TUGAS BESAR
PENGINDERAAN JAUH TERAPAN
ANALISIS SUHU PERMUKAAN TANAH MENGGUNAKAN CITRA LANDSAT 8 DENGAN ALGORITMA LST (LAND SURFACE
TEMPERATURE)
(STUDI KASUS : KABUPATEN BANGKALAN)
DISUSUN OLEH:
NAMA : MUHAMMAD IZZUL HAQUE NIM : 201911430011
DOSEN PENGAMPU:
MELISA AMALIA MAHARDIANTI, ST., MT.
PROGRAM STUDI TEKNIK GEOMATIKA FAKULTAS TEKNIK
UNIVERSITAS DR. SOETOMO
SURABAYA
KATA PENGANTAR
Puji syukur penulis ucapkan kehadirat Allah SWT karena atas Rahmat dan Karunia-Nya, sehingga penulis dapat menyelesaikan Tugas Besar yang berjudul “Analisis Suhu Permukaan Tanah Menggunakan Citra Landsat 8 Dengan Algoritma LST (Land Surface Temperature) Studi Kasus Kota Blitar” ini dengan lancar.
Penulis berharap proposal ini bisa membantu memberikan gambaran tentang penelitian yang akan dilakukan. Dalam kesempatan ini Penulis mengucapkan terima kasih kepada pihak – pihak yang telah membantu kelancaran dalam penyusunan proposal ini. Ucapan terima kasih penulis ucapakan kepada :
1. Allah SWT yang telah meridhoi langkah penulis sampai detik ini dan Allah SWT tidak membawa penulis sejauh ini hanya untuk gagal, sehingga penulis sadar tanpa kuasa- NYA, penulis tidak akan mampu menulis 1 huruf-pun.
2. Ibu Melisa Amalia Mahardianti, ST., MT. selaku Dosen Pengampu Mata Kuliah Penginderaan Jauh Terapan Prodi Teknik Geomatika.
3. Diri Penulis, karena telah bisa bertahan sejauh dan selama ini untuk menyelesaikan tugas demi tugas yang ada.
4. Pihak – pihak lain yang telah membantu dalam penyelesaian proposal ini baik secara langsung maupun tidak langsung.
Penulis menyadari bahwa proposal ini masih jauh dari kesempurnaan. Oleh karena itu, kritik dan saran yang membangun sangat penulis harapkan demi perbaikan dimasa akan datang.
Surabaya, 10 Januari 2024
Penulis
DAFTAR ISI
KATA PENGANTAR ... 2
DAFTAR ISI... 3
DAFTAR GAMBAR ... 4
BAB I PENDAHULUAN ... 5
1.1 Latar Belakang ... 5
1.2 Rumusan Masalah ... 6
1.3 Tujuan Penelitian ... 6
1.4 Batasan Masalah ... 6
1.5 Manfaat Penelitian ... 6
BAB II DASAR TEORI ... 7
2.1 Citra Satelit Landsat 8 ... 7
2.2 Pengolahan Citra ... 7
2.3 Kolerasli Citra TOA ... 8
2.4 BT (Brightness Temperature)... 8
2.5 NDVI (Normalized Difference Vegetation Index) ... 9
2.6 PV (Proporsional Vegetation) ... 9
2.7 EC (Error Corection) ... 9
2.8 LST (Land Surface Temperature) ... 10
2.9 Suhu Permukaan ... 10
2.10 Gambaran Umum Lokasi ... 11
BAB III METODOLOGI ... 12
3.1 Waktu dan Tempat ... 12
3.2 Data Yang Digunakan ... 12
3.3 Software dan Hardware ... 12
3.4 Diagram Alir ... 13
BAB IV HASIL DAN PEMBAHASAN ... 19
4.1 Hasil Peta ... 19
4.2 Kesimpulan ... 19
BAB V PENUTUP ... 20
DAFTAR PUSTAKA ... 21
DAFTAR GAMBAR
Gambar 2. 1 Gambaran Umum Lokasi ... 11
Gambar 3. 1 Lokasi Penelitian ... 12
Gambar 3. 2 Diagram Alir Penelitian ... 13
Gambar 3. 3 Algoritma Radiometrik ... 14
Gambar 3. 4 Algoritma BT (British Temporer ... 15
Gambar 3. 5 Algoritma NDVI ... 15
Gambar 3. 6 Algoritma PV (Proporsional Vegetation) ... 16
Gambar 3. 7 Algoritma EC (error Coreksi) ... 16
Gambar 3. 8 algoritma LST (Land Survace Temperature) ... 17
Gambar 3. 9 Citra yang sudah terpotong ... 17
Gambar 3. 10 Klasifikasi LST ... 18
Gambar 4. 1 Peta Analisis LST... 19
BAB I PENDAHULUAN
1.1 Latar Belakang
Kabupaten Bangkalan merupakan salah satu kabupaten di Provinsi Jawa Timur, Indonesia.
Wilayah ini memiliki iklim tropis dengan suhu yang cenderung tinggi sepanjang tahun.
Analisis suhu permukaan tanah menggunakan citra Landsat 8 di Kabupaten Bangkalan bertujuan untuk memahami pola suhu permukaan tanah di wilayah ini dan dampaknya terhadap pertanian, lingkungan, dan kesehatan manusia. Dengan pemahaman yang lebih baik tentang suhu permukaan tanah, kita dapat mengambil langkah-langkah yang tepat untuk mengelola sumber daya alam dan melindungi kesehatan masyarakat di Kabupaten Bangkalan.
Analisis suhu permukaan tanah (Land Surface Temperature/LST) menggunakan citra Landsat 8 di Kabupaten Bangkalan bertujuan untuk memahami pola suhu permukaan tanah di wilayah tersebut. LST merupakan parameter penting dalam studi iklim dan memiliki implikasi yang luas dalam berbagai bidang, termasuk pertanian, lingkungan, dan kesehatan manusia. Dengan menganalisis LST, kita dapat memperoleh pemahaman yang lebih baik tentang perubahan suhu permukaan tanah, pola panas, dan distribusi suhu di Kabupaten Bangkalan.
Analisis LST (Land Surface Temperature) di Kabupaten Bangkalan memiliki tujuan untuk memahami pola suhu permukaan tanah di wilayah tersebut. LST merupakan parameter penting dalam studi iklim dan memiliki implikasi yang luas dalam berbagai bidang, termasuk pertanian, lingkungan, dan kesehatan manusia. Dengan menganalisis LST, kita dapat memperoleh pemahaman yang lebih baik tentang perubahan suhu permukaan tanah, pola panas, dan distribusi suhu di Kabupaten Bangkalan.
Untuk melakukan analisis suhu permukaan tanah menggunakan citra Landsat 8 di Kabupaten Bangkalan, dapat digunakan teknologi penginderaan jauh dan algoritma pengolahan citra. Citra Landsat 8 menyediakan informasi suhu permukaan tanah dengan menggunakan berbagai band spektral, termasuk band termal. Analisis suhu permukaan tanah dapat membantu petani dalam mengelola tanaman mereka dengan lebih efektif. Dengan memahami pola suhu permukaan tanah, petani dapat mengoptimalkan waktu penanaman, irigasi, dan perlindungan tanaman dari suhu ekstrem dan Suhu permukaan tanah dapat mempengaruhi kesehatan manusia. Dengan menganalisis suhu permukaan tanah, kita dapat mengidentifikasi daerah-daerah dengan suhu tinggi yang rentan terhadap panas ekstrem. Informasi ini dapat digunakan untuk mengambil tindakan pencegahan dan mitigasi risiko kesehatan.
1.2 Rumusan Masalah
Adapun rumusan masalah dalam penelitian ini adalah :
1. Bagaimana algoritma LST dapat mengidentifikasi Suhu permukaan tanah ?
2. Seperti apa klasifikasi yang didapat oleh pengolahan citra dengan algoritma LST ? 1.3 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah :
1. Menganalisa suhu permukaan tanah menggunakan citra landsat 8.
2. Menganalisa suhu permukan tanah dengan algoritma LST.
1.4 Batasan Masalah
Adapun Batasan masalah pada penelitian ini adalah : 1. Citra satelit landsat 8.
2. Algoritma LST.
3. Studi kasus Kabupaten Bangkalan.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah :
1. Mengetahui proses Analisa suhu permukaan tanah dengan citra landsat 8.
2. Mengtahui proses analisis suhu permukaan tanah dengan algoritma LST.
3. Syarat lulus dalam menempuh mata kuliah Penginderaan Jauh Terapan.
BAB II DASAR TEORI
2.1 Citra Satelit Landsat 8
Citra satelit Landsat 8 merupakan salah satu program penangkapan citra bumi dengan satelit yang menghasilkan citra berkualitas tinggi untuk seluruh dunia setiap 16 hari. Citra ini disediakan oleh United States Geological Surveys (USGS) dan dapat diakses oleh umum melalui laman EarthExplorer. Landsat 8 memiliki resolusi piksel 28,5m, dengan satu band yang resolusi lebih tinggi dengan ukuran piksel 15m. Satelit ini menangkap jalur citra selebar 185km di permukaan bumi. Landsat 8 diluncurkan pada 11 Februari 2013 dan memiliki dua sensor, yaitu sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Landsat 8 memiliki 11 band, di mana 9 band berada di OLI dan 2 band lainnya berada di TIRS. Citra satelit Landsat 8 dapat digunakan untuk berbagai tujuan, seperti pemantauan perubahan tutupan lahan, analisis vegetasi, dan pemetaan sumber daya alam. Citra Landsat 8 dapat diunduh melalui berbagai portal penyedia data citra satelit, seperti EarthExplorer.
Citra satelit Landsat 8 memiliki beragam aplikasi dalam analisis penggunaan lahan.
Dengan resolusi piksel yang tinggi, citra ini memungkinkan pemantauan yang akurat terhadap perubahan penggunaan lahan dari waktu ke waktu. Citra Landsat 8 dapat digunakan untuk klasifikasi tutupan lahan, pemetaan sumber daya alam, analisis vegetasi, dan pemantauan perubahan lingkungan.
Penggunaan citra satelit Landsat 8 dalam analisis penggunaan lahan telah terbukti efektif dalam berbagai penelitian. Misalnya, penelitian klasifikasi tutupan lahan di Kabupaten Sumedang menggunakan citra satelit Landsat 8 OLI (Operational Land Imager) berhasil memberikan informasi yang penting dan efektif dalam pemantauan tutupan lahan. Metode klasifikasi yang digunakan dalam penelitian ini adalah metode maximum likelihood classification (MLC), yang mempertimbangkan faktor prior probability untuk mengklasifikasikan piksel ke dalam kategori tertentu. (Purwanto, A. 2016)
2.2 Pengolahan Citra
Citra digital dapat didefinisikan sebagai gambar (image) dalamtampilan dua dimensi yang disimpan dalam bentuk/format digital. Gambartersebut oleh komputer didefinisikan sebagai sebuah bidang (dengan luastertentu) yang terdiri dari banyak titik dengan koordinat tertentu. Banyaknyatitik dalam bidang inilah yang dinamakan pixel. Semakin banyak pixel, citrayang dihasilkan semakin jelas. Citra digital dapat dihasilkan dari beberapamedia, antara lain kamera digital, scanner, sinar X, dan sebagainya.Pengolahan citra digital adalah suatu
kegiatan pemrosesan gambardigital dengan tujuan memperbaiki kualitas suatu gambar agar lebih mudahdiinterpretasi oleh mata manusia ataupun mesin. Berdasarkan tujuannya, pengolahan citra digital dapat dibagi menjadi beberapa jenis antara lainsebagai berikut:
1. Perbaikan kualitas citra, misalnya menambah atau mengurangikontras,mempertajam gambar, atau memberikan warna semu.
2. Penghilang cacat pada citra, seperti menghilangkan noise dan blur.
3. Mengompres citra dengan tujuan mengurangi kapasitas gambar pada saatrestorasi.
4. Segmentasi citra, yaitu membagi citra menjadi beberapa segmen dengankriteria tertentu, biasanya dipakai untuk pengenalan pola pada mesinotomatis, robot, dan sebagainya.5.
5. Analisis citra, yaitu dengan mengekstraksi ciri-ciri citra tertentu untukkeperluan pengenalan dan identifikasi objek, contohnya adalah pendeteksitepi objek pada gambar.
6. Rekonstruksi citra, yaitu membentuk ulang objek hasil proyeksi, misalnyaoleh sinar X
2.3 Kolerasli Citra TOA
Koreksi ToA adalah koreksi pada citra yang dilakukan untuk menghilangkan distorsi radiometrik yang disebabkan oleh posisi matahari tanpa koreksi atmosfer. Koreksi ToA dilakukan melalui kalibrasi radiometrik dengan cara mengubah nilai digital number ke nilai reflektansi atau radian (Oktaviana et al., 2018). Rumus untuk mendapatan nilai koreksi TOA, sebagai berikut:
0.000342 × Nir + 0.1 (2.1) Dimana: NIR = Reflektan Infra merah dekat citra landsat 8.
2.4 BT (Brightness Temperature)
Setelah mendapatkan nilai radiasi spektral, langkah selanjutnya adalah mengubahnya menjadi suhu kecerahan (BT). Dalam hal ini, Persamaan 4 dipakai untuk melakukan konversi dari nilai radiasi spektral menjadi suhu kecerahan (Kasus et al., 2018).
1321.0789/Ln((774.8853)/TOA)+1) – 273.15
(2.2)
Dimana:
TOA = nilai hasil TOA yang sudah dianalisa menggunakan reflektan infra merah dekat
citra landsat 8
Ln = Panjang gelombang dari radiasi yang dipancarkan (nilai tengah dari citra landsat 8).
2.5 NDVI (Normalized Difference Vegetation Index)
Tingkat kehijauan suatu vegetasi dapat diidentifikasi dengan menggunakan nilai NDVI, yang membedakan vegetasi dari tutupan lainnya dengan mekanisme di mana klorofil menyerap cahaya merah untuk fotosintesis, sedangkan panjang gelombang infrared dekat (Near Infrared/NIR) dipantulkan karena hamburan yang berasal dari struktur internal daun. NDVI dihitung berdasarkan persamaan tertentu (Kasus et al., 2018).
Float(Red - Nir)/Float(Nir + Red) (2.3) Dimana:
NIR = Reflektan Infra merah dekat citra landsat 8 RED = Nilai reflektan kanal merah citra landsat 8.
2.6 PV (Proporsional Vegetation)
Untuk mengurangi gangguan dari kondisi tanah yang lembab dan fluktuasi energi permukaan, NDVI akan diskalakan untuk menghasilkan nilai Pvi. Rentang nilai Pvi adalah 0-1 dan didapatkan melalui persamaan NDVI (Putri Darlina et al., 2018).
Square (NDVI-(x))/(y – (- y)) (2.4) Dimana:
NDVI = nilai hasil NDVI yang sudah dianalisa menggunakan reflektan infra merah dekat (Band 5) dan Nilai reflektan kanal merah (Band 4)
X = nilai minimum pada NDVI Y = nilai maximum pada NDVI.
2.7 EC (Error Corection)
Setelah fraksi tutupan vegetasi telah diketahui, nilai koreksi kesalahan di suatu wilayah dapat dihitung (Putri Darlina et al., 2018)
0.004*PVI + 0.986 (2.5) Dimana:
PVI = nilai hasil PVI yang sudah dianalisa menggunakan reflektan infra merah dekat citra landsat 8 dan Nilai reflektan kanal merah citra landsat 8, dan juga nilai minimum dan maximum.
2.8 LST (Land Surface Temperature)
Keadaan temperatur di permukaan tanah, yang juga dikenal sebagai Land Surface Temperature (LST), tergantung pada keseimbangan energi antara permukaan, atmosfer, sifat termal dari permukaan tersebut, dan media di bawahnya. Citra satelit Landsat yang mengandung informasi dari band thermal dapat digunakan untuk mengidentifikasi suhu permukaan di suatu wilayah (Delarizka & Sasmito, 2016).
Metode perhitungan LST atau brightness temperature dilakukan dengan menggunakan rumus :
(BT/(1+0.000115 × BT/1.4388)*Ln (EC)) (2.6) Dimana:
BT = Brightness temperature dari citra landsat 8.
EC = nilai koreksi citra satelit dari citra landsat 8.
2.9 Suhu Permukaan
Suhu permukaan suatu objek merupakan suhu pada bagian terluar objek tersebut. Setiap objek memiliki suhu permukaan yang berbeda-beda tergantung pada sifat fisik permukaannya, seperti emisivitas, kapasitas panas jenis, dan konduktivitas thermal. Ketika emisivitas dan kapasitas panas jenis objek tinggi, namun konduktivitas thermal rendah, suhu permukaannya akan menurun, seperti pada permukaan tubuh air. Sebaliknya, pada permukaan darat, suhu permukaan akan meningkat. Suhu permukaan tertinggi biasanya terdapat di pusat kota dan akan menurun secara bertahap ke arah pinggiran kota hingga ke desa (Lempoy et al., 2021).
2.10 Gambaran Umum Lokasi
Gambar 2. 1 Gambaran Umum Lokasi
Kabupaten Bangkalan adalah sebuah kabupaten di Pulau Madura, Provinsi Jawa Timur Kabupaten ini terletak di ujung paling barat secara administrasi wilayah Kabupaten Bangkalan memiliki batas-batas sebagai berikut :
Sebelah Utara : Laut Jawa
Sebelah Timur : Kabupaten Sampang Sebelah Selatan : Selat Madura Sebelah Barat : Selat Madura
Kabupaten Bangkalan memiliki 18 Kecamatan yang dibagi atas sejumlah 273 Desa dan 8 Kelurahan dengan jumlah penduduk 1.190.129 Jiwa serta pusat pemerintahannya berada di Kecamatan Bangkalan.
BAB III METODOLOGI
3.1 Waktu dan Tempat
Adapun waktu dan tempat pelaksanaan penelitian adalah sebagai bertikut : Waktu ; 10 Desember 2023 – 12 Januari 2024
Tempat : Kabupaten Bangkalan
Gambar 3. 1 Lokasi Penelitian
3.2 Data Yang Digunakan
Data yang digunakan dalam penelitian ini adalah : 1. Citra satelit landsat 8 OLI/TRS C2 L1
2. SHP Batas Kabupaten Bangkalan
3.3 Software dan Hardware 1. Hardware
Laptop dengan Spesifikasi :
Sistem Operasi : Windows 11 64-bit
Processor : Intel® Core™ i5 Gen 11 CPU Memory : 7876 MB
2. Software
Berikut merupakan software yang digunakan, yaitu Google dan ArcGIs 10.8.
3.4 Diagram Alir
Gambar 3. 2 Diagram Alir Penelitian
Penjelasan Diagram Alir : 1. Studi Literatur
Mencari sumber penelitian terdahulu untuk acuan pengerjaan dan data untuk penelitian.
2. Pengumpulan Data
Mencari data yang akan digunakan untuk pengolahan, mulai dari mengunduh citra landsat 8 dan mengunduh batas administrasi Kabupaten / Kota.
3. Data SHP Batas
Batas Administrasi digunakan untuk memotong citra sesuai dengan AOI (Area of Interest) atau dapat dipotong sesuai dengan keinginan.
4.
Data CitraData citra landsat 8 untuk menganalisis algoritma LST 5. RADIOMETRIK
Proses koreksi yang dilakukan untuk memperbaiki kualitas citra dan nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.
Gambar 3. 3 Algoritma Radiometrik
6. BT (Brightness Temperature)
Proses menggambarkan suhu permukaan rata-rata yang terdapat dalam cakupan suatu piksel dengan berbagai tipe permukaan yang berbeda.
Gambar 3. 4 Algoritma BT (British Temporer
7. NDVI (Normalized Difference Vegetation Index)
Proses menghitung tingkat kehijauan vegetasi dengan membandingkan reflektansi cahaya merah dan NIR. Nilai NDVI berkisar antara -1 hingga +1.
Gambar 3. 5 Algoritma NDVI 8. PV (Proporsional Vegetation)
Proses mengurangi gangguan dari kondisi tanah yang lembab dan fluktuasi energi permukaan,
Gambar 3. 6 Algoritma PV (Proporsional Vegetation)
9. EC (Error Corection)
Proses mengetahui, nilai koreksi kesalahan di suatu wilayah dapat dihitung.
Gambar 3. 7 Algoritma EC (error Coreksi)
10. LST (Land Survace temperature)
Proses mengidentifikasi suhu permukaan di suatu wilayah.
Gambar 3. 8 algoritma LST (Land Survace Temperature) 11. Pemotongan Citra
Pemotongan ini dilakukan sesuai AOI yang akan digunakan, dapat juga citra tersebut tidak dipotong dengan resiko prosessing yang berat (untuk device yang standar) namun untuk device dengan spesifikasi yang mumpuni dapat dilakukan dengan mudah.
Gambar 3. 9 Citra yang sudah terpotong 12. Analisis LST
Penelitian ini bertujuan untuk menganalisis LST sebagai upaya mitigasi terhadap perubahan iklim dan cuaca yang tidak terduga.
Gambar 3. 10 Klasifikasi LST
BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil Peta
Gambar 4. 1Peta Analisis LST
4.2 Kesimpulan
Dari data yang didapat dari pengolahan citra satelit landsat 8 dengan pengolahan algoritma LST suhu permukaan tanah di Kabupaten Bangkalan pada tahun 2018 termasuk dalam angka relative tinggi .
BAB V PENUTUP
Demgan Rahmat ALLAH yang maha Kuasa, penulis telah menyelesaikan serangkaian proses pengolahan citra satelit landsat 8 dengan algoritma LST untuk menganalisis suhu permukaan tanah di Kabupaten Bangkalan telah selesai meskipun dalam pengerjaan penulias mendapat
banyak masalah dan ketidak tahuan .
DAFTAR PUSTAKA
Aditiyanti, A. H., Sabri, L. M., & Sasmito B. (2013). Analisis Pengaruh Perubahan NDVI dan Tutupan Lahan Terhadap Suhu Permukaan di Kota Semarang. Jurnal Geodesi Undip, 2(3), 10- 19. Aftriana, C. V. (2013).
Analisis Perubahan Kerapatan Vegetasi Kota Semarang Menggunakan Aplikasi Penginderaan Jauh. Skripsi, Universitas Negeri Semarang. Andini, S. W., Prasetyo, Y., & Sukmono, A.
(2018).
Analisis Sebaran Vegetasi dengan Citra Satelit Sentinel Menggunakan Metode NDVI dan Segmentasi. Jurnal Geodesi UNDIP, 7(1), 14- 24. Hakim, L., Ismail, N., & Faisal, F. (2017).
Kajian Awal Penentuan Daerah Prospek Panas Bumi di Gunung Bur Ni Telong berdasarkan Analisis Data DEM SRTM dan Citra Landsat 8. Jurnal Rekayasa Elektrika, 13(3), 125-132.
Hanif, M. (2015). Bahan Pelatihan Penginderaan Jauh Tingkat Lanjut. Padang: Universitas Negeri Padang.
Humam, A., Hidayat, M., Nurrochman, A., Anestatia, A. I., Yuliantina, A., & Aji, S. P. (2020).
Identifikasi Daerah Kerawanan Kebakaran Hutan dan Lahan Menggunakan Sistem Informasi Geografis dan Penginderaan Jauh di Kawasan Tanjung Jabung Barat Provinsi Jambi.
Jurnal Geosains dan Remote Sensing, 1(1), 32-42. Klompmaker, J. O., Hoek, G., Bloemsma, L. D., Gehring, U., Strak, M., Wijga, A. H., & Janssen, N. A. (2018).
Green space definition affects associations of green space with overweight and physical activity. Environmental research, 160, 531-540. Lillesand, T. M., & Kiefer, R. W. (1997).
Penginderaan Jauh dan Interpretasi Citra (Terjemahan), Yogyakarta: Gadjah Mada University Press. Pur, I. W., & Nishio, F. (2010).
Relationships between rice growth parameters and remote sensing data. International Journal of Remote Sensing and Earth Sciences (IJReSES), 4(1).
Purwanto, A. (2016). Pemanfaatan citra Landsat 8 untuk identifikasi Normalized Difference Vegetation Index (NDVI) di kecamatan silat hilir kabupaten Kapuas Hulu. Edukasi: Jurnal Pendidikan, 13(1), 27-36.
Putra, P. T., & Nasrullah, N. (2017). Comfort Evaluation of Some City Parks in Menteng Subdistrict Using Grid Method. In IOP Conf. Series: Earth and Environmental Science (Vol.
91, pp. 1-5). Setyowati, D. L. (2008).
