Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI

Landsat merupakan salah satu satelit observasi bumi yang diluncurkan dan dikelola oleh National Aeronautics and Space Administration (NASA) dan United State Geological Survey (USGS). Seri Landsat yang telah diluncurkan sejak tahun 1972 hingga saat ini berjumlah 8, yaitu Landsat-1 (L1) yang diluncurkan pada tahun 1972, Landsat-2 (L2) pada tahun 1975, Landsat-3 (L3) tahun 1978, Landsat-4 (L4) tahun 1982, Landsat-5 (L5) tahun 1984, Landsat-6 (L6) tahun 1993 yang gagal mencapai orbit, Landsat-7 (L7) tahun 1999 (Prost, 2014; Soetoto and Setianto, 2005) dan Landsat-8 (L8) yang diluncurkan pada tahun 2013 (USGS, 2016).

L1 hingga L3 menggunakan sensor kamera Return Beam Vidicon (RBV) yang menggunakan 3 saluran dan Multispectral Scanner (MSS) (Prost, 2014; Soetoto and Setianto, 2005; USGS, 2016). Ketiga seri Landsat ini memiliki resolusi spasial 80 m dan temporal 18 hari. Sensor yang digunakan pada L4 dan L5 yaitu MSS dan Thematic Mapper (TM). Keduanya memiliki resolusi temporal 16 hari, resolusi spasial 30 m x 30 m pada saluran tampak mata dan inframerah terpantul, 120 m x 120 m untuk saluran inframerah termal. L6 mendapat tambahan saluran pankromatik dengan resolusi spasial 15 m. L7 yang mengorbit pada ketinggian 705 km dengan resolusi spasial 30 m x 30 m pada saluran 1 – 5 dan 7, 60 m x 60 m pada saluran 6, dan 15 m x 15 m untuk saluran 8, tergantung saluran yang digunakan serta resolusi temporal yaitu 16 hari dengan sensor berupa sensor Enhance Thematic Mapper (ETM). L8 menggunakan sensor Opeational Land Imager (OLI) dan Thermal InfraRed Sensor (TIRS) (USGS, 2016). L8 memiliki resolusi temporal 16 hari dengan resolusi spasial 15-30-100 m yang berbeda tiap saluran (Tabel 1).

Karakter landsat-8 OLI dan TIRS

1. Sensor
L8 memiliki 2 sensor dalam proses akuisisi data permukaan bumi melalui satelit, yaitu OLI (Gambar 1) dan TIRS (Gambar 2). OLI tersusun atas teleskop dengan 4 cermin. OLI menggunakan ribuan detektor untuk tiap saluran spektral yang disusun secara linear (USGS, 2016). Detektor dipasang tegak lurus focal planes dengan pengambilan data secara “push-broom” sehingga alat lebih sensitif terhadap benda bergerak. Data yang dihasilkan memiliki ukuran 12 bit. OLI mengumpulkan citra dari 9 saluran (Gambar 3) dengan resolusi spasial 30 m kecuali saluran pankromatik yang memiliki resolusi spasial 15 m. Signal-to-Noise (SNR) pada OLI memiliki spesifikasi yang lebih baik dibanding pada ETM+. Komparasi SNR pada OLI dan ETM+ tergambar pada Gambar 4. 
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 1. Instrumen OLI (USGS, 2016)
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 2. Instrumen TIRS (USGS, 2016)
Pengambilan data pada TIRS sama halnya pada OLI, yaitu secara “push-broom” dan menggunakan focal plane dengan detektor fotosensitif long arrays (USGS, 2016). TIRS menggunakan Quantum Well Infrared Photodetectors (QWIPs) untuk mengukur panjang gelombang Thermal Infrared (TIR) sehingga intensitas yang terukur merupakan fungsi dari temperatur permukaan bumi. TIRS sensitif terhadap 2 panjang gelombang TIR, sehingga dapat membedakan temperatur pada permukaan bumi dan atmosfer. Oleh karena itu, TIRS dapat  mengumpulkan data citra dari 2 saluran termal (Gambar 5) yang mana keduanya memiliki resolusi spasial 100 m.
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 3. Kontinuitas  Data Multispektral  Landsat  (USGS, 2016)
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 4. Komparasi performan SNR pada OLI dan ETM+ (USGS, 2016)
2. Saluran / band
Saluran yang dimiliki L8 berjumlah 11 saluran dengan panjang gelombang tertentu (Gambar 5), dimana tiap saluran memiliki resolusi spasialnya masing-masing (Tabel 1) (USGS, 2016). Selain memiliki resolusi yang berbeda-beda, setiap saluran memiliki fungsi masing-masing, misalnya saluran 1 (Coastal/Aerosol) yang baru ditambahkan pada L8 berguna dalam identifikasi air laut, dan sebagainya (Tabel 2).
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 5. Komparasi pajang gelombang saluran pada ETM+ dengan OLI dan TIRS (USGS, 2016)
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Tabel 1. Resolusi spasial dan panjang gelombang saluran pada Landsat-7 ETM+ dan Landsat-8 OLI dan TIRS (USGS, 2016)
Tabel 2. Kegunaan tiap saluran pada L8 (Soetoto and Setianto, 2005; USGS, 2016)
Saluran
Kegunaan
1
Coastal / Aerosol
Identifikasi air laut
2
Biru
Identifikasi air dangkal, membedakan tanah dari vegetasi, jatuhan bagian tumbuhan konifer.
3
Hijau
Membedakan jenis vegetasi, tanaman sehat dan tidak sehat.
4
Merah
Membedakan jenis vegetasi, membedakan lahan terbuka dengan lahan bervegetasi.
5
Inframerah dekat, inframerah terpantul
Membedakan kandungan biomassa, mengidentifikasi jenis tanaman, membedakan tanah dan tanaman, pemetaan garis pantai.
6
SWIR 1
Identifikasi tanah basah dan tanah kering
7
SWIR 2
Identifikasi tanah basah dan tanah kering
8
Pan
Meningkatkan kontras area bervegetasi dan tidak bervegetasi
9
Cirrus
Deteksi dan identifikasi awan tipis (cirrus) dan kristal es
10
TIR 1
Identifikasi termal di permukaan bumi
11
TIR 2
Identifikasi termal di atmosfer bumi
Pemrosesan Data

Data Landsat-8 dapat diakses secara luas oleh publik melalui pengunduhan pada web earth explorer yang dikelola oleh USGS. Pengunduhan data dapat disesuaikan sesuai kebutuhan berdasarkan pengaturan kriteria, misalnya persentase kehadiran awan pada citra, waktu akuisisi data dan kriteria lainnya yang dapat disesuaikan.

Citra Landsat memiliki beberapa saluran, dimana tiap individu saluran memiliki tampilan seperti pada Gambar 6. Individu saluran citra tersebut menampilkan data permukaan yang relatif masih sulit untuk diinterpretasi. Oleh karena itu, perlu dilakukan pemrosesan data untuk meningkatkan informasi spektral yang ditampilkan citra untuk mempermudah intrepretasi. Penggunaan data L8 dalam berbagai analisis penginderaan jauh, misalnya analisis geologi, vegetasi dan analisis lainnya dilakukan melalui proses kombinasi band.
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 6. Contoh salah satu saluran (saluran 3) Landsat-8 OLI daerah Kalimantan Timur yang diakuisisi pada bulan April
1. Ratioing
Ratioing merupakan proses dimana nilai kecerahan (reflektansi) pada satu saluran dibagi dengan nilai piksel yang sama di saluran yang lain (Prost, 2014), Gambar 7 merupakan contoh citra yang telah diproses ratioing, sehingga kontras objek pada suatu area yang tergambar pada citra lebih tinggi. Ratio dapat meningkatkan kontras material yang memiliki reflektansi berbeda pada panjang gelombang tertentu dan menurunkan efek bayangan akibat perbedaan topografi, karena nilai reflektansi dibagi dengan nilai terendah pada area berbayangan. Pada berbagai jenis citra, ratio digunakan untuk menunjukkan distribusi kumpulan mineral tertentu.
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 7. Contoh citra bulan yang telah diproses ratioing sehingga objek yang tergambar pada citra memiliki kontras yang tinggi (Prost, 2014)
2. Pengubahan dan penggabungan saluran
Pada citra secara umum, informasi suatu data memiliki saluran panjang gelombang yang identik atau memilliki korelasi yang besar, misalnya suatu objek merefleksikan saluran pada panjang gelombang merah juga merefleksikan saluran pada panjang gelombang hijau. Pada kombinasi nilai reflektansi 3 saluran yang ditampilkan pada warna merah, hijau, biru (RGB) akan menghasilkan poin-poin pada ellipsoidal cluster dengan elipsoid yang tidak sejajar dengan salah satu sumbu pantul, akibatnya dihasilkan redundansi data. Gambar 8 merupakan contoh hasil kombinasi saluran pada Landsat-8 OLI yang telah diproses dengan kombinasi saluran menggunakan saluran 5 (NIR), 3 (sinar tampak merah) dan 2 (sinar tampak biru).

Pada analisis gambut, penentuan saluran yang akan digunakan dalam kombinasi saluran untuk menghasilkan citra komposit didasarkan pada komponen yang dapat membedakan gambut dengan lahan lainnya. Gambut dapat terbentuk dengan baik apabila lingkungan memiliki energi rendah, mendapatkan suplai material organik yang utamanya diproduksi oleh tumbuhan dan fitoplankton, suplai material inorganik / mineral terbatas serta lingkungan yang berkarakteristik reduktif sehingga material organik dapat terawetkan dengan baik tidak diurai secara signifikan oleh bakteri pengurai (Killops dan Killops, 2005).
Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI
Gambar 8. Citra Landsat-8 OLI daerah Kutai Kartanegara dan sekitarnya, Kalimantan Timur yang telah diproses melalui kombinasi saluran, menggunakan saluran 5-3-2
Material suspensi perlu diidentifikasi dengan tajam untuk membedakan lahan gambut dengan area sungai atau lahan basah lain dengan kandungan material sedimen suspensi yang tinggi.  Analisis persebaran material sedimen suspensi dengan baik dapat dilakukan dengan memanfaatkan saluran merah (b4) dan hijau (b3) (Fauzi and Wicaksono, 2016). Sementara untuk membedakan material sedimen dengan material organik, berdasarkan studi (Kaliraj et al., 2014) meggunakan L7, saluran yang dapat digunakan yaitu saluran inframerah dan sinar tampak warna hijau dan merah. Hal ini didasarkan karena sinar inframerah dipantulkan secara maksimal oleh material organik, sementara material sedimen suspensi memantulkan sinar tampak warna hijau dan merah dengan kuat.

Keberadaan tumbuhan juga perlu dilakukan identifikasi untuk mengetahui area lahan gambut. Pada saluran Landsat, vegetasi dapat diidentifikasi dengan baik oleh saluran 5 (NIR) dan saluran 4 (sinar merah). Hal ini disebabkan karena tumbuhan memantulkan dengan kuat sinar NIR, sebaliknya menyerap dengan kuat sinar tampak merah (earth observatory; Margono, 2015). 

Berdasarkan kriteria lahan gambut di atas, maka lahan gambut dapat dianalisis dengan tajam menggunakan Landsat-8 kombinasi saluran 4-5-3. Lahan gambut akan ditunjukkan oleh pola seragam pada citra hasil kombinasi saluran (Wahyunto dan Suryadiputra, 2008).

3. NDVI
Normalized Difference Vegetation Index (NDVI) merupakan salah satu analisis data citra untuk menghitung densitas tumbuhan pada suatu area (Maiti dan Bandyupadhyay, 2015). NDVI menggunakan 2 saluran dalam analisis kerapatan tumbuhan, dimana kedua saluran yang digunakan merupakan saluran yang dapat menggambarkan secara efektif dan maksimal pantulan sinar yang dipantulkan ataupun diserap oleh vegetasi, sehingga citra yang tergambar menunjukkan area bervegetasi secara akurat. Kedua saluran tersebut yaitu saluran inframerah dekat (NIR) dan saluran merah. Saluran NIR memiliki panjang gelombang yang tumbuhan pantulkan secara maksimal, sementara saluran merah memiliki panjang gelombang yang paling banyak tumbuhan serap. Hal tersebut disebabkan karena klorofil yang ada pada tumbuhan merefleksikan sinar pada panjang gelombang 0,7-1,1mikron yang termasuk pada saluran NIR, sebaliknya menyerap sinar tampak berpanjang gelombang 0,4-0,7 mikrometer (warna merah) dengan sangat kuat. Analisis NDVI ini dilakukan dengan formula rasio sebagai berikut :
NDVI=  (b5-b4)/(b5+b4)
Pada formula (1), b5 merupakan besar intensitas gelombang NIR, sementara b4 merupakan besar intensitas gelombang sinar tampak (merah). Hasil dari perhitungan menggunakan formula tersebut bernilai positif (+) menunjukkan adanya kerapatan vegatasi yang tinggi dan sebaliknya suatu area berdensitas vegetasi rendah apabila nilai hasil perhitungan bernilai negatif (-). Umumnya, penggunaan analisis ini akan dihasilkan data berupa peta berwarna hijau, di mana pada area berwarna hijau yang semakin gelap menunjukkan area dengan densitas vegetasi semakin tinggi atau semakin rapat. 

Pada citra Landsat dalam studi yang dilakukan oleh Wahyunto dan Surya Adiputra (2008) menyimpulkan bahwa lahan gambut yang semakin tebal akan ditunjukkan oleh warna yang semakin gelap. Hal ini dimungkinkan karena penggunaan konsep yang sama terkait kerapatan vegetasi pada suatu area. Oleh karena itu, analisis kerapatan vegetasi perlu dilakukan sebagai analog terhadap analisis ketebalan lahan gambut melalui citra Landsat.

Daftar Pustaka :
1) Fauzi, M., Wicaksono, P., 2016. Total Suspended Solid (TSS) Mapping of Wadaslintang Reservoir Using Landsat 8 OLI. IOP Conf. Ser. Earth Environ. Sci. 47, 1-8. 
2) Kaliraj, S., Chandrasekar, N., Magesh, N.S., 2014. Multispectral image analysis of suspended sediment concentration along the Southern coast of Kanyakumari, Tamil Nadu, India. J. Coast. Sci. 1, 63–71.
3) Killops, S.D., Killops, V.J., 2005. Introduction to organic geochemistry, 2nd ed. ed. Blackwell Pub, Malden, MA, 71-116.
4) Margono, B.A., 2015. Pendekatan Spasial Distribusi Lahan Gambut. Tidak dipublikasikan.
5) Prost, G.L., 2014. Remote Sensing for Geoscientist Image Analysis and Integration, Third. ed. Taylor & Francis Group, Boca Raton, 21-32.
6) Soetoto, Setianto, A., 2005. Geologi Penginderaan Jauh. Teknik Geologi, Fakultas Teknik, UGM, Yogyakarta, 34-46.
7) USGS, 2016. LANDSAT 8 (L8) Data Users Handbook. USGS, South Dacota 7-42.
8) Wahyunto, Suryadiputra, I.N.N., 2008. Peatland Distribution in Sumatra and Kalimantan- explanation of its data sets including source of info, accuracy, data constrains and gaps. Wetland Interntional, Bogor, 4-42.

Subscribe to receive free email updates:

0 Response to "Sejarah Landsat, Karakter Landsat-8 OLI dan TRIS, dan Pemrosesan Data Landsat : Ratioing, Pengubahan dan Penggabungan Saluran, NDVI"

Post a Comment

Berikan komentarnya yaaa.... Kritik dan saran Anda amatlah berarti :D