PJ SISTEM MULTISPEKTRAL

PENGINDERAAN JAUH

SISTEM MULTISPEKTRAL

• Citra Band Tunggal

Citra Komposit warna

Landsat band 2,3,4,

•

These three bands are typically combined to
make a ‘traditional’ false colour composite as
one also knows from aerial photography. In band
4, especially the high reflectance peak from
vegetation is detected, also enabling
discrimination of numerous vegetation types.
Also detecting land-water is well possible with
band 4. This false colour combination makes
vegetation appear as redtones, brighter reds
indicating more the growing vegetation. Soils
with no or sparse vegetation range from white
(sand, salt) to greens or browns depending on
moisture and organic matter content. Water
appears blue; clear water will be dark blue to
black while shallow waters or waters with high
sediment concentrations are lighter blue. Urban
areas will appear blue towards gray.

1. Fundamentally involves the combining

or merging of data from multiple
sources in an effort to extract better
and/or more information.

2. This may include data that are

multitemporal, multiresolution,
multisensor, or multi-data type in
nature.

Data integration in Remote Sensing:

1. SPOT data are well suited to this approach as the 10 metre

panchromatic data can be easily merged with the 20 metre
multispectral data.

2. Additionally, the multispectral data serve to retain good

spectral resolution while the panchromatic data provide the
improved spatial resolution.

The merging of data of a higher
spatial resolution with data of
lower resolution can significantly
sharpen the spatial detail in an
image and enhance the
discrimination of features.

An excellent example of
this technique is the
combination of
multispectral optical data
withradar imagery

1. These two diverse spectral representations of the

surface can provide complementary information.

2. The optical data provide detailed spectral

information useful for discriminating between
surface cover types, while the radar imagery
highlights the structural detail in the image.

PJ Multispektral: PJ yang setiap kali perekamannya
menggunakan beberapa panjang gelombang yg berbeda-beda.

Output : beberapa data PJ satu daerah dengan wujud/nilai
spektral yang berbeda-beda. Perbedaan nilai spektral sesuai
dengan panjang gelombang yang digunakan utk perekaman
Output : berupa data analog dan data digital

1. Many remote sensing systems record energy over several

separate wavelength ranges at various spectral resolutions.

2. These are referred to as multi-spectral sensors and will be

described in some detail in following sections.

3. Advanced multi-spectral sensors called hyperspectral

sensors.

• Secara teoritik, setiap obyek mempunyai ciri spektral

tersendiri. Pantulan / pancaran maksimum setiap obyek
terjadi pada panjang gelombang tertentu, pada umumnya
terjadi pada julat panjang gelombang (pita) yang sempit.

• Penggunaan beberapa pita sempit sekaligus, akan

memudahkan pencarian beda nilai yang besar antara 2 obyek
atau lebih

• Kemudahan pengenalan obyek pada citra multispektral

ditingkatkan dengan penggunaan “Additive color viewer” dan
“analisis digital”

• Peningkatan kemudahan pengenalan obyek, menyebabkan

peningkatan informasi yang dapat diperoleh dari citra

A. DATA ANALOG

1.

FOTO MULTISPEKTRAL :



Panjang gelombang yang digunakan : 0,4-0,5 μm (biru), 0,5-0,6
μm (hijau), 0,6-0,7 μm (merah), 0,7-0,9 μm (IM)



Sensor : Multikamera atau multilensa



Cara Interpretasi :



Cara Sederhana : berdasarkan karakteristik spektral masing-
masing obyek



Dengan Pengamat Warna Aditif : dari foto hitam putih,
dibuat menjadi foto paduan warna (color composite photo).
Jika digunakan 4 pita, dihasilkan 44 paduan warna, jika
digunakan 3 pita, dihasilkan 33 paduan warna .

PENGAMAT WARNA ADITIF

Lampu

(A)

menyinari

foto

diapositif hitam putih (B) shg
tiap foto menerima sinar biru,
hijau,

merah

secara

penuh.

Sinar tiap lampu yg menembus
diapositif diarahkan oleh

optical

train (C) melewati filter (D) yg
dapat diatur dengan 4

warna

pilihan (hitam, biru, hijau, merah)
Sinar

keempat

foto

tumpang

tindih di layar pengamat (E)

CARA KERJA :

Proyeksi keempat foto hitam putih pd
layar pengamat menjadi Foto Paduan
Warna (Color Composite Photo)

PROSES WARNA ADITIF & WARNA SUBTRAKTIF

Proses Aditif :
Proses pembentukan
warna menggunakan
warna aditif sebagai
warna dasar

Proses Subtraktif :
Proses pembentukan
warna menggunakan
warna subtraktif
sebagai warna dasar .

INTERPRETASI
KARAKTERISTIK
SPEKTRAL PADA
CITRA MULTI
SPEKTRAL

PANTULAN
RUMPUT, BIRCH,
FIR , PINUS
PADA CITRA
MULTI
SPEKTRAL

Cara Pengamatan/ pengenalan obyek :

• Pada Gambar 7.3 digunakan foto

multispektral hitam putih band 1
(biru), band 3 (merah) dan band 4
(IM). Misalnya ditembakkan
warna dasar biru pada foto band 1,
warna hijau pada foto band 3, dan
warna merah pada foto band 4

• Berarti pantulan besar pada foto

band 1 menghasilkan warna biru
tua, pantulan besar pada foto band
3 menghasilkan warna hijau tua,
dan pantulan besar pada foto band
4 menghasilkan warna merah tua

• Pantulan rumput pada band 1 kecil, maka

pada foto band 1 rumput tergambar dg
warna biru muda. Pantulan kecil pada
band 3 menyebabkan rumput berwarna
hijau muda. Sedangkan pantulan yang
besar pada band 4 menyebabakan rumput
berwanna merah tua

• Dengan demikian, warna rumput pada

foto paduan warna merupakan kombinasi
tiga foto tersebut (gabungan warna biru
muda, hikau muda, dan merah tua)

• Warna biru, hijau, dan merah dengan

intensitas sama menghasilkan warna
putih. Dengan demikian, pada foto
paduan warna yang dibentuk oleh
lombinasi 3 band tersebut, rumput akan
berwarna merah agak pucat

2. CITRA MULTISPEKTRAL NONFOTO :

•

Panjang gelombang yang digunakan : 0,3-0,4 μm (UV
dekat), 0,4-0,7 μm (tampak), 3-5 dan 8-14 μm (IM
Thermal), dan 1 mm – 100 cm (gel mikro)

•

Sensor : penyiam menyilang normal, penyiam
menyilang miring (pada radar), dan penyiam sejajar
jalur orbit /sensor (pada SPOT & NOAA)

•

Cara Interpretasi : sederhana dan dengan
pengamat warna aditif

MULTISPECTRAL SCANNNING

•

Sistem Scanning yang digunakan baik dengan platform pesawat udara
maupun satelit mempunyai prinsip yang sama.

•

Multispektral scanner (MSS) : suatu sistem scanning yang digunakan
untuk ekstraksi data dengan range panjang gelombang yang berbeda

•

Ada dua metode untuk memperoleh data citra multispektral : across-track
scanning (gbr. Kiri) , dan along-track scanning (gbr. Kanan).

B. DATA DIGITAL

1.

FOTO MULTISPEKTRAL :



Sensor : sama dengan citra multispektral non foto



Cara Interpretasi :

–

Pengenalan pola spektral (pengenalan obyek yang
terekam pada data digital dengan mendasarkan atas
trpolanya nilai spektral dalam ruang)

–

Pengenalan obyek dilakukan dengan mengkelaskan
tiap piksel termasuk kelas (obyek) apa, sehingga
disebut “ KLASIFIKASI” (klasifikasi terselia dan
klasifikasi tak terselia)

Manfaat Citra Digital Multispektral:

•

Meningkatkan kemampuan pengenalan obyek

•

Meningkatkan kemampuan pengenalan obyek melalui
pengenalan pola temporal

•

Penaksiran jumlah & agihan vegetasi, dalam rangka
penaksiran produksi kayu :

•

Pengukuran indeks luas daun (Leaf Area Index / LAI) :
jumlah luas daun hijau per unit luas di permukaan lahan

•

Pengukuran Biomassa : massa/ berat vegetasi hijau per
satuan luas (biasanya diketahui dari timbangan vegetasi
yang ditebang)

•

Pengukuran presentasi vegetasi penutup: diketahui
dengan memotret tajuk vegetasi dari dasar hutan ke atas

• Pantulan obyek tergantung pada panjang gelombang

(pantulan oleh daun kecil pada pita biru & merah, tetapi
pantulannya besar pada pita IM dekat)

• Indeks luas daun berbanding terbalik thd pita merah, &

berbanding lurus thd pita IM dekat(shg rasio antara
pantulan pita merah & pita IM dekat mencerminkan beda
yg lebih besar antara pantulan pita merah & IM dekat)

• Nilai rasio yang besar mencerminkan indeks luas daun

yang besar pula

• Bentuk Rasio : LAI = IR/R, atau (IR - R) /(IR + R)

•

Tanaman jagung dan kedelai mempunyai
umur sama, 140 hari

•

Pada Umur muda, nilai spektralnya
serupa

dan

didominasi

oleh

latar

belakang berupa tanah

•

Pada umur 30 bari, beda nilai spektral
pada ruang 2 dimensi cukup berbeda

•

Pada umur 75 hari, beda nilai spektralnya
kecil.

•

Bila digabung dengan nilai spektral pada
umur 100 hari, dua tanaman tersebut
dapat

dibedakan

meskipun

beda

spektralnya kecil.

•

Nilai

spektral

kedelai

lebih

tinggi

sepanjang λ2 pada umur 75 hari dan lebih
rendah pada umur 100 hari.

•

Tetapi sepanjang λ1, nilai spektral jagung
lebih rendah daripada kedelai, baik pada
umur 75 hari maupun umur 100 hari.

PERUBAHAN TEMPORAL OBYEK DLM RUANG 2 DIMENSI

SATELIT IKONOS

•

Merupakan

satelit

komersial

beresolusi

tinggi

(1

meter

untuk

pankromatik, dan 4 meter untuk multispektral), dengan ketelitian 225 kali
ketelitian citra Landsat 7 Band Pankromatik. Diluncurkan tgl 24 Sept 1999
di Vandenberg, Clifornia, dengan orbit Sun – synchronous

•

Data IKONOS terekam dengan 11 bit, kualitas citra jauh lebih detil dari
citra dengan perekaman 8 bit. Resolusi IKONOS sebanding dg resolusi
foto udara

•

Produk Satelit IKONOS :

•

Georectified Product (Geo) : produk ideal untuk interpretasi, karena
sudah direktifikasi pada datum & sistem proyeksi

•

Orthorectified Product : pada produk ini telah dilakukan ortorektifikasi
pada ellipsoid & proyeksi peta tertentu, untuk menghilangkan distorsi
citra akibat kesalahan geometrik dan pergeseran relief

•

Stereo Product : menggunakan film kamera model Rational Polynomial
Coefisient (RCP), yang menyediakan model data kamera dengan paket
program untuk fotogrammetri dengan koordinat 3D, DEM dan citra yang
telah diorthorektifikasi.

Spektral Band Pada Sensor IKONOS

No

Tipe Data

Julat Spektral (μm)

1

Pankromatik

0.45 – 0.90

2

Multispektral Band 1

0.45 – 0.53 (Biru)

3

Multispektral Band 2

0.52 – 0.61 (Hijau)

4

Multispektral Band 3

0.64 – 0.72 (Merah)

5

Multispektral Band 4

0.77 – 0.88 (IM Dekat)

SATELIT ALOS (Advanced Land Observing Satellite)

•

Tujuan ALOS adalah untuk membantu bidang kartografi, kajian wilayah,
pengendalian bencana, dan survei sumberdaya, untuk lebih lanjut
kemajuan teknologi pengamatan lahan dengan penginderaan jauh
diaplikasikan pada JERS-1 (Japanese Earth Resources Satelitte Unit 1),
dan ADEOS (Advenced Earth Observing Satelitte).

•

ALOS adalah satelit yang mampu mendapatkan dimensi ukuran lahan
dengan akurasi kurang dari 5 meter pada ketinggian topografi, dengan
interval antar grid 10 meter (kurang lebih sama dengan peta opografi skala
1 : 25.000).

•

ALOS dilengkapi dengan tiga instrumen sensor pengamatan bumi, yaitu
Panchromatic Remote-sensing Instrument Stereo Mapping (PRISM)
untuk memperjelas presisi ketinggian, Advanced Visible and Near
Infrared Radiometer type 2 (AVNIR-2) untuk mengamati permukaan
penutup lahan, dan Phased Array type L-band Synthetic Aperture Radar
(PALSAR) untuk menampilkan pengamatan lahan pada waktu siang dan
malam serta pada saat semua kondisi cuaca.

Karakteristik

ALOS

LANDSAT

• MSS
• Tematic Mapper

•

Landsat MSS Data iilustrating population growth in Las Vegas
Metropolitan area . (a). 1972 image

•

Landsat MSS Data iilustrating population growth in Las Vegas
Metropolitan area . (b). 1986 image

•

Landsat MSS Data iilustrating population growth in Las Vegas
Metropolitan area . (c). 1992 image

•

New York and New
Jersey Landcover
derived from Landsat
Thematic Mapper
Data