Pertemuan 10 PCD - Land Use and Land Cover

Perubahan pada Land Use & Cover, terdiri dari 2 bentuk:

1) Land Cover Conversion

Land Cover Conversion yaitu perubahan dari satu jenis penutup lahan ke jenis lainnya. Contohnya forest > agriculture land, agriculture land > built-up land

 2) Land Cover Modification

Land Cover Modification yaitu perubahan pada struktur dan fungsi lahan tanpa merubah jenis tutupan lahan dari satu ke lainnya. Contohnya lahan agricultural (pertanian) ditanami palawija (perkebunan), ini merubah produktivitas dan kadar biomassa.

Land Use Change dan Land Cover Change saling mempengaruhi satu sama lain, hal ini dapat dilihat pada penjelasan berikut.

ØLC Change > LU Change

Agriculture ke Built-up land (persekolahan), karena adanya demand akan kawasan sekolah, lahan tani berubah jenis sehingga berubah fungsi pakai.

ØLU Change > LC Change

Kawasan Pelabuhan yang pada awalnya digunakan sebagai tempat berlabuh kapal penumpang dan barang, seiring waktu berubah menjadi kawasan komersial bahkan kawasan tourist development, contohnya Selat Malaka.

Faktor utama berkontribusi dalam proses perubahan yaitu sebagai berikut.

1) Human Driving Forces

Human driving forces merupakan kekuatan utama yang merupakan dasar dari kekuatan sosial yang menghubungkan antara manusia dengan alam dan menyebabkan perubahan lingkungan secara global.

2) Human Mitigation Forces

Human mitigation forces yaitu merupakan kekuatan yang menghambat, mengubah atau melawan human driving forces.

3) Proximate Driving Forces

Proximate driving forces merupakan aktifitas akhir yang merupakan hasil gabungan antara interaksi faktor pendorong manusia dan faktor pencegahnya yang secara langsung menyebabkan transformasi lingkungan, baik melalui penggunaan sumber daya alam.

Penggunaan lahan dan perubahan tutupan lahan di India selatan selama dua dekade ( 1985-2005 ).

A.Penurunan tutupan vegetasi untuk pertanian di Maharashtra dan Madhya Pradesh.

B.Peningkatan dibangun di sekitar kota-kota besar khususnya Hyderabad selama dua dekade terutama dengan mengorbankan gurun dan tanah tandus.

C.Penurunan tutupan hutan dan Wasteland dan peningkatan lahan pertanian di wilayah sungai Cauvery.

Studi Kasus

Pentingnya pemetaan dan pemantauan perubahan LULC telah banyak diakui oleh komunitas ilmiah. Penginderaan jauh dan sistem informasi geografis (GIS) untuk menilai dan memantau dampak lingkungan. Upaya yang dilakukan untuk memetakan distribusi spasial dari kegiatan pertambangan dengan bantuan LULC dan mengukur perubahan dari waktu ke waktu di distrik Singrauli, Madhya Pradesh menggunakan citra satelit multi-tanggal selama tiga periode waktu, yaitu, tahun 1978, 1991 dan 2010.

Dua unit geomorfologi yang berbeda, daerah dataran tinggi yang terdiri dari daerah yang dicakup oleh blok pertambangan di bagian utara dan dataran di bawah dataran tinggi dibentuk terutama oleh lembah Sungai Rihand dan anak-anak sungainya. Topografi bergelombang dengan ketinggian yang berbeda.  Ini bervariasi dari liat pasir tanah liat dari merah ke kuning.

Daerah yang tercakup dalam masing-masing kelas dan perubahan di daerah diberikan dalam Tabel 1. Tiga kelas hutan yaitu, hutan lebat (kerapatan kanopi lebih dari 40%), hutan terbuka (kerapatan kanopi antara 10 dan 40%) dan scrub (kerapatan kanopi kurang dari 10%) (FSI 2010) yang diturunkan berdasarkan interpretasi citra satelit dan kebenaran tanah. . Peningkatan aktivitas pertambangan menyebabkan pertumbuhan populasi manusia dengan peningkatan yang sesuai di daerah built-up dan lahan pertanian.

Alat Analisis Penggunaan Lahan

Klasifikasi penggunaan lahan / tutupan lahan karena resolusi spasial dan spektral sensor yang berbeda bervariasi secara signifikan, kemampuan untuk membedakan tutupan lahan juga sangat bervariasi

Alat analisis untuk perubahan penggunaan lahan :

1.citra satelit dari analisis Landsat MSS;

2.Landsat TM;

3.Landsat IRS LISS-III

Pemukiman, badan air dan sungai ditangkap secara terpisah menggunakan alat AOI dan kemudian direcode. Verifikasi lapangan dari hasil akhir dilakukan untuk menghitung akurasi LULC saat tahun 2010 dan memahami dinamika perubahan pola penggunaan lahan yang ada dan informasi koordinat tercatat turun dengan bantuan Global Position System (GPS).

Pertemuan 9 PCD - Model Dinamic (Celullar Automata)

1.    Kita sekarang memperkenalkan beberapa prinsip dipertimbangkan selama definisi model kami. Kami memutuskan untuk mensimulasikan interaksi antara pejalan kaki di lingkungan yang terpisah baik dalam ruang dan pada waktunya. Kami memperkenalkan selular automata dua dimensi (CA) Struktur dengan interaksi lokal, diskrit-waktu sistem dinamis untuk model pergerakan pejalan kaki di dalam lingkungan yang terstruktur. Kami memilih pendekatan diskrit untuk mencapai efisien pelaksanaan simulasi komputer cepat, sementara mempertahankan ekspresi yang cukup dalam definisi aturan untuk pejalan kaki gerakan. Selain itu, model mempekerjakan bidang lantai (lihat, misalnya, [11]) untuk mendukung navigasi pejalan kaki di lingkungan. Secara khusus, setiap target akhir atau menengah yang relevan untuk pejalan kaki dikaitkan untuk bidang lantai, semacam gradien yang menunjukkan cara yang paling langsung menuju titik yang terkait kepentingan. Sistem kami diwakili oleh tiga: Sys = hEnv; Ped; Rulesi.Unsur pertama yang diperkenalkan adalah lingkungan: mengandung objek yang berbeda (misalnya dinding, hambatan, dll) dan pejalan kaki. Tanpa lingkungan tidak mungkin untuk mendefinisikan dan menghasilkan pejalan kaki. Pejalan kaki memiliki posisi dalam lingkungan, mereka dapat mengamati

lingkungan mereka mencari jalan terbaik untuk mencapai target ditentukan dalam jadwal. Setiap pejalan kaki diberkahi dari internal negara, yang merupakan memori yang digunakan untuk menyimpan jadwal, perasaan, tindakan masa lalu dan karakterisasi pejalan kaki. Sekarang kami memperkenalkan model kami secara rinci, mulai dari representasi ruang dan lingkungan. Kemudian kita memusatkan perhatian pada pemodelan pejalan kaki, finishing dengan rincian pada aturan pembaruan.

berikut CA berdasarkan pejalan kaki dan orang-orang model yang mempertimbangkan kemungkinan pejalan kaki yang akan diselenggarakan dalam kelompok, sementara Sect. III merangkum hasil penerapan model ini dalam simulasi sederhana skenario. Kesimpulan dan perkembangan masa depan akan berakhir kertas.

Cellular automata merupakan suatu bentuk pemodelan ruang yang dinamis, terikat faktor waktu, melibatkan banyak variabel yang tersusun kompleks dalam ruang, dan variabel kompleks tersebut dimanagement dalam aturan-aturan yang sederhana. Pemodelan dua dimensi melibatkan sistem yang terdiri dari banyak sel, dalam analisis keruangan setiap sel mewakili tipe tutupan lahan atau penggunaan lahan.

2.    Aplikasi Cellular automata dengan GIS dapat dilakukan untuk menganalisa proyeksi perubahan penggunaan lahan, analisis urbanisasi di kawasan perkotaan, atau analisis jaringan seperti analisis transportasi dan perencanaan pedestrian.

Kelebihan dari Cellular automata adalah kombinasinya dengan GIS dapat mempermudah dan menghemat waktu dalam analisis ruang yang melibatkan banyak variabel dan data. Kekuranganya adalah sifatnya yang berupa olahan data statistic, sehingga prediksi bisa saja  memiliki tingkat error yang tinggi dan menjadi keliru dengan kenyataan jika ada variabel yang cukup vitas terlewat untuk dianalisa

Pertemuan 8 PCD - Aplikasi Remote Sensing Pada Perencanaan Wilayah dan KOta

Manfaat

Kebutuhan data/informasi potensi wilayah bagi pembangunan daerah

Inventarisasi SDA dan Lingkungan

Pemetaan wilayah sebagai dasar dalam perencanaan pembangunan

Dibutuhkan teknologi yang bisa mendukung proses pemetaan wilayah dengan cepat dan akurat

Sumber: Bahan Presentasi. Universitas Islam Bandung, 2015

Pertemuan 7 PCD - Agriculture (Pertanian)

Curran (1985) penginderaan jauh yaitu penggunaan sensor radiasi elektromagnetik untuk merekam gambar lingkungan bumi yang dapat diinterpretasikan sehingga menghasilkan informasi yang berguna

ODalam perencanaan citra digital dibantu dengan Citra ALOS yang digunakan untuk mempermudah proses identifikasi objek.

OInformasi penutupan lahan dapat dikenali secara langsung dari citra satelit, sementara informasi penggunaan lahan merupakan hasil kegiatan manusia dalam suatu lahan atau fungsi lahan, sehingga tidak selalu dapat ditafsirkan secara langsung dari citra penginderaan jauh, namun secara tidak langsung dapat dikenali dari penutupan lahannya.

§A adalah citra yang belum termosaik, hal ini dapat dilihat dari perbedaan warna dicitra,

§B adalah citra perekaman musim basah yang telah termosaik, dan

§C adalah citra perekaman musin kering yang telah termosaik.

Pengembangan Pertanian

Teknik pengolahan citra telah banyak dipergunakan dalam bidang pertanian antara lain untuk penentuan jenis cacat biji kopi, pemeriksaan mutu pertanian karet, pemutuan buah mangga, identifikasi tingkat ketuaan dan kematangan jeruk lemon dan manggis.

Dalam perkembangannya pengolahan citra dapat digunakan dalam membedakan jenis produk karena teknologi ini memiliki kemampuan dalam menganalisis produk berdasarkan perbedaan intensitas warna.

Sumber: Presentasi Tengku, Milla dan Syawal. Kelompok 6 (Agriculture/Pertanian). Universitas Bandung

Pertemuan 6 PCD - Klasifikasi Citra Supervised dan Un Supervised

Kita menggunakan klasifikasi unsupervised ketika kita mempunyai sedikit informasi tentang dataset kita. Klasifikasi data unsupervised memulai mengklarifikasi dari kelas-kelas atau wilayah-wilayah yang kita spesifikasikan atau dari jumlah nominal kelas. Klasifikasi unsupervised secara sendiri akan mengatagorikan semua pixel menjadi kelas-kelas dengan menampakan spektral atau karateristik spektral yang sama. Hasil klasifikasi dipengaruhi oleh parameter-parameter yang kita tentukan dalam kotak dialog klasifikasi unsupervised. Klasifikasi unsupervised akan menghitung secara statistik untuk membagi dataset menjadi kelas-kelas sesuai dengan jumlah kelas yang kita inginkan.

Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan menggunakan data yang sebenarnya di lapangan untuk menentukan kelas-kelas yang mempresentasikan area atau wilayah sebenarnya di lapangan. Dari informasi ini mungkin kita bisa memutuskan untuk mengkombinasikan atau menghapus kelas-kelas yang diinginkan. Kita perlu juga untuk memberi warna dan nama untuk masing-masing kelas.

Teknik klasifikasi supervised dapat diartikan sebagai teknik klasifikasi yang diawasi. Menurut Projo Danoedoro (1996) klasifikasi supervised ini melibatkan interaksi analis secara intensif, dimana analis menuntun proses klasifikasi dengan identifikasi objek pada citra (training area). Sehingga pengambilan sampel perlu dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek tertentu.

Sedangkan Klasifikasi unsupervised yang berarti klasifikasi tak terawasi merupakan pengklasifikasian hasil akhirnya (pengelompokkan pixel-pixel dengan karakteristik umum) didasarkan pada analisis perangkat lunak (software analysis) suatu citra tanpa pengguna menyediakan contoh-contoh kelas-kelas terlebih dahulu.

Sumber:

(Klasifikasi citra by authori Arfie; http://sekerasbatu.blogspot.com/2009/08/klasifikasi-citra.html)

(Difference Unsupervised and Supervised Image Clustering by Murinto Kusno http://blog.uad.ac.id/murintokusno/2009/01/19/difference-unsupervised-dan-supervised-image-clustering/)

Pertemuan 5 PCD - Kesalahan Pada Pencitraaan Satelit

Proses awal data citra atau pemulihan citra yang dilaksanakan untuk mengurangi kesalahan-kesalahan yang terjadi akibat mesin wahana itu sendiri, yang dirancang relatif sederhana, sementara kondisi sebenarnya sangat kompleks. Kekompleksan data citra diakibatkan diantaranya oleh resolusi spasial, resolusi sprektral, resolusi temporal, resolusi radiometric dan lain-lain. Tahap awal dari proses data citra adalah perbaikan citra (remote restoration).

Masksud dari perbaikan citra adalah untuk :

1.   Mengembalikan citra sesuai keadaan sebenarnya terhadap distorsi, degaradasi dannoise(gangguan).

2.   Memperkecil masalah kenampakan/feature

3.   Menyesuaikan kenampakan dengan tujuan penggunaan citra.

Kesalahan data citra ada dua macam, yaitu kesalahan internal dan eksternal, dimana:

1.   Kesalahan internal disebabkan oleh :

a.      Kesalahan sensor yang sifatnya konstan

b.      Termasuk kesalahan sistematik, dapat diperkirakan

c.      Dapat diantisipasi sebelum penerbangan dan pengukuran dilakukan

d.      Kalibrasi selama penerbangan dapat juga dilakukan

2. Kesalahan eksternal diakibatkan oleh :

a.      Kesalahan oleh platform/ stasiun pengumpulan data

b.      Oleh modulasi dan karakteristik sapuan(scene) yang beruabah secara alamiah.

c.      termasuk kesalahan non-sistematik, sukar diperkirakan.

d.      Koreksi didasarkan titik-titik control dipermukaan tanah terhadap pengukuran oleh sistem sensor.

Kesalahan sistematik pada umumnya merupakan kesalahan tetap, mudah diprediksi sehingga dapat dilakukan lebih awal, baik sebelum satelit diterbangkan maupun selama penerbangan. Sementara kesalahan non sistematik dapat dijumpai pada kesalahan non sistematik berkaitan dengan titik-titik dipermukaan terhadap pengukuran sensor dan sistem sensor. Dalam pengindraan jauh, kesalahan sistematik dan mom sistematik dijumpai pada kesalahan radiometric, atmosferik dan geometrik. Maka proses awal dalam pengolahan citra (image processing) adalah melakukan koreksi radiometrik, atmosferik dan geometrik.

1.       Koreksi Radiometrik

Koreksi Radiometrik dilakukan pada kesalahan oleh sensor dan sistem sensor terhadap respon detektor dan pengaruh atmosfer yang stasioner. Koreksi radiometrik dilakukan untuk memperbaiki kesalahan atau distorsi yang diakibatkan oleh tidak sempurnanya operasi dan sensor, adanya atenuasi gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data, variasi sudut eliminasi, sudut pantul dan lain-lain yang dapat terjadi selama pengambilan, pengiriman serta perekaman data. Spesifikasi kesalahan radiometric adalah:

·         Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindra garis citra.

·      Memperkecil kesalahan pengamatan detektor yang berubah sesuai perubahan waktu

·         Kesalahan berbentuk nilai digital yang mempunyai hubungan linier dengan tingkat radiasi dan panjang gelomang elektromagnetik.

·         Koreksi dilakukan sebelum data didistribusi.

·         Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari detektor dengan mengarahkan scanner pada filter yang disinari secara elektronik untuk setiap sapuan.

·         Kesalahan yang dapat dikoreksi otomatis adalah kesalahan sistematik dan tetap, yang tetap diperkirakan sebelumnya.

·         Kesalahan garis scan dapat dikoreksi dengan penyesuaian histogram tiap detector pada daerah-daerah homogeny misalnya diatas badan air, apabila ada penyimpangan dapat diperbaiki.

·         Kesalahan bias atau pengaturan kembali detektor apabila mean dan median detektor berbeda.

Koreksi radiometrik oleh respon detektor dipengaruhi oleh jumlah detektor yangdigunakan dalam pengindraan jauh adalah untuk merubah radiasiyang ditangkap sensor menjadi harga voltage dan kecerahan. Kesalahan yang ditimbulkan oleh detektor secara individu adalah:

v  Line Dropout terjadi apabila salah satu detektor salah fungsi pada satu sapuan , maka nilai kecerahan pada pixel-pixel tertentu berada pada satu baris menjadi nol. Koreksi dilakukan pada setiap pixel dengan baris scan buruk. Hasilnya adalah citra yang telah diinterpretasi pada setiap baris n yang lebih mungkin diinterpretasi dari pada baris hitam horizontal diseluruh citra.

v  Stripping atau bounding terjadi apabila detektor tidak benar-benar salah tetapi meragukan dan perlu dikoreksi atau direstorasi agar mempunyai kontras yang sama dengan detektor yang lain pada setiap sapuan. Koreksinya adalah identifikasi garis buruk pada setiap sapuan menggunakan histogram dari tiap n detektor pada daerah homogen.

v  Line start terjadi apabila dalam pengumpulan data sistem scanning mengalami kegagalan penyapuan di awal garis scanning atau secara tiba-tiba detektor berhenti sehingga mengakibatkan nilai kecerahan nol. Koreksi kesalahan dari line start dapat dilakukan dengan interpolasi nilai kecerahan dari pixel hasil scan bagus. Namun kesalahan yang terjadi secara acak sulit untuk dikoreksi.

2.      Koreksi Geometrik

Data penginderaan jauh pada umumnya mengandung kesalahan (distorsi) geometric, baik sistematik maupun non sistematik, merupakan kesalahan yang diakibatkan oleh jarak orbit atau lintasan terhadap obyek dan pengaruh kecepatan platform. Kesalahan geometric terdiri dari dua kelompok, yaitu :

·         Kesalahan internal yaitu kesalahan yang dapat dikoreksi dengan cepat, menggunakan data dari platform. Kesalahan internal dapat dikoreksi berdasarkan analisis karakteristik sensor meliputi kemiringan sken, ketidaklinieran kecepatan cermin sken, distorsi panoramic, kecepatan pesawat angkasa, dan perspektif geometri.

·         Kesalahan eksternal yaitu kesalahan yang tidak dapat dikoreksi tanpa memperhitungkan titik – titik control permukaan dari permukaan bumi yang memadai. Kesalahan ini hanya dapat dikoreksi dengan menggunakan titik – titik control permukaan, yang berhubungan dengan system ketinggian sensor (roll, pitch, dan jaw), dan ketinggian satelit.

Selain itu, kesalahan geometric terbagi menjadi dua macam, yaitu : kesalahan sistematik dan kesalahan non sistematik. Penyebab kesalahan (distorsi) geometric sistematik dan non sistematik pada data citra satelit seperti dideskripsikan sebagai berikut :

Penyebab Kesalahan Sistematik

v  Scan skew, karena gerakan ke depan platform selama waktu yang diperlukan pada setiap sapuan.tidak tegak lurus tetapi sedikit miring, akan menimbulkan distorsi geometric “cross – scan”.

v  Distorsi panoramic : citra daerah permukaan sebanding denagn tangent sudut scan daripada terhadap sudut itu sendiri, menimbulkan distorsi “along – scan”.

v  Kecepatan platform : perubahan keecepatan platform, meneyebabkan “ground track” ditutup oleh perubahan mirror scan berturutan menimbulkan distorsi “alang – track scale”.

v  Rotasi bumi : mengakibatkan pergeseran “ground swath”, menimbulkan distorsi “along – scan”.

v  Perspektif : dalam beberapa aplikasi citra MSS menggambarkan proyeksi titik – titik di bumi dengan tangent bidang terhadap bumi, dimana semua garis proyeksi tegak lurus pada bidang.

Penyebab Kesalahan Non Sistematik

·         Ketinggian (altitude)

·         Posisi

Perbedaan Antara Kesalahan Sistematik dan Non Siostematik. Secara garis besar, perbedaan antara kesalahan sistematik dan non sistematik adalah sebagai berikut :

A.    Sistematik : dapat diperkirakan, dikoreksi otomatis, antara lain :

·      Rotasi bumi selama akuisisi

·      Kelengkungan bumi

·      Lebar medan pandang sensor

·      Ketidaklinieran kecepatan scan

·      Respon spectral terhadap atmosfer (absorbs dan hamburan selektif)

B.    Non Sistematik : sukar diperkirakan, antara lain :

·      Sensor tidak ideal

·      Variasi ketinggian platform

·      Aspek perbandingan

·      Efek panoramic

·      Kesalahan instrument sensitifitas detector

Untuk mengoreksi posisi daerah terutama oleh ahli kebumian ada dua cara, yaitu :

v  Rektifikasi :Proses perubahan geometri daerah citra menjadi datar (planimetrik)

v  Registrasi: Digunakan untuk membandingkan dua citra dari dua tanggal yang berbeda, unutk melihat ada tidaknya perubahan dilokasi tersebut