Tips Analisis Tutupan Lahan Citra Sentinel 2A dengan Arcgis

 A.     Mengenal Sentinel-2A

Sentinel-2A adalah bagian dari misi konstelasi Sentinel-2 dalam program Copernicus milik Uni Eropa (ESA). Satelit ini dirancang untuk pemantauan daratan secara optik dengan resolusi tinggi.

B.     Karakteristik Utama Sentinel 2A:

1.     Sentinel-2A unik karena memiliki tiga resolusi spasial yang berbeda tergantung pada saluran (band) yang digunakan:

-        Resolusi 10 Meter: Digunakan untuk pemetaan dasar dan klasifikasi tutupan lahan yang mendetail (Band 2, 3, 4, dan 8).

-        Resolusi 20 Meter: Digunakan untuk identifikasi jenis vegetasi dan kelembapan tanah (Band 5, 6, 7, 8a, 11, dan 12).

-        Resolusi 60 Meter: Digunakan untuk koreksi atmosferik dan parameter lingkungan skala besar seperti uap air dan deteksi awan cirrus (Band 1, 9, dan 10).

2.     Resolusi Temporal: 10 hari (atau 5 hari jika dikombinasikan dengan Sentinel-2B).

3.    Cakupan Spektral: Memiliki 13 saluran (bands) mulai dari Visible (RGB), Near Infrared (NIR), hingga Short Wave Infrared (SWIR).

C.     Analisis Tutupan Lahan dengan Random Trees

Analisis tutupan lahan (Land Cover Analysis) menggunakan citra Sentinel-2A adalah proses mengidentifikasi dan mengelompokkan jenis objek di permukaan bumi (seperti hutan, sawah, badan air, atau pemukiman) berdasarkan karakteristik pantulan spektralnya. Melakukan analisis tutupan lahan dengan metode Random Trees (sejenis dengan Random Forest) menggunakan ArcGIS Pro atau ArcMap memberikan tingkat akurasi yang sangat tinggi. Metode ini bekerja dengan membangun sekumpulan "pohon keputusan" (decision trees) dan menggabungkan hasilnya untuk mendapatkan klasifikasi yang paling stabil dan akurat.

Mengapa Menggunakan Metode Random Trees?

1. Ketahanan Terhadap Outlier: Tidak mudah terpengaruh oleh noise atau piksel yang "aneh" pada citra.
2. Menangani Data Non-Linear: Sangat baik dalam membedakan objek yang nilai spektralnya mirip (misal: sawah dengan padang rumput).
3. Efisiensi Data: Mampu mengolah banyak kanal (bands) Sentinel-2A sekaligus tanpa mengalami penurunan performa yang signifikan.

Analisis tutupan lahan menggunakan citra Sentinel-2A dengan metode Random Trees (Random Forest) adalah pendekatan klasifikasi berbasis machine learning yang sangat efektif untuk membedakan objek kompleks di permukaan bumi. Berikut adalah deskripsi singkat alur kerjanya:

1.     Persiapan Data (Preprocessing)

Langkah pertama adalah menyiapkan citra Sentinel-2A hasil unduhan dari CDSE (Level-2A).

a.    Layer Stacking: Menggabungkan berbagai saluran (bands) seperti Visible (B2, B3, B4), NIR  (B8), dan SWIR (B11, B12) ke dalam satu file raster.

b.   Resampling: Menyamakan semua resolusi spasial band (biasanya ke 10 meter) agar dapat diolah secara matematis oleh algoritma.

2.     Pengambilan Sampel Training (Data Latih)

a.     Tahap ini melibatkan intervensi manusia untuk melatih komputer.

b.     Peneliti menentukan kelas tutupan lahan (misal: Hutan, Air, Pemukiman, Sawah).

c.  Membuat poligon sampel pada area yang sudah pasti jenisnya sebagai referensi bagi algoritma untuk mengenali pola pantulan spektral objek tersebut.

3. Pemrosesan dengan Algoritma Random Trees

Metode Random Trees bekerja dengan cara:

a.    Membangun puluhan hingga ratusan "pohon keputusan" (decision trees) secara acak dari  data sampel.

b.   Setiap piksel dalam citra akan "divoting" oleh pohon-pohon tersebut untuk menentukan   kelas mana yang paling cocok.

c.      Metode ini sangat unggul karena mampu menangani data yang besar dan mengurangi risiko salah klasifikasi (overfitting).

 

Untuk lebih memahami tahapan-tahapan dalam analisis tutupan lahan dapat melihat video dibawah ini

Berbagi :