Tugas Individu me-Review Jurnal PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT BERESOLUSI TINGGI BERDASARKAN TIPE DASAR PDF

Preview

Summary

Tugas Individu me-Review Jurnal Mata Kuliah Penginderaan Jauh Kelautan Dosen Pengampu: Dr. Vincentius P. Siregar. DEA PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT BERESOLUSI TINGGI BERDASARKAN TIPE DASAR Richard P. Stumpf1 dan Kristine Holderied Disampaikan Ulang Oleh : ULIL AMRI (NRP. C5521300...

Description

Tugas Individu me-Review Jurnal Mata Kuliah Penginderaan Jauh Kelautan Dosen Pengampu: Dr. Vincentius P. Siregar. DEA

PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT BERESOLUSI TINGGI BERDASARKAN TIPE DASAR Richard P. Stumpf1 dan Kristine Holderied

Disampaikan Ulang Oleh : ULIL AMRI (NRP. C552130021) Pada tanggal 15 Januari 2014

JURUSAN TEKNOLOGI KELAUTAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014

PENENTUAN KEDALAMAN PERAIRAN DENGAN CITRA SATELIT BERESOLUSI TINGGI BERDASARKAN TIPE DASAR

Richard P. Stumpf dan Kristine Holderied NOAA National Ocean Service, Pusat Pemantauan Pesisir dan Assessment, 1305 East-West Highway rm 9115, Silver Spring, Maryland 20910 Mark Sinclair Tenix LADS Corporation, Mawson Park, Australia Selatan, 5095, Australia Abstrak Sebuah algoritma standar untuk menentukan kedalaman perairan dengan sensor pasif sudah ada, tetapi membutuhkan lima parameter dan tidak melibatkan kedalaman dimana bagian bawah/kolom air memiliki albedo (rasio (perbandingan) sinar pantulan terhadap sinar jatuh (datang) sangat rendah. Untuk mengatasi masalah ini, kami mengembangkan solusi empiris menggunakan rasio reflectances yang hanya memiliki dua parameter dan dapat diterapkan pada lapisan low-albedo. Dua Algoritma tersebut adalah The Standart Linier Transform and The New Ratio Transform. Kedua Logaritma tersebut dibandingkan melalui analisis citra satelit IKONOS terhadap LIDAR batimetri. Koefisien untuk rasio Algoritma disetel secara manual untuk beberapa kedalaman dari peta laut agar linier, dilakukan menggunakan regresi linier berganda terhadap LIDAR tersebut. Kedua algoritma mengkompensasi variable bawah jenis dan albedo (pasir, parttikel, alga, karang) dan pada kedalaman kurang dari 10-15 m. Namun, linear transform tidak bisa membedakan variable tersebut jika kedalamananya > 15 m di seluruh wilayah studi atol. Rasio transformasi di perairan jernih pada kedalaman > 25 m menunjukkan stabilitas yang lebih besar antara daerah yang berbeda. Hal ini juga menunjukan sedikit lebih baik dalam menggambarkan tingkat kekeruhan dari transformasi linear. Rasio algoritma sedikit rumit dan tidak selalu memadai dalam mengatasi morfologi halus (struktur yang lebih kecil dari 4-5 piksel) dalam air kedalaman >1520 m. Secara umum, rasio transformasi lebih unggul dari transformasi linear.

Commented [UAH1]: Apa saja parameternya….??? 1. 2. 3. 4. 5. Lima parameter tersebut tidak ditemukan didalam tulisan ini

Pendahuluan Sejak penggunaan pertama foto udara untuk perairan dangkal, telah diakui bahwa kedalaman air bisa diestimasi dengan beberapa cara oleh penginderaan jauh. Teori yang dikembangkan oleh Lyzenga (1978, 1981) dan dikembangkan oleh Philpot (1989) dan Maritorena et al. (1994) menunjukkan validitas, dan beberapa masalah yang terlibat dengan menggunakan penginderaan jauh pasif untuk penentuan kedalaman perairan. Penggunaan dua atau lebih band memungkinkan dapat memisahkan variasi kedalaman pada Albedo bawah, tapi kompensasi kekeruhan bisa menimbulkan masalah. Meskipun optik sistem-sistem pasif terbatas

Commented [UAH2]: Teori awal Commented [UAH3]: Albedo : rasio (perbandingan) sinar pantulan terhadap sinar jatuh (datang)

dalam penetrasi mendalam dan dibatasi oleh kekeruhan, penggunaan data satelit tersebut mungkin menjadi satu-satunya cara yang layak untuk mengkarakterisasi karang, baik luasan atau wilayah terumbu karang. Selain kebutuhan yang jelas untuk Informasi batimetri di daerah terpencil, pemetaan terumbu karang dan karakterisasi potensi pemutihan (bleaching) membutuhkan informasi pada kedalaman air. Terumbu karang menurut sifatnya sangat dipengaruhi oleh struktur fisik dari lingkungan mereka, dan informasi kedalaman air merupakan hal mendasar untuk mengetahui discriminating dan karakteristik habitat terumbu karang, seperti patch reef, spur-and-groove, and seagrass beds. Pengetahuan kedalaman air juga memungkinkan estimasi Albedo bawah, yang dapat meningkatkan pemetaan habitat (Mumby et al. 1998). Pengetahuan tentang struktur rinci bagian bawah membantu dalam pengelompokan peran dan kualitas terumbu karang sebagai lingkungan hidup jenis ikan. Namun, daerah terumbu karang yang luas di lautan tersebut memiliki sedikit data spasial batimetri (terbatas) karena kesulitan memperoleh akurasi dan soundings di daerah terumbu terpencil. Metode estimasi batimetri langsung dari citra satelit pasif akan meningkatkan kemampuan kami untuk memetakan daerah ini. Dalam rangka untuk memetakan lingkungan terumbu karang, data spasial beresolusi tinggi diperlukan dalam penelitian ini karena secara horisontal skala spasial relatif kecil dan hasilnya sangat penting penting untuk struktur ekologi vertikal dalam lingkungan patch reefs, spur-and-groove, mini-atolls, dan sebagainya. Pemetaan skala halus variabilitas akan meningkatkan karakterisasi habitat, baik untuk karang dan berbagai spesies yang hidup di terumbu karang. Sampai saat ini, informasi tersebut hanya ada dua pilihan: pengukuran udara ditanggung (foto dan hyperspectral) dan citra satelit multispektral (biasanya Landsat). Meskipun Pesawat dapat menyediakan data resolusi tinggi, baik spasial atau spektral, biaya tinggi dan masalah penyebaran membatasi penggunaannya untuk pemetaan regional yang komprehensif di daerah terpencil. Land-sat, khususnya Landsat-7 ditingkatkan mapper tematik (ETM), menawarkan cakupan global terumbu karang, tetapi hanya dengan lapangan 30-m pandang. Dengan peluncuran resolusi tinggi sensor IKONOS pada tahun 1999 dan QuickBird pada tahun 2002, 4-m (atau lebih baik) bidang citra multispektral menjadi tersedia dari

Commented [UAH4]: Yang melatar belakangi penelitian

luar angkasa, menyediakan sumber daya baru untuk pengembangan pemetaan dan pemantauan program untuk terumbu karang di lokasi pemantauan. Sistem ini menyediakan data multispectral dengan tiga band terlihat (biru, hijau, merah), yang dapat menggambarkan foto udara, dan satu band near Infra-Red (dekat-IR). Penelitian ini memfokuskan pada citra IKONOS, namun, metode estimasi kedalaman yang sama dapat diterapkan untuk Citra Landsat karena adanya kesamaan dalam pita spektral (Tabel 1). Table 1. Perbandingan Band Spektral IKONOS dengan Landsat-7 ETM Warna spectral Biru Hijau Red Inframerah-dekat

Band Spektral (nm) IKONOS Landsat-7 445-515 450-520 510-595 530-610 630-700 630-690 760-850 780-900

Algoritma batimetri standar memiliki teoritis der-ivation (Lyzenga 1978) tetapi juga mencakup empiris tun-ing sebagai bagian yang tak terpisahkan dari

Commented [UAH5]: Tuning : menyetel

proses estimasi kedalaman. Sekarang lebih baik untuk meminimalkan tala tersebut, khususnya untuk remote daerah mana bentik dan kualitas air parameter dapat sulit untuk mengukur atau memperkirakan. Makalah ini membahas algoritma batimetri alter-asli dan dua alamat dasar masalah-masalah dalam penerapan algoritma batimetri untuk pemetaan terumbu karang : (1) stabilitas algoritma dengan tetap coefficients dalam dan di antara atol dan (2) perilaku algoritma dalam menggambarkan kedalaman relatif dan absolut pada berbagai skala.

Commented [UAH6]: Tujuan dari penelitian

Bahan dan metode Lokasi Penelitian Daerah kajian dalam Penelitian ini mencakup dua atol terumbu karang di Barat Laut Pulau Hawaii. Gugusan pulau ini membentang lebih dari 1.800 km dari utara Pasifik dari Pulau Nihoa pada 1620W hingga atoll Kure di 178.50W. Daerah ini mencakup dua National Wildlife Refuges, a Hawaiian State Wildlife Sanctuary, and the new U.S. Northwestern Hawaiian Islands Coral Reef Ecosystem Reserve, yang diusulkan untuk penunjukan sebagai Nasional AS Marine Sanctuary. Ada 10 atol muncul dan terumbu di beberapa perairan dangkal. Daerah karang dan yang

Commented [UAH7]: Nama Lokasi Penelitian

termasuk menjadi bank areas >7,000 km2 daerah kurang dari 25 depa (45 m) (kedalaman maksimum absolut terdeteksi dengan remote sensing pasif dan demarkasi batas untuk beberapa diatur kegiatan-kegiatan dalam Reserve), menjadikannya kawasan terumbu karang perairan dangkal terbesar di bawah yurisdiksi langsung AS. Disini Daerah yang dibahas dua atol dibahas di sini, Kure Atoll, Pearl dan Hermes Reef (selanjutnya disebut Pearl), yang terletak hampir 2.000 km dari Honolulu. Lingkungan perairan dangkal dari dua atol ini cukup besar di daerah tersebut, dengan luasan 100 km2 di Kure dan 500 km2 di Pearl. Kure Atoll

Commented [UAH8]: Nama Lokasi pertama

merupakan sebuah pulau tempat adanya stasiun US Coast Guard Loran yang berfungsi untuk memantau laguna. Selain itu, di luar koridor sempit untuk pulau utama, banyak terumbu Kure tidak dipetakan karena data detail tidak mencukupi untuk menjamin kepercayaan dalam navigasi. Bahkan dengan keterbatasan ini, Kure memiliki informasi mendalam lebih dari Pearl, di mana sepertiga dari laguna

Commented [UAH9]: Pearl, = Nama lokasi setelah Kure

tidak memiliki informasi batimetri sama sekali, dan grafik hanya menampilkan bentuk umum dari labirin mini-atol dan garis luas reticulated terumbu dalam laguna. Atol memiliki substrat bervariasi dari pasir untuk perkerasan untuk hidup karang, dengan penutup yang mencakup berbagai kepadatan ganggang dan karang kecil. Pasir biasanya seperti karang dan putih dengan albedo sangat tinggi di daerah energi yang lebih tinggi. Dengan meningkatkan proporsi kerikil karang dan batu, dan sedimen cenderung kelihatan cokelat atau cokelat. Pavement biasanya abu-abu

Commented [UAH10]: Pavement = trotoar..??

coklat seperti zaitun, bervariasi dari rendah ke tinggi sifat berkerut, dan sering ditutupi dengan berbagai densities ganggang. Di daerah di mana karang ditemukan pada kepadatan tinggi di Kure dan Pearl, Porites compressa (finger coral) adalah sebagian besar spesies umum, dengan karang dominan lainnya termasuk Montipora capitata (karang beras), Porites lobata (lobus karang), Montipora flabellata (coral beras biru), dan Pocillopora meandrina (kembang kol karang). Tutupan alga meliputi varietas merah, coklat, dan makroalga hijau, serta berserabut rumput ganggang. Rataan terumbu biasanya didominasi oleh menatah-ing alga, dengan beberapa ganggang hijau (misalnya, Halimeda sp.).

Model

Commented [UAH11]: Hasil : Model pendekatan

Metode estimasi kedalaman menggunakan refleksi untuk setiap band citra satelit, dihitung dengan sensor file kalibrasi dan dikoreksi untuk efek atmosfer. Pantulan air, Rw, yang meliputi bagian bawah di mana air dangkal optik, didefinisikan sebagai

………… 1 dimana Lw adalah pancaran cahaya meninggalkan air, Ed adalah downwelling radiasi memasuki air, dan ƛ is spektral pita. Lw dan Rw mengacu pada nilai-nilai di atas permukaan air. Rw dihasilkan melalui koreksi total pantulan RT untuk aerosol dan reflektansi permukaan, seperti yang diperkirakan oleh band inframerah dekat, dan untuk hamburan Rayleigh Rr (Persamaan 2).

………… 2 Y adalah konstanta untuk mengoreksi variasi spektral (setara untuk eksponen Angstrom dalam Gordon et al. [1983]), subscript i menunjukkan saluran terlihat, dan subscript IR menunjukkan Inframerah Dekat channel. RT ditemukan dari Persamaan. 3.

………… 3 LT adalah (total) cahaya diukur pada satelit, E0 adalah konstanta matahari, r adalah jarak bumi-matahari dalam satuan unit astronomi, Ɵ0 adalah sudut zenith matahari, dan T0 dan T1 adalah koefisien masing-masing transmisi untuk mataharibumi dan bumi-satelit. Koreksi atmosfer didasarkan pada algoritma yang dikembangkan oleh Gordon et al. (1983) untuk Coastal Zone Color Scanner (CZCS) dan oleh Stumpf dan Pennock (1989) untuk Advanced Very High Resolution Radiometer (AVHRR) dan mirip dengan yang direkomendasikan untuk Landsat (Chavez 1996; Zhang et al. 1999). Koefisien Y dalam persamaan 2 tergantung pada jenis aerosol. Untuk IKONOS, asumsi koreksi atmosfer laut dengan variasi spektral sama dengan reflektansi specular permukaan air. Hal ini membuktikan asumsi yang masuk akal,

namun pemisahan koreksi aerosol (dengan skala ratusan meter) dari specular koreksi pantulan permukaan (dengan skala puluhan meter) untuk penggunaan yang lebih umum mungkin diperlukan data IKONOS. Meskipun IKONOS tidak memiliki kalibrasi onboard, kalibrasi postlaunch telah ditetapkan oleh Vendor komersial, Ruang Pencitraan. Perbandingan tambahan dengan Landsat-7, yang memiliki kalibrasi onboard, seperti Seaviewing Wide Field of View Sensor (SeaWiFS), mungkin membantu dalam kalibrasi untuk pekerjaan di masa depan. Residual miscalibration akan menghasilkan pilihan perubahan model atmosfer dan pada tingkat yang lebih rendah, dalam koefisien empiris dipilih untuk mengestimasi algoritma kedalaman.

Batimetri Linear transform: Eksponensial atenuasi cahaya dengan kedalaman dalam

Commented [UAH12]: Metode perhitungan untuk mendapatkan Hasil Bathimetri

kolom air dengan perubahan yang cepat diungkapkan oleh Hukum Beer (Persamaan 4). ………… 4 K adalah koefisien atenuasi dan z adalah kedalaman. Setiap anal-ysis cahaya dengan kedalaman harus memperhitungkan fungsi exponensial penurunan cahaya dengan kedalaman. Lyzenga (1978) menunjukkan bahwa hubungan reflektansi yang diamati (atau radiance) untuk kedalaman dan albedo bawah dapat digambarkan sebagai : ………… 5 dimana R∞ adalah reflektansi kolom air jika air yang optik dalam, Ad adalah albedo bawah, Z adalah kedalaman, dan g adalah fungsi dari koefisien atenuasi menyebar untuk kedua downwelling dan cahaya upwelling. Persamaan 5 dapat belakang berkisar untuk menggambarkan kedalaman dalam hal reflectances dan Albedo (Persamaan 6). ………… 6 Estimasi kedalaman dari sebuah band tunggal dengan menggunakan Persamaan. 6 akan tergantung pada albedo Ad, dengan penurunan Albedo

Commented [UAH13]: rasio (perbandingan) sinar pantulan terhadap sinar jatuh (datang)

diperkirakan mengakibatkan peningkatan kedalaman. Lyzenga (1978, 1985) menunjukkan bahwa dua band bisa memberikan correction untuk Albedo dalam mencari kedalaman dan dibuat dari Persamaan. 6 solusi linear dalam Pers. 7. ………… 7 dimana ………… 8

Konstanta a0, ai, dan aj biasanya ditentukan dari regresi linier berganda (atau teknik yang sama). Setiap solusi untuk kedalaman dari sistem pasif, variasi dalam air kejelasan dan variasi spektral dalam penyerapan menimbulkan tambahan komplikasi (Philpot 1989; Van Hengel dan Spitzer 1991). The linear mengubah solusi di atas memiliki lima variabel yang harus ditentukan secara empiris: R∞(ƛi), R∞(ƛj), a0, ai, dan aj. arus menyesuaikan lima koefisien empiris bisa untuk daerah yang luas ATIC-masalah, bahkan dengan variasi yang relatif kecil dalam kondisi kualitas air. Selain itu, ketika bagian bawah albedo rendah, seperti yang dapat terjadi dengan makroalga padat atau rumput laut, kemudian Ad kurang dari R∞. Akibatnya, kedalaman tidak dapat ditemukan tanpa menggunakan algoritma yang sama sekali baru, karena X tidak ditemukan jika (Rw-R∞) adalah negatif (logaritma bernilai negatif).

Fig. 1. Log transformation used for ratio algorithm with data from Kure Atoll. The lines of constant depth are also lines of fixed ratio (0.3 m is also the blue to green ratio of 0.975; 18 m is a ratioof 1.251). Depths were assigned to the constant ratio lines using the tuning described in this paper. The dashed line shows the approximate values for a sand bottom that has the same albedo at all depths. The attenuation of light with depth means that features have lower Rwin deeper water, regardless of their intrinsic albedo. A decrease in albedo causes values to move down the lines of constant ratio. ‘‘High Ad’’ indicates carbonate sand of nominally similar albedo at both 0.3 and 18 m. ‘‘LowAd’’ indicates similar albedo over dense algal cover at both depths. Rasio Transform: Masalah pemetaan daerah perairan dangkal dengan reflektansi signifikan lebih rendah daripada yang berdekatan, perairan dalam memberikan motivasi awal untuk mengembangkan algoritma alternatif. Karena kita tertarik memetakan di daerah terumbu karang relatif besar dan terpencil, kami juga mencari solusi alternatif yang memiliki sedikit parameter-parameter, sehingga membutuhkan penyetelan kurang empiris dan memiliki potensi menjadi lebih kuat lebih variabel habitat bawah. Band masing-masing penyerapan cahaya pada perairan berbeda, setiap band akan memiliki nilai deret hitung lebih rendah dari yang lain. Karena itu, sebagai

Commented [UAH14]: Metode perhitungan untuk pendapatkan Hasil dari Rasio Transform

nilai-nilai log berubah dengan kedalaman, rasio akan berubah (Gambar 1). Dengan meningkatnya kedalaman, sementara reflektansi dari kedua band menurun, ln (Rw) dari band dengan tinggi penyerapan (hijau) akan menurun secara proporsional lebih cepat dari ln (Rw) Dari band dengan penyerapan rendah (biru). Jadi, rasio biru ke hijau akan meningkat. Perubahan rasio juga akan memberikan kompensasi secara implisit untuk variabel jenis kedalaman. Perubahan Albedo bawah mempengaruhi kedua band sama (lih. Philpot 1989), tetapi perubahan secara mendalam mempengaruhi pita absorpsi tinggi lagi. Dengan demikian, perubahan rasio karena kedalaman jauh lebih besar daripada yang disebabkan oleh perubahan Albedo di bawah, menunjukkan bahwa albedoes bawah berbeda pada kedalaman konstan masih akan memiliki rasio yang sama (Gambar 1). Jika kondisi rasio ini berlaku, kita akan berharap bahwa rasio akan mendekati kedalaman independen dari Albedo bawah dan hanya perlu ditingkatkan untuk kedalaman yang sebenarnya, yaitu :

………… 9 Dimana m1 adalah nilai konstan untuk skala rasio kedalaman, n adalah konstanta tetap untuk semua bidang, dan m0 adalah offset untuk kedalaman 0 m (Z=0), analog dengan a0 dalam Pers. 7. Tetap nilai dari n dalam persamaan 9 dipilih untuk memastikan bahwa kedua logaritma akan positif dalam kondisi apapun dan bahwa rasio akan menghasilkan respon linear dengan kedalaman. Algoritma rasio diperiksa ulang terhadap hasil model dari Lubin et al (2001) untuk mengevaluasi solusi empiris. Lubin et al. (2001) membuat simulasi top of atmosphere radiances untuk band Landsat 1 dan 2 untuk jenis dasar yang berbeda. Radiances ini dikurangi menjadi reflectances air dengan menggunakan Pers. 1-3, maka Persamaan. 9 digunakan untuk memperkirakan kedalaman (Gambar 2). Dua jenis dasar dari Lubin et al. (2001) dengan berbeda albedo bawah diperiksa: pasir (Ad=41% pada 500nm) dan alga bentuk karanag (Ad=17 % pada 500 nm). Satu set tunggal koefisien, m1 dan m0, yang dioptimalkan untuk meminimalkan kesalahan untuk kedua jenis bawah. The Root mean square (rms) error < 0,4 m antara kedalaman model input dan estimasi kami kedalaman sampai 20 m. Hasil penelitian menunjukkan bahwa rasio algoritma memiliki potensi untuk menjadi efektif. Model

analisis lebih lanjut enunjukkan bahwa perhitungan kedalaman tidak sensitif (error rms < 0,4 m) sampai tiga kali lipat perubahan nilai n (n Antara 500 sampai 1.500).

Fig. 2. Depths determined from the top-of-atmosphere radianc-es modeled by Lubin et al. (2001).X-axis shows depths input into the Lubin et al. (2001) model. Y-axis shows depths retrieved from the ratio algorithm using Lubin’s modeled radiances and Eqs. 1–3 and 9 from this paper. Meskipun satu bisa membangun berbagai empiris algoritma yang dengan berbagai kombinasi pita, termasuk reflektansi tanpa log transform, semua akan membutuhkan lebih parameter dan tuning lebih kompleks daripada solusi rasio Pers. 9 (atau algoritma linear dalam hal ini).

Evaluasi dan Pengembangan Data Satelit: Satelit IKO-NOS diluncurkan pada bulan September 1999 oleh komersil penjual, Ruang Pencitraan. Satelit memiliki dua sen-sors: satu pankromatik dengan 1-m bidang nominal pandang dan satu multispektral dengan 4-m bidang nominal pandang saat melihat pada titik nadir. Instrumen ini adalah sensor yang pushbroom mengumpulkan 11- km petak hingga 1.000 km panjang. Kelipatan (pendek) petak daerah dapat dikumpulkan pada orbit yang sama karena satelit memiliki kemampuan menunjuk. Sensor panchro-matic mengamati cahaya

Commented [UAH15]: Hasil : Evaluasi dan Pengembangan

dari hijau ke dekat-IR dan memberikan informasi kepada kedalaman sekitar...