tugas #1

dear all
silahkan kumpulkan tugas anda melalui email: gis.assignment@gmail.com dengan syarat:
1. tidak diperbolehkan mengirimkan tugas lebih dari satu kali
2. tidak lebih dari tanggal 29 September 2008 jam 12:00 WIB

regards

HoTSpot

bagi yang ingin mendapatkan informasi dan data spasial hotspot silahkan klik talian berikut ini The Fire Information for Resource Management System (FIRMS). data yang disajikan dalam beragam format mulai dari ESRI Shapefile hingga KML-nya GE.

Physical Oceanography Data

Bagi yang tengah mencoba mengarungi riset tentang oceanografi dan membutuhkan data dalam pendukung dapat memanfaatkan link berikut ini The PO.DAAC Ocean ESIP Tool (POET). Data dapat disimpan dalam format gambar dan ASCII. Situs ini berbasiskan JAVA, jadi pastikan browser anda telah didukung oleh oleh java application. 

Data yang disediakan adalah:

• suhu permukaan laut
• ketinggian gelombang
• angin permukaan laut 
• dan arus permukaan

disamping itu juga dapat dipilih sensor yang diinginkan sesuai dengan produk pilihan. semoga dapat membantu.

algoritma transformasi nilai

dari header data level-3 yang telah didownload dapat diperoleh algoritma transformasi nilai digital menjadi:
1. konsentrasi klorofil
2. suhu permukaan laut
adapun algoritma tersebut adalah:
1. konsentrasi klorofil

Units = mg m^-3

Scaling = logarithmic

Scaling Equation = Base**((Slope*l3m_data) + Intercept) = Parameter value

Base = 10.0

Slope = 0.01524

Intercept = -2.0

Scaled Data Minimum = 0.01

Scaled Data Maximum = 64.5654

algoritma yang akan digunakan adalah “Base**((Slope*l3m_data) + Intercept)”.
Parameter yang dapat dilihat pada baris berikutnya dan menjadi ” 10<sup>(0.01524*NILAI
DIGITAL-2)
2. suhu permukaan laut</sup>

Units = deg-C

Scaling = linear

Scaling Equation = (Slope*l3m_data) + Intercept = Parameter value

Slope = 7.17185E-4

Intercept = -2.0

Scaled Data Minimum = -2.0

Scaled Data Maximum = 45.0

Rumus yang digunakan adalah “Scaling Equation = (Slope*l3m_data) + Intercept“Parameter yang dapat dilihat pada baris berikutnya dan

menjadi “0.000717185*NILAI DIGITAL-2


selamat bekerja

nice link

dear all,

talian berikut ini menarik untuk dikunjungi. sila klik talian ini http://pssdal.bakosurtanal.go.id/pssdalweb/index.php ,. site ini merupakan Pusat Survei Sumber Daya Alam (PSSDA), banyak talian yang dapat dinikmati di dalam situs ini. salah satunya laporan kegiatan yang disimpan dalam format PDF, bisa didownload. dapat membantu dalam menambah wawasan dalam bidang pengelolaan sumberdaya alam dengan menggunakan aplikasi sistem informasi geografis dan penginderaan jauh.

-selamat menikmati-

kuliah penginderaan jauh

visualisasi perkuliahan di jurusan pemanfaatan sumberdaya perairan, fakultas perikanan dan ilmu kelautan, universitas riau.

gambar ini menunjukkan salah satu quiz perkuliahan. saat gambar ini diambil perkuliahan digabung dengan mahasiswa program studi ilmu tanah, fakultas pertanian, universitas riau.



nah yang satu ini, gambaran kelas perkuliahan, cukup nyamanlah untuk menikmati sebuah teori perkuliahan.

hanya tinggal keseriusan dan keinginan menikmati perkuliahan tersebut.

petunjuk praktikum

dear all,
telah diterbitkan 'petunjuk praktikum penginderaan jauh kelautan', anda dapat meminta copy-annya pada sekretaris jurusan pemanfaatan sumberdaya perairan. pada jam kerja.

terima kasih

satu lagi

satu lagi situs idola dilarang beredar, selamat jalan 'my pirate' (http://thepiratebay.org) all my honours just for you

Download Data

Dear All Students,

silahkan mengunjungi situs berikut ini http://oceancolor.gsfc.nasa.gov/, kemudian lanjutkan melalui talian (link) Level 3 Browser. Downloadlah data ocean color yang tersedia. Masing-masing mahasiswa wajib mendownload 1 data klorofil yang telah diekstrak dari Data AQUA MODIS atau SeaWIFS, untuk data bulanan, dan 1 data suhu yang dihasilkan oleh data Aqua MODIS (SST 11 u day) yang juga data bulanan. Berarti setiap mahasiswa akan memiliki satu data klorofil (Aqua Modis atau SeaWIFS) dan satu data suhu (Aqua Modis).

Setelah didownload, cobalah untuk memekarkan data tersebut dengan menggunakan aplikasi kompresi data WinRAR yang dapat didownload dari situs www.rarlab.com. Data yang telah didownload dan 'dimekarkan' dibawa untuk praktikum minggu depan.

selamat mencoba

Tugas III Praktikum Penginderaan Jauh

Tugas #3

Klasifikasi Data Digital

Pendahuluan

Prosedur klasifikasi citra bertujuan untuk melakukan kategorisasi secara otomatis dari semua pixel citra ke dalam kelas penutupan lahan atau semua tema tertentu. Secara umum data multispectral boleh dikatakan menggunakan bentuk klasifikasi pola spectral data untuk ketegorisasi setiap pixel berbasis numerik. Perbedaan tipe kenampakan menunjukkan perbedaan kombinasi dasar nilai digital pixel pada sifat pantulan (reflektansi) da pancaran (emisi) spectral yang dimilikinya, dan harus diingin pola spectral tidak semuanya sesuai dengan karakteristik geometric. Bentuk pola cukup berhubungan denga ukura radian yang diperoleh dari setiap pixel berdasarkan jenis saluran atau panjang gelombang yang merekamnya. Pengenalan pola spectral (spectral pattern recognition) merupakan prosedur klasifikasi yang menggunakan informasi spectral setiap pixel untuk mengenal kelas-kelas penutupan lahan secara otomatis.

Pengenalan pola spasial (spatial pattern recognition) meliputi kategorisasi pixel citra dengan basis hubungan spasia antara pixel tersebut. Pola spasial dapat dievaluasi pada skema interpretasi secara otomatis. Klasifikasi spasial mencakup beberapa aspek seperti tekstur citra atau pengulangan rona, bentuk dan ukuran obyek, arah, hubungan, serta posisi pixel yang berdekatan. Tipe klasifikasi spasial mudah dideteksi oleh akal manusia dalam proses interpretasi visual, namun merupakan tugas yang rumit bagi komputer, karena informasinya sangat komplek. Sebaliknya, komputer dengan mudah menganalisis pola spectral dalam sejumlah saluran Oleh Karen aitu atribut spasial dapat dikaitkan dengan proses pengenalan spectral, dengan cara membuat asumsi bahwa pixel yang berbedakan akan menajdi satu kelas tutupan yang sama.

Teknik klasifikasi yang akan dilakukan dalam praktikum ini berorientasi pada klasifikasi penutupan lahan, dengan membahas tentang klasifikasi tidak terbimbing (unsupervised classification) dan terbimbing (supervised classification).

a. Klasifikasi Tidak Terbimbing

Klasifikasi unsupervised melakukan pengelompokan data dengan menganalisa cluster secara otomatis dan menghitung kembai rata-rata kelas (class mean) secara berulang-ulang dengan komputer (ER Mapper Help)

Sumbu horizontal menunjukkan nilai piksel pada band2 dan sumbu vertical menunjukkan nilai kecerahan piksel pada band1. Pengelompokan piksel menjadi kelas spectral diawali dengan menentukan jumlah kelas spectral yang akan dibuat. Penentuan jumlah kelas ini dapat dilakukan dengan memperhatikan jumlah puncak histogram sehingga diperoleh jumlah kelas spectral yang akan dibentuk. Setelah jumlah kelas spectral ini ditentukan kemudian dipilih pusat-pusat kelas spectral terhadap setiap pusat kelas spectral. Berdasarkan hasil pengukran jarak ini setiap piksel dikelompokkan ke dalam suatu kelas spectral yang memiliki jarak terdekat.

Setelah setiap piksel dikelompokkan lalu masing-masing rata-rata kelas spectral dihitung kembali. Kemudian dilakukan lagi pengukuran jarak setiap piksel terhadap rata-rata kelas baru ini dan akhirnya piksel dikelompokkan ke dalam kelas spectral yang memiliki jarak terdekat.

Parameter yang menentukan pemisahan dan pengelompokan piksel-piksel menjadi kelas spectral yaitu:

1. Standar deviasi maksimum, nilai standari deviasi maksimum yang sering digunakan berkisar antara 4,5 sampai 7

2. Jumlah piksel minimum dalam sebuah kelas spectral dinyatakan dalam persen (%).

3. Nilai pemisahan pusat kelas yang dipecah

4. Jarak minimum antara rata-rata kelas spectral, berkisar antara 3,2 sampai 3,9.

Proses pemisahan dan pengelompokkan piksel-piksel menjadi kelas-kelas spectral terus diulangi dan akan dihentikan bila telah memenuhi salah satu ketentuan:

1. Jumlah iteasi maksimum, jumlah iterasi dapat ditentukan sesuai dengan kebutuhan

2. Jumlah piksel yang kelas spektralnya tidak berubah antara iterasi (dalam persentase, %).

Setelah kelas spectral terbentuk umumnya dilakukan proses asosiasi antaa obyek dan kelas spectral terbentuk untuk mengidentifikasi kelas spectral menjadi kategori obyek tertentu. Pengidentifikasian kelas spectral menjadi obyek tertentu dapat dilakukan menggunakan suatu data acuan atau referensi penunjang.

Setelah semua kelas spectral teridentfikasi kemudian dapat dilakukan penyederhaan untuk menggabungkan kelas-kelas yang tergolong sama, misalnya pengabungan perkampungan 1 dan perkampungan 2 menjadi satu kelas perkampungan. Hasil klasifikasi dapat ditunjukka dari gradasi warna yang terbentuk yang menunjukkan jenis kelas yang dikelompokkan oleh komputer.

b. Klasifikasi Terbimbing (supervised classification)

Proses klasifikasi denga pemilihan kategori informasi yang diinginkan dan memilih training area untuk tiap ketegori penutup lahan yang mewakili sebagai kunci interpretasi merupakan klasifikasi terbimbing. Klasifikasi terbimbing digunakan data penginderaan jauh multispectral yang berbasis numeric, maka pengenalan polanya merupakan proses otomatik dengan bantuan komputer.

Klasifikasi terbimbing yang didasarkan pada pengenalan pola spectral terdiri atas tiga tahapan, yaitu:

1. Tahap training sample: analisis menyusun kunci interpretasi dan mengembangkan secara numeric spectral untuk setiap kenampakan dengan memeriksa batas daerah (training area).

2. Tahapan klasifikasi: setiap pixel pada serangkaian data citra dibandingkan steiap kategori pada kunci interpretasi numeric, yaitu menentukan nilai pixel yang tak dikenal dan paling mirip dengan kategori yang sama. Perbandingan tiap pixel citra dengan kategori pada kunci interpretasi dikerjakan secara numeric dengan menggunakan berbagai strategi klasifikasi (dapat dipilih salah satu dari jarak minimum rata-rata kelas, parallelepiped, kemiripan maksimum). Setiap pixel kemudian diberi nama sehingga diperoleh matrik multi dimensi untuk menentukan jenis kategori penutupan lahan yang diinterpretasi.

3. Tahapan keluaran: hasil matrik didenileasi sehingga terbentuk peta penutupan lahan, dan dibuat tabel matrik luas berbagai jenis tutupan lahan pada citra.

Tujuan

Memperkenalkan teknik klasifikasi digital untuk penutupan lahan dengan melalui teknik klasifikasi terbimbing dan tidak terbimbing

Waktu

Praktikum ini dilaksanakan selama 4 (empat) minggu, dimulai tanggal 14 April 2008 hingga 6 Mei 2008, di Laboratorium Komputer, Pusat Komputer, Universitas Riau.

Pengumpulan laporan praktikum pada hari selasa, tanggal 6 mei 2008 jam 12:00 WIB.

Data

Data yang disediakan adalah data Citra Landsat 7 ETM+ tahun 2002, yang meliputi Pulau Bengkalis, Kabupaten Bengkalis Provinsi Riau. Data yang disediakan memiliki referensi spasial, Proyeksi GEODETIK dan Datum WGS84

Kebutuhan Praktikum

Anda diminta untuk melakukan:

1. Teknik klasifikasi tidak terbimbing

2. Teknik klasifikasi terbimbing dengan menggunakan strategi klasifikasi:

a. Maximum likelihood enhanced

b. Maximum distance

c. Maximum distance (Std. Dev)

d. Parallelepiped

e. Mahalanobis

Pelaporan proses pengerjaan dan hasil praktikum mengikuti standarisasi pelaporan yang telah ditetapkan sebelumnya

Lembar Penilaian

Mata Kuliah: Penginderaan Jauh Kelautan

Nama:

NIM:

Jurusan:

Tema: Klasifikasi Data Digital

No	Penilaian	Bobot Nilai	Nilai Anda
1.	Kelengkapan Penilaian	5
2.	Pendahuluan - Latar Belakang - Tujuan	5
3.	Metode - Piranti - Data - Teknis Pengerjaan	1 1 30
4.	Hasil dan Pembahasan	38
5.	Kepustakaan	10
6.	Kesimpulan dan Saran	5
7.	Lampiran	5
	Jumlah	100

Selamat Bekerja

referensi data spasial

Berikut ini adalah daftar alamat internet (URL), yang dapat digunakan dalam pengelolaan wilayah pesisir dan laut. mungkin dari daftar yang tersedia ada link yang tak terhubungkan, bagi yang ingin menambahkan link lainnya, dipersilahkan mengirikan informasi ke sumpuaro@yahoo.com atau memberikan komentar pada link yang tersedia.

Resolusi spasial rendah (> 100 m)

· AVHHR

http://edcwww.cr.usgs.gov/landaac/1km/avhrr.sensor.html

· NOAA Oceanic Research and Applications Division home page

http://manati.wwb.noaa.gov/orad/

· Experimental ‘daily’ SST Anomali charts (NOAA AVHRR)

http://pbsg1.nesdis.noaa.gov/orad/sub/noaarscr.html

· Sea Surface Temperatures (SST) form NOAA AVHRR

http://manati.wwb.noaa.gov/orad/sub/sstlink.html

· Coral bleacing hotspot (NOAA AVHRR)

http://psbg1.nesdis.noaa.gov:80/PSB/EPS/SST/climohot.html

· Coral reef ‘hotspot’ (NOAA/NESDIS)

http://manati.wwb.noaa.gov/orad/sub/noaarsrc.html

· NERC Dundee Satellite Receiving Station (UK) Up-2-date archive of image from NOAA and SeaStar polar orbiting satellites

http://www.sat.dundee.ac.uk/

· Coastal Zone Color Scanner, description

http://daac.gsfc.nasa.gov/CAMPAIGN_DOCS/OCDST/CZCS_Starter_kit.html#8

· Advanced Earth Observing Satellite (ADEOS)

http://mentor.eorc.nasda.go.jp/ADEOS/index.html

· Ocean Color and Temperature Scanner (OCTS) on ADEOS

http://www.eorc.nasda.go.jp/ADEOS/UserGuide/

· SeaWiFS Project home page

http://seawifs.gsfc.nasa.gov/SEAWIFS.html

Resolusi Spasial Medium (10 – 100 m)

· NASA Earth Science Enterprise mission homepage (USA)

http://www.earth.nasa.gov/missions/index.html

· SPOT Image gome page

http://www.spotimage.fr/spot-us.htm

· Landsat Program

http://geo.arc.nasa.gov/esd/esdstaff/landsat/landsat.html

· USGS EROS Data Center: Earthsgots (Satellite image of environment change: Landsat)

http://edcwww..cr.usgs.gov/earthshots/slow/tableofcontents

· National Remote Sensing Centre (UK)

http://www.nrsc.co.uk

· Canada Centre for Remote Sensing Home Page

http://www.ccrs.nrcan.gc.ca/ccrs/hompg.pl?e

· European Space Agency home page

http://www.esrin.esa.it/

· ESA (European Space Agency) earth observation programmes including ERS and ENVISAT

http://earth1.esrin.esa.it/esa/progs/eo.html

· European Space Agency ERS Project

http://erath1.esrin.esa.it/ERS/

http://www.asf.alaska.edu/source_documents/ers1_source.html

· European Space Agency ENVISAT Project

http://envisat.esec.esa.nl/

· Indian Space Research Organisation

http://www.ipdpg.gov.in/

Penginderaan Jauh melalui wahana pesawat terbang

· ITRES Research Limited (CASI)

http://www.itres.com/

· Borstad Associates Ltd. (CASI)

http://www.borstad.com

· Hyperspectral Data International Inc. (CAS)

http://www.brunnet.net/hdi/casi%20SERVICES.htm

· Technical specification of the York University Compact Airborne Spectrographic Imager (CASI)

http://www.eol.ists.ca/projects/boreas/plan/A-casi-specs.html

· Aerial photography and remote sensing (University of Texas at Austin)

http://www.utexas.edu/depts/grg/gcraft/note/remote/remote.html

SIG, SPG dan Pemetaan

· GPS receiver database (GPS World Magazine)

http://www.gpsworld.com

· Global Positioning System overview (University of Texas at Austin)

http://www.utexas.edu/depts/grg/gcract/note/gps/gps.html

· Review of GIS and Image Processing Software by UNEP/GRID Programme

http://grid2.cr.usgs.gov/publication/gissurvey7/flyer2.html

· Map Scales. A useful site explaining map scales. (US Geological Survey)

http://info.er.usgs.gov/fact-sheets/map-scales/index.html

· Remote Sensing and Geographic Information System (University of Minnesota)

http://www.gis.umn.edu/rsgisinfo/rsgis.html

· Cartographic reference resources (University of Texas at Austin)

http://www.lib.utexas.edu/Libs/PCL/Map_collection/Cartographic_reference.html

Link berguna lainnya

· Remote Sensing Society, Modelling and Advanced Techniques Special Interest Group

http://www.soton.ac.uk/~pma/matsiglink.html

· CSIRO Marine Research: Remote Sensing Project (Australia)

http://www.marine.csiro.au/~lband

· Satellite related World Wide Web site (Dundee, UK)

http://www.sat.dundee.ac.uk/web.html

· Remote Sensing Laboratory, Department of Marine Science, University of Shout Florida

http://paria.marine.usf.edu

· The Remote Sensing Society (UK)

http://www.the-rss.org/index.htm

· The Satellite Imagery FAQ

http://www.geog.nottingham.ac.uk/remote/satfaq.html

· Remote sensing and geosciences home page

http://shell.rmi.net/~kruse/re_pages.htm

· The Virtual Geography Department home page

http://www.utexas.edu/depts/grg/virtdept/contents.html

· OCMA – Ocean and Coastal Achieves home page (University of Genoa, Italy)

http://www.polis.unige.it/ocma98

· UNESCO Bilko Project: training modules in remote sensing

http://www.unesco.bilko.org/

· RAPIDS: Real-time Acquisition and Processing – Integrated Data System. PC-based transportable groundstation for real-time, local reception and local processing of high resolution satellite data

http://neonet.ntr.nl/rapids/

· CCRS Remote Sensing Glossary

http://www.ccrs.nrcan.gc.ca/ccrs/eduref/fef/glosndxe.html

Pemilik Data Satelit

· Landsat TM

EOSAT, 9351 Gran Street, Suite 500, Thornton, Colorado 80229, USA

http://www.spaceiamge.com/index.html

· Landsat MSS

US Department of the Interior, Geological Survey, EROS Data Center, Sioux Fall SD 57198, USA

http://edcwww.cr.usgs.gov/content_about.html

· SPOT XS and Pan

SPOT Image, 5 rue des Satellites, BP 4359, F 31030 Toulouse cedex, France

http://www.spotimage.fr/

· Indian Remote Sensing Satellite

Indian Space Research Organization, National Remote Sensing Agency, Data Centre, Hyderabad, India

http://www.ipdpg.gov.in/

ekstensi hidrologi

bagi anda yang tengah berkutat dengan masalah hidrologi dan berupaya memanfaatakn SIG sebagai salah satu tool, coba kunjungi situs berikut ini http://www.terracs.com/html/hydro_tools1.html, untuk mendapatkan tools hidrologi yang memuaskan (disitusnya dinyatakan begitu). tersedia juga ekstensi untuk ArcGIS 9.x. anda juga dapat mengunduh tutorialnya dalam ekstensi .pdf pada situs yang sama. selamat menikmati

microsoft student encarta

sekarang ini jaman digital. semua hal diusahakan dijadikan digital.
dulu kalo mo dengerin musik harus bawa walkman atau diskman. walaupun secara fisik sudah bisa dikatakan portable tapi untuk ukuran saat ini, walkman maupun diskman sudah termasuk gadge yang 'raksasa'. cukup menggunakan mp3-player yang ukurannya sepersekian dari ukuran walkman maupun diskman.

apalagi untuk urusan perkuliahan.
textbook (buku ajar) emang masih diperlukan. tapi buku ajar bukanlah segalanya. coba bandingkan perpustkaan -internet- yang bisa memberikan apa saja yang diinginkan dalam hitungan detik. Untuk mendukung itulah Microsoft membuat sebuah aplikasi untuk pelajar mulai dari anak-anak yang sekolah di PAUD sampe anda yang sekarang tengah mengambil 'permanent headache' maksudnya Phd ;-). produk itu adalah microsot student encarta.

melalui microsoft student ini anda akan dibantu untuk mencari artikel, tulisan, referensi tentang apa saja baik secara on-line maupun off-line. disamping itu juga disediakan kamus inggris yang mampu membantu dalam cara membaca kata yang anda inginkan, ditambah lagi kalkultor yang mampu menyelesaikan persamaan seberat perhitungan kalkulus.

untuk informasi lebih lanjut dapat melalui talian berikut ini: http://www.microsoft.com/products/encarta
selamat mencoba

turut berduka cita

Ringkasan ini tidak tersedia. Harap klik di sini untuk melihat postingan.

Spektral Analysis

salah satu cara untuk mendapatkan tematik data dapat menggunakan metode klasifikasi. Leica Geosystem ERDAS Professional 9.x menyediakan suatu fungsi untuk melakukankan hal tersebut dengan menggunakan teknik Spektral Analysis. Pada modul ini telah tersedia spktral library. Sebagai salah satu contoh jika menggunakan data ASTER, dengan mudah memisahkan beberapa jenis tanah, kandungan mineral, beberapa jenis vegetasi dan spektral lainnya.

selamat mencoba

ermapper versi terbaru

ermapper telah meluncurkan versi terbaru dari aplikasi image prosesingnya dengan versi 7.1 lanjutan dari versi sebelumnya 7.0.

anyway craknya udah beredar di torrent tuch
coba aja cari

have a nice browsing

kemampuan membaca

seiring dengan berkembangnya teknologi informasi. begitu juga dengan perkembangan berbagai jenis aplikasi termasuk aplikasi sistem informasi geografis. akibatnya semakin banyak jenis format data yang dihasilkan yang terkadang ekslusif dan tidak jarang harus menggunakan modul tertentu untuk 'import dan export' format data.

nah kalo sekarang ArcGIS dengan versi terkininya (9.x) telah mencoba untuk mengatasi masalah tersebut. tapi bagi anda yang menggunakan versi 9.0 jangan harap bisa menikmati fasilitas interoperability (kemampuan import dan export data). anda harus membeli modul ekstensinya terlebih dahulu. tapi bagi yang telah memiliki versi 9.1; 9.2 dan terakhir 9.3 versi beta. ESRI telah menyertakan sebagai modul default. yach... kalo mo beli mikir-mikir dulu dech, satu lisensinya 2500 dolar dan untuk seri edukasi, 3 lisensi seharga 16oo dolar. ampuuuuuun

mahalnya.

Tugas II Praktikum Penginderaan Jauh

Tugas II

Prapocessing Data (Koreksi Radiometrik dan Geometrik)

Diterbitkan tanggal: 18 Maret 2007

Pengumpulan Tugas: 15 April 2007 Pukul 12:00 WIB
Pendahuluan

Keunggulan citra satelit adalah praktis, akuisisi yang cepat, murah dalam biaya, multifungsi, serta cocok dimanfaatkan untuk ruang lingkup daerah dengan berbagai skala (kecil sampai besar). Meskipun demikian, ada beberapa langkah yang harus dilakukan untuk mendapatkan citra satelit yang layak digunakan. Langkah-langkah ini dilakukan mengingat pada proses akuisisi citra dengan satelit, keadaan ideal tidak bisa dipenuhi. Kemiringan cahaya matahari serta komposisi berbagai zat pada atmosfer dapat ‘menipu’ tampilan citra yang kita punyai sehingga dapat menyebabkan salah interpretasi. Namun metode pengolahan data awal (par processing data) sudah sering digunakan untuk menanggulangi hal ini. Pemrosesan citra digital melibatkan beberapa prosedur yaitu pemformatan dan pengkoreksian data, perbaikan digital untuk memperoleh hasil interpretasi visual yang baik, atau bahkan otomasi klasifikasi unsur-unsur target oleh komputer. Untuk dapat melakukan pemrosesan citra secara digital, data harus tersedia dalam bentuk format digital.

Pengolahan data awal mencakup koreksi geometris dan radiometris. Hal ini didasari oleh keadaan citra yang belum mempunyai koordinat bumi dan memiliki nilai piksel yang tidak diinginkan akibat dari adanya awan, bayangan awan, efek atmosfer dan keterbatasan sensor. Pada praktikum kali ini pengolahan data awal dilakukan hanya terfokus pada koreksi geometrik dan radiometric.

Koreksi Radiometrik

Distorsi radiometrik adalah distorsi berupa pergeseran nilai intensitas piksel pada citra dari nilai yang seharusnya. Distorsi radiometrik disebabkan oleh ketidakseragaman detektor-detektor yang digunakan pada alat perekam/sensor terutama kepekaaan spektralnya. Ciri-ciri pada citra yang disebabkan distorsi radiometri antara lain:

· Adanya piksel yang hilang atau tidak terekam;

· Adanya kenampakan garis yang disebabkan karena ketidakseragaman detektor;

· Adanya kesalahan garis yang disebabkan kesalahan cermin penyiaman (scan mirror);

· Adanya pengaruh atmosfir,

Koreksi Geometrik

Sebelum citra hasil penginderaan jauh digunakan untuk aplikasi tertentu, terlebih dahulu citra tersebut harus dikoreksi untuk menghilangkan berbagai kesalahan yang ada. Salah satu koreksi tersebut adalah koreksi geometrik. Koreksi ini bertujuan untuk mereduksi distorsi geometrik dari objek permukaan bumi yang ada pada citra yang diakibatkan kelengkungan permukaan bumi dan beberapa faktor lain seperti variasi tinggi satelit, ketegakan satelit dan kecepatannya, sehingga posisi spasial dari suatu area pada citra sesuai dengan posisi sebenarnya di lapangan.

Untuk melakukan koreksi geometrik, dibutuhkan beberapa data seperti data kalibrasi sensor, ephemeris orbit, GCPs, CPs, kondisi atmosfer, dll. Data kalibrasi sensor, ephemeris orbit, dll digunakan untuk mengeliminir kesalahan sistematik yang dapat diperkirakan sebelumnya, dan biasanya menggunakan rumus yang diturunkan dari model matematik. Data GCPs dan CPs digunakan untuk mereduksi kesalahan yang bersifat acak, yang tidak dapat diperkirakan, namun besar kesalahan geometriknya dapat diprediksi melalui matrik data atau tracking data dan analisis titik kontrol tanah (GCPs).

Data

Data akan disediakan pada pertemuan ke dua (tanggal 25 Maret 2007).

Proses Yang Dilakukan

1. Koreksi Radiometrik dengan menggunakan metode histogram adjustment

2. Koreksi Geometrik melalui teknik Ground Control Point sebanyak 30 titik GCP (minimal)

3. Koreksi Geometrik melalui teknik image to image registration.

Pelaporan

Seluruh proses pelaksanaan pengerjaan praktikum dengan menggunakan data yang diberikan harus direkam di dalam laporan secara sistematis. Kebutuhan laporan adalah sama seperti laporan pertama.

Lembar Penilaian
Mata Kuliah:
	1. Penginderaan Jauh Kelautan
	2. Penginderaan Jauh dan Kartografi
Tema:	Pemrosesan Awal Data (Pra Processing Data)
	Koreksi Radiometrik dan Geometrik
No	Penilaian	Nilai	Nilai Anda
1	Kelengkapan Laporan	5
2	Pendahuluan	5
	- Latar Belakang
	- Tujuan
3	Metode
	- Piranti	1
	- Data	1
	- Teknis Pengerjaan	30
4	Hasil dan Pembahasan	38
5	Kepustakaan	10
6	Kesimpulan dan Saran	5
7	Lampiran	5