...

this PDF file

by user

on
Category: Documents
0

views

Report

Comments

Transcript

this PDF file
t'engifjian femtofaaun <Data TcrTO-1Mo4is
(Indai frasajti et
afy
PENGKAJIAN PEMANFAATAN DATA TERRA-MODIS
UNTUK EKSTRAKSI DATA SUHU PERMUKAAN
LAHAN (SPL) BERDASARKAN BEBERAPA
ALGORITMA
(The Study of Application of TERRA-MODIS for Land Surface Temperature Extraction
Based on Several Algorithms)
Indah Prasasti, Katmoko Ari Sambodo, Ita Carolita
Penelitl Pusbangja Inderaja, LAPAN
ABSTRACT
Land surface t e m p e r a t u r e (LST) is one of primary p a r a m e t e r s energy balance on
t h e surface a n d also as primary climatology variable t h a t controlling long-wave energy
flux through a t m o s p h e r e . The LST data is needed for drought estimating models which
based on calculating of soil moisture level a n d / or evapotranspiration.
TERRA satellite t h a t brings sensor MODIS (Moderate Resolution Imaging
Spectroradiometer) is an environmental observation satellite t h a t can be u s e d for
extracting LST d a t a regionally. T h e MODIS relatively h a s width coverage; 2 3 3 0 Km, a n d
spatial resolution 2 5 0 m (1 & 2 channel) with high spectral resolution (36 channels),
and temporal resolution t h a t almost similar to the previous generation satellite called
NOAA.
The objective of this study is to develop model which extract LST d a t a from
TERRA-MODIS by u s i n g 3 (three) algorithms, e.i Price (1984), Li a n d Becker (1991) a n d
Coll et al (1994). The result showed t h a t 31 and 32 channel TERRA-MODIS were
possibly developed for LST d a t a extracting. The LST value based on Li & Becker (1991)
algorithm w a s t h e highest, while Price (1984) algorithm w a s t h e lowest. The Price
(1984), Li & Becker (1991) a n d Coll et al (1994) algorithms c a n give t h e LST better even
without accurately emissivity value information.
ABSTRAK
S u h u p e r m u k a a n (SP) m e r u p a k a n salah satu parameter kunci keseimbangan
energi p a d a p e r m u k a a n dan m e r u p a k a n variable klimatologis y a n g u t a m a y a n g
mengendalikan Jluks energi gelombang panjang yang melalui atmosfer. Data s u h u
p e r m u k a a n penting bagi model-model p e n d u g a a n kekeringan lahan b e r d a s a r k a n
perhitungan tingkat kelembaban t a n a h atau evapotranspirasi s u a t u lahan.
Satelit TERRA yang m e m b a w a sensor MODIS {Moderate Resolution Imaging
Spectroradiometer] m e r u p a k a n satelit p e n g a m a t a n lingkungan y a n g d a p a t digunakan
u n t u k ekstraksi d a t a s u h u p e r m u k a a n yang bersifat regional. Satelit ini mempunyai
wilayah cakupan yang luas, yakni 2330 Km dengan resolusi spasial 2 5 0 m (kanal 1
dan 2) d a n resolusi spektral yang tinggi (36 kanal) serta resolusi temporal yang k u r a n g
lebih s a m a dengan satelit generasi sebelumnya yakni NOAA.
Pengkajian ini b e r t u j u a n u n t u k m e n g e m b a n g k a n aplikasi d a t a TERRA-MODIS
guna ekstraksi d a t a SP dengan menerapkan 3 (tiga) algoritma perhitungan, yakni Price
(1984), Li d a n Becker (1991) d a n Coll et. al. (1994). Hasil pengkajian menunjukkan
bahwa d a t a TERRA-MODIS m e m u n g k i n k a n u n t u k dikembangkan guna ekstraksi data
SP, yakni dengan memanfaatkan k a n a l 31 dan 32. Nilai SP tertinggi dihasilkan oleh
algoritma Li & Becker (1991) d a n t e r e n d a h oleh algoritma Price (1984). Algoritma Price
(1984), Li 8t Becker (1991) d a n Coll et.al., (1994) d a p a t memberikan hasil pendekatan
nilai SP yang baik, walau t a n p a informasi nilai emisivitas p e r m u k a a n yang akurat
sekalipun.
Kata k u n c i : MODIS, Suhu Permukaan Lahan (SPL)
1
0unal<FragiiuItraa»Jaai'VoC4
1
FENDAHULUAN
Suhu p e r m u k a a n lahan (SPL)
adalah salah s a t u parameter kunci
keseimbangan energi p a d a p e r m u k a a n
dan m e r u p a k a n variabel klimatologis
yang utama. SP mengendalikan jluks
energi gelombang panjang yang melalui
atmosfer. Besarnya SP t e r g a n t u n g p a d a
kondisi parameter p e r m u k a a n lainnya,
seperti albedo, kelembaban p e r m u k a a n
d a n t u t u p a n serta kondisi vegetasi oleh
k a r e n a itu, p e n g e t a h u a n tentang distribusi spasial SP dan keragaman temporalnya penting bagi peniodelan aliran
yang a k u r a t a n t a r a p e r m u k a a n dan
atmosfer.
Data s u h u p e r m u k a a n sering
diperlukan sebagai d a t a m a s u k a n dalam
model-model perhitungan evapotranspirasi, kelembaban u d a r a , kelengasan
tanah, neraca energi, d a n lain sebagainya.
Data s u h u p e r m u k a a n tersebut dapat
diperoleh dari s t a s i u n p e n g a m a t c u a c a
di beberapa tempat. Namun demikian,
tidak s e m u a stasiun c u a c a memiliki alat
pengukur s u h u p e r m u k a a n .
Selama ini perolehan d a t a s u h u
dilakukan dengan m e n g g u n a k a n alat
termometer yang d i p a s a n g di permukaan tanah u n t u k m e n d a p a t k a n nilai s u h u
permukaan tanah dan menggunakan
termometer yang dipasang di dalam
sangkar c u a c a u n t u k m e n d a p a t k a n
s u h u u d a r a p e r m u k a a n . Sementara itu f
data s u h u tersebut masih bersifat lokal
setempat. Untuk mendapatkan data s u h u
yang bersifat lebih regional diperlukan
d a t a s u h u y a n g d i k u m p u l k a n dari
beberapa stasiun.
Dengan
masih
beroperasinya
Satelit TERRA dan Aqua yang membawa
sensor
MODIS
[Moderate Resolution
Imaging Spectroradiometei),
diharapkan
dapat memenuhi kriteria u n t u k ekstraksi
data s u h u p e r m u k a a n yang lebih
bersifat regional. Satelit ini mempunyai
wilayah c a k u p a n yang luas, yakni 2 3 3 0
Km dengan resolusi spasial 2 5 0 Km
(kanal 1 dan 2) dan resolusi spektral
yang tinggi (36 kanal) serta resolusi
temporal yang k u r a n g lebih sama
2
3.0. 1 Junt 2007:1-3
dengan satelit NOAA-AVHRR, yakni 1- 2
hari serta menggunakan data 12 bit
p a d a s e m u a kanal (Wan, 1999). Selain
itu, satelit MODIS merupakan penyedia
data u n t u k proses-proses pengkajian
global tentang atmosfer, daratan d a n
lautan (Salomonson et al, 1989 dalam
Wan, 1999).
Beberapa metode tclah dikemb a n g k a n oleh p a r a peneliti, yang kesem u a n y a d a p a t dikelompokkan menjadi 3
(tiga), yakni (1) metode kanal tunggal, (2)
metode multLanguIar, dan (3) metode
multi-kanal (split window) (Becker dan
Li, 1990 dalam Vogt, 1996). Metode split
window m e r u p a k a n metode y a n g sering
digunakan. Konsep ini berdasarkan
metode Anding d a n Kauth (1970, dalam
Vogt, 1996), yakni didasarkan p a d a sifat
transmitansi atmosfer yang berbeda
p a d a d u a j a r a k spektral dekat p a d a
jendela infra m e r a h a n t a r a 11-12 \xm,
yang di p u s a t k a n p a d a 10,8 jim d a n
11,9 nm. Pada d a t a MODIS kanal-kanal
yang dapat d i g u n a k a n u n t u k m e n u r u n k a n data SP adalah kanal 31 (10.780 11.280 urn) d a n k a n a l 32 (11.77012.270 urn).
Pengembangan aplikasi dari data
MODIS ini masih sangat sedikit hingga
s a a t ini. Hal ini d i k a r e n a k a n satelit ini
masih relatif baru dalam sistem operasinya. Dengan demikian, aplikasi d a t a
MODIS tersebut masih perlu terus
dicoba d a n dikembangkan dalam berbagai bidang.
Penelitian ini bertujuan u n t u k
mengembangkan aplikasi data MODIS
u n t u k ekstraksi d a t a S u h u P e r m u k a a n
(SP) dengan m e n g g u n a k a n beberapa
algoritma perhitungan s u h u permukaan.
Data s u h u p e r m u k a a n yang diperoleh
tersebut diharapkan dapat dimanfaatkan
u n t u k aplikasi yang bersifat lebih
regional.
2
DATA DAN METODE
2.1 Data
Data yang digunakan dalam
pengembangan model p e n d u g a a n S u h u
P e r m u k a a n (SP) adalah data TERRA-
<Peng%ajian (Pemanfaatan (Data Terra-fModis (Indah (Prasasti et at).
MODIS wilayah P. J a w a tanggal 17 Juli
2 0 0 1 , yakni data kanal 31 d a n 32
resolusi 1000 m (EV_1000m_Emissive).
Data MODIS tersebut diperoleh dari
website milik NASA (www.modis.gsfc.
nasa.gov).
Alat yang
digunakan
dalam
pengolahan d a t a adalah perangkat
lunak HDFLook d a n MSpinx. Kedua
perangkat l u n a k tersebut di download
dari internet.
2.2
Metode
2.2.1 Metode perhitungan nilai SP
Pengolahan data SP p a d a penelitian ini didasarkan p a d a 3 (tiga) pers a m a a n , yakni p e r s a m a a n Price (1984),
Li d a n Becker (1991), d a n Coll et.al,
(1994). Persamaannya masing-masing
adalah sebagai berikut :
• Price (1984)
SP1 =Tb 3 i + 3,33 (Tb3i - Tb 32 ) * ((5,5 8 3 i)/4,5) + 0.75 Tb 3 1 (e3i - s32)
• Li d a n Becker (1991)
SP2 = A0 + P [(Tb3i - Tb 32 )/2] + M [(Tb3i Tb 3 2 )/2]
dengan Ao = 1,274
P = 1.00 + 0.15616 ((1- e/e) 0.482 (Ae/s2)
M = 6.26 + 3.98 ((1- e/e) 38,33 (Ae/e2)
Menurut Wan (1999), u n t u k data
MODIS besarnya emisivitas kanal 31 e32
adalah 0.989 d a n kanal 32 (e32) = 0,988,
sehingga Ae = 0.001. Sementara itu,
nilai emisivitas rata-rata p e r m u k a a n
bervegetasi adalah 0,97 d a n e = ((e3i +
2.2.2 Klasifikasi nilai SP
Pengklasifikasian nilai SP ini
ditujukan u n t u k m e n d a p a t k a n pola
tampilan SP yang dapat diperbandingk a n a n t a r a s a t u dengan yang lainnya.
Klasifikasi nilai SP dilakukan dengan
terlebih dulu m e m b u a t masking awan
d a n laut. Pembuatan masking awan ini
dilakukan u n t u k m e m i s a h k a n a n t a r a
daratan dengan awan d a n laut. Proses
pemisahan daratan, laut d a n awan
adalah sebagai berikut :
• Pemisahan areal tertutup
awan
(kelas awan)
J i k a Tb 3 i < 29°K, m a k a wilayah
tersebut adalah awan, a t a u
| T b 3 i - T b 3 2 | < 1,2°K, a t a u
(Tb 3 i/ Tb32) > 0.996
selanjutnya citra klasifikasi awan ini
disimpan dalam s a t u file, yakni file
masking awan d a n diberi warna putih.
• Pemisahan darat dengan laut (kelas
laut)
Untuk
memisahkan
areal
darat
dengan
laut
dilakukan
melalui
pelacakan kisaran nilai m a k s i m u m
a t a u minimum nilai SP u n t u k lokasi
laut.
Selanjutnya, nilai-nilai yang
mewakili laut dibuang d a n diberi nilai
0 dan disimpan dalam file laut.
Dari proses pemisahan kelas awan d a n
laut ini dihasilkan nilai SP k h u s u s
u n t u k wilayah daratan.
Selanjutnya, nilai SP wilayah
daratan ini diklasifikasikan b e r d a s a r k a n
kriteria seperti yang dijelaskan p a d a
Tabel2-1.
M/2).
• Coll et.al, (1994)
SP3 = Tb31 + A (Tb3i - Tb 32 ) + B
A= 1.0 + 0.58 (Tb 3 i-Tb 3 2 )
B = 0.51 + 40 (1- e) -pAe dimana e = (e3i +
e 3 2 )/2 d a n
Ae =/e 3 i - e 3 2 / = 0.001, e3i = 0.989 dan
e32 = 0.988
P u n t u k wilayah tropis = 50°K
Selanjutnya u n t u k mengkonversi
nilai SP (°K) ke SP (°C), m a k a nilai yang
dihasilkan dikurangi dengan 273°K.
Tabel 2 - 1 : KLASIFIKASI NILAI SP UNTUK
SEMUA ALGORITMA
Jitma[<Pengmderuan3<lufi
3
HASIL DAN PEMBAHASAN
Pada peiielitian ini SP diekstraksi
dari k a n a l 3 1 d a n 3 2 d a t a MODIS yang
memiliki resolusi 1000m. Untuk tujuan
ekstraksi nilai SP d i g u n a k a n nilai
emisivitas rata-rata kanal 31 d a n 32 (£31
dan £32) seperti yang d i k e m u k a k a n oleh
Wan (1999), yakni Ae - 0.001 d a n e =
((0.989 + 0.988J/2) - 0.9885. Ada 3 (tiga)
algoritma yang dicoba diterapkan p a d a
penelitian ini, yakni metode Price (1984),
Li & Becker (1991) dan Coll et aL (1994).
Citra SP yang dihasilkan disajikan p a d a
Gambar 3-1 s-d Gambar 3-3. Untuk
melihat p e r b e d a a n nilai SP yang dihasilkan oleh
masing-masing algoritma
dilakukan pemilihan titik-titik sampel
lokasi yang s a m a u n t u k setiap algoritma
SP. Nilai SP dari titik-titik sampel p a d a
masing-masing algoritma dibenkan p a d a
Tabel3-1.
Berdasarkan citra Gambar 3-1 s.d
Gambar 3-3 dan titik-titik sampel yang
diambil t a m p a k b a h w a nilai SP terendah
dihasilkan dari algoritma Price (1984),
diikuti kemudian oleh algoritma Coll, et
aL (1991) d a n tertinggi diperoleh dengan
algoritma Li & Becker (1991). Nilai SP
terendah yang diperoleh dengan Algoritma
Price berkisar a n t a r a 17.50°C - 19.50°C,
sedangkan nilai tertinggi berada p a d a
kisaran 27.50°C - 29.50°C.
Algoritma yang diajukan oleh
Price (1984) m e r u p a k a n algoritma splitwindow yang telah m e m a s u k k a n faktor
koreksi t e r h a d a p p e n g a r u h emisivitas.
Kajian dari model Price ini dilakukan
p a d a lahan p e r t a n i a n d a n m a m p u
mendeteksi SP dengan ketepatan hingga
± 3°K. P e r s a m a a n yang diajukan oleh
Price ini d a p a t m e n c a p a i SP sekitar
300°K (27°C). Algoritma Price ini telah
digunakan secara luas dan
telah
m e m a s u k k a n faktor koreksi adanya
4
. ol4
9fo. I Jmni 2007:]-$
pengaruh u a p air atmosfer dengan
memasukkan fraksi p e r b e d a a n s u h u
kecerahan (Tb) y a n g b e r a s a l dari kanal 4
d a n 5 data NOAA-AVHRR (pada d a t a
MODIS kanal 31 d a n 32). Bahkan dengan
nilai emisivitas d u g a a n y a n g k a s a r
sekalipun, algoritma Price ini telah
membuktikan dapat menghasilkan nilai
SP yang c u k u p rasional, k h u s u s n y a
p a d a lingkungan atmosfer tropis yang
lembab (Cooper d a n Asrar, 1989; Vidal,
1991 dalam Vogt, 1996).
Apabila dibandingkan
dengan
d u a algoritma yang lain, maka algoritma
Li d a n Becker (1991) menghasilkan nilai
yang paling tinggi. Li dan Becker (1991)
mengajukan
koefisien-koefisien
lokal
p a d a algoritma split-window sebagai
s e b u a h fungsi dari emisivitas permukaan lokal yang terdeteksi p a d a kanal 4
d a n 5 NOAA-AVHRR (pada d a t a MODIS
kanal 31 d a n 32). Secara teoritis, Li dan
Becker (1991 dalam Vogt, 1996) m e n u n j u k k a n b a h w a apabila nilai emisivitas
spektral yang diduga c u k u p baik d a n
koefisien-koefisien linearisasi dari transmisi atmosferis dipilih secara tepat seperti
y a n g digunakan dalam p e n d e k a t a n splitwindow, m a k a dapat menghasilkan nilai
dugaan SP yang baik. Namun demikian,
p e n g a m b i l a n / p e n e n t u a n nilai emisivitas
yang tepat p a d a k e d u a kanal tersebut
relatif sulit. Hasil dari Wan d a n Dozier
(1989 dalam Vogt, 1996) dengan mengg u n a k a n Algoritma Li dan Becker, juga
menunjukkan b a h w a secard teoritis
model Li dan Becker dapat digunakan
u n t u k memperoleh nilai SP suatu
p e n u t u p lahan yang berbeda dengan
cara menduga nilai emisivitas perm u k a a n berdasarkan pendekatan linier
dan algoritma split-wondow.
<Peng%ajian <Pemanfaatan (Data lerra-Modis (Indah <Prasasti et at).
Tabel3-1:NILAI SP TITIK-TITIK LOKASI SAMPEL YANG DIEKSTRAKSI DARI
ALGORITMAPRICE (1984), LI&BECKER (1991), DAN COLL, ET.AL. (1994).
Posisi Titik
X
Y
186
191
193
"632
646
642
18
304
301
312
53
49
68
98
91
96
116
69
62
66
Price
(1984)
27,9
26,2
24,6
11,1
24,0
23,0
20,9
23,4
25,2
25,8
Nilai SP dari
Li & Becker Coll, et. Al.
(1994)
(1991)
37,9
37,8
35,4
34,7
32,8
31,6
14,3
12,8
31,1
29,4
29,0
27,2
25,4
27,2
27,4
29, 3
32,4
30,8
33,2
31,6
Keterangan
Jakarta
Jakarta
Jakarta
P u n c a k Gn. Muria
Sekitar Gn. Muria
Sekitar Gn. Muria
Ujung Kulon
Pantura
Pantura
Pantura
Selanjutnya, u n t u k d a p a t melihat p e r b e d a a n nilai SP y a n g diperoleh dari
m a s i n g - m a s i n g algoritma s e c a r a visual d i l a k u k a n klasifikasi citra SP.
G a m b a r 3 - 1 : Citra S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n
algoritma Price (1984)
G a m b a r 3-2: Citra S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n
algoritma Li d a n Becker (1991)
5
JurnaCVenginderaanJauRVot 4 No. 1 Juni 2007:1-8
G a m b a r 3 - 3 : C i t r a S P p u l a u J a w a tanggal 1 7 J u l i 2 0 0 1 y a n g d i e k s t r a k s i d e n g a n
algoritma Coll et.al. (1991)
Nilai SP yang diperoleh dari
algoritma Coll, et. al. (1994) menunjukkan
nilai yang lebih rendah sekitar 0,1°- 1,5 °C
dibandingkan dengan yang diperoleh
oleh Li dan Becker (1991). Coll, et. al.
(1994) dalam Vogt (1996) telah membuktikan bahwa pengaruh emisivitas
d a n atmosferis dapat dibagi dengan
m e m a s u k k a n faktor koreksi A d a n B. A
m e r u p a k a n s e b u a h fungsi dari adanya
perbedaan s u h u kecerahan (Tb) yang
terdeteksi oleh kanal dengan panjang
gelombang 10,5 (im d a n 12,5 \xm a t a u
kanal 4 dan 5 NOAA-AVHRR (pada
MODIS kanal 31 d a n 32). Perbedaan
s u h u kecerahan yang terdeteksi oleh
k e d u a kanal tersebut tergantung p a d a
besarnya transmisi atmosferis total p a d a
k e d u a panjang gelombang tersebut yang
m e r u p a k a n s e b u a h fungsi dari kand u n g a n u a p air atmosferis dan s u d u t
p a n d a n g sensor. Akibatnya, A a k a n
meningkat dengan meningkatnya kand u n g a n u a p air atmosfer d a n / a t a u
peningkatan s u d u t pandang. Coll, et. al.
(1994)
juga
menunjukkan
bahwa
algoritmanya ini menghasilkan nilai
yang lebih baik dibandingkan apabila
s u a t u nilai A yang dibuat konstan.
Sedangkan faktor B m e r u p a k a n s e b u a h
fungsi dari emisivitas rata-rata (s) p a d a
panjang gelombang 10,5 nm d a n 12,5(im,
perbedaan emisivitas p e r m u k a a n p a d a
kanal 4 d a n 5 NOAA-AVHRR (Ae), d a n
s e b u a h koefisien p yang m e n u r u n dengan
6
meningkatnya
kandungan
uap
air
atmosfer. Nilai klimatologis rata-rata yang
dapat digunakan u n t u k P adalah p =
50°K u n t u k atmosfer tropis.
Dari hasil p e m b a h a s a n Vogt
(1996) dikemukakan bahwa algoritma
yang diajukan oleh Price (1984), Li d a n
Becker (1991) dan Coll, et. al. (1994)
dapat memberikan hasil pendekatan
nilai SP yang baik, walau t a n p a informasi
nilai emisivitas p e r m u k a a n yang akurat
sekalipun. Pendugaan emisivitas perm u k a a n yang tepat dapat d i t u r u n k a n
dari h u b u n g a n - h u b u n g a n empiris a n t a r a
berbagai indeks vegetasi dengan fraksi
p e n u t u p vegetasi. Selain itu, dapat pula
d i c a p a i m e l a l u i p e m o d e l a n evolusi
temporal dari emisivitas p e r m u k a a n
u n t u k berbagai kelas p e n u t u p lahan
melalui
Sistem Informasi
Geografis
(SIG).
Menurut Carlson (1986 dalam
Mora, 1999), respon s u h u p e r m u k a a n
sangat ditentukan oleh radiasi metahari
dan juga ditentukan oleh parameterparameter yang b e r h u b u n g a n dengan
kondisi
dan
kandungan
partikel
atmosfer, k e l e m b a b a n t a n a h t e r m a l
inersia dan albedo. Pada p e r m u k a a n
vegetasi, s u h u p e r m u k a a n kanopi j u g a
secara tidak langsung dikendalikan oleh
ketersediaan air p a d a mintakat (zona)
perakaran, d a n secara langsung oleh
evapotranspirasi (pola s u h u p e r m u k a a n
dapat diduga dengan algoritma split-
<?tngi&jian<PtmanfaaUtn<Data Term-Modi* (IndaH <PraiaiUet afy.
window dengan m e n g g u n a k a n informasi
dari kanal infra m e r a h termal (Poza
Vasquez et.al., 1997 dalam Mora, 1999).
Koefisien-koefisien
split-window
akan
tergantung p a d a kondisi atmosfer dan
emisivilas permukaan. Suhu permukaan
daratan dapat d i t u r u n k a n dari kanal
yang bekerja p a d a kisaran panjang
gelombang 10,8 ym d a n 12 |im. Faktor
yang m e m p e n g a r u h i k e a k u r a t a n perolehan SPD m e n u r u t hasil review dari
beberapa p u s t a k a yang dilakukan oleh
Vogt (1996) yakni sebagai berikut:
• Nilai emisivitas p a d a p e r m u k a a n
daratan c u k u p beragam dalam r u a n g
dan waktu dengan nilai absolut
berkisar a n t a r a 0,91 - 0,98 p a d a
window 8-14 p m . p e r b e d a a n tipe
permukaan, k a n d u n g a n kelembaban
tanah, tekstur t a n a h d a n k e k a s a r a n
permukaan, p e r s e n t a s e t u t u p a n vegetasi, t a h a p a n fenologis d a n s t r u k t u r
p e n u t u p vegetasi a k a n m e m p u n y a i
pengaruh yang signifikan t e r h a d a p
besarnya nilai emisivitas.
• Emisivitas p a d a lahan kemungkinan
mempunyai ketergantungan spektral
yang signifikan.
Sebagai contoh,
meskipun p e r b e d a a n a n t a r a emisivitas
spektral p a d a panjang gelombang
AVHRR kanal 4 dan 5 biasanya a k a n
lebih kecil dari 0, 0 1 ; variasi ini a k a n
mempunyai p e n g a r u h yang berarti
pada perolehan SP.
• Emisivitas yang efektif, yakni emisivitas
objek yang benar-benar diamati oleh
instrumen
pada
sudut
pandang
tertentu, tergantung p a d a b e s a r n y a
sudut p a n d a n g sensor d a n p a d a
anistropi p e r m u k a a n .
• Besarnya s u h u kemungkinan lebih
tinggi
pada
permukaan
daratan
daripada p e r m u k a a n laut. Oleh k a r e n a
itu, linieritas h u k u m Planck yang
dikembangkan u n t u k p e r m u k a a n laut
mungkin tidak c u k u p
memenuhi
untuk menghitung suhu permukaan
daratan. Selain itu, tingkat j e n u h
suatu sensor j u g a d a p a t menyebabkan
kesalahan perhitungan SP di lingkungan yang sangat p a n a s .
• SP j u g a dapat dipengaruhi oleh
k e r a g a m a n p e r m u k a a n yang tercakup
pada u k u r a n piksel resolusi s u a t u
sensor.
• SP mengalami p e r u b a h a n diurnal yang
besar, sehingga waktu penghitung
menjadi sangat penting diketahui.
• Pada s u a t u d a r a t a n , s u h u u d a r a
mungkin a k a n s a n g a t b e r b e d a dengan
s u h u p e r m u k a a n dekat t a n a h .
4
KESIMPULAN DAN SARAN
Dari penelitian ini d a p a t disimpulkan bahwa:
• Nilai SP dimungkinkan u n t u k dikemb a n g k a n d a n diekstraksi dari data
MODIS dengan memanfaatkan d a t a
kanal 31 d a n 3 2 .
• Nilai SP tertinggi dihasilkan oleh
algoritma Li & Becker (1991) d a n
terendah oleh algoritma Price (1984).
• Algoritma Price (1984), Li & Becker
(1991) d a n Coll eta/., (1994) dapat
memberikan hasil p e n d e k a t a n nilai SP
yang baik, walau t a n p a informasi nilai
emisivitas p e r m u k a a n yang a k u r a t
sekalipun.
Penelitian ini masih m e r u p a k a n
t a h a p pengkajian potensi pemanfaatan
data TERRA-MODIS u n t u k ekstraksi
data SP b e r d a s a r k a n 3 algoritma,
sehingga m a s i h perlu evaluasi dan
validasi t e r h a d a p hasil yang diperoleh
dari penelitian tersebut. Penggunaan
data SP dari hasil ekstraksi dengan
algoritma-algoritma tersebut j u g a masih
perlu dikembangkan, sepcrti dalam
pendugaan
tingkat
evapotranspirasi
s u a t u lahan g u n a deteksi kekeringan
lahan, d a n dalam aplikasi bidang
lainnya.
DAFTAR RUJUKAN
Coll, C; V. Caselles; a n d T.
1994. Estimation of
Emissivity Differences
Window
Channels
Remote Sensing of
47, 1 - 2 5 .
J. Schmugge.
Land Surface
in the Splitof
AVHRR.
Environment,
7
jur--i(?fng<r.Scmj.iJauJiV;X 4
Cooper, D. I.; and G. Asrar.
1989.
Evaluating
Atmospheric
Correction
Models
for
Retrieving
Surface
Temperatures from the AVHRR Over
a Tallgrass Prairie. Remote Sensing
of Environment, 2 7 , 93 - 102.
U, Z.L. a n d F. Becker. 1 9 9 1 . Determination of Land Surface Temperature
•
and Emissivity from A VHRR Data.
P r o c 5"- AVHRR D a t a User's
Meeting. J u n e 25' h - 2%^ 1991,
Tromse/Norway, (EUMETSAT, EUM
P09), 4 0 5 - 4 1 0 .
Li, Z.L. a n d F. Becker. 1993. Feasibility
of Land Surface Temperature and
Emissivity
Determination
from
AVHRR Data.
Remote Sensing of
Environment, 4 3 , 67 - 8 5 .
Price, J. C. 1984. Land Surface Temperature Measurements From the Split
Window Channels of the NOAA 7
AVHRR.
Journal of Geophysical
Research, 89 (D5), 7231 - 7237.
Seguin, B.
1996. The Use of AVHRRDerived Land Surface Temperature
8
?fa 1
Jtaa2007:1-6
Estimates For Agricultural Monitoring.
In D'Souza, G., A. S. Belward a n d
J. P. Malingreau. (editor) : Advances
in t h e Use of NOAA AVHRR Data
For Land Applications. Remote
Sensing. Vol. 5. Kluwer Academic
Publisher,
Dordrecht,
The
Netherlands. P:357 - 3 7 6 .
Vogt, J. C. 1996. Land Surface Temperature Retrival From NOAA AVHRR
Data In D'Souza, G„ A. S. Belward
a n d J. P. Malingreau. (editor) :
Advances in the Use of NOAA
AVHRR Data For Land Applications.
Remote Sensing. Vol. 5. Kluwer
Academic Publisher, Dordrecht,
The Netherlands. P : 1 2 5 - 151.
Wan,
Zhenming. 1999. MODIS LandSurface
Temperature
Algorithm
Theoritical Basis Document (LST
ATBD) version 3.3. Institute for
Computational
Earth
System
Science. University of California.
S a n t a Barbara, C.A. 9 3 1 0 6 - 3060.
Fly UP