MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA AQUA MODIS
Briliana Hendra Prasetya (3507100004)
Dosen Pembimbing : Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS Lalu Muhamad Jaelani, ST, MSc
PENDAHULUAN 2
Latar Belakang LAUTAN
SPL
MODIFIKASI ALGORITMA AVHRR
AQUA MODIS
ESTIMASI SPL LEBIH AKURAT
Perumusan Masalah Bagaimana pengolahan citra satelit AQUA MODIS menggunakan modifikasi algoritma AVHRR untuk estimasi SPL? Bagaimana perbandingan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritma AQUA MODIS asli dan dikaitkan dengan data pengukuran SPL di lapangan?
PENDAHULUAN 3
Batasan Masalah a. Citra AQUA MODIS tanggal 19 oktober 2010. b. Pengukuran SPL di Selat Madura, citra AQUA MODIS yang digunakan mencakup perairan di sekitar Jawa Timur – Bali. c. Algoritma AVHRR yang dimodifikasi algoritma MCSST dan NLSST d. Band AQUA MODIS untuk modifikasi : band 20, 21, 22, 23, 31, 32. e. Data validasi yaitu data pengukuran SPL di lapangan.
PENDAHULUAN 4
Tujuan Mengolah citra satelit AQUA MODIS menggunakan modifikasi algoritma AVHRR untuk estimasi SPL. Untuk membandingkan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritma AQUA MODIS asli dan dikaitkan dengan data pengukuran SPL di lapangan.
Manfaat Algoritma baru hasil modifikasi dapat digunakan untuk penelitian tentang estimasi SPL selanjutnya sedangkan hasil estimasi SPL tersebut digunakan untuk memperkirakan kehidupan ekosistem di daerah yang diteliti.
Metodologi Penelitian 5
Lokasi Penelitian
U P. Madura P. Jawa
Validasi Data
P. Bali
Metodologi Penelitian 6
Data • • • •
Data citra AQUA MODIS level 1B tanggal 19 Oktober 2010 Data Geolokasi citra AQUA MODIS tanggal 19 Oktober 2010 Data hasil pengukuran SPL diambil secara in-situ Peta administrasi Indonesia skala 1:1.000.000.
Peralatan • Perangkat Keras (Hardware) • - GPS Navigasi • - Water Checker TROLL 9500 Multi Parameter Series S/N 47916 • Perangkat Lunak (Software) • - ENVI 4.6.1 • - Matlab 7.0.1 • - ArcGIS 9.3
Metodologi Penelitian 7
Tahap Pengolahan Data
Hasil dan Pembahasan 8
Pengelompokan SPL dari Pengukuran di Lokasi Penelitian No
Lintang
Bujur
Nilai SPL (⁰C)
1
-7 ⁰ 9,863
112⁰ 46,726
29,90
2
-7 ⁰10,569
112⁰ 46,772
29,48
3
-7 ⁰11,096
112⁰ 46,648
29,73
4
-7 ⁰11,701
112⁰ 46,734
29,40
5
-7 ⁰12,119
112⁰ 46,698
30,26
Rata-rata SPL
29,75
Hasil dan Pembahasan 9
Modifikasi Algoritma NOAA-AVHRR untuk AQUA MODIS
Algoritma MCSST • SST = 1.0364T1 + 1.0987(T1–T2) + 0.0030 (T1–T2) (secθ –1)– 280
Algoritma NLSST • SST = 0.9676T1+ 0.0034Tsfc(T1–T2)+0.6760(T1–T2) (secθ – 1) – 260 Masing-masing algoritma dimodifikasi dengan 7 macam kombinasi band secara empiris yaitu : band 31&32, band 20&21, band 20&22, band 20&23, band 21&22, band 21&23, dan band 22&23.
Hasil dan Pembahasan 10
Analisis Modifikasi Algoritma AVHRR untuk AQUA MODIS Citra NOAA/AVHRR
Citra AQUA MODIS
Band
Panjang Gelombang (µm)
Band
Panjang Gelombang (µm)
4
10,3 – 11,3
20
3,660 – 3,840
5
11,5 – 12,5
21
3,930 – 3,989
22
3,930 – 3,989
23
4,020 - 4,080
31
10,780 – 11,280
32
11,770 - 12,270
Menurut Sukresno (2008), Terdapat dua interval panjang gelombang yang umum digunakan untuk perhitungan SPL, yaitu infra merah jauh (10,1µm – 12,5µm) dan infra merah dekat (3,7µm – 4,2µm). Pada AQUA MODIS terdapat pada band 20, 21, 22, 23, 31, dan 32 sesuai dengan yang digunakan dalam modifikasi algoritma tersebut.
Hasil dan Pembahasan 11
Citra AQUA MODIS Koreksi Geometrik • nilai rata-rata RMS error adalah 0,733 yaitu memenuhi toleransi yang diberikan yaitu ≤ 1 piksel
1 7
2
8 6 3
5 4
Hasil dan Pembahasan 12
Suhu Permukaan Laut Hasil Pengolahan Citra
Suhu Permukaan Laut Algoritma AQUA MODIS Asli No
Lintang
Bujur
Nilai SPL (⁰C)
1
-7 ⁰ 9,863
112⁰ 46,726
30,52
2
-7 ⁰10,569
112⁰ 46,772
28,77
3
-7 ⁰11,096
112⁰ 46,648
29,18
4
-7 ⁰11,701
112⁰ 46,734
29,97
5
-7 ⁰12,119
112⁰ 46,698
32,43
Rata-rata SPL
30,17
Hasil dan Pembahasan 13
Suhu Permukaan Laut Hasil Modifikasi Algoritma AVHRR untuk AQUA MODIS - Modifikasi Algoritma MCSST
No
Lintang
Bujur
1
-7 ⁰ 9,863
2
SPL Modifikasi Algoritma NLSST (⁰C) 31&32
20&21
20&22 20&23 21&22 21&23 22&23
112⁰ 46,726
29,96
33,97
34,14
37,74
35,92
39,52
39,19
-7 ⁰10,569
112⁰ 46,772
28,70
31,45
32,38
35,88
35,77
39,27
37,47
3
-7 ⁰11,096
112⁰ 46,648
28,80
31,62
32,87
36,93
36,80
40,86
38,41
4
-7 ⁰11,701
112⁰ 46,734
29,29
32,85
33,37
37,01
35,84
39,48
38,47
5
-7 ⁰12,119
112⁰ 46,698
30,76
36,79
36,88
40,79
38,30
42,21
42,04
Peta Rata-rata SPL Modifikasi Algoritma MCSST Kombinasi band 3140,27 dan 39,12 32 SPL 29,50 33,34 33,93 37,67 36,53
Hasil dan Pembahasan 14
- Modifikasi Algoritma NLSST No
Lintang
Bujur
1
-7 ⁰ 9,863
2
SPL Modifikasi Algoritma NLSST (⁰C)
31&32
20&21
20&22 20&23 21&22 21&23 22&23
112⁰ 46,726
29,49
33,09
33,25
36,77
34,95
38,47
38,16
-7 ⁰10,569
112⁰ 46,772
28,30
30,71
31,61
35,01
34,84
38,25
36,53
3
-7 ⁰11,096
112⁰ 46,648
28,39
30,85
32,07
36,02
35,82
39,77
37,44
4
-7 ⁰11,701
112⁰ 46,734
28,86
32,03
32,53
36,08
34,90
38,45
37,47
5
-7 ⁰12,119
112⁰ 46,698
30,27
35,73
35,81
39,66
37,17
41,02
40,86
29,06
32,48
33,06
36,71
35,54
39,19
38,09
Rata-rata SPL
Hasil dan Pembahasan 15
Analisis SPL Hasil Pengolahan Citra a
• SPL pengolahan dengan algoritma AQUA MODIS Asli nilainya lebih tinggi dari data lapangan
b
• Nilai SPL hasil pengolahan dengan modifikasi algoritma AVHRR yang paling mendekati data lapangan yaitu modifikasi algoritma MCSST dan NLSST kombinasi 31 dan 32.
c
• SPL pengolahan citra tidak ada yang sama persis dengan data lapangan. SPL pengolahan citra berasal dari tenaga termal yang dipancarkan hingga kedalaman 0,1 mm, sedangkan data lapangan diukur pada kedalaman 0-1 m.
d
• Berdasarkan visualisasi peta, SPL berhubungan dengan fungsi kedalaman (Wijanarko, AB, 2003 dalam Santoso, 2008) yaitu semakin kaarah laut dalam nilai SPL semakin rendah.
Hasil dan Pembahasan 16
Korelasi Linear
Korelasi Linear AQUA MODIS Asli dengan Data Lapangan
Nilai R2 = 0,7087 atau R2 = 70,87% menunjukkan hubungan positif yang tinggi
Hasil dan Pembahasan 17
Korelasi Linear Modifikasi Algoritma AVHRR dengan Data Lapangan Kombinasi Band
Modifikasi Algoritma MCSST
Modifikasi Algoritma NLSST
Korelasi (R2)
Prosentase Korelasi (%)
Korelasi (R2)
Prosentase Korelasi(%)
31 dan 32
0,7212
72,12
0,7214
72,14
20 dan 21
0,7218
72,18
0,7191
71,91
20 dan 22
0,7811
78,11
0,7820
78,20
20 dan 23
0,8122
81,22
0,8132
81,32
21 dan 22
0,7077
70,77
0,6940
69,40
21 dan 23
0,6596
65,96
0,6509
65,09
22 dan 23
0,8179
81,79
0,8208
82,08
Hasil dan Pembahasan 18
Korelasi Linear Modifikasi Algoritma AVHRR dengan Algoritma AQUA MODIS Asli Kombinasi Band
Modifikasi Algoritma MCSST
Modifikasi Algoritma NLSST
Korelasi (R2)
Prosentase Korelasi (%)
Korelasi (R2)
Prosentase Korelasi(%)
31 dan 32
0,9979
99,79
0,9986
99,86
20 dan 21
0,9011
90,11
0,8998
89,98
20 dan 22
0,9016
90,16
0,8997
89,97
20 dan 23
0,8929
89,29
0,8925
89,25
21 dan 22
0,9410
94,10
0,9388
93,88
21 dan 23
0,9325
93,25
0,9311
93,11
22 dan 23
0,9449
94,49
0,9432
94,32
Hasil dan Pembahasan 19
Analisis Korelasi Linear Modifikasi algoritma yang memiliki korelasi baik dan nilainya mendekati data lapangan adalah : MCSST kombinasi band 31 dan 32 • korelasi terhadap data lapangan 72,12% • korelasi terhadap AQUA MODIS Asli 99,79%
NLSST kombinasi band 31 dan 32 • korelasi terhadap data lapangan 72,14% • korelasi terhadap AQUA MODIS Asli 99,86%
Nilai R2 yang semakin mendekati nilai 1 atau 100% menunjukkan adanya tingkat hubungan yang tinggi dan sebaliknya, makin dekat nilai R2 dengan 0 makin jelek hubungannya. (Walpole, 1995)
Hasil dan Pembahasan 20
Uji Ketelitian
Ketelitian SPL Algoritma AQUA MODIS Asli terhadap Data Lapangan S=1,04°C
Ketelitian SPL Modifikasi Algoritma AVHRR terhadap Data Lapangan Modifikasi Algoritma MCSST Kombinasi Simpangan( C) Band
Modifikasi Algoritma NLSST Kombinasi Simpangan( C) Band
31 dan 32
0,54
31 dan 32
0,50
20 dan 21
1,70
20 dan 21
1,59
20 dan 22
1,32
20 dan 22
1,22
20 dan 23
1,40
20 dan 23
1,31
21 dan 22
0,72
21 dan 22
0,66
21 dan 23
0,89
21 dan 23
0,83
22 dan 23
1,29
22 dan 23
1,21
Hasil dan Pembahasan 21
Analisis Uji Ketelitian
a
• Menurut Sukresno, 2008, perbandingan hasil perhitungan satelit dengan data hasil pengukuran insitu menggunakan data Buoy Tao pada kedalaman 1 meter yang sejauh ini memiliki selisih berkisar 0,50°C.
b
• Modifikasi algoritma yang memenuhi toleransi tersebut adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan simpangan 0,50°C
c
• Modifikasi algoritma NLSST band 31 dan 32 menghasilkan nilai SPL yang lebih teliti dan algoritma tersebut dapat direkomendasikan untuk dilakukan penelitian lebih lanjut untuk memastikan berlakuknya algoritma baru tersebut.
Kesimpulan dan Saran 22
Kesimpulan
a
• Nilai RMSerror rata-rata pengolahan citra AQUA MODIS tanggal 19 Oktober 2010 adalah 0,733.
b
• Hasil korelasi pengolahan SPL dengan algoritma AQUA MODIS Asli terhadap data lapangan yaitu R2=70,87%, hal ini menunjukkan adanya hubungan positif yang tinggi.
c
• Modifikasi algoritma menghasilkan SPL yang memiliki korelasi baik dan nilainya mendekati SPL data lapangan yaitu pada modifikasi algoritma MCSST kombinasi band 31 dan 32 dengan R2=72,12% serta modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan R2=72,14%.
Kesimpulan dan Saran 23
d
e
• Uji ketelitian hasil pengolahan SPL algoritma AQUA MODIS asli dengan data lapangan yaitu 1,04°C, hal ini melebihi toleransi yang diberikan yaitu ≤ 0,50°C sehingga kurang teliti terhadap data lapangan. • Hasil Modifikasi algoritma yang menghasilkan SPL memenuhi toleransi pada saat uji ketelitian yaitu ≤ 0,50°C adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 yaitu 0,50°C sehingga menghasilkan nilai SPL yang lebih baik dan mendekati data lapangan daripada pengolahan dengan algoritma AQUA MODIS Asli.
Kesimpulan dan Saran 24
Saran Untuk penelitian selanjutnya sebaiknya uji ketelitian dilakukan menggunakan data citra dan data lapangan pada waktu yang sama sehingga dapat diperoleh tingkat kecocokan dan ketelitian yang lebih akurat.
Sebaiknya hasil modifikasi yang telah teruji dan memenuhi toleransi pada penelitian ini dilakukan untuk penelitian lebih lanjut dengan menggunakan citra pada bulan yang berbeda sehingga dapat menguatkan kebenaran dari hasil modifikasi algoritma tersebut.
25
Sekian dan Terima Kasih
