Asli Anak Indonesia ~ ~

LAPORAN PRAKTIKUM INDERAJA TERAPAN Land Surface Temperature (LST)

LAPORAN PRAKTIKUM

INDERAJA TERAPAN

Land Surface Temperature (LST)

$C:\Users\akhmadanna\Desktop\Hitam-putih.gif$

Disusun Oleh :

Nafi Abiyyu Rasyid

15/386523/SV/09909

PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

2017

MATERI

Analisis menggunakan metode Land Surface Temperature (LST).

TUJUAN

Mahasiswa dapat melakukan analisa pada hasil perhitungan LST pada citra temporal, serta dapat melakukan change detection dari dua citra yang telah dilakukan analisis LST.

WAKTU DAN PELAKSANAAN

Hari, tanggal : Kamis, 23 November 2017
Pukul : 11.10 – 16.20 WIB
Tempat : Laboratorium FotogrametriTeknik Geodesi dan Geomatika UGM

ALAT DAN BAHAN

PC / Laptop
Citra Landsat 8 Jawa Tengah tahun 2013
Citra Landsat 8 Jawa Tengah tahun 2017
Software ENVI

LANGKAH KERJA

Siapkan citra yang akan digunakan
Pada praktikum kali ini menggunakan band 10, dikarenakan analisis LST harus menggunakan band thermal
Lakukan proyeksi jika band tersebut masih salah pada sistem proyeksi (menggunakan layer stacking)
Lalu jika sudah melakukan konversi DN ke nilai radians, pilih basic tools → band math
Dan masukkan rumus berikut :

Lλ = ML*Qcal + AL

Lλ = TOA spectral radiance (Watts/( m2 * srad * μm))
ML = Band-specific multiplicative rescaling factor from the metadata (RADIANCE_MULT_BAND_x, where x is the band number)
AL = Band-specific additive rescaling factor from the metadata (RADIANCE_ADD_BAND_x, where x is the band number)
Qcal = Quantized and calibrated standard product pixel values (DN)

Lalu langkah selanjutnya adalah melakukan konversi radians ke brightness temperature dengan rumus seperti berikut :

Nilai K1 dan K2 dapat diperoleh dari metadata citra (file dengan extensi MTL.TXT) dibagian TIRS_THERMAL_CONSTANT, seperti gambar dibawah

Dikarenakan hasil konversi tadi masih berupa kelvin, maka langkah selanjutna adalah mengkonversi dari kelvin ke celcius dengan cara hasil perhitungan terakhir dikurangi dengan 273.15

Setelah dilakukan langkah-langkah diatas maka hasilna sebagai berikut :

Lalu langkah selanjutnya melakukan cropping menggunakan basic tools → resize data
Selanjutnya melakukan visualisasi menggunakan density slice
Dan buat 3 kelas dari hasil citra yang telah dicrop tersebut

Maka hasilnya seperti berikut:

Lalu hasil tersebut dibuat layout pada arcgis.

HASIL DAN PEMBAHASAN

Untuk memastikan apakah hasil dari analisis LST ini benar atau salah dapat menggunakan cursor location, dan melihat nilai pada datanya. Jika nilai pada data tersebut bisa dikatakan logis dengan nilai temperatur berkisar sesuai keadaan sebenarnya, maka hasil analisis tersebut sudah benar dan jika nilai temperatur sangat besar atau kecil dan tidak sesuai kenyataan maka hasil analisisnya belum dapat dikatakan berhasil.

Lalu untuk perbedaan dari kedua hasil analisis citra temporal tersebut adalah pada citra 2017 dapat dilihat lebih banyak daerah yang panas dibanding citra tahun 2013 (daerah panas digambarkan dengan warna merah).

Peta LST 2013

(Terlampir)

Peta LST 2017

(Terlampir)

KESIMPULAN

Pada praktikum kali ini mahasiswa telah belajar mengenai analisis daerah panas menggunakan metode Land Surface Temperature (LST). Dari hasil analisis tersebut didapatkan bahwa rentang suhu pada daerah terpilih adalah berkisar antara 20 – 30 derajat celcius (dilihat dari nilai min dan maks data). Dan pada citra tahun 2017 terdaat lebih banyak daerah yang panas dibanding citra tahun 2013.

DAFTAR PUSTAKA

Normalized Difference Built-Up Index (NDBI) dan Normalized Difference Water Index (NDWI)

LAPORAN PRAKTIKUM

INDERAJA TERAPAN

Normalized Difference Built-Up Index (NDBI) dan

Normalized Difference Water Index (NDWI)

$C:\Users\akhmadanna\Desktop\Hitam-putih.gif$

Disusun Oleh :

Nafi Abiyyu Rasyid

15/386523/SV/09909

PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

2017

MATERI

Normalized Difference Built-Up Index (NDBI) dan Normalized Difference Water Index (NDWI).

TUJUAN

Mahasiswa dapat melakukan analisa pada hasil perhitungan NDBI dan NDWI, serta dapat melakukan change detection dari dua citra yang telah dilakukan analisis NDBI dan NDWI.

WAKTU DAN PELAKSANAAN

Hari, tanggal : Kamis, 16 November 2017
Pukul : 11.10 – 16.20 WIB
Tempat : Laboratorium FotogrametriTeknik Geodesi dan Geomatika UGM

ALAT DAN BAHAN

PC / Laptop
Citra Landsat 8 Jawa Tengah tahun 2013
Citra Landsat 8 Jawa Tengah tahun 2017
Software ENVI

LANGKAH KERJA

Siapkan data yang digunakan untuk praktikum
Pada praktikum kali ini yang digunakan adalah band 6 (SWIR), band 5 (NIR), dan band 3 (GREEN)
Lakukan koreksi radiometrik pada band tersebut (Basic Tools → Stretch Data)
Lalu pilih band yang akan dikoreksi dan masukkan parameter sesuai dibawah ini

Caranya sama untuk band 6, band 5, dan band 3
Langkah selanjutnya yaitu menghitung nilai reflectant dari kedua band tersebut (Basic Tools → Band Math)
Lalu memasukkan rumus reflectant band ( Rumus: (Reflektan Multi * Band) + (Reflektan Add) / Sin (Sun Elevation) > 0 )
Berikut hitungan rumus dari band 6, band 5, dan band 3

Lalu memilih band dari hasil koreksi radiometrik
Dan klik OK

Maka hasilnya akan seperti berikut

Melakukan croping daerah yang dipilih, untuk analisis NDBI dipilih daerah perkootaan dan untuk analisis NDWI dipilih daerah perairan atau daerah pantai
Cropping dilakukan dengan cara save image (File → Save Imgae as → Image File)
Lalu pilih daerah yang akan dilakukan cropping
Untuk analisis NDBI menggunakan daerah Yogyakarta dan untuk analisis NDWI menggunakan daerah Kendal.

Langkah selanjutnya yaitu menghitung nilai NDBI dan NDWI

Rumus : NDBI = B6-B5/B6+B5

NDWI = B3-B5/B3+B5

Untuk memasukkan rumus menggunakan band math (basic tools → band math)

Lalu masukkan rumus seperti yang dituliskan diatas
Untuk rumus ditambahakan kata “float” didepan band, bertujuan untuk menghilangkan nilai integer

Lalu pilih band yang telah dilakukan cropping tadi

Maka hasilnya sebagai berikut

	NDBI Citra tahun 2013
	NDBI Citra tahun 2017
	NDWI Citra tahun 2013
	NDWI Citra tahun 2017

Langkah selanjutnya melakukan density slice (overlay → density slice)
Lakukan pada hasil NDBI dn NDwI
Pada density slice range klik clear ranges lalu membuat range baru sebanyak 3 range

Klik option add new ranges

Lalu masukkan nilai min dan max sesuai pada window density slice dan buat 3 ranges
Lalu buat pengkelasan warna yang sesuai

Klik apply
Untuk menyimpan pilih file → output ranges to class image, lalu definisikan lokasi penyimpanannya
Maka hasilnya sebagai berikut

	NDBI Citra tahun 2013
	NDBI Citra tahun 2017
	NDWI Citra tahun 2013
	NDWI Citra tahun 2017

Lalu hasil tersebut dibuat layout pada ArcGIS.

HASIL dan PEMBAHASAN

Rentang dari nilai NDBI dan NDWI adalah antara -1.0 hingga +1.0. Untuk daerah yang meiliki tingkat urban dan water tinggi memiliki nilai mendekati dengan +1.0 dan sebaliknya jika daerah tersebut kurang atau sedikit tingkat urban dan water memiliki nilai mendekati -1.0.

Lalu dapat dilihat dari hasil citra tahun 2013 dan 2017, untuk analisis NDBI sangat terlihat jelas perbedaan daerah terbangunnya. Pada tahun 2017 terlihat lebih banyak daerah terbangun dibandingkan tahun 2013 (untuk daerah terbangun digambarkan dengan piksel berwarna merah). Kemudian untuk hasil analisis NDWI, dari kedua citra tersebut memang hasilnya tidak terlalu berbeda, tetapi dapat disimpulkan pada citra tahun 2017 memiliki lebih banyak daerah perairan dibandingkan dengan citra tahun 2013.

Peta NDBI tahun 2013

(Terlampir)

Peta NDBI tahun 2017

(Terlampir)

Peta NDWI tahun 2013

(Terlampir)

Peta NDWI tahun 2017

(Terlampir)

KESIMPULAN

Dengan menggunakan analisis NDBI mahasiswa dapat mengetahui keadaan daerah terbangun suatu daerah.
Serta menggunakan analisis NDWI dapat mengetahui daerah perairan suatu daerah.
Nilai NDBI dan NDWI berkisar antara -1.0 samapi +1.0 dimana semakin tinggi nilai semakin tinggi pula tingkat urban atau water dari daerah tersebut.
Dengan analisis NDBI diatas dapat disimpulkan bahwa pada daerah Yogyakarta telah terjadi pembangunan yang sangat besar antara tahun 2013 dan 2017.
Dan menggunakan analisis NDWI dapat disimpulkan pada Kabupaten Kendal untuk daerah perairan lebih banyak atau lebih luas pada citra tahun 2017 dibanding tahun 2013.
Serta mahasiswa dapat melakukan change detection dari citra tahun 2013 dan citra tahun 2017.

DAFTAR PUSTAKA