Minggu 10: Klasifikasi Data Citra
Proses Sebelum Klasifikasi
• Koreksi Geometri
• Koreksi Radiometri
• Koreksi Topografi
• Penajaman Citra
Klasifikasi
Pemilihan Kombinasi warna
Teknik Klasifikasi
• Visual
• Dijital
Tidak Terbimbing
Terbimbing
Parametric
Non-Parametric
Minggu 9
Sumber bacaan
http://web.pdx.edu/~emch/ip1/bandcombinations.html http://www.crisp.nus.edu.sg/~research/tutorial/opt_int.htm PRINCIPLES OF REMOTE SENSINGDr. S. C. Liew
Centre for Remote Imaging, Sensing and Processing National University of Singapore
Blk S17/SOC1 Level 2, Lower Kent Ridge Road Singapore 119260
KOMBINASI WARNA
Panchromatic ImagesMultispectral Images/ Color Composite Image
True Colour Composite/Natural color
Kombinasi 3 warna yang
disusun berurutan RGB,
sehingga menghasilkan
warna yang sama dengan
warna yg ditangkap mata
ketika memandang alam
terbuka
Untuk Landsat/Ikonos :
kombinasi band RGB =
3:2:1
False colour composite :
R = band 4 G = band 3 B = band 2
Vegetasi akan berwarna
merah dengan berbagai
tone. Variasi ini banyak
digunakan untuk studi
klasifikasi vegetasi.
Merah tua menunjukkan
vegetasi yang lebih
padat/lebih sehat
Semakin muda
menunjukkan vegetasi
yang jarang.
Air dangkal/keruh terliha
lebih terang.
False Colour Composite
Kombinasi 3 warna yang
disusun berurutan RGB :
4:5:1
Banyak digunakan untk
studi vegetasi. Vegetasi
sehat akan berwarna
merah gelap, orange,
coklat, kuning,
False Colour Composite
R = band 5 G = band 4 B = band 3
Kombinasi ini banyak
memberikan informasi
variasi dan kontras warna.
Vegetasi sehat berwarna
hijau terang.
Banyak digunakan untuk
pengelolaan hutan.
Daerah perumahan/urban
berwarna merah/pink
.
Optimum Index Factor
Nilai statistik yang dapat digunakan sebagai acuan untuk
Menentukan Kombinasi 3 band dalam citra yang mempunyai
tampilan warna yang paling optimum
Klasifikasi Data Citra
Merubah data citra menjadi informasi Penutupan lahan/penggunaan lahan Penutupan lahan adalah kondisi fisik permukaan bumi
Land use : deskripsi bagaimana manusia mengelola lahan. Misal :
Hutan = Land cover Hutan Lindung = Land use Padang rumput = Land cover Ranch/Padang Golf : Lan use
Element Order 1
• Tone :
Variasi kedalaman
warna obyek dari warna
tua ke muda, atau hitam
ke putih yang dapat
dibedakan
• Colour
: Warna obyek
KLASIFIKASI VISUAL
Colour/Warna & Tone Obyek Hijau : ? Hijau muda Hijau tua Merah : ? Merah muda/pink Biru : ? Tua Kuningan : ? Kuning muda Putih : ? Putih Abu Hitam : ? False ColorComposite : LANDSAT, RGB = 5:4:3
Elemen Order 2:
• Size
– membantu menentukan
obyek berdasarkan ukuran
– Perkebunan rakyat &
perkebunan besar
• Shape
– membantu
menentukan karakter obyek
berdasarkan bentuk
– man made – cenderung garis
lurus
– natural – cenderung tidak
beaturan
False ColorComposite : LANDSAT, RGB = 5:4:3
Elements Orde 2
• Texture
– frekuensi perubahan dan
susunan dari tone
– Pengamatan visual
kehalusan/kekasaran
(smoothness or roughness)
– Misal Air : biasanya halus,
Alang-alang : medium texture,
and Hutan alam dataran
rendah: kasar
• Pattern
- arrangement spasial dari
objects
– Linear untuk jalan, sungai dll
Element order 3
• Site
– bagaimana obyek
berada pada suatau
tempat
– aspect, topografi,
geologi, tanah, &
vegetasi
• Association
– obyek biasanya
berasosiasi engan obyek
yang lain.
– Sangat membantu
dalam interpretasi
man made obyek
VISUAL
Elements Order 3
• Height
– menjelaskan
detail dari obyek
(ketinggian obyek)
• Shadow
Membantu menentukan
detil obyek
– Identifikasi dapat
ditingkatkan dengan
informasi bayangan
VISUAL
Contoh
Dimana Mangrove ? Dimana Hutan dataran rendah ?, Dimana Perkebunan ? Dimana Lahan terbuka ? Dimana lahan pertanian ?, Dimana Sungai ?
Dimana Jalan ?, Dimana Awan ?
Dimana Bayangan awan ? Dimana Tambak ?, Dimana Semak belukar ?
Perbandingan Penampilan Beberapa Objek pada Landsat dan PALSAR
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
1. Hutan Mangrove Hijau pucat pada Palsar and hijau gelap pada Landsat.
2. Hutan pegunungan tropis
Hijau muda pada Palsar dan hijau tua pada Landsat.
3. Hutan pegunungan tropis
Hijau muda pada Palsar dan hijau-hijau kecoklatan pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
4. Hutan dataran rendah
Hijau kekuningan pada Palsar dan hijau pucat pada Landsat.
5. Hutan rawa Hijau pucat pada Palsar dan hijau pada Landsat
6. Hutan tanaman jati
Hijau kekuningan pada Palsar dan hijau muda pada Landsat.
7. Hutan tanaman pinus
Hijau terang pada Palsar dan hijau tua pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
8. Hutan tanaman mangium
Hijau terang pada Palsar dan hijau tua pada Landsat.
9. Hutan tanaman Eucalypthus
Hijau terang pada Palsar dan hijau pada Landsat.
10. Kebun campuran (Karangkitri)
Hijau muda pada Palsar dan hijau pucat pada Landsat
11a Perkebunan sawit muda (dibawah 5 m)
Biru gelap pada Palsar dan hijau-hijau kekuningan pada Landsat. Di daerah
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan 11b Perkebunan sawit muda (dibawah 5 m) Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak. 11c Perkebunan
sawit tua (diatas 10 m)
Kemerahan-biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak. 11d Perkebunan
sawit tua (diatas 10 m)
Biru kecoklatan pada Palsar dan hijau pada Landsat. Di daerah datar, pola kotak-kotak. 12. Perkebunan teh Biru dan kehijauan
menyebar pada Palsar dan hijau muda bercampur merah pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
13. Perkebunan karet rakyat
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola pada Palsar tidak bisa dilihat, tapi jelas pada Landsat.
13a Perkebunan karet
Kuning kehijauan-hijau kekuningan pada Palsar dan hijau kecoklatan pada Landsat. Pola terlihat jelas baik pada Palsar maupun pada Landsat.
14. Perkebunan kelapa
Hijau pucat pada Palsar dan hijau muda-tua pada Landsat
15. Perkebunan tebu
Hijau pada Palsar dan hijau pada Landsat. Kebun tebu biasanya dikelilingi oleh persawahan.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
16. Kebun salak Hijau keabuan pada Palsar dan hijau muda pada Landsat
17. Pertanian lahan kering
Biru menyebar pada Palsar dan merah kecoklatan menyebar pada Landsat 18. Sawah Biru gelap- ungu
pada Palsar dan biru gelap pada Landsat. Sawah belum ditanami. 19. Belukar tinggi Hijau gelap pada Palsar dan hijau pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
20 Padang rumput Biru gelap-ungu pada Palsar dan pink pada Landsat
21 Pemukiman perkotaan
Kuning- hijau kekuningan-putih pada Palsar dan merah pada Landsat 22 Pemukiman
pedesaan
Merah muda pada Palsar dan merah pada Landsat. Pemukiman tersebar. 23. Lapangan Golf Biru gelap pada
Palsar dan kuning muda pada Landsat.
No Objek Palsar (1,2,3) Landsat (5,4,3) Keterangan
24. Bandara Biru gelap pada Palsar dan kuning muda pada Landsat
25. Badan air Biru muda pada Palsar dan biru tua pada Landsat.
KLASIFIKASI DIGITAL
• Distribusi Nilai DN
• Pengelompokan Nilai DN
Tidak Terbimbing
Terbimbing (Parametric/Non Parametric:
feature space)
– Minimum Distance
– Parallelepiped Classification
– Stepped Parallelepiped
– Equiprobability Contours
Band 1 Band 2 Band 3 (B) Band 4 (G) Band 5 (R) Band 6 Band 5: 4: 3
Digital Number
Klasifikasi Tidak Terbimbing
(Unsupervised Classification)
• Mengelompokan Nilai DN Berdasarakan
Minimum Distance, tanpa campur tangan
operator
• Tetap perlu pemahaman lapang untuk
reklasifikasi
BAND 3
Feature Space
(Distribusi DN, pada 2
ISODATA I - iterative S - self O - organizing D - data A - analysis T - technique A - (application)? Band A Band B Band A Band B
1st iteration cluster mean 2nd iteration cluster mean
KLASIFIKASI DIJITAL TIDAK
TERBIMBING
ISODATA
Band 1 Ba n d 2 Iterasi 1. Data dikelompokan, namun cluster biru terpisah jauhIterasi 2. Kluster biru dipisah menjadi 2, Cyan and hijau hanya mempunyai 2 data. Band 1 Ba n d 2 Band 1 Ba n d 2
Iterasi n. Data pada kluster biru dan hijau, dikelompokan sbg pencilan/ dikelompokan dgn kluster terdekat.
Klasifikasi Terbimbing
• Mengelompokan Nilai DN Berdasarakan
Minimum Distance, dengan arahan operator
– Menentukan rule/aturan pengelompokan
• Menentukan training area
– Klasifikasi
– Pengelompokan Ulang
– Uji akurasi
BAND 4 BAND 3Feature Space
(Pengempokkan DN,
pada 2 sumbu/bands)
Minimum Distance To Means (kedekatan
dengan nilai rata-rata tiap kluster)
Kedekatan dengan nilai rata-rata kluster
Band 1 Ba n d 2 Band 1 Ba n d 2 Band 1 Ba n d 2 Iterasi 1.Pusat Kluster ditempatkan secara acak, kemudian setiap pixel dikelompokan pada pusat kluster terdekat.Iterasi 2.Pusat kluster berpindah ke rata-rata pusat tiap kluster.
Iterasi ke N. Kluster dan pusat kluster terakhir/stabil.