MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA SATELIT TERRA MODIS

Transkripsi

1 MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA SATELIT TERRA MODIS Oleh : FENY ARAFAH Pembimbing: Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS L. M. Jaelani, ST, MSc

2 Latar Belakang

3 Permasalahan Bagaimana cara memodifikasi algoritma AVHRR untuk estimasi suhu permukaan laut citra satelit TERRA MODIS agar didapatkan algoritma baru untuk TERRA MODIS? Bagaimana persebaran suhu permukaan laut hasil modifikasi algoritma AVHRR untuk TERRA MODIS jika dibandingkan dengan data pengukuran SPL di lapangan dan data SPL menggunakan algoritma MODIS asli?

4 Batasan Masalah Wilayah studi yaitu perairan di sekitar Pulau Jawa Timur, Madura dan Bali, sedangkan untuk validasi dilakukan di perairan Selat Madura. Penelitian yang dilakukan adalah Suhu Permukaan Laut (SPL). Modifikasi yang dilakukan menggunakan band 20-23, 31, dan 32 pada citra TERRA MODIS bulan Oktober Data yang digunakan sebagai validasi adalah data SPL di lapangan dan data SPL hasil perhitungan citra menggunakan algoritma TERRA MODIS asli. Algoritma AVHRR yang dimodifikasi adalah algoritma Multi- Channel SST (MCSST) dan algoritma Non Linear SST (NLSST).

5 Tujuan Untuk mengetahui apakah algoritma AVHRR yang telah dimodifikasi bisa digunakan untuk estimasi suhu permukaan laut citra satelit TERRA MODIS, sehingga bisa didapatkan bentuk algoritma yang sesuai. Untuk mengetahui persebaran suhu permukaan laut hasil modifikasi algoritma AVHRR untuk TERRA MODIS jika dibandingkan dengan data pengukuran SPL di lapangan dan data SPL menggunakan algoritma MODIS asli.

6 Manfaat Manfaat yang ingin diperoleh dari penelitian tugas akhir ini adalah mendapatkan algoritma baru citra TERRA MODIS dari algoritma AVHRR yang telah dimodikasi, serta suatu informasi mengenai persebaran suhu permukaan laut di perairan Selat Madura sehingga dapat digunakan untuk melindungi sumber daya alam dan lingkungan yang ada di sekitar Selat Madura dan dapat digunakan sebagai acuan untuk penelitian selanjutnya.

7 Lokasi Penelitian Lokasi Penelitian

8 Data & Peralatan Data - Data citra TERRA MODIS level 1B bulan Oktober tahun 2010 dengan resolusi spasial 1 km. - Data geolokasi citra TERRA MODIS MOD03. - Data SPL yang diambil langsung di lapangan. - Peta Vektor Indonesia Software Peralatan Lapangan - ENVI Water Quality Checker - MODIS Toolkit - GPS Navigasi - Matlab ArcGIS 9.2

9 Tahap Pengolahan Data 1. Pengolahan data citra 2. Pengolahan data geolokasi

10 Hasil Proses Georeferensi

11 Hasil Proses Koreksi Geometrik

12

13 Hasil Pengolahan Data Geolokasi (MOD03)

14 Analisa Pengolahan Citra

15 Hasil Modifikasi Algoritma MCSST Model algoritma asli : SST = at 4 + b(t 4 - T 5 ) + c(t 4 - T 5 )(secθ 1) + d Hasil modifikasi algoritma : Kombinasi band 31 dan 32 SST = at 31 + b(t 31 T 32 ) + c(t 31 T 32 )(secθ 1) + d Kombinasi band 20 dan 21 SST = at 20 + b(t 20 T 21 ) + c(t 20 T 21 )(secθ 1) + d Kombinasi band 20 dan 22 SST = at 20 + b(t 20 T 22 ) + c(t 20 T 22 )(secθ 1) + d Kombinasi band 20 dan 23 SST = at 20 + b(t 20 T 23 ) + c(t 20 T 23 )(secθ 1) + d Kombinasi band 21 dan 22 SST = at 21 + b(t 21 T 22 ) + c(t 21 T 22 )(secθ 1) + d Kombinasi band 21 dan 23 SST = at 21 + b(t 21 T 23 ) + c(t 21 T 23 )(secθ 1) + d Kombinasi band 22 dan 23 SST = at 22 + b(t 22 T 23 ) + c(t 22 T 23 )(secθ 1) + d

16 Hasil Modifikasi Algoritma NLSST Model algoritma asli : SST = at 4 + bt sfc (T 4 - T 5 ) + c(t 4 - T 5 )(secθ 1) + d Hasil modifikasi algoritma : Kombinasi band 31 dan 32 SST=aT 31 + bt sfc (T 31 T 32 ) + c(t 31 T 32 )(secθ 1) + d Kombinasi band 20 dan 21 SST at 20 + bt sfc (T 20 T 21 ) + c(t 20 T 21 )(secθ 1) + d Kombinasi band 20 dan 22 SST=aT 20 + bt sfc (T 20 T 22 ) + c(t 20 T 22 )(secθ 1) + d Kombinasi band 20 dan 23 SST=aT 20 + bt sfc (T 20 T 23 ) + c(t 20 T 23 )(secθ 1) + d Kombinasi band 21 dan 22 SST=aT 21 + bt sfc (T 21 T 22 ) + c(t 21 T 22 )(secθ 1) + d Kombinasi band 21 dan 23 SST=aT 21 + bt sfc (T 21 T 23 ) + c(t 21 T 23 )(secθ 1) + d Kombinasi band 22 dan 23 SST=aT 22 + bt sfc (T 22 T 23 ) + c(t 22 T 23 )(secθ 1) + d

17 Sebaran SPL Citra TERRA MODIS Hasil Modifikasi Algoritma MCSST Kombinasi Nilai Suhu C No. Band MCSST Min Max Mean 1 31 dan 32-11,73 36,36 10, dan ,22 14, dan ,57 14, dan ,98 16, dan ,75 14, dan ,13 16, dan ,64 16,35 Data SPL di perairan Selat Madura Sebaran SPL Kombinasi Band 31 dan 32

18 Sebaran SPL Citra TERRA MODIS Hasil Modifikasi Algoritma NLSST No. Kombinasi Nilai Suhu C Band NLSST Min Max Mean 1 31 dan 32-11,48 33,25 10, dan ,83 14, dan ,66 14, dan ,87 15, dan ,64 14, dan ,73 15, dan ,43 14,71 Data SPL di perairan Selat Madura Sebaran SPL Kombinasi Band 31 dan 32

19 Analisa Modifikasi Algoritma AVHRR

20 Data Sampel SPL di Lapangan 1. Data Sampel SPL di Lapangan 2. Hasil Rata-Rata Data Sampel SPL di Lapangan No Posisi Koordinat Temperatur Lintang Bujur (⁰C) 1 7 ⁰ 12,02 112⁰ 46,633 31, ⁰ 11, ⁰ 46,733 30, ⁰11, ⁰ 46,746 30, ⁰10, ⁰ 46,695 31, ⁰10, ⁰ 46,707 30, ⁰9, ⁰ 46,715 30,74

21 Data Sebaran SPL TERRA MODIS Asli & Korelasi Linier dengan Data SPL di Lapangan

22 Analisa Hasil SPL MODIS Asli

23 Hasil Korelasi Linier Data SPL di Lapangan dengan SPL Modifikasi Algoritma

24 Hasil Korelasi Linier Data SPL MODIS Asli dengan SPL Modifikasi Algoritma

25 Analisa Hasil Korelasi Linier (i)

26 Analisa Hasil Korelasi Linier (ii)

27 Hasil Uji Ketelitian Hasil Penyimpangan/Standar Deviasi Data SPL Modifikasi Algoritma MCSST terhadap Data SPL di Lapangan No. Kombinasi Band Standar Deviasi 1 31 dan 32 0, dan 21 1, dan 22 1, dan 23 2, dan 22 1, dan 23 1, dan 23 1,98 No. Kombinasi Standar Band Deviasi 1 31 dan 32 0, dan 21 1, dan 22 1, dan 23 1, dan 22 1, dan 23 1, dan 23 1,64 Hasil Penyimpangan/Standar Deviasi Data SPL Modifikasi Algoritma NLSST terhadap Data SPL di Lapangan

28 Analisa Hasil Uji Ketelitian

29 Kesimpulan (i) Modifikasi dalam penelitian ini dilakukan dengan cara mengubah band yang terdapat pada algoritma AVHHR (band 4 dan 5) menjadi band yang terdapat pada citra MODIS (band 20-23, 31, dan 32), yaitu menggunakan band yang memiliki panjang gelombang yang hampir sama dan band yang memiliki kegunaan yang sama dengan band yang terdapat pada algoritma AVHRR. Pada algoritma MCSST dan NLSST menghasilkan 14 macam algoritma modifikasi dengan kombinasi band 31-32, band 20-21, band 20-22, band 20-23, band 21-22, band 21-23, dan band Hasil proses korelasi linier pada data SPL modifikasi algoritma terhadap data SPL di lapangan secara kesuluruhan menghasilkan nilai hubungan positif yang tinggi dengan nilai r 2 terendah adalah 64% dan tertinggi adalah 80,07% pada MCSST serta nilai r 2 terendah adalah 61,36% dan tertinggi adalah 78,85% pada NLSST.

30 Kesimpulan (ii) Hasil proses korelasi linier pada data SPL modifikasi algoritma terhadap data SPL MODIS asli secara kesuluruhan menghasilkan nilai hubungan positif yang sangat tinggi dengan nilai r 2 terendah adalah 92,62% dan tertinggi adalah 99,72% pada MCSST serta nilai r 2 terendah adalah 94,09% dan tertinggi adalah 99,62% pada NLSST. Tingkat kecocokan (korelasi) antara data SPL modifikasi algoritma terhadap data SPL di lapangan mempunyai hasil yang lebih rendah daripada tingkat kecocokan antara data SPL modifikasi algoritma terhadap data SPL MODIS asli. Hal ini karena antara data lapangan dan data citra diambil pada waktu yang berbeda, yaitu selisih 2 hari.

31 Kesimpulan (iii) Tingkat kebenaran antara data SPL MODIS asli terhadap data SPL di lapangan mempunyai hasil lebih rendah daripada tingkat kebenaran antara data SPL modifikasi algoritma MCSST dan NLSST kombinasi band 31 dan 32 terhadap data SPL di lapangan. Hal ini dikarenakan koefisien yang digunakan pada algoritma MODIS asli dan pada algoritma modifikasi berbeda. Untuk hasil SPL modifikasi algoritma MCSST dan NLSST pada bulan Oktober 2010, hasil yang mempunyai tingkat kebenaran paling tinggi terhadap data SPL di lapangan adalah modifikasi yang menggunakan kombinasi band 31 dan 32. Sehingga algoritma ini dapat digunakan untuk mengestimasi nilai SPL menggunakan citra Terra/MODIS.

32 Saran Untuk penelitian suhu permukaan laut, sebaiknya memilih data/citra yang sedikit terdapat tutupan awan agar mendapatkan hasil suhu yang lebih baik. Sebaiknya antara data lapangan dan data citra diambil dalam waktu yang sama agar selisih antara hasil lapangan dan hasil citra tidak terlalu jauh, serta dapat menghasilkan tingkat kecocokan yang sama-sama tinggi. Karena nilai koefisien masing-masing bulan pada algoritma MCSST dan NLSST berbeda, maka sebaiknya dilakukan perhitungan dan pengamatan SPL per bulan selama 1 tahun untuk lebih menguatkan hasil dari modifikasi algoritma MCSST dan NLSST tersebut. Sebaiknya algoritma hasil modifikasi ini digunakan untuk penelitian di perairan sekitar Jawa, Madura, dan Bali, agar mendapatkan hasil yang lebih baik juga. Sebaiknya estimasi SPL yang dihasilkan dari modifikasi algoritma MCSST dan NLSST tersebut digunakan untuk penelitian lebih lanjut mengenai sumber daya alam dan kondisi lingkungan di perairan sekitar Jawa, Madura, dan Bali.

33 SEKIAN TERIMA KASIH