TANAMAN PERTANIAN SAWAH

Teknik dan Metode Fusi (Pansharpening) Data ALOS ..... (Gokmaria Sitanggang)

TEKNIK DAN METODE FUSI (PANSHARPENING) DATA ALOS (AVNIR-2 DAN PRISM) UNTUK IDENTIFIKASI PENUTUP LAHAN/TANAMAN PERTANIAN SAWAH Gokmaria Sitanggang Peneliti Bidang Bangfatja, Pusat Pengembangan Pemanfaatan, LAPAN ABSTRACT The objective of this research is to search the techniques and processing methods of ALOS optical data by using ALOS data (AVNIR-2 and PRISM) fusion (pansharpening) to identify land cover objects/sawah agriculture vegetation. The study method is accomplished by studying literature and conducting experiment using a study area and also performing the methods assesment by doing visual analysis of the ALOS Pansharped image results. This research uses ALOS data (AVNIR-2 and PRISM), acquired on June, 12, 2006, which covered the study area: agriculture area, Bantul, DIY. The experiment results shows that, for identification of land cover objects/sawah agriculture vegetation, the Pansharped image as the result of the Pansharpening method (HSV Image Sharpening) 321 band composite- AVNIR-2 and PRISM (nadir), is the best comparing to another methods: a) Color Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, and c) PC Spectral Sharpening, Another result is also obtained the spasial information image map of land cover objects/sawah agriculture vegetation, scale : 1: 50.0000, as the results of on screen digitation using the ALOS ( AVNIR-2 dan PRISM) Pansharp image, acquired on June, 12, 2006 which covered the agriculture area, Bantul, DIY. ABSTRAK Tujuan penelitian ini adalah untuk mencari teknik dan metode pengolahan data optik ALOS dengan metode fusi (pansharpening) data ALOS (AVNIR-2 dan PRISM) untuk identifikasi objek-objek penutup lahan/tanaman pertanian sawah. Metode pelaksanaan penelitian adalah berdasarkan literatur dan dengan melakukan penelitian atau uji coba pada suatu daerah studi kasus, dan melakukan pula penilaian hasil-hasil pengolahan dengan melakukan analisis visual data citra Pansharp ALOS yang diperoleh. Penelitian ini menggunakan data ALOS (AVNIR-2 dan PRISM), akuisisi tanggal 12 Juni 2006, yang meliput daerah studi kasus: daerah pertanian Bantul, DIY. Dari uji coba yang dilakukan diperoleh bahwa untuk identifikasi objek-objek penutup lahan/tanaman pertanian sawah, citra Pansharp, hasil metode Pansharpening (HSV Image Sharpening) AVNIR-2 komposit 321 dan PRISM (nadir), adalah terbaik dibandingkan dengan metode-metode lain: a) Color Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, dan c) PC Spectral Sharpening. Hasil lainnya adalah peta citra informasi spasial objek-objek penutup lahan/tanaman pertanian sawah, skala 1:50.000, hasil digitasi on-screen menggunakan data citra Pansharp ALOS (AVNIR-2 dan PRISM), perekaman tanggal 12 Juni 2006 yang meliput daerah pertanian Bantul, DIY. Kata kunci: Citra Pansharp ALOS (AVNIR 2 dan PRISM), Metode Pansharpening, HSV Image Sharpening, Identifikasi penutup lahan/tanaman pertanian sawah

33

Majalah Sains dan Teknologi Dirgantara Vol. 3 No. 1 Maret 2008:33-49

1

PENDAHULUAN

Seperti diketahui satelit penginderaan jauh (inderaja) ALOS (Advanced Land Observing Satellite) telah berhasil diluncurkan pada bulan Januari 2006 dengan pesawat peluncur roket H-IIA, dari lokasi peluncuran Tanegashima Space Center, Jepang. Misi utama atau tujuan ALOS adalah: 1) untuk memperoleh peta Jepang dan negara-negara lain yang termasuk dalam wilayah Asia Pasifik (Kartografi), 2) untuk melakukan pengamatan regional untuk pengembangan berkesinambungan (harmonisasi antara pengembangan dan lingkungan bumi) (Pengamatan Regional), 3) untuk melakukan pemantauan bencana alam di seluruh dunia (Pemantauan Bencana Alam), 4) untuk melakukan penelitian Sumber Daya Alam (Penelitian Sumber Daya Alam), dan 5) untuk mengembangkan teknologi yang diperlukan untuk satelit-satelit pengamatan bumi masa depan (Pengembangan Teknologi) (NASDA, 2004a; JAXA, 2004; NASDA, 2006). Satelit ALOS bergerak pada orbit sinkron matahari pada ketinggian 691,65 km pada ekuator, inklinasi 98,16 derajat, dengan siklus pengulangan orbit setiap 46 hari, dengan sub-cycle setiap 2 hari. Massa satelit tersebut kira-kira 4000 kg. Satelit tersebut dirancang untuk dapat tetap beroperasi pada orbitnya pada kurun waktu 3-5 tahun. Satelit ALOS dilengkapi dengan tiga sensor yang terdiri dari dua sensor optik yaitu sensor AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) dan sensor PRISM (Panchromatic Remote Sensing Instrument for Stereo Mapping), serta satu sensor gelombang mikro atau radar yaitu : PALSAR (Phased Array type L-band Syntetic Aperture Radar)(NASDA, 2004a; NASDA, 2004b; JAXA, 2004). AVNIR-2 adalah suatu sensor optik yang terdiri dari 4 kanal spektral pada daerah spektral tampak dan inframerah dekat. Tujuan utama dari AVNIR-2 adalah untuk pemetaan penutup lahan, pemantauan bencana alam dan untuk peman34

tauan lingkungan regional. Sensor AVNIR-2 menghasilkan citra dengan resolusi spasial 10 meter, dengan lebar liputan satuan citra sebesar 70 km. Dengan kemampuan side looking dari sensor, dan kemampuan sensor untuk melakukan pandangan menyilang jejak satelit (cross track) ( +/44°) dari nadir, pengamatan daerah– daerah bencana dapat dilakukan dalam waktu pengulangan 2 hari, dengan lebar liputan citra mencapai 1500 km. PRISM adalah suatu sensor yang diutamakan untuk pemetaan, yaitu suatu sensor optik berupa kamera pankromatik yang beroperasi pada kisaran spektral 0,52 0,77 µm. Sensor tersebut terdiri dari tiga sistem catoprical yang tidak saling bergantungan (tiga set teleskop) untuk pandangan forward, nadir dan backward untuk mencapai along-track stereoscope. Masing-masing teleskop menghasilkan citra dengan resolusi spasial 2,5 meter. Teleskop untuk pandangan nadir meliput satuan citra dengan lebar 70 km, teleskop forward dan backward masing-masing meliput satuan citra 35 km. PALSAR adalah suatu sensor gelombang-mikro aktif pada L-band (frekuensi-pusat 1270 MHz/23,6 cm) yang dikembangkan dalam kerjasama dengan JAXA (Japan Aerospace Exploration Agency) dan JAROS (Japan Resources Observation Systems Organization (JAXA, 2004; NASDA, 2004b; Osawa, 2004; NASDA, 2006; Sitanggang, dkk, 2006). Berkaitan dengan ketersediaan teknologi dan data dari satelit ALOS seperti diuraikan di atas maka untuk pengembangan pemanfaatan data dan teknologi inderaja, LAPAN perlu melakukan kajian atau penelitian mengenai aplikasi data inderaja satelit ALOS tersebut untuk aplikasi pemetaan, perencanaan/pengembangan wilayah, pengelolaan sumber daya alam (pertanian, kehutanan, perkebunan, geologi, dan lain sebagainya), pengelolaan bencana alam, pemantauan lingkungan regional/ global, dan lain sebagainya. Dalam pemanfaatan data ALOS (PRISM, AVNIR-2 dan PALSAR) atau data


inderaja lainnya, yang berorientasi pada ketersediaan data dan kebutuhan jenis informasi, faktor-faktor yang menjadi pertimbangan untuk melaksanakan aplikasi kasus-kasus pemetaan atau perencanaan/pengembangan wilayah, pengelolaan sumber daya alam (pertanian, kehutanan, perkebunan, geologi, dan lain sebagainya), pengelolaan bencana alam, pemantauan lingkungan dan lain sebagainya dengan hasil yang efektif dan efisien adalah sebagai berikut: 1) Pemilihan data yang menyangkut : pemilihan kanal/resolusi atau kombinasi kanal spektral dan resolusi spasial, resolusi temporal dan resolusi radiometrik serta luas liputan satuan citra, 2) Penentuan prosedur atau teknik dan metode pengolahan dan analisis data citra. Pemanfaatan data secara komplemen (fusi data inderaja multisensor) dapat meningkatkan ketelitian informasi yang diperoleh. Seperti fusi data optik dan radar, dapat meningkatkan ketelitian informasi yang diperoleh, terutama pada daerah yang mayoritas daerah cakupan citra ditutupi awan. Fusi data citra Pankromatik (citra hitam-putih) yang mempunyai resolusi spasial tinggi dengan data citra multispektral (citra berwarna) dengan resolusi spasial rendah, akan mempertajam atau meningkatkan ketelitian informasi yang diperoleh (teknik image pansharpening). Penelitian ini bertujuan untuk mencari teknik dan metode pengolahan data optik ALOS dengan metode fusi (pansharpening) data ALOS (AVNIR-2 dan PRISM) untuk identifikasi penutup lahan/ tanaman pertanian sawah, berdasarkan literatur dan dengan melakukan penelitian atau uji coba pada daerah studi kasus, dan melakukan penilaian hasilhasil pengolahan serta melakukan analisis visual data citra Pansharp ALOS yang diperoleh. Penelitian ini menggunakan data ALOS (AVNIR-2 dan PRISM), perekaman tanggal 12 Juni 2007, yang meliput daerah studi kasus, daerah pertanian Bantul, DIY.

2

DASAR TEORI

2.1

Karakteristik Data Citra AVNIR-2 dan PRISM ALOS

2.1.1 Karakteristik data citra AVNIR-2 Tujuan utama dari sensor AVNIR-2 adalah untuk pemetaan penutup lahan, pemantauan bencana alam dan untuk pemantauan lingkungan regional. Sensor AVNIR-2 adalah suatu pencitra multispektral dengan 4 kanal spektral pada daerah spektral tampak dan inframerah dekat untuk pengamatan daratan dan zona garis pantai. Keempat kanal spektral dari sensor AVNIR-2 tersebut adalah: Kanal Kanal Kanal Kanal

1: 2: 3: 4:

0,42 – 0,50 µm (warna biru), 0,52 – 0,60 µm (warna hijau), 0,61 – 0,69 µm (warna merah), 0,76 – 0,89 µm (infra merah dekat).

Sensor AVNIR-2 menghasilkan lebar liputan satuan citra sebesar 70 km dengan resolusi spasial 10 meter. Dengan kemampuan side looking dari sensor, dan kemampuan sensor untuk melakukan pandangan menyilang jejak satelit (cross track) (+/- 44°) dari nadir, pengamatan daerah–daerah bencana dalam waktu pengulangan 2 hari dapat dilakukan, dan lebar liputan citra dapat sampai 1500 km (JAXA, 2004; NASDA, 2004b; Osawa, 2004; Ito, 2005; NASDA, 2006). 2.1.2 Karakteristik data citra PRISM PRISM adalah sensor yang diutamakan untuk pemetaan. Sensor PRISM adalah suatu kamera pankromatik (520770 nm) dengan resolusi spasial 2,5 m pada nadir. Sensor PRISM terdiri dari tiga buah sistem optik (3 set teleskop) yang bebas untuk pandangan nadir, arah depan (forward) dan arah belakang (backward) untuk menghasilkan citra stereoskopik sepanjang lintasan satelit. Teleskop untuk pandangan nadir menghasilkan citra dengan lebar liputan satuan citra 70 km. Teleskop pandangan forward dan backward masing-masing menghasilkan citra dengan lebar liputan satuan citra 35 km, dengan resolusi temporal pada dasarnya 46 hari. Dengan 35


karakteristik teknis PRISM tersebut, misi utama untuk pemetaan topografik global pada skala 1: 25.000 dan menghasilkan DEM (Digital Elevation Model) dengan resolusi yang baik akan dapat dicapai. (JAXA, 2004; NASDA, 2004b; Osawa, 2004; Ito, 2005; NASDA, 2006). 2.2 Teknik dan Metode Penajaman Citra Dengan Fusi Data Multisensor (Image Sharpening) Cara-cara penajaman citra (image sharpening) digunakan secara automatik untuk menggabungkan (fusi) suatu citra warna, multi spektral, atau hyper spektral yang mempunyai resolusi spasial rendah dengan suatu citra tingkat keabuan yang mempunyai resolusi spasial tinggi dengan melakukan resampling terhadap ukuran elemen citra (pixel) resolusi spasial tinggi tersebut. Penajaman citra dengan menggunakan data citra Pankromatik (image Pansharpening) adalah dengan menggabungkan data citra multispektral (warna) yang mempunyai resolusi rendah dengan citra pankromatik (hitam-putih atau tingkat keabuan) yang mempunyai resolusi tinggi. (Vrabel, 1996, di dalam Image Sharpening_ENVIHelp). Untuk citra multi spektral, ENVI (ENVI di dalam Image Sharpening_ ENVIHelp) menggunakan teknik-teknik penajaman citra berikut:  Transformasi HSV,  Transformasi Normalisasi Warna Brovey (Color Normalization Brovey),  Transformasi Gram-Schmidt,  Transformasi Komponen Utama (Principal Components-PC). Masing-masing teknik dan metode penajaman citra dengan fusi data yang disebutkan di atas diuraikan berikut ini. 2.2.1 Teknik dan metode penajaman citra HSV Penajaman citra dengan metode HSV dilakukan dengan mentransformasikan suatu citra dalam ruang warna Merah-Hijau-Biru (Red-Green-Blue: RGB) menjadi citra dalam ruang warna HSV 36

(Hue-Saturation-Value-HSV) dengan cara: menggantikan kanal nilai (Value-V) dengan citra resolusi spasial tinggi, secara automatik melakukan resampling kanalkanal Hue (Hue-H) dan Saturasi (Saturation-S) menjadi ukuran elemen citra resolusi spasial tinggi dengan menggunakan suatu teknik nearest neighbor, bilinear, atau cubic convolution. Akhirnya mentransformasikan kembali citra tersebut ke ruang warna RGB. Citra-citra output RGB akan mempunyai ukuran elemen citra yang sama dengan data citra input resolusi tinggi (ENVI di dalam Image Sharpening_ENVIHelp). 2.2.2 Teknik dan metode penajaman citra normalisasi warna-Brovey (Color Normalized-Brovey Sharpening) Penajaman citra normalisasi warna-Brovey (Color Normalized-Broveysharpening) dilakukan dengan mengaplikasikan suatu teknik penajaman citra yang menggunakan suatu kombinasi matematik dari citra warna dan data citra resolusi spasial tinggi. Setiap kanal di dalam citra warna tersebut dikalikan dengan suatu rasio dari data resolusi spasial tinggi yang dibagi dengan jumlah kanal-kanal warna tersebut. Fungsi tersebut secara automatik melakukan resampling terhadap tiga kanal-kanal warna menjadi ukuran elemen citra resolusi spasial tinggi dengan menggunakan salah satu dari teknik-teknik yang kita pilih. Teknik-teknik yang dipilih adalah nearest neighbor, bilinear, atau cubic convolution. Citra-citra RGB output akan mempunyai ukuran elemen citra data citra resolusi tinggi input (Vrabel, 1996 di dalam Image Sharpening_ ENVIHelp). 2.2.3 Teknik dan metode penajaman citra spektral Gram-Schmidt (Gram-Schmidt Spectral Sharpening) Penggunaan penajaman citra spektral dengan metode Gram-Schmidt adalah untuk mempertajam data multispektral resolusi spasial rendah dengan


menggunakan data citra resolusi spasial tinggi. Bila kedua set data tersebut adalah georeferenced, untuk melengkapi, ENVI lebih dulu melakukan ko-registrasi tehadap citra-citra tersebut. Kanal-kanal spektral resolusi spasial rendah yang digunakan untuk simulasi kanal panchromatic harus berada dalam kisaran kanal panchoromatic resolusi spasial tinggi atau kanal-kanal tersebut tidak dimasukkan dalam proses resampling (Laben et al. di dalam Image Sharpening_ ENVIHelp). ENVI melakukan teknik penajaman spektral Gram-Schmidt dengan prosedur yang berikut:  Melakukan simulasi suatu kanal panchromatic dari kanal-kanal spektral resolusi spasial yang lebih rendah,  Melakukan suatu transformasi GramSchmidt pada kanal panchromatic simulasi dan kanal-kanal spektral, dengan menggunakan kanal panchromatic simulasi sebagai kanal pertama,  Melakukan pertukaran kanal panchromatic resolusi spasial-tinggi dengan kanal Gram-Schmidt yang pertama,  Menggunakan transformasi GramSchmidt kebalikan untuk membentuk kanal-kanal spektral pan-sharpened. Citra-citra yang digunakan haruslah georeferenced atau mempunyai dimensi-dimensi citra yang sama. Bila citra-citra tersebut adalah georeferenced, ENVI melakukan ko-registerasi citracitra tersebut sebelum melakukan proses penajaman (sharpening). 2.2.4 Teknik dan metode penajaman citra spektral komponen utama Penajaman citra spektral Komponen Utama mempertajam suatu citra multi kanal resolusi spasial rendah dengan menggunakan suatu kanal pankromatik resolusi spasial tinggi yang sesuai. Algoritma tersebut menganggap bahwa kanal-kanal spektral resolusi spasial rendah berhubungan langsung dengan kanal panchromatic resolusi spasial tinggi.

Bila kedua set data tersebut adalah georeferenced, ENVI terlebih dulu melengkapi dengan melakukan ko-registrasi terhadap kanal-kanal spektral tersebut (Welch; dan Ahlers, 1987, di dalam Image Sharpening_ENVIHelp). ENVI melakukan penajaman citra spektral Komponen Utama dengan prosedur berikut:  Melakukan suatu transformasi Komponen Utama pada data multi spektral,  Menggantikan kanal pertama Komponen Utama dengan kanal resolusi tinggi dan membuat skala kanal resolusi tinggi cocok atau sesuai dengan kanal pertama Komponen Utama, sehingga tidak terjadi distorsi spektral informasi,  Melakukan suatu transformasi kebalikan,  Melakukan resampling data multispektral menjadi ukuran elemen citra resolusi tinggi dengan suatu teknik nearest neighbor, bilinear, atau cubic convolution. Citra-citra tersebut harus georeferenced atau mempunyai dimensi– dimensi yang sama. Bila citra-citra tersebut georeferenced, ENVI melakukan ko-registrasi terhadap citra-citra tersebut sebelum melakukan penajaman citra. Di dalam analisis komponen utama, penggunaan Komponen-Komponen Utama adalah untuk menghasilkan kanal-kanal output yang tidak saling berkorelasi, untuk memisahkan komponen-komponen noise, dan untuk mengurangi set-set data secara dimensional. Karena kanalkanal data multispektral sering berkorelasi dengan tinggi, transformasi komponen-komponen utama (PC) digunakan untuk menghasilkan kanal-kanal output yang tidak berkorelasi. Ini dilakukan dengan mendapatkan suatu set data baru dari sumbu-sumbu orthogonal yang mempunyai orisinil dari set data tersebut pada rata-rata (mean) dari data dan yang dirotasi sedemikian sehingga variansi data dimaksimalkan. (Richards, 1999, di dalam Image Sharpening_ENVIHelp). 37


3

METODOLOGI PENELITIAN

3.1 Daerah Penelitian Di dalam penelitian ini dipilih daerah pertanian Bantul, Daerah Istimewa Yogyakarta (DIY) sebagai daerah penelitian. Dasar pemilihan daerah penelitian adalah: 1) ketersediaan data AVNIR-2 dan PRISM dengan daerah liputan yang sama dan kualitas liputan awan yang rendah dan kedua data AVNIR-2 dan PRISM tersebut mempunyai waktu akuisisi yang sama oleh operator satelit ALOS, sehingga data tersebut dapat dipesan dari NASDA, 2) dapat memenuhi tujuan penelitian untuk aplikasi pertanian yaitu mempunyai lahan pertanian (sawah) dengan berbagai variasi fase pertumbuhan (fase air, fase vegetatif, fase generatif dan fase bera). 3.2

Data yang Digunakan

3.2.1 Data primer: data inderaja (Raster) ALOS (AVNIR-2 dan PRISM) Di dalam penelitian ini dipilih data ALOS (AVNIR-2 dan PRISM) yang meliput Daerah Istimewa Yogyakarta (DIY) dan sekitarnya. Dasar pertimbangan pemilihan data adalah : 1) meliput daerah penelitian daerah pertanian Bantul, DIY, 2) bebas atau sedikit tutupan awan, 3) tersedia data ALOS (AVNIR-2 dan PRISM) pada tanggal akuisisi yang sama dengan liputan daerah yang sama. Pengumpulan data primer citra ALOS (AVNIR-2 dan PRISM) untuk penelitian percobaan ini dilakukan dengan: 1) menginventarisasi/mencari di katalog NASDA/JAXA melalui internet, ketersediaan data ALOS (AVNIR-2 dan PRISM) yang meliput Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, sehubungan dengan rencana daerah kajian adalah daerah pertanian Bantul, DIY, 2) melakukan pemesanan data primer ke NASDA/JAXA: data ALOS (AVNIR-2 dan PRISM) yang dipilih dengan syarat sedikit tutupan awan. 38

Data yang digunakan pada penelitian ini adalah: data ALOS (AVNIR-2 dan PRISM) Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, perekaman tanggal 12 Juni 2006 yang meliput daerah kajian yaitu daerah pertanian Bantul dan sekitarnya. Data citra liputan penuh (full scene) AVNIR-2 dan PALSAR, Daerah Istimewa Yogyakarta dan sekitarnya, akuisisi tanggal 12 Juni 2006, di download dari internet. Data ini kemudian dipesan dari NASDA/JAXA, dengan menyebutkan spesifikasi data. Oleh NASDA/JAXA, data tersebut dikirimkan ke LAPAN dalam media CD, untuk dapat dilakukan pengolahan dan analisis data. 3.2.2 Data sekunder Lapangan)

(Data

Survey

Untuk verifikasi dan validasi hasil pengolahan dan analisis data inderaja ALOS (AVNIR-2 dan PRISM) dilakukan pengumpulan data lapangan, yaitu identifikasi atau informasi objek-objek penutup lahan/tanaman pertanian di daerah kajian Wilayah Kabupaten Bantul, DIY. Secara umum metode yang dilakukan pada survey lapangan antara lain: 1) Kunjungan ke Dinas Terkait dalam rangka mengumpulkan data luas lahan pertanian, pola tanam dan data lain yang dianggap perlu (dari BPS, Dinas Pertanian), 2) Pengecekan berbagai objek penutup lahan di lapangan untuk verifikasi hasil pembuatan Peta Penutup Lahan/Tanaman Pertanian. Sitanggang, dkk, 2007, melaksanakan Survey Lapangan di wilayah Kabupaten Bantul, Propinsi Daerah Istimewa Yogyakarta, mulai tanggal 8 sampai dengan 13 November 2007. Hasil data sekunder yang dikumpulkan dari lapangan adalah data pertanian, seperti pola tanam, jenis tanaman, masa tanam dan luas lahan pertanian per jenis tanaman pada tahun 2006 per kabupaten di Daerah Istimewa Yogyakarta,


yang diperoleh dari Buku DIY dalam Angka Tahun 2005. Hasil lainnya adalah pengecekan berbagai objek di lapangan untuk pembuatan peta penutup lahan/ tanaman pertanian. 3.3 Prosedur dan Metode Pengolahan dan Identifikasi Objek-Objek Penutup Lahan/Tanaman Pertanian Sawah Menggunakan Fusi Data ALOS (AVNIR-2 dan PRISM) Prosedur dan metode pengolahan dan identifikasi objek-objek penutup lahan/tanaman pertanian sawah menggunakan fusi data ALOS (AVNIR-2 dan PRISM) yang dilakukan di dalam penelitian ini adalah:  Penyiapan data primer : data inderaja ALOS (AVNIR-2 dan PRISM) pada daerah kajian/penelitian (pengolahan data awal, pemotongan data sesuai liputan daerah penelitian),  Melakukan uji coba teknik penajaman citra (Pan Sharpening) dengan fusi data ALOS (AVNIR-2 dan PRISM), dengan bermacam metode,  Melakukan penilaian citra hasil ALOS (AVNIR-2 dan PRISM) Pansharp dengan metode-metode penajaman citra (Pan Sharpening) yang dilakukan untuk memperoleh metode yang terbaik dengan melakukan interpretasi atau analisis visual citra-citra ALOS Pansharp yang diperoleh,  Melakukan verifikasi dan validasi hasil analisis visual dengan menggunakan data lapangan,  Melakukan digitasi on screen citra Pansharp yang dinilai terbaik untuk identifikasi objek-objek penutup lahan/ tanaman pertanian sawah untuk memperoleh peta citra informasi spasial penutup lahan/tanaman pertanian sawah, daerah Pertanian Bantul, DIY,

akuisisi tanggal 12 Juni 2006 dengan Skala 1:50.000, berdasarkan hasil interpretasi atau analisis visual citra ALOS Pansharp (AVNIR-2 dan PRISM). 4

PENGOLAHAN DATA DAN ATAU PENAJAMAN CITRA DENGAN METODE FUSI (PAN SHARPENING) DATA ALOS (AVNIR-2 DAN PRISM) DAN HASIL

Alat yang digunakan untuk pengolahan dan analisis data inderaja ALOS pada penelitian ini adalah PC dengan software pengolahan citra ER Mapper dan ENVI. 4.1 Pengolahan Awal Data ALOS (AVNIR2 dan PRISM) untuk Perolehan Data Citra Daerah Penelitian/Kajian dan Hasil Prosedur dan metode pengolahan awal data ALOS (AVNIR-2 dan PRISM) untuk perolehan data citra daerah kajian/ penelitian adalah:  Melakukan koreksi geometrik (koreksi sistematik terhadap meta-data) data ALOS,  Melakukan pemotongan (cropping) data ALOS daerah pertanian Bantul, DIY. 4.1.1 Koreksi geometrik (koreksi sistematik terhadap meta data ALOS (AVNIR-2 dan PRISM) dan hasil Data awal AVNIR-2 dan PRISM, Daerah Istimewa Yogyakarta dan sekitarnya, akuisisi tanggal 12 Juni 2006 adalah meta data, seperti yang ditunjukkan dalam Gambar 4-1, karenanya masih perlu dilakukan koreksi sistematik terhadap meta-data tersebut. Gambar 4-1 menunjukkan data ALOS (AVNIR-2 dan PRISM) sebelum koreksi dan setelah dikoreksi Geometrik (koreksi sistematik terhadap meta-data).

39


No. 1.

2.

Nama Sensor

Sebelum Koreksi

Sesudah Koreksi Sistematik terhadap Meta-data

AVNIR-2 DIY dan sekitarnya

PRISM (Nadir) DIY dan sekitarnya

Gambar 4-1: Data citra ALOS (AVNIR-2 dan PRISM), Daerah Istimewa Yogyakarta (DIY) dan sekitarnya, sebelum koreksi dan setelah dikoreksi Geometrik (koreksi sistematik terhadap meta-data) 4.1.2 Pemotongan data ALOS (AVNIR-2 dan PRISM) untuk perolehan data citra daerah penelitian/kajian Daerah Pertanian Bantul, DIY dan hasil Seperti dikatakan sebelumnya, ditetapkan daerah pertanian Bantul, DIY sebagai daerah kajian. Untuk tujuan tersebut dilakukan pemotongan (Cropping) data citra ALOS (AVNIR-2 dan PRISM) liputan penuh (ditunjukkan pada Gambar 4-2) untuk memperoleh data citra daerah

40

kajian (ditunjukkan di dalam Gambar 4-3), untuk dapat dilakukan pengolahan dan analisis selanjutnya. Pada Gambar 4-3 tampak citra yang meliput daerah kajian daerah pertanian Bantul, DIY, yang meliputi seluruh Kecamatan Jetis, sebagian Kecamatan Sewon, Kecamatan Pajangan, Kecamatan Pandak, Kecamatan Imogiri dan Kecamatan Bambang Lipuro, Kabupaten Bantul, dengan kondisi bebas atau sedikit tutupan awan.


Daerah kajian

Citra AVNIR-2 Daerah yang terliput citra PRISM (warna abu-abu)

Gambar 4-2: Liputan penuh Data citra AVNIR-2 ditumpang tindih dengan data citra PRISM, meliput daerah penelitian/kajian

4.2 Penajaman Citra Dengan Metode Fusi Data ALOS (PRISM dan AVNIR2) (Pansharpening) dan Hasil Teknik dan metode penajaman citra (Image-Sharpening) yang dilakukan atau diuji coba dalam penelitian ini adalah dengan metode fusi data (Pan Sharpening) AVNIR-2 dan PRISM dengan daerah studi kasus daerah pertanian di Bantul, DIY, dengan berbagai komposit/ kombinasi kanal RGB, yaitu: 1) Pan Sharpening AVNIR-2 Komposit 321 dengan PRISM (Nadir), 2) Pan Sharpening AVNIR-2 Komposit 421 dengan PRISM (Nadir),

3) Pan Sharpening AVNIR-2 Komposit 432 dengan PRISM (Nadir), dan 4) Pan Sharpening AVNIR-2 Komposit 431 dengan PRISM (Nadir). Masing-masing penajaman citra (Image-Sharpening) di atas dilakukan dengan metode-metode:1) Hue Saturation Value (HSV), 2) Color Normalized (Brovey), 3) Gram-Schmidt Spectral Sharpening, dan 4) PC Spectral Sharpening. Hasil-hasil penajaman citra dengan masing-masing metode yang disebutkan di atas, ditunjukkan dalam Gambar 4-4 sampai dengan Gambar 4-7.

41


Daerah penelitian/kajian

Gambar 4-3: Daerah penelitian/kajian daerah pertanian Bantul, DIY, yang meliputi seluruh Kecamatan Jetis, sebagian Kecamatan Sewon, Kecamatan Pajangan, Kecamatan Pandak, Kecamatan Imogiri dan Kecamatan Bambang Lipuro, Kabupaten Bantul, DIY

AVNIR-2 321

42

PRISM


Hue Saturation Value (HSV)

Color Normalized (Brovey)

PC Spectral Sharpening Gram-Schmidt Spectral Sharpening Gambar 4-4: Citra AVNIR-2 komposit 321 dengan PRISM (Nadir), dan citra-citra pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 komposit 321 dengan PRISM (Nadir), dengan metode Hue Saturation Value (HSV), Color Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

43


AVNIR-2 421

PRISM



PC Spectral Sharpening Gram-Schmidt Spectral Sharpening Gambar 4-5: Citra AVNIR-2 komposit 421 dengan PRISM (Nadir), dan citra-citra pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 Komposit 421 dengan PRISM (Nadir), dengan metode Hue Saturation Value (HSV), Color Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya

44


AVNIR-2 432

PRISM



Gram-Schmidt Spectral Sharpening

PC Spectral Sharpening

Gambar 4-6: Citra AVNIR-2 komposit 432 dengan PRISM (Nadir), dan citra-citra pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 komposit 432 dengan PRISM (Nadir), dengan metode Hue Saturation Value (HSV), Color Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya 45


AVNIR-2 431


Gram-Schmidt Spectral Sharpening

PRISM


PC Spectral Sharpening

Gambar 4-7: Citra AVNIR-2 komposit 431 dengan PRISM (Nadir), dan citra-citra pansharp hasil penajaman citra (Pan Sharpening) AVNIR-2 komposit 431 dengan PRISM (Nadir), dengan metode Hue Saturation Value (HSV), Color Normalized (Brovey), Gram-Schmidt Spectral Sharpening, PC Spectral Sharpening pada daerah kajian daerah pertanian Bantul dan sekitarnya 46


5

PEMBAHASAN DAN ATAU IDENTIFIKASI OBJEK-OBJEK PENUTUP LAHAN/TANAMAN PERTANIAN SAWAH MENGGUNAKAN CITRA PANSHARP DAERAH PERTANIAN BANTUL, DIY

pertanian sawah yaitu data citra Pansharp

5.1 Penilaian Metode Fusi (Pansharpening) Data ALOS ( AVNIR-2 dan PRISM)

yang ditunjukkan pada Gambar 4-4. Untuk melakukan verifikasi hasil

(dengan metode HSV Sharpening) daerah Pertanian Bantul, DIY, dengan data citra asli adalah AVNIR-2, komposit RGB 321 dan data citra asli PRISM (nadir), seperti

identifikasi objek-objek penutup lahan/ Data citra Pansharp hasil pengolahan data dengan metode penajaman

tanaman pertanian sawah pada daerah kajian/penelitian, telah dilakukan survey

citra (Pan-Sharpening) dari data AVNIR-2 dan PRISM (nadir) yang dilakukan telah

lapangan di

daerah

kajian/penelitian

ditunjukkan pada Gambar 4-4 sampai

daerah Bantul, DIY, pada bulan November 2007. Kendala yang mempengaruhi

dengan Gambar 4-7 pada bagian 4 di atas. Dengan melakukan analisis visual

ketelitian hasil verifikasi adalah karena

terhadap citra Pansharp daerah Pertanian

data yang digunakan hanya data AVNIR2 dan PRISM, perekaman tanggal 12

Bantul, DIY (hasil-hasil metode) tersebut, diperoleh bahwa yang paling banyak

Juni 2007. Untuk objek-objek penutup

menunjukkan informasi sebagai hasil

sifatnya

identifikasi objek-objek penutup lahan/ tanaman pertanian sawah adalah data

penggunaan

citra Pansharp (dengan metode

objek

HSV

lahan/tanaman pertanian sawah yang statis

dipertimbangkan

kelas-kelas

pula

berdasarkan

kelas penggunaan lahan. Untuk objekyang

sifat

perubahan

fisiknya

Sharpening). dengan data citra asli adalah AVNIR-2, komposit RGB 321 dan data

dinamis, lebih diutamakan identifikasi

citra asli PRISM (nadir), seperti yang

Pansharp yang dianalisis.

berdasarkan interpretasi data citra ALOS

ditunjukkan pada Gambar 4-4. 5.2 Identifikasi Objek-Objek Penutup Lahan/Tanaman Pertanian Sawah Menggunakan Citra Pansharp ALOS Daerah Pertanian Bantul, DIY Data Citra yang akan diinterpretasi atau dianalisis secara visual adalah data citra yang dinilai terbaik atau yang paling menunjukkan informasi paling banyak sebagai hasil identifikasi objek-objek

penutup

Peta citra informasi spasial penutup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen identifikasi objek-objek penutup lahan/ tanaman pertanian sawah berdasarkan interpretasi atau analisis visual data citra

Pansharp

Daerah

Bantul,

perekaman tanggal 12 Juni ditunjukkan pada Gambar 5-1.

DIY, 2006,

lahan/tanaman

47


Gambar 5-1: Peta citra informasi spasial penutup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen menggunakan data citra Pansharp ALOS (AVNIR-2 dan PRISM), Daerah Bantul, DIY, perekaman tanggal 12 Juni 2006

6

KESIMPULAN

Berdasarkan kajian/penelitian dan uji coba yang dilakukan pada daerah kajian/penelitian daerah pertanian Bantul dan sekitarnya, DIY, diperoleh hasil atau kesimpulan sebagai berikut:  Data citra AVNIR-2 dan PRISM efektif untuk aplikasi pertanian, dengan penentuan teknik dan metode pengolahan dan analisis data yang tepat untuk memperoleh hasil dengan ketelitian yang dapat diterima oleh pengguna,  Dalam kajian/penelitian ini dilakukan uji coba dan diperoleh hasil citra-citra Pansharp, hasil penajaman citra (Image PanSharpening) menggunakan citracitra AVNIR-2 dengan beberapa variasi komposit dan PRISM (nadir), dengan metode a) Hue Saturation Value (HSV), b) Color Normalized (Brovey), c) GramSchmidt Spectral Sharpening, dan d) PC Spectral Sharpening, 48

 Dari uji coba yang dilakukan, untuk identifikasi objek-objek penutup lahan/ tanaman pertanian sawah, diperoleh: citra Pansharp, hasil metode Pansharpening (HSV Image Sharpening) AVNIR-2 komposit 321 dan PRISM (nadir), adalah terbaik dibandingkan dengan metode-metode lain: a) Color Normalized (Brovey), b) Gram-Schmidt Spectral Sharpening, dan c) PC Spectral Sharpening,  Dari hasil identifikasi objek-objek penutup lahan/tanaman pertanian sawah dengan melakukan interpretasi atau analisis visual citra Pansharp (dengan metode HSV Sharpening) diperoleh citra informasi spasial penutup lahan/tanaman pertanian sawah, skala 1: 50.000, hasil digitasi on-screen objekobjek penutup lahan/tanaman pertanian sawah, menggunakan data citra Pansharp ALOS (AVNIR-2 dan PRISM), Daerah Bantul, DIY, perekaman tanggal 12 Juni 2006,


 Hasil kajian ini menunjukkan teknik dan metode fusi data citra Pankromatik (citra hitam-putih) PRISM yang mempunyai resolusi spasial tinggi dengan data citra multispektral AVNIR-2 (citra berwarna) dengan resolusi spasial rendah dapat mempertajam atau meningkatkan ketelitian informasi atau identifikasi objek-objek penutup lahan/tanaman pertanian (metode HSV Sharpening). DAFTAR RUJUKAN ENVI, Image Sharpening_ENVIHelp. Ito, S., 2005. Space Activities of JAXA, Next Generation Earth Observation Satellite System, JAXA (Japan Aerospace Exploration Agency), Japan. JAXA (Japan Aerospace Exploration Agency), 2005. ALOS Data Application to Landslide and Earthquake, Earth Observation Research and Application Centre, Japan. (http://www. eorc.jaxa.jp/ALOS/index_j.htm). JAXA (Japan Aerospace Exploration Agency), 2004. Gazing into Earth ‘s Expression, Advanced Land Observing Satellite (ALOS), Earth Observation Research Center, Japan. (www.nasda. go. jp/ projects/alos/index-e.html). (www.jaxa.jp/missions/projects/sat /eos/alos/index-i.html). Laben, di dalam Image Sharpening_ ENVIHelp, Process for Enhancing the Spatial Resolution of Multispectral Imagery Using Pan-Sharpening, US Patent 6,011,875), di dalam Image Sharpening_ENVIHelp). NASDA (National Space Development Agency of Japan), 2004a. ALOS Advanced Land Observing Satellite, Satellite and Program, Japan. NASDA (National Space Development Agency of Japan), 2004b. ALOS

Advanced Land Observing Satellite, Sensor and Product, Japan. NASDA (National Space Development Agency of Japan), 2005. Aplications ALOS – Advanced Land Observing Satellite, Japan. NASDA, EORC (Earth Observation Researh Centre), 2006. (http:// www. eorc. nasda.go. jp/ALOS/ img_up/ asorb_ 060323.htm); (http:// www. eorc. nasda.go.jp/ALOS/img_up/pri_rbfuji. htm). Osawa, Y., 2004, Optical and Microwave Sensor on Japanese Mapping Satellite – ALOS, Japan Aerospace Exploratium Agency (JAXA), Japan. Richards, J.A., 1999. Remote Sensing Digital Image Analysis: An Introduction, Springer-Verlag, Berlin, Germany, p. 240. Sitanggang, G.; R., Ginting; Silvia, 2006. Kajian Sistem Inderaja Satelit ALOS (Advanced Land Observing Satellite), Laporan Akhir Kegiatan Litbangfatja, PUSBANGJA-LAPAN, Jakarta. Sitanggang, G.; W.K, Harsanugraha; Rina Widyastuti, 2007. Laporan Survey Lapangan, Kajian Aplikasi Data Inderaja Satelit Masa Depan: ALOS untuk Pertanian, Laporan Kegiatan Litbangfatja, PUSBANGJA- LAPAN, Jakarta. Vrabel, 1996. di dalam Image Sharpening_ ENVIHelp, Multispectral Imagery Band Sharpening Study, Photo grammetric Engineering & Remote Sensing, Vol. 62, No. 9, pp. 10751083. Welch, R.; and W. Ahlers, 1987. di dalam Image Sharpening_ENVIHelp, "Merging Multiresolution SPOT HRV and Landsat TM Data." Photogrammetric Engineering & Remote Sensing, 53 (3), pp. 301-303.

49

TANAMAN PERTANIAN SAWAH

Recommend Documents