Analisis Serta Interpretasi 3 Citra Satelit Pada Provinsi Jambi

Nama : Elisa Sofia

Nim : 2410416320021

Kelas : B

Mata kuliah : penginderaan jauh

Dosen pengampu : Dr.Rosalina Kumalawati, S.Si, M.Si

Program studi S1 Geografi

Fakultas Ilmu Sosia dan Ilmu Politik

Unuversitas Lambung Mangkurat

ANALISIS SERTA INTERPRETASI 3 CITRA SATELIT PADA KABUPATEN JAMBI

• PENDAHULUAN

Penginderaan jarak jauh adalah pengukuran atau akuisisi data suatu objek atau fenomena oleh sebuah alat yang tidak secara fisik melakukan kontak dengan objek tersebut atau dari jarak jauh, misalnya dari pesawat, pesawat luar angkasa, satelit, dan kapal. Contoh Penginderaan jauh antara lain satelit pengamatan bumi, satelit cuaca, memonitor janin dengan ultrasonik, dan wahana luar angkasa yang memantau planet dari orbit.

Sistem Dalam Penginderaan Jauh menggunakan tenaga matahari sistem pasif yang menggunakan pancaran cahaya, dan hanya dapat beroperasi pada siang hari saat cuaca cerah. Penginderaan jauh sistem pasif yang menggunakan tenaga pancaran tenaga thermal, dapat beroperasi pada siang maupun malam hari.

Citra penginderaan jauh digolongkan menjadi dua macam, yaitu citra foto dan citra non foto. Citra foto diperoleh dengan sensor kamera, detektor film, proses perekaman fotografi/kimia, mekanisme perekamannya serentak dan menggunakan spektrum ultra violet terpantul, tampak mata dan infra merah terpatul. Citra non foto diperoleh dengan sensor bukan kamera (scanner, radar dan radiometer), detektor bukan film (peta magnetik, termistor, foto konduktif, foto voltaik, dsb), proses perekaman elektronik, mekanisme perekaman parsial, menggunakan spektrum tampak mata dan perluasannya, termal dan gelombang mikro (radar). Jenis-jenis citra non foto yaitu citra Radar, Landsat, SPOT, Infra Merah Termal, Ikonos.

1.  Jambi menggunakan citra sentinel-2 L2A, NDVI

Sentinel-2 adalah misi satelit yang merupakan bagian dari program Copernicus yang dikelola oleh Uni Eropa. Sentinel-2 L2A memberikan citra dengan resolusi tinggi dan dilengkapi dengan berbagai band spektral yang memungkinkan analisis mendalam terhadap vegetasi, air, dan tanah.

Kelebihan citra Sentinel-2 L2A antara lain:

• Resolusi spasial yang tinggi, yaitu 10 meter untuk band multispektral dan 60 meter untuk band swath.
• Data citra yang tersedia secara gratis dan dapat diunduh secara online.
• Kemampuan untuk memantau perubahan lingkungan dan kondisi tanah secara lebih akurat.
• Dapat digunakan untuk berbagai aplikasi, seperti pengawasan lingkungan, pertanian, kehutanan, dan perencanaan wilayah.

Kekurangan citra Sentinel-2 L2A antara lain:

• Keterbatasan dalam penetrasi awan dan kabut, seperti kebanyakan citra satelit optik, Sentinel-2 L2A terbatas dalam kemampuannya untuk menembus awan dan kabut.
• Dibutuhkan kemampuan analisis yang lebih tinggi untuk mengolah data citra Sentinel-2 L2A.
• Data citra Sentinel-2 L2A memerlukan proses Atmospheric Correction yang lebih kompleks.

NDVI (Normalized Difference Vegetation Index) adalah salah satu indeks vegetasi yang paling umum digunakan untuk mengukur kondisi vegetasi. NDVI dapat dihitung menggunakan citra Sentinel-2 L2A dengan rumus:  NDVI = (NIR - RED) / (NIR + RED)

*Kelebihan NDVI antara lain:

-Dapat mengukur kondisi vegetasi dengan lebih akurat.

-Dapat digunakan untuk memantau perubahan kondisi vegetasi secara lebih efektif.

-Dapat digunakan untuk berbagai aplikasi, seperti pengawasan lingkungan, pertanian, dan kehutanan.

*Kekurangan NDVI antara lain:

-Dapat dipengaruhi oleh faktor-faktor lain seperti kondisi tanah, kelembaban, dan awan.

-Memerlukan data citra yang akurat dan reliabel untuk menghasilkan nilai NDVI yang akurat.

Unsur Interpretasi NDVI:

1. Rona/Warna:

Dominasi Hijau: Dominasi warna hijau menunjukkan adanya tutupan vegetasi yang cukup luas di wilayah Senggigi, Jambi, dan Tempino.

Variasi Rona: Variasi rona hijau mengindikasikan perbedaan kerapatan dan jenis vegetasi. Area dengan rona hijau tua umumnya memiliki vegetasi yang lebih rapat dan sehat dibandingkan area dengan rona hijau muda.

2. Ukuran:

Luas Tutupan Vegetasi: Citra menunjukkan luas area tutupan vegetasi yang cukup signifikan di wilayah tersebut.

Ukuran Objek: Ukuran objek individual seperti lahan pertanian, hutan, atau badan air dapat diperkirakan secara relatif berdasarkan skala citra.

3. Bentuk:

Pola Spasial: Pada pola spasial vegetasi menunjukan pola lahan yang beragam, seperti pola persegi panjang untuk lahan pertanian , dan pola tidak bererturan untuk hutan, dan pola linier untuk jalan.

4. Tekstur:

Kepadatan Vegetasi: Tekstur halus menunjukkan vegetasi padat, dan tekstur kasar menunjukkan vegetasi jarang atau campuran vegetasi dan ruang terbuka.

5. Pola :

Kepadatan Vegetasi: Tekstur halus menunjukkan vegetasi padat, dan tekstur kasar menunjukkan vegetasi jarang atau campuran vegetasi dan ruang terbuka.

6. Lokasi:

Letak Geografis: Gambar ini menunjukkan letak geografis wilayah Senggigi, Jambi dan Tempino yang sebagian besar merupakan lahan pertanian dan hutan.

7. Asosiasi:

Jenis Vegetasi: Berdasarkan nilai NDVI dan pola spasial, dapat diasumsikan bahwa wilayah ini didominasi oleh vegetasi tanaman pangan atau hutan.

Penggunaan Lahan: Pola penggunaan lahan yang terlihat mengindikasikan aktivitas pertanian yang intensif di beberapa area.

8. Bayangan:

Topografi: Adanya bayangan dapat mengindikasikan perbedaan ketinggian atau topografi suatu area. Namun, dalam citra NDVI, bayangan tidak terlalu terlihat karena indeks ini lebih sensitif terhadap variasi vegetasi.

copernicusbrowser

2.  Jambi menggunakan citra sentinel-2 L2A, False Color (Urban)

Citra Sentinel-2 L2A  dalam mode false color (urban) memberikan pemandangan unik kawasan Senggigi, Jambi, dan Tempino. Mode pseudocolor ini dimaksudkan untuk menonjolkan fitur perkotaan seperti bangunan dan infrastruktur. Namun, seperti terlihat pada gambar, di area yang didominasi vegetasi, mode warna semu ini mungkin tidak memberikan informasi terbaik untuk semua jenis analisis.

Kelebihan Citra

• mendeteksi perubahan tutupan lahan pada gambar : Mode warna palsu  dapat berguna khususnya untuk mendeteksi perubahan tutupan lahan terkait urbanisasi. Kawasan yang  banyak bangunan dan infrastrukturnya cenderung memiliki warna yang berbeda dibandingkan kawasan yang memiliki vegetasi.
• Identifikasi Fitur Linier: Fitur linier seperti jalan, sungai, dan saluran irigasi sering kali tampak lebih jelas pada gambar berwarna palsu.
• Menyoroti fitur-fitur buatan manusia: Dengan mudah mengidentifikasi fitur-fitur buatan manusia seperti tambang, bendungan, dan kawasan industri.

Kekurangan citra

• Sangat tidak cocok untuk vegetasi: Mode Pseudocolor tidak dirancang untuk memberikan informasi rinci tentang kondisi vegetasi. Indeks vegetasi seperti NDVI cocok untuk analisis vegetasi.
• Efek atmosfer: Kondisi atmosfer seperti kabut dan awan dapat memengaruhi tampilan gambar dan membuatnya sulit diinterpretasikan.
• Interpretasi Subjektif: Interpretasi terhadap gambar pseudocolor dapat bersifat subyektif karena warna yang ditampilkan belum tentu sesuai dengan warna alami permukaan bumi.

Unsur interpretasi 

• Rona/Warna: Dominasi warna hijau menunjukkan beragamnya vegetasi. Namun variasi warna, terutama di perkotaan, menunjukkan adanya perbedaan tipe tutupan lahan.
• Ukuran : Ukuran suatu benda dapat diperkirakan secara relatif. Misalnya, kawasan pemukiman umumnya lebih kecil dibandingkan kawasan hutan.
• Bentuk : Bentuk suatu benda dapat memberikan informasi mengenai jenis benda tersebut. Misalnya, bentuk persegi panjang sering dikaitkan dengan lahan pertanian dan bangunan, sedangkan bentuk tidak beraturan sering dikaitkan dengan  hutan.
• Tekstur: Tekstur halus menunjukkan area  yang tertutup rapat, seperti hutan atau lahan pertanian yang subur. Tekstur yang kasar menunjukkan wilayah yang cakupannya rendah atau tutupan lahannya berubah.
• Pola : Pola spasial objek  memberikan informasi tentang penggunaan lahan. Misalnya, pola linier sering dikaitkan dengan jalan raya dan sungai.
• Bayangan: Bayangan  memberikan informasi tentang medan. Namun, bayangan pada gambar ini mungkin kabur karena  mode warna palsu.
• Lokasi: Lokasi geografis suatu objek dapat ditentukan dengan menggunakan informasi tambahan seperti peta dan koordinat.
• Asosiasi: Anda dapat menganalisis hubungan antar objek. Misalnya, kawasan pemukiman seringkali terhubung dengan jalan raya dan fasilitas umum.

 

copernicusbrowser

3.  Jambi menggunakan citra sentinel-2 L2A, Moisture index

Gambar Sentinel-2 L2A, yang ditampilkan dalam bentuk indeks kelembapan, memberikan informasi  berharga mengenai status kelembapan permukaan di wilayah Senggigi, Jambi, dan Tempino. Indeks kelembaban ini sangat berguna untuk berbagai aplikasi seperti pemantauan pertanian, pengelolaan sumber daya air, dan pencegahan bencana.

Kelebihan Citra

•  Informasi kelembaban: Gambar ini  memberikan informasi kuantitatif langsung tentang kadar air permukaan, yang sangat penting untuk memahami kondisi tanah dan vegetasi.
• Mendeteksi kekurangan air: Area dengan kelembapan rendah dapat mengindikasikan kekurangan air pada tanaman, yang dapat mempengaruhi produktivitas pertanian.
• Pemantauan kekeringan: Gambar-gambar ini dapat digunakan untuk memantau kondisi kekeringan dan mengidentifikasi daerah rawan kekeringan.
• Awas Banjir: Sementara itu, wilayah dengan kelembapan tinggi dapat mengindikasikan adanya risiko banjir.Kekurangan Citra.

Kekurangan Citra

• Pengaruh faktor lain : Nilai indeks kelembaban dapat dipengaruhi oleh faktor selain kadar air, seperti Jenis tanah, tutupan vegetasi dan kondisi atmosfer.
• Resolusi spasial: Resolusi spasial gambar mungkin tidak cukup tinggi untuk mendeteksi perubahan kelembapan pada skala yang sangat kecil.
• Kalibrasi: Keakuratan indeks kelembaban sangat bergantung pada kalibrasi data lapangan yang tepat.

Unsur Interpretasi :

•  Rona/Warna: Warna pada gambar biasanya biru tua yang menunjukkan kelembapan tinggi dan merah menunjukkan kelembapan rendah.
• Ukuran : Luas suatu daerah yang kelembabannya seragam  memberikan informasi tentang keseragaman kondisi lingkungan.
•  Bentuk : Bentuk suatu kawasan dengan tingkat kelembaban tertentu dapat memberikan informasi mengenai topografi dan tipe penggunaan lahan.
• Tekstur: Tekstur halus menunjukkan area dengan kadar air yang relatif seragam, sedangkan tekstur kasar menunjukkan fluktuasi kelembapan yang besar.
• Pola: Pola spasial kadar air mungkin mencerminkan pengaruh faktor lingkungan seperti topografi, jenis tanah, dan penggunaan lahan.
• Bayangan: Bayangan dapat mempengaruhi nilai indeks kelembaban, terutama pada daerah dengan topografi yang  kompleks.
• Lokasi: Letak geografis suatu wilayah dengan tingkat kelembapan tertentu  memberikan informasi mengenai kondisi iklim dan lingkungan setempat.
•  Relevansi: Kelembapan dapat dikaitkan dengan faktor lain seperti jenis tanaman, penggunaan lahan, dan kondisi cuaca.