilmu Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Semarang.

3.2. Materi 3.2.1 Koreksi Radiometri

3.3

1.

Pemeriksaan Nilai Atmospheric Bias Citra

2.

Penyesuaian Histogram

3.

Pengecekan Data dan Penyesuaian Histogram

4.

Regresi 

DPC



EDPC



Cut Off Scattergram

Metode 3.3.1 Pemeriksaan Atmospheric Bias Citra dan Penyesuaian Histogram

Untuk memeriksa nilai  Atmospheric Bias Citra dapat dilakukan dengan cara: 1.

Buka ER Mapper 7.0 dengan klik 2x pada icon ER Mapper 7.0

2. Buka file citra dengan klik icon edit algorithm Mapper  7.0,

lalu

klik

icon

load

C:\ERMapper70\examples\Shared_Data

 pada active window ER

dataset  

lalu

 buka pilih

direktori

 file 

citra

 Landsat_TM_23Apr85.ers

3.

Gandakan pseudo layer dengan cara k lik icon duplicate

sebanyak

6 layer . Ganti pseudo layer menjadi Band 1, Band 2, Band 3, Band 4,  Band 5, dan Band 7. Dan masukkan Band  sesuai dengan Band nya. Ubah description menjadi Nama_NIM.

4.

Pada setiap band, contohnya B1: band 1, klik icon edit transform limits . Maka akan muncul window Transform. Kemudian cek nilai atmospheric  pada setiap band , yaitu nilai yang berada dibawah kiri window yang bertuliskan Actual Input Limits.

5.

Untuk mengoreksi bias citra dari atmosfer dapat dilakukan dengan cara  pilih band 1, klik icon formula edit or

, maka akan muncul Window

 formula editor. Pada dialog box terdapat tulisan INPUT1, ketik  –   (nilai atmospheric biasnya), contoh INPUT1-67 klik apply changes

6.

Maka nilai Actual Input Limits akan berubah dari 67 to 255 menjadi 0 to 255. Lakukan hal yang sama pada setiap band sehingga setiap citra memiliki bias atmomsfer yang minimal

7.

Untuk menghapus transform limit  dapat dilakukan dengan cara klik icon edit transform limit

 pada active window, klik e dit

→  delete

this

transform. Lakukan pada setiap band.

8.

Klik  File lalu Save as untuk menyimpan data. Simpan  file  histogram dengan nama  file HISTOGRAM_NAMA_NIM.ers pada  file type  pilih  ER Mapper Raster Dataset(.ers). klik Ok

3.3.2 Pengecekan Data dan Penyesuaian Histogram

1.

Tutup semua window, kemudian klik icon edit algorithm window ER Mapper, lalu klik icon load dataset

 pada active  buka  file  citra

 Histogram_Rachmat Afriyanto_26020114140104.ers. Lalu klik  Ok This  Layer Only

9.

Klik icon duplicate

untuk menduplikat  pseudo layer   5 kali. Ganti

 pseudo layer menjadi Band 1, Band 2, Band 3, Band 4, Band 5, dan Band 7. Dan masukkan  Band   sesuai dengan  Band nya. Ubah description menjadi Nama_NIM.

2.

Kemudian klik icon edit transform limit

Lalu cek nilai atmospheric

 bias setiap band . Nilainya harus diantara -3 sampai 3.

3.3.2 Regresi DPC ( Dar k Pixel Corr ection) 

1.

Untuk koreksi DPC dapat digunakan diggunakan data yang sama, dengan cara klik icon land application wizard

.

2.

Pada window land application wizard , lalu klik next 

3.

Pilih process TM Imagenary, lalu klik next 

4.

Pilih atmospheric effect correction, lalu klik next 

5.

Pilih dark pixel correction, lalu klik  next 

6.

Pada dialog box specify an input TM dataset , masukan citra yang akan dikoreksi berupa citra landsat_TM_23Apr85

7.

Pada dialog box specify an output filename, masukan nama file output nya  DPC_BelumKoreksi_RachmatAfriyanto_26020114140104.ers kemudian klik finish.

8.

Akan muncul citra dengan 7 band  yang belum terkoreksi. Lalu Klik icon edit algorithm

 pada active window ER Mapper, lalu Cut   pada Band

 DPC_TM6. Ubah description menjadi Nama_NIM.

9.

Kemudian icon edit transform limits

dan cek nilai atmospheric bias

 pada window  transform di setiap band . Kemudian pada window transform klik edit, delete this transform. Lakukan pada setiap band 

10. Simpan file dengan format .ers ( ER Mapper Raster Dataset ) Klik File lalu Save as untuk menyimpan data. Simpan file histogram dengan nama  file

DPC_SudahDikoreksi_RachmatAfriyanto_26020114140104.ers).

klik Ok

10. Tutup semua window, kemudian klik icon edit algorithm window ER Mapper, lalu klik icon load dataset

 pada active

 buka file citra yang

telah dikoreksi tadi.

11. Kemudian klik icon edit transform limit  bias setiap band .

Lalu cek nilai atmospheric

3.3.3 E nhanched Dark Pixel Corr ection

1.

Lakukan proses yang sama dengan teknik DPC hingga langkah ke-4

2.

Pada window processing TM Imagery Atmospheric, pilih enhanced dark  pixel correction, lalu klik next 

3.

Masukan file citra yang akan dikoreksi, Landsat_TM_23apr85.ers. klik next

4.

Pilih use TM1 as initial band   dan masukan nilai atmospheric  biasnya.  Nilai atmospheric bias dapat dilihat pada windows transform, lalu klik next 

5.

Pada select an option pilih sesuai dengan nilai atmospheric biasnya dan tuliskan nama

 file

output nya

yaitu

EDPC_BelumDikoresi_RachmatAfriyanto

 _26020114140104.ers. Klik finish.

6.

Akan muncul citra dengan 7 band  yang belum terkoreksi. Lalu Klik  icon edit algorithm

 pada active window ER Mapper, lalu Cut   pada Band

TM6. Ubah description menjadi Nama_NIM.

7.

Kemudian icon edit transform limits

dan cek nilai atmospheric bias

 pada window transform  di setiap  band . Kemudian pada window transform klik edit, delete this transform. Lakukan pada setiap band 

8.

Klik  File lalu Save as untuk menyimpan data. Simpan  file  histogram dengan

nama

 file

EDPC_SudahDikoreksi_RachmatAfriyanto

 _26020114140104.ers  pada  file type  pilih  ER Mapper Raster  Dataset(.ers). klik OK

9.

Tutup semua window, kemudian klik icon edit algorithm window ER Mapper, lalu klik icon load dataset telah dikoreksi tadi.

 pada active

 buka file citra yang

10. Kemudian klik icon edit transform limit  cek nilai atmospheric bias setiap band.

3.3.4 Cut off (Scatter gram)

1.

Lakukan proses yang sama dengan teknik EDPC hingga langkah ke-4

2.

Pada window processing TM Imagery Atmospheric, pilih cut off , lalu klik next.

3.

Pada dialog box specify an input TM dataset , masukan citra yang akan dikoreksi berupa citra landsat_TM_23Apr85

4.

Pada dialog  box specify an output filename, masukan nama  file output nya. Cutoff_BelumKoreksi_RachmatAfriyanto_26020114140104.ers kemudian klik next 

5.

Maka akan tampak pada window

6.

Pada window new map composition, klik cancel 

7.

Pada window processing TM imagery-atmospheric effect correction (cut off value),  masukan nilai atmospheric  bias masing-masing band.  Nilai atmospheric bias dapat dilihat pada window scattergram. Untuk melihat nilai-nilai atmospheric bias lainnya klik set up, ubah X Axis dan Y Axis nya. Lalu Klik Finish.

11. Akan muncul citra dengan 7 band  yang belum terkoreksi. Lalu Klik icon edit algorithm

 pada active window ER Mapper, lalu Cut   pada TM6.

Ubah description menjadi Nama_NIM.

8.

Kemudian icon edit transform limits

dan cek nilai atmospheric bias

 pada window transform  di setiap band . Kemudian pada window transform klik edit, delete this transform. Lakukan pada setiap band 

9.

Klik  File lalu Save as untuk menyimpan data. Simpan  file  histogram dengan

nama

 file

Cutoff_SudahKoreksi_RachmatAfriyanto_

26020114140104.ers  pada  file  Dataset(.ers). klik OK 

type  pilih  ER

Mapper

Raster

10. Tutup semua window, kemudian klik icon edit algorithm window ER Mapper, lalu klik icon load dataset

 pada active

 buka file citra yang

telah dikoreksi tadi.

11. Kemudian klik icon edit transform limit  cek nilai atmospheric bias setiap band.

IV. 4.1

HASIL DAN PEMBAHASAN

Hasil 4.1.1 Penyesuaian Histogram A.

Sebelum Dikoreksi No

Band

M in

M ax

1.

 Band 1

67

255

2.

 Band 2

21

216

3.

 Band 3

15

254

4.

 Band 4

3

210

5.

 Band 5

1

255

6.

 Band 6

1

247

Band 1 

Band 2 

Band 3 

Band 4 

Band 5 

Band 7 

B.

Setelah Dikoreksi

No

Band

1.

Min

Max

 Band 1

0

187

2.

 Band 2

0

184

3.

 Band 3

0

238

4.

 Band 4

0

192

5.

 Band 5

0

253

6.

 Band 6

0

249

1

2 n

n

d

d a

a B

B

3

4 n

n

d

d a

a B

B

5

7 n

n

d B

a

d B

a

4.1.2 Dark Pi xel Corr ection (DPC) A.

Sebelum Dikoreksi

No

Band

M in

M ax

1.

 Band 1

0

188

2.

 Band 2

1

196

3.

 Band 3

0

239

4.

 Band 4

-2

205

5.

 Band 5

-1

253

6.

 Band 6

0

246

Band 1 

Band 2 

Band 3 

Band 4 

Band 5 

Band 7 

B.

Sudah Dikoreksi

No

Band

M in

M ax

1.

 Band 1

1

188

2.

 Band 2

1

203

3.

 Band 3

1

239

4.

 Band 4

1

215

5.

 Band 5

1

253

6.

 Band 6

1

234

1

2 n

n

d

d a

a B

B

3

4 n

n

d

d a

a B

B

5

7 n

n

d B

a

d B

a

4.1.3 Enh anched Dark Pixel Corr ection (EDPC) A.

Sebelum Dikoreksi

No

Band

M in

M ax

1.

 Band 1

0

188

2.

 Band 2

-6.08065

188.91935

3.

 Band 3

-9.887156

229.112844

4.

 Band 4

-14.1118316

192.8881684

5.

 Band 5

-29.1111868

224.8888132

6.

 Band 6

-30.2289312

215.7710688

Band 1 

Band 2 

Band 3 

Band 4 

Band 5 

Band 7 

B.

Sesudah Dikoreksi

No

Band

M in

M ax

1.

 Band 1

2

188

2.

 Band 2

1

210

3.

 Band 3

1

240

4.

 Band 4

3

221

5.

 Band 5

1

225

6.

 Band 7

1

254

1

2 n

n

d

d a

a B

B

3

4 n

n

d

d a

a B

B

5

7 n

n

d B

a

d B

a

4.1.4 Cut Off A.

Sebelum Dikoreksi

No

Band

M in

M ax

1.

 Band 1

0

188

2.

 Band 2

0

195

3.

 Band 3

0

239

4.

 Band 4

0

207

5.

 Band 5

0

254

6.

 Band 6

0

246

Band 1 

Band 2 

Band 3 

Band 4 

Band 5 

Band 7 

B.

Sesudah Dikoreksi

No

Band

M in

M ax

1.

 Band 1

1

188

2.

 Band 2

1

202

3.

 Band 3

1

239

4.

 Band 4

1

217

5.

 Band 5

1

254

6.

 Band 6

1

234

1

2 n

n

d

d a

a B

B

3

4 n

n

d

d a

a B

B

5

7 n

n

d B

a

d B

a

4.2

Pembahasan 4.2.1 Memeriksa Nilai Atmospheric Bias Cahaya

Berdasarkan praktikum yang telah dilaksanakan, pada modul kedua  Koreksi Radiometri ini, pemeriksaan nilai bias atmospheric citra dilakukan guna mengetahui nilai bias yang terdapat pada citra yang akan selanjutnya dikoreksi dengan menggunakan metode penyesuaian histogram. Untuk melihat nilai bias citranya dapat menggunakan tools : Edit Transform Limit yang sebelumnya diolah menggunakan Land Application Wizard .

4.2.2 Penyesuain Histogram

Penyesuaian  histogram  adalah penyesuaian terhadap bias atmosferik yang dilakukan dengan menambahkan atau mengurangi nilai terendah pada window Formula Editor . Jika nilai terendah pada Band 1 adalah 67 maka kita tuliskan  INPUT1-67 . Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band  adalah 0. Penyesuaian histogram digunakan untuk mengevaluasi atau memeriksa kembali histogram pada setiap band dari data citra. Data pada panjang gelombang tampak (saluran 1 – 3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan dari atmosfer. Penyerapan atau absorbansi pada atmosfer akan mengurangi ketajaman pada data yang direkam dalam interval   panjang gelombang yang lebih besar seperti saluran 4, 5, 7. Sehingga data pada  band   ini nilai minimum yang baik adalah mendekati nilai nol.

4.2.3 DPC (Dar k Pixel Corr ection) 

Penyesuaian regresi DPC ( Dark Pixel Correction) adalah metode lain untuk menyesuaikan histogram dari suatu citra yang diolah. untuk membuka  Dark Pixel Correction, dapat dilakukan dengan cara klik icon Land  Application Wizard

  

Process TM Imagery



 Atmospheric Effect

Correction lalu pilih DPC. Koreksi akan dilakukan secara otomatis, saat kita memasukkan 

file 

citra

 Landsat_TM_23_Apr85.ers.

yang

akan

dikoreksi,

yaitu

Melalui histogram yang dicek tiap saluran secara independen, maka dapat diketahui nilai piksel terendah saluran tersebut, as umsi yang melandasi metode ini adalah bahwa dalam proses pemotretan digital oleh sensor , obyek yang memberikan respon spektral   paling lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai  offset , dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offset nya.

4.2.4 EDPC (Enh anched Dark Pixel Corr ection )

EDPC ( Enhanched Dark Pixel Correction) atau koreksi piksel gelap merupakan metode yang dilakukan untuk menyesuaikan  Histogram. Nilai TM yang digunakan sebagai inisial Band  adalah TM 1. Hal ini dikarenakan TM 1 dianggap telah mewakili nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau standar. Kemudian kita memakai kita menggunakan metode koreksi Clear dengan syarat TM2 < =55. Kita

mengenai  Enhanched

Dark

Pixel

Correction  dengan

menggunakan nilai TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan yaitu Very Clear, Clear, Moderate, Hazy, dan  Very Hazy dalam hal ini kita menggunakan metode koreksi Clear dengan syarat TM2 adalah >55
View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF