STANDARISASI KOREKSI DATA SATELIT MULTI TEMPORAL DAN MULTI SENSOR (LANDSAT TM/ETM+ DAN SPOT-4)
Pemanfaatan data satelit penginderaan jauh telah dilakukan untuk berbagai kegiatan, khususnya untuk pengelolaan Daerah Aliran Sungai (DAS) dan danau. Namun, pada umumnya penelitian yang telah dilakukan, khususnya di Indonesia mempunyai permasalahan dengan masih belum dilakukannya standarisasi pengolahan data awal, yang berkaitan dengan proses orthorektifikasi dan koreksi radiometrik. Kegiatan ini bertujuan untuk melakukan standarisasi koreksi data citra untuk pemantauan tingkat kekeruhan (TSM: Total Suspended Material) di Danau Limboto selama periode 1990-2010. Data yang digunakan adalah data Landsat TM/ETM+ dan SPOT-4. Proses koreksi yang dilakukan meliputi orthorektifikasi, koreksi matahari, koreksi terrain dan normalisasi antar data beda waktu dan beda sensor.
PEMBUATAN SEBARAN SPASIAL NDVI MINIMUM DAN MAKSIMUM BERBASIS DATA LANDSAT TM/ETM+ PERIODE 2000-2009
Informasi spasial nilai minimum dan dan maksimum dari indek kehijauan vegetasi (NDVI) sangat diperlukan sebagai data masukan untuk pendugaan laju erosi tanah. Informasi spasial NDVI pada daerah tangkapan air (DTA) membutuhkan citra satelit dengan resolusi spasial menengah, seperti citra Landsat. Tetapi tutupan awan/ haze dan perbedaan pencahayaan karena topografi dapat mengakibatkan tidak akuratnya NDVI. Kegiatan ini bertujuan untuk membuat informasi spasial NDVI minimum dan maksimum di DTA Danau Kerinci menggunakan 19 citra Landsat TM/ETM+ periode 2000-2009. Data yang digunakan adalah perekaman bulan berbeda yang mewakili musim kemarau dan hujan. Standarisasi data dengan melakukan koreksi geometri matahari dan koreksi terrain menggunakan metode C-correction. Proses berikutnya adalah menghilangkan awan/haze dan bayangan pada setiap citra, konversi ke NDVI, kroping dan penggabungan data, serta perhitungan NDVI maksimum dan minimum. Analisis lebih lanjut dilakukan untuk melihat perubahan NDVI. Hasil memperlihatkan bahwa kondisi topografi, awan dan bayangan mempengaruhi NDVI, terutama dalam menentukan NDVI minimum. Karena itu standarisasi data dan penghilangan awan/bayangan menjadi syarat penting mendapatkan NDVI yang konsisten dan akurat. Perubahan NDVI tinggi terjadi pada penutup lahan yang dinamis (sawah), sedangkan perubahan NDVI rendah terjadi pada penutup lahan yang statis (hutan dan tubuh air).
PENINGKATAN AKURASI HASIL KLASIFIKASI PENUTUP LAHAN MENGGUNAKAN METODE MAXIMUM LIKELIHOOD
Informasi spasial penutup lahan merupakan informasi terpenting yang dapat diturunkan dari data satelit penginderaan jauh. Berbagai metode klasifikasi telah digunakan untuk mendapatkan hasil klasifikasi penutup lahan yang akurat. Salah satu metode yang populer digunakan adalah metode klasifikasi Maximum Likelihood. Tahapan proses sebelum dan setelah proses klasifikasi dilaporkan dapat memperbaiki tingkat akurasi hasil klasifikasi seperti: proses koreksi data, penambahan kanal masukan, filtering, dan editing. Tujuan penelitian ini adalah mengkaji pengaruh dari beberapa tahapan proses untuk meningkatkan akurasi hasil klasifikasi penutup lahan dengan metode Maximum Likelihood, sekaligus mengkaji kemampuan data SPOT-4, yang belum dimanfaatkan secara maksimal di Indonesia, untuk penurunan informasi spasial penutup lahan. Koreksi sudut matahari dan jarak bumi-matahari dilakukan untuk mengubah nilai dijital menjadi reflektansi, selanjutnya dilakukan pengumpulan sampling untuk 13 kelas penutup lahan. Pengambilan sampling dilakukan dengan merujuk pada hasil survei lapangan dan data satelit resolusi sangat tinggi Ikonos untuk wilayah kajian. Sampling dibagi menjadi 2 bagian, yaitu sampling input proses klasifikasi (total 220 sampling) dan sampling pengujian akurasi (550 data). Hasil klasifikasi difilter dan direklas menjadi 11 kelas. Tingkat akurasi hasil klasifikasi dievaluasi dengan menggunakan metode confusion matrix, untuk menghitung user accuracy, produser accuracy, total accuracy, dan kappa statistic. Pengaruh beberapa tahapan proses seperti kanal tambahan, model klasifikasi, filtering, dan editing (post processing) dianalisis untuk mendapatkan akurasi klasifikasi yang terbaik. Hasil memperlihatkan bahwa metode Maximum Likelihood Enhanced Neighbor, penambahan topografi, filtering, dan editing kelas mampu meningkatkan total akurasi hasil klasifikasi penutup lahan di wilayah kajian secara signifikan dari 67% menjadi 87%.
PENDUGAAN LAJU EROSI TANAH MENGGUNAKAN DATA PENGINDERAAN JAUH LANDSAT TM/ETM+ DAN SPOT-4