Interpretasi Citra Untuk Pemetaan Penggunaan lahan
Download as PPTX, PDF20 likes58,590 views
Dokumen ini menjelaskan tentang penginderaan jauh dan interpretasi citra untuk pemetaan penggunaan lahan, termasuk sumber energi, jenis sensor, dan metode interpretasi. Energi elektromagnetik digunakan untuk mengindra informasi dari permukaan bumi yang kemudian diproses menjadi citra, baik secara visual maupun digital. Terdapat berbagai jenis sensor dengan kemampuan yang berbeda-beda dalam merekam data, serta aplikasi penginderaan jauh dalam analisis penggunaan lahan.
More Related Content
Similar to Interpretasi Citra Untuk Pemetaan Penggunaan lahan (20)
More from bramantiyo marjuki (20)
![Modul Ajar Deep Learning IPAS Kelas 5 Kurikulum Merdeka [modulguruku.com]](https://cdn.slidesharecdn.com/ss_thumbnails/modulajardeeplearningipaskelas5kurikulummerdekamodulguruku-250831091427-ce5de3f2-thumbnail.jpg?width=560&fit=bounds)
Interpretasi Citra Untuk Pemetaan Penggunaan lahan
- 1. INTERPRETASI CITRA UNTUK PEMETAAN PENGGUNAAN LAHAN
- 2. PENGINDERAAN JAUH DAN INTERPRETASI CITRA a. b. c. d. Sumber energi Energi melewati atmosfer Obyek permukaan Sensor dan wahana e. Ground station f. Analisis citra g. Aplikasi penginderaan jauh didefinisikan sebagai ilmu (dan juga seni sampai pada luasan tertentu) yang mempelajari bagaimana cara memperoleh informasi tentang suatu obyek di permukaan bumi tanpa ada kontak langsung dengan obyek tersebut. Perolehan informasi ini dilakukan dengan cara mengindra dan merekam energi dari suatu sumber energi yang terpantulkan atau terpancarkan oleh obyek di permukaan bumi, untuk kemudian diproses, dianalisis dan diaplikasikan untuk kepentingan tertentu (CCRS, 1999)
- 3. ENERGI DAN SUMBER ENERGI Energi yang digunakan dalam penginderaan jauh adalah radiasi elektromagnetik. Sumbernya dapat berupa sumber alami maupun buatan Sumber alami adalah matahari (passive remote sensing), sedangkan sumber buatan adalah berupa pembangkit sinyal (ampli/antenna) yang dipasang pada suatu wahana (active remote sensing)
- 4. SUMBER ENERGI GELOMBANG EM 1. Penginderaan Jauh Pasif Menggunanakan matahari sebagai sumber gelombang EM 2. Penginderaan Jauh Aktif Mempunyai sumber energi sendiri untuk menghasilkan gelombang EM
- 5. INTERAKSI DENGAN ATMOSFIR Perambatan gelombang elektromagnetik dari matahari ke bumi mengalami penyebaran (scattering), yang disebabkan oleh partikelpartikel dalam atmosfir. Perhatikan pada siang hari langit menjadi biru dan pada matahari terbit atau tenggelam, langit menjadi kemerahan. Hal ini disebabkan adanya scattering yang disebabkan oleh partikel-partikel dalam atmosfir
- 6. INTERAKSI DENGAN TARGET Energi yang tidak terserap dan tersebar pada atmosfir dapat mencapai permukaan bumi Energi yang mencapai target (I) akan terbagi lagi menjadi energi yang ditransmisikan (T) diserap target (A)) dan energi yang dipantulkan (R). Energi yang dipantulkan merupakan perhatian yang utama dalam remote sensing Pantulan Sempurna (Specular) Pantulan segala arah Diffuse)
- 7. INTERAKSI DENGAN TARGET SETIAP OBYEK AKAN MEMPUNYAI RESPON (DALAM BENTUK PERBEDAAN INTENSITAS PANTULAN-SERAPAN) YANG BERBEDA TERHADAP ENERGI GELOMBANG ELEKTROMAGNETIK YANG DATANG PADANYA. SELAIN ITU, OBYEK YANG SAMA JUGA AKAN MEMPUNYAI RESPON BERBEDA TERHADAP SPEKTRUM YANG BERBEDA
- 8. KURVA PANTULAN OBYEK SOIL VEGETATION WATER 0,3 1 3 10 m SETIAP OBYEK AKAN MEMPUNYAI RESPON (DALAM BENTUK PERBEDAAN INTENSITAS PANTULAN-SERAPAN) YANG BERBEDA TERHADAP ENERGI GELOMBANG ELEKTROMAGNETIK YANG DATANG PADANYA. SELAIN ITU, OBYEK YANG SAMA JUGA AKAN MEMPUNYAI RESPON BERBEDA TERHADAP SPEKTRUM YANG BERBEDA
- 9. WAHANA DAN SENSOR Wahana 4 Resolusi terkait kemampuan sensor dalam merekam Resolusi spasial Resolusi spektral Resolusi radiometrik Resolusi temporal Sensor
- 10. WAHANA PENGINDERAAN JAUH 1000 Km Satellite Rocket 100 Balloon 10 Aero plane 1 Helicopter Crane 0 Km
- 11. PEREKAMAN GELOMBANG EM 1. Sensor Fotografik Perekaman berlangsung seperti kamera foto biasa atau yang kita kenal sebagai proses kimiawi. Citra yang dihasilkan dibentuk dari titik-titik yang sangat halus 2. Sensor Elektronik Sensor yang bekerja secara elektrik, data yang direkam berupa data dijital/numerik. Citra dibentuk dari pixel (picture element)
- 12. BEBERAPA SENSOR SATELIT NOAA-AVHRR Resolusi Spasial : 1.1 kilometer Resolusi Spektral :6 Saluran (spektrum tampak – termal) Resolusi radiometrik : 10 Bit per Saluran Resolusi Temporal : 12 jam
- 13. BEBERAPA SENSOR INDERAJA LANDSAT Resolusi Spasial : 30 meter Resolusi Spektral : 8 Saluran (spektrum tampak – termal) Resolusi radiometrik : 8 Bit per Saluran Resolusi Temporal : 18 Hari
- 14. BEBERAPA SENSOR INDERAJA SPOT Resolusi Spasial : 10 meter Resolusi Spektral : 4 Saluran (spektrum tampak – inframerah gelombang pendek) Resolusi radiometrik : 8 Bit per Saluran Resolusi Temporal : 2-3 Hari
- 15. BEBERAPA SENSOR INDERAJA Quickbird Resolusi Spasial : 0.6 meter Resolusi Spektral : 4 Saluran (spektrum tampak – inframerah dekat) Resolusi radiometrik : 11 Bit per Saluran Resolusi Temporal : 3 Hari
- 16. DATA PENGINDERAAN JAUH FOTO UDARA 1. Lebih sederhana sistem operasionalnya 2. Tingkat kedetilan dapat disesuaikan dengan kebutuhan 3. Resolusi spasial lebih baik
- 17. 2. CITRA SATELIT 1. Biaya relatif lebih murah 2. Kontinyu 3. Mudah didapat Landsat (Amerika Serikat) Ikonos (Amerika Serikat +Jepang) Quickbird (Amerika Serikat) SPOT (Perancis ) NOAA (Amerika Serikat ) IRS (India) Aster (Amerika Serikat ), dll.
- 18. 3. RADAR 1. Mempunyai Sumber Energi Sendiri 2. Tidak Tergantung Waktu 3. Tembus Awan
- 19. CONTOH PRODUK FOTO UDARA PANCHROMATIC HITAM PUTIH 1 :30.000 1 : 50.000 TAHUN 1994 TAHUN 1994 1 : 7000 TAHUN 1996 1 :15.000 TAHUN 1990
- 20. Citra Landsat
- 21. CITRA SPOT
- 22. QUICKBIRD
- 23. Citra NOAA AVHRR, dengan resolusi spasial 4 km x 4 km
- 24. RADAR
- 25. KARAKTERISTIK CITRA SATELIT Satu pixel mewakili 30 meter x 30 meter (Landsat) 2,5 meter x 2,5 meter (SPOT) 1 meter x 1 meter (Ikonos) 0,6 meter X 0,6 meter (Quickbird) RESOLUSI SPASIAL Kemampuan sensor dalam mendefinisikan objek di permukaan bumi yang diwakili oleh pixel (picture element)
- 26. KARAKTERISTIK CITRA SATELIT Landsat-TM Band-521 Landsat-TM Band-342 Landsat-TM Band-432 Landsat-TM Band-247 RESOLUSI SPEKTRAL Resolusi spektral mendefinisikan kemampuan sensor untuk mendefinisikan kehalusan interval panjang gelombang yang bisa direkam
- 27. RESOLUSI TEMPORAL Lamanya satelit kembali lagi pada suatu lokasi atau wilayah yang sama Landsat : 16 hari SPOT : 26 hari Ikonos : + 3 hari Quikbird : 1 – 3,5 hari NOAA : 24 jam Sampai lokasi yang sama pada x hari
- 28. RESOLUSI RADIOMETRIK Resolusi radiometrik adalah ukuran sensitivitas sensor untuk membedakan aliran radiasi (radiation flux) yang dipantulkan atau diemisikan suatu objek oleh permukaan bumi. Sebagai contoh, radian pada panjang gelombang 0,6 - 0,7 m akan direkam oleh detektor MSS band 5 dalam bentuk voltage. Kemudian analog voltage ini disampel setiap interval waktu tertentu (contoh untuk MSS adalah 9,958 x 10-6 detik) dan selanjutnya dikonversi menjadi nilai integer yang disebut bit. MSS band 4, 5 dan 7 dikonversi ke dalam 7 bit (27=128), sehingga akan menghasilkan 128 nilai diskrit yang berkisar dari 0 sampai dengan 127. MSS band 6 mempunyai resolusi radiometrik 6 bit (26=64), atau nilai integer diskrit antara 0 63. Generasi kedua data satelit seperti TM, SPOT dan MESSR mempunyai resolusi radiometrik 8 bit (nilai integer 0 - 255). Citra yang mempunyai resolusi radiometrik yang lebih tinggi akan memberikan variasi informasi yang lebih tinggi dibandingkan dengan citra yang mempunyai resolusi radiometrik yang lebih rendah 4 NILAI KECERAHAN (2 BIT) BIT) 256 NILAI KECERAHAN (8
- 29. .GROUND STATION AND PROCESSING Pemrosesan, setelah energi dideteksi dan ditangkap sensor, energi ini kemudian direkam dalam detektor, untuk kemudian diproses menjadi citra. Untuk sistem fotografi, detektor berupa film yang nanti kemudian dicetak menjadi foto. Sedangkan untuk sistem elektronis/digital, data yang terekam dikirim ke stasiun penerima di bumi untuk kemudian diproses menjadi citra digital. LAPAN Pare Pare Ground Station
- 30. ANALISIS CITRA (EKSTRAKSI INFORMASI TEMATIK DARI CITRA) Interpretas i visual Analisis digital
- 31. INTERPRETASI VISUAL Aktivitas visual untuk mengkaji citra yang menunjukkan gambaran muka bumi yang tergambar di dalam citra tersebut untuk tujuan identifikasi obyek dan menilai maknanya ( howard, 1991 ). TAHAPAN INTERPRETASI VISUAL DETEKSI IDENTIFIKASI ANALISIS
- 32. KUNCI INTERPRETASI VISUAL (IDENTIFIKASI OBYEK) Rona/Warna; merupakan nilai kecerahan relatif dari obyek. Rona merupakan unsur paling dasar untuk membedakan obyek, Rona yang berbeda biasanya mengindikasikan obyek yang berbeda pula. Bentuk; merupakan keadaan umum , struktur atau penciri tepi suatu obyek, bentuk kotak biasanya mencirikan sawah, permukiman atau gedung, bentuk tidak beraturan mencirikan vegetasi, hutan, dan sebagainya. Ukuran; besar kecilnya suatu obyek dibandingkan dengan obyek yang lain. Kantor dan Sekolah bisa saja mempunyai bentuk dan rona yang sama, tapi keduanya bisa dibedakan dari segi ukurannya.
- 33. KUNCI INTERPRETASI VISUAL (IDENTIFIKASI OBYEK) Pola; merupakan susunan keruangan dari obyek. Kompleks perumahan biasanya dicirikan dengan pola obyek rumah yang teratur dan dipisahkan jalan, sedangkan permukiman kumuh justru sebaliknya. Tekstur; merupakan variasi rona di dalam sebuah obyek. Tekstur kasar tidak teratur biasanya mencirikan vegetasi, sedangkan tubuh air tenang atau sawah mempunyai tekstur halus. Bayangan; Bayangan merupakan penciri obyek yang mempunyai aspek ketinggian atau tidak. Bayangan biasanya dipakai untuk mengidentifikasi dan membedakan perbukitan dan dataran pada pemetaan geologi – geomorfologi. Asosiasi; Hubungan antara satu obyek dengan obyek lain. Beberapa obyek terkadang mempunyai kedekatan posisi satu sama lain seperti permukiman perkotaan berasosiasi dengan jaringan jalan, sungai biasanya diikuti pepohonan rimbun di bantarannya.
- 34. CONTOH PENERAPAN KUNCI INTERPRETASI VISUAL
- 37. INTERPRETASI CITRA DIGITAL/KLASIFIKASI MULTISPEKTRAL Proses interpretasi obyek pada citra secara otomatis dengan bantuan komputer. Proses interpretasi hanya mengandalkan pada informasi rona/warna (spektral). Lebih cepat daripada interpretasi visual, tetapi informasi yang dihasilkan lebih terbatas. Keluaran dalam format Raster. Proses klasifikasi ada 2 macam, Supervised dan Unsupervised.
- 38. TAHAPAN KLASIFIKASI MULTISPEKTRAL (SUPERVISED) Operator mendefinisikan skema kelas informasi (air, vegetasi, lahan terbuka, lahan terbangun, dsb). Operator memilih area sampel kelas spektral pada citra, kemudian mendefinisikan informasinya sesuai dengan kelas informasi yang cocok. Komputer mengklasifikasi kelas spektral sesuai dengan area sampel, dilanjutkan penamaan kelas informasi yang sesuai Operator melakukan Uji Akurasi
- 39. TAHAPAN KLASIFIKASI MULTISPEKTRAL (UNSUPERVISED) Operator mendefinisikan skema kelas informasi (air, vegetasi, lahan terbuka, lahan terbangun, dsb). Komputer mengklasifikasi kelas spektral sesuai dengan parameter statistik yang ditentukan operator. Operator mendefinisikan dan mencocokkan kelas spektral dengan kelas informasi Operator melakukan Uji Akurasi
- 40. Analysis/Interpretasi Digital indeks vegetasi
- 41. PERBANDINGAN INTERPRETASI VISUAL DAN DIGITAL Metode Kelebihan Kekurangan Interpretasi Visual - Pengetahuan interpreter bisa dimanfaatkan semaksimal mungkin. - Penerapan skala pemetaan fleksibel - Proses interpretasi memerlukan waktu lama - Hasil interpretasi bersifat subyektif dan berbeda pada setiap interpreter. Klasifikasi Digital - Waktu pemrosesan relatif singkat - Parameter kuantitatif dari citra bisa diekstrak - Pengetahuan interpreter tidak bisa dimanfaatkan - Penerapan skala pemetaan tidak fleksibel
- 42. INTERPRETASI CITRA UNTUK PEMETAAN PENGGUNAAN LAHAN
- 43. PENGGUNAAN LAHAN ???? Lahan Merupakan material dasar dari suatu lingkungan (situs), yang diartikan berkaitan dengan sejumlah karakteristik alami yaitu iklim, geologi, tanah, topografi, hidrologi dan biologi (Aldrich, 1981). Dalam pengertian lain, lahan didefinisikan sebagai ruang diatas permukaan bumi yang mempunyai ciri khusus dari aspek iklim, geologi, topografi, tanah, hidrologi dan biologi. Obyek yang ada dipermukaan lahan disebut dengan penutup lahan. Secara umum penutup lahan dapat dibedakan menjadi tiga kategori, yaitu vegetasi, tanah, dan air, yang nantinya diperinci menjadi kategori yang lebih detil. Adapun penggunaan lahan adalah segala bentuk aktivitas manusia di atas lahan. Contoh penggunaan lahan antara lain sawah, permukiman, pertokoan, kantor, kebun, tambang dan lain-lain.
- 45. Proses interpretasi Citra Penggunaan Lahan
- 46. Jenjang III Jenjang I Jenjang IV 1. Daerah Bervegetasi A. Daerah Pertanian 1. 2. 3. 4. 5. 6. Sawah Irigasi Sawah Tadah Hujan Sawah Lebak Sawah pasang surut Ladang/Tegal Perkebunan - Cengkeh Coklat Karet Kelapa Kelapa Sawit Kopi Panili Tebu Teh Tembakau - Hutan bambu Hutan campuran Hutan jati Hutan pinus Hutan lainnya Hutan bakau Hutan campuran Hutan nipah Hutan sagu 7. Perkebunaan Campuran B. Bukan Daerah Pertanian 8. Tanaman Campuran 1. Huatan lahan kering 2. C. Bukan daerah pertanian II. Daerah tak bervegetasi III. Permukiman dan lahan bukan D. Daerah tanpa liputan vegetasi pertanian IV. Perairan Simbol Jenjang II E. Tubuh perairan 3. 4. 5. 6. 7. 8. 1. 2. 3. 4. 5. 1. 2. 3. 4. 5. Hutan lahan basah Belukar Semak Padang Rumput Savana Padang alang-alang Rumput rawa Lahan terbuka Lahar dan Lava Beting Pantai Gosong sungai Gumuk pasir Permukiman Industri Jaringan jalan Jaringan jalan KA Jaringan listrik tegangan tinggi 6. Pelabuhan udara 7. Pelabuhan laut 1. Danau 2. Waduk 3. Tambak ikan 4. Tambak garam 5. Rawa 6. Sungai 7. Anjir pelayaran 8. Saluran irigasi 9. Terumbu karang 10. Gosong pantai Si St Sl Sp L C Co K Ke Ks Ko P T Te Tm Kc Te Hb Hc Hj Hp Hl Hm Hc Hn Hs B S Pr Sa Pa Rr Lb Ll Bp Gs Gp Kp In D W Ti Tg R SKEMA KLASIFIKASI PENGGUNAAN LAHAN
- 48. PENGINDERAAN JAUH UNTUK PENGGUNAAN LAHAN WHY ????? Cakupan Area Perekaman Luas Perekaman/pengamatan multi waktu Multi resolusi Multi Skala Aksesbilitas Biaya Lebih Murah Integrasi dengan GIS/Model Spasial
- 49. DEMO
- 50. REVIEW DAN QUIZ
- 51. FURTHER READINGS Fundamentals of Remote Sensing (http://www.nrcan.gc.ca/sites/www.nrcan.gc.ca.earthsciences/files/pdf/resource/tutor/fundam/pdf/fundamentals_e.pdf) Principles of Remote Sensing (http://www.crisp.nus.edu.sg/~research/tutorial/rsmain.htm) NEODC Remote Sensing Tutorial (http://www.neodc.rl.ac.uk/tutorials/rstutorial/tutorialhome.htm)
- 52. FREE DOWNLOAD REMOTE SENSING DATA (MENCAKUP WILAYAH INDONESIA) http://www.landcover.org (LANDSAT 1-8, DEM SRTM, MODIS, ASTER, AVHRR, EO-1 ALI, EO-1 HYPERION) http://earthexplorer.usgs.gov (LANDSAT 1-8, SRTM, MODIS, ASTER, AVHRR, EO-1 ALI, EO-1 HYPERION, OrbView-3, SIR-C RADAR, Foto Udara skala kecil) http://glovis.usgs.gov (LANDSAT 1-7, SRTM, MODIS, ASTER, AVHRR, EO-1 ALI, EO-1 HYPERION, OrbView-3, SIR-C RADAR, Foto Udara skala kecil, TerraLook) http://terralook.cr.usgs.gov/ (LANDSAT, ASTER) http://lance.nasa.gov/data-products/modis-products/ (MODIS) http://reverb.echo.nasa.gov/ (LANDSAT, ASTER GDEM, MODIS, TRMM)
- 53. SOFTWARE PENGOLAHAN CITRA Komersil/Berbayar ERDAS IMAGINE (http://www,erdas,com ) ENVI (http://www.exelisvis.com/language/en-us/productsservices/envi.aspx) PCI Geomatica (http://www.pcigeomatics.com/) ER Mapper (http://www.erdas.com/products/ERDASERMapper/ERDASERMapper/Details.aspx) Global Mapper (http://www.bluemarblegeo.com/global-mapper/index.php) ESRI ArcGIS (http://www.esri.com ) IDRISI GIS (http://www.clarklabs.org/) Freeware/Open Source ILWIS (http://52north.org/communities/ilwis/) OPTICKS (http://opticks.org/confluence/display/opticks/Welcome+To+Opticks) GRASS (http://grass.fbk.eu/) OSSIM (http://www.ossim.org/OSSIM/OSSIM_Home.html) BILKO (http://www.noc.soton.ac.uk/bilko/) SPRINGS (http://www.dpi.inpe.br/spring/) MultiSpec (https://engineering.purdue.edu/~biehl/MultiSpec/)
- 54. TERIMAKASIH