Monday, October 27, 2008

TRANSFORMASI IHS UNTUK MENGINTEGRASIKAN INFORMASI HILL SHADE RELIEF DARI DEM DAN WARNA KOMPOSIT CITRA SATELIT


Setelah satu bulan lebih puasa posting blog, akhirnya saya bisa kembali mem-posting pengalaman-pengalaman saya dalam belajar pikselisasi muka bumi (apaan tuh?he2). Sebelumnya saya mengucapkan terimakasih banyak kepada teman saya Bayu Andriyanto dari KPJ 2004 (Kartografi dan Penginderaan Jauh) Geografi UGM yg telah mengingatkan conceptual framework untuk eksperimen ini. Oke, langsung saja. Anda-anda mungkin pernah tau tentang PCS-LAPAN. PCS atau Peta Citra Satelit adalah salah satu produk LAPAN berupa citra satelit yang informasi reliefnya telah dipertajam sehingga kesan tiga dimensinya lebih tampak (lihat gambar 1). Sepintas keren ya, citranya bisa ngeblend dengan informasi relief yang diambil dari DEM. Dulu waktu masih bulan2 pertama mendalami raster-GIS, saya heran bin takjub dengan PCS ini. Kok bisa ya, hillshadingnya bisa ngeblend dengan citranya. Dulu saya mikirnya ini pasti pake teknik transparansi layer, namun ternyata bukan. Ternyata kuncinya adalah transformasi citra dengan penggantian/substitusi komponen. Dan algoritma yang dipake adalah transformasi IHS yg sangat terkenal itu (karena banyak dipakai untuk analisis landcover, image fusion, pan-sharpening dll).



<insert contoh PCS dari LAPAN>



Nah jika anda2 suka/tertarik dengan ekologi bentang lahan, PCS mungkin akan sangat membantu anda karena PCS dapat memberikan informasi penutup lahan dan sekaligus aspek morfologi dari bentuklahan dengan lebih baik dari citra satelit standar. Dengan PCS ini anda dapat menganalisis dan menginterpretasi (terutama secara visual/manual) bagaimana hubungan2 bentuklahan, penutup lahan, batuan, tanah dan komponen geosfer yg lain dengan lebih baik. Jika anda mempunyai citra satelit seperti LANDSAT atau SPOT dan ingin informasi reliefnya dipertajam, anda dapat membuat PCS sendiri sebagai alternatif jika anda tidak punya cukup dana untuk pesan ke LAPAN. Modalnya selain citra adalah DEM (anda dapat menggunakan SRTM yg free download atau interpolasi dari data kontur peta topografi), dan software image processing yg mensupport transformasi warna (kebanyakan software image processing bisa). Untuk contoh saya memakai ENVI 4.5 dan ArcGIS 9.3.



Tahap pertama adalah proses subsetting data. Anda bisa menggunakan software apapun yg anda kuasai, di sini saya menggunakan ArcGIS 9.3 karena lebih simpel dalam cropping data serta penyesuaian dimensi citra antara DEM dan citra satelit. Selain itu ENVI 4.5 yg saya gunakan juga sudah terintegrasi dengan ArcGIS sehingga perpindahan software bisa dilakukan tanpa kesulitan dan tanpa melalui penggantian/penyesuaian format data. Prosedurnya sebagai berikut:



Add shapefile/geodatabase feature class/coverage daerah kajian, citra satelit terkoreksi dan DEM di ArcMap. Tentukan lokasi daerah kajian, kemudian buat masking areanya dengan mengkonversi vektor daerah penelitian ke raster mask lewat arctoolbox>data conversion>to raster>polygon to raster. Kemudian lakukan raster clipping untuk DEM dan citra lewat arctoolbox>spatial analyst tool>extraction>extraction by mask. Output format disarankan adalah geotiff supaya langsung dapat dibaca di software image processing. Untuk ENVI 4.5, anda dapat langsung membuka file – file hasil pemrosesan secara langsung di ArcMap dengan melalui menu Available Band List>Open file in ArcMap. Output dari tahap 1 ini adalah citra dan DEM yang mempunyai dimensi (luasan dan resolusi) yang sama.



Tahap kedua adalah transformasi warna dan penggantian komponen warna yang dilakukan di software image processing. Dalam tulisan ini saya menggunakan ENVI 4.5. Namun proses ini bisa juga dilakukan di software lain seperti ERDAS Imagine, ER Mapper, ILWIS, PCI Geomatica dll. Tahapannya sebagai berikut:



Open citra dan DEM hasil clipping di software image processing (dalam hal ini adalah ENVI 4.5). kemudian buat layer hillshade dari DEM melalui menu topographic>topographic modelling>shaded relief, tentukan sun azimuth dan elevationnya. Output dari tahap ini adalah layer hillshade dari DEM. Kemudian lakukan transformasi warna untuk citra komposit (misalnya komposit 543 LANDSAT) melalui menu Transform>color transform>RGB to HSV. Hasil transformasi adalah citra HSV. Kemudian lakukan transformasi balik RGB melalui menu Transform>color transform>HSV to RGB, konfigurasinya sbb: R=Hue layer, G=Saturation layer, B=hillshade layer dari DEM sebagai pengganti intensity layer. Eksekusi dan liat hasilnya.



Selamat Mencoba. Di bawah ini adalah salah satu contoh hasilnya




LANDSAT 5 TM KOMPOSIT 543




HILL SHADE LAYER




RESULT

Wednesday, September 24, 2008

Saturday, September 20, 2008

EKSTRAKSI DEM/DSM DARI CITRA ASTER L1B, sebuah pengalaman……

<!-- /* Font Definitions */ @font-face {font-family:Calibri; mso-font-alt:"Century Gothic"; mso-font-charset:0; mso-generic-font-family:swiss; mso-font-pitch:variable; mso-font-signature:-1610611985 1073750139 0 0 159 0;} /* Style Definitions */ p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-parent:""; margin-top:0cm; margin-right:0cm; margin-bottom:10.0pt; margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:Calibri; mso-fareast-font-family:Calibri; mso-bidi-font-family:"Times New Roman";} @page Section1 {size:612.0pt 792.0pt; margin:72.0pt 72.0pt 72.0pt 72.0pt; mso-header-margin:36.0pt; mso-footer-margin:36.0pt; mso-paper-source:0;} div.Section1 {page:Section1;} -->

Beberapa minggu yang lalu saya mendapat kesempatan untuk belajar ekstraksi DSM (digital surface model) dari citra ASTER stereo, karena teman saya meminta bantuan untuk pengerjaan skripsinya yang menggunakan ASTER DEM untuk analisis BTS. Software yang digunakan adalah Ortho Engine 9.00 dari PCI Geomatica versi 9.00. Citra yang digunakan adalah Citra ASTER L1B format EOS-HDF dengan daerah liputan adalah Provinsi Daerah Istimewa Yogyakarta yang direkam pada bulan Mei 2003. Karakteristik citranya adalah hampir bebas awan untuk daerah daratan, sehingga sangat ideal untuk ekstraksi DEM. Selain itu waktu perekaman citra adalah pada bulan dimana matahari di utara khatulistiwa, sehingga ketika citra direkam, sudut datang sinat mataharinya rendah (iluminasinya maksimal untuk pembedaan aspek lereng dan identifikasi tie points/TPs).


Pemrosesan dilakukan melalui tahapan berikut:



 


Sumber titik kontrol tanah/GCPs dan titik cek/TPs berasal dari titik triangulasi BPN DIY dengan akurasi maksimal 1 meter. Untuk membantu identifikasi GCPs dan TPs, citra ASTER yang digunakan di-orthorektifikasi dulu dengan menggunakan beberapa titik kontrol BPN yang diketahui lokasi absolutnya di lapangan dan DEM SRTM. Uji akurasi citra ortho menggunakan data vector RBI. RMSEx,y yang diperoleh mencapai ½ piksel (< 7 meter).


GCP yang diperoleh sebanyak 40 titik (stereo GCP) dan TP sebanyak 55 titik yang dkumpulkan baik secara manual ataupun otomatis (menggunakan Ortho Engine Image Correlation algorithm). RMSex,y untuk GCP dan TP yang diperoleh adalah di bawah ½ piksel (<7 meter).


Hasil yang diperoleh adalah sebagaimana tampak pada gambar. Karena citra yang digunakan kualitasnya bagus (minim perawanan) maka DSM yang dihasilkan dapat maksimal (daerah error-nya sedikit). RMSEx,yang diperoleh sama dengan citra ortho (< 7 meter). Untuk menilai akurasi vertical/elevasi dari DSM, dilakukan Uji akurasi elevasi dengan menggunakan sisa titik kontrol BPN yang tidak digunakan sebagai GCP dan TP sebanyak 500 titik. RMSEz yang diperoleh adalah 19,1 meter (memenuhi standar pemetaan skala 1:100.000).


 



 


 

Thursday, August 28, 2008

PENGGABUNGAN CITRA (IMAGE FUSION) DAN KOMPOSIT WARNA ALAMI PADA CITRA SPOT5\HRG

 


 


Tulisan ini saya tulis berdasarkan pengalaman saya ketika melakukan penelitian tugas akhir S1 di Kabupaten Kulonprogo Provinsi Daerah Istimewa Yogyakarta menggunakan citra SPOT5\HRG.

Penggabungan citra/image fusion merupakan salah satu teknik pemrosesan citra digital yang banyak mendapat perhatian dalam dunia penginderaan jauh. Ini dikarenakan image fusion dapat mengakomodasi kebutuhan citra resolusi tinggi tanpa harus mengusahakan sistem pencitraan dengan resolving power yang tinggi, sehingga dapat menghemat banyak waktu dan biaya. Terlebih kebanyakan sensor-sensor pada satelit sumberdaya alam modern (Landsat 7 ETM+, IKONOS, QUICKBIRD, IRS series, SPOT 1-5, ALOS AVNIR-2/PRISM, Orbview dll) sekarang ini dapat beroperasi pada mode multispectral dan pankromatik secara simultan, sehingga citra dari kedua mode dapat difusikan untuk memperoleh citra sintesis yang mengintegrasikan kelebihan spectral citra multispectral dan kelebihan spasial citra pankromatik. Secara sederhana image fusion dapat didefinisikan sebagai upaya penggabungan dua atau lebih citra yang berbeda dari segi resolusi (terutama spasial, spectral, temporal) ataupun dari segi sistem (optic, SAR) untuk menghasilkan citra baru yang mengintegrasikan kelebihan-kelebihan dari citra asal. Salah satu bagian dari image fusion adalah pan-sharpening atau penajaman citra multispectral dengan menggunakan detil spasial dari citra pankromatik.


Instrumen HRG pada satelit SPOT-5 (sebagaimana instrument pada satelit sumberdayaalam modern yang lain) mampu merekam permukaan bumi pada mode multispectral dengan resolusi spasial 10 meter dan mode pankromatik dengan resolusi spasial 2,5 meter. Salah satu kelemahan dari citra multispectral SPOT (sebagaimana ASTER) adalah tidak dapat memberikan komposit warna alami/natural color composite sebagaimana komposit 321 pada Landsat TM/ETM, IKONOS, Quickbird, dan ALOS AVNIR-2. Hal ini dikarenakan instrument HRG tidak merekam pada spectrum biru (0,4-0,5 nm). Dengan memanfaatkan citra pankromatik yang direkam pada spectrum hijau-merah (0,5-0,7 nm) dan transformasi HSV/IHS (Hue Saturation Value/Intensity Hue saturation), komposit warna alami citra multispectral SPOT5 dan sekaligus resolusi spasialnya dipertajam (dari 10 ke 2,5 meter) dapat diperoleh, sebagaimana nampak pada gambar


 



 


 


 


 


 


 


 


Adapun prosedur yang saya lakukan untuk memperoleh citra turunan dapat dilihat pada diagram alir di bawah. Keseluruhan tahapan pemrosesan citra menggunakan software ITTVIS ENVI 4.3 yang sudah mendukung format standar SPOT5 (DIMAP format).




 


 


 


 


 


 







Adapun dapat diperolehnya efek warna alami pada citra turunan dapat dijelaskan sebagai berikut. Komposit warna yang dipilih sebelum transformasi adalah komposit 432/SWIR-NIR-Red. Karakteristik spectral obyek pada komposit 432 adalah vegetasi berwarna hijau cerah tersaturasi sebagai akibat pantulan yang tinggi pada saluran 3, tanah kering berwana coklat cerah sebagai akibat pantulan yang tinggi pada saluran 3 dan 4, obyek air dan tanah lembab berwarna biru gelap sebagai akibat pantulan yang rendah pada saluran 3 dan 4. Ketika transformasi dilakukan, komponen RGB kemudian dipecah menjadi komponen HIS (gambar 3). Citra pankromatik kemudian dinjeksikan sebagai pengganti komponen intensitas, yang dilanjutkan dengan transformasi balik ke bidang RGB untuk memperoleh citra output. Injeksi saluran pankromatik ini yang menyebabkan munculnya efek warna alami pada citra turunan. Penyebabnya adalah perbedaan karakteristik spectral antara komponen intensitas pada komposit 432 dan citra pankromatik. Komponen intensitas pada komposit 432 mempunyai karakteristik spectral berupa nilai kecerahan yang tinggi pada obyek vegetasi dan tanah kering (pengaruh saluran 3 dan 4) namun sebaliknya pada citra pankromatik sebagai akibat kepekaan spectral yang hanya sampai saluran merah (Gambar 4). Untuk obyek air dan tanah lembab, nilai kecerahannya rendah pada komponen intensitas komposit 432 (serapan yang tinggi pada saluran 3 dan 4), namun relative tinggi pada citra pankromatik (akibat pantulan yang cukup tinggi pada spectrum hijau). Akibatnya,ketika penggantian komponen dilakukan, warna vegetasi di normalisasi sebagai akibat penurunan nilai intensitas menghasilkan warna hijau daun (sebagaimana mata kita mengenali warna daun). Sedangkan warna air di normalisasi mendekati warna air alami sebagai akibat naiknya nilai intensitas.


 



Gambar 3



 


 


 


 


 


 


 


Gambar 4



Sanggahan, kritik, saran, masukan, pertanyaan, koreksi   sangat diharapkan dan dipersilahkan

Thursday, August 21, 2008

FW Tools.... Perpustakaan Data Spasial

Bagi anda2 yang bergelut dengan ilmu2 kebumian, tentunya anda sering menggunakan citra penginderaan jauh sebagai salah satu sumber data spasial dan GIS sebagai alat analisis data. Dengan semakin berkembanganya teknologi dan juga industrialisasi RS/GIS, saat ini telah bermunculan berbagai macam software RS/GIS dengan berbagai macam format data spasial. Jumlah format data spasial yang ada saat ini konon katanya mencapai ratusan. Dalam berbagai pekerjaan, saya (dan juga anda mungkin) pernah dan sering dipusingkan dengan masalah konversi data spasial, terutama jika anda memerlukan lintas software untuk menyelesaikan pekerjaan anda, atau anada mempunyai data yang formatnya tidak didukung software yang anda gunakan. Untuk itu, anda akan sangat merasakan sekali kegunaan spatial data translator/library. Spatial data translator adalah software RS/GIS yang didesain terutama nutuk keperluan konversi data spasial. Sejauh yang saya ketahui, ada dua software spatial data translator yang banyak digunakan. Yang pertama adalah SAFE FME dari Safe software (www.safe.com). FME dapat mensupport lebih dari 200 format data (raster dan vektor). walaupun kemampuannya sangat handal , FME termasuk dalam kategori shareware, sehingga anda harus membeli lisensinya untuk dapat menggunakan secara permanen dan tanpa limitasi. Software yang kedua adalah FWTools. Berbeda dengan FME, FWTools termasuk dalam kategori freeware/open source, sehingga anda dapat menggunakannya secara cuma2. FWTools dibuat oleh Frank Warmerdam dengan menggunakan bahasa Phyton. FWTools versi terbaru (2.2.1) dapat didowload dari situs www.fwtools.maptools.org . Bagi anda2 yang sering menggunakan GDAL untuk konversi data, ada baiknya anda mencoba FwTools ini karen software ini termasuk salah satu yang mengimplementasikan GDAL paling sempurna dengan GUI yang mudah dipahami.

GUI GDAL Export/Import Tool pada FWTools


Bagi saya pribadi, FWTools ini merupakan dewa penyelamat, karena saya termasuk fans berat ILWIS. Sebagaimana yang kita ketahui bersama, ILWIS versi terbaru (3.4 Open source) tidak lagi mengimplementasikan PCI geogateway dalam modul import/exportnya, implementasi GDAL pun kurang sempurna, sehingga modul import/export ILWIS 3.4 terdegradasi cukup parah jika dibandingkan versi sebelumnya (3.3 Academic). Adanya FWTools ini menyelamatkan saya karena software ini dapat melakukan import/export dari format ILWIS 2.x dan 3.x ke format lain, bahkan yang tidak didukung oleh versi 3.3. Academic seperti JP2, ESRI GRID, ERDAS IMAGINE, dll.

FWTools = Cool.

Thanks, respect and salute to Mr Frank Warmerdam and all RS/GIS Software engineer/developer for their incredible works, so my spatial analysis can be done without having problem with legality