PENGEMBANGAN TEKNIK NORMALISASI DAN DENORMALISASI PADA METODE RPC UNTUK ORTHOREKTIFIKASI CITRA SATELIT PENGINDERAAN JAUH

PENGEMBANGAN TEKNIK NORMALISASI DAN DENORMALISASI PADA METODE RPC UNTUK ORTHOREKTIFIKASI CITRA SATELIT PENGINDERAAN JAUH Danang Surya Candra Pusat Teknologi dan Data Penginderaan Jauh - LAPAN [email protected] ABSTRAK Metode RPC tidak memerlukan informasi parameter orientasi dalam (IO) dan luar (EO) sehingga sangat prospektif digunakan untuk orthorektifikasi citra.Oleh sebab itu metode koreksi RPC digunakan untuk meningkatkan akurasi posisi pada saat parameter-parameter dari model sensor fisik tidak diketahui. Pada penelitian ini dibangun teknik normalisasi dan denormalisasi yang lebih sederhana dibandingkan teknik yang dibangun oleh Grodecki, Dial dan Lutes. Hasil dari eksperimen yang dilakukan adalah kedua teknik mempunyai pola dan RMSE yang hampir sama (RMSE Riset = 0,92 dan RMSE Grodecki = 0,91). Hasil tersebut memperlihatkan bahwa teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini mempunyai kemampuan yang sama apabila dibandingkan dengan metode normalisasi dan denormalisasi yang dibangun oleh Grodecki, Dial dan Lutes. Sehingga teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini dapat digunakan pada proses orthorektifikasi dengan menggunakan metode RPC. Kelebihan teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini adalah lebih sederhana dan mudah diterapkan. Kata Kunci:RPC, orthorektifikasi, penginderaan jauh, SPOT-4

ABSTRACT RPCmethodsdoes not requireinformationof interior orientation(IO) andexterior orientation (EO) parameters, so it is highly prospective used fororthorektification of image. Therefore, RPCmethodscan be usedtoimprove thepositioning accuracywhenthe parameters of thephysicalsensor modelare unknown. Inthis studybuiltnormalization and denormalization techniques which aresimpler and easier thanthe technique which are builtby Grodecki, DialandLutes.The resultsof the experiment arethe two techniqueshavealmost the samepatterns and RMSE(RMSE Riset =0.92andRMSEGrodecki=0.91). These resultsshowthat thenormalizationanddenormalizationtechniques which are builtin this studyhavethe same abilitywhencompared to thenormalizationanddenormalizationtechniques which arebuilt by Grodecki, Dial, andLutes.Thus thenormalization and denormalizationtechniques which are builtonthis researchcan be used onorthorektificationprocessusingRPC. The other advantage of normalizationdenormalizationtechniques which arebuilt inthis study is simplerandeasier to be applied. Keywords:RPC, orthorektification, remote sensing, SPOT-4

Diterima (received): 17-11-2011; disetujui untuk publikasi (accepted): 17-12-2011

118

PENDAHULUAN Ortorektifikasi citra satelit dapat dilakukan dengan dua cara, yaitu dengan mempergunakan model orbit satelit teliti dan aproksimasi model orbit satelit. Ketergantungan padaparameter fisikdan parameterorbit satelitmembuat model orbit satelit telitijauh lebih rumit dan sulit diterapkan. Umumnya model orbit satelit teliti hanya dimiliki oleh pemilik satelit dan tidak diberikan kepada umum, sedangkan model aproksimasi dapat berupa model RPC ataupun sistem proyeksi paralel (Harintaka et. Al, 2007). Model RPC sangat prospektif dipergunakan untuk ortorektifikasi citra dengan pertimbangan: tidak memerlukan informasi parameter orientasi dalam (IO) dan luar (EO), dan diperlukan titik kontrol yang lebih sedikit daripada model orbit satelit teliti.Metode koreksi RPC digunakan untuk meningkatkan akurasi posisi pada saat parameter-parameter dari model sensor fisik tidak diketahui. (Zhan, et al., 2008).RPC merupakan model matematika yang tidak bergantung pada sensor dan telah digunakan secara luas oleh perusahaan satelit untuk proses survei Citra Satelit Resolusi Tinggi (HRSI) dan sebagai alternatif dari Rigorous Sensor Model. Beberapa kajian ortorektifikasi pada citra satelit telah banyak dilakukan, antara lain oleh Ganas et al. (2001) dan Tonolo and Poli (2003). Ganas, et. al (2001) melakukan ortorektifikasi IKONOS level geo menggunakan 17 Titik Kontrol Tanah (GCP) dan DTM. RMSE yang dihasilkan pada penelitian tersebut adalah 0,6piksel

dan RMSE pada titik cek ≤ 1 piksel.Berdasarkan hasil tersebut menunjukan citra IKONOS level Geo dapat diproses untuk menghasilkan citra dengan ketelitian yang lebih tinggi.Tonolo and Poli (2003) menggunakan RPC dengan 40 GCP yang tersebar merata untuk melakukan georeferencing citra EROS A1.Titik kontrol (GCP) yang digunakan berasal dari peta skala 1: 5.000 dan DTM dengan grid sebesar 50m × 50m. RMSE yang dihasilkan pada titik kontrol 0,7 meter dan pada titik cek 5,04 meter. Di dalam metode RPC yang dikembangkan oleh (Grodecki, Dial, and Lutes, 2004) terdapat teknik normalisasi dan denormalisasi. Teknik tersebut dibangun untuk memperbaiki kesalahan pada perhitungan numerik. Teknik tersebut menggunakan deret taylor untuk melinierisasi model RPC. Sehingga teknik tersebut cukup rumit untuk diterapkan. Pada penelitian ini dikembangkan teknik normalisasi dan denormalisasi yang lebih sederhana dan mudah diterapkan. Teknik tersebut akan dibandingkan dengan teknik yang dibangun oleh (Grodecki, Dial, and Lutes, 2004). Jika hasil dari penelitian ini memperlihatkan bahwa teknik tersebut mempunyai kemampuan yang sama dibandingkan dengan metode normalisasi dan denormalisasi yang dibangun oleh (Grodecki, Dial, and Lutes, 2004), maka teknik tersebut dapat digunakan pada proses orthorektifikasi dengan menggunakan metode RPC untuk penelitian selanjutnya.

119

Konsep Orthorektifikasi Ortorektifikasi adalah proses transformasi ke sistem koordinat peta dengan menggunakan data model permukaan digital (DTM) untuk mengkoreksi pergeseran relief (Baltsavias, 2000). Ortorektifikasi pada dasarnya merupakan proses manipulasi citra untuk mengurangi/menghilangkan berbagai distorsi yang disebabkan oleh kemiringan kamera/sensor dan pergeseran relief.

Secarateoritik foto terektifikasi merupakan foto yang benar-benar tegak dan oleh karenanya bebas dari pergeseran letak oleh kemiringan, tetapi masih mengandung pergeseran karena relief topografi (relief displacement).Pada foto udara pergeseran relief ini dihilangkan dengan rektifikasi differensial (Frianzah, 2009).Gambar di bawah ini menyajikan pemanfaatan DTM untuk mengkoreksipergeseran relief.

Gambar 1.Penggunaan DTM pada proses orthorektifikasi. (PCI, 2005).

METODOLOGI Data Penelitian ini menggunakan data SPOT-4 dengan K/J: 286/364 tanggal perekaman 12 November 2010. Data acuan yang digunakan dalam penelitian ini adalah data Landsat Ortho USGS.Data DEM yang digunakan adalah SRTM 30.Pemilihan data SPOT-4 mengacu pada data yang bebas awan (liputan awan < 20%) dan mempunyai ketinggian yang 120

bervariasi.Satelit SPOT-4 membawa dua detektor HRVIR.Detektor ini mirip dengan HRV, hanya saja HRVIR memiliki tambahan kanal SWIR dan lebar kanal panjang gelombang dari panchromatik untuk HRVIR lebih sempit dibanding HRV. Pada pemetaan dan analisis yang membutuhkan tingkat ketelitian geometrik yang lebih presisi data-data dengan level 1A, 1B dan 2A tidak sesuai untuk kebutuhan tersebut. Untuk itu, kualitas geometrik dari data SPOT-4 yang

tersedia perlu ditingkatkan menjadi kualitas yang lebih presisi sampai pada

level3(ortho).

Gambar 2.Citra SPOT-4 dengan K/J 286/364 tanggal perekaman 12 November 2010

Gambar 3.Kemampuan melihat pada off-nadir dari SPOT-4

Metode RPC Model RPC mentransformasikan dimensi3 dari koordinat objek-citra ke dalam dimensi-2 (Grodecki dan Dial, 2001).Model fungsional RPC merupakan perbandingan dua polinomial kubik koordinat tanah, dan menyediakan fungsional antara koordinat tanah dan

koordinat citra (Frianzah, 2009).Pemisahan fungsi rasional disediakan untuk pemetaan koordinat tanah ke koordinat citra line/baris dan sample/kolom) secara berurutan.Fungsi rasional baris dan kolom menurut (Grodecki dan Dial, 2003) adalah sebagai berikut: dimana,

121

Untuk menentukan nilai koefisien RPC (ci, di, ei, fi) diperlukan sejumlah GCP dengan jumlah minimal 7 (untuk orde 1) hingga 39 (untuk orde 3).Untuk memperbaiki ketelitian secara numerik, koordinat citra dan tanah dinormalisasikan ke range

−1 ≤ 𝑥 ≤

(Grodecki, Dial, and Lutes, 2004).Denormalisasi RPC menurut (Grodecki, Dial, dan Lutes, 2004) adalah sebagai berikut.

1

L = p(Ф, λ, h) dan S = r(Ф, λ, h) . Denganp dan r adalah denormalisasi model RPC, dimana

Pada penelitian ini, teknik normalisasi yang dibangun menggunakan formula: 𝑋𝑛𝑜𝑟𝑚 =

2(𝑋−𝑋𝑚𝑖𝑛 ) (𝑋𝑚𝑎𝑥 −𝑋𝑚𝑖𝑛 )

− 1.

dengan Xnorm = Hasil normalisasi titik X pada koordinat citra X = Titik X pada koordinat citra Xmax = Titik X pada koordinat citra dengan nilai tertinggi Xmin = Titik X pada koordinat citra dengan nilai terendah Sedangkan teknik denormalisasi yang dibangun menggunakan formula: 𝑋𝑑𝑒𝑛𝑜𝑟𝑚 = (0.5 𝑋𝑐𝑎𝑙𝑐 + 1 𝑋𝑚𝑎𝑥 − 𝑋𝑚𝑖𝑛 ) − 𝑋𝑚𝑖𝑛 Diagram alir untuk proses pencarian parameter pada metode RPC dijelaskan di bawah ini (Gambar 4).

Deret Taylor digunakan untuk melinearisasi persamaan RPC tersebut, sehingga:

Setelah parameter RPC diperoleh, maka kita dapat mencari RMSE nya. RMSE tersebut akan dibandingkan dengan RMSE metode RPC dengan menggunakan teknik yang dibangun oleh (Grodecki, Dial, 2004).Diagram alir

122

and pencarian

Lutes, RMSE

dapat dilihat pada gambar 5 Data SPOT 2/4 Belum Terkoreksi

Data Acuan Landsat Ortho USGS

Pembuatan Titik-titik GCP

Titik-titik GCP (X, Y, U, V)

Normalisasi

Data DEM (W)

Pencarian Koefisien RPC

Model RPC

Persamaan Kuadrat Terkecil

Koefisien RPC

Gambar 4.Diagram alir proses pencarian parameter pada metode RPC

HASIL DAN PEMBAHASAN

GCP dibuat merata ke seluruh citra

Secara teoritis, penyebaran GCP akan memberikan kontribusi terhadap ketelitian orthoimage yang dihasilkan. Semakin menyebar distribusi titik-titik GCP maka nilai residu yang dihasilkan diharapkan merupakan representasi ketelitian posisi pada seluruh permukaan citra SPOT-4.Pada penelitian ini, distribusi

SPOT-4.Dari penelitian ini dihasilkan 82 titik GCP.Titik-titik tersebut tersebar merata pada scene data SPOT-4.Hasil dari pembuatan titik-titik GCP dapat dilihat pada gambar 6.Pada proses penentuan parameter RPC digunakan orde 1. Parameter-parameter RPC yang diperoleh dapat dilihat pada tabel1.

Pencarian X’ dan Y’

Model RPC

Koefisien RPC

X’ dan Y’

Denormalisasi

X’denorm dan Y’denorm

Perhitungan RMS Error

X dan Y

RPC RMS Error

Gambar 5.Diagram alir proses pencarian RMSE pada metode RPC. Tabel 1.Nilai Parameter RPC Orde 1

No

Parameter

Baris (X) ci

Kolom (Y) di

ei

fi 123

1 2 3 4

Konstanta U V W

0,00004 -1,00011 -0,00076 0,000156

1,00000 -4,3E-06 -0,00011 -0,00052

0,00008 0,00065 0,99894 0,00091

1,00000 0,00026 -0,00021 -0,00042

Gambar 6:Hasil dari pembuatan titik-titik GCP

Hasil hitungan residu GPC menunjukkan bahwa besarnya di bawah 2.03 piksel, yaitu bervariasi antara 0.11 sampai 2.61 piksel.Nilai residu terkecil bernilai 0.11 piksel yang terletak pada titik GCP26 dan terbesar pada titik GCP74 yaitu sebesar 2.61 piksel.Nilai RMS Error yang didapat pada eksperimen ini adalah 0.92 piksel.

Secara terpisah, dilakukan proses pencarian RMS Error dengan menggunakan teknik normalisasi dan denormalisasi titik-titik GCP pada metode RPC dari (Grodecki, Dial, dan Lutes, 2004). Dari proses tersebut diperoleh RMSError0.91.

Tabel 2.Besar RMSE pada Titik Kontrol (GCP) dengan Teknik Normalisasi dan

Denormalisasi yang Dibangun pada Penelitian ini.

Tabel 3.Besar RMSE pada Titik Kontrol (GCP) dengan Teknik Normalisasi danDenormalisasi

yang dibangun oleh (Grodecki, Dial, dan Lutes, 2004)

124

Tabel 4.Perbandingan Hasil

Teknik Normalisasi & Denormalisasi Riset Grodecki, Dial & Lutes (2004)

Residu Terkecil (Piksel)

Residu Terbesar (Piksel)

RMS Error (Piksel)

0,11  GCP26 0,13  GCP26

2,61  GCP74 2,40  GCP74

0.92 0.91

Dari eksperimen yang dilakukan terlihat bahwa hasil dari kedua teknik mempunyai pola dan RMSE yang hampir sama. Hal tersebut memperlihatkan bahwa teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini mempunyai kemampuan yang sama apabila dibandingkan dengan metode normalisasi dan denormalisasi yang dibangun oleh (Grodecki, Dial, and Lutes, 2004). KESIMPULAN DAN SARAN Hasil dari penelitian ini memperlihatkan bahwa teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini mempunyai kemampuan

yang sama apabila dibandingkan dengan metode normalisasi dan denormalisasi yang dibangun oleh (Grodecki, Dial, and Lutes, 2004). Sehingga teknik normalisasi dan denormalisasi yang dibangun pada penelitian ini dapat digunakan pada proses orthorektifikasi dengan menggunakan metode RPC. Kelebihan teknik normalisasi dan denormalisasi yang dikembangkan dalam penelitian ini adalah lebih sederhana dan mudah diterapkan. Untuk penelitian selanjutnya, perlu dikaji uji ketelitian dengan menggunakan Independet Check Point (ICP) dari metode RPC.Sehingga hasil dari uji 125

ketelitiannya lebih bervariasi khususnya pada penentuan titik kontrol tanahnya. DAFTAR PUSTAKA Baltsavias, E.P.,Geometric Transformation

and Registration of Image, Orthoimage Generation and Mosaicing http://www.ecollection.ethbib.ethz.ch, 2000. Frianzah, A., Pembuatan Orthoimage dari Citra ALOS Prism,Skripsi, Jurusan Teknik Geodesi dan Geomatika FT UGM, Yogyakarta, 2009. Ganas, A., et al, An Investigation into

The Spatial Accuracy of the IKONOS Orthoimagery within an Urban Environment, http://www.pcigeomatics.com/serv ices/support_center/tech_papers/g anas2002ijrs.pdf, 2002. Harintaka, et.al., Evaluasi Ketelitian Teknik RPC untuk Orthorektifikasi Citra Satelit IKONOS, Makalah Prosiding FIT ISI, Jakarta, 2007.

126

Grodecki, Jacek and Dial, Glene, Block Adjustment of High-Resolution Satellite Images described by Rational Polynomials, Photogrametric Engineering & Remote Sensing Vol 69, No. 1, pp. 59-68., 2003. Grodecki,

J.,

and

Geometric

Dial,

Ikonos Accuracy,

G.,

http://www.satimagingcorp.com/ satellite-sensors/ IKONOSGeometricAccuracyISPRS202001.pdf, 2001. Grodecki, J, Dial, G, dan Lutes, J., Mathematical Model for 3D Feature Extraction from Multiple Satellite Images Described by RPCs, ASPRS Annual Conference Proceedings, Denver, Colorado, May 2004. Tonolo, F.G., Poli, D., Georeferencing of

EROS-A1 High Resolution Images with Rigorous and Rational Function Model, http://www.ipi.unihannover.de/html/publikationen/20 03/workshop/tonolo.pdf, 2003.