TUGAS PRAKTIKUM PEMROSESAN CITRA DIGITAL ACARA I KOREKSI CITRA (1B dan IC)

TUGAS IB

1.      Sebutkan dan jelaskan kelemahan dari koreksi radiometrik relatif !

-          Asumsi yang digunakan dalam koreksi radiometrik relatif ini adalah dalam suatu perekaman ada objek yang menyerap energi dengan sempurna tanpa melakukan pantulan sedikit pun. Namun asumsi tersebut tidak selalu benar, karena kadangkala tidak terdapatnya objek pada suatu perekaman yang menyerap energi secara sempurna yang bernilai 0.

-          Pengkaitan antar suatu nilai piksel (respon spektral) dengan nilai atau kondisi biofisik tertentu kadangkala menuntut informasi yang lebih akurat tentang besarnya energi yang diterima oleh sensor. Kebutuhan semacam ini akan terasa ketika data nilai spektral citra perlu dibandingkan dengan data hasil pengukuran radiansi spektral di lapangan.

-          Nilai pantulan objek yang sudah terkena gangguan, misalnya hamburan atmosfer atau pengaruh sudut iluminasi matahari, menyebabkan nilai pantulan akan berbeda dan tidak sesuai dengan  nilai aslinya. Hal ini belum dapat terkoreksi pada koreksi radiometrik absolut.

-          Koreksi radiometrik relatif merupakan koreksi yang berada di dalam citra. Hasil koreksi akan kurang akurat jika tidak dibarengi dengan koreksi radiometrik luar citra pada kasus daerah yang heterogen.

-          Tidak memperhatikan kondisi perekaman citra.

2.      Berdasarkan pemahaman Anda mengenai koreksi radiometrik relatif, mangapa nilai spectral radiance masih harus dikonversi menjadi nilai reflectance?

Konversi DN ke spectral radiance hanya mengubah nilai pantulan yang dulunya belum mempunyai satuan, yaitu masih berupa Digital Number diubah menjadi nilai energi yang sudah mempunyai satuan yaitu W/m²srµm. Konversi DN ke spectral radiance merupakan proses kalibrasi sensor untuk memperoleh niai radiansi spektral. Nilai radiansi spektral ini sebenarnya hanya merupakan nilai pancaran matahari yang sampai ke obyek. Padahal sebenarnya, nilai pantulan sebenarnya ada pada nilai yang diterima oleh sensor. Perjalanan pantulan dari objek menuju sensor pasti mengalami beberapa gangguan yang dipengaruhi oleh beberapa hal.  Khususnya gangguan atmosfer dan pengaruh sinar matahari ke objek. Gangguan seperti itu bisa diminimalisir dengan melakukan proses koreksi pengrauh matahari dan atmosfer. Proses inilah yang menghasilkan nilai reflectance obyek. Nilai reflectance ini merupakan perbandingan radian dan iradian yang tentunya nilainya lebih detail dan akurat daripada niali radiansi spektral obyek.

3.      Jelaskan kapan dan dalam kondisi apa koreksi radiometrik diperlukan dan tidak diperlukan !

Koreksi radiometri diperlukan atas dasar 2 alasan, yaitu untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral obyek yang sebenarnya (Danoedoro, 2012). Melalui pernyataan tersebut, dapat disimpulkan bahwa koreksi radiometrik sangat diperlukan jika kita membutuhkan nilai piksel asli tanpa gangguan apapun. Nilai piksel asli ini akan berguna saat kita melakukan proses transformasi, misalnya mencari indeks vegetasi untuk keperluan suatu hal. Nilai piksel yang salah akan menyebabkan kesalahan yang fatal.

Namun tidak semua citra wajib melakukan koreksi radiometrik, tidak seperti koreksi geometrik yang wajib utnuk dilakukan. Koreksi radiometrik diperlukan jika kita benar-benar menginginkan nilai pantulan asli yang sudah tidak mendapat gangguan apapun, seperti yang sudah dijelaskan di atas. Di luar kepentingan tersebut, koreksi radiomterik bebas untuk dilakukan atau tidak dilakukan.

4.      Sebutkan beberapa objek yang bisa digunakan sebagai dark target untuk koreksi atmosferik !

·         Air laut yang dalam

·         Bayangan awan

·         Dasar Lembah

·         Punggung bukit yang membelakangi matahari

·         Bayangan objek

1.      Sebutkan formula document untuk koreksi radiance dan reflectance pada citra LANDSAT !

LB = Lmin_B + ((Lmax_B/254)-(Lmin_B/255)*DN

LB1 = -6.2 + ((191.6/254) + (6.2/255))*B1

LB2 = -6.4 + ((196.5/254) + (6.4/255))*B2

LB3 = -5 + ((152.9/254) + (5/255))*B3

LB4 = -5.1 + ((241.1/254) + (5.1/255))*B4

LB5 = -1 + ((31.06/254) + (1/255))*B5

LB7 = -0.35 + ((10.8/254) + (0.35/255))*B7

TUGAS IC

1.      Jelaskan perbedaan antara Rectification dan Registration !

Rectification merupakan metode mengoreksi radiometrik citra dengan acuan berupa peta (citra ke peta). Rektifikasi ini menggunakan prinsip bahwa peta mempunyai sistem proyeksi dan sitem koordinat yang lebih benar sehingga dapat diacu oleh citra. Metode yang digunakan adalah menggunakan data rujukan yang berupa Ground Contol Point (GCP) yang ada dala peta, data lapangan, maupun data sekunder. Sehingga segala aktivitas pemanfaatan citra yang memerlukan pengukuran jarak, arah, dan luas yang akurat selalu memerlukan jenis koreksi ini.

Sedangkan registration menggunakan data rujukan GCP dari citra lain pada daerah yang sama dan sebaiknya pada resolusi spasial yang sama atau mendekati. Metode citra ke citra ini tidak memerlukan hasil yang harus menyajikan informasi tentang koordinat yang benar-benar sesuai dengan peta.

2.    Jelaskan hal hal yang perlu dilakukan dan diperhatikan untuk mendapatkan hasil koreksi geometrik yang baik!

Dalam proseskoreksi geometri perlu diperhatikan orde transformasi dan metode resampling yang digunakan. Orde transformasi berhubungan dengan distribudi spasial dari GCP, jumlah GCP dan konfigurasi topografi wilayah. Metode resampling berhubungan dengan bagaimana car mengisi nilai piksel pada grid baru hasil transformasi. Salah satu cara untuk mengetahui seberapa besar keakuratan koreksi yang kita lakukan dapat menggunakan rumus RMSE (Root Mean Square Error). Semakin  akurat koreksi yang dilakukan maka RMSE nya akan semakin mendekati nol.

Distribusi spasial dan jumlah GCP juga penting untuk diperhatikan, bahkan lebih penting jika dibandingkan dengan nilai RMSE. Sebagai contoh, pada topografi yang terjal, distribusi GCP harus diletakkan secara merata dan jumlahnya harus lebih banyak daripada daerah yang landai. Hal ini dilakukan agar semua daerah dapat terwakili dan terepresentasikan dengan baik.

3.      Kapan kita perlu menggunakan metode resampling nearest neighboor dan bilinear atau  cubic convolution?

Algoritma nearest neighbour diterapkan dengan hanya ‘mengambil kembali’ nilai dari piksel terdekat yang telah tergeser ke posisi yang baru. Algoritma bilinear interpolation mempertimbangkan keempat nilai piksel yang berdekatan, untuk kemudian di rata secara proporsional, sesuai dengan jaraknya terhadap posisi baru. Sedangkan algoritma cubic convolution menggunakan prinsip interpolasi nilai seperti pada algoritma bilinear interpolation, tetapi dengan mempertimbangkan nilai 16 piksel di sekitarnya.

Algoritma nearest neighbour lebih sesuai diterapkan pada citra saluran-saluran asli dan juga hasil klasifikasi, namun dengan resiko kenampakan linear yang patah-patah. Berbeda dengan Algoritma bilinear interpolation dan algoritma cubic convolution yang kurang tepat apabila diterapkan di citra saluran asli karena nilai baru hasil interpolasi tidak lagi mewakili pantulan atau pancaran spektral obyek yang sebenarnya. Dua algoritma tersebut lebih sesuai utnuk menerapkan resampling nilai pada citra model medan digital.

4.      Bandingkan kelebihan, kekurangan, serta fungsi dari metode image to map rectification dan image to image registration!

Image to map rectification merupakan jaminan keakuratan bagi segala aktifitas pemanfaatan citra yang memerlukan pengukuran jarak, arah, dan luas yang akurat, karena acuannya berupa peta. Peta dianggap sudah mempunyai koordinat dan proyeksi yang lebih benar daripada citra. Meskipun demikian, metode koreksi ini tidak mampu menghilangkan semua jenis distorsi yang disebabkan oleh pergeseran relief pada citra. Oleh karena itu, metode koreksi semacam ini akan sangat terasa kekurangannya untuk menghasilkan citra yang terproyeksikan secara orthogonal penuh dengan menghilangkan semua distorsi (Jensen, 2005) seperti pada citra resolusi spasial tiinggi, misalnya Ikonos, Quickbird, maupun Orbview.

Sebaliknya, image to image registration kurang akurat digunakan jika citra yang terkoreksi akan digunakan untuk pengukuran jarak, arah, dan luas. Namun, koreksi citra ke citra ini mampu mengoreksi kesalahan yang diakibatkan oleh pergeseran relief pada citra, tidak seperti koreksi citra ke peta. Selain itu, dapat juga untuk mengkoreksi citra yang manghasilkan citra yang terproyeksikan secara orthogonal penuh. Selain itu, koreksi jenis ini mudah dan hasilnya akurat jika citra yang digunakan sebagai acuan mempunyai resolusi spasial yang sama atau hampir sama dengan citra yang dikoreksi.