Leave a comment

Interpretasi Citra Penginderaan Jauh (Lengkap Disertai Contoh) [Bagian 1]

Interpretasi Citra Penginderaan Jauh
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Salah satu pertanyaan penting terkait keberadaan citra penginderaan jauh adalah bagaimana kita dapat memperoleh manfaat besar dari data tersebut?.

Gerbang menuju jawaban tersebut yakni dengan melakukan interpretasi citra penginderaan jauh. Ya, dengan kemampuan mengenali beragam objek yang terdapat pada citra penginderaan jauh, maka kita dapat melakukan berbagai analisis yang tepat sehingga bermanfaat bagi kepentingan kita.

Kami harapkan bagi Anda yang mengambil isi dari postingan ini (baik sebagian atau seluruh isi dari postingan), untuk mencantumkan sumbernya berupa tautan balik aktif (link balik) menuju postingan ini, sebagai bentuk penghargaan Anda kepada usaha kami dalam membuat postingan ini. Terima kasih atas pengertiannya.

Postingan kali ini, kami akan membahas secara mendalam mengenai interpretasi citra penginderaan jauh, yang merupakan bagian dari seri postingan terkait Penginderaan Jauh.

DAPATKAN DATA CITRA SATELIT RESOLUSI SANGAT TINGGI WORLDVIEW-3 BESERTA PENGOLAHAN DAN MAPPING DENGAN HARGA YANG KOMPETITIF DI MAP VISION

UNTUK INFORMASI LEBIH LANJUT DAPAT MENGHUBUNGI KAMI PADA NOMOR TELEPON: 0857 2016 4965 | E-MAIL: mapvisionindonesia@gmail.com

Untuk postingan pertama dan kedua dari seri postingan mengenai Penginderaan Jauh, Anda dapat klik link berikut ini:

Mengenal Penginderaan Jauh

Citra Penginderaan Jauh

Mari kita mulai menyelami pembahasan kali ini. Selamat membaca dan semoga bermanfaat.

Apa Itu Interpretasi?

Sebelum melangkah membahas mengenai intepretasi penginderaan jauh, maka mari kita ketahui terlebih dahulu apa arti kata interpretasi?.

Mari kita buka Kamus Besar Bahasa Indonesia (KBBI), yang dapat kita akses secara online pada website kbbi.web.id.

Menurut KBBI, interpretasi adalah pemberian kesan, pendapat, atau pandangan teoretis terhadap sesuatu. Secara singkat, Kamus Besar Bahasa Indonesia juga mendefinisikan interpretasi sebagai tafsiran.

Interpretasi Citra Penginderaan Jauh

Setelah kita mengetahui pengertian interpretasi berdasarkan KBBI, maka pengertian interpretasi citra penginderaan jauh dapat berupa:

Interpretasi Citra Penginderaan Jauh: pemberian kesan, pendapat, atau tafsiran terhadap beragam objek yang terdapat citra hasil perekaman sebuah wahana penginderaan jauh.

Lalu, menurut para ahli sendiri apa itu interpretasi citra penginderaan jauh?.

Estes & Simonett

Gambar 1. John E. Estes & David Simonett

Menurut (alm.) John E. Estes, yang semasa hidupnya pernah menjadi Profesor Geografi di University of California, Santa Barbara (UCSB), dan (alm.) David Simonett yang juga seorang Profesor Geografi serta pernah menjadi Ketua Departemen Geografi di UCSB, mendefinisikan interpretasi citra penginderaan jauh sebagai perbuatan mengkaji foto udara atau citra dengan maksud untuk mengidentifikasi objek yang tergambar pada foto udara atau citra tersebut.

Seperti yang telah dibahas pada postingan sebelumnya, wahana penginderaan jauh beroperasi pada ketinggian tertentu dari paras bumi, oleh karena itu citra hasil perekaman wahana tersebut memperlihatkan kenampakan objek di permukaan bumi dari bagian atasnya. Seperti misalnya kenampakan rumah pada citra penginderaan jauh akan dominan terlihat pada bagian atapnya saja (terutama jika sudut perekaman antara wahana dengan area perekaman bernilai kecil).

Kemampuan penafsiran yang tepat terhadap tampilan beragam objek dari bagian atas dengan memperhatikan karakteristik objek tersebut, menjadi kunci penting dalam menghasilkan informasi yang akurat dari citra penginderaan jauh, yang akan memberi manfaat terhadap berbagai kepentingan kita.

Interpretasi Manual

Pada saat sekarang ini, interpretasi citra penginderaan jauh dapat dilakukan secara manual, semi otomatis, dan otomatis.

Untuk pembahasan yang pertama terkait cara interpretasi, kami akan mengulas interpretasi citra penginderaan jauh yang dilakukan secara manual.

Pengertian interpretasi manual sendiri yakni penafsiran secara visual beragam objek yang terdapat pada citra penginderaan jauh, yang dilakukan manusia sebagai interpreter (yang melakukan penafsiran).

Kualitas hasil interpretasi secara manual sangat bergantung dari kemampuan orang yang melakukan interpretasi. Pengalaman dalam melakukan interpretasi beragam citra penginderaan jauh dengan tingkat akurasi dan validasi yang tinggi, menjadi faktor penting dalam memperoleh hasil interpretasi yang memuaskan. Selain itu, hasil interpretasi akan lebih baik lagi, jika seorang interpreter dibekali data penunjang pada area yang hendak diinterpretasi seperti data monografi, laporan penelitian, atau peta tematik hasil penafsiran yang telah dilakukan sebelumnya beserta foto-foto yang memperlihatkan objek di area tersebut. Hal lainnya yang sangat membantu dalam proses interpretasi yakni seorang interpreter telah mengenal area yang hendak diinterpretasi, entah karena pernah tinggal atau pernah berkunjung ke area tersebut, sehingga mempunyai data atau setidaknya bayangan terhadap beragam objek yang terdapat pada area tersebut.

BACA JUGA:

1). Bagaimana Cara Memperoleh Citra Satelit?

2). Apa Itu Citra Satelit?

3). Citra Satelit Resolusi Tinggi

4). Foto Udara dan Citra Satelit

5). Manfaat Penginderaan Jauh dalam Bidang Pertanian

Perkembangan teknologi penginderaan jauh yang saat ini telah menghadirkan foto udara dan citra satelit dengan resolusi spasial yang tinggi, membuat proses interpretasi secara manual jauh lebih mudah dilakukan. Kenampakan objek yang detail yang terlihat dari citra satelit resolusi sangat tinggi dan juga foto udara, membuat seorang interpreter tidak terlalu kesulitan memberikan penafsiran terhadap beberapa objek, bahkan bagi mereka yang baru pertama kali melihat data tersebut. Namun, untuk penyajian hasil interpretasi yang terutamanya berupa peta tematik, proses interpretasi harus tetap dilakukan oleh mereka yang telah berpengalaman melakukannya, karena biasanya orang awam hanya dapat dengan tepat memberi penafsiran terhadap objek-objek yang telah familiar dengan mereka, serta tidak memiliki pengetahuan tentang standar klasifikasi tutupan atau penggunaan lahan dari suatu badan tertentu.

Tahapan Interpretasi Manual

Terdapat 4 (empat) tahapan dalam melakukan interpretasi secara manual, yakni:

1). Deteksi: pengamatan atas terdapatnya objek yang terdapat pada citra penginderaan jauh.

Contohnya seperti pada citra satelit yang sedang kita coba interpretasi terdapat berbagai objek dengan beragam kenampakan warna, bentuk objek yang berbeda-beda (bulat, persegi, dan lain-lain), kemudian terdapat objek dengan permukaan yang terlihat kasar atau halus, serta hal-hal lain yang pertama kita lihat pada citra penginderaan jauh.

2). Identifikasi: upaya memberi penafsiran terhadap objek pada citra penginderaan jauh yang dilihat dari unsur-unsur utama spasial, spektral, serta kondisi temporalnya, seperti dilihat dari rona, warna, bentuk, pola, serta hal lainnya.

Sebagai contoh, pada citra penginderaan jauh terdapat sebuah objek berukuran besar dibandingkan objek-objek disekitarnya, dengan bentuk menyerupai huruf L. Dari ciri-ciri tersebut, kita melakukan upaya identifikasi terhadap objek tersebut, apakah objek tersebut merupakan gedung sekolah, gedung pemerintahan, atau objek lainnya.

3). Analisis dan Deduksi: pengambilan kesimpulan terhadap suatu objek yang telah diidentifikasi pada citra penginderaan jauh.

Sebagai contoh lanjutan dari tahapan identifikasi, berikutnya kita harus memutuskan apakah objek berukuran besar dengan bentuk huruf L tersebut apakah sebuah gedung sekolah atau gedung pemerintahan.

4). Klasifikasi: pengelompokkan objek-objek pada citra penginderaan jauh yang telah kita tafsirkan, dengan penyajian informasinya dapat dalam bentuk peta tematik, tabel, atau grafik.

Pada tahapan akhir ini, untuk mengetahui tingkat akurasi dari hasil klasifikasi objek yang terdapat pada citra penginderaan jauh, maka alangkah baiknya dilakukan proses uji akurasi dengan melakukan pengecekan langsung ke lapangan. Jika terdapat kesalahan penafsiran terhadap sebuah objek setelah dilakukan pengecekan lapangan, maka dilakukan perbaikan serta reklasifikasi, serta selanjutnya dilakukan uji validasi.

Unsur-Unsur Interpretasi Citra Penginderaan Jauh

Seperti telah dibahas sebelumnya, dari 4 (empat) tahap interpretasi terdapat tahapan identifikasi untuk mencoba mengenali sebuah objek pada citra penginderaan jauh berdasarkan unsur-unsur utama spasial, spektral, serta kondisi temporalnya. Unsur-unsur tersebut selanjutnya dinamakan dengan unsur-unsur interpretasi citra penginderaan jauh.

Terdapat 9 unsur interpretasi yang dikelompokkan kedalam 4 tingkatan piramida, yang disusun berdasarkan tingkat kesulitan dalam melakukan interpretasi, seperti diperlihatkan gambar di bawah ini:

Piramida Unsur Interpretasi Citra Penginderaan Jauh

Gambar 2. Piramida UnsurUnsur Interpretasi Citra Penginderaan Jauh
(Sutanto, 1986)

Penjelasan mengenai unsur-unsur interpretasi citra penginderaan jauh yang terdapat pada piramida, adalah sebagai berikut:

  • Rona

Rona merupakan tingkat kecerahan atau tingkat kegelapan atau dapat juga dikatakan sebagai tingkat gradasi keabuan suatu objek pada citra penginderaan jauh.

Penafsiran objek pada citra penginderaan jauh dengan menggunakan unsur rona, dapat dilakukan pada citra berwarna hitam putih, seperti contohnya citra pankromatik. Saat ini sendiri sudah sangat langka suatu wahana penginderaan jauh menghasilkan citra dalam tampilan warna hitam putih, dan diantara yang langka tersebut yaitu Satelit WorldView-1 yang hingga tulisan ini dibuat masih beroperasi.

Satelit WorldView-1 menghasilkan citra berwarna hitam putih, karena hanya memiliki 1 saluran/band untuk merekam pantulan dari objek di permukaan bumi. Saluran tersebut menangkap energi gelombang elektromagnetik yang berada pada panjang gelombang yang lebar yakni dari 0,45 – 0,90 mikrometer (sebagian besar termasuk ke dalam spektrum elektromagnetik cahaya tampak (visible) dan juga masuk ke dalam spektrum elektromagnetik inframerah dekat).

Dengan hanya memiliki 1 saluran, kita tidak dapat melakukan komposit warna terhadap Citra Satelit WorldView-1 untuk membuat beragam tampilan warna seperti warna natural dan warna semu, sehingga kita hanya dapat melihat objek pada Citra Satelit WorldView-1 dengan tingkatan kecerahan/kegelapan atau gradasi keabuan yang berbeda-beda pada setiap objek.

Untuk lebih memahami mengapa sebuah citra yang dihasilkan oleh suatu wahana penginderaan jauh berwarna hitam putih, maka kita harus mengetahui cara sebuah citra diperoleh.

Perkembangan teknologi informasi dan komputer yang sangat pesat, membuat hampir semua data saat ini dibuat dalam bentuk digital, tidak terkecuali dengan citra hasil perekaman wahana penginderaan jauh. Citra digital diperoleh dari hasil perekaman sensor yang tersemat pada sebuah wahana. Sensor ini pada umumnya bekerja dalam satuan binary digit (bit).

Bit merupakan satuan terkecil dari storage komputer (dapat pada RAM atau hard drive), yang memberikan dua macam kemungkinan informasi yakni 0 dan 1.

Angka 0 memberikan informasi berupa keadaan “OFF” atau tidak arus yang masuk ke dalam komputer, dan angka 1 memberikan informasi berupa keadaan “ON” atau terdapat arus yang masuk ke dalam komputer.

Pada umumnya citra penginderaan jauh yang dihasilkan mempunyai sistem 8 bit dan 16 bit. Jika 1 bit memberikan 2 macam kemungkinan informasi yakni 0 dan 1 (21), maka 8 bit dapat memberikan 256 macam kemungkinan informasi (28), dan 16 bit dapat memberikan 65.536 macam kemungkinan informasi (216).

Sebagai contoh, jika sensor menangkap pantulan sangat lemah dari sebuah objek di permukaan bumi, sehingga tidak terdapat arus yang masuk sama sekali, maka pada sensor dengan sistem 8 bit akan memberikan informasi dengan nilai 00000000 atau bernilai 0 pada sistem desimal, yang diberi kode warna hitam atau sangat gelap. Begitu juga sebaliknya, jika sensor menerima pantulan yang sangat kuat dari objek di permukaan bumi, dan memberikan informasi nilai 1111111 atau bernilai 255 pada sistem desimal, maka kenampakannya akan berwarna putih atau sangat cerah. Contoh tersebut merupakan dua contoh informasi dari 256 macam kemungkinan informasi untuk citra dengan sistem 8 bit.

Dan berikut contoh kemungkinan  informasi lain dari citra dengan sistem 8 bit:

Perhitungan Bilangan Biner Sistem 8 Bit

*) Anda dapat googling untuk mengetahui cara mengubah bilangan biner menjadi bilangan desimal

Informasi dari citra dengan sistem 8 bit disimpan dalam byte. Jadi 1 Byte sama dengan 8 bit. Sistem penyimpanan citra hasil perekaman wahana penginderaan jauh sendiri merupakan sistem raster yang terdiri dari sel-sel grid atau piksel dengan susunan baris dan kolom, dimana 1 piksel akan disimpan sebagai 1 Byte. Oleh karenanya setiap piksel akan mempunyai nilai dari 0-255 yang merupakan nilai tingkat kecerahan/kegelapan atau gradasi keabuan, yang selanjutnya disebut sebagai Pixel Value atau Digital Number (DN).

Digital Number Citra Penginderaan Jauh

Gambar 3. Ilustrasi Digital Number Pada Citra Pankromatik yang Menunjukkan Tingkat Kecerahan/Kegelapan atau Gradasi Keabuan
(Image Copyright: CCRS/CCT)

Pengetahuan terkait ciri spektral suatu objek pada citra penginderaan jauh, akan sangat membantu dalam proses interpetasi menggunakan unsur rona. Sebagai contoh, umumnya objek air pada citra satelit hasil perekaman satelit dengan sensor pasif akan tampak gelap (berwarna hitam atau tampak gelap), karena menyerap sebagian besar gelombang elektromagnetik dari matahari yang merupakan sumber tenaga alami satelit, dan hanya sebagian kecil dipantulkan yang selanjutnya ditangkap oleh sensor. Sebaliknya, sebuah bangunan akan tampak lebih cerah di citra, karena mempunyai interaksi terhadap gelombang elektromagnetik yang berkebalikan dibandingkan objek air.

Gambar 4. Penggunaan Unsur Rona untuk Interpretasi Citra Satelit WorldView-1
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Untuk memudahkan pemahaman, kita dapat melihat Citra Satelit WorldView-1 di atas. Sesuai dengan ciri spektral yang telah diterangkan sebelumnya, tampak atap bangunan terlihat cerah, sedangkan sungai terlihat gelap.

Permukaan yang kasar juga memberikan kenampakan yang lebih gelap dibandingkan permukaan yang lebih halus, karena sumber tenaga dari wahana terhamburkan, dan hanya sedikit yang terpantulkan yang selanjutnya direkam oleh sensor pada wahana.

Unsur Rona pada Interpretasi Citra Penginderaan Jauh

Gambar 5. Penggunaan Unsur Rona untuk Interpretasi Citra Satelit WorldView1
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Perhatikan Gambar 5 di atas. Area yang ditandai dengan warna merah pada Gambar 5 di atas, diperkirakan merupakan semak belukar, sedangkan area yang ditandai warna biru merupakan tanah yang diberi lapisan perkerasan. Terlihat bahwa kenampakan tanah yang sudah diberi lapisan perkerasan lebih cerah dibandingkan semak belukar, hal itu dikarenakan permukaannya yang lebih halus.

Objek yang pada kenyataannya memang mempunyai tampilan gelap juga akan tampak lebih gelap pada citra satelit, seperti ditunjukkan citra di bawah ini:

Gambar 6. Penggunaan Unsur Rona untuk Interpretasi Citra Satelit WorldView1
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Bangunan pada Citra Satelit WorldView-1 di atas diperkirakan menggunakan seng sebagai penutup bagian atap. Seng yang ditandai dengan area berwarna merah mempunyai tampilan yang cerah dibandingkan seng yang ditandai oleh area berwarna biru. Hal ini kami perkirakan karena seng yang tampak gelap pada Citra Satelit WorldView-1 sudah mengalami perkaratan, dan hal tersebut sesuai dengan kenampakannya pada kenyataan, dimana seng yang berkarat akan tampak lebih gelap (berwarna kecoklat-coklatan).

Faktor waktu pengambilan data (pagi, siang, atau sore), keadaan cuaca saat perekaman data (cerah atau berkabut), arah datangnya matahari, serta beberapa faktor lainnya, merupakan faktor lain yang mempengaruhi tampilan rona pada citra satelit.

  • Warna

Warna merupakan wujud yang terlihat oleh mata pada spektrum elektromagnetik tertentu. Sebagai contoh, suatu objek akan terlihat kuning oleh mata, jika banyak menyerap gelombang biru, dan memantulkan gelombang hijau dan merah.

Penggunaan unsur warna dalam interpretasi citra penginderaan jauh dapat dilakukan pada citra yang setidaknya memiliki 3 saluran/band (multispektral dan hiperspektral), sehingga dapat dilakukan komposit saluran untuk menciptakan tampilan citra warna natural dan warna semu.

Pada pembahasan mengenai unsur rona, kita mengetahui bahwa tampilan citra dalam sebuah saluran disajikan berdasarkan tingkat kecerahan/kegelapan atau gradasi keabuan piksel-piksel penyusunnya.

Untuk citra multispektral atau hiperspektral yang memiliki lebih dari satu saluran, maka setiap saluran akan menampilkan tingkat kecerahan/kegelapan atau gradasi keabuan dengan nilai piksel yang berbeda, sesuai dengan seberapa kuat objek memantulkan gelombang elektromagnetik pada suatu spektrum.

Sebagai contoh, suatu piksel dengan Digital Number (DN) yang tinggi pada citra saluran merah, menunjukkan kuatnya pantulan objek tersebut pada gelombang merah, begitu juga sebaliknya. Contoh ini berlaku untuk semua saluran yang terdapat pada sebuah citra.

Kombinasi dari berbagai saluran pada citra tersebut, dapat menghasilkan tampilan citra warna natural dan warna semu.

Untuk lebih memahaminya, kita dapat melihat ilustrasi berikut ini:

Unsur Warna pada Interpretasi Citra Penginderaan Jauh

Gambar 7. Kombinasi Band RGB 432 Citra Satelit Landsat 8
(Image Copyright: NASA USGS; Courtesy of Map Vision)

Seperti yang kita ketahui bersama, mata manusia normal hanya mampu melihat pada range panjang gelombang yang termasuk ke dalam spektrum elektromagnetik cahaya tampak (visible) – yang terdiri dari band merah, hijau, dan biru. Oleh karena itu, untuk mendapatkan data citra satelit warna natural, maka bandband tersebut harus dimasukkan pada kanal-kanal yang bersesuaian. Dengan demikian, band 4 data original Citra Satelit Landsat 8 yang merupakan band pada panjang gelombang warna merah harus dimasukkan ke dalam kanal warna merah, demikian juga dengan band 3 yang merupakan band hijau masuk ke dalam kanal warna hijau, dan band 3 masuk ke dalam kanal warna biru.

Berkebalikan dengan warna natural, perolehan tampilan citra satelit warna semu dihasilkan dari penempatan band yang tidak sesuai dengan kanalnya, atau juga penempatan bandband yang bukan berasal dari spektrum cahaya tampak (visible), seperti contohnya band-band pada spektrum inframerah pada kanalkanal untuk band merah, hijau, atau biru, seperti contohnya ditunjukkan gambar di bawah ini:

Gambar 8. Kombinasi Band RGB 564 Citra Satelit Landsat 8
(Image Copyright: NASA USGS; Courtesy of Map Vision)

Gambar 8 di atas memperlihatkan kombinasi band RGB 564, dimana band 5 yang merupakan band pada panjang gelombang inframerah dekat atau Near InfraRed (NIR) yang dimasukkan pada kanal warna merah, band 6 yang merupakan band pada panjang gelombang pendek inframerah dekat atau Short Wave InfraRed (SWIR) yang ditempatkan pada kanal warna hijau, dan band 4 yang merupakan band pada panjang gelombang warna merah disimpan pada kanal warna biru.

Warna natural memberikan kenampakan warna objek sesuai dengan apa yang terlihat oleh mata normal manusia. Seperti warna genteng yang berwarna coklat, hijaunya pepohonan, lautan yang berwarna biru, serta warna objek lainnya yang sesuai dengan kenyataan.

Interpretasi menggunakan warna natural dapat digunakan terutamanya pada data citra satelit resolusi sangat tinggi dan tinggi. Dengan kenampakan objek yang detail, serta warna yang sesuai dengan kenyataannya, seorang interpreter tidak akan terlalu kesulitan untuk menafsirkan objek yang terdapat pada citra satelit resolusi sangat tinggi dan tinggi (terutama yang sudah familiar dalam kehidupan sehari-hari), seperti contohnya dapat dilihat gambar di bawah ini:

Citra Satelit Pleiades-1A

Gambar 9. Data Olahan Citra Satelit Pleiades1A Tampilan Warna Natural
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Gambar 9 di atas memperlihatkan Citra Satelit Pleiades-1A hasil olahan dengan warna natural yang mempunyai resolusi spasial kelas 0.5 meter, yang termasuk citra satelit resolusi sangat tinggi.

Beragam objek yang tampak pada citra terlihat detail, sehingga dengan cukup mudah menafsirkan objek-objek tersebut, seperti terdapat jalan, perumahan penduduk, danau, semak belukar, dan pepohonan.

Berbeda dengan tampilan warna natural, citra satelit dengan tampilan warna semu, memberikan kenampakan warna pada objek tidak sesuai dengan yang terlihat oleh mata normal manusia. Hal ini dilakukan untuk memudahkan interpreter melakukan interpretasi terhadap objek-objek yang menjadi fokus utama. Biasanya, citra satelit dengan tampilan warna semu dibuat pada citra satelit dengan resolusi menengah dan rendah, seperti contohnya diperlihatkan di bawah ini:

kombinasi warna, komposit warna, false color, warna semu, warna hijau semu, warna merah semu, warna natural, natural color, true color, warna sebenarya, band, cahaya tampak, visible, gelombang elektromagnetik, spektrum elektromagnetik, panjang gelombang, citra satelit, gambar satelit, gambar permukaan bumi, gambaran permukaan bumi, gambar objek dari atas, jual citra satelit, jual gambar satelit, jual citra quickbird, jual citra satelit quickbird, jual quickbird, jual worldview-1, jual citra worldview-1, jual citra satelit worldview-1, jual worldview-2, jual citra worldview-2, jual citra satelit worldview-2, jual geoeye-1, jual citra satelit geoeye-1, jual citra geoeye-1, jual ikonos, jual citra ikonos, jual citra satelit ikonos, jual alos, jual citra alos, jual citra satelit alos, jual alos prism, jual citra alos prism, jual citra satelit alos prism, jual alos avnir-2, jual citra alos avnir-2, jual citra satelit alos avnir-2, jual pleiades, jual citra satelit pleiades, jual citra pleiades, jual spot 6, jual citra spot 6, jual citra satelit spot 6, jual citra spot, jual spot, jual citra satelit spot, jual citra satelit astrium, order citra satelit, order data citra satelit, jual software pemetaan, jual aplikasi pemetaan, jual pci geomatica, jual pci geomatics, jual geomatica, jual software pci geomatica, jual software pci geomatica, jual global mapper, jual software global mapper, jual landsat, jual citra landsat, jual citra satelit landsat, order data landsat, order citra landsat, order citra satelit landsat, mapping data citra satelit, mapping citra, pemetaan, mengolah data citra satelit, olahan data citra satelit, jual citra satelit murah, beli citra satelit, jual citra satelit resolusi tinggi, peta citra satelit, jual citra worldview-3, jual citra satelit worldview-3, jual worldview-3, order citra satelit worldview-3, order worldview-3, order citra worldview-3

Gambar 10. Kenampakan Objek Jalan Pada Data Olahan Citra Satelit Landsat 8 Warna Natural Kombinasi Band RGB 432
(Image Copyright: NASA USGS; Courtesy of Map Vision)

kombinasi warna, komposit warna, false color, warna semu, warna hijau semu, warna merah semu, warna natural, natural color, true color, warna sebenarya, band, cahaya tampak, visible, gelombang elektromagnetik, spektrum elektromagnetik, panjang gelombang, citra satelit, gambar satelit, gambar permukaan bumi, gambaran permukaan bumi, gambar objek dari atas, jual citra satelit, jual gambar satelit, jual citra quickbird, jual citra satelit quickbird, jual quickbird, jual worldview-1, jual citra worldview-1, jual citra satelit worldview-1, jual worldview-2, jual citra worldview-2, jual citra satelit worldview-2, jual geoeye-1, jual citra satelit geoeye-1, jual citra geoeye-1, jual ikonos, jual citra ikonos, jual citra satelit ikonos, jual alos, jual citra alos, jual citra satelit alos, jual alos prism, jual citra alos prism, jual citra satelit alos prism, jual alos avnir-2, jual citra alos avnir-2, jual citra satelit alos avnir-2, jual pleiades, jual citra satelit pleiades, jual citra pleiades, jual spot 6, jual citra spot 6, jual citra satelit spot 6, jual citra spot, jual spot, jual citra satelit spot, jual citra satelit astrium, order citra satelit, order data citra satelit, jual software pemetaan, jual aplikasi pemetaan, jual pci geomatica, jual pci geomatics, jual geomatica, jual software pci geomatica, jual software pci geomatica, jual global mapper, jual software global mapper, jual landsat, jual citra landsat, jual citra satelit landsat, order data landsat, order citra landsat, order citra satelit landsat, mapping data citra satelit, mapping citra, pemetaan, mengolah data citra satelit, olahan data citra satelit, jual citra satelit murah, beli citra satelit, jual citra satelit resolusi tinggi, peta citra satelit, jual citra worldview-3, jual citra satelit worldview-3, jual worldview-3, order citra satelit worldview-3, order worldview-3, order citra worldview-3

Gambar 11. Kenampakan Objek Jalan Pada Data Olahan Citra Satelit Landsat 8 Warna Hijau Semu Kombinasi Band RGB 753
(Image Copyright: NASA USGS; Courtesy of Map Vision)

Pada Gambar 10 dan 11 di atas, kita dapat membandingkan data olahan Citra Satelit Landsat 8 tampilan warna natural dengan tampilan warna semu. Objek-objek dengan ukuran kecil, yang dilihat pada skala maksimum data olahan Citra Satelit Landsat 8 warna natural, seperti misalnya objek jalan, tidak dapat diidentifikasi dengan mudah, karena resolusi spasialnya yang rendah. Untuk menyiasati hal tersebut dibuat tampilan warna semu, supaya objek yang menjadi fokus perhatian dengan objek lainnya mempunyai kontras warna yang cukup tajam, sehingga akhirnya objek utama dapat diidentifikasi.

Unsur warna bersama dengan rona merupakan unsur pengenal utama atau primer terhadap suatu objek pada citra penginderaan jauh. Dalam artian, rona atau warna dalam suatu citra merupakan unsur pertama yang secara visual langsung terlihat oleh seorang interpreter. Sehingga, jika suatu objek dalam sebuah citra dapat langsung dikenali dari rona atau warnanya, maka objek tersebut dapat dikatakan sudah sangat familiar bagi interpreter (mungkin karena sudah sering melihat objek tersebut di citra pada pengerjaan projek-projek sebelumnya atau memang sudah sering melihat atau mengenal objek tersebut dalam keseharian).

  • Bentuk

Bentuk merupakan konfigurasi atau kerangka suatu objek, contohnya seperti persegi, memanjang, oval, serta bentuk lainnya. Bentuk juga terkait dengan susunan atau struktur yang lebih rinci, misalnya gunung yang berbentuk kerucut, gedung sekolah yang biasanya menyerupai bentuk huruf U atau L, serta bentuk lainnya.

Contoh penggunaan unsur bentuk dalam interpretasi citra penginderaan jauh dapat dilihat pada gambar di bawah ini:

Unsur Bentuk pada Interpretasi Citra Penginderaan Jauh

Gambar 12. Penggunaan Unsur Interpretasi Bentuk pada Data Olahan Citra Satelit WorldView2
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Gambar 12 di atas merupakan data olahan Citra Satelit WorldView-2 hasil olahan dengan tampilan warna natural yang mempunyai resolusi spasial 0.5 meter, memperlihatkan sebuah bangunan dengan bagian atapnya seperti berbentuk setengah lingkaran. Kita dapat memperkirakan bahwa objek tersebut merupakan sebuah masjid karena pada umumnyan ciri khas masjid di Indonesia yakni menempatkan kubah pada bagian atapnya. Kubah umumnya berbentuk setengah lingkaran, walau banyak terdapat bentuk lainnya seperti menyerupai bawang, kerucut dengan permukaan yang melengkung keluar, serta bentuk lainnya.

Penggunaan unsur bentuk untuk intepretasi citra penginderaan jauh sangat baik digunakan untuk citra dengan resolusi spasial sangat tinggi seperti foto udara dan citra satelit dengan resolusi spasial di bawah 1 meter, sehingga bentuk rinci masing-masing objek terlihat detail dan dapat ditafsir oleh seorang interpreter.

Jika yang digunakan adalah citra penginderaan jauh dengan resolusi spasial menengah dan rendah, maka hanya objek berukuran besar yang dapat diidentifikasi menggunakan unsur bentuk, seperti contoh di bawah ini:

Gambar 13. Penggunaan Unsur Bentuk pada Data Olahan Citra Satelit Landsat 8
(Image Copyright: NASA USGS; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit Landsat 8 warna natural dengan resolusi spasial 15 meter, pada skala maksimal yaitu 1:50.000. Skala maksimal disini mempunyai arti jika skala dibuat lebih kecil misal 1:40.000, maka tampilan citra satelit sudah tampak pecah.

Terlihat dari Citra Satelit Landsat 8, yang dapat terlihat jelas pada skala 1:50.000 adalah objek-objek berukuran besar, seperti contohnya bandara yang dapat diketahui dari terdapatnya runway atau landasan pacu yang mempunyai bentuk memanjang dengan bagian ujung-ujungnya tertutup. Selain itu, kita dapat juga dapat memperkirakan terdapat sungai berukuran besar, yang dilihat dari bentuknya yang berkelok-kelok. Kita juga dapat melihat sebuah bangunan berukuran besar dengan bentuk yang teratur menyerupai kotak atau persegi dalam wilayah yang cukup luas, yang dapat diperkirakan merupakan sebuah pabrik.

Dengan menggunakan Citra Satelit Landsat 8 serta berbagai citra satelit dengan resolusi spasial menengah dan rendah lainnya, kita tidak dapat mengidentifikasi objek berukuran kecil seperti masjid, seperti yang dapat diperlihatkan oleh Citra Satelit WorldView-2 serta citra satelit resolusi sangat tinggi lainnya.

  • Ukuran

Ukuran merupakan atribut objek yang dapat berupa jarak, luas, tinggi, kemiringan lereng, dan volume.

Ukuran dapat digunakan untuk membedakan suatu objek sejenis, contohnya membedakan objek permukiman dengan bangunan sekolah pada citra.

Dari pembahasan unsur bentuk, kita mengetahui bahwa terdapat keterkaitan antara unsur ukuran dengan bentuk. Hal ini karena ukuran objek pada citra tergantung dengan tingkat resolusi spasial dan skala yang digunakan, yang mempengaruhi kenampakan detail dari bentuk objek.

Berikut ini, contoh penggunaan unsur ukuran dalam interpretasi citra penginderaan jauh:

Unsur Ukuran pada Interpretasi Citra Penginderaan Jauh

Gambar 14. Penggunaan Unsur Ukuran pada Data Olahan Citra Satelit WorldView2
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit WorldView-2 warna natural dengan resolusi spasial 0.5 meter.

Pada citra satelit, terlihat terdapat dua objek yang saling berdekatan dengan bentuk yang hampir sama, namun terlihat mempunyai ukuran yang cukup jauh berbeda. Untuk memastikannya, kita dapat melakukan pengukuran menggunakan tool yang terdapat pada softwaresoftware pengolah citra penginderaan jauh. Setelah dilakukan pengukuran luasan dua objek tersebut, objek pertama (ditandai area berwarna merah) mempunyai luasan perkiraan 244 meter persegi, sedangkan objek kedua (ditandai area berwarna kuning) mempunyai luasan perkiraan 1867 meter persegi atau hampir 8 kali lebih luas dibandingkan objek pertama.

Melihat bentuk dan ukurannya, maka dapat diperkirakan bahwa objek yang pertama merupakan permukiman penduduk, sedangkan yang objek yang kedua merupakan sekolah atau kantor instansi pemerintahan. Untuk objek kedua, penafsiran berupa bangunan sekolah atau kantor instansi pemerintah, berdasarkan bangunan lain didekatnya yang juga berukuran besar yang menyerupai huruf U, serta mengapit sebuah lahan terbuka yang diperkirakan merupakan sebuah lapangan.

  • Tekstur

Tekstur merupakan frekuensi perubahan rona dalam citra (Kiefer, 1979, dalam Hadi 2018). Tekstur dihasilkan oleh kelompok unit kenampakan kecil, yang sering dinyatakan dalam bentuk kasar, halus, ataupun belang-belang (Sutanto, 1986, dalam Hadi 2018).

Untuk lebih memahaminya, mari kita lihat contoh di bawah:

Unsur Tekstur pada Interpretasi Citra Penginderaan Jauh

Gambar 15. Penggunaan Unsur Tekstur pada Data Olahan Citra Satelit WorldView2
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit WorldView-2 warna natural dengan resolusi spasial 0.5 meter.

Terlihat dari citra satelit, laut yang tenang mempunyai tekstur yang halus, semak belukar dengan tekstur sedang, dan pepohonan dengan teksur yang kasar.

Penggunaan unsur tekstur pada citra penginderaan jauh dengan resolusi spasial sangat tinggi mungkin tidak terlalu sering digunakan, berhubung dengan tampilan objek yang detail, kita dapat mengenali objek dari unsur warna/rona, bentuk, dan ukuran, akan tetapi untuk citra dengan resolusi menengah dan rendah, akan cukup membantu mengenali objek pada citra, seperti contoh di bawah ini:

Gambar 16. Penggunaan Unsur Tekstur pada Data Olahan Citra Satelit Landsat 8
(Image Copyright: NASA USGS; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit Landsat 8 warna natural dengan resolusi spasial 15 meter, yang termasuk kategori citra satelit resolusi menengah.

Terlihat dari citra satelit, penggunaan unsur tekstur sangat diperlukan untuk menafsirkan beberapa objek pada citra satelit dengan tingkat resolusi menengah, selain tentunya digabungkan dengan penggunaan unsur warna, bentuk, dan ukuran.

  • Pola

Pola merupakan bentuk atau model yang memiliki keteraturan atau ciri khas yang membuatnya dapat dikenali.

Penggunaan unsur pola terutamanya digunakan untuk mengidentifikasi objek buatan manusia, seperti contoh di bawah ini:

Unsur Pola pada Interpretasi Citra Penginderaan Jauh

Gambar 17. Penggunaan Unsur Pola pada Data Olahan Citra Satelit WorldView2
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit WorldView-2 warna natural dengan resolusi spasial 0.5 meter.

Terlihat dari citra satelit, kita dapat mengenali kawasan perumahan yang dibangun secara terencana oleh pengembang karena polanya yang terlihat cukup jelas. Mulai dari bentuk dan ukuran awal rumah yang seragam, jumlah rumah per blok yang sama, arah hadap antar rumah yang sama dan teratur, serta terdapat akses untuk kendaraan dengan ukuran lebar seperti misalnya kendaraan roda empat, yang terlihat dari terdapatnya akses jalan dengan lebar jalan rata-rata 5.3 meter dan panjang 90 meter, dimana dengan ukuran jalan tersebut, rata-rata mobil pribadi dan kendaraan roda empat lainnya dapat memasuki kawasan perumahan.

Berdekatan dengan kawasan perumahan, kita juga dapat melihat terdapat kawasan permukiman penduduk. Berkebalikan dengan perumahan, seperti terlihat dari citra satelit, kawasan permukiman mempunyai bentuk dan ukuran rumah yang tidak seragam, arah hadap antar rumah yang sembarang, umumnya tidak tersedia akses untuk kendaraan berukuran lebar seperti mobil.

Contoh lain dari penggunaan unsur pola yaitu melihat pola tanam perkebunan kelapa sawit, seperti ditunjukkan di bawah ini:

Gambar 18. Penggunaan Unsur Pola pada Data Olahan Citra Satelit Pleiades1B
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Citra satelit di atas merupakan data olahan Citra Satelit Pleiades-1B warna natural dengan resolusi spasial 0,5 meter, di area perkebunan kelapa sawit.

Dalam tampilan skala yang besar, terlihat pola perkebunan kelapa sawit area yang datar dari udara mempunyai pola tiap bloknya berbentuk persegi atau persegi panjang, yang diperjelas dengan terlihatnya jalan inspeksi.

Kalau kita buat tampilan Citra Satelit Pleiades-1B dalam skala kecil untuk melihat tampilan objek lebih detail, contohnya dalam skala 1:2.000, maka akan terlihat pola tanam kelapa sawit berupa jarak antar tanamannya yang teratur, seperti terlihat di bawah ini:

Gambar 19. Penggunaan Unsur Pola pada Data Olahan Citra Satelit Pleiades1B Skala 1:2.000
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Pola tanam sawit juga terlihat khas pada area yang bergelombang/berbukit. Penempatan tanaman sawit yang mengikuti kontur tanah dengan jarak tanam yang teratur, membuat kenampakannya dari atas berbentuk bagaikan spiral, seperti contoh di bawah ini:

Gambar 20. Pola Tanam Sawit pada Area Bergelombang/Berbukit yang Dilihat dari Citra Satelit
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Penggunaan unsur pola pada interpretasi citra penginderaan jauh juga dapat digunakan untuk membedakan antara jalan raya dengan rel kereta api, atau bentukan alami seperti pola aliran sungai.

  • Bayangan

Bayangan merupakan sebuah objek dengan tampilan samar atau berwarna hitam, yang merupakan efek dari objek yang terkena cahaya. Suatu bayangan biasanya mempunyai bentuk yang menyerupai bentuk objek yang terkena cahaya tersebut.

 Keberadaan bayangan pada sebuah objek pada citra penginderaan jauh sebenarnya memberikan kerugian, namun terkadang juga memberikan keuntungan dalam proses interpretasi.

Sebagai contoh, keberadaan bayangan awan akan membuat berbagai objek yang terkena bayangan tersebut menjadi kurang jelas untuk diidentifikasi, seperti terlihat pada contoh di bawah:

Gambar 21. Keberadaan Bayangan dapat Membuat Identifikasi Objek pada Citra Penginderaan Jauh Lebih Sulit Dilakukan
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Terlihat dari citra satelit di atas, keberadaan bayangan membuat objek yang terkena bayangan menjadi ikut berwarna hitam, dan menjadikannya lebih sulit diidentifikasi.

Namun walau begitu, keberadaan bayangan juga dapat membantu dalam identifikasi sebuah objek pada citra penginderaan jauh, seperti contoh di bawah ini:

Unsur Bayangan pada Interpretasi Citra Penginderaan Jauh

Gambar 22. Penggunaan Unsur Bayangan pada Objek Atap Tribun Stadion Menggunakan Data Olahan Citra Satelit Pleiades1B Skala 1:3.000
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Dari citra satelit di atas, terlihat sebuah stadion sepakbola, yang dapat dikenali dari bentuknya yang oval, lapangan dengan bentuk persegi panjang, lapangan yang berwarna hijau yang menandakan ditumbuhi rumput, serta terdapat tribun penonton yang telah dilengkapi oleh atap.

Pada citra satelit juga terlihat terdapat bayangan pada bagian atap tribun. Hal tersebut menandakan tribun tersebut berada pada ketinggian tertentu dari atas tanah. Melalui sebuah perhitungan, dapat diperkirakan berapa ketinggian atap tribun tersebut dari atas tanah.

Contoh lainnya, dapat kita lihat pada kenampakan bayangan pada objek jalan layang berikut ini:

Gambar 22. Penggunaan Unsur Bayangan pada Objek Jalan Layang Menggunakan Data Olahan Citra Satelit WorldView2 Skala 1:2.000
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Terlihat dari citra satelit, terdapat bayangan pada sebuah jalan, yang membuat jalan tersebut mempunyai ketinggian di atas tanah, serta tampak berada di atas jalan yang lain.

Pada umumnya, satelit observasi bumi dengan sensor pasif mengambil perekaman pada jam 10 pagi waktu setempat, sehingga bayangan objek berada pada bagian barat objek. Dan kalau terdapat satelit atau wahana penginderaan jauh lain yang melakukan perekaman misalnya pada sore hari, maka posisi bayangan objek terletak di sebelah timur objek.

Selain posisi matahari yang menentukan letak bayangan objek, gerak semu matahari juga membuat letak bayangan berbeda, walaupun waktu perekaman sama-sama dilakukan pada pagi atau sore hari.

  • Situs

Situs merupakan hubungan antar objek dalam satu lingkungan, yang dapat menunjukkan objek disekitarnya atau letak suatu objek terhadap objek lain.

Untuk memudahkan pemahaman mengenai situs, mari kita simak contoh di bawah ini:

Gambar 23. Penggunaan Unsur Situs pada Objek Tambak Udang Menggunakan Data Olahan Citra Satelit Pleiades1A Skala 1:2.000
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Pada citra satelit di atas, terdapat objek berbentuk seperti persegi atau persegi panjang, berwarna gelap yang menandakan berisi air (pada beberapa objek airnya terlihat berwarna terang, hal itu merupakan efek dari sun glint yang membuat kenampakan kilap pada air). Kita dapat memperkirakan objek tersebut merupakan sebuah tambak untuk hewan-hewan laut, karena lokasi objek tersebut dekat dengan laut.

  • Asosiasi

Asosiasi merupakan keterkaitan antara satu objek dengan objek lain, dimana dengan terdapatnya sebuah objek menjadi petunjuk bagi keberadaan objek lain.

Contoh penggunaan unsur asosiasi dalam interpretasi citra penginderaan jauh adalah sebagai berikut:

Unsur Asosiasi pada Interpretasi Citra Penginderaan Jauh

Gambar 23. Penggunaan Unsur Asosiasi pada Objek Bandara Menggunakan Data Olahan Citra Satelit Pleiades1B
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision)

Dari citra satelit di atas, kita dapat melihat terdapat beberapa pesawat, yang dapat kita ketahui dari bentuk dan ukurannya. Pesawat tersebut juga dapat kita ketahui berada di darat, dilihat dari jatuhnya bayangan pesawat yang tidak jauh dari badan pesawat.

Terdapatnya objek pesawat, membuat kita secara langsung mengaitkan dengan sebuah tempat yaitu bandara. Hal tersebut diperkuat dengan keberadaan runway, serta sebuah bangunan berukuran besar yang dapat kita perkirakan merupakan terminal bandara.

Contoh lainnya dapat dilihat di bawah ini:

Gambar 23. Penggunaan Unsur Asosiasi pada Objek Apartemen Menggunakan Data Olahan Citra Satelit WorldView2 Skala 1:2.000
(Image Copyright: Maxar Technologies; Courtesy of Map Vision)

Pada citra satelit di atas, terlihat terdapat objek bangunan bertingkat, yang dapat diperkirakan dari bentuknya, ukuran (tampak mempunyai volume pada citra satelit), serta terdapatnya bayangan. Dekat objek bangunan bertingkat tersebut, tampak juga fasilitas olahraga yaitu lapangan tenis, yang dapat diperkirakan dari bentuk, ukuran, serta warna lapangan, serta kolam renang, yang dapat diperkirakan dari warna objek air serta ukurannya.

Keberadaan bangunan bertingkat, disertai fasilitas olahraga di dekatnya, membuat kita dapat memperkirakan terdapat keterkaitan antara objek-objek tersebut. Kita dapat memperkirakan bahwa kawasan tersebut dapat berupa apartemen atau hotel, yang biasanya berupa bangunan bertingkat yang dilengkapi dengan berbagai fasilitas penunjang seperti fasilitas olahraga.

Konvergensi Bukti Pada Interpretasi Citra Penginderaan Jauh

Pada pembahasan mengenai unsur-unsur interpretasi citra penginderaan jauh, kita dapat mengambil sebuah kesimpulan bahwa sebenarnya akan sangat sulit sekali melakukan penafsiran terhadap sebuah objek jika hanya menggunakan satu atau sedikit unsur saja.

Penggunaan unsur rona atau warna, akan selalu terkait setidaknya dengan unsur bentuk dan ukuran. Begitu juga penggunaan unsur bentuk, yang akan berhubungan dengan penggunaan unsur ukuran serta keterkaitan berbagai unsur lainnya. Semakin banyak unsur yang digunakan dalam interpretasi, maka penafsiran objek akan lebih akurat dibandingkan hanya menggunakan sedikit unsur dalam melakukan interpretasi.

Dalam melakukan interpretasi, terkadang seorang interpreter menemukan berbagai objek yang cukup meragukan. Misalnya karena kesamaan bentuk objek tersebut dengan objek lainnya. Oleh karena itu dalam interpretasi citra penginderaan jauh dikenal istilah konvergensi bukti.

Konvergensi bukti merupakan upaya penafsiran sebuah objek pada citra penginderaan jauh menggunakan berbagai unsur, untuk mendapatkan bukti yang menguatkan, sehingga diperoleh penafsiran objek yang lebih akurat.

Untuk memahami konvergensi bukti, berikut contoh penggunaannya pada interpretasi citra penginderaan jauh:

Konsep Konvergensi Bukti
(Sutanto, 1986, dalam Hadi, 2018)
(Klik untuk Melihat Gambar dalam Ukuran Sebenarnya)

Misalkan pada sebuah citra penginderaan jauh, kita melihat terdapat sebuah objek dengan bentuk terlihat seperti sebuah bintang. Kita memperkirakan bahwa bentuk tersebut merupakan tajuk sebuah pohon.

Setelah mengetahui bahwa objek tersebut merupakan tajuk sebuah pohon, maka kita dapat memasukkan pohon apa saja yang mempunyai tajuk yang terlihat seperti bintang jika dilihat dari atas, seperti misalnya pohon kelapa, kelapa sawit, sagu, enau, dan sagu. Dari penggunaan unsur pertama yaitu bentuk, kita mendapatkan 5 perkiraan objek.

Selanjutnya kita gunakan unsur yang lain, untuk semakin mengerucutkan penafsiran kita terhadap objek tersebut. Pada tahap kedua, misalkan kita melihat dari unsur polanya. Dari polanya misalnya terlihat bahwa objek tersebut tidak mempunyai pola yang teratur. Seperti yang telah dibahas pada bagian unsur pola, tanaman kelapa sawit mempunyai pola tanam yang teratur, sehingga kita dapat mengeliminasi kelapa sawit, begitu juga dengan tanaman kelapa yang biasanya ditanam secara teratur, maka tanaman kelapa pun ikut kita coret. Maka tinggal tersisa 3 kemungkinan yaitu nipah, enau, dan sagu, yang ditanam secara tidak teratur.

Berikutnya kita gunakan unsur ukuran, dalam hal ini tinggi, untuk mengeliminasi objek yang tidak sesuai. Kita gunakan tinggi sama atau lebih dari 10 meter, sebagai seleksi selanjutnya. Dari penggunaan unsur ukuran, maka yang tidak masuk kriteria yaitu nipah, sehingga tinggal menyisakan dua kandidat yakni enau dan sagu.

Berhubung tinggal dua kandidat saja, maka penggunaan unsur selanjutnya merupakan unsur terakhir untuk menafsirkan objek tersebut. Unsur yang digunakan pada tahapan terakhir ini adalah unsur situs.

Seperti pada pembahasan unsur situs, penggunaan unsur ini dilakukan dengan cara melihat objek/lingkungan khas yang terkait dengan objek utama yang ingin ditafsirkan. Lingkungan yang digunakan pada unsur situs pada contoh ini yaitu payau. Dari dua pilihan yang tersisa yaitu enau dan sagu, maka sagu lah yang masuk dalam kriteria tersebut, karena sagu sangat baik ditanam pada area dengan air payau semisal muara sungai.

***

Sekian postingan bagian pertama untuk pembahasan interpretasi citra penginderaan jauh, dan nantikan postingan lanjutannya.

Dari postingan ini, bagian mana yang mudah Anda pelajari dan bagian mana yang menurut Anda perlu dipelajari lebih dari sekali?. Mari kita diskusi pada bagian kolom komentar.

Jika Anda merasakan manfaat postingan ini, silahkan share di media sosial Anda, supaya teman-teman Anda yang lain ikut merasakan manfaatnya.

Kami harapkan bagi Anda yang mengambil isi dari postingan ini (baik sebagian atau seluruh isi dari postingan), untuk mencantumkan sumbernya berupa tautan balik aktif (link balik) menuju postingan ini, sebagai bentuk penghargaan Anda kepada usaha kami dalam membuat postingan ini. Terima kasih atas pengertiannya.

DAFTAR PUSATAKA:

Danoedoro, Projo. 2012. Pengantar Penginderaan Jauh Digital. Yogyakarta: Penerbit ANDI.

Hadi, A. P. 2018. Penginderaan Jauh untuk Pemanfaatan Sumber Daya Alam. Yogyakarata: Deepublish.

Purwadhi, F. S. H., Sanjoto, T. B. Pengantar Interpretasi Citra Penginderaan Jauh. Pusat Data Penginderaan Jauh LAPAN & Jurusan Geografi Universitas Negeri Semarang.

POSTINGAN MENARIK LAINNYA:

1). [Tutorial] Cara Download Peta RBI Gratis

2). [Tutorial] Menghitung Luas dan Panjang Sebuah Data Vektor di QGIS versi 3

3). [Tutorial] Mengetahui Suhu Permukaan Laut dari Citra Satelit MODIS Menggunakan QGIS

4). [Tutorial] Membuat Efek Bayangan Pada Data Citra Satelit Menggunakan QGIS

5). [Tutorial] Menampilkan Informasi Cuaca di QGIS

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: