LAPORAN PRAKTIKUM PENGINDERAAN JAUH ACARA IV TRANSFORMASI SUHU PERMUKAAN LANDSAT 8 OLI TIRS (LST) PDF

Preview

Summary

LAPORAN PRAKTIKUM MATA KULIAH PENGINDERAAN JAUH ACARA IV TRANSFORMASI SUHU PERMUKAAN LANDSAT 8 OLI TIRS (LST/Land Surface Temperature) Dosen Pengampu : Purwanto, S.Pd, M.Si Disusun Oleh: Nama : Kusuma Dewi NIM : 170721636583 Offering/Angkatan : K/2017 Tanggal Praktikum : 6 Oktober 2018 Assisten Prak...

Description

LAPORAN PRAKTIKUM MATA KULIAH PENGINDERAAN JAUH

ACARA IV TRANSFORMASI SUHU PERMUKAAN LANDSAT 8 OLI TIRS (LST/Land Surface Temperature)

Dosen Pengampu : Purwanto, S.Pd, M.Si

Disusun Oleh: Nama

: Kusuma Dewi

NIM

: 170721636583

Offering/Angkatan

: K/2017

Tanggal Praktikum

: 6 Oktober 2018

Assisten Praktikum

: Hetty Rahmawati Sucahyo

UNIVERSITAS NEGERI MALANG FAKUTAS ILMU SOSIAL JURUSAN GEOGRAFI PROGRAM STUDI ILMU GEOGRAFI 2018

ACARA IV TRANSFORMASI SUHU PERMUKAAN LANDSAT 8 OLI TIRS (LST/Land Surface Temperature)

I. TUJUAN 1. Mahasiswa mampu mengolah citra Landsat 8 OLI TIRS untuk mendapatkan nilai suhu permukaan.

II. ALAT dan BAHAN 1. Alat a. Laptop atau Notebook b. Software ENVI 4.5 atau ENVI 5.3 2. Bahan a. Citra Landsat 8 OLI TIRS Path 118, Row 065, Tanggal 26072018 LC08_L1TP_118065_20180726_20180731_01_T1_B10 b. Metadata LC08_L1TP_118065_20180726_20180731_01_T1_B10

III. DASAR TEORI Penginderaan jauh adalah ilmu atau seni yang dalam penggunaannya untuk memperoleh informasi tentang objek, daerah, atau gejala (fenomena) dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap objek, daerah, atau gejala (fenomena) yang dikaji tersebut (Sutanto, 1986 : 2). Dalam penginderaan jauh ini digunakan sebuah softwere untuk pengolahan data atau penganalisisan data, diantaranya menggunakan softwere ENVI. ENVI (The Environment For Visualizing Images) merupakan suatu sistem pengolahan citra digital penginderaan jauh yang revolusioner dibuat oleh Reasearch System, Inc (RSI). Kegunaan ENVI dirancang untuk berbagi kebutuhan spesifik yang menggunakan data penginderaan jauh dari satelit dan pesawat terbang. Terdapat beberapa citra dalam software ENVI untuk penginderaan jauh, diantaranya yaitu Landsat 8. Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi satelit pengamat bumi sejak 1972 (Landsat 1).

Landsat 8 atau Landsat Data Continuity Mission (LDCM), mulai menyediakan produk citra open access sejak tanggal 30 Mei 2013. NASA lalu menyerahkan satelit LDCM kepada USGS sebagai pengguna data terhitung 30 Mei tersebut. Pengelolaan arsip data citra masih ditangani oleh Earth Resources Observation and Science (EROS) Center. Landsat 8 hanya memerlukan waktu 99 menit untuk mengorbit bumi dan melakukan liputan pada area yang sama setiap 16 hari sekali. Resolusi temporal ini tidak berbeda dengan Landsat versi sebelumnya. Satelit Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah band sebanyak 11 buah. Diantara band-band tersebut, 9 kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11) pada TIRS. Dibandingkan versi-versi sebelumnya, landsat 8 memiliki beberapa keunggulan khususnya terkait spesifikasi band-band yang dimiliki maupun panjang rentang spektrum gelombang elektromagnetik yang ditangkap. Sebagaimana telah diketahui, warna objek pada citra tersusun atas 3 warna dasar, yaitu Red, Green dan Blue (RGB). Dengan makin banyaknya band sebagai penyusun RGB komposit, maka warna-warna obyek menjadi lebih bervariasi. Ada beberapa spesifikasi baru yang terpasang pada band Landsat ini khususnya pada band 1, 9, 10, dan 11. Band 1 (ultra blue) dapat menangkap panjang gelombang elektromagnetik lebih rendah dari pada band yang sama pada Landsat 7, sehingga lebih sensitif terhadap perbedaan reflektan air laut atau aerosol. Band ini unggul dalam membedakan konsentrasi aerosol di atmosfer dan mengidentifikasi karakteristik tampilan air laut pada kedalaman berbeda. Deteksi terhadap awan cirrus juga lebih baik dengan dipasangnya band 9 pada sensor OLI, sedangkan band termal (band 10 dan 11) sangat bermanfaat untuk mendeteksi perbedaan suhu permukaan bumi dengan resolusi spasial 100 m. Pemanfaatan sensor ini dapat membedakan bagian permukaan bumi yang memiliki suhu lebih panas dibandingkan area sekitarnya. Pengujian telah dilakukan untuk melihat tampilan kawah puncak gunung berapi, dimana kawah yang suhunya lebih panas, pada citra landsat 8 terlihat lebih terang dari pada areaarea sekitarnya. Jenis kanal, panjang gelombang dan resolusi spasial setiap band pada landsat 8 dibandingkan dengan landsat 7 seperti tertera pada tabel di bawah ini :

Produk penginderaan jauh yang disebut citra penginderaan jauh saat ini sudah banyak dimanfaatkan untuk kajian penutup dan atau penutup lahan, tata ruang wilayah, hingga studi kebencanaan. Data penginderaan jauh sangat efektif dan efisien baik dari segi waktu maupun biaya jika digunakan untuk memonitoring perubahan tutupan vegetasi di suatu wilayah dibandingkan dengan harus melakukan pemetaan langsung ke lapangan. Terlebih untuk mengetahui persebaran spasial tutupan vegetasi di suatu wilayah pada waktu tertentu, karena data penginderaan jauh dapat memberikan data perekaman suatu wilayah pada kurun waktu tertentu yang tentunya berkaitan dengan waktu awal perekaman satelit dan resolusi temporal dari data citra satelit penginderaan jauh tersebut untuk mengetahui apakah pada waktu tertentu tersedia data citra satelit pada wilayah yang diinginkan. Masing-masing citra penginderaan jauh memiliki tingkat kedetailan informasi yang disadap, hal ini erat kaitannya dengan resolusi. Ada empat resolusi yakni resolusi spasial, resolusi spektral, resolusi radiometeri, dan resolusi temporal (Sutanto, 1986). Menurut Swain dan Davis (1978) resolusi spasial adalah kemampuan suatu sistem optik-elektronik untuk membedakan informasi secara spasial (keruangan) berdekatan atau secara spektral (sinar) mempunyai kemiripan. Resolusi spasial merupakan petunjuk kualitas sensor, semakin kecil objek yang dapat direkam olehnya, semakin detil informasinya. Resolusi spektral adalah kemampuan sensor dalam membedakan objek berdasarkan pantulan spektral dari objek itu sendiri. Resolusi temporal terkait dengan waktu, yakni

kemampuan sensor untuk merekam ulang daerah yang sama. Sedangkan resolusi radiometri adalah kemampuan sensor dalam mencatat respon spektral objek. Dalam perkembangan sistem penginderaan jauh telah di kembangkan Band Thermal, dimana Band Thermal merupakan saluran yang memiliki kemampuan untuk merekam suhu pancaran suatu benda. Kemampuan tersebut dapat digunakan untuk melihat distribusi suhu permukaan bumi. Distribusi suhu ini sangat beragam, ini dipengaruhi oleh distribusi keberadaan objek. Objek memiliki tingkat pancaran yang berbeda-beda. Pada citra Landsat ETM+ saluran thermal terdapat pada Band 6 sementara pada Landsat 8 terdapat pada Band 10 dan Band 11. Saluran thermal merupakan saluran dengan resolusi spasial yang rendah (120 m pada citra Landsat TM dan 60 m pada citra saluran Landsat ETM+), namun mempunyai keunggulan yaitu sensitif terhadap radiasi pancaran. Oleh karena itu saluran thermal dapat digunakan untuk menentukan sebaran suhu permukaan dan mengetahui distribusi pulau bahang perkotaan. Temperatur permukaan merupakan suatu keadaan yang dikendalikan oleh keseimbangan energi permukaan, atmosfer, sifat termal dari permukaan, daan media bawah permukaan tanah. Dalam penginderaan jauh suhu permukaan dapat di definisikan sebagai suhu rata – rata permukaan yang tercakup dalam suatu piksel. Suhu rata – rata sebagai hasil daari kenyataan bahwa dalam suatu piksel nilai pancaran suhu tidak sama sehingga di gunakan nilai rata – rata. Suhu permukaan lahan adalah keadaan yang dikendalikan oleh keseimbangan energi permukaan, atmosfer, sifat termal dari permukaan, dan media bawah permukaan tanah (Becker & Li, dalam Guntara). Land surface temperature merupakan fenomena penting dalam perubahan iklim global. Seiring meningkatnya kandungan gas rumah kaca di atmosfer, maka land surface temperature juga akan meningkat. Hal ini akan mengakibatkan mencairnya gletser dan lapisan es dan mempengaruhi vegetasi daerah tersebut. Dampaknya akan lebih banyak di daerah monsun, karena curah hujan tidak dapat diprediksi mengakibatkan banjir dan kenaikan permukaan air laut (Rajeshwari dan Mani, dalam Guntara).

Land Surface Temperature (LST) atau suhu permukaan tanah dapat di gunakan sebagai salah satu parameter dalam mempelajari perubahan iklim global. Hal ini berhubungan dengan perubahan suhu yang diakibatkan oleh perubahan tutupan lahan. Wilayah perkotaan secara umum memiliki suhu permukaan yang lebih tinggi dri wilayah di sekitarnya akibat dari pembangunan fisik atau gedung yang terjadi. Sementara di daerah yang memiliki banyak vegetasi memiliki suhu permukaan

yang

rendah.

Perubahan

penggunaan

lahan

tersebut

akan

mengakibatkan perubahan suhu permukaan bumi yang dapat di jadikan salah satu parameter perbubahan iklim global. Definisi lainya dari Suhu Permukaan Tanah (LST) menurt Copernicus adalah suhu kulit radiasi permukaan tanah, yang diukur dalam arah sensor jarak jauh. Diperkirakan dari suhu kecerahan Top-of-Atmosphere dari saluran spektral inframerah dari konstelasi satelit geostasioner (Meteosat Generasi Kedua, GOES, MTSAT / Himawari). Estimasi lebih lanjut tergantung pada albedo, tutupan vegetasi dan kelembaban tanah. LST menurut Copernicus adalah campuran dari vegetasi dan suhu tanah yang gundul. Karena keduanya merespon dengan cepat terhadap perubahan dalam radiasi matahari yang masuk karena tutupan awan dan modifikasi beban aerosol dan variasi pencahayaan diurnal, LST juga menampilkan variasi cepat. Pada gilirannya, LST mempengaruhi pembagian energi antara tanah dan vegetasi, dan menentukan suhu udara permukaan. Menurut Eumetsat LSA SAF, LST memainkan peran penting dalam fisika permukaan tanah karena terlibat dalam proses pertukaran energi dan air dengan atmosfer. LST berguna untuk komunitas ilmiah, yaitu bagi mereka yang berurusan dengan model meteorologi dan iklim. Nilai yang akurat dari LST juga memiliki minat khusus dalam berbagai bidang yang terkait dengan proses permukaan tanah, termasuk studi meteorologi, hidrologi, agrometeorologi, klimatologi dan lingkungan. Dan menurut ESA Sentinel Land Surrface Temperature (LST) adalah suhu kulit radiasi tanah yang berasal dari radiasi matahari. Definisi yang disederhanakan adalah seberapa panas "permukaan" Bumi akan merasakan sentuhan di lokasi tertentu. Dari sudut pandang satelit, "permukaan" adalah apa pun yang dilihatnya ketika ia melihat melalui atmosfer ke tanah. Bisa jadi salju

dan es, rumput di halaman, atap bangunan atau daun di kanopi hutan. Suhu permukaan tanah tidak sama dengan suhu udara yang termasuk dalam laporan cuaca harian. Dalam proyek SLSTR, suhu "kulit" mengacu pada suhu permukaan bagian atas dalam kondisi tanah yang telanjang dan pada suhu yang efektif memancarkan "kanopi" vegetasi sebagaimana ditentukan dari pandangan bagian atas kanopi. LST adalah penentu dasar dari perilaku termal terestrial, karena mengontrol suhu radiasi efektif dari permukaan Bumi. Namun, karena heterogenitas ekstrim dari sebagian besar permukaan tanah alami, parameter ini sulit diperkirakan dan divalidasi. Beberapa faktor dapat secara mendasar mempengaruhi derivasi LST termasuk: 

Variasi suhu dengan sudut



Sub-pixel in-homogeneities dalam suhu dan penutup



Emisivitas permukaan spektral pada panjang gelombang saluran



Variasi suhu dan kelembaban atmosfer



Awan dan partikel aerosol besar seperti debu.

IV. LANGKAH KERJA 1. Menyiapkan citra Landsat 8 (band 10) beserta metadatanya. 2. Membuka software ENVI kemudian load citra tersebut. File => open image file => pilih band 10 => open

3. Melakukan pre-processing dengan merubah Digital Number (DN) B10 menjadi Radiance B10. (TOA Radiance)

Lλ =MLQcal+AL dimana: 

Lλ = TOA spectral radiance (Watts/( m2 * srad * μm))



ML = Band-specific multiplicative rescaling factor from the metadata (RADIANCE_MULT_BAND_x, where x is the band number)



AL = Band-specific additive rescaling factor from the metadata (RADIANCE_ADD_BAND_x, where x is the band number)



Qcal = Quantized and calibrated standard product pixel values (DN)

4. Klik Basic Tools => Band Math => masukkan formula berikut 3.3420E04*float(B10)+0.10000 => add to list.

=> 5. Setelah muncul kotak dialog baru klik pada file Band 10. OK. Kemudian simpan pada direktori penyimpanan OK. Kemudian Load band.

6. Kemudian melakukan tahap klik Cursor Location/Value

=> 7. Kemudian mengubah B10 radiance menjadi surface temperature (kelvin) dengan formula : T = K2 / ln ((K1/Lλ + 1)) dimana: T = At-satellite brightness temperature (K) Lλ = TOA spectral radiance (Watts/( m2 * srad * μm)) K1 = Band-specific thermal conversion constant from the metadata (K1_CONSTANT_BAND_x, where x is the band number, 10 or 11) K2 = Band-specific thermal conversion constant from the metadata (K2_CONSTANT_BAND_x, where x is the band number, 10 or 11) 8. Basic tools => band math => masukkan formula di atas {ENVI understand like this 1321.0789/alog((774.8853/float(B10))+1)}=> add to list => klik file yang telah di rubah menjadi nilai radiance dan simpan pada direktori, OK.

=> 9. Setelah itu load band dan hasilnya menunjukkan ratusan sebagai berikut

10. Hasil tersebut masih dalam satuan º Kelvin, untuk merubah dalam ke ºCelcius maka harus dikurangi dengan -273 melalui band math seperti kedua langkah sebelumnya.

11. Lalu Klik Ok => CHOOSE => Ok => Load Band. Setelah di load band, hasil menunjukan puluhan sebagai berikut. Untuk melihat nilai suhu maka load citra (ST_Celcius.hdr) tersebut => klik tools => cursor location value.

=> 12. Pada layer display klik Overlay => Density Slice. Kemudian klik citra yang sudah di rubah menjadi celcius (ST_Celcius.hdr) dengan mulanya klik Ok. Lalu selanjutnya ubah

=> 13. Setelah muncul kotak dialog Density Slice, klik options => set default rangers => ubah menjadi 5 kelas => klik Ok

=> 14. Klik options => apply default rangers. Berikut hasilnya

15. Klik Basic Tools => Region of Interest => band Theeshold to ROI => klik citra yang sudah di rubah ke celcius.

=>

16. Isikan Min Thresh Value , Max. Thresh Value, ROI Name, dan ROI Color sesuai tabel klasifikasi suhu permukaan > OK. Tabel 1. Klasifikasi Suhu Permukaan

*Jika setelah di OK muncul pertanyaan berikut klik Yes

17. ROI 5 kelas

18. Klik menu Classification => Create image Class from ROI.

=>

19. Setelah muncul kotak dialog baru klik semua region interests yang telah di buat => OK => simpan di direktori penyimpanan => OK

20. Hasil

V. HASIL PRAKTIKUM 1. Citra Hasil Klasifikasi Suhu Permukaan (Land Surface Temperatuure) (TERLAMPIR) 2. Tabel Identifikasi Objek

No.

Suhu (˚C)

Nama Objek

1.

13.860046˚C

Hutan Vegetasi Rapat (klasifikasi sangat rendah (green 3))

2.

21.208435˚C

Vegetasi Sedang (klasifikasi rendah (green 1))

3.

24.256073˚C

Perairan Laut Dalam (klasifikasi sedang (yellow))

4.

24.450195˚C

Perairan Laut Dangkal (klasifikasi sedang (yellow))

5.

24.639221˚C

Tambak (klasifikasi sedang (yellow))

6.

31.015991˚C

Pemukiman Padat (klasifikasi tinggi (Orange 1))

7.

26.050751˚C

Pemukiman

Sedang

(klasifikasi

sedang

(yellow)) 8.

33.851532˚C

Lahan Kosong (klasifikasi tinggi (Orange 1))

9.

23.676575˚C

Sawah dengan Umur Muda (klasifikasi sedang (yellow))

10.

29.223236 ˚C

Lahan

Sawah

Panen

(klasifikasi

tinggi

(Orange 1)) 11.

39.461273˚C

Kawah Gunung Bromo (klasifikasi sangat tinggi (red))

12.

25.823792˚C

Sungai (klasifikasi sedang (yellow))

13.

26.024780˚C

Danau (klasifikasi sedang (yellow))

14.

33.554169˚C

Pabrik (klasifikasi tinggi (Orange 1))

15.

19.137909˚C

Awan (klasifikasi rendah (green 1))

VI. PEMBAHASAN Dalam praktikum Land Surface Temperatur ini telah diidentifikasi sebanyak 15 objek yang mana telah di isikan dalam tabel dalam sub bahasan Hasil. Dari banyaknya objek memiliki tingkat suhu yang beragam, yang mana suhu tertinggi ada di area Kawah. Tepatnya dalam citra ini yaitu di Kawah Gunung Bromo. Dan selanjutnya suhu yang tertinggi setelah area ini yaitu terdapat pada area lahan kosong, pabrik, dan pemukiman padat. Kondisi yang hampir menyamai suhu ini juga terlihat pada area lahan sawah yang panen. Hal ini dipengaruhi oleh sifat tanah yang sangat mudah menerima kalor dari sinar matahari dan dari aktifitas manusia di area ini. Memiliki suhu yang tinggi ini juga dapat dianalisis dan disimpulkan bahwasannya dikarenakan emisi atau polusi udara yang manusia hasilkan di suatu area tersebut. Perbedaan suhu ini terdapat kesamaan suhu yaitu terdapat klasifikasi rendah hingga sangat rendah yaitu terdapat pada vegetasi rapat, vegetasi sedang, dan awan. Dan terdapat klasifikasi sedang area tubuh air yaitu berada di laut dalam, laut dangkal, sungai, danau, dan tambak. Hutan Vegetasi Rapat (klasifikasi sangat rendah (green 3)) memiliki suhu 13.860046˚C yang diambil di area puncak Gunung Bromo. Pengambilan sampel value suhu lain yaitu ada di Gunung Bromo yang memiliki suhu 19.528 ˚C dengan klasifikasi rendah(green 1), di lereng Gunung Arjuno yeng memiliki suhu 16.028 ˚C, dan di puncak gunung arjuno 14.58 ˚C. Suhu yang dominan rendah dan sangat rendah ini dikarenakan adanya pengaruh dari rapatnya vegetasi dan ketinggian tempat dari area ini, sehingga mempengaruhi keadaan suhunya. Namun selain hal itu keberadaan pemukiman dan aktivitas manusia di area ini juga akan mempengaruhi keadaan suhunya. Vegetasi Sedang (klasifikasi rendah (green 1)) memiliki suhu 21.208435˚C yang diambil barat daya Gunung Bromo, identifikasi juga dilakukan di area kaki barat Gunung Arjuno yang memiliki suhu 24.37 ˚C. Perbedaan ini dipengaruhi oleh banyak tidaknya aktifitas manusia di dalamnya. Hal ini baik dalam pengelolaan lingkunga/ lahan hutannya dan kehidupannya (ada tidaknya pemukiman).

Untuk pengambilan sampel lokasi value suhu Laut ada di utara Pulau Jawa Timur. Perairan Laut Dalam (klasifikasi sedang (yellow)) memiliki suhu 24.256073˚C dan Perairan Laut Dangkal (klasifikasi sedang (yellow)) memiliki suhu 24.450195˚C. Sungai (klasifikasi sedang (yellow)) memiliki suhu 25.823792˚C, pengambilan velue sungai ini yaitu pada Sungai Bengawan Solo dan adapun pengambilan value sungai yang lain yaitu Sungai Surabaya dengan suhu 28.023315˚C, dimana ini . dikarenakan pengaruh lingkungan bagaimana masyarakat mengelola sungai tersebut dan karena lokasi Sungai ini tepatnya ada diantara pemukiman padat di Surabaya, yang mana memiliki value suhu yang tinggi mempengaruhi suhu dari sungai ini. Danau (klasifikasi sedang (yellow)) memiliki suhu 26.024780˚C, pengambilan value danau ini yaitu di Danau Ranu Grati, Pasuruan. Dari semua pengambilan tubuh air memiliki kesamaan klasifikasi dan warna, kondisi suhu yang berbeda dari tiap badan ini diakibatkan kondisi dilingkungan sekitar yang mempengaruhi, sebagaimana yang telah disinggung sebelumnya bahwasannya value suhu yang tergolong tinggi yaitu sungai yang ada di Surabaya, tepatnya disebut dengan Sungai Surabaya. Tubuh air akan memiliki value suhu yang semakin rendah jika berada di area vegetasi, utamanya vegetasi rapat dan rata-rata suhu tubuh air masuk pada klasifikasi sedang yang mana sebenarnya air sifatnya sangat lama dalam proses pemanasan oleh sinar matahari dan lama dalam proses ...