AKSES pengguna data spasial terhadap big data (dalam tulisan ini citra satelit) sekarang ini bisa dibilang sangat terbuka. Asal memiliki jaringan internet dan laptop (atau bahkan perangkat handphone), kita bisa mengakses, mengolah, analisis hingga penyajian data sesuai area yang diinginkan. Praktis dan gratis!
DEM adalah kependekan dari digital elevation model yang merupakan sebuah representasi bentuk permukaan bumi dalam format digital. Dengan melihat DEM, singkatnya kita bisa lebih mudah melihat variasi bentuk permukaan bumi misalnya seperti topografi.
Continue reading “Pilihan menggunakan model elevasi digital”
TULISAN ini berhubungan dengan yang sebelumnya, yaitu cara perhitungan otomatis pohon sawit di program ecognition. Jadi setelah berhasil membuat deteksi pohon secara otomatis, tentunya mayoritas image interpreter akan mengkonversinya menjadi format yang umum digunakan misalnya shapefile format.
Nah langkah-langkah untuk konversi data hasil deteksi menjadi shapefile bisa disimak pada tutorial berikut:
Pada tulisan kedua ini saya akan menyajikan hasil interpretasi dari foto satelit di Kota Medan dan Binjai dengan menggunakan metode standar untuk melihat vegetasi. Lha untuk apa melihat vegetasi? Tentu saja dengan melihat vegetasi kita bisa menentukan apakah masih ada area-area yang hijau. Lalu buat apa jika sudah tahu area hijaunya? Dalam konteks tata ruang perkotaan tentu saja si ruang hijau memiliki posisi penting. Sudah banyak kota menerapkan koefisien wilayah ruang terbuka hijau sebesar 30% dari total luas areanya. Jika masih kurang, ya harus ditambah ya! 🙂
Adapun tahapan pengolahan citra satelit yang saya lakukan yaitu sebagai berikut:
1. Merubah nilai dijital pada citra menjadi nilai reflektan. Nilai default Landsat 8 berupa nilai-nilai dijital (digital number) yang nilainya biasanya ribuan. Dengan merubah nilai dijital ke nilai reflektan maka nilai tiap piksel yang mencerminkan tingkat reflektansi objek tiap piksel bisa diketahui. Objek air memiliki nilai reflektansi yang tinggi karena tidak mampu menyerap sinar matahari secara sempurna. Lain hal dengan aspal misalnya yang memiliki nilai reflektansi jauh lebih rendah dari air. Nilai reflektansi tiap objek berkisar dari 0 sampai 1.
2. Melakukan koreksi dari sudut azimuth penyinaran sinar matahari. Pada metadata setiap scene dari Landsat terdapat nilai sudut azimuth penyinaran. Dari angka yang tertera kita bisa melakukan perhitungan untuk mengoreksi citra sebelum dilakukan pengolahan lebih lanjut. Step by step dari cara ini akan saya sajikan di lain kesempatan.
3. Koreksi lainnya seperti koreksi awan tipis atau substraksi piksel gelap. Namun begitu, pengolah data harus pandai menentukan apakah koreksi perlu dilakukan atau tidak.
4. Perhitungan Normalised Difference Vegetation Index. NDVI merupakan algoritma standar yang populer digunakan untuk menghitung tingkat kehijauan vegetasi. Rumus untuk melakukan hitungan NDVI yaitu – ini untuk Landsat 8 : (kanal NIR atau kanal 5 – kanal Red atau kanal 4) / (kanal NIR atau kanal 5 + kanal Red atau kanal 4). Hati-hati jika melakukan perhitungan NDVI antara Landsat ETM dengan Landsat 8 ya. Intinya ada di NIR dan Red. Untuk perhitungan di luar Landsat 8, silakan cek terlebih dahulu spesifikasi kanalnya ya.
Gambar di atas memperlihatkan kondisi indeks vegetasi di Kota Medan dan Kota Binjai. Apa yang bisa kita simpulkan dari gambar tersebut? Untuk mempermudah membaca hasil olahan gambar, saya buat simbol indeks vegetasi dari berwarna hijau hingga merah. Semakin hijau menandakan area bervegetasi dengan kerapan yang tinggi. Sebaliknya semakin merah, area tersebut tidak memiliki vegetasi. Nah, jika melihat gambar tentu saja untuk Kota Medan didominasi oleh area berwarna oranye sampai kemerahan yang berarti area tersebut sudah tak bervegetasi.
Bagaimana dengan Binjai? Kabar gembira untuk yang ingin berinvestasi tanah di sana, hehe :). Di bagian Tenggara, Selatan, dan Barat Laut masih berwarna hijau royo-royo tuh ya. Hal ini berarti di ketiga bagian tersebut masih terdapat area yang berupa vegetasi alias non built up area.
Cukup sekian ulasan dari saya terkait dengan kondisi indeks vegetasi di Medan dan Binjai. Sebenarnya masih banyak yang bisa dikupas lebih mendalam, namun sebaiknya disajikan di tulisan-tulisan berikutnya saja.
postscript: Pada bagian ketiga akan mengulas secara singkat kondisi tutupan lahan di Medan dan Binjai
Berbicara spektral dalam dunia penginderaan jauh memang tidak ada habis-habisnya. Bermula dari pankromatik, menuju multispektral dengan 4 kanal, 8 kanal, 11 kanal, hingga 20 kanal sampai hiperspektral yang memiliki lebih dari 200 kanal! Untuk resolusi spasial, citra Hyperion ini masih sama seperti Landsat yaitu 30 meter. Kebetulan iseng menjelajah ke situsnya earthexplorer mencari sampel Hyperion untuk area Medan dan hasilnya ada walaupun tanggalnya sudah out of date, yakni tahun 2003. Berhubung saya belum pernah mencicipi dan mengeksplorasi tipe data hiperspektral, tanpa tunggu lama langsung saya unduh. Kadang saya berpikir, teknologi ini adalah hasil dari para manusia berpengetahuan yang curiousitynya sangat tinggi. Sebegitu inginnya mereka ingin mengetahui karakteristik objek di permukaan bumi melalui identifikasi sebegitu banyaknya spektral-spektral yang ada. Namun begitu tujuannya ya mengerucut ke satu hal, natural resources. Hasil eksplorasi Hyperion ini nantinya akan saya masukkan ke tulisan berseri mengenai “Melihat Dunia Lewat Piksel”. Supaya ngga penasaran, sebelum saya tampilkan contoh citranya, sebaiknya saya lampirkan saja contoh metadatanya. 😀
Anggi Kusumawardani 