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)

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

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

TIF) landsat band_10 (nomor 2).Open) atau lewat icon "open file" (nomor 1).wordpress. Proses Download  Download berhasil. http://belajargeomatika. Jalankan software Ermapper : 2. Buka file (File .com/2012/11/10/cara-download-citra-landsat/ CARA MENGGABUNGKAN BANDS CITRA LANDSAT Software yang digunakan adalah Ermapper 7.0 dan data citra landsat diperoleh dari tutorial sebelumnya (CARA MENGISI GAP (GAP FILL) LANDSAT 7 (SLC-OFF)) Berikut langkah-langkahnya : 1.Gambar 8. seteleh itu klik tombol "OK" (nomor 3) . citra dengan format TIFF dan dalam band masing-masing telah tersedia. Terus pilih file (.

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

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

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

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

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

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

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

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

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

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

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