PENGOLAHAN CITRA DIGITAL DENGAN ENVI 4.1.

(1)

PENGOLAHAN CITRA DIGITAL DENGAN ENVI 4.1.

Bagian Konservasi Sumberdaya Hutan

Fakultas Kehutanan Universitas Gadjah Mada

Jl. Agro No. 1 Bulaksumur, Sleman, D.I.Yogyakarta

Telp. 0274 550542, Fax. 0274 550541

Email :

pela [email protected]

APLIKASI SISTEM INFORMASI GEOGRAFIS (SIG) DASAR

UNTUK PELAKSANA LAPANGAN

Disusun oleh :

Hero Marhaento, S.Hut., M.Si

(2)

PENGOLAHAN CITRA DIGITAL

ENVI 4.1.

BAB I. MENGENAL ENVI

Envi merupakan software pengolah citra yang flexibel. Envi dapat mengolah beberapa tipe data citra yang berasal dari citra satelit asli, ataupun dari hasil olahan pengolah citra lainnya seperti ERDAS atau ER Mapper. Disamping itu, ENVI juga dapat mengolah citra yang berasal dari format generik seperti JPEG, TIFF, GEO TIFF dan lain-lainnya.

Data yang digunakan dalam latihan bab ini adalah :

1. Memulai ENVI 4.1

a. Pilih Start  Program  ENVI 4.1

b. Memahami tampilan depan (GUI) dari ENVI 4.1.

c. Menampilkan citra

Dari jendela menu utama, pilih File  open image file Arahkan ke data can_tmr.img lanjutkan dengan klik open

d. Jendela Available Band List

 Membuka citra Grayscale

o Pilih TM Band 4  pilih Grayscale

(3)

e. Grup tampilan dalam ENVI

Terdapat 3 grup tampilan dalam ENVI, yaitu : image window, scroll window, dan zoom window

 Mengenal Image Window

Merupakan jendela utama untuk menampilkan bagian dari citra dalam resolusi sesungguhnya

 Mengenal scroll wondow

Merupakan jendela yang menampilkan citra secara keseluruhan dengan pengurangan resolusi (subsampled factor)

 Mengenal zoom window

Merupakan jendela untuk menampilkan perbesaran dari obyek yang diinginkan.

(4)

f. Menampilkan lokasi dan nilai kursor

 Pada menu utama ENVI atau grup tampilan ENVI, PIlih Window  Cursor location / value

 Atau pada jendela image, pilih cursor location / value

 Jelajahi untuk mengetahui nilai dan lokasi dari kursor 2. Perentangan kontras pada citra

Envi memiliki beberapa operasi penajaman kontras secara otomatis.

 Dari jendela image, pilih Enhance dan cobalah beberapa operasi perentangan contrast (linear, linear 0 – 255, dst)

 Bandingkan hasil dari beberapa perentangan kontras tersebut

3. Mengedit warna tampilan

Tampilan warna pada citra dapat diubah dengan menggunakan koleksi ENVI Color Table.

 Pada jendela image, pilih Tools  Color Mapping

 Envi Color Tables

 Coba lakukan beberapa perubahan warna

 Untuk kembali ke warna asal, pilih Option  Reset Color tables

(5)

4. Menampilkan Citra berwarna (komposit)

Sebelumnya kita berlatih menggunakan citra satu warna. Selanjutnya kita akan berlatih menggunakan citra berwarna yang dihasilkan dari komposit 3 bands menggunakan pilihan warna RGB (Red, Green , Blue).

 Dalam jendela available bands list, klik RGB color

 Pilih secara berurutan TM Band 1, TM Band 2, dan TM Band 5

 Klik Display #1, pilih New Display

 Load RGB

5. Menghubungkan 2 tampilan display

Kita dapat membandingkan 2 tampilan jendela image dengan operasi Link Displays. Hal ini akan membantu dalam identifikasi obyek dalam saluran yang berbeda.

 Dari jendela image, pilih Tools  Link  Link Displays

 Pilih nomor jendela tampilan yang ingin di Link-kan

(6)

BAB II GEOREFERENSI CITRA

Georeferensi merupakan proses pemberian titik ikat lapangan pada citra sehingga informasi yang ditampilkan pada citra memiliki ketepatan spasial (koreksi geometrik). Proses

pemberian titik ikat pada citra sering dikenal sebagai Ground Control Point (GCP).

Data yang digunakan dalam latihan bab ini adalah :

1. Menampilkan citra terkoreksi

 File  open image file  bldr_sp.img

 Keluar jendela available band list

 Load Band

 Untuk melihat informasi geometris citra, pada ikon Map Info pilih Edit Map Information

 Jelajahi tampilan tersebut

 Untuk melihat koordinat lokasi pada citra bisa melalui jendela image, klik dua kali pada citra untuk menampilkan Cursor Location/Value

(7)

2. Image to image registration

Dalam latihan ini, citra SPOT yang sudah teregistrasi akan digunakan sebagai base map pada citra LANDSAT TM yang belum memiliki koordinat.

 Tampilkan kedua citra tersebut, bldr_sp.img dan bldr_tm.img

 Tampilkan jendela cursor location/value a. Memulai image to image registration

 Dari menu utama ENVI, pilih Map  registration  Select GCP’s image to image

 Pada menu base map, pilih display#1 (citra SPOT) dan pada warp image, pilih display#2 (citra Landsat TM)

 Klik OK dan akan muncul jendela sbb.

 Mulai melakukan registrasi dengan memilih lokasi-lokasi yang mudah dikenali pada kedua citra. Gerakkan kursor pada citra teregistrasi, gunakan jendela zoom untuk memilih titik ikat secara tepat. Lanjutkan pada lokasi yang sama pada citra tujuan.

 Klik Add point

 Buat titik ikat minimal 4 untuk bisa menampilkan RMS Error.

 Semakin kecil nilai RMS Error semakin baik

 Buat titik ikat sebanyak 20

 Untuk mempersingkat waktu, kita akan menggunakan file titik ikat yang sudah ada

 Pada menu bar jendela GCP Selection, pilih Option  Clear All Points

 Klik File  Restore GCP’s from ASCII

(8)

 File GCPs yang sudah dibuat akan ditampilkan, pada kondisi ini menu predict dapat digunakan untuk menambah points pada GCPs.

b. Warping image (koreksi citra)

Warping image adalah proses eksekusi pembuatan GCP pada citra.

 Setelah proses pembuatan GCP selesai , simpan file GCPs

 Untuk eksekusi, pilih Option  Warp file

 Lengkapi jendela informasi tersebut (nama file), yang lain biarkan secara default

3. Image to Map Registration

Dalam latihan ini file vektor berformat Digital Line Graph (DGL) akan digunakan sebagai base map pada citra LANDSAT TM yang belum memiliki koordinat.

 Tampilkan citra LANDSAT TM, bldr_tm.img

 Tampilkan jendela cursor location/value a. Membuat GCP’s dari data vektor

 Dari menu utama ENVI, pilih File  open vector file

 Pada pilihan tipe file, pilih USGS DLG  pilih file bldr_rd.dlg

 Tampilkan dengan pilihan memory untuk menghemat ukuran file.

 Sesuaikan datum dan info lainnya, default tersedia. Pilih OK

 Pada jendela available vector list, pilih ROADS AND TRAILS: BOULDER, CO (merupakan file jalan format vektor)

(9)

 Load selected, pilih display#1 dan klik OK

 Keluar jendela image vector

 Pilih Map pada jendela utama ENVI, klik Registration  image to map registration

 Pada jendela citra, tentukan titik ikat yang mudah di identifikasi

(persimpangan jalan). Gunakan jendela zoom

 Pilih titik ikat pada peta vektor yang sama

 Klik kanan pada titik ikat peta vektor, pilih Export Map Location

 Dalam jendela GCP, klik Add points

 Langkah yang sama seperti pada Image to Image Registration

(10)

BAB III KLASIFIKASI CITRA

Klasifikasi citra merupakan bagian image processing yang paling penting. Merupakan tahapan untuk mengidentifikasi obyek-obyek pada citra. Pada bagian ini kita akan berlatih untuk menggunakan metode klasifikasi unsupervised dan supervised. Kegiatan post-classification dilakukan untuk memperhalus hasil klasifikasi dengan clump, sieve, combine classes dan accuracy assessment.

Berikut adalah file data yang akan digunakan dalam bab ini.

a. Menampilkan citra dengan color composite

 Dari menu utama ENVI, pilih File  Open Image File

 Pilih can_tmr.img

 Pada jendela available band list, klik RGB dan tentukan band 4, 3 dan 2 dalam susunan R, G, B

 Load Bands

b. Memahami tampilan color composite

Citra dengan color composite band 4,3,2 memberikan kenampakan yang cukup baik untuk mempermudah proses identifikasi obyek. Warna merah terang menunjukkan tingginya nilai spektral saluran infra-merah yang menunjukkan

(11)

tingkat vegetasi yang sehat misalnya pada hutan tanaman. Warna merah gelap yang berasosiasi dengan perbukitan menunjukkan vegetasi alami yaitu jenis conifer. Selain itu, kita dapat juga membedakan obyek permukiman, sungai, dll.

c. Klasifikasi Unsupervised (tak-terselia)

Klasifikasi ini menggunakan algoritma yg mengkaji sejumlah besar pixel yg tdk dikenal, kemudian membaginya ke dlm sejumlah klas berdasarkan

pengelompokan biasa nilai citra yg ada, dengan anggapan bahwa nilai di dlm suatu jenis tutupan tertentu seharusnya saling berdekatan pada ruang

pengukuran, sedang pada data kelas yang berbeda harus dapat dipisahkan dengan baik secara komparatif. Kelas yang dihasilkan disini adalah kelas spektral.

 Software ENVI menyediakan dua metode dalam klasifikasi tak terselia, yaitu : K-Means dan ISO-Data

 Dari menu utama ENVI, pilih classification  Un supervised  K-Means

 Pada jendela klasifikasi, pilih jumlah kelas yang diinginkan, misal : 5 kelas

 Pilih memory untuk menghemat ukuran file

 Klik OK

 Pada jendela Available band list, pilih K-means, Load Bands

 Coba lakukan pada hal yang sama dengan metode ISO-Data

(12)

 Cermati perbedaannya dengan menggunakan fasilitas Link-Displays d. Klasifikasi Supervised (terselia)

proses pemilihan kategori informasi/klas yang diinginkan, kemudian memilih daerah latihan (training sample) yang mewakili tiap kategori pada citra. Statistik yang diperoleh kemudian digunakan sebagai dasar untuk klasifikasi. Apabila klas yang dipilih dapat dipisahkan secara spektral & daerah latihan yang dipilih

mampu mewakili seluruh rangkaian data, maka proses klasifikasi akan berhasil dengan baik.

 Software ENVI menyediakan beberapa metode untuk klasifikasi terselia, antara lain : Parallelepiped, Minimum Distance, Mahalanobis Distance, Maximum Likelihood, Spectral Angle Mapper, Binary Encoding, and Neural Net

 Hal yang harus diperhatikan dalam metode terselia adalah pemilihan

Regions of Interest (ROI)

 Untuk menentukan ROI, langkah-langkah nya adalah sbb.

 Dari jendela image, pilih Overlay  Regions of Interest

 Pada jendela image (disarankan pada jendela zoom), pilih area yang homogen dengan cara klik mouse kiri dan buat poligon yang diakhiri dengan double klik mouse kanan.

 Klik New Region

 Ganti dengan keterangan yang kita inginkan

 Buat beberapa ROI pada kelas yang sama

 Simpan, klik file  save ROI

(13)

 Pada latihan ini kita akan menggunakan ROI yang sudah tersedia

 Buka citra Pada jendela ROI, pilih File  Restore ROIs

 Pilih classes.roi

 Klik OK

 Untuk memulai klasifikasi terselia, buka image can_tmr.img

 Pada jendela utama ENVI, pilih Classification  parallelepiped

 Pilih citra can_tmr.img sebagai sumber data, klik OK

 Pada pilihan ROI, pilih select all items untuk memilih semua ROI

 Pilih memory untuk menghemat ukuran file

 Klik Output Rule Image pada posisi No

 Klik OK, untuk menampilkan pada jendela Available Band List

 Pada jendela available band list, tampilkan hasil klasifikasi tersebut

 Lakukan langkah serupa untuk metode klasifikasi yang lain

 Cermati perbedaaannya dengan menggunakan fasilitas Link Displays e. Post Classification (generalisasi hasil klasifikasi)

Kegiatan ini merupakan usaha untuk memperhalus hasil klasifikasi. Salah satunya adalah dengan generalisasi yang bisa dilakukan dengan Clump dan Sieve

 Pada jendela utama ENVI pilih Classification  Post Classification  Sieve Classes

 Pilih file yang sudah terklasifikasi, can_sam.img

 Pilih output memory

 OK

(14)

 Classification  Post Classification  Clump

 Pilih output memory

 OK

 Bandingkan hasil dari ketiga citra tersebut f. Post Classification (menyatukan kelas)

Kegiatan ini merupakan salah satu alternatif untuk generalisasi citra dengan cara menggabungkan kelas yang dirasa sama dengan fasilitas combine classes

 Pada menu utama ENVI, pilih Classification  Post Classification  Combine classes

 Pilih file yang sudah terklasifikasi, can_sm.img

 Pilih kelas yang akan dikombinasikan, misal : pilih region#3 pada input file dan unclassified pada output class

 Klik Add combination, klik OK

 Pilih memory

 OK

g. Mengedit warna kelas

Setelah kita melakukan klasifikasi, proses editing warna diperlukan untuk memperbaiki tampilan citra

 Dari jendela image, pilih Tools  Color Mapping  Class Color Mapping

 Pilih kelas yang akan diganti warnanya

 Untuk membuat kelas warna yang permanen, bisa kita simpan file warna tersebut, klik File  Save Changes

(15)

h. Bekerja dengan Overlay (interactive overlay)

Salah satu fasilitas dalam ENVI adalah mampu menyediakan tampilan citra dengan hasil klasifikasi secara interaktif.

 Buka citra can_tm.img dalam tampilan grayscale band 4

 Buka citra hasil klasifikasi can_sam.img

 Pada jendela image citra can_tm.img, pilih overlay  Classification

 Pilih can_sam.img sebagai input

 Klik On pada jendela interactive overlay untuk menampilkan pada citra can_tm.img

 Coba satu persatu dan lakukan editing warna hingga tampilan menarik

 Hasil overlay disimpan dalam bentuk gambar, file  save image as  image file

i. Bekerja dengan Overlay (overlay vektor)

Beberapa file yang tersaji dalam bentuk vektor dapat di overlaykan dengan citra.

 Misal kita menggunakan citra hasil klasifikasi can_clmp.img

 Pada jendela image, pilih overlay  vectors

 Pada jendela vectors, pilih file  Open Vector File

 Pilih vector file can_v1.evf dan can_v2.evf, Open j. Convert hasil klasifikasi ke format vektor

Seringkali dalam melakukan operasi SIG, kita tidak hanya menggunakan satu perangkat Software saja. Misalnya : dalam operasi citra kita menggunakan ENVI, kemudian untuk pengolahan data dan penyajian menggunakan ArcView. Untuk melancarkan kegiatan pengolahan data di ArcView, hasil klasifikasi dalam ENVI harus dirubah kedalam format vektor (.shp)

 Tampilkan citra hasil klasifikasi can_clmp.img

 Pada menu utama ENVI, pilih Classification  Post Classification  Classification to Vector

 Pilih can_clmp.img

 Pada jendela yang tampil, pilih seluruh kelas

 Tulis Output filename yang diinginkan

 Pilih seluruh kelas pada jendela available vector list, Load Selected

 Pilih OK. File hasil convert tersaji dalam format .evf (format vektor ENVI)

 Untuk merubah ke format .shp, pada jendela image vector pilih File  Export active layer to shapefile

(16)

BAB IV LAYOUT

Layout merupakan kegiatan akhir dalam proses pengolahan data yang bertujuan untuk penyajian hasil dengan memperhatikan kaidah-kaidah kartografi.

Layout dengan fasilitas ENVI dianggap kurang menarik karena beberapa keterbatasan yang dimiliki oleh ENVI. Seringkali proses layout-ing dilakukan di lingkungan software lain,

misalnya : ArcView.

Terdapat 3 kegiatan dalam pembuatan layout, yaitu : pemberian Grid, pemberian Annotasi pada peta, dan menyimpan dalam format image lain untuk proses printing.

1. Membuat Grid pada citra

Grid merupakan informasi bujur dan lintang.

 Pada jendela image, pilih Overlay  Grid Lines

 Pada jendela grid line, pilih Option untuk merubah tampilan grid

 Apply 2. Membuat Annotasi

Annotasi adalah simbol pada peta baik berupa tulisan, poligon, dan informasi lainnya.

 Pada jendela image, pilih Overlay  Annotation

 Telusuri beberapa fasilitas Annotasi, klik Object

 Untuk meletakkan pada citra, klik mouse kiri

 Setelah lokasi sesuai, klik mouse kanan untuk menyelesaikan proses.

 Annotasi yang sudah dibuat, disimpan dengan fasilitas file  Save Annotation

(17)

3. Menyimpan hasil layout

Hasil layout yang telah dibuat disimpan dalam format image untuk mempermudah proses selanjutnya (printing).

 Pada jendela image, pilih File  Save Image As  Image File

 Pada Output File Type, pilih Tiff/Geotiff

(18)

BAB V APLIKASI PENGOLAHAN CITRA DIGITAL DI BIDANG KEHUTANAN

Beberapa aplikasi pengolahan citra digital di bidang kehutanan antara lain : perhitungan index vegetasi, pemetaan kerapatan tajuk, pembuatan DEM, pemetaan kelas kelerengan, visualisasi 3 Dimensi

1. Perhitungan Index Vegetasi

Terdapat 2 model Index vegetasi yang ditawarkan oleh ENVI, Normalized Difference Vegetation Index (NDVI) dan Tesseled Cap

a. NDVI

 Secara umum algoritma perhitungan NDVI adalah :

 NDVI akan menghasilkan nilai pixel antara -1 sampai dengan +1 yang menunjukkan semakin tinggi nilai (positif) pixel, maka menunjukkan semakin tinggi tingkat kehijauannya (vegetasi rapat)

 Untuk berlatih, gunakan citra bldr_tm.img pada materi latihan sebelumnya

 Setelah citra ditampilkan, klik pada jendela utama ENVI  transform  NDVI

 Sesuaikan Input File Type dengan citra yang digunakan

 Nilai NDVI Bands akan menyesuaikan dengan citra yang dipilih

(19)

b. Tesseled Cap

Tesseled cap merupakan transformasi citra untuk memberikan informasi : Brightness, Greenness, Third. Brightness dan Greenness berkaitan dengan indeks kehijauan, sedangkan Third berkaitan dengan kelembaban tanah.

 Langkah serupa dengan NDVI, hanya yang dipilih adalah Tesseled Cap 2. Pemetaan kelas kerapatan tajuk

Pemetaan kelas kerapatan tajuk merupakan kegiatan lanjutan setelah transformasi NDVI

 Hasil dari citra NDVI dilakukan pembagian kelas berdasarkan jumlah kelas yang diinginkan

 Pada jendela image NDVI, pilih Tools  Color mapping  Density slices

 Pilih citra yang dimaksud

 OK

 Pada jendela Density slices, klik clear ranges untuk membuat rentang baru

 Pilih Option  Add new ranges  tentukan parameter yang diinginkan

 Lakukan Editing dengan fasilitas Edit range

 Apply untuk melihat hasil

 Simpan hasil range, klik File  Save ranges

3. Pembuatan DEM

DEM atau Digital Elevation Model merupakan aplikasi yang sering digunakan terutama untuk pemetaan kondisi fisik lahan. Data yang dibutuhkan dalam pembuatan DEM adalah data ketinggian tempat. Tidak semua citra memiliki data DEM, hanya citra dengan sensor tertentu yang mampu menghasilkan data ketinggian (misal : SRTM,

(20)

ALOS PALSAR, dll). Selain dari data citra, DEM dapat dibuat dari data kontur. Peta kontur saat ini sudah banyak tersedia sehingga memudahkan dalam proses pengolahan data.

Pada latihan ini, materi peta kontur yang digunakan adalah peta kontur wilayah Taman Nasional Alas Purwo dengan format .shp

 Buka peta kontur, pada jendela Envi utama, pilih open vector file

 Rubah file type menjadi .shp

 Sesuaikan informasi tipe koordinat, datum, dll

 Ganti layer name dengan nama file yang diinginkan

 Output result to : file

 Ganti nama output file dengan nama yang diinginkan, simpan pada folder kerja

 Set Proyeksi ke UTM

 Datum : WGS 84

 Units : meter

 Zone : 50 S

(21)

 Pada jendela available vector layers : pilih layer , Load Selected

 Untuk merubah ke DEM, pada jendela utama ENVI, klik Topographic  Convert contours to DEM

(22)

 Perhatikan Elevation Attribut Column : Isi dengan kolom yang memiliki informasi ketinggian

 Valid Elevation Range : Isi sesuai nilai ketinggian

 Untuk mengisi kedua data tersebut, sebelumnya bisa dilihat dengan fasilitas ArcView untuk memudahkan proses perhitungan

 Periksa isian yang lain, sistem proyeksi, datum, dll

 Klik OK

 Pada jendela Output DEM, pilih file dan isi nama file keluaran

 OK

 Pada jendela available band list, tampilkan DEM tersebut

4. Pemetaan kelas kelerengan

Pemetaan kelas kelerengan merupakan salah satu kegiatan yang penting dalam bidang kegiatan. Data masukan dalam operasi ini adalah citra DEM.

 Pada jendela utama ENVI, pilih topographic  topographic modelling

 Pilih citra DEM

 Pilih Slope

 Output result to file dan beri nama file tersebut

 OK

(23)

 Ingat! Slope dalam ENVI dalam satuan derajad (degrees)

 Gunakan fasilitas Density slices seperti pada latihan sbelumnya untuk merubah kelas kelerengan

 Hasil citra kelas kelerengan disimpan dalam format image .bil untuk kemudian dilakukan digitas dalam lingkungan ArcView

5. Visualisasi 3 Dimensi

Visualisasi 3 Dimensi merupakan sarana untuk menampilkan obyek dengan lebih menarik dan tampak nyata. Bahan untuk menampilkan 3 Dimensi adalah data DEM

 Pada jendela utama ENVI, pilih topographic  3D Surface View

(24)

 OK

 Pada jendela 3D Surface, biarkan default klik OK

 Atur tampilan dengan kursor atau klik Option  Surface control

 Coba beberapa fasilitas dalam surface control tersebut

……….……….. Sumber :