Академический Документы
Профессиональный Документы
Культура Документы
ACARA 1
Intepretasi Visual Citra Penginderaan Jauh
Oleh :
Muhamad Nurdinansa [120722420614]
Januari 2015
ACARA 1
Intepretasi Visual Citra Penginderaan Jauh
1. TUJUAN
- Mahasiswa melakukan deliniasi objek yang tampak pada citra
- Mahasiswa mengidentifikasi kenampakan objek yang menonjol berdasarkan
perbedaan resolusi spectral, spasial dan komposit citra
- Mahasiswa menyimpulkan jenis citra yang sesuai untuk analisis sumber daya lahan
3. DASAR TEORI
Interpretasi citra adalah suatu kegiatan mengkaji foto udara atau citra dengan
maksud mengidentifikasi objek dan menilai arti pentingnya objek tersebut. Di dalam
pengenalan objek yang tergambar pada citra, ada tiga rangkaian kegiatan yang
diperlukan, yakni deteksi, identifikasi, dan analisis. Deteksi adalah pengamatan atas
adanya objek, identifikasi ialah upaya mencirikan objek yang telah dideteksi dengan
menggunakan keterangan yang cukup, sedangkan analisis adalah tahap mengumpulkan
keterangan lebih lanjut.
2 | PJ Terapan SDL
Interpretasi Visual
Interpretasi visual dilakuakna pada citra hardcopy ataupun citra yang ditampilkan
pada monitor komputer. Interpretasi visual adalah aktivitas visual untuk mengkaji
gambaran muka bumi yang tergambar pada citra untuk tujuan identifikasi objek dan
menilai maknanya. Unsur interpretasi citra terdiri atas Sembilan unsur, yaitu :
rona/warna, ukuran, bentuk, tekstur, pola, tinggi, bayangan, situs, asosiasi dan
konvergensi bukti.
a. Rona atau warna (tonr/color)
Rona ialah tingkat kegelapan atau kecerahan objek pada citra. Adapun warna
adalah wujud yang tampak oleh mata. Rona ditunjukkan dengan gelap-putih.
Ada tingkat kegelapan warna biru, hijau, merah, kuning dan jingga. Rona
dibedakan atas lima tingkat, yakni putih, kelabu putih, kelabu, kelabu hitam
dan hitam.
Karakteristik objek yang mempengaruhi rona, permukaan yang kasar
cenderung menimbulkan rona yang gelap, warna objek yang gelap cenderung
menimbulkan rona gelap. Contoh pada foto pankromatik air akan tampak
gelap, atap seng dan asbes yang masih baru tampak rona putih, sedang atap
sirap ronanya hitam.
3 | PJ Terapan SDL
berbentuk empat persegi panjang, rumah sakit juga berbentuk empat persegi
panjang.
c. Ukuran (size)
Berupa jarak, luas, tinggi, lereng dan volume selalu berkaitan dengan
skalanya. Ukuran rumah sering mencirikan apakah rumah itu rumah ibadah,
kantor atau gedung industri. Contohnya rumah ibadanh pada umumnya lebih
kecil bila dibandingkan dengan kantor atau pabrik. Ukuran lapangan sepak
bola 80m x 100m, 15m x 30m lapangan tenis dan 8m x 15m untuk lapangan
bulu tangkis.
d. Kekasaran (texture)
Tekstur adalah halus kasarnya objek pada citra. Contoh pengenalan objek
berdasrkan tekstur :
1. Hutan bertekstur kasar, belukar bertekstur sedang, semak bertekstur
halus
2. Tanaman padi bertekstur halus, tanaman tebu bertekstur sedang dan
tanaman pekarangan kasar.
3. Permukaan air yang tenang bertekstur halus.
4 | PJ Terapan SDL
menandai struktur lipatan, kebun karet, kelapa sawit dan kebun kopi memiliki
pola yang teratur sehingga dapat dibedakan dengan hutan.
Gambar. Pola
f. Bayangan (shadow)
Bayangan bersifat menyembunyikan objek yang berada didaerah gelap.
Bayangan dapat digunakan untuk objek yang memiliki ketinggian, seperti
objek bangunan, patahan dan menara.
5 | PJ Terapan SDL
h. Asosiasi (Assosiation)
Asosaisi adalah keterkaitan antara objek yang satu dengan objek lainnya.
Suatu objek pada citra merupakan petunjuk bagi adanya objek lain. Stasiun
kereta api berasosiasi dengan rel kereta api yang jumlahnya bercabang. Selain
bentuknya yang persegi panjang, lapangan bola ditandai dengan situsnya
berupa gawang.
i. Konvergensi bukti
Konvergensi bukti adalah teknik interpretasi dengan meggabungkan beberapa
unsur interpretasi untuk menemukan objeknya. Misalnya pada foto udara
terdapat pohon yang berbentuk bintang, dengan pola yang tidak teratur dan
ukurannya 10 meter dan tumbuh di daerah payau (situsnya). Sehingga dapat
dilihat bahwa pohon tersebut adalah sagu.
4. LANGKAH KERJA
Untuk memudahkan proses interpretasi visual, dapat dilakukan dengan cara
melakukan
deliniasi kenampakan objek-objek yang ada pada citra satelit bahan praktikum. Untuk
melakukan deliniasi menggunakan ArcGIS dapat dilakukan dengan cara :
a. Konversi citra satelit bahan praktikum yang berformat PDF menjadi image dengan
menggunakan program Nitro PDF. Save dalam format tiff untuk hasil gambar yang
detail.
b. Buka program ArcMap 10.1 dan lakukan pemanggilan data citra hasil konversi
melalui toolbar Add Data
c. Kemudian cari folder penyimpanan dan pilih file yang akan dideliniasi, selanjutnya
klik Add untuk menampilkan gambar pada Data View
6 | PJ Terapan SDL
d. Untuk memulai deliniasi dapat dilakukan dengan membuat Shapefile berupa
polygone. Langkah yang dilakukan adalah dengan mengklik toolbar Catalog, pilih
folder penyimpanan, klik kanan New > Shapefile…
e. Pada kotak dialog Craete New Shapefile masukkan nama shapefile yang akan dibuat
dan pilih type data berupa polygone. Kemudian untuk Spasial Reference dapat
ditambahkan dengan mengklik tombol Edit, pilih Projected Coordinate System >
UTM > WGS 1984 > Southern Hemisphere > WGS 1984 UTM Zone 49S > klik OK.
Kemudai akan kembali pada tampilan kotak dialog Create New Shapefile kembali
dan akan muncul deskripsi Spatial Reference yang dipilih, kemudian klik OK.
7 | PJ Terapan SDL
f. Selanjutnya lakukan proses deliniasi sesuai interpretasi masing-masing.
5. HASIL PRAKTIKUM
A. Deliniasi Citra Satelit ( terlampir)
B. Tabel Interpretasi Tutupan/Penggunaan Lahan Tiap Citra (terlampir)
C. Tabel Analisis Interpretasi Visual Berbagai Jenis Citra (terlampir)
6. PEMBAHASAN
Identifikasi obyek pada citra penginderaan jauh didasari pada pola pantulan spektral
objek pada band-band citra sebagai hasil interaksi gelomabang elektromagnetik dengan objek
di permuk aan bumi. Dalam proses identifikasi citra resolusi citra dan skala citra berpengaruh
terhadap tingkat kedetilan objek yang diamati.
Dalam interpretasi citra, objek-objek dapat di identifikasi dengan mendasarkan pada 9
kunci interpretasi. Selain itu, citra yang telah dikompositkan dengan band-band tertentu jug
amemudahkan interpreter dalam melakukan identifikasi objek. Setelah dilakukan komposit
citra objek-objek akan menampilkan warna ataupun rona yang berbeda sesuai dengan jenis
objeknya. Variasi komposit citra digunakan untuk identifikasi objek-objek tertentu yang
sengaja untuk diamati untuk kepentinga-kepentingan tertentu. Skala juga mempengaruhi
tingkat kedetailan citra satelit. Berikut adalah penjabaran komposit citra bahan praktikum dan
kemampuannya dalam mendeteksi objek :
a. Komposit 321: sebagian besar objek dapat diamati secara detail karena objek
8 | PJ Terapan SDL
ditampilkan pada kisaran gelombang tampak denga true color
dengan tampilan yang sama dengan kemampuan mata manusia
b. Komposit 432 : objek yang menonjol adalah vegetasi, hal ini dikarenakan saluran 4
yang peka terhadap biomasa vegetasi, saluran 3 mendeteksi
adanya
penyerapan energy oleh klorofil, saluran 2 mendeteksi puncak
pantulan vegetasi pada saluran hijau.
c. Komposit 457 : objek yang menonjol lahan basah, hal ini dikarenakan saluran 4
memudahkan dalam membedakan tanah, tanaman, lahan dan air.
Saluran 5 mendeteksi kondisi kelembaban tanah, sedangkan
saluran 7 untuk pembedaan kelembaban tanah dan deteksi thermal
d. Komposit 342 : Peka terhadap vegetasi, saluran ini juga disebut false color green,
hal ini dikarenakan saluran 3 mampu membedakaan lahan terbuka
dan bervegetasi, saluran 4 peka terhadap biomassa vegetasi dan
saluran 2 mampu membedakan puncak pantulan vegetasi pada
saluran hijau dan tingkat kesehatan vegetasi.
Skala peta juga mempengaruhi kedetilan objek selain karena komposit, karena semakin besar
skalanya maka luas spasial objek juga akan terpengaruh sehingga terjadi perubahan luasan
ojek dan tampak menonjol dibandingkan objek lain. Untuk mengetahui berapa besar resolusi
citra yang efektif digunaka untuk mendeteksi citra menggunakan skala peta maka digunakan
aturan Tobler. Berikut adalah hasil perhitungan kespadanan skala peta dengan resolusi
spasial sesuai aturan Tobler :
9 | PJ Terapan SDL
Gambar. Kesepadanan skala peta dengan resolusi spasial
Dari praktikum yang sudah dilakukan, disimpulkan bahwa citra yang sesuai untuk
analisis sumber daya lahan adalah citra Landsat. Citra Landsat memiliki kelebihan dimana
memiliki resolusi spasial pada tingkat sedang (15m PAN, 30 band 1-5,7 dan 60m band 6) ,
sehingga jika digunakan untuk melakukan analisis sumber daya lahan untuk skala regional
dan mudah untuk mengidentifikasi berbagai penggunaan lahan di permukaan bumi. Citra
Landsat memiliki keunggulan resolusi spektral jika dibandingkan dengan citra IKONOS dan
Quickbird meskipun kalah dengan resolusi spasialnya. Dengan cakupan spasial yang cukup
luas maka area yang teridentifikasi juga luas. Citra Landsat juga memiliki keunggulan
resolusi spektral karena sensor satelit Landsat mampu memisahkan objek pada beberapa
kisaran panjang gelombang. Adapun saluran atau band yang terdapat pada Landsat ETM+
dan keguanaannya adalah sebagai berikut :
Saluran Kisaran Kegunaan Utama
Gelombang
(µm)
1 0,45 – 0,52 Penetrasi tubuh air, analisis penggunaan lahan,
tanah, dan vegetasi. Pembedaan vegetasi dan
lahan.
2 0,52 – 0,60 Pengamatan puncak pantulan vegetasi pada
saluran hijau yang terletak diantara dua saluran
10 | PJ Terapan SDL
penyerapan. Pengamatan ini dimaksudkan untuk
membedakan jenis vegetasi dan untuk
membedakan tanaman sehat terhadap tanaman
yang tidak sehat
3 0,63 – 0,69 Saluran terpenting untuk membedakan jenis
vegetasi. Saluran ini terletak pada salah satu
daerah penyerapan klorofil
4 0,76 – 0,90 Saluran yang peka terhadap biomasa vegetasi.
Juga untuk identifikasi jenis tanaman.
Memudahkan pembedaan tanah dan tanaman
serta lahan dan air.
5 1,55 – 1,75 Saluran penting untuk pembedaan jenis
tanaman, kandungan air pada tanaman, kondisi
kelembapan tanah.
6 2,08 – 2,35 Untuk membedakan formasi batuan dan untuk
pemetaan hidrotermal.
7 10,40 – 12,50 Klasifikasi vegetasi, analisis gangguan vegetasi.
Pembedaan kelembapan tanah, dan keperluan
lain yang berhubungan dengan gejala termal.
8 Pankromatik Studi kota, penajaman batas linier, analisis tata
ruang
Sumber : Lillesand dan Kiefer, 1979 dengan modifikasi)
Banyaknya saluran tersebut memberikan kemudahan dalam pemilihan komposit citra
untuk memudahkan dalam melakukan interpretasi objek-objek tertentu.
Adapun kriteria kelayakan suatu citra untuk analisis sumberdaya lahan ditinjau dari :
a. Resolusi spasial dengan tingkatan tinggi hingga sedang
Resolusi spektral merupakan kemampuan dalam mendeteksi objek terkecil. Untuk deteksi
sumberdaya lahan citra dengan resolusi sedang seperti Landsat TM (30m) dapat
digunakan. Meski tidak terlalu detail, yang terpenting liputan lahannya tidak terlalu
sempit.
b. Memiliki resolusi spektral yang tinggi
Semakin banyak jumlah saluran yang dimiliki (dan masing-masing cukup sempit) maka
semakin tinggi kemampuannya dalam membedakan objek berdasarkan respon
spektralnya.
c. Kemampuan mencatat respon spektral yang tinggi
Sensor yang peka terhadap radiansi spektral dapat membedakan selisish respon yang
paling lemah sekalipun. Kemampuan ini berkaitan dengan koding, yakni mengubah
intensitas pantulan atau pancaran spektarl mejadi angka digital (bit)
11 | PJ Terapan SDL
d. Memiliki resolusi temporal yang baik.
Perekaman ulang daerah yang sama dalam jangka waktu yang tidak terlalu lama sangat
bermanfaat untuk pengamatan kondisi sumber daya lahan.
7. KESIMPULAN
a. Interpretasi citra visual merupakan suatu kegiatan dalam mengkaji gambaran
objek pada citra untuk di identifikasi maupun dinilai maknanya. Dalam melakukan
interpretasi visual harus memperhatikan 9 kunci interpretasi citra. Kenampakan objek
yang menonjol sangat dipengaruhi oleh komposit citra yang digunakan dan skala
citranya. Komposit citra 321 menampilkan kenampakan true color seperti kemampuan
mata manusia. Komposit 432 menampilkan objek menonjol berupa vegetasi. Komposit
457 kenampakan yang menonjol adalah lahan basah karena salurannya yang peka
terhadap kelembaban tanah. Komposit 342 yang disebut juga false green color sama
dengan komposit 432 yang menonjolkan vegetasi. Citra Landsat merupakan citra yang
layak untuk digunakan dalam analisis sumber daya lahan. Citra ini memiliki kelebihan
pada kemampuan resolusi spektralnya yang tinggi (memiliki banyak saluran), resolusi
temporal yang tidak terlalu lama dan resolusi spasialnya yang sedang. Adapun kriteria
kelayakan citra untun analisis sumber daya lahan adalah (a) resolusi spasial dengan
tingkatan tinggi hingga sedang; (b) memiliki resolusi spektral yang tinggi; (c)
kemampuan mencatat respon spektral yang tinggi dan (d) memiliki resolusi temporal
yang baik.
8. DAFTAR RUJUKAN
12 | PJ Terapan SDL
(http://malikaprianto10.blogspot.com/2013/04/komposit-band-pada-citra-
satelit_24.html, diakses pada tanggal 18 Januari 2015)
LAMPIRAN A
13 | PJ Terapan SDL
14 | PJ Terapan SDL
15 | PJ Terapan SDL
16 | PJ Terapan SDL
17 | PJ Terapan SDL
18 | PJ Terapan SDL
19 | PJ Terapan SDL
20 | PJ Terapan SDL
21 | PJ Terapan SDL
LAMPIRAN B
22 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra IKONOS skala 1:2.500 Pulau Poteran
23 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra Landat 5 Band 321 skala 1:25.000 Rembang
24 | PJ Terapan SDL
4. Rawa-Rawa Warna : Coklat gelap
Tekstur : Kasar
Asosiasi : Perairan (Laut)
25 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra Landat 7 Band 432 skala 1:25.000 Bali
26 | PJ Terapan SDL
Tekstur : Kasar
27 | PJ Terapan SDL
membentuk I atau L
Pola : Mengelompok
28 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra QUICKBIRD skala 1:2.500 Giliraja
29 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra ALOS PRISMA skala 1:2.500 Kep. Timur Madura
30 | PJ Terapan SDL
Tekstur : Halus
Situs : Berbatasan dengan laut
31 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra Landsat 5 Band 432 skala 1:50.000 Rembang
32 | PJ Terapan SDL
Tekstur : sedang
33 | PJ Terapan SDL
Tekstur : Gelap
Situs : Berbatasan dengan lautan
34 | PJ Terapan SDL
6. Permukiman Warna : Biru muda
Rona : Cerah
Tekstur : Kasar
Situs : berdekatan dengan jalan
35 | PJ Terapan SDL
Tekstur : Sedang
36 | PJ Terapan SDL
Pola : Mengelompok
37 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra Landsat 8 Band 321 skala 1:25.000 Surabaya
38 | PJ Terapan SDL
Bentuk : Persegi
39 | PJ Terapan SDL
Bentuk : Memanjang membentuk huruf L
40 | PJ Terapan SDL
Tabel Interpretasi Penutup/Penggunaaan Lahan
Citra Landsat 8 Band 457 skala 1:50.000 Surabaya
41 | PJ Terapan SDL
9. Perikanan Air Tawar Warna : Cokelat gelap-cokelat muda
Tekstur : Kasar
42 | PJ Terapan SDL
LAMPIRAN C
43 | PJ Terapan SDL
kurang efektif untuk
pengamatan berskala
regional
44 | PJ Terapan SDL
lahan dan perairan
46 | PJ Terapan SDL