TUGAS PENGOLAHAN CITRA DIGITAL
CLOUD REMOVAL
(Disusun untuk Memenuhi Tugas Pengolahan Citra Digital)
Disusun oleh:
Kharisma Srinarta
21110117130045
DEPARTEMEN TEKNIK GEODESI
FAKULTAS TEKNIK - UNIVERSITAS DIPONEGORO
Jl. Prof. Sudarto SH, Tembalang Semarang Telp. (024) 76480785,76480788
e-mail: geodesi@undip.ac.id
2020
I. Pendahuluan
Tutupan awan telah menjadi masalah utama dalam penggunaan citra satelit optik, terutama di wilayah Indonesia yang terletak di sepanjang khatulistiwa atau wilayah tropis dengan pembentukan awan yang tinggi hampir sepanjang tahun. Hal ini akan mengakibatkan wilayah yang berada dibawah awan menjadi tidak terlihat, awan tipis pun juga dapat menyebabkan perbedaan nilai piksel yang akan mengakibatkan terjadinya ambiguitas informasi. Masalah tersebut dapat diatasi dengan menggunakan metode cloud masking/ cloud removal, yaitu proses penghilangan awan pada citra dengan menggunakan aplikasi dan cara tertentu.
Citra yang dipakai dalam penugasan ini adalah citra landsat 8 tipe collection, citra berada di daerah selat korea selatan dengan sebagian besar berisi perairan dan sedikit daratan wilayah Jepang. Citra yang dipakai memiliki tingkat cloud land cover kurang dari 10%, citra diambil pada tanggal 6 Maret 2020.
Aplikasi yang dipakai adalah ArcGIS 10.3 dan Envi Classic 5.3, peralatan yang digunakan adalah laptop dengan spesifikasi yang mumpuni agar dalam proses pengolahannya dapat berjalan lancar dan tidak terjadi lag atau bahkan error. Ada 3 metode yang akan digunakan yaitu memanfatkan BQA melalui ArcGIS, menggunakan threshold band biru (B2), dan menggunakan rumus LSWI (Land Surface Water Index). Hasil yang akan didapatkan adalah daerah dengan tutupan awan akan ‘berlubang’ dan memiliki nilai 0, ‘lubang’ tersebut dapat ditampalkan dengan citra serupa yang waktunya berbeda.
II. Pelaksanaan
1. Menggunakan BQA
a. Download citra di web USGS, citra yang didownload adalah citra landsat 8 jenis collection, berikut adalah hasil citra yang telah didownload
b. Buka aplikasi arcgis, klik add data lalu masukkan citra dengan format BQA
c. Convert nilai piksel yang muncul di arcgis menjadi nilai binary dengan menggunakan web convertbinary.com, setelah itu analisis hasil binary tersebut dengan tabel citra collection, hal yang dianalisis adalah cloud confidence dan cyrus confidence, berikut adalah hasil yang didapat
2720 00001010 10100000 => bukan awan, bukan cyrus
2724 00001010 10100100 => bukan awan, bukan cyrus
2728 00001010 10101000 => bukan awan, bukan cyrus
2732 00001010 10101100 => bukan awan, bukan cyrus
2752 00001010 11000000 => maybe awan, bukan cyrus
2756 00001010 11000100 => maybe awan, bukan cyrus
2800 00001010 11110000 => awan , bukan cyrus
2804 00001010 11110100 => awan, bukan cyrus
2808 00001010 11111000 => awan, bukan cyrus
2976 00001011 10100000 => bukan awan, bukan cyrus
3008 00001011 11000000 => maybe awan, bukan cyrus
3744 00001110 10100000 => bukan awan, bukan cyrus
3776 00001110 11000000 => maybe awan, bukan cyrus
6816 00011010 10100000 => bukan awan, cyrus
6824 00011010 10101000 => bukan awan, cyrus
6828 00011010 10101100 => bukan awan, cyrus
6848 00011010 11000000 => maybe awan, cyrus
6896 00011010 11110000 => awan, cyrus
6908 00011010 11111100 => awan, cyrus
7072 00011011 10100000 => bukan awan, cyrus
7104 00011011 11000000 => maybe awan, cyrus
7872 00011110 11000000 => maybe awan, cyrus
d. Pilih Arctoolbox => 3D analyst tools => raster reclass => reclassify, isi value dari setiap piksel dengan ketentuan awan = NoData, maybe awan = 0, bukan awan = 1
e. Berikut adalah hasil yang diperoleh
f. Save hasil reclass dengan klik kanan lalu pilih data => export data. Ubah kolom NoData as menjadi ‘NaN’, lalu simpan dalam format TIFF
g. Buka hasilnya ke aplikasi envi, load citra awal ke display 1 lalu citra hasil reclass ke display 2, nyalakan geographic link dan cek kesesuaiannya
h. Lakukan hal yang sama untuk melakukan cyrus removal. Ubah nilai value piksel menjadi Cyrus = NoData, maybe cyrus = 0, bukan cyrus = 1
i. Berikut adalah hasilnya, export data menjadi TIFF dengan cara yang sama seperti cloud removal
j. Buka di envi, sesuaikan hasilnya dengan citra awal
2. Menggunakan band biru (B2)
a. Load band 2 lalu nyalakan cursor value, lihat nilai data awan baik itu awan tipis maupun awan tebal, perkirakan nilai minimum yang dihasilkan, nilai ini akan dijadikan acuan dalam memasukkan rumus. Nilai minimum yang saya dapatkan adalah 10000, karena nilai data dibawah 10000 bukan merupakan awan.
b. Buka fitur band math yang ada di basic tool, lalu masukan rumus (B2 GE 10000)*0 + (B2 LT 10000)*1, rumus ini berarti nilai piksel yang lebih dari 10000 (awan) akan diberi nilai 0, sedangkan piksel yang bernilai kurang dari 10000 akan dibeli nilai 1
c. Definisikan band 2, lalu save file
d. Berikut adalah hasil yang didapatkan, cek dengan citra awal dengan menyalakan geographic link
3. Menggunakan rumus LSWI (Land Surface Water Index)
a. Buka metadata untuk mengetahui parameter-parameter citra, karena akan dilakukan koreksi radiometrik pada B2, B5, dan B6, dengan rumus sebagai berikut
b. Setelah ketiga band tersebut dikoreksi radiometrik, lalu masukan rumus LSWI yaitu (NIR-SWIR)/(NIR+SWIR)
c. Definisikan band yang dimasukkan dalam rumus menggunakan band yang telah terkoreksi radiometrik
d. Berikut adalah hasil dari rumus LSWI, nyalakan cursor location value untuk melihat nilai dari awan tebal maupun awan tipis, nilai piksel ini akan dimasukkan ke dalam rumus selanjutnya, nilai yang saya gunakan adalah 0.15 karena nilai > 0.15 merupakan awan
e. Masukkan rumus, yaitu (B1+B2) LE 0.15)*1 + ((B1+B2) GT 0.15)*0, rumus ini memiliki arti jika nilai piksel lebih dari 0.15 maka diberi nilai 0, jika kurang dari 0.15 diberi nilai 1 (bukan awan). B1 merupakan hasil LSWI sedangkan B2 adalah band biru yang sudah terkoreksi radiometrik
f. Berikut adalah hasil yang didapatkan
III. Analisis
Berikut adalah hasil dari ketiga metode jika ditampilkan sekaligus dan dibandingkan dengan citra asli. Citra ke 2 merupakan hasil BQA, citra ke 3 hasil band biru, dan citra ke 4 hasil rumus LSWI.
Perbedaan yang dihasilkan dari ketiga metode tersebut tidak terlalu terlihat, hanya terdapat sedikit perbedaan yaitu pada metode 2 (menggunakan band biru) hasilnya tidak sedetail metode 1 dan 3, awan-awan tipis tidak terdeteksi pada metode 2 ini. Menurut saya hal ini dikarenakan prosesnya yang terlalu sederhana yaitu hanya menggunakan satu band dan satu kali memasukkan rumus.
Pada metode 1 dan 3 hasilnya terlihat sama detailnya, tetapi jika diperhatikan lebih dalam, hasil dari metode 3 lebih tajam dan jelas pada bagian awan tipis berukuran kecil. Pada metode 2 awan kecil berukuran kecil ada yang terdeteksi dan ada yang tidak. Menurut saya kedua metode ini memiliki hasil yang lebih baik dikarenakan proses pengerjaannya yang lebih kompleks.
Metode terbaik menurut saya adalah metode 1, dikarenakan metode ini nilai pikselnya terdeteksi secara otomatis oleh aplikasi Arcgis. Metode 2 dan 3 memiliki tingkat kemungkinan kesalahan yang lebih besar dikarenakan kita harus memilih sendiri batas nilai piksel yang akan digunakan, walaupun menurut saya hasil metode 3 lebih baik, tetapi saya memilih untuk meminimalisir kesalahan individu dalam menentukan nilai batas piksel dengan menggunakan metode 1.
Tidak ada komentar:
Posting Komentar