Pemanfaatan Citra Sentinel-1 SAR Untuk Deteksi Banjir Studi Kasus Pangkalan Koto Baru Sumatera Barat
FAJRIN*, MEGA YASMA ADHA, ILHAM ARMI Program Studi Teknik Geodesi, Fakultas Teknik Sipil dan
Perencanaan Institut Teknologi Padang
*Corresponding author: [email protected]
Abstrak: Indonesia memiliki sejarah banjir yang jarang sekali terdokumentasi dengan baik dalam bentuk peta. Untuk memantau dan memperkirakan dampak akibat banjir dalam waktu yang hampir bersamaan, melibatkan penggunaan berbagai teknik, mulai dari peta digital, hingga menggunakan survei terperinci atau teknik penginderaan jauh. Namun, ketika menggunakan teknik pengindraan jauh, hasilnya bergantung kepada waktu akuisisi data (siang atau malam) serta oleh kondisi cuaca. Namun demikian, hambatan ini dapat diatasi dengan menggunakan citra satelit RADAR. Tujuan dari penelitian ini adalah untuk menggambarkan permukaan tubuh air yang terkena dampak banjir Kecamatan Pangkalan Kotobaru Kabupaten Limapuh Kota, Sumatera Barat pada bulan Maret 2017. Untuk studi kasus ini, data Sentinel- 1C-Band SAR diperoleh dari ESA (European Space Agency) digunakan sebagai data penelitian.
Kumpulan data diambil sebelum, saat dan setelah banjir terjadi dan diproses menggunakan Sentinel Toolbox dengan melihat nilai hamburan balik serta binarization dan thresholding untuk memisahkan air dan non air pada saat sebelum, saat dan setelah banjir. Hasilnya mengungkapkan sebagian besar wilayah studi dilanda banjir yang terlihat dari perbedaan tubuh air dan non air pada ketiga citra yang di amati.
Kata kunci: banjir, SAR, Sentinel-1
1. PENDAHULUAN
Sejak awal peradaban, manusia diketahui banyak tinggal di lembah sungai yang merupakan sumber kehidupan, namun demikian sungai adalah wilayah paling rawan terhadap banjir. Selama periode musim hujan, di banyak wailayah di Indonesia, mengalami banjir dan telah menjadi tantangan serius bagi pemerintah.
Bencana banjir terjadi dapat disebakan oleh keadaan klimatologis dan antropogenik. Ketersediaan informasi genangan banjir secara real time adalah sangat penting bagi pengambil keputusan seperti pemerintah daerah karena banjir dapat mempengaruhi pemukiman dan pertanian yang menyebabkan kerugian ekonomi (Tsyganskaya., dkk. 2018).
Pemanfaatan penginderaan jauh untuk pemantauan banjir berawal dari tahun 1970-an, dimana data dari Landsat 1 membantu menganalisis banjir di
Mississippi tahun 1973 (Deutsch dan Ruggles, 1974). Sejak itu, para ilmuwan terus menggunakan data satelit sebagai sumber tambahan untuk beberapa alasan, misalnya deteksi perubahan, atau pemetaan daerah banjir (Green, dkk. 2007).
Earth Observation (EO) Copernicus dari komisi eropa, membuka peluang baru dalam kerangka monitoring banjir.
Konstelasi satelit terbaru, seperti Sentinel dari program Copernicus, menyediakan layanan data gratis yang memungkinkan pengamatan seluruh permukaan bumi dengan frekuensi yang belum pernah terjadi sebelumnya dan dengan menggunakan berbagai sensor, baik optik maupun radar. Dalam beberapa tahun terakhir Synthetic Aperture Radar (SAR), merupakan sistem satelit aktif yang memiliki kelebihan dapat bekerja di segala cuaca, akuisisi data yang dapat dilakukan siang dan malam, serta kemampuan sensornya menembus awan serta memungkinkan deteksi wilayah genangan banjir
(Mason., dkk. 2009; Brown., dkk, 2016).
Sentinel-1 menyediakan data dari instrumen C-band SAR dual-polarisasi.
Dalam pengamatan pemetaan banjir pada penelitian ini menggunakan produk Sentinel 1 level 1 Ground Range Detected (GRD), Sentinel 1 berfokus kepada data SAR, multi- looked dan diproyeksikan dengan mengggunaka kerangka referensi Earth ellipsoid WGS-84. Gambar Sentinel 1 diperoleh melalui Sentinels Scientific Data Hub. Data kemudian diolah untuk memetakan daerah genenagan banjir selama periode pengamatan. Sentinel Application Platform (SNAP) Toolbox digunakan untuk pemrosesan data yang merupakan perangkat lunak open source yang digunakan untuk eksplorasi data EO dari ESA (European Space Agency).
2. METODE
2.1. Wilayah studi dan data
Wilayah (gambar 1) adalah bagian batang mahat nagari pangkalan koto baru yang bermuara di waduk koto panjang yang melewati dua Nagari
yakni Pangkalan koto KotoKoto Baru dan Gurung Melintan. Wilayah ini juga merupakan perbatasan antara propinsi sumatera Barat dan Propinsi Riau.
Batang mahat merupakan muara dari beberapa sungai sekitarnya meliputi
Batang Buluh Kasok, Manggilang, Batang samo Lima Puluh Kota.
Fenomena banjir di pangkalan koto baru hampir setiap tahun dan menggenangi wilayah pertanian dan permukiman warga.
Penelitian ini menggunakan pendekatan analisis spasial / analisis keruangan berdasarkan citra penginderaan jauh yaitu citra Synthetic Aperture Radar (SAR) Sentinel 1. Analisis keruangan dapat diartikan sebagai perbedaan lokasi mengenai seri sifat unik dalam ruang.
Dalam penelitian ini metode analisa keruangan dilakukan terhadap 3 data citra Sentinel SAR 21 Februari 2017 (sebelum banjir), 4 Maret 2017 (saat banjir) dan 16 Maret 2017 (setelah banjir).
Proses pengolahan citra menggunakan Data Citra SAR Sentinel 1 untuk ekstraksi genangan banjir dilakukan dengan 2 tahapan inti yaitu Pra pemprosesan yang berisi proses subset, kalibrasi radiometrik, filtering, dan penetapan ambang batas, lalu pada tahapan pemprosesan berisi tahap koreksi geometrik dan ekspor data ke
geotiff dan KMZ untuk kemudian dilakukan analisa dengan memindahkan data ke software sistem informasi geografis. Pengolahan citra satelit dilakukan di software SNAP secara otomatis untuk mendapatkan hasil dari
Gambar 1 : Wilayah Studi
ekstraksi banjir lalu selanjutnya akan diinputkan ke dalam software ArcGIS 10.1 untuk dilakukan analisis luasan.
2.2. Pra Pemrosesan
Proses subset atau proses pemotongan citra dengan dengan lokasi penelitian, Proses subset atau pemotongan citra ini dilakukan dengan tujuan untuk membatasi cakupan wilayah penelitian.
Selanjutnya dilakukan proses kalibrasi radiometric, proses kalibrasi dilakukan dengan mengolah komponen citra agar menjadi lebih jelas untuk menghasilkan nilai sigma naught (dB), sigma naught dianggap pemisah yang baik antara tubuh air dan permukaan tanah (Bioresita., dkk. 2018).
Gambar 2 : Kenampakan citra sebelum difilter (A,C,E) untuk 21 Februari 2017, 4 Maret 2017 dan 16 Maret 2017 dan kenampakan citra setelah dilakukan filter (B, D, F)
Sigma naught (dB) disini artinya proses kalibrasi radiometrik yang dilakukan sudah mendapatkan nilai decibel, dimana sigma naught adalah hasil dari koreksi nilai backscatter (hamburan balik komponen citra yang sensitif
terhadap topografi, permukaan kasar, dan penutupan tanah yang dapat memantulkan pulsa radar) pada citra menjadi nilai Sigma_0 dalam bentuk (dB).
Tahapan berikutnya adalah melakukan proses filtering, filtering merupakan teknik untuk mengurangi atau mereduksi adanya kenampakan speckle pada citra radar. Speckle terlihat sebagai bintik-bintik hitam dan putih atau biasa dikenal dengan istilah ‘saltand pepper’, Filter dilakukan dengan jendela 7x7.
Semakin besar ukuran jendela, maka citra terlihat semakin halus atau ‘blur’.
Teknik yang digunakan yakni Filter Lee (Lee., dkk. 1999) untuk memperhalus bintik atau speckle pada citra dengan mempertahankan ketajaman gambar dan kedetilan sekaligus mereduksi noise pada citra. Pixel yang dilakukan filter akan digantikan oleh nilai pixel terdekat disekitarnya (gambar 2).
Tahapan berikutnya melakukan proses binarization, untuk memisahkan antara air dan non air dengan menentukan nilai ambang batas air dan bukan air berdasarkan hasil histogram atau grafik pada citra. Penetapan ambang batas antara air dengan non air ini dilakukan menggunakan bantuan menu band math dengan perhitungan rumus khusus, dilakukan untuk mengetahui apakah pixel terendam/ tergenang air. Menurut (Long dkk 2014) untuk menentukan ambang batas ideal didapat dengan formula sebagai berikut:
255(Sigma_0< nilai ambang batas)...(1) Dimana :
255 = Tingkat keabuan yang ditentukan
Sigma_0 = Parameter yang didapat dari pengolahan filtering, yang diidentifikasi sebagai air.
Gambar 3: histogram nilai Sigma_0 dari citra sentinel 21 Februari 2017 (a), 4 Maret 2017 (b) dan 16 Maret 2017 (c).
2.3. Pemrosesan
Pada tahapan pemprosesan yaitu proses koreksi geometrik citra untuk menyesuaikan koordinat citra sesuai dengan koordinat bumi. Koreksi geometrik dilakukan dengan menentukan parameter dan band amplitude VV yang akan diproses menggunakan SRTM sebagai input ke data DEM, pengunduhan data dilakukan secara otomatis, baik DEM dan Image Resampling menggunakan metode interpolasi bilinear. Metode ini dianggap mampu meningkatkan resolusi dengan memperkirakan nilai-nilai pixel baru diantara nilai-nilai pixel lama dengan perhitungan komputasi numerik.
Berdasarkan pada data SRTM DEM, citra GRD Sentinel-1 dikoreksi dan diubah menjadi koordinat geografis (lat /long, Datum WGS 84). Proses ini dilakukan agar citra dapat menunjukan gambaran yang kontras antara daerah yang basah (tubuh air) dan kering.
Tubuh air akan terlihat lebih gelap dari
pada tanah kering. Hasilnya disajikan pada gambar 4 berikut:
Gambar 4: Hasil koreksi geometrik citra 21 Februari 2017 (a), 4 Maret 2017 (b) dan 16 Maret 2017 (c) serta perbedaan kontras tubuh air terlihat lebih gelap daripada bukan tubuh air.
Dapat dilihat ketiga citra (gambar 4) tersebut sudah sesuai posisinya mengikuti koordinat yang sebenarnya di lapangan. Tanda kota merah merupakan lingkup wilayah yang terdeteksi sebagai genangan banjir terlihat hasil akhir dari tiap – tiap citra berbeda, pada citra sebelum banjir aliran sungai terlihat polos tanda ada genangan yang meluap, lalu pada saat terjadinya banjir aliran sungai yang dideteksi sebagai genangan air meluap ke sekitarnya, dan pada citra setelah banjir dapat dilihat aliran air di sungai dan sekitarnya juga tampak tapi tidak sejelas pada citra saat banjir. Data ini masuk akal, karena citra saat banjir tentunya lebih memiliki banyak genangan yang dideteksi sebagai air daripada citra sebelum dan sesudah banjir.
3. PEMBAHASAN
Untuk membedakan pemetaan banjir, tiga gambar Sentinel-1 pre-event dan post-event digunakan dalam penelitian ini. Setelah preprocessing kedua
gambar, tubuh air dideteksi dengan histogram ambang batas air dan bukan air. Dalam penelitian ini, ambang histogram dipilih untuk menyaring koefisien hamburan balik. Histogram menunjukkan distribusi hamburan balik (Sigma_0) dari nilai-nilai piksel fitur yang tersedia pada gambar dalam bentuk puncak histogram (gambar 3).
Nilai backscatter yang lebih tinggi menunjukkan kelas non-air dan nilai yang lebih rendah menunjukkan kelas air (Iurist dkk., 2017).
Nilai ambang batas (gambar 3) dari citra tanggal 21 Februari 2017 memiliki nilai 0,2, nilai ambang batas dari citra saat banjir tanggal 4 Maret 2017 memiliki nilai 7,79E-2, nilai ambang batas dari citra tanggal 16 Maret 2017 memiliki nilai 8,94E-2. Nilai ini dianggap sebagai nilai pixel yang didefinisikan sebagai banjir, nilai didapat dari nilai tengah
histogram pada menu colour manipulation, nilai inilah yang menjadi ambang batas citra ini untuk membedakan pixel citra antara air dan bukan air.
Tiga gambar Sentinel-1 (gambar 5) dari wilayah studi selama periode sebelum banjir dan banjir dan setelah banjir memungkinkan pemantauan dinamika banjir. Pertama, wilayah tubuh air permanen terdeteksi menggunakan citra SAR sebelum banjir pada tanggal 21 Februari 2017 (gambar 5a) secara keseluruhan tubuh air ditandai dengan warna biru, serta kemudian pada tanggal 4 Maret 2017 banjir meluas (gambar 5b). Selanjutnya pada tanggal 16 Maret 2017 banjir mulai surut yang ditandai dengan penurunan luas genangan, ada kecendrungan air belum sepenuhnya surut pada saat gambar Sentinel-1 16 Maret direkam (gambar 5b).
4. KESIMPULAN
Pada Maret 2017, kejadian banjir melanda Pangkalan Koto Baru
Kabupaten Limapuluh Kota Sumatera Barat. Untuk manajemen respons yang efektif dalam bencana seperti banjir, informasi tentang perkiraan kerusakan akan sangat membantu bagi otoritas Gambar 5 : kenampakan tubuh air permanen tanggal 21 Februari 2017 (a),
kenampakan tubuh air saat banjir 04 Maret 2017 (b), dan kenampakan tubuh air beberapa hari setelah banjir 16 maret 2017 (c)
pemerintah dalam mengambil keputusan. Studi ini menyajikan kerangka untuk mendeteksi daerah yang terkena banjir menggunakan data SAR yang tersedia secara bebas dan sumber daya terbuka, yang merupakan solusi rendah biaya dan waktu untuk pemantauan banjir yang hampir real- time. Studi ini menunjukkan efektivitas Sentinel-1 C-band SAR untuk pemetaan genangan banjir. Dalam penelitian ini data SAR digunakan untuk memeriksa keadaan genanagan banjir yang ada.
Pemetaan banjir dilakukan dengan menggunakan teknik thresholding untuk mendapatkan nilai antara tubuh air dan bukan air.
UCAPAN TERIMAKASIH
Ucapan terimakasih disampaikan kepada Institut Teknologi Padang melalui Lembaga Penelitian dan Pengabdian Masyarakat (ITP), atas pembiayaan melalui skema hibah Institusi Tahun 2019 dengan no Kontrak 04/27.O10.5/PN/2019.
DAFTAR PUSTAKA
Bioresita F, Puissant A, Stumpf A, Malet J- P. 2018. A Method for Automatic and Rapid Mapping of Water Surfaces from Sentinel-1 Imagery. Remote Sensing 10(2):217.
Brown, K. M., Hambidge, C. H., &
Brownett, J. M. 2016. Progress in operational flood mapping using satellite synthetic aperture radar (SAR) and airborne light detection and ranging (LiDAR) data. Progress in Physical Geography, 40(2), 196–214.
Deutsch, M. and Ruggles, F. 1974. Optical Data Processing and Projected Applications of the ERTS-1 Imagery Covering the 1973 Mississippi River Valley Floods. Journal of the American Water Resources Association, 10(5): 1023-1039
Green, A. A., Whitehouse, G., and Outhet, D. 2007. Causes of Flood Streamlines Observed on Landsat Images and Their Use as Indicators of Floodways.
International Journal of Remote Sensing, 4(1): 5-16
Iurist, N.V., Oniga, V.E., Statescu, F. and Marcu, C. 2017. FLOODS DAMAGE ESTIMATION USING SENTINEL-1
SATELLITE IMAGES. CASE
STUDY-GALATI COUNTY,
ROMANIA.
Lee J, et al. 1999. A new antioxidant with alkylhydroperoxide defense properties in yeast. J Biol Chem 274(8):4537-44 Long S., Fatoyinbo T.E. & Policelli F.
2014. Flood extent mapping for Namibia using change detection and thresholding with SAR. Environ Res Lett 2014, 9, 35002–35009
Mason, D. C., Giustarini, L., Garcia- Pintado, J., and Cloke, H. L. 2014.
Detection of Flooded Urban Areas in High Resolution Synthetic Aperture Radar Images Using Double Scattering. International Journal of Applied Earth Observation and Geoinformation, 28: 150-159.
Tsyganskaya, V., Martinis, S., Marzahn, P., Ludwig, R. 2018. SAR-based detection of flooded vegetation–a review of characteristics and approaches.
International Journal of Remote Sensing 39, 2255-2293
