KLASIFIKASI MULTISPEKTRAL PENUTUP LAHAN CITRA ALOS AV-NIR 2

KLASIFIKASI MULTISPEKTRAL PENUTUP LAHAN CITRA ALOS AV-NIR 2

Oleh:

Asgan Riza N (1), Bayu Raharja (2), M. Fauzi (2)

Balai Hidrologi dan Tata Air

Pusat Litbang SDA

1)       Staff Kementerian Energi dan Sumber Daya Mineral

2)       Staff Balai Hidrologi dan Tata Air, Calon Peneliti Hidrologi dan Konservasi Tata Air

1.   PENDAHULUAN

LATAR BELAKANG

  • Perlunya data penggunaan lahan secara multitemporal untuk kegiatan penelitian Experimental Basin Cimanuk sebagai salah satu parameter dalam analisis banjir.
  • Sejauh ini belum ada peta penggunaan lahan yang up-to date baik dari segi sumber data pembuatan, maupun tahun pembuatan.

MAKSUD DAN TUJUAN

  • Maksud dari kegiatan ini adalah memperoleh informasi yang up-to date dari citra satelit untuk mendapatkan peta  penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis banjir.
  • Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date.

2.   METODE

Alat dan Bahan :

  • Alat yang digunakan komputer, software image processing dan GIS, GPS untuk survey lapangan
  • Bahan yang digunakan Citra ALOS AV-NIR, peta RBI, dan peta DAS Cimanuk

Metode yang digunakan: Klasifikasi Multispektral

3.   KETERSEDIAAN DATA

Spesifikasi citra ALOS AV-NIR yang didapat dari Working Group adalah sebagai berikut:

  • Area liputan DAS Cimanuk yang terdiri dari 4 scene citra: scene 108-3730, scene  108-3740, scene  109-3730, dan scene  109-3740 dengan tanggal perekaman yang berbeda.
  • Sudah terkoreksi geometrik dan radiometrik, namun belum dilakukan kontrol kalibrasi multitemporal.
4.   CITRA ALOS
Satelit ALOS (Advanced Land Observing Satelite) adalah satelit milik Jepang yang merupakan satelit generasi lanjutan dari JERS-1 dan ADEOS yang dlengkapi dengan teknologi yang lebih maju, untuk memberikan kontribusi bagi dunia penginderaan jauh, terutama bidang pemetaan, pengamatan tutupan lahan secara lebih presisi dan akurat.
Satelit ALOS memiliki 3 Sensor Yaitu :
  • Panchromatic Remote Sensing Instrument for Stereo Mapping (PRISM) dengan resolusi 2,5 meter
  • Advanced Visible and Near Infrared Radiometer type-2 (AVNIR-2) resolusi 10 meter
  • Phased Array type L-band Synthetic Aperture Radar (PALSAR) resolusi 10 meter dan 100 meter.
ALOS AVNIR-2
Sensor AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) dilengkapi dengan kemampuan khusus yang memungkinkan satelit dapat melakukan observasi tidak hanya pada arah tegak lurus lintasan satelit , tetapi juga mode operasi dengan sudut observasi (Pointing Angle) hingga sebesar + 44o. Kemampuan itu diharapkan dapat membantu dalam pemantauan kondisi suatu area yang diinginkan. Sensor ini dapat dimanfaatkan dalam penyusunan peta penggunaan lahan atau peta vegetasi terutama dengan menggunakan band cahaya tampak (visible) dan inframerah dekat (near infrared).

Karakteristik citra ALOS AVNIR

Jumlah Band 4
Panjang Gelombang Band 1 : 0.42 to 0.50 micrometers (blue)
Band 2 : 0.52 to 0.60 micrometers (green)
Band 3 : 0.61 to 0.69 micrometers (red)
Band 4 : 0.76 to 0.89 micrometers (NIR)
Resolusi Spasial 10 meter
4.   KLASIFIKASI MULTISPEKTRAL
a. Klasifikasi: Pengelompokan objek berdasarkan kesamaan sifat
b. Klasifikasi Multispektral
  • Klasifikasi piksel citra
  • Pengelompokan piksel yang secara spektral sama/mirip.
  • Inputnya adalah nilai piksel citra pada tiap band.
c. Asumsi yang digunakan dalam klasifikasi multispektral adalah bahwa setiap obyek dapat dibedakan dari yang lainnya berdasarkan nilai spaktralnya. Dari beberapa penelitian eksperimental diperoleh hasil bahwa tiap obyek cenderung memberikan pola respon spektral yang spesifik

Kurva pantulan Spektral

Jenis Klasifikasi Multispektral

5.   SUPERVISED CLASSIFICATION

Klasifikasi terselia (supervised) diawali dengan pengambilan daerah sampel/ acuan (training area). Pengambilan sampel tersebut dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik untuk mewakili suatu obyek tertentu. Sampel yang telah diambil tersebut selanjutnya dijadikan sebagai masukkan dalam proses klasifikasi unuk seluruh citra dengan menggunakan algoritma tertentu.

Maximum Likelihood

Adalah Metode Parameter yang menggunakan fungsi Distribusi kemungkinan Normal untuk menentukan distribusi dan sejumlah set training pixel yang telah diketahui kelasnya. Pixel – pixel lain yang belum diketahui kelasnya ditetapkan termasuk kedalam salah satu kelas – kelas training sampel berdasarkan kemungkinan terbesar

6.   CEK LAPANGAN

Dilakukan untuk checking penampakan visual yang mirip karena masih ada keragu-raguan dalam menggolongkan jenis penggunaan lahan.

Tabel Uji Ketelitian Interpretasi

Keterangan :

A : Sawah Irigasi

B : Hutan

C : Pemukiman

D : Lahan Terbuka

E : Tegalan

F : Ladang

G : Kebun

Ketelitian interpretasi masing-masing jenis penggunaan lahan :

Sawah Irigasi        : (15/18) x 100% = 83.33%

Hutan                       : (3/4) x 100% = 75 %

Pemukiman           : (8/9) x 100 % = 88.89%

Lahan Terbuka     : (4/6) x 100% = 66.67%

Tegalan                    : (5/6) x 100% = 83.3%

Ladang                     : (2/2) x 100% = 100%

Kebun                      : (4/5) x 100% = 80%

Ketelitian interpretasi keseluruhan = 82.45%

7.   HASIL

Resolusi citra ALOS 10 meter, dengan kemampuan itu, penggunaan lahan yang dibuat dibedakan berdasarkan 14 kelas penggunaan lahan :

1.Air tawar
2.Belukar
3.Gedung
4.  Hutan
5.Kebun
6.Pasir Darat
7.Pasir Pantai
8.Pemukiman
9.Rawa
10.Rumput
11.Sawah Irigasi
12.Sawah Tadah Hujan
13.Tanah Terbuka
14.Ladang/ tegalan
8.   KESIMPULAN DAN SARAN

KESIMPULAN:

1.Berdasar Citra ALOS-AVNIR diperoleh peta penggunaan lahan dengan 14 kelas penggunaan lahan
2.Metode interpretasi Multispektral dibutuhkan Ketelitian dan juga training area yang cukup banyak untuk mendapatkan hasil klasifikasi yang baik
3.Setiap ekstraksi informasi dari citra satelit dibutuhkan checking lapangan karena banyak mix piksel yang mungkin terjadi

SARAN

1.Updating peta penggunaan lahan perlu dilakukan untuk kebutuhan penelitian di berbagai bidang
2.Kerjasama dengan instansi diluar PU perlu dibangun untuk meningkatkan kualitas SDM dibidang remote sensing

About raharjabayu
Has worked at Puslitbang SDAir Studied Geoscience at Gadjah Mada University From Yogyakarta Born on August 14, 1986

One Response to KLASIFIKASI MULTISPEKTRAL PENUTUP LAHAN CITRA ALOS AV-NIR 2

  1. kurnada says:

    sip Mas sharingnya…

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: