Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 untuk Pemantauan Pertanian

SEMINAR NASIONAL PENGINDERAAN JAUH 2015 ORAL PRESENTATION

Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 untuk Pemantauan Pertanian Galdita Aruba Chulafak1,*), Anwar Annas1 , dan Dony Kushardono1 1

Pusat Pemanfaatan Penginderaan Jauh, LAPAN *)

E-mail: [email protected]

ABSTRAK-Salah satu misi pengembangan pesawat LSA di LAPAN adalah penginderaan jauh. LAPAN Surveillance Aircraft (LSA) memiliki pengindera kamera multispektral yang dilengkapi dengan GPS. Penelitian ini mengkaji pengolahan data kamera multispektral LSA untuk pemantauan pertanian. Data yang dipergunakan adalah data hasil akuisisi dengan LSA pada wilayah pertanian di Pantura (Subang dan Indramayu). Adapun metode pengolahan yang dipergunakan adalah ekstraksi data mentah menggunakan teknik Bayer pattern, kemudian mozaik data hasil ekstraksi dengan menggunakan teknik korelasi silang dan analisis vegetasi sawah menggunakan konversi indeks vegetasi. Hasil penelitian ini adalah kajian pengolahan awal data multispektral LSA untuk analisis vegetasi persawahan. Kata kunci:data multispektral LSA, Bayer pattern, mozaik data, korelasi silang, NDVI ABSTRACT-One of LAPAN’s mission in aircraft development is remote sensing. LAPAN Surveillance Aircraft (LSA) has a multispectral camera that equipped with GPS. This study examines data processing on LSA’s multispectral camera for agricultural monitoring. The data used is the results from LSA’s acquisition in agricultural areas in Pantura (Subang and Indramayu). The processing method used is the extraction of raw data using a Bayer pattern technique, then mosaic the extracted data by using cross correlation and analyze the rice fields vegetations using vegetation indices conversion. Results of this study is the pre-processing LSA multispectral datamethod for the analysis ofthe rice fields vegetations. Keywords: LSA’s multispectral data, Bayer pattern, mosaic data, cross corelation, NDVI

1.

PENDAHULUAN

Saat ini data penginderaan jauh resolusi tinggi banyak dibutuhkan di Indonesia, di antaranya untuk penyediaan peta skala rinci dalam mendukung pembangunan perdesaan, penilaian objek wajib pajak, perencanaan infrastruktur jalan dan bangunan, pengembangan wilayah perkotaan, pengawasan hasil pembangunan, hingga untuk masalah pertanian. Data penginderaan jauh resolusi tinggi umumnya diperoleh dari satelit komersil, seperti, IKONOS, WorldView, GeoEye, dan lain-lain. Akan tetapi, data satelit tersebut selain harganya cukup mahal juga waktu pemesanannya (delivery order) membutuhkan waktu sekitar 2 minggu bahkan bisa lebih dikarenakan adanya kendala liputan awan. Sementara itu dalam dekade terakhir, sehubungan makin berkembangnya sistem teknologi kamera pencitraan dengan ukuran yang semakin kecil, sudah mulai banyak dikembangkan pemanfaatan pesawat tanpa awak untuk pengamatan melalui udara. LAPAN sudah mengembangkan pesawat untuk misi pemantauan dengan pesawat baik tanpa maupun dengan awak, memiliki kesempatan yang baik untuk mendukung penyediaan data penginderaan jauh resolusi tinggi dari data kamera pada pesawat LAPAN. Program LAPAN Surveillance Aircraft (LSA) merupakan program dari Lembaga Penerbangan dan Antariksa Nasional (LAPAN) yang mengembangkan pesawat berawak dengan kapasitas kecil yang digunakan untuk kegiatan pengamatan seperti pemantauan ataupun pemetaan (Kushardono, 2015). Salah satu fungsi dari LSA yakni untuk melakukan pengamatan, baik untuk wilayah daratan ataupun perairan dan membawa payload yang dapat disesuaikan untuk objek yang akan diamati. LSA pernah melakukan pengambilan data di wilayah Subang dan Indramayu pada bulan September 2014. Salah satu pengindera yang terpasang pada saat pengambilan data tersebut merupakan kamera multispektral yang mempunyai 3 kanal, yaitu kanal hijau, merah, dan inframerah dekat. Pengambilan data yang dilakukan tersebut merupakan pengambilan data oleh pesawat LSA dengan kamera multispektral yang pertama kali dilakukan, sehingga penelitian ini bertujuan sebagai kajian pengolahan awal data multispektral pesawat LSA di wilayah lahan pertanian.Seperti halnya pada pesawat tanpa awak, pengamatan yang dapat dilakukan oleh LSA tidak terbatas hanya pada lahan pertanian, namun juga dapat untuk wilayah pesisir, perkotaan,wilayah bencana, dan lainnya (Shofiyanti, 2011; Wiyono, 2015; Artanto, 2015; Mancini, 2013; Sari, 2015).

- 84 -

SEMINAR NASIONAL PENGINDERAAN JAUH 2015

Penelitian ini merupakan lanjutan dari penelitian yang dilakukan oleh Kushardono et al. mengenai “Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) untuk Mendukung Pemetaan Skala Rinci” (Kushardono, 2015) dengan mengambil bagian pada pengolahan data kamera multispektral untuk pemantauan pertanian.

2.

PENGOLAHAN DATA

Data yang diperoleh dari kamera multispektral hasil akuisisi dari pesawat LSA berupa matrik dalam Bayer array, sehingga perlu dilakukan ekstraksi kanal-kanal yang ada agar dapat dilakukan pengolahan lebih lanjut. Setelah dilakukan ekstraksi kemudian dilakukan mozaik data dan selanjutnya dapat dilakukan perhitungan nilai dari indeks vegetasi. Pengindera yang digunakan mempunyai sensor yang didesain dan dioptimasi untuk menangkap cahaya tampak dan inframerah dekat pada panjang gelombang 520 nm hingga 920nm. Pada Gambar 1 menunjukkan respon dari sensor pengindera terhadap masing-masing kanal (merah,hijau, dan biru).

Gambar 1. Respon spektral pada pengindera (Sumber: Tetracam Inc, 2011)

2.1 Ekstraksi Bayer Filter Pola Bayer termasuk salah satu Color Filter Array (CFA) terbentuk dari suatu susunan dari filter kanal merah, hijau, dan biru yang ditempatkan pada tiap-tiap lokasi spasial (Hubel, 2004). Dengan menggunakan dua filter hijau untuk setiap filter biru dan merah, pola Bayer didesain untuk memaksimalkan ketajaman kanal luminansi yang sebagian besar terdiri dari kanal hijau (Bayer, 1976).

Gambar 2. Pola Bayer (Sumber: Chang et al., 2006 )

- 85 -

Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 untuk PemantauanPertanian (Chulafak GA, et al.)

Untuk mengkonversi citra dari format Bayer ke RGB perlu dilakukan interpolasi dari dua nilai warna pada masing-masing piksel. Algoritma Freeman (Median-based interpolation) merupakan metode yang terbaik digunakan pada citra yang mempunyai bercak / speckle sedangkan algoritma Larosche-Prescott’s (Gradient based interpolation) dan Algortima Hamilton-Adam (Adaptive color plane interpolation) merupakan metode yang cocok digunakan pada citra yang memiliki sisi/tepi yang tajam (Ramanath, 2002).

2.1.1 Median-based interpolation Terdapat dua langkah dalam metode ini yaitu interpolasi linier dan median filter dari perbedaan warna. Interpolasi linier digunakan untuk mengisi setiap lokasi citra dengan tiga warna yang ada sedangkan median filter merupakan perhitungan dari perbedaan citra, sebut saja merah dikurangi hijau danbiru dikurangi hijau. Citra yang dihasilkan dari median filter digunakan bersamaan dengan sampel asliBayer array untuk memulihkan sampel (Freeman, 1988).

2.1.2 Gradient based interpolation Metode ini umumnya digunakan di sistem kamera digital. Metode ini terdiri dari tiga langkah, pertama interpolasi dari kanal luminansi (hijau), langkah kedua dan ketiga merupakan interpolasi dari perbedaan warna (merah dikurangi hijau dan biru dikurangi hijau). Interpolasi perbedaan warna digunakan untuk merekontruksi kanalkrominansi (merah dan biru). Metode ini mengambil keuntungan karena mata manusia lebih sensitif pada perubahan luminansi (Laroche, 1994).

2.1.3 Adaptive color plane interpolation

Metode ini merupakan modifikasi dari metode gradient based interpolation. Metode ini menggunakan beberapa langkah seperti yang dilakukan pada metode gradient based interpolation tetapi dimodifikasi yang dilakukan untuk mengakomodasi turunan pertama dan kedua. Metode ini juga mempunyai tiga langkah seperti pada gradient based interpolation (Hamilton, 1997).

2.2 Teknik Korelasi Silang

Ditinjau dari teknik pembuatannya, terdapat tiga jenis mozaik, yaitu mozaik terkontrol, tidak terkontrol, dan semi terkontrol (Wolf, 1983). Mozaik terkontrol adalah mozaik yang dibuat dari citra yang telah direktifikasi sehingga semua citra telah mempunyai skala yang sama. Mozaik tidak terkontrol merupakan mozaik yang dibuat dari citra tegak yang belum direktifikasi serta belum diseragamkan skalanya. Mozaik semi terkontrol adalah mozaik yang disusun dengan menggunakan citra yang mempunyai beberapa titik kontrol, tetapi citra tersebut tidak direktifikasi dan mempunyai skala yang tidak seragam. Teknik korelasi silang merupakan salah satu teknik penyamaan citra. Secara umum terdapat 3 metode penyamaan citra, yaitu area-based matching, feature-based matching, dan symbolic matching (Schenk, 2000). Area-based matching mendasarkan hubungan antara dua citra berdasarkan kesamaan derajat keabuan. Teknik yang sering digunakan adalah teknik korelasi silang dan Least Mean Square (LSM). Area-based matching mempunyai kelemahan bahwa objek belum tentu bersesuaian karena hanya berdasarkan nilai spektral. Feature-based matching menentukan hubungan antara dua fitur citra, sedangkan symbolic matching merupakan metode yang menggabungkan antara area-based matching dengan feature-based matching Prinsip dari teknik korelasi silang adalah mencari pasangan objek/titik piksel antara citra referensi dengan citra pasangan. Pada citra referensi ditentukan jendela sasaran yang memuat titik piksel yangakan dicaripasangannya pada citra pasangan. Pada citra pasangan ditentukan daerah selidik yang mempunyai ukuran lebih besar daripada daerah sasaran. Pada daerah sasaran dibentuk pula jendela/daerah sub selidikdengan ukuran yang sama dengan jendela/daerah sasaran, misal 5 piksel x 5 piksel. Jendela sub selidik ini bergerak dengan pertambahan 1 piksel sepanjang setiap baris dan kolom di daerah selidik. Kemudian dihitung nilai korelasi antara jendela sasaran dengan jendela sub selidik. Pada setiap posisi pergerakan jendela sub selidik dalam jendela selidik ini dihitung nilai korelasi antara jendela sasaran dengan jendela sub selidik. Piksel dengan nilai korelasi tertinggi merupakan piksel yang bersesuaian pada kedua citra tersebut, dengan nilai korelasi antara -1 hingga 1. Nilai 1 menunjukkan korelasi yang sempurna, nilai 0 menunjukkan tidak terdapat korelasi, dan nilai -1 menujukkan adanya korelasi yang berkebalikan atau berlawanan (Schenk, 2000) Persyaratan yang dipenuhi untuk melakukan area based matching adalah pasangan citra perlu dinormalisasi terlebih dahulu, misal mengenai derajat kecerahan. Jika tie point antar foto sudah terdeteksi, maka mozaik dapat dibentuk.Seringkali antar citra memiliki kekontrasan yang sangat berbeda sehingga jika dilakukan mozaik akan tidak seragam, untuk itu perlu dilakukan penyeragaman warna antar citra (Harintaka, 2006).

- 86 -


3.

BAHAN DAN METODE

3.1 Bahan dan Alat Bahan dan alat yang digunakan dalam penelitian ini adalah data foto hasil akuisisi pesawat LSA yang mempergunakan kamera multispektral pada waktu akuisisi bulan September 2014. Adapun wilayah kajiannya merupakan area sekitar Pantura Jawa Barat, terutama di wilayah Kabupaten Subang dan Indramayu. Data foto dari pesawat LSA yang digunakan merupakan foto yang diambil pada ketinggian 6000 kaki dengan cakupan 1.4 km x 1.05 km dan mempunyai resolusi spasial 68 cm. Adapun pertampalan antar scene foto adalah 60% (belakang) dan 40% (samping).

3.2 Metode

Metode yang dilakukan dalam penelitian ini terlihat seperti pada Gambar 3. Ekstraksi Metadata

RAW Data

Data dengan metadata (lat, long, alt)

Mozaik dan koreksi tegak

Menghitung NDVI

Ekstraksi Bayer Filter

Gambar 3. Metode penelitian

4.

HASIL PEMBAHASAN

4.1 Hasil Ekstraksi Bayer Filter Data mentah yang diakuisi dari pesawat LSA diolah menggunakan perangkat lunak dan akan menghasilkan citra multispektral yang mempunyai tiga kanal. Tidak seperti citra pada umumnya yang mempunyai kombinasi kanal RGB, citra yang dihasilkan dari hasil ekstraksi Bayer filter ini mempunyai komposit warna NIR, Red, Green seperti terlihat pada Gambar 4.

(a) Komposit pengolahan awal dari data mentah

- 87 -


(b) Kanal hijau

(d) Kanal inframerah dekat

(c) Kanal merah

(e) R, 0.75xG + 0.25xNIR, 0.75xG - 0.25xNIR

Gambar 4. Citra Hasil ekstraksi Bayer filter (Sumber: Data yang diolah)

Komposit warna NIR, Red, Green ini dikarenakan terdapat filter penyerap kanal biru yang digunakan untuk menghilangkan sensitifitas sensor terhadap kanal biru, dan piksel biru pada sensor digunakan untuk mengukur nilai dari kanal inframerah dekat (kurva biru pada Gambar 1). Citra yang dihasilkan oleh sensor kemudian diolah menggunakan perangkat lunak untuk mengurangi nilai inframerah dekat yang telah diukur dari kanal merah dan biru untuk menghasilkan citra merah/hijau/inframerah dekat.

4.2 Hasil Mozaik Data citra hasil ekstraksi Bayer filter masih merupakan data yang masih terpotong-potong seperti data mentahnya, maka dari itu perlu dilakukan mozaik sehingga menjadi data citra yang utuh sesuai dengan hasil perekaman dari pesawat LSA. Selain dilakukan mozaik, juga perlu dilakukan koreksi tegak yang dibutuhkan karena gerakan dari pesawat LSA tidak sepenuhnya tegak terhadap permukaan bumi. Data citra yang diakuisi dari pengindera sudah terdapat lokasi koordinat yang didapat dari GPS pada pengindera, sehingga untuk membuat mozaik data citra bisa lebih mudah dilakukan.

Gambar 5. Hasil mozaik citra dari data hasil perekaman LSA (Sumber: Data yang diolah)

Hasil dari mozaik tidak sepenuhnya bagus baik dari segi geometrik maupun dari segi radiometrik. Selain itu, tidak semua data citra dapat dimozaik walaupun data citra tersebut memiliki data koordinat terutama pada wilayah perairan. Wilayah perairan sangat cepat berubah seperti pada kondisi arus airnya, kemungkinan hal ini yang menyebabkan data citra sulit untuk dimozaik, namun, untuk wilayah pesisir masih dapat dimozaik dikarenakan masih terdapatnya wilayah daratan yang kondisinya relatif tetap sehingga nilai

- 88 -


korelasi silang antar foto masih memenuhi untuk dilakukan mozaik walaupun wilayah perairannya relatif berubah.

Gambar 6. Hasil mozaik yang kurang sempurna yang ditampalkan pada Google Earth. Gambar kiri: wilayah perairan.Gambar kanan: wilayah daratan (Sumber: Data yang diolah)

Dari segi geometrik, tidak seluruh data citra yang bertampalan menghasilkan data citra yang mulus (seamless) seperti pada Gambar 7 (atas), namun untuk akurasi geometriknya sudah cukup bagus walaupun terlihat masih terdapat sedikit pergeseran ketika ditampilkan dengan ditampalkan menggunakan citra dari Google Earth seperti terlihat pada Gambar 7 (bawah).

Gambar 7. Beberapa kekurangan pada segi geometrik (Sumber: Data yang diolah)

Pada Gambar 8 memperlihatkan adanya perbedaan kecerahan/iluminasi dari utara ke selatan yang diakibatkan lamanya waktu akuisisi. Waktu akuisisi lintasan paling utara sekitar pukul 08.00 pagi, sedangkan pada lintasan paling selatan sekitar pukul 11.00, sehingga pengaruh matahari akan cukup berbeda pada kedua lintasan dan akan terlihat perbedaannya ketika citra dimozaik. Citra yang didapat dari akuisisi LSA ini membutuhkan waktu berjam-jam untuk menyelesaikan satu lintasannya, berbeda dengan citra penginderaan jauh dari satelit yang membutuhkan waktu hanya dalam hitungan menit dalam tiap sapuannya sehingga tidak akan terjadi gradasi iluminansi dalam citranya. Selain itu pada citra penginderaan jauh menggunakan satelit terdapat metadata mengenai hal-hal yang dapat membantu dalam koreksi radiometriknya, seperti sudut azimut dan elevasi matahari.

- 89 -


Gambar 8. Masalah radiometrik pada hasil mozaik citra (Sumber: Data yang diolah)

4.3 Analisis Lahan Pertanian Untuk melakukan kajian mengenai masalah pertanian dengan menggunakan citra hasil akuisisi LSA maka perlu dilakukan pengolahan lanjutan. Dikarenakan kanal yang dihasilkan oleh pengindera berada pada kanal hijau, merah, dan inframerah dekat, maka dapat dilakukan perhitungan indeks vegetasi dengan menggunakan NDVI (Normalized Difference Vegetation Index) sebagai pengolahan lanjutan. Pada Gambar 9 ditunjukkan hasil sampel citra NDVI dari citra hasil perekaman LSA dengan menggunakan gradasi hijau, dimana piksel yang mempunyai NDVI tinggi ditunjukkan dengan warna terang (hijau ke arah putih) sedangkan piksel yang mempunyai NDVI rendah ditunjukkan dengan warna gelap (hijau ke arah hitam). Nilai NDVI yang terhitung pada sampel lokasi berkisar dari -0.281 hingga 0.735.

Gambar 9. Hasil sampel dari NDVI pada wilayah pertaniandengan menggunakan palet hijau. (Sumber: Data yang diolah)

Untuk mempermudah dalam melakukan interpretasi visual, maka dilakukan komposit kanal dengan menggunakan komposit kanal NIR, NDVI, dan R, yang penampakannya seperti terlihat pada Gambar 10. Dengan menggunakan komposit tersebut, untuk area non vegetasi (permukiman, fase bera, jalan, lahan terbuka) secara visual terlihat mengarah ke warna magenta. Sedangkan untuk wilayah dengan tingkat

- 90 -


kehijauan tinggi (vegetasi maksimum/pemanjangan batang hingga bunting) secara visual terlihat berwarna kuning - hijau muda. Pada area dengan tingkat kehijauan sedang (fase vegetatif awal/anakan, fase generatif /pematangan) terlihat berwana hijau agak tua. Sedangkan untuk tingkat kehijauan rendah terlihat berwarna hijau tua seperti terlihat pada sungai yang kemungkinan terdapat vegetasi di dalamnya.

Kehijauan tinggi(vegetasi maksimum / pemanjangan batang hingga bunting)

Kehijauan sedang (fase vegetatif awal, fase generatif)

Kehijauan rendah (sungai, fase air?)

Non vegetasi (rumah, lahan terbuka, fase bera, jalan)

Gambar 10. Interpretasi pada Citra komposit NIR, NDVI, dan RED (Sumber: Data yang diolah)

5.

KESIMPULAN

Data multispektral yang diakuisisi oleh pesawat LSA berpotensi untuk digunakan dalam pengamatan wilayah lahan pertanian seperti halnya penggunaan dari data yang diakuisisi dari satelit penginderaan jauh. Untuk melakukan pemrosesan data hasil akuisisi LSA dapat menggunakan langkah sebagai berikut: Data Mentah Ekstraksi Bayer filter Mozaik dan Koreksi tegak Pengolahan Lanjut, namun, masih perlu dilakukan tambahan langkah pengolahan dan koreksi citra baik dalam masalah geometrik maupun radiometrik sehingga citra yang dihasilkan lebih baik.

UCAPAN TERIMAKASIH Ucapan terima kasih kami tujukan kepada Kepala Pusat Teknologi Penerbangan LAPAN yang telah memberi bantuan pesawat LSA sebagai pembawa dari pengindera multispektral, juga kepada Kepala Pusat Pemanfaatan Penginderaan Jauh LAPAN yang telah mendukung dalam penelitian ini.

DAFTAR PUSTAKA Kushardono, D., Annas, A., Maryanto, A., Utama, A.B., dan Winanto (2015). Pemanfaatan Data LSA (LAPAN Surveillance Aircraft) untuk Mendukung Pemetaan Skala Rinci. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN. Shofiyanti, R. (2011). Teknologi Pesawat Tanpa Awak untuk Pemetaan dan Pemantauan Tanaman dan Lahan Pertanian. Informatika Pertanian 20(2):58 – 64. Wiyono, A., dan Budiyanta, S.A. (2015). Analisa Perencanaan dan Hasil Uji Terbang LSU-01untuk Pemotretan Wilayah Longsor Banjarnegara. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN

- 91 -


Artanto, E., Yuniar, F., dan Rimayanti, A. (2015). Pemetaan Pulau Terluar Indonesia Menggunakan Wahana UAV. Prosiding Pertemuan Ilmiah Tahunan XX dan Kongres VI MAPIN Mancini, F., Dubbini, M., Gatelli, M., Stecchi, F., Fabbri, S., dan Gabbianelli, G. (2013). Using Unmanned Aerial Vehicles (UAV) for High-Resolution Reconstruction of Topography: The Structure from Motion Approach on Coastal Environments. Remote Sensing, 5(12):6880-6898. Sari, N.M., dan Kushardono, D. (2015). Object Segmentation on UAV Photo Data to Support the Provision of Rural Area Spatial Information. Jurnal Forum Geografi 29(1):49-59. Tetracam, Inc. (2011). Agricultural Digital Camera User’s Guide (ver 2.3).Chatsworth: Tetracam, Inc. Hubel, P.M., Liu, J., dan Guttosch, R.J. (2004). Spatial Frequency Response of Color Image Sensors: Bayer Color Filters and Foveon X3. Proc. SPIE5301, Sensors and Camera Systems for Scientific, Industrial, and Digital Photography Applications V. 402. Bayer, dan Bryce, E. (1976). Color Imaging Array. U.S. Patent No. 3,971,065 Chang, L., dan Tan, Y. (2006). Hybrid Color Filter Array Demosaicking for Effective Artifact Suppression. Journal of Electronic Imaging Ramanath, R., Snyder, W.E., dan Bilbro, G.L. (2002). Demosaicking Methods for Bayer Color Arrays. Journal of Electronic Imaging, 11(3):306 -315. Freeman, W.T. (1988). Median Filter for Reconstructing Missing Color Samples. U.S. Patent No. 4,7642,395. Laroche, C.A., dan Prescott, M.A. (1994). Apparatus and Method for Adaptively Interpolating a Full Color Image Utilizing Chrominance Gradients. U.S. Patent No. 5,373,322. Hamilton, J.F., dan Adams, J.E. (1997). Adaptive Color Plane Interpolation in Single Sensor Color Electronic Camera. U.S. Patent No. 5,629,734. Wolf, P.R. (1983). Elements of Photogrammetry, 2nd edition. McGraw Company, USA. Schenk, T. (2000). Digital Photogrammetry, Volume 1. Terra Science, Ohio, USA. Harintaka, Susanto, E.W., dan Thobibah, T. (2006). Otomatisasi Pembuatan Mosaik Menggunakan Teknik Korelasi Silang pada Foto Udara Format Kecil. Pertemuan Ilmiah Tahunan III – T. Geomatika ITS. *) Makalah ini telah diperbaiki sesuai dengan saran dan masukan pada saat diskusi presentasi ilmiah BERITA ACARA PRESENTASI ILMIAH SINASINDERAJA 2015 Moderator Judul Makalah Pemakalah Jam Tempat Diskusi :

: MuchamadSholeh, M.Eng. : Pengolahan Data Kamera Multispektral Pada Pesawat LSA-01 Untuk Pemantauan Pertanian. : Galdita Aruba Chulafak : 11.00 – 12.00 WIB : Meeting Room E-F

Hamdi (LAPAN). Apakah bisa dilakukan mozaik pada daerah perairan? Berapa porsentase keberhasilnya khususnya pada data Landsat? Liputan awan hampir seluruh Indonesia untuk data Landsat 8? Herman (UGM) Sensor yang digunakanberapa band? Hingga muncul NIR? Wati (BPS) Apakah hasil pengolahan dapat mudah terbaca oleh orang awam sebagai contoh daerah pertanian? Apakah juga bisa terbaca jenis tanamannya dan juga tanaman yang ada di ladang? Misalkan jagung dibedakan dengan padi Wahyu ( TNI AL) Bisakah LSA digunakan untuk surveillance maritim? TNI AL memiliki Nomed jika dikolaberasi kandengan LSA kemampuannya akan seperti apa? Dony (tambahan) Kamera yang digunakan merupakan kamera multi spectral khusus untuk pertanian. Kemampuan LSA dapat terbang hingga 6 jam untuk maritim bisa diinstall pay loadnya pada LSA Jawaban: Untuk mozaik dipesisir masih bisa dilakukan jika di perairan akan susah dilakukan. Sensor hanyaada 3 band. NIR merupakan hasil sintesisdari band red dan blue kemudian untuk band blue di filter.

- 92 -


Bisa digunakan untuk jenis tanaman lain sehingga perlu dilakukan penelitian lebih lanjut Untuk keperluan Maritim bisa digunakan tapi disesuaikan payloadnya saja.

- 93 -

Pengolahan Data Kamera Multispektral pada Pesawat LSA-01 untuk Pemantauan Pertanian

Recommend Documents