Sumber bacaan 4/30/2012. Minggu 10: Klasifikasi Data Citra KOMBINASI WARNA

Ukuran: px

Mulai penontonan dengan halaman:

Download "Sumber bacaan 4/30/2012. Minggu 10: Klasifikasi Data Citra KOMBINASI WARNA"

Hendri Gunardi
7 tahun lalu
Tontonan:

Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi Koreksi Geometri Koreksi Radiometri Koreksi Topografi Penajaman Citra Minggu 9 Klasifikasi Pemilihan Kombinasi warna

htm PRINCIPLES OF REMOTE SENSING Dr. S. C.

1 Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi Koreksi Geometri Koreksi Radiometri Koreksi Topografi Penajaman Citra Minggu 9 Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi Visual Dijital Tidak Terbimbing Terbimbing Parametric Non-Parametric Sumber bacaan PRINCIPLES OF REMOTE SENSING Dr. S. C. Liew Centre for Remote Imaging, Sensing and Processing National University of Singapore Blk S17/SOC1 Level 2, Lower Kent Ridge Road Singapore KOMBINASI WARNA Panchromatic Images Multispectral Images/ Color Composite Image Berbagai warna dapat dibuat berdasarkan 3 warna primer (Hukum warna Aditif) 1

2 True Colour Composite/Natural color Kombinasi 3 warna yang disusun berurutan RGB, sehingga menghasilkan warna yang sama dengan warna yg ditangkap mata ketika memandang alam terbuka Untuk Landsat/Ikonos : kombinasi band RGB = 3:2:1 False colour composite : Vegetasi akan berwarna merah dengan berbagai tone. Variasi ini banyak digunakan untuk studi klasifikasi vegetasi. Merah tua menunjukkan vegetasi yang lebih padat/lebih sehat R = band 4 G = band 3 B = band 2 Semakin muda menunjukkan vegetasi yang jarang. Air dangkal/keruh terliha lebih terang. False Colour Composite Kombinasi 3 warna yang disusun berurutan RGB : 4:5:1 Banyak digunakan untk studi vegetasi. Vegetasi sehat akan berwarna merah gelap, orange, coklat, kuning, 2

False Colour Composite Kombinasi ini banyak memberikan informasi variasi dan kontras warna. Vegetasi sehat berwarna hijau terang. Banyak digunakan untuk pengelolaan hutan.

3 False Colour Composite Kombinasi ini banyak memberikan informasi variasi dan kontras warna. Vegetasi sehat berwarna hijau terang. Banyak digunakan untuk pengelolaan hutan. Daerah perumahan/urban berwarna merah/pink. R = band 5 G = band 4 B = band 3 Optimum Index Factor Nilai statistik yang dapat digunakan sebagai acuan untuk Menentukan Kombinasi 3 band dalam citra yang mempunyai tampilan warna yang paling optimum Klasifikasi Data Citra Merubah data citra menjadi informasi Penutupan lahan/penggunaan lahan Penutupan lahan adalah kondisi fisik permukaan bumi Land use : deskripsi bagaimana manusia mengelola lahan. Misal : Hutan = Land cover Hutan Lindung = Land use Padang rumput = Land cover Ranch/Padang Golf : Lan use 3

4 KLASIFIKASI VISUAL Tone : Variasi kedalaman warna obyek dari warna tua ke muda, atau hitam ke putih yang dapat dibedakan Element Order 1 Colour : Warna obyek False ColorComposite : LANDSAT, RGB = 5:4:3 Colour/Warna & Tone Obyek Hijau :? Hijau muda Hijau tua Merah :? Merah muda/pink Biru :? Tua Kuningan :? Kuning muda Putih :? Putih Abu Hitam :? VISUAL Elemen Order 2: Size membantu menentukan obyek berdasarkan ukuran Perkebunan rakyat & perkebunan besar Shape membantu menentukan karakter obyek berdasarkan bentuk man made cenderung garis lurus natural cenderung tidak beaturan 4

5 False ColorComposite : LANDSAT, RGB = 5:4:3 VISUAL Texture frekuensi perubahan dan susunan dari tone Pengamatan visual kehalusan/kekasaran (smoothness or roughness) Misal Air : biasanya halus, Alang-alang : medium texture, and Hutan alam dataran rendah: kasar Pattern - arrangement spasial dari objects Linear untuk jalan, sungai dll Elements Orde 2 5

6 VISUAL Site bagaimana obyek berada pada suatau tempat aspect, topografi, geologi, tanah, & vegetasi Association obyek biasanya berasosiasi engan obyek yang lain. Sangat membantu dalam interpretasi man made obyek Element order 3 Height menjelaskan detail dari obyek (ketinggian obyek) VISUAL Elements Order 3 Shadow Membantu menentukan detil obyek Identifikasi dapat ditingkatkan dengan informasi bayangan Contoh Dimana Mangrove? Dimana Hutan dataran rendah?, Dimana Perkebunan? Dimana Lahan terbuka? Dimana lahan pertanian?, Dimana Sungai? Dimana Jalan?, Dimana Awan? Dimana Bayangan awan? Dimana Tambak?, Dimana Semak belukar? 6

7 Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR 1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat. 2. Hutan pegunungan tropis Hijau muda pada tua pada Landsat. 3. Hutan pegunungan tropis Hijau muda pada hijau kecoklatan pada Landsat. 4. Hutan dataran rendah Hijau kekuningan hijau pucat pada Landsat. 5. Hutan rawa Hijau pucat pada pada Landsat 6. Hutan tanaman jati Hijau kekuningan hijau muda pada Landsat. 7. Hutan tanaman pinus Hijau terang pada tua pada Landsat. 8. Hutan tanaman mangium Hijau terang pada tua pada Landsat. 9. Hutan tanaman Eucalypthus Hijau terang pada pada Landsat. 10. Kebun campuran (Karangkitri) Hijau muda pada pucat pada Landsat 11a Perkebunan sawit muda (dibawah 5 m) Biru gelap pada hijau kekuningan pada Landsat. Di daerah bergunung. 7

8 11b 11c 11d Perkebunan sawit muda (dibawah 5 m) Perkebunan sawit tua (diatas 10 m) Perkebunan sawit tua (diatas 10 m) Kemerahan-biru kecoklatan pada pada Landsat. Di daerah datar, pola kotak-kotak. Kemerahan-biru kecoklatan pada pada Landsat. Di daerah datar, pola kotak-kotak. Biru kecoklatan hijau pada Landsat. Di daerah datar, pola kotakkotak. 12. Perkebunan teh Biru dan kehijauan menyebar pada muda bercampur merah pada Landsat. 13. Perkebunan karet rakyat 13a Perkebunan karet 14. Perkebunan kelapa Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola pada Palsar tidak bisa dilihat, tapi jelas pada Landsat. Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola terlihat jelas baik pada Palsar maupun pada Landsat. Hijau pucat pada Palsar dan hijau muda-tua pada Landsat 15. Perkebunan tebu Hijau hijau pada Landsat. Kebun tebu biasanya dikelilingi oleh persawahan. 16. Kebun salak Hijau keabuan hijau muda pada Landsat 17. Pertanian lahan kering Biru menyebar merah kecoklatan menyebar pada Landsat 18. Sawah Biru gelap- ungu biru gelap pada Landsat. Sawah belum ditanami. 19. Belukar tinggi Hijau gelap pada pada Landsat. 8

9 20 Padang rumput Biru gelap-ungu pink pada Landsat 21 Pemukiman perkotaan 22 Pemukiman pedesaan Kuning- hijau kekuningan-putih merah pada Landsat Merah muda pada Palsar dan merah pada Landsat. Pemukiman tersebar. 23. Lapangan Golf Biru gelap pada Palsar dan kuning muda pada Landsat. 24. Bandara Biru gelap pada Palsar dan kuning muda pada Landsat 25. Badan air Biru muda pada Palsar dan biru tua pada Landsat. KLASIFIKASI DIGITAL Distribusi Nilai DN Pengelompokan Nilai DN Tidak Terbimbing Terbimbing (Parametric/Non Parametric: feature space) Minimum Distance Parallelepiped Classification Stepped Parallelepiped Equiprobability Contours 9

Berdasarakan Minimum Distance, tanpa campur tangan operator Tetap perlu pemahaman

10 Digital Number Band 1 Band 2 Band 3 (B) Band 4 (G) Band 5 (R) Band 6 Band 5: 4: 3 Klasifikasi Tidak Terbimbing (Unsupervised Classification) Mengelompokan Nilai DN Berdasarakan Minimum Distance, tanpa campur tangan operator Tetap perlu pemahaman lapang untuk reklasifikasi BAND 3 Feature Space (Distribusi DN, pada 2 sumbu/bands) BAND 4 10

Band 2 Band 2 Band 2 4/30/2012 KLASIFIKASI DIJITAL TIDAK TERBIMBING ISODATA I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)?

11 Band 2 Band 2 Band 2 4/30/2012 KLASIFIKASI DIJITAL TIDAK TERBIMBING ISODATA I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)? Band B Band A Band B Band A 1st iteration cluster mean 2nd iteration cluster mean ISODATA Band 1 Band 1 Band 1 Iterasi 1. Data dikelompokan, namun cluster biru terpisah jauh Iterasi 2. Kluster biru dipisah menjadi 2, Cyan and hijau hanya mempunyai 2 data. Iterasi n. Data pada kluster biru dan hijau, dikelompokan sbg pencilan/ dikelompokan dgn kluster terdekat. 11

12 Klasifikasi Terbimbing Mengelompokan Nilai DN Berdasarakan Minimum Distance, dengan arahan operator Menentukan rule/aturan pengelompokan Menentukan training area Klasifikasi Pengelompokan Ulang Uji akurasi BAND 3 Feature Space (Pengempokkan DN, pada 2 sumbu/bands) BAND 4 Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster) 12

13 Band 2 Band 2 Band 2 4/30/2012 Kedekatan dengan nilai rata-rata kluster Band 1 Iterasi 1.Pusat Kluster ditempatkan secara acak, kemudian setiap pixel dikelompokan pada pusat kluster terdekat. Band 1 Iterasi 2.Pusat kluster berpindah ke rata-rata pusat tiap kluster. Band 1 Iterasi ke N. Kluster dan pusat kluster terakhir/stabil. Parallelepiped Classification Setiap kelas dikelompokan dengan menggunakan kotak spektral (Spectral box) Terjadi overlap antar kotak, krn adanya korelasi band pada setiap kelasnya. Data yg overlap dapat dikelompokkan sebagai tidak terklasifikasi Stepped Parallelepiped Strategy 13

KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC Akurasi DATA REFERENSI DATA Hutan Hutan Semak Lahan Lahan Pemu- Badan User

19 Semak Belukar 2 2 45 8 1 0 0 58 77.59 Lahan Pertanian 0 0 10 65 0 0 0 75 86.67 Lahan Terbuka 0 0 0 0 12 8 0 20 60.00 Pemukiman 0 0 0 0 6 23 0 29 79.

14 KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC Akurasi DATA REFERENSI DATA Hutan Hutan Semak Lahan Lahan Pemu- Badan User KLASIFIKASI Primer Sekunder Belukar Pertanian Terbuka kiman Air Total Accuracy Hutan Primer Hutan Sekunder Semak Belukar Lahan Pertanian Lahan Terbuka Pemukiman Badan Air Producer Akurasi Ommission error Commission error Over all accuracy Confusion matrix 14

dokumen-dokumen yang mirip

benar sebesar 30,8%, sehingga harus dilakukan kembali pengelompokkan untuk mendapatkan hasil proporsi objek tutupan lahan yang lebih baik lagi. Pada pengelompokkan keempat, didapat 7 tutupan lahan. Perkebunan