4/30/2012
Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi • Koreksi Geometri • Koreksi Radiometri • Koreksi Topografi • Penajaman Citra
Minggu 9
Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi • Visual • Dijital Tidak Terbimbing Terbimbing Parametric Non-Parametric
Sumber bacaan http://web.pdx.edu/~emch/ip1/bandcombinations.html http://www.crisp.nus.edu.sg/~research/tutorial/opt_int.htm PRINCIPLES OF REMOTE SENSING Dr. S. C. Liew Centre for Remote Imaging, Sensing and Processing National University of Singapore Blk S17/SOC1 Level 2, Lower Kent Ridge Road Singapore 119260
KOMBINASI WARNA Panchromatic Images
Multispectral Images/ Color Composite Image
Berbagai warna dapat dibuat berdasarkan 3 warna primer (Hukum warna Aditif)
1
4/30/2012
True Colour Composite/Natural color Kombinasi 3 warna yang disusun berurutan RGB, sehingga menghasilkan warna yang sama dengan warna yg ditangkap mata ketika memandang alam terbuka Untuk Landsat/Ikonos : kombinasi band RGB = 3:2:1
False colour composite : Vegetasi akan berwarna merah dengan berbagai tone. Variasi ini banyak digunakan untuk studi klasifikasi vegetasi. Merah tua menunjukkan vegetasi yang lebih padat/lebih sehat
R = band 4 G = band 3 B = band 2
Semakin muda menunjukkan vegetasi yang jarang. Air dangkal/keruh terliha lebih terang.
False Colour Composite Kombinasi 3 warna yang disusun berurutan RGB : 4:5:1 Banyak digunakan untk studi vegetasi. Vegetasi sehat akan berwarna merah gelap, orange, coklat, kuning,
2
4/30/2012
False Colour Composite Kombinasi ini banyak memberikan informasi variasi dan kontras warna. Vegetasi sehat berwarna hijau terang. Banyak digunakan untuk pengelolaan hutan. Daerah perumahan/urban berwarna merah/pink . R = band 5 G = band 4 B = band 3
Optimum Index Factor Nilai statistik yang dapat digunakan sebagai acuan untuk Menentukan Kombinasi 3 band dalam citra yang mempunyai tampilan warna yang paling optimum
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
3
4/30/2012
KLASIFIKASI VISUAL Element Order 1 • Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan • Colour : Warna obyek
False ColorComposite : LANDSAT, RGB = 5:4:3 Colour/Warna & Tone Obyek Hijau :? Hijau muda Hijau tua Merah : ? Merah muda/pink Biru :? Tua Kuningan : ? Kuning muda Putih :? Putih Abu Hitam :?
VISUAL 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
4
4/30/2012
False ColorComposite : LANDSAT, RGB = 5:4:3
VISUAL
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
5
4/30/2012
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
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 ?
6
4/30/2012
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 hijauhijau 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.
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
8.
Hutan tanaman mangium
Hijau terang pada Palsar dan hijau tua pada Landsat.
9.
Hutan tanaman Eucalypthus
Hijau terang pada Palsar dan hijau pada Landsat.
10.
Kebun campuran (Karangkitri)
Hijau muda pada Palsar dan hijau pucat pada Landsat
11a
Perkebunan sawit muda (dibawah 5 m)
Biru gelap pada Palsar dan hijauhijau kekuningan pada Landsat. Di daerah bergunung.
7
4/30/2012
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
11b
Perkebunan sawit muda (dibawah 5 m)
Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.
11c
Perkebunan sawit tua (diatas 10 m)
Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak.
11d
Perkebunan sawit tua (diatas 10 m)
Biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotakkotak.
12.
Perkebunan teh
Biru dan kehijauan menyebar pada Palsar dan hijau muda bercampur merah pada Landsat.
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
13.
Perkebunan karet rakyat
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola pada Palsar tidak bisa dilihat, tapi jelas pada Landsat.
13a
Perkebunan karet
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola terlihat jelas baik pada Palsar maupun pada Landsat.
14.
Perkebunan kelapa
Hijau pucat pada Palsar dan hijau muda-tua pada Landsat
15.
Perkebunan tebu
Hijau pada Palsar dan hijau pada Landsat. Kebun tebu biasanya dikelilingi oleh persawahan.
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
16.
Kebun salak
Hijau keabuan pada Palsar dan hijau muda pada Landsat
17.
Pertanian lahan kering
Biru menyebar pada Palsar dan merah kecoklatan menyebar pada Landsat
18.
Sawah
Biru gelap- ungu pada Palsar dan biru gelap pada Landsat. Sawah belum ditanami.
19.
Belukar tinggi
Hijau gelap pada Palsar dan hijau pada Landsat.
8
4/30/2012
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
20
Padang rumput
Biru gelap-ungu pada Palsar dan pink pada Landsat
21
Pemukiman perkotaan
Kuning- hijau kekuningan-putih pada Palsar dan merah pada Landsat
22
Pemukiman pedesaan
Merah muda pada Palsar dan merah pada Landsat. Pemukiman tersebar.
23.
Lapangan Golf
Biru gelap pada Palsar dan kuning muda pada Landsat.
No
Objek
Palsar (1,2,3)
Landsat (5,4,3)
Keterangan
24.
Bandara
Biru gelap pada Palsar dan kuning muda pada Landsat
25.
Badan air
Biru muda pada Palsar dan biru tua pada Landsat.
KLASIFIKASI DIGITAL • Distribusi Nilai DN • Pengelompokan Nilai DN Tidak Terbimbing Terbimbing (Parametric/Non Parametric: feature space) – – – –
Minimum Distance Parallelepiped Classification Stepped Parallelepiped Equiprobability Contours
9
4/30/2012
Digital Number Band 1 Band 2 Band 3 (B) Band 4 (G) Band 5 (R) Band 6
Band 5: 4: 3
Klasifikasi Tidak Terbimbing (Unsupervised Classification) • Mengelompokan Nilai DN Berdasarakan Minimum Distance, tanpa campur tangan operator • Tetap perlu pemahaman lapang untuk reklasifikasi
BAND 3
Feature Space (Distribusi DN, pada 2 sumbu/bands)
BAND 4
10
4/30/2012
KLASIFIKASI DIJITAL TIDAK TERBIMBING ISODATA Band B
I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)?
Band A
Band B
Band A 1st iteration cluster mean 2nd iteration cluster mean
Band 1
Iterasi 1. Data dikelompokan, namun cluster biru terpisah jauh
Band 2
Band 2
Band 2
ISODATA
Band 1
Iterasi 2. Kluster biru dipisah menjadi 2, Cyan and hijau hanya mempunyai 2 data.
Band 1
Iterasi n. Data pada kluster biru dan hijau, dikelompokan sbg pencilan/ dikelompokan dgn kluster terdekat.
11
4/30/2012
Klasifikasi Terbimbing • Mengelompokan Nilai DN Berdasarakan Minimum Distance, dengan arahan operator – Menentukan rule/aturan pengelompokan • Menentukan training area
– Klasifikasi – Pengelompokan Ulang – Uji akurasi
BAND 3
Feature Space (Pengempokkan DN, pada 2 sumbu/bands)
BAND 4
Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster)
12
4/30/2012
Band 1
Iterasi 1.Pusat Kluster ditempatkan secara acak, kemudian setiap pixel dikelompokan pada pusat kluster terdekat.
Band 2
Band 2
Band 2
Kedekatan dengan nilai rata-rata kluster
Band 1
Iterasi 2.Pusat kluster berpindah ke rata-rata pusat tiap kluster.
Band 1
Iterasi ke N. Kluster dan pusat kluster terakhir/stabil.
Parallelepiped Classification • Setiap kelas dikelompokan dengan menggunakan kotak spektral (Spectral box) •Terjadi overlap antar kotak, krn adanya korelasi band pada setiap kelasnya. •Data yg overlap dapat dikelompokkan sebagai tidak terklasifikasi
Stepped Parallelepiped Strategy
13
4/30/2012
KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC
KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC
Akurasi DATA KLASIFIKASI Hutan Primer Hutan Sekunder Semak Belukar Lahan Pertanian Lahan Terbuka Pemukiman Badan Air Producer Akurasi
DATA REFERENSI Hutan Primer 100 10 2 0 0 0 0 112 89.29
Hutan Semak Sekunder Belukar 10 2 60 3 2 45 0 10 0 0 0 0 0 0 72 60 83.33
75.00
Lahan Lahan Pertanian Terbuka 0 0 0 0 8 1 65 0 0 12 0 6 0 0 73 19 89.04
63.16
Pemukiman 0 0 0 0 8 23 0 31
Badan Air 0 0 0 0 0 0 12 12
74.19
100.0
Total 112 73 58 75 20 29 12 379
User Accuracy 89.29 82.19 77.59 86.67 60.00 79.31 100.00
83.64
Ommission error Commission error Over all accuracy Confusion matrix
14