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

Transkripsi

1 MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA AQUA MODIS Briliana Hendra Prasetya ( ) Dosen Pembimbing : Prof. Dr. Ir. Bangun Muljo Sukojo, DEA, DESS Lalu Muhamad Jaelani, ST, MSc

2 PENDAHULUAN 2 Latar Belakang LAUTAN SPL MODIFIKASI ALGORITMA AVHRR AQUA MODIS ESTIMASI SPL LEBIH AKURAT Perumusan Masalah Bagaimana pengolahan citra satelit AQUA MODIS menggunakan modifikasi algoritma AVHRR untuk estimasi SPL? Bagaimana perbandingan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritma AQUA MODIS asli dan dikaitkan dengan data pengukuran SPL di lapangan?

3 PENDAHULUAN 3 Batasan Masalah a. Citra AQUA MODIS tanggal 19 oktober b. Pengukuran SPL di Selat Madura, citra AQUA MODIS yang digunakan mencakup perairan di sekitar Jawa Timur Bali. c. Algoritma AVHRR yang dimodifikasi algoritma MCSST dan NLSST d. Band AQUA MODIS untuk modifikasi : band 20, 21, 22, 23, 31, 32. e. Data validasi yaitu data pengukuran SPL di lapangan.

4 PENDAHULUAN 4 Tujuan Mengolah citra satelit AQUA MODIS menggunakan modifikasi algoritma AVHRR untuk estimasi SPL. Untuk membandingkan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritma AQUA MODIS asli dan dikaitkan dengan data pengukuran SPL di lapangan. Manfaat Algoritma baru hasil modifikasi dapat digunakan untuk penelitian tentang estimasi SPL selanjutnya sedangkan hasil estimasi SPL tersebut digunakan untuk memperkirakan kehidupan ekosistem di daerah yang diteliti.

5 Metodologi Penelitian 5 Lokasi Penelitian U P. Jawa P. Madura Validasi Data P. Bali

6 Metodologi Penelitian 6 Data Data citra AQUA MODIS level 1B tanggal 19 Oktober 2010 Data Geolokasi citra AQUA MODIS tanggal 19 Oktober 2010 Data hasil pengukuran SPL diambil secara in-situ Peta administrasi Indonesia skala 1: Peralatan Perangkat Keras (Hardware) - GPS Navigasi - Water Checker TROLL 9500 Multi Parameter Series S/N Perangkat Lunak (Software) - ENVI Matlab ArcGIS 9.3

7 Metodologi Penelitian 7 Tahap Pengolahan Data

8 8 Pengelompokan SPL dari Pengukuran di Lokasi Penelitian No Lintang Bujur Nilai SPL (⁰C) 1-7 ⁰ 9, ⁰ 46,726 29, ⁰10, ⁰ 46,772 29, ⁰11, ⁰ 46,648 29, ⁰11, ⁰ 46,734 29, ⁰12, ⁰ 46,698 30,26 Rata-rata SPL 29,75

9 9 Modifikasi Algoritma NOAA-AVHRR untuk AQUA MODIS Algoritma MCSST SST = T (T 1 T 2 ) (T 1 T 2 ) (secθ 1) 280 Algoritma NLSST SST = T T sfc (T 1 T 2 ) (T 1 T 2 ) (secθ 1) 260 Masing-masing algoritma dimodifikasi dengan 7 macam kombinasi band secara empiris yaitu : band 31&32, band 20&21, band 20&22, band 20&23, band 21&22, band 21&23, dan band 22&23.

10 10 Hasil dan Pembahasan Analisis Modifikasi Algoritma AVHRR untuk AQUA MODIS Citra NOAA/AVHRR Citra AQUA MODIS Band Panjang Gelombang (µm) Band Panjang Gelombang (µm) 4 10,3 11,3 20 3,660 3, ,5 12,5 21 3,930 3, ,930 3, ,020-4, ,780 11, ,770-12,270 Menurut Sukresno (2008), Terdapat dua interval panjang gelombang yang umum digunakan untuk perhitungan SPL, yaitu infra merah jauh (10,1µm 12,5µm) dan infra merah dekat (3,7µm 4,2µm). Pada AQUA MODIS terdapat pada band 20, 21, 22, 23, 31, dan 32 sesuai dengan yang digunakan dalam modifikasi algoritma tersebut.

11 11 Citra AQUA MODIS Koreksi Geometrik nilai rata-rata RMS error adalah 0,733 yaitu memenuhi toleransi yang diberikan yaitu 1 piksel

12 12 Suhu Permukaan Laut Hasil Pengolahan Citra Suhu Permukaan Laut Algoritma AQUA MODIS Asli No Lintang Bujur Nilai SPL (⁰C) 1-7 ⁰ 9, ⁰ 46,726 30, ⁰10, ⁰ 46,772 28, ⁰11, ⁰ 46,648 29, ⁰11, ⁰ 46,734 29, ⁰12, ⁰ 46,698 32,43 Rata-rata SPL 30,17

13 13 Suhu Permukaan Laut Hasil Modifikasi Algoritma AVHRR untuk AQUA MODIS - Modifikasi Algoritma MCSST No Lintang Bujur SPL Modifikasi Algoritma NLSST (⁰C) 31&32 20&21 20&22 20&23 21&22 21&23 22& ⁰ 9, ⁰ 46,726 29,96 33,97 34,14 37,74 35,92 39,52 39, ⁰10, ⁰ 46,772 28,70 31,45 32,38 35,88 35,77 39,27 37, ⁰11, ⁰ 46,648 28,80 31,62 32,87 36,93 36,80 40,86 38, ⁰11, ⁰ 46,734 29,29 32,85 33,37 37,01 35,84 39,48 38, ⁰12, ⁰ 46,698 30,76 36,79 36,88 40,79 38,30 42,21 42,04 Peta SPL Modifikasi Algoritma MCSST Kombinasi band 31 dan 32 Rata-rata SPL 29,50 33,34 33,93 37,67 36,53 40,27 39,12

14 14 - Modifikasi Algoritma NLSST No Lintang Bujur SPL Modifikasi Algoritma NLSST (⁰C) 31&32 20&21 20&22 20&23 21&22 21&23 22& ⁰ 9, ⁰ 46,726 29,49 33,09 33,25 36,77 34,95 38,47 38, ⁰10, ⁰ 46,772 28,30 30,71 31,61 35,01 34,84 38,25 36, ⁰11, ⁰ 46,648 28,39 30,85 32,07 36,02 35,82 39,77 37, ⁰11, ⁰ 46,734 28,86 32,03 32,53 36,08 34,90 38,45 37, ⁰12, ⁰ 46,698 30,27 35,73 35,81 39,66 37,17 41,02 40,86 Rata-rata SPL 29,06 32,48 33,06 36,71 35,54 39,19 38,09

15 15 Analisis SPL Hasil Pengolahan Citra a b c d SPL pengolahan dengan algoritma AQUA MODIS Asli nilainya lebih tinggi dari data lapangan Nilai SPL hasil pengolahan dengan modifikasi algoritma AVHRR yang paling mendekati data lapangan yaitu modifikasi algoritma MCSST dan NLSST kombinasi 31 dan 32. SPL pengolahan citra tidak ada yang sama persis dengan data lapangan. SPL pengolahan citra berasal dari tenaga termal yang dipancarkan hingga kedalaman 0,1 mm, sedangkan data lapangan diukur pada kedalaman 0-1 m. Berdasarkan visualisasi peta, SPL berhubungan dengan fungsi kedalaman (Wijanarko, AB, 2003 dalam Santoso, 2008) yaitu semakin kaarah laut dalam nilai SPL semakin rendah.

16 16 Korelasi Linear Korelasi Linear AQUA MODIS Asli dengan Data Lapangan Nilai R 2 = 0,7087 atau R 2 = 70,87% menunjukkan hubungan positif yang tinggi

17 17 Korelasi Linear Modifikasi Algoritma AVHRR dengan Data Lapangan Kombinasi Band Modifikasi Algoritma MCSST Korelasi (R 2 ) Prosentase Korelasi (%) Modifikasi Algoritma NLSST Korelasi (R 2 ) Prosentase Korelasi(%) 31 dan 32 0, ,12 0, ,14 20 dan 21 0, ,18 0, ,91 20 dan 22 0, ,11 0, ,20 20 dan 23 0, ,22 0, ,32 21 dan 22 0, ,77 0, ,40 21 dan 23 0, ,96 0, ,09 22 dan 23 0, ,79 0, ,08

18 18 Korelasi Linear Modifikasi Algoritma AVHRR dengan Algoritma AQUA MODIS Asli Kombinasi Band Modifikasi Algoritma MCSST Korelasi (R 2 ) Prosentase Korelasi (%) Modifikasi Algoritma NLSST Korelasi (R 2 ) Prosentase Korelasi(%) 31 dan 32 0, ,79 0, ,86 20 dan 21 0, ,11 0, ,98 20 dan 22 0, ,16 0, ,97 20 dan 23 0, ,29 0, ,25 21 dan 22 0, ,10 0, ,88 21 dan 23 0, ,25 0, ,11 22 dan 23 0, ,49 0, ,32

19 19 Analisis Korelasi Linear Modifikasi algoritma yang memiliki korelasi baik dan nilainya mendekati data lapangan adalah : MCSST kombinasi band 31 dan 32 korelasi terhadap data lapangan 72,12% korelasi terhadap AQUA MODIS Asli 99,79% NLSST kombinasi band 31 dan 32 korelasi terhadap data lapangan 72,14% korelasi terhadap AQUA MODIS Asli 99,86% Nilai R 2 yang semakin mendekati nilai 1 atau 100% menunjukkan adanya tingkat hubungan yang tinggi dan sebaliknya, makin dekat nilai R 2 dengan 0 makin jelek hubungannya. (Walpole, 1995)

20 20 Uji Ketelitian Ketelitian SPL Algoritma AQUA MODIS Asli terhadap Data Lapangan S=1,04 C Ketelitian SPL Modifikasi Algoritma AVHRR terhadap Data Lapangan Modifikasi Algoritma MCSST Kombinasi Simpangan( C) Band 31 dan 32 0,54 20 dan 21 1,70 20 dan 22 1,32 20 dan 23 1,40 21 dan 22 0,72 21 dan 23 0,89 22 dan 23 1,29 Modifikasi Algoritma NLSST Kombinasi Simpangan( C) Band 31 dan 32 0,50 20 dan 21 1,59 20 dan 22 1,22 20 dan 23 1,31 21 dan 22 0,66 21 dan 23 0,83 22 dan 23 1,21

21 21 Analisis Uji Ketelitian a Menurut Sukresno, 2008, perbandingan hasil perhitungan satelit dengan data hasil pengukuran insitu menggunakan data Buoy Tao pada kedalaman 1 meter yang sejauh ini memiliki selisih berkisar 0,50 C. b Modifikasi algoritma yang memenuhi toleransi tersebut adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan simpangan 0,50 C c Modifikasi algoritma NLSST band 31 dan 32 menghasilkan nilai SPL yang lebih teliti dan algoritma tersebut dapat direkomendasikan untuk dilakukan penelitian lebih lanjut untuk memastikan berlakuknya algoritma baru tersebut.

22 Kesimpulan dan Saran 22 Kesimpulan a b c Nilai RMSerror rata-rata pengolahan citra AQUA MODIS tanggal 19 Oktober 2010 adalah 0,733. Hasil korelasi pengolahan SPL dengan algoritma AQUA MODIS Asli terhadap data lapangan yaitu R 2 =70,87%, hal ini menunjukkan adanya hubungan positif yang tinggi. Modifikasi algoritma menghasilkan SPL yang memiliki korelasi baik dan nilainya mendekati SPL data lapangan yaitu pada modifikasi algoritma MCSST kombinasi band 31 dan 32 dengan R 2 =72,12% serta modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan R 2 =72,14%.

23 Kesimpulan dan Saran 23 d e Uji ketelitian hasil pengolahan SPL algoritma AQUA MODIS asli dengan data lapangan yaitu 1,04 C, hal ini melebihi toleransi yang diberikan yaitu 0,50 C sehingga kurang teliti terhadap data lapangan. Hasil Modifikasi algoritma yang menghasilkan SPL memenuhi toleransi pada saat uji ketelitian yaitu 0,50 C adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 yaitu 0,50 C sehingga menghasilkan nilai SPL yang lebih baik dan mendekati data lapangan daripada pengolahan dengan algoritma AQUA MODIS Asli.

24 Kesimpulan dan Saran 24 Saran Untuk penelitian selanjutnya sebaiknya uji ketelitian dilakukan menggunakan data citra dan data lapangan pada waktu yang sama sehingga dapat diperoleh tingkat kecocokan dan ketelitian yang lebih akurat. Sebaiknya hasil modifikasi yang telah teruji dan memenuhi toleransi pada penelitian ini dilakukan untuk penelitian lebih lanjut dengan menggunakan citra pada bulan yang berbeda sehingga dapat menguatkan kebenaran dari hasil modifikasi algoritma tersebut.

25 25 Sekian dan Terima Kasih