Cara Download Citra Landsat

November 10, 2012belajargeomatikaLeave a commentGo to comments

Rate This United States Geological Survey (USGS) merupakan tambang emas bagi para pencari data sains geospasial secara gratis. Kita dapat mendownload berbagai macam citra satelit seperti landsat, Terra dan Aqua. Biasanya, citra yang kita dapatkan di internet telah diproses secara lanjut untuk menciptakan citra dengan kualitas yang bagus. Namun sayangnya, data tersebut dibatasi hanya untuk penelitian ilmiah. Untungnya, USGS menyediakan citra-citra tersebut namun dengan kualitas yang tidak sebagus citra yang telah diproses. Untuk mendownload data dari situs USGS, kita perlu melengkapi pendaftaran untuk akun gratis. Bila kita telah memiliki sebuah akun, gunakan akun tersebut. Setelah melakukanpendaftaran, lakukan log in dengan menggunakan username dan password yang kita gunakan pada saat mendaftar tadi. Kita dapat menutup jendela log in, tapi jangan log out dulu sampai proses download data selesai. Download Data Landsat menggunakan USGS Global Visualiation Viewer (GloVis) Glovis merupakan suatu tool untuk menampilkan, menyeleksi dan memesan data dari berbagai koleksi citra satelit yang dimiliki USGS. Keuntungan dari situs ini adalah tersedianya data untuk seluruh spectral yang diproduksi oleh si satelit. Glovis memungkinkan kita untuk melakukan peninjauan terhadap scene yang kita inginkan ( dan delapan scene lain yang mengelilinginya) dengan memasukkan nomor path dan row atau lintang dan bujur dari kenampakan yang ingin kita download. Scene Information menunjukkan Scene-ID, persentase tutupan awan dan identifikasi lebih lanjut berdasarkan tanggal pengambilan. Berikut rincian tahapannya:

Lakukan registrasi terlebih dahulu di https://earthexplorer.usgs.gov/register/

Gambar 1. Tampilan registrasi di Earth Explorer USGS

 

Kemudian aktivasi akun melalui link yang dikirim ke email pendaftaran. Setelah registrasi berhasil, masuklah ke http://glovis.usgs.gov/ untuk memilih area dan data citra yang akan di download. (memerlukan aplikasi Java)

misalnya L7 SLC-on (1999-2003).Gambar 2. Tampilan halaman download citra   Pemilihan lokasi dapat dilakukan baik dengan menggunakan peta yang tersedia di kiri atas. ataupun dengan memasukkan nomor row dan path atau koordinat lintang dan bujur dari lokasi yang akan di download. Lalu klik Add > Send to Cart . Cloud) dan waktu pengambilan citra. Gambar 3. lakukan pemilihan kriteria seperti tutapn awan maksimal (Max. Pemilihan data citra   Pilih koleksi yang tersedia. Kemudian pilihlah jenis data citra yang akan didownload dengan mengklik Collection yang ada di pojok kiri atas.

Loginlah menggunankan akun yang telah diregister sebelumnya. Halaman Log In USGS  Kemudian akan muncul tampilan berikut Gambar 6. Konfigurasi download  Lalu kita akan diarahkan ke link lain untuk melakukan login. Pemilihan jenis data yang didownload   Pilihlah data yang akan didownload sesuai dengan kriteria yang Anda butuhkan. (Penulis memakai IDM) . Klik Sign In. Gambar 5. Tunggu sampai proses download selesai. Maka akan muncul tampilan berikut Gambar 7. Persiapan Download  Klik pada gambar yang ada di sebelah kanan.Gambar 4.

Gambar 8.TIF) landsat band_10 (nomor 2). Terus pilih file (. Jalankan software Ermapper : 2. citra dengan format TIFF dan dalam band masing-masing telah tersedia. Proses Download  Download berhasil.0 dan data citra landsat diperoleh dari tutorial sebelumnya (CARA MENGISI GAP (GAP FILL) LANDSAT 7 (SLC-OFF)) Berikut langkah-langkahnya : 1. http://belajargeomatika.wordpress. Buka file (File .Open) atau lewat icon "open file" (nomor 1). seteleh itu klik tombol "OK" (nomor 3) .com/2012/11/10/cara-download-citra-landsat/ CARA MENGGABUNGKAN BANDS CITRA LANDSAT Software yang digunakan adalah Ermapper 7.

. sorot (klik) "Pseudo Layer" (nomor 1). sehingga sekarang ada 9 buah "Pseudo layer". maka selanjutnya akan muncul tampilan layar "Algorithm" 4. Pada bagian "Pseudocolor". Klik icon "Edit Algorithm" (nomor 1).Hasilnya seperti berikut ini : 3. lalu klik icon "Duplicate"(nomor 2) sebanyak 8 kali.

Rename semua "Pseudo Layer" menjadi Band_10. akan membuka Tampilan "Raster Dataset" seperti di bawah ini : .Klik icon "Load Dataset" (nomor 2). Lakukan pengaturan Dataset untuk semua band.Klik layer "Band_10" (nomor 1) . dst.Band_20 : Dataset diarahkan ke file L71127061_06120100524_B20_reg_filled.TIF . Adapun cara pengaturannya adalah sebagai berikut : .. Band_20... seperti gambar di bawah ini : 6.Band_10 : Dataset diarahkan ke file L71127061_06120100524_B10_reg_filled. Pada tahap ini.TIF .5. sebagai berikut : .dan seterusnya.

ers" (nomor 3) .TIF" (nomor 3) . caranya : .Ketikkan nama filenya di bagian "Save as:".Pada bagian "Files of type" pilih "ER Mapper Raster Dataset (.Klik tombol "OK this layer only" (nomor 4) Lakukan cara diatas untuk Band_20 sampai Band_80.ers)" (nomor 2) .Pada Tampilan "Raster Dataset" Pilih file "L71127061_06120100524_B10_reg_filled. sehingga diperoleh hasil akhir seperti berikut ini : 7. Save "Algorithm" diatas..Klik icon "Save" (nomor 1) .Klik tombol "OK" (nomor 4) . misalnya :"L71127061_06120100524.

8. Sekarang pada tampilan utama "ER Mapper".ers ("L71127061_06120100524. Setelah selesai..Pada tampilan berikutnya.. klik "OK" Tunggu proses saving file .. Tutup layar "Algorithm" dan layer file yang tadi dibuka..ers") . klik "OK". kita buka file .

Klik tombol "OK" (nomor 4) Hasilnya. klik icon "Create RGB Algorithm" Secara default.yang sudah disave di langkah 7.Pilih file"L71127061_06120100524. komposisi/setting band "RGB Algorithm" adalah "RGB 321".ers" (nomor 3) . contohnya seperti gambar berikut ini : . Untuk mengatur penggabungan warna Band-nya.Klik icon "Load Dataset" (nomor 1) .ers)" (nomor 2) . pada Tampilan utama "ER Mapper".Pada bagian "Files of type" pilih "ER Mapper Raster Dataset (. sebagai berikut : 9. caranya : .

Blue Layer diset ke Band_10 Maka untuk mengubah algorithm ke "RGB 542".Green Layer diset ke Band_40 (nomor 3).Untuk mengubah ke komposisi warna band yang lain. seperti berikut: Perhatikan arah tanda panah dari gambar diatas (RGB 321): .Klik icon "Edit Algorithm" pada layar utama "ER Mapper". caranya seperti berikut ini : . Contoh apabila kita ingin mengatur warna band ke "RGB 542".Red Layer diset ke Band_30 .Blue Layer diset ke Band_20 (nomor 4). kita tinggal meng-Edit Algorithm-nya di "ER Mapper".Red Layer diset ke Band_50 (nomor 2) . dan . lalu akan tampil layar "RGB Algorithm" default (RGB 321). dan .Delete "Pseudeo Layer" (nomor 1) . sehingga hasilnya menjadi seperti ini : . langkahnya adalah : .Green Layer diset ke Band_20.

dengan warna yang berbeda-beda untuk masingmasing kelas. Sebagai contoh suatu citra Landsat TM dengan tujuh buah informasi band dapat diklasifikasi untuk mengidentifikasi lingkupan hutan atau tata guna lahan. mineral. kita dapat memilih jenis keluaran yang diinginkan dan juga pengolahan data yang diinginkan.Coba klik icon "Refresh Images". Unsupervised Classification (Klasifikasi Tidak Terbimbing) Kita menggunakan klasifikasi unsupervised ketika kita mempunyai sedikit informasi tentang dataset kita. ANALISIS CITRA SATELIT MENGGUNAKAN ERMAPPER Klasifikasi data adalah suatu proses dimana semua pixel dari suatu citra yang mempunyai penampakan spektral yang sama akan diidentifikasikan. perkebunan. Dalam proses klasifikasi kita akan membuat suatu data set klasifikasi atau suatu algoritma dari tiap-tiap baris yang mempresentasikan suatu kelas. maka hasilnya seperti gambar di bawah ini : @NY280111 http://pecethea.html TEKNIK KLASIFIKASI.com/2011/03/cara-menggabungkan-bands-citra-landsat.blogspot. Suatu dataset klasifikasi biasanya diperlihatkan dengan menggunakan suatu tampilan baris klasifikasi dalam algoritma. Kelas-kelas dapat mengidentifikasi area hutan. Klasifikasi supervised dan unsupervised biasanya digunakan untuk mengklasifikasi keseluruhan suatu dataset menjadi kelas-kelas. Tampilan baris klasifikasi dapat menampilkan banyak kelas. Kita mempunyai sejumlah pilihan untuk membuat suatu klasifikasi. urban. Klasifikasi data unsupervised memulai mengklarifikasi dari kelas-kelas atau wilayah-wilayah yang kita .

Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan menggunakan data yang sebenarnya di lapangan untuk menentukan kelas-kelas yang mempresentasikan area atau wilayah sebenarnya di lapangan. dalam contoh diatas diberikan warna RGB 542 (yang tampil 321 karena file ini diambil dari band 542 tetapi disimpan dengan format tiff sehingga band ditampilkan dalam layer 321 yang artinya sama dengan band 542) . masukan nama file baru sebagai file hasil klasifikasi unsupervised. kemudian pilih ISOCLASS Unsupervised Classification. alu klik Refress Gambar 7. pilih file yang akan diklasifikasikan Input Band pilih All Klik pada Output Dataset. analyst harus menggunakan data lapangan untuk memutuskan/mengontrol tipe penutupan . Dengan mengklik lalu simpan namanya. Jendela pengeditan kelas Warna image akan berubah dari greyscale menjadi warna yang menyerupai komposit warna RGB 542 Klik Load kembali pada file yang sama pada kotak Algorithm. Klik lalu klik Close. Image atau gambar tersebut belum dapat memberikan informasi tentang kelas-kelas obyek yang ada. Kita perlu juga untuk memberi warna dan nama untuk masing-masing kelas. Hasil klasifikasi dipengaruhi oleh parameter-parameter yang kita tentukan dalam kotak dialog klasifikasi unsupervised. dengan memberikan warna yang menyerupai warna komposit warna. Jendela status proses Gambar 4. disini diberikan nilai 100. Gambar 2. Jendela Auto-generate colors Kotak ini membantu kita untuk memberikan warna pada kelas-kelas yang ada. Proses ini diulang-ulang sambil mensave dan me-refress hasilnya sehingga dapat terlihat perubahan warnanya pada kotak image.spesifikasikan atau dari jumlah nominal kelas. Ubah unlabelled name menjadi nama kelas yang kita inginkan. kemudian ubah Pseudo Layer dengan mengklik kanan menjadi Class Display Layer. Jendela Algoritm untuk mengatur Kelas Klasifikasi Akan muncul image dengan warna greyscale (keabuan). dimana jumlah kelas akan sama dengan Maximum number of classes yang kita berikan atau kurang dari nilai tersebut. Masukkan nilai Maximum number of classes. Dari informasi ini mungkin kita bisa memutuskan untuk mengkombinasikan atau menghapus kelas-kelas yang diinginkan. Kemudian ke 15 kelas ini harus kita gabung lagi menjadi jumlah kelas yang lebih kecil lagi yang sesuai dengan yang kita inginkan. Jendela informasi proses telah selesai Hasil klasifikasi ditampilkan dengan mengklik . Misalnya kelas unlabelled 1 s/d 3 menjadi kelas Air. Klik Save. Untuk melihat perubahan warnanya dapat juga dengan cara mensave image menjadi Algorithm. Klik OK Gambar 3. Pada menubars pilih Process kemudian pilih Classification. Klasifikasi unsupervised secara sendiri akan mengatagorikan semua pixel menjadi kelas-kelas dengan menampakan spektral atau karateristik spektral yang sama. semak belukar. Klasifikasi unsupervised akan menghitung secara statistik untuk membagi dataset menjadi kelas-kelas sesuai dengan jumlah kelas yang kita inginkan. disini diberikan 4. Kemudian pada menubars pilih Edit kemudian pilih Edit Class/Region Color and Name…. kemudian akan muncul kotak Auto-generate colors Gambar 6. Masukkan nilai Maximum iterations. Lahan Terbuka. Menu Pilihan ISOCLASS Unsupervised Classification. Masukkan nilai Maximum standart deviations. nilai tertinggi yang bisa dimasukkan 9999. Gambar 5.Seperti yang telah didiskusikan di kelas. disini diberikan 15.5. nilai tertinggi yang bisa dimasukkan adalah 255. Pada kotak Edit Class/Region Details klik . Gambar 1. kemudian samakan warnanya. Klik OK Supervised Classification (Klasifikasi Terbimbing) Klasifikasi terbimbing adalah merupakan metode klasifikasi yang lebih memuaskan. dan warnanya dirubah menjadi biru. Kemudian klik Full Saturation menjadi seperti contoh diatas. Awan. hutan). Akan muncul kotak Edit Class/Region Details. Misalnya dari 15 kelas ini akan diperkecil menjadi 5 kelas (Air. Jendela dialog Input dan Output klasifikasi Unsupervised Klik pada Input Dataset.

ers. Kembangkan scheme klasifikasi yang mempunyai minimal 7 kelas. lakukan klasifikasi terbimbing menggunakan teknik parallelepiped. Ujilah plot spektral untuk mengontrol tingkat keterpisahan antar kelas. Tools Region Layer Dari kotak Tools ini kemudian kita membuat polygon training area yang mewakili obyek-obyek yang akan kita kelaskan. Kemudian klik OK. Jendela Pesan penyimpanan region Lakukan proses yang sama untuk obyek-obyek yang lain. Pilihlah klasifikasi yang terbaik. Kemudian pada menubars pilih Process lalu pilih Calculate Statistics…. Komposit yang umum digunakan adalah RGB 542 Kemudian dari menubars pilih Edit kemudian pilih Edit/Create Regions… Gambar 8. kemudian pilih Supervised Classification. Pada kotak Algorithm akan muncul Region Layer (Outline). Klasifikasi ini dilakukan dengan menggambar training area untuk masingmasing tipe penutupan lahan yang harus dipisahkan pada klasifikasi dan menggunakan karakteristik spektral masing-masing area untuk mengklasifikasi citra. Gambar 13. Akan muncul Gambar 12. Klasifikasi supervised memerlukan kelas-kelas yang menspesifikasikan wilayah-wilayah yang diinginkan. kemudian pada kotak di samping Force Recalculate stats klik sehingga seperti contoh diatas.lahan yang benar untuk areal citra. Gambar 10. Klasifikasi supervised kemudian akan mencari semua pixel dengan karakteristik-karakteristik spektral yang sama. Jendela Pemilihan Dataset Klik pada Dataset. Gambar 14. Menu proses Calculate Statistics Gambar 15.Setelah semua obyek terwakili melalui polygon training area. Buatlah plot spektral untuk keseluruhan kelas. vegetasi. Gambar 11. Jendela Dialog status konfirmasi Klik OK Akan muncul massage yang menandakan polygon tersebut telah tersimpan dalam file. minimun distance to means dan maximum likelihood. Klik untuk memulai pengambilan polygon training area. Kembangkan training area dan buatlah signature statistik untuk training area. kemudian klik Close pada kotak Tools. maka buat polygon pada daerah air. kemudian pilih file yang tadi telah kita training area Isikan nilai 1 pada Subsampling interval. buat komposit warnanya supaya memudahkan dalam membedakan objek yang akan dikelaskan. kemudian kita membuat polygon dengan mengklik kiri untuk memulai polygon dan seterusnya lalu diakhiri dengan mengklik kiri dua kali. ERMapper akan memproses Calculate Statistics. misal: Air. Misalnya kelas pertama adalah Air. Klik OK Pada menubars pilih Process kemudian pilih Classification. Kemudian akan muncul kotak Tools. Untuk contoh kita bisa mendefinisikan wilayah-wilayah untuk kelas air. Jendela New Map Composition Kemudian klik OK. Untuk aktifitas ini. maka polygon akan menutup. Kursor akan berubah menjadi . Menu Pilihan Edit/Create Region Akan muncul kotak New Map Composition Gambar 9. D:\Remote Sensing\Samarinda. dengan menggambarkan poligon-poligon pada area dengan karakteristik-karakteristik spektral tertentu. Menu Pilihan Klasifikasi Superfised . sesuai dengan yang telah kita definisikan. Ujilah histogram training area. Kemudian klik akan muncul kotak Map Composition Attribute. Jendela Dialog Map Composition Attribute Ketikan nama kelasnya. Buka file yang akan diklasifikasikan. urban dengan menggambar wilayah latihannya. Kemudian klik Setelah itu save region ke dalam file. Gambar 16. Kita dapat mendefinisikan suatu wilayah dengan menggambarkan suatu wilayah latihan dengan menggunakan sistem anotasi dan menyimpannya dalam dataset raster. Kita menggunakan klasifikasi terbimbing apabila kita mempunyai pengetahuan yang cukup dari dataset dan pada posisi atau area mana suatu wilayah atau kelas-kelas tersebut berada dilapangan.

Posisikan image (warna biru/kotak dalam) sesuai dengan posisi kertas (warna merah/kotak luar). EN (Easting Northing/UTM). Jendela Map Object select . dengan mengatur Borders kita dapat menempatkan image dimana saja. Klik new window Buka file hasil klasifikasi Gambar 19. Kualitas kartografik peta pada ER Mapper dapat membuat grid. lalu pilih Area Summary Report Gambar 20. tetapi dapat lebih besar dari nilai aslinya. Drag gambar LL kedalam citra yang akan kita beri anotasi. vektor dan tabular.Gambar 17. kemudian klik OK akan muncul Annotation Tools box seperti gambar berikut ini Gambar 25. Pilih Size kerta A4 – landscape. poligon. garis. Menu Pilihan Area Summary Repport Gambar 21. Gambar 24. Gambar 22. kemudian akan muncul kotak Map Object Select seperti diatas Kemudian pilih Category: Grid. Jendela Pengeditan kelas Klasifikasi <> MENGHITUNG LUASAN DARI SETIAP KELAS Pertama-tama file yang berisikan kelas–kelas yang akan kita hitung luasannya kita Calculate Statistics terlebih dahulu. Kita dapat menggunakan fasilitas anotasi dan komposisi peta ER Mapper untuk membuat peta citra yang berkualitas yang mengandung data raster. Jendela dialog Area Summary Repport Pilih file yang akan kita hitung luasannya. Kemudian dari menubars pilih View kemudian Statistics. Menu Anotation Tools Klik Map Rectangle untuk memulai komposisi peta. Input Band pilih All Pada Output Dataset beri nama dengan menambahkan akhiran _class pada nama file input. Maka di Algorithm akan bertambah 1 layer yaitu Annotation Layer. kemudian klik OK Maka akan muncul luasan pada setiap kelas dalam satuan Hectare. Dari dialog box Algorithm pilih Edit pilih Add Vector Layer dan pilih Annotation/Map Composition. legenda klasifikasi. jika sudah selesai akan ada jendela informasi yang menyatakan Supervised Classification finished successfully. pilihan size beragam kita bebas memilih kertas yang akan digunakan. pilih Page Setup. Anotasi memungkinkan untuk menggambar secara langsung dilayar komputer dengan menggunakan fasilitas teks. Jendela Dialog selesai dengan sukses Untuk menampilkan hasil klasifikasi. bar skala. Jendela Penambahan Layer Vektor Klik Icon Annotation dengan Annotation Layer disorot dan akan muncul kotak New Map Composition. Pengaturan Halaman Set Background Color dengan warna putih Pilih Constrains: Auto Vary Borders. skala tidak bisa lebih kecil dari default/nilai aslinya. Seperti contoh berikut ini. legenda. Kilometer persegi. Gambar 26. Menu Pemilihan dataset Klik pada Input Dataset. pilihan ini memungkinkan kita untuk membuat skala peta yang cukup dengan kertas. Maka akan muncul kotak sebagai berikut: Gambar 23. Klik Apply dan OK bila sudah sesuai dengan yang kita inginkan. Kemudian klik OK. dan lain-lain. panah arah utara. blok titel. Dari menu File. logo perusahaan. Acre dan Mil persegi. Klik OK Gambar 18. Set Scale 1:160000. pilih file yang telah di calculate statistics. Hasil perhitungan luas Anotasi / Komposisi Peta Komposisi peta memungkinkan kita untuk mempresentasikan citra-citra secara profesional dan penuh arti. ERMapper akan memproses klasifikasi. pilih gambar dengan huruf LL (Latitude Longitude/Lintang Bujur).

kemudian buat kotak pada peta dimana tulisan tersebut akan ditempatkan. Kemudian klik Setup Ubah $ERMTMP/ermhe. maka klik Hardcopy Control Files. Load data pada Classified Raster File. Hapus Tulisan pada kolom Label: dan tekan Enter. klik .wordpress. Untuk menuliskan judul serta keterangan-keterangan lain.bmp pada Filter Program menjadi direktori dan nama file baru kita. misalnya hetobmp D:\Remote Sensing\peta. Jendela Map Object Attributes Kemudian masukkan panah utara dan scale bar.bmp. Untuk membawa tulisan atau gambar. untuk memasukan legenda pilih Classification Legend atau gambar: Gambar 27. Gambar 30. klik dengan mouse kiri dan drag objek ketempat yang diinginkan. Save Annotasi yang kita buat tadi dengan klik tanda disket pada Tools Box. Icon legenda klasifikasi Pada kotak Map Object Attributes. Ubah Left Labels Orientation menjadi Vertical Up.. kemudian klik pada objek yang akan di pindahkan.com/about/ . Kemudian atur Grid Spacing X dan Y nya supaya tulisan posisi geografisnya terlihat. Apabila citra hasil anotasi peta akan di print ke Hardcopy. Kemudian pilih Category: Legend_Item. kemudian klik pula Fit page to output device. Size tulisan dapat dirubah dengan merubah angkanya. pilih vector dan beri nama Berikut contoh peta yang sudah jadi: Gambar 29. Gambar 28. Layout Peta yang Siap dicetak Pencetakan / Printing Open komposisi peta yang telah kita buat Pada menubars pilih File kemudian pilih Print. http://anton2005. Tulisan hetobmp jangan dihilangkan. maka kemudian klik Print.Jendela dialog pencetakan Gambar diatas adalah bila akan langsung di print dari ER Mapper. sedangkan Top Labels Orientation menjadi Horizontal Right. klik Fit Grid supaya grid masuk kedalam citra. kemudian klik Fast Preview menjadi . klik .Pada kotak Map Object Attributes. dengan mencari pada Category.

Sign up to vote on this title
UsefulNot useful