Beli Citra Satelit

Last Updated on February 6, 2023 by Map Vision Indonesia

Beli Citra Satelit Resolusi Sangat Tinggi, Tinggi, dan Menengah di Map Vision Indonesia

Bagi Anda yang saat ini sedang mempunyai rencana beli citra satelit untuk keperluan pribadi atau perusahaan/instansi/kampus Anda, seperti untuk:

• Izin Pinjam Pakai Kawasan Hutan (IPPKH);
• Rencana Detail Tata Ruang (RDTR);
• Peta Izin Usaha Pertambangan (IUP);
• Konstruksi;
• Perkebunan;
• Kehutanan;
• Minyak dan Gas;
• Energi;
• Penelitian;
• serta beragam keperluan lainnya.

maka Anda dapat memperolehnya di Map Vision Indonesia.

Map Vision Indonesia telah berpengalaman dalam hal penjualan dan pengolahan beragam data original citra satelit dari berbagai vendor, sejak tahun 2013.

Kami telah menangani ratusan project terkait pengadaan dan pengolahan citra satelit yang sebagian besar berasal dari pihak perusahaan swasta nasional dan multinasional, seperti perusahaan pertambangan, energi, minyak dan gas, konsultan lingkungan, konsultan pemetaan, konsultan arsitek, serta banyak lainnya. Berbagai instansi pemerintahan dan institusi pendidikan juga banyak melakukan pemesanan, yang kebanyakan untuk kepentingan penelitian. Selain itu, banyak juga yang melakukan order dan pengolahan citra satelit untuk kepentingan pribadi, seperti untuk melihat kondisi tanah, bangunan, perkebunan, serta berbagai aset yang dimiliki oleh pihak klien.

Untuk mendapatkan informasi lebih lanjut, konsultasi, atau hendak bertanya–tanya terlebih dahulu terkait pemesanan dan pengolahan data citra satelit, Anda dapat menghubungi kami pada media berikut ini:

Mobile Phone: 0878 2292 5861 atau 0857 2016 4965 (WA/Telepon) (WA Fast Response)
E–mail: cs@mapvisionindo.com atau mapvisionindonesia@gmail.com

atau Anda cukup klik tombol di bawah ini, yang akan langsung menuju WA admin kami:

Pada pembahasan berikutnya, kami akan memberikan informasi kepada Anda terkait data yang akan Anda peroleh, bagaimana cara melakukan pemesanan data citra satelit, aturan dan harga pembelian yang disertai juga dengan pengolahan dan juga mapping data citra satelit, manfaat dari citra satelit, serta informasi terkait lainnya.

Jika ingin langsung membaca pada bagian-bagian yang diinginkan, silahkan klik pada bagian sub-judul yang terdapat di Table of Contents:

Mengapa Harus di Map Vision Indonesia?

• Saat Anda memilih layanan kami, maka Anda sedang memanfaatkan hasil pengalaman kami sejak tahun 2013 di bidang ini;

Kami telah menangani ratusan project pengadaan dan juga yang disertai pengolahan dan mapping beragam data citra satelit dari berbagai vendor, dari puluhan customer setia dan buyer kami, yang berasal dari perusahaan nasional, multinasional, instansi pemerintahan, dan juga untuk keperluan pribadi;

• Kami menyediakan beragam data citra satelit dari berbagai vendor, sehingga Anda dapat menyesuaikan antara kepentingan dan budget yang Anda miliki;

Anda dapat berkonsultasi dengan kami sepuasnya untuk menentukan data citra satelit yang sesuai antara keperluan dan budget yang Anda punyai;

• Hasil pengolahan tidak hanya berupa data citra satelit hasil olahan, namun kami berikan juga beragam data hasil olahan lain sebagai penunjang untuk keperluan pekerjaan atau project Anda, hanya dalam 1 (satu) harga saja.

Alur Pembelian dan Pengolahan Data Citra Satelit di Map Vision Indonesia       

Untuk melakukan pembelian dan atau yang disertai pengolahan data citra satelit original dan juga mapping dari data citra satelit hasil olahan, berikut tata caranya:

1). Silahkan Anda kirimkan area order, yang sebaiknya dalam bentuk data vektor area dengan format Shapefile (.shp). Jika tidak mempunyai format .shp, maka dapat juga format data Google Earth files (.kml atau .kmz), atau CAD files (.dxf atau .dwg), atau berupa titik–titik koordinat, dengan sistem proyeksi Geodetik atau UTM, dan datum WGS 84;

Untuk area order yang mempunyai sistem proyeksi UTM yang perlu didefinisikan ulang zona UTM–nya, maka mohon informasikan juga, masuk ke dalam zona berapa atau setidaknya memberi informasi mengenai kota dan kabupaten dari area order tersebut.

Area order dapat dikirimkan melalui nomor WA: 0878 2292 5861 (fast response) atau e–mail: mapvisionindonesia@gmail.com atau cs@mapvisionindo.com;

Jika Anda belum mempunyai area order atau tidak mengetahui format data area order seperti yang telah dibahas sebelumnya, maka Anda dapat konsultasi terlebih dahulu dengan kami untuk pembuatan area order, melalui nomor: 0878 2292 5861 (WA/Telepon);

2). Jika Anda tidak mengetahui citra satelit dengan kelas resolusi spasial berapa ataupun resolusi spektralnya, serta spesifikasi lainnya, yang hendak diorder sesuai dengan kepentingan Anda, maka silahkan informasikan kepada kami kepentingan Anda dalam pembelian citra satelit beserta budget yang Anda miliki. Jika terdapat data citra satelit yang sesuai, maka kami akan menawarkan data citra satelit yang sesuai dengan kepentingan dan budget yang Anda miliki;

3). Berikutnya kami akan melakukan pengecekan bentuk dan luasan area order. Terdapat ketentuan yang berbeda–beda perihal bentuk dan luasan minimal order antara satu data citra satelit dengan citra satelit lain (terutama yang berbeda perusahaan penyedia).

Jika bentuk dan luasan area order belum sesuai dengan ketentuan, maka perlu dibuat area order baru yang sesuai dengan ketentuan. Pembuatan area order dapat dilakukan pihak customer atau dari pihak kami (Map Vision Indonesia).

4). Selanjutnya kami akan memberikan informasi total harga pembayaran. Jika customer setuju, maka nantinya kami akan melakukan pengecekan ketersediaan data citra satelit pada area yang hendak diorder.

5). Berikutnya, jika data citra satelit tersedia, maka kami akan mengirimkan quicklook/preview data citra satelit yang meng–cover area order beserta quotation order resminya.

Jika data citra satelit tidak tersedia, maka customer dapat memilih opsi perekaman baru, atau jika tidak berkenan, maka tahapan pemesenan data citra satelit dihentikan.

6). Customer melakukan pembayaran sesuai dengan total harga yang tercantum pada quotation order.

Pembayaran dapat dilakukan secara penuh (100^% di muka) atau DP terlebih dahulu. Untuk pembayaran secara DP terdapat ketentuan sebagai berikut:

• DP 50^% untuk total pembayaran kurang dari Rp. 15 juta (pembelian data original citra satelit yang disertai pengolahan dan atau mapping);
• DP 65^% untuk total pembayaran antara Rp. 15 juta sampai dengan Rp. 30 juta (pembelian data original citra satelit yang disertai pengolahan dan atau mapping);
• DP 70^% untuk total pembayaran di atas Rp. 30 juta (pembelian data original citra satelit yang disertai pengolahan dan atau mapping);
• Untuk pembelian data originalnya saja, maka pembayaran harus dilakukan secara penuh 100^% di muka.

7). Setelah pembayaran kami terima, selanjutnya kami akan melakukan orderan data original citra satelit kepada pihak vendor data citra satelit.

Estimasi waktu data original citra satelit akan tersedia berbeda–beda untuk tiap vendor. Umumnya vendor memberikan estimasi waktu maksimal data tersedia yakni 2 minggu setelah order dilakukan, namun biasanya rata–rata maksimal 1 minggu sudah tersedia.

8). Estimasi waktu maksimal pengolahan data original citra satelit sangat tergantung dari jumlah scene yang mencakup area order, luasan area order, tingkat kesulitan pengolahan, serta hal lainnya.

Biasanya estimasi waktu untuk pengolahan standar yang terdiri dari 1 scene saja yakni antara 3–5 hari (sudah termasuk pembuatan produk tambahan yang akan kami cantumkan pada quotation order).

Untuk estimasi waktu pengerjaan mapping (digitasi dan interpretasi dari data citra satelit hasil olahan) sangat tergantung dari tingkat resolusi spasial dari citra satelit yang digunakan, tutupan/penggunaan lahan pada area mapping, tingkat kedetailan hasil yang diinginkan, serta hal lainnya.

Estimasi waktu maksimal pengolahan dan mapping akan kami sampaikan pada quotation order dan akan kami informasikan kembali setelah order dilakukan.

9). Setelah pengerjaan selesai, kami akan memberikan link download data yang kami upload di Google Drive/Dropbox. Selain itu, kami akan mengirimkan data yang disimpan dalam USB ke tempat customer menggunakan jasa kurir.

Untuk customer yang melakukan pembayaran secara DP, data akan kami berikan setelah pelunasan selesai dilakukan. Pelunasan dapat juga dilakukan secara Cash on Delivery (CoD) di wilayah sekitar Kota Bandung.

Untuk memudahkan Anda mengenai alur pembelian dan atau yang disertai pengolahan dan mapping data citra satelit, berikut bagan alur (flowchart) terkait hal tersebut:

Bagan Alur (Flowchart) Pembelian dan Pengolahan serta Mapping Data Citra Satelit

Pengertian Citra Satelit  

Sesuai dengan frasanya, citra satelit merupakan tampilan kenampakan beragam objek dan fenomena yang terdapat pada permukaan serta dekat permukaan bumi, hasil perekaman satelit yang beroperasi di luar angkasa.

Citra satelit yang kami jual sendiri merupakan citra satelit hasil perekaman dari satelit penginderaan jauh (atau banyak yang menyebutnya juga sebagai satelit observasi bumi atau satelit sumber daya alam), dengan menggunakan sumber tenaga yang berasal dari matahari (sensor pasif) ataupun dari wahananya itu sendiri (sensor aktif).

Pembahasan lengkap mengenai pengertian satelit sensor pasif dan aktif, dapat Anda lihat pada postingan berikut: Citra Satelit.

Macam-Macam Citra Satelit

Kami melakukan kategorisasi terhadap data citra satelit yang kami jual terutamanya berdasarkan tingkat resolusi spasialnya, yakni kategori citra satelit resolusi sangat tinggi, tinggi, dan menengah.

Citra Satelit Resolusi Sangat Tinggi

Berdasarkan beberapa literatur yang kami temui, data citra satelit yang mempunyai resolusi spasial lebih tinggi atau setidaknya sama dengan 1 meter, termasuk dalam kategori data citra satelit resolusi sangat tinggi. Oleh karenanya, kami memasukkan data citra satelit berikut di bawah ini termasuk ke dalam data citra satelit resolusi sangat tinggi:

Beli Citra Satelit Resolusi Sangat Tinggi (0.3 Meter – 1.5 Meter):

• Pleiades Neo (0.3 Meter)
• WorldView Legion (0.3 Meter)
• WorldView-4 (0.3 Meter)
• WorldView-3 (0.3 Meter)
• Kompsat 3A (0.4 Meter)
• Kompsat 3 (0.5 Meter)
• WorldView-2 (0.5 Meter)
• WorldView-1 (0.5 Meter)
• GeoEye-1 (0.5 Meter)
• Pleiades-1A (0.5 Meter)
• Pleiades-1B (0.5 Meter)
• QuickBird (0.6 Meter)
• Ikonos (1 Meter)
• SPOT-6 (1.5 Meter)
• SPOT-7 (1.5 Meter)

Sebagai catatan, terdapat tambahan data Citra Satelit SPOT–6 dan SPOT–7 dengan resolusi spasial kelas 1.5 meter, yang kami masukkan ke dalam kategori ini, dengan pertimbangan data citra satelit tersebut sudah sangat masif digunakan sebagai alternatif jika data citra satelit resolusi sangat tinggi lain tidak tersedia.

Citra Satelit Resolus Tinggi

Untuk kategori citra satelit resolusi tinggi, kami memasukkan data citra satelit dengan range resolusi spasial dari 2.5 meter hingga 6 meter, dengan daftar citra satelit kategori tersebut yang kami jual adalah sebagai berikut:

Beli Citra Satelit Resolusi Tinggi (2.5 Meter – 6 Meter):

• SPOT-5 (2.5 Meter)
• ALOS PRISM (2.5 Meter)
• ALOS FUSI (2.5 Meter)
• SPOT-5 (5 Meter)
• RapidEye (5 Meter)
• SPOT-6 (6 Meter)
• SPOT-7 (6 Meter)

Citra Satelit Resolusi Menengah

Untuk kategori citra satelit resolusi menengah, kami memasukkan data citra satelit dengan range resolusi spasial dari 10 meter hingga 30 meter, dengan daftar citra satelit kategori tersebut yang kami jual adalah sebagai berikut:

Beli Citra Satelit Resolusi Menengah (10 Meter – 30 Meter):

• Sentinel-2A (10 Meter);
• Sentinel-2B (10 Meter);
• ALOS AVNIR-2 (10 Meter);
• SPOT-5 (10 Meter);
• Landsat 8 (15 Meter);
• Landsat 7 (15 Meter);
• ASTER (15 Meter);
• SPOT-4 (20 Meter);
• Landsat 5 (30 Meter).

***

Data citra satelit yang termasuk dalam sebuah kategori tidaklah bersifat permanen, hal ini menyesuaikan dengan ketersediaan tingkat resolusi spasial data citra satelit. Jadi bisa saja di masa mendatang karena terdapat data citra satelit dengan resolusi spasial kelas 20 cm (0.2 m), 15 cm (0.15 m), atau bahkan 10 cm (0.1 m), maka range kategori data citra satelit resolusi sangat tinggi dapat dari 50 cm (0.5 m) hingga tertinggi 10 cm (0.1 m).

Pengolahan Citra Satelit

Data citra satelit diperoleh dari hasil perekaman satelit yang beroperasi di luar angkasa yang berjarak ratusan kilometer dari paras bumi.

Data citra satelit yang dihasilkan tidak pernah terlepas dari kesalahan yang berasal dari internal satelit itu sendiri seperti disorientasi wahana ataupun berasal dari eksternal seperti gerakan rotasi bumi, efek kelengkungan bumi, efek topografi bumi terutama wilayah yang berbukit–bukit, dan lain sebagainya. Oleh karenanya diperlukan pengolahan untuk mengoreksi berbagai kesalahan tersebut, sehingga nantinya citra satelit “siap saji” untuk dilakukan analisis lebih lanjut, dimana kami menyebutnya sebagai pengolahan standar.

Pengolahan standar meliputi berbagai teknik pengolahan citra satelit seperti berikut ini:

1). Pan-sharpening

Salah satu opsi pembelian data citra satelit original komersial dengan resolusi spasial sangat tinggi dan tinggi yaitu pembelian secara bundle, dimana data originalnya terdiri dari moda multispektral dan pankromatik.

Data original citra satelit moda multispektral merupakan data citra satelit yang terdiri dari band–band dalam spektrum elektromagnetik tertentu yang sudah  dilakukan penggabungan (komposit). Umumnya data tersebut terdiri dari 4 band yang berada pada spektrum elektromagnetik cahaya tampak (visible) yang terdiri dari band merah (red), biru (blue), dan hijau (green), serta 1 band inframerah dekat (near infrared), namun dapat juga lebih dari 4 band, dimana hal tersebut tergantung dari berapa banyak band yang mampu direkam oleh sensor satelit.

Sedangkan untuk data original citra satelit dalam moda pankromatik merupakan data citra satelit yang hanya terdiri dari 1 band, namun berada pada panjang gelombang yang lebih lebar atau luas dibandingkan band–band data original citra satelit moda multispektral. Biasanya panjang gelombang band pankromatik berada dari spektrum elektromagnetik cahaya tampak (visible) hingga inframerah dekat (near infrared).

Masing-masing moda data citra satelit original memiliki kelebihan dan kekurangan.

Untuk data original citra satelit moda multispektral, kelebihannya terletak dari tampilannya yang berwarna karena dapat dilakukan kombinasi dari band–band tersebut untuk menampilkan sebuah tampilan warna, namun kekurangannya, tingkat resolusi spasialnya lebih rendah dibandingkan data original citra satelit moda pankromatik.

Berkebalikan dengan data citra satelit original moda multispektral, untuk data original citra satelit moda pankromatik mempunyai tampilan warna hitam putih, sehingga identifikasi objek yang berada pada citra satelit lebih sulit dilakukan, namun kelebihannya terletak pada tingkat resolusi spasialnya yang lebih tinggi dibandingkan data original citra satelit moda multispektral.

Untuk mendapatkan keunggulan dari masing–masing moda citra satelit tersebut, dapat digunakan metode yang bernama pan–sharpening.

Pan–sharpening merupakan metode untuk menggabungkan keunggulan dari data original citra satelit moda pankromatik berupa tingginya resolusi spasial dengan keunggulan dari data original citra satelit dalam moda multispektral berupa banyaknya band yang tersemat, sehingga nantinya didapatkan satu tampilan data citra satelit dengan resolusi spasial sesuai dengan yang dipunyai data original citra satelit moda pankromatik serta mempunyai jumlah band yang sesuai dengan banyaknya jumlah band yang dimiliki data original citra satelit moda multispektral.

Sederhananya, pengertian dari metode pan–sharpening adalah sebagai berikut:

Sebagai contoh penggunaan metode Pan–sharpening, berikut kami sajikan tampilan data citra satelit original Pleiades-1B moda multispektral, moda pankromatik, dan hasil pan–sharpening:

Gambar 1. Data Original Citra Satelit Pleiades–1B Moda Pankromatik (1 Band) dengan Resolusi Spasial Kelas 50 cm (0.5 m) di Wilayah Konawe Utara, Sulawesi Tenggara
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 2. Data Original Citra Satelit Pleiades–1B Moda Multispektral (4 Band VNIR) dengan Resolusi Spasial Kelas 200 cm (2 m) di Wilayah Konawe Utara, Sulawesi Tenggara
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 3. Data Citra Satelit Pleiades–1B Moda Multispektral (4 Band VNIR) Hasil Pan–sharpening dengan Resolusi Spasial Kelas 50 cm (0.5 m) di Wilayah Konawe Utara, Sulawesi Tenggara
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Berdasarkan beberapa literatur, terdapat rasio maksimal tingkat resolusi spasial dari data original citra satelit moda multispektral dan pankromatik yang dapat dilakukan proses pan–sharpening, yakni 4:1. Sebagai contoh, proses pan–sharpening dapat dilakukan antara data citra satelit original SPOT-6 moda pankromatik yang mempunyai resolusi spasial 1.5 meter yang terdiri dari 1 band pankromatik, dengan data citra satelit original SPOT-6 moda multispektral yang terdiri dari 4 band VNIR, dengan resolusi spasial 6 meter. Perbandingan tingkat resolusi spasial diantara kedua citra satelit tersebut yakni 4:1, dan hal tersebut masih dapat dilakukan.

Sedangkan untuk contoh yang tidak dianjurkan misalnya kita hendak melakukan proses pan–sharpening antara data citra satelit original Sentinel-2A yang mempunyai resolusi spasial 10 meter, dengan data citra satelit original SPOT-6 moda pankromatik yang terdiri dari 1 band pankromatik, dengan resolusi spasial 1.5 meter. Rasio antara kedua citra itu yaitu 6.6:1, dan hal tersebut lebih dari rasio maksimal yang dianjurkan.

2). Koreksi Geometrik

Saat ini data original citra satelit komersial yang ingin Anda order sudah bergeoreferensi (mempunyai sistem proyeksi dan datum), yang biasanya disajikan dalam sistem proyeksi Universal Transverse Mercator (UTM) atau Geografis, dengan datum WGS 84.

Namun pada data original citra satelit tersebut masih terdapat berbagai distorsi dan kesalahan, yang berasal dari efek topografi bumi, gerakan rotasi bumi, disorientasi wahana, serta berbagai hal lainnya. Beragam distorsi dan kesalahan tersebut akan berdampak pada bentuk objek pada citra satelit yang berbeda dengan objek sebenarnya di lapangan, dengan dampak lebih jauhnya yaitu terdapat distorsi dalam pengukuran jarak, luas, dan sudut pada data citra satelit yang digunakan.

Oleh karenanya diperlukan proses pengolahan untuk meminimalisir beragam distorsi dan kesalahan serta meningkatkan tingkat akurasi data original citra satelit tersebut. Orthorektifikasi merupakan salah satu teknik yang kami lakukan untuk melakukan hal tersebut.

Proses orthorektifikasi memerlukan data acuan berupa data titik kontrol dan juga data ketinggian. Untuk data original citra satelit resolusi sangat tinggi dan tinggi saat ini pihak vendor sudah menyertakan data Rational Polynomial Coefficients (RPCs). Data tersebut merupakan sebuah model data yang memuat beberapa titik kontrol untuk meningkatkan tingkat akurasi serta meminimalisir kesalahan dan distorsi dari citra satelit tersebut, dengan cara melakukan koreksi geometris secara sistematis.

Pihak vendor sendiri biasanya memberikan informasi tingkat akurasi dari data original citra satelit yang mereka jual. Sebagai contoh, berdasarkan keterangan dari pihak vendor, tingkat akurasi horizontal data original Citra Satelit WorldView-2 pada CE90 dapat mencapai 3.5 meter (tanpa titik kontrol). Walaupun tidak ada keterangan berapa tingkat akurasi sebuah data citra satelit yang diolah menggunakan data RPCs, namun dapat diperkirakan bahwa tingkat akurasinya dapat lebih baik dibandingkan data original-nya saja, apalagi jika ditambah dengan data DEM dengan resolusi spasial dan akurasi yang tinggi,  yang digunakan untuk meminimalisir distorsi dan kesalahan oleh bentuk topografi permukaan bumi.

Selain memerlukan titik kontrol, pada proses orthorektifikasi juga membutuhkan data DEM sebagai nilai input ketinggian. Saat ini sudah tersedia data DEMNAS untuk seluruh wilayah Indonesia yang dapat diperoleh secara gratis dan bebas. Data DEMNAS yang dirilis dari BIG bersumber dari data IFSAR (resolusi spasial 5 meter), TerraSAR-X (resolusi spasial 5 meter), dan ALOS PALSAR (resolusi spasial 11.25 meter), dengan menambahkan data Masspoint hasil stereo–plotting. Data DEMNAS disimpan dalam resolusi spasial 0.27-arcsecond atau sekitar 8 meter-an, dengan sistem proyeksi Geografis dan datum WGS 84. Oleh karenanya, kami menggunakan data DEMNAS sebagai data acuan nilai ketinggian untuk melakukan orthorektfikasi dibandingkan data DEM lain yang tersedia secara bebas seperti misalnya DEM SRTM.

Proses orthorektifikasi dapat juga menggunakan data acuan lain yang Anda miliki, seperti data titik kontrol hasil pengukuran langsung di lapangan (ground control point), data citra satelit atau data raster lainnya yang telah terkoreksi (sebaiknya mempunyai resolusi spasial yang sama atau lebih tinggi dibandingkan dengan data citra satelit yang hendak diolah), atau data vektor yang telah bergeroreferensi dan terkoreksi, sedangkan untuk data acuan ketinggian mempunyai resolusi spasial dan akurasi yang jauh lebih baik dibandingkan data DEMNAS, seperti misalnya data IFSAR, dan lain sebagainya.

Berikut ini merupakan contoh orthorektifikasi dengan menggunakan data citra satelit lain sebagai acuan atau disebut dengan Image to Image Orthorectification, yang disertai penggunaan RPCs  dan data DEMNAS untuk mendapatkan nilai ketinggian:

Gambar 4. Sebaran 48 Titik Kontrol Pada Proses Image to Image Orthorectification Pada Data Original Citra Satelit QuickBird (Bagian Kiri) dengan Data Acuan menggunakan Data Citra Satelit WorldView–2 yang Telah Terkoreksi Geometrik (Bagian Kanan)
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 4 di atas memperlihatkan penggunaan data Citra Satelit WorldView–2 dengan resolusi spasial kelas 50 cm (0.5 m) yang telah terkoreksi geometrik sebagai data acuan pada proses image to image orthorectification data original Citra Satelit QuickBird dengan resolusi spasial kelas 50 cm (0.5 m).

Pada proses ini digunakan 48 titik kontrol serta ditambah dengan data RPC dan juga DEMNAS untuk memperoleh data ketinggian.

Dari hasil proses image to image orthorectification untuk data Citra Satelit QuickBird dengan data acuan yaitu data RPC, DEMNAS, serta data Citra Satelit WorldView-2 yang telah terkoreksi geometrik, dengan total 48 titik kontrol, diperoleh Root Mean Square (RMS): 1.15 piksel dengan XRMS: 0.88 piksel dan YRMS: 0.75 piksel.

Untuk melihat hasil dari proses image to image orthorectification, kita dapat melihat perbandingan antara data Citra Satelit QuickBird hasil pan–sharpening (belum terkoreksi geometrik) yang disandingkan dengan data acuan Citra Satelit WorldView–2, serta perbandingan antara data Citra Satelit QuickBird hasil image to image orthorectification dengan data acuan Citra Satelit WorldView–2, pada gambar-gambar di bawah ini:

Gambar 5. Citra Satelit QuickBird Hasil Pan–sharpening yang Belum Dikoreksi Geometrik Menggunakan Data Acuan Berupa Data Citra Satelit WorldVew–2 yang Telah Terkoreksi Geometrik
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 6. Citra Satelit QuickBird Hasil Pan–sharpening yang Telah Dikoreksi Geometrik Menggunakan Data Acuan Berupa Data Citra Satelit WorldView–2 yang Telah Terkoreksi Geometrik
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Sebagai contoh untuk melihat perbandingan antara data Citra Satelit QuickBird hasil image to image orthorectification dengan data Citra Satelit WorldView–2 sebagai data acuan, kita dapat melihat sebuah titik yang ditempatkan pada objek di ujung sebuah atap rumah pada Gambar 6 (area yang dilingkari warna hijau), terlihat posisi titik tersebut hampir terlihat tidak mengalami pergeseran di antara kedua citra satelit tersebut.

Sedangkan untuk data Citra Satelit QuickBird hasil pan sharpening yang belum dikoreksi geometrik, posisi titik pada objek di ujung atap rumah mengalami pergeseran dengan titik pada data Citra Satelit WorldView–2 sebagai data acuan (dapat dilihat pada Gambar 5).

Tidak semua objek antara data Citra Satelit QuickBird hasil image to image orthorectification dengan data Citra Satelit WorldView–2 yang digunakan sebagai data acuan, posisinya akan hampir tepat, akan terdapat objek–objek yang sedikit mengalami pergeseran sesuai dengan nilai RMS yang dihasilkan pada proses image to image orthorectification.

Perlu diperhatikan juga bahwa ketika membandingkan posisi titik antara data Citra Satelit QuickBird dengan data Citra Satelit WorldView–2 akan terlihat bentuk atau besar sebuah bangunan yang sebenarnya tidak mengalami perubahan atau objek lainnya yang juga tidak mengalami perubahan, seperti tampak berbeda. Hal tersebut dipengaruhi oleh posisi sudut perekaman yang dilakukan oleh masing–masing satelit serta tingkat resolusi spasial yang dihasilkan oleh satelit–satelit tersebut, seperti contohnya dapat dilihat pada Gambar 7 di bawah ini:

Gambar 7. Perbedaan Tampilan Sebuah Objek Rumah Pada Data Citra Satelit QuickBird dengan Data Citra Satelit WorldView–2
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Perhatikan objek rumah yang dilingkari warna hijau pada Gambar 7 di atas. Terlihat bentuk dan besar rumah tersebut seperti tampak berbeda, padahal sebenarnya masih sama. Efek dari sudut perekaman dan tingkat resolusi spasial yang berbeda dari kedua citra satelit tersebut, membuat kenampakan objek rumah berbeda diantara kedua citra satelit tersebut.

Contoh lain dari hasil pengolahan image to image orthorectification, dapat kita lihat di bawah ini:

Gambar 8. Data Citra Satelit Pleiades–1A Hasil Pan–sharpening yang Belum Terkoreksi Geometrik dengan Data Citra Satelit WorldView–2 sebagai Data Acuan pada Area Pertampalan
(Image Copyright: Maxar Technologies, Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 9. Data Citra Satelit Pleiades–1A Hasil Pan–sharpening yang Telah Terkoreksi Geometrik dengan Data Citra Satelit WorldView–2 sebagai Data Acuan pada Area Pertampalan
(Image Copyright: Maxar Technologies, Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 8 di atas memperlihatkan data Citra Satelit Pleiades–1A hasil pan–sharpening yang belum dikoreksi geometrik terhadap data yang digunakan sebagai acuan yakni data Citra Satelit WorldView–2 yang telah terkoreksi geometrik. Terlihat bahwa objek–objek pada data Citra Satelit Pleiades–1A seperti objek jalan (diperlihatkan oleh area yang dilingkari warna merah pada Gambar 8) tidak menyambung dengan objek jalan yang terdapat pada data Citra Satelit WorldView–2. Begitu juga dengan objek–objek lainnya seperti pematang sawah, bangunan, serta beberapa objek lainnya, yang belum terhubung secara pas di antara kedua data citra satelit tersebut.

Sedangkan untuk data Citra Satelit Pleiades–1A hasil image to image orthorectification (juga menggunakan data RPC sebagai titik kontrol, serta menggunakan data DEMNAS sebagai masukan nilai ketinggian) terlihat bahwa objek–objek sudah tersambung dengan data acuan Citra Satelit WorldView–2, seperti objek jalan (diperlihatkan oleh area yang dilingkari warna merah pada Gambar 9), pematang sawah, bangunan, pohon di area perkebunan, serta objek lainnya yang berada di area pertampalan.

Untuk melihat apakah proses image to image orthorectification sudah memberikan hasil yang baik (selain tentunya di awal dapat dilihat dari RMS yang dihasilkan), sebaiknya yang dilihat adalah posisi objek–objek yang terutamanya tidak mengalami perubahan bentuk dari data citra satelit yang dibandingkan yaitu misalnya objek jalan–jalan besar, pematang sawah, bangunan permanen, serta objek lainnya.

Sedangkan objek–objek yang kerap mengalami perubahan bentuk seperti contohnya sungai, baik yang berukuran besar ataupun kecil, kurang ideal untuk dijadikan patokan hasil proses image to image orthorectification, berhubung bentuk dari objek-objek tersebut mengalami perubahan dari waktu ke waktu. Jadi misalnya ketika kita melihat sedikit perbedaan posisi objek sungai antar data citra satelit, tidak bisa langsung disimpulkan terjadi pergeseran antar data citra satelit, karena seringkali terjadi perbedaan lebar ataupun bentuk sungai diantara data citra satelit yang diolah, walaupun biasanya perubahannya tidak terlalu jauh berbeda.

3). Mosaic

Mosaic merupakan penggabungan dua atau lebih data citra satelit pada area yang saling bertampalan atau tumpang tindih (overlapping), sehingga nantinya menampilkan kesatuan data citra satelit yang utuh, selaras, dan berkesinambungan.

Proses mosaic hanya dapat dilakukan jika proses orthorektifikasi telah dilakukan dengan benar, sehingga nantinya posisi objek-objek di area pertampalan antar citra satelit sudah tepat satu sama lain atau setidaknya tidak mengalami pergeseran yang terlalu jauh.

Proses mosaic erat kaitannya dengan proses pengolahan lain seperti enhancement dan color balancing, atau cloud remove (situasional), serta pembuatan cutline.

Berikut ini perbandingan tampilan 5 data original Citra Satelit Pleiades-1B dengan data Citra Satelit Pleiades-1B hasil mosaic:

Gambar 10. Tampilan 5 Data Original Citra Satelit Pleiades–1B yang Saling Bertampalan di Sebuah Wilayah
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 11. Tampilan 5 Data Citra Satelit Pleiades–1B yang Telah Digabungkan Menjadi Satu Kesatuan (Mosaic)
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 10 di atas memperlihatkan kenampakan 5 data original Citra Satelit Pleiades–1B yang saling bertampalan di sebuah wilayah. Terlihat masing–masing data mempunyai tampilan warna sendiri, dan terlihat tidak menyatu satu sama lain.

Setelah dilakukan proses mosaic (yang sebelumnya telah dilakukan proses pan–sharpening dan orthorektifikasi, serta dilakukan pembuatan cutline, enhancement, dan color balancing), maka tampilan warnanya lebih seragam, dan terlihat lebih menyatu, yang diperlihatkan oleh Gambar 11 di atas.

Terdapat hal yang harus diperhatikan dalam pembuatan mosaic ini, yaitu sebagai berikut:

a). Posisikan data citra satelit dengan tanggal perekaman lebih muda atau update, berada di atas data citra satelit dengan tanggal perekaman lebih tua. Hal ini bertujuan supaya tampilan objek–objek pada citra satelit hasil mosaic lebih update.

Namun hal tersebut tidak berlaku jika misalnya tutupan awan pada area pertampalan data citra satelit yang mempunyai tanggal perekaman lebih update tersebut cukup tinggi, sedangkan tutupan awan data citra satelit dengan tanggal perekaman lebih tua tersebut hampir tidak ada atau lebih sedikit.

b). Jika pada area pertampalan antar data citra satelit mempunyai tanggal perekaman yang sama atau tidak terlalu berbeda jauh, atau setelah dilakukan pengecekan ternyata tidak terdapat perbedaan objek, maka data citra satelit yang menjadi prioritas berada di posisi atas yakni yang mempunyai tingkat resolusi spasial tertinggi dan jika resolusi spasialnya sama maka dipilih yang memiliki sudut perekaman terendah, sehingga objek yang tampil merupakan objek dengan tingkat kedetailan yang tinggi dengan bentuk yang sesuai dengan kondisi di lapangan.

4). Enhancement

Enhancement merupakan proses koreksi tampilan visual dari data original citra satelit, sehingga dihasilkan aspek visual terbaik dari citra satelit dengan kenampakan warna antar objek yang kontras, tingkat kecerahan (brightness) yang pas, serta diupayakan tidak terdapat area tertentu pada data citra satelit yang terlalu terang (overexposed) atau kurang terang (underexposed).

Berikut ini contoh tampilan data Citra Satelit Pleaides-1A sebelum dan sesudah dilakukan proses enhancement:

Gambar 12. Data Citra Satelit Pleiades–1A Sebelum Dilakukan Proses Enhancement
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 13. Data Citra Satelit Pleiades–1A Setelah Dilakukan Proses Enhancement
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 12 di atas memperlihatkan tampilan data Citra Satelit Pleaides–1A hasil pan–sharpening dengan warna natural, namun belum dilakukan proses enhancement. Terlihat tampilannya gelap, dengan tingkat kontras warna antar objek kurang “kuat”.

Setelah dilakukan proses enhancement, hasilnya dapat dilihat pada Gambar 13. Tampilan data Citra Satelit Pleaides–1A lebih “nyaman” untuk dilihat, dengan tampilan tingkat kecerahan yang pas, serta kontras warna antar objek yang cukup jelas.

Proses enhancement dapat dilakukan juga pada data citra satelit dengan tampilan warna hitam putih (monokromatik) seperti contohnya data Citra Satelit WorldView–1, sehingga nantinya tampilan hasil enhancement seolah–olah menyerupai warna natural. Penjelasan lebih detail terkait hal ini, akan diterangkan pada postingan kami selanjutnya yang berjudul Pengolahan Citra Satelit.

5). Color Balancing

Color Balancing merupakan proses penyamaan warna antar data citra satelit, yang terutamanya pada area pertampalan atau tumpang tindih (overlapping).

Color Balancing erat kaitannya dengan proses mosaic, karena setelah data citra satelit digabungkan (mosaic), proses berikutnya yang dilakukan ialah enhancement salah satu data citra satelit yang dijadikan sebagai acuan tampilan warna bagi data citra satelit lain dalam proses color balancing, sehingga hasil akhirnya diperoleh tampilan visual keseluruhan data citra satelit yang selaras.

Berikut contoh tampilan data citra satelit sebelum dan sesudah dilakukan color balancing:

Gambar 14. Dua Data Citra Satelit Pleaides–1B Sebelum Dilakukan Color Balancing
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 15. Dua Data Citra Satelit Pleaides–1B Setelah Dilakukan Color Balancing
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 14 di atas memperlihatkan tampilan dua data Citra Satelit Pleiades–1B sebelum dilakukan color balancing (dan juga belum dilakukan proses orthorektifikasi dan cutline, namun telah dilakukan proses pan–sharpening).

Sedangkan Gambar 15 memperlihatkan tampilan dua data Citra Satelit Pleiades–1B setelah dilakukan color balancing, dan juga sebelumnya telah dilakukan proses pan–sharpening, orthorektifikasi, cutline, dan enhancement.

Terlihat tampilan warna natural dari dua data Citra Satelit Pleiades–1B setelah dilakukan enhancement dan color balancing sudah hampir menyerupai satu sama lain. Selain itu proses orthorektifikasi dan cutline yang telah dilakukan sebelumnya, membuat tampilan antar objek di area pertampalan antar data citra satelit sudah menyambung, dan sulit diketahui batas antar dua data citra satelit tersebut, sehingga tampilannya menyatu dan selaras satu sama lain.

Sebagai catatan, tidak semua proses color balancing akan menghasilkan tampilan warna yang menyerupai satu sama lain, dimana hal tersebut dapat terjadi karena perbedaan kondisi tutupan atau penggunaan lahan diantara data citra satelit tersebut. Sebagai contoh, tampilan sawah yang terdapat pada citra satelit yang satu berwarna hijau karena sedang musim tanam, sedangkan pada data citra satelit lain tampilannya berwarna kecoklat–coklatan karena sudah mengalami musim panen, sehingga yang tampak hanya tampilan tanahnya saja. Oleh karenanya ketika objek sawah tersebut berada di area pertampalan atau area yang saling tumpang tindih (overlapping) pada kedua data citra satelit tersebut, maka warnanya tidak akan pernah sama. Beberapa faktor lain juga dapat membuat tampilan antar data citra satelit tidak menyerupai satu sama lain walau sudah dilakukan proses color balancing, seperti kondisi atmosferik yang berbeda antar data citra satelit, warna objek yang ternyata sudah berbeda (misalnya sebuah bangunan pada data citra satelit satu berwarna merah, dan pada citra satelit lain berwarna biru), serta berbagai hal lainnya.

6). Cutline

Cutline merupakan bentuk potongan area pada sebuah data citra satelit, yang digunakan dalam proses mosaic.

Pembuatan cutline dilakukan untuk “menyamarkan” area pertampalan antar data citra satelit, sehingga tampilan data citra satelit hasil mosaic tampak sebagai satu kesatuan utuh (dengan catatan proses koreksi geometrik, enhancement, dan color balancing pada proses mosaic sudah dilakukan dengan baik dan benar).

Berikut ini contoh tampilan dua data Citra Satelit Pleiades-1B sebelum dan sesudah dilakukan pembuatan cutline:

Gambar 16. Citra Satelit Pleiades–1B Tanggal Perekaman 8 Juni 2018 Sebelum Dilakukan Pembuatan Cutline
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 16 menunjukkan area pertampalan antara data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018 dengan data Citra Satelit Pleiades–1B tanggal perekaman 22 Februari 2018.

Posisi data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018 di atas tanggal perekaman 22 Februari 2018, sehingga posisi batas akhir area data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018 terlihat.

Batas antara kedua data citra satelit sangat tampak jelas, oleh karenanya selain diperlukan proses orthorektifikasi, enhancement ditambah color balancing, maka dapat dibuat sebuah cutline untuk “mengaburkan” batas antar kedua data citra satelit tersebut.

Hasil proses orthorektifikasi, enhancement, color balancing, serta cutline, dapat dilihat pada gambar di bawah ini:

Gambar 17. Citra Satelit Pleiades–1B Tanggal Perekaman 8 Juni 2018 Setelah Dilakukan Pembuatan Cutline, yang Ditunjukkan oleh Garis Merah
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Garis merah pada Gambar 17 menunjukkan cutline yang dibuat pada data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018, yang posisinya di atas tanggal perekaman 22 Februari 2018.

Sebenarnya dengan proses orthorektifikasi, enhancement dan color balancing yang benar dan bagus, akan cukup “mengaburkan” batas antar kedua data citra satelit tersebut, namun dengan penambahan pembuatan cutline akan semakin “mengaburkan” batasnya.

Jika tampilan warna antar data citra satelit setelah dilakukan enhancement dan color balancing tidak bisa benar–benar sama karena beberapa faktor yang telah dijelaskan pada bagian Color Balancing sebelumnya, maka pembuatan cutline jadi lebih terasa manfaatnya.

Jika Anda cukup detail mengamati tampilan warna antara data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018, terlihat terutamanya tampilan warna pada bagian daun kelapa sawit berwarna hijau yang lebih gelap dibandingkan tampilan warna daun kelapa sawit pada Citra Satelit Pleaides–1B tanggal perekaman 22 Februari 2018. Hal ini disebabkan, umur pohon kelapa sawit tanggal perekaman 8 Juni 2018 tentunya lebih tua dibandingkan tanggal perekaman 22 Februari 2018, sehingga daunnya akan lebih rimbun yang menyebabkan tampilan jarak antar pohon tidak terlalu jelas.

Untuk itu penggunaan cutline akan sangat membantu dalam “mengaburkan” batas antar kedua data citra satelit tersebut, seperti terlihat gambar di bawah ini:

Gambar 18. Citra Satelit Pleiades–1B Tanggal Perekaman 8 Juni 2018 Setelah Dilakukan Pembuatan Cutline
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 18 di atas menunjukkan data Citra Satelit Pleiades–1B tanggal perekaman 8 Juni 2018 yang telah dilakukan pembuatan cutline. Dengan menghilangkan tampilan cutline–nya, akan lebih sulit memperkirakan batas antara data Citra Satelit Pleaides–1B tanggal perekaman 8 Juni 2018 dengan tanggal perekaman 22 Februari 2018.

7). Kombinas Warna

Data original citra satelit terdiri dari band–band yang mempunyai panjang gelombang tertentu yang berada pada sebuah spektrum elektromagnetik.

Umumnya untuk data original citra satelit resolusi sangat tinggi dan tinggi, terdiri dari 4 band yang berada pada spektrum elektromagnetik cahaya tampak (visible) dan inframerah dekat (near infrared) atau biasa disingkat dengan nama VNIR. Jika terdapat citra satelit yang memiliki lebih dari 4 band, maka 4 band yang biasanya sudah tersedia ialah yang berada pada spektrum elektromagnetik VNIR tersebut, sedangkan sisanya sangat tergantung dengan misi satelit penghasil citra tersebut. Sebagai contoh, Citra Satelit WorldView–2 terdiri dari 8 band, dengan 4 band utama berada pada spektrum elektromagnetik VNIR seperti band merah, biru, dan hijau, serta band inframerah dekat, sedangkan 4 band sisanya yaitu band kuning (yellow), tepi merah (red edge), inframerah dekat 2 (near infrared 2), dan pesisir warna biru (coastal blue).

Sedangkan untuk data citra satelit resolusi menengah dan rendah biasanya mempunyai jumlah band yang lebih banyak lagi. Sebagai contoh, data original Citra Satelit Landsat 8 terdiri dari 11 band, data original Citra Satelit Sentinel–2A memiliki 13 band, serta data citra satelt resolusi menengah dan rendah lainnya.

Kombinasi dari band–band yang terdapat pada data citra satelit akan menampilkan sebuah kenampakan warna yang dapat mempermudah proses interpretasi beragam objek yang terdapat pada data citra satelit tersebut.

Terdapat dua istilah kenampakan warna hasil kombinasi band–band yang terdapat pada data citra satelit yakni warna natural (natural color) dan warna tidak sebenarnya (false color).

Warna natural (natural color) merupakan istilah untuk tampilan warna objek–objek yang terdapat pada data citra satelit sesuai dengan yang terlihat oleh mata normal manusia, seperti contohnya warna vegetasi yang pada umumnya berwarna hijau, tanah yang berwarna coklat, laut berwarna biru, dan lain-lain.

Untuk mendapatkan tampilan warna natural, maka band–band yang terlibat dalam kombinasi berasal dari band–band yang berada pada spektrum elektromagnetik cahaya tampak (visible) yakni band merah (red), hijau (green), dan biru (blue). Band–band tersebut ditempatkan sesuai dengan salurannya, seperti band merah ditempatkan pada saluran merah, band hijau pada saluran hijau, dan band biru pada saluran biru.

Pada data citra satelit, masing–masing band diberi sebuah penomoran. Informasi mengenai hal itu biasanya disajikan dalam metadata citra satelit tersebut. Sebagai contoh, berikut kami sajikan band yang terdapat pada Citra Satelit Pleiades–1A beserta penomorannya:

Dari tabel 1 di atas, maka untuk membuat tampilan warna natural data Citra Satelit Pleiades–1A, kombinasi band yang dilakukan yaitu RGB 123, yang berarti band 1 ditempatkan pada saluran merah (Red – R), band 2 diletakkan pada saluran hijau (Green – G), dan band 3 ditempatkan pada saluran biru (Blue – B).

Terkadang penomoran data citra satelit yang satu sama dengan data citra satelit yang lainnya, namun sering juga berbeda. Oleh karenanya penting untuk melihat informasi penomoran band pada metadata data citra satelit tersebut. Sebagai contoh lainnya, kami sajikan daftar band pada data Citra Satelit WorldView–2 beserta penomorannya:

Dari tabel 2 di atas, kita dapat melihat bahwa penomoran band data Citra Satelit WorldView–2 berbeda dengan data Citra Satelit Pleaides–1A. Band merah berada pada band 3, band hijau pada band 2, dan band biru pada band 1. Oleh karenanya, kombinasi band untuk mendapatkan tampilan warna natural data Citra Satelit WorldView–2 yaitu RGB 321.

Dan berikut ini contoh tampilan warna natural data Citra Satelit Pleiades-1A:

Gambar 19. Tampilan Warna Natural Citra Satelit Pleaides-1A dengan Kombinasi Band RGB 123
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Terlihat dari Gambar 19 di atas, warna berbagai objek yang tampak pada data Citra Satelit Pleaides–1A warna natural sesuai dengan yang terlihat oleh mata normal manusia. Sawah yang berwarna hijau, jalan dengan warna putih keabu–abuan, genteng rumah penduduk yang bewarna coklat, dan lain-lain.

Jika tampilan warna natural (natural color) dihasilkan dari kombinasi band dengan penempatan band yang sesuai dengan salurannya, maka warna tidak sebenarnya atau warna palsu (false color) dihasilkan dari penempatan band yang tidak sesuai dengan salurannya.

Sebagai contoh tampilan warna palsu, kombinasi band RGB 432 data Citra Satelit WorldView–2, menempatkan band 4 yaitu band inframerah dekat pada saluran merah (Red – R), kemudian band 3 yaitu band merah ditempatkan pada saluran hijau (Green – G), dan band 2 yaitu band hijau ditempatkan pada saluran biru (Blue – B). Penempatan band yang tidak sesuai dengan salurannya tersebut menghasilkan tampilan warna objek yang tidak sesuai dengan yang terlihat oleh mata normal manusia.

Untuk kombinasi band RGB 432 pada data Citra Satelit WorldView–2, tampilan warna vegetasi akan berwarna merah, lahan terbuka berwarna kehijau–hijauan, bangunan berwarna kebiru–biruan, serta berbagai objek lain dengan tampilan warna berbeda dengan yang terlihat oleh mata normal manusia.

Gambar 20. Tampilan Warna Merah Semu Citra Satelit WorldView–2 dengan Kombinasi Band RGB 432
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 20 merupakan contoh tampilan Citra Satelit WorldView–2 hasil kombinasi band RGB 432. Terlihat bahwa sawah dan vegetasi lain berwarna merah, bangunan berwarna kehijau–hijauan, jalan dengan warna putih kehijau–hijauan.

Tampilan warna kombinasi band RGB 432 pada data Citra Satelit WorldView–2 sering diistilahkan sebagai warna merah semu, karena warna dominan pada data citra satelit yang terlihat, biasanya berwarna merah, berhubung band inframerah dekat yang ditempatkan pada saluran merah.

Tampilan warna palsu atau semu sendiri bermanfaat untuk memudahkan proses interpretasi. Sebagai contoh, tampilan warna merah semu dengan kombinasi band RGB 432 data Citra Satelit WorldView–2, akan lebih memudahkan seorang intrepreter dalam melakukan interpretasi, terutamanya untuk objek–objek vegetasi. Berbagai kombinasi band dapat dilakukan, sehingga menghasilkan tampilan warna semu lainnya, yang memudahkan untuk melakukan interpretasi terutama pada objek yang menjadi fokus interpretasi, seperti misalnya kombinasi band RGB 342 pada Citra Satelit WorldView–2, yang menghasilkan tampilan warna hijau semu yang digunakan untuk melakukan interpretasi terutamanya pada objek–objek area terbangun.

Pemanfaatan tampilan warna palsu atau semu lebih terasa manfaatnya pada data citra satelit resolusi menengah dan rendah. Kenampakan objek–objek yang tidak terlihat jelas dan detail, terutama pada objek–objek berukuran kecil, membuat proses interpretasi menjadi lebih sulit untuk data citra satelit resolusi menengah dan rendah. Oleh karenanya diperlukan kombinasi band yang dapat “menonjolkan” sebuah objek yang menjadi fokus interpretasi.

Untuk contoh kombinasi band pada data citra satelit resolusi menengah dan rendah, beserta penjelasan detailnya, dapat Anda simak pada postingan kami selanjutnya yang berjudul Pengolahan Citra Satelit.

8). Cloud Remove

Cloud Remove merupakan proses menghilangkan keberadaan awan tebal pada sebuah data citra satelit, yang digantikan oleh data citra satelit lain yang mempunyai tutupan awan lebih rendah atau tidak ada sama sekali.

Sesuai dengan penjelasan di atas, maka pada proses cloud remove ini memerlukan setidaknya satu data citra satelit lain yang bertindak sebagai pengganti pada area berawan yang terdapat pada data citra satelit utama.

Berikut ini kami tampilkan contoh citra satelit sebelum dan sesudah proses pengolahan cloud remove:

Gambar 21. Citra Satelit WorldView–2 dengan Resolusi Spasial Kelas 0.5 m (50 cm) sebagai Citra Satelit Utama (Main Scene)
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 22. Citra Satelit WorldView–2 dengan Resolusi Spasial Kelas 0.5 m (50 cm) sebagai Citra Satelit Utama (Main Scene)
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 23. Citra Satelit Hasil Cloud Remove (WorldView–2 dan QuickBird) dengan Resolusi Spasial Kelas 0.5 m (50 cm)
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 21 di atas memperlihatkan data Citra Satelit WorldView–2 sebagai data citra satelit utama (main scene) yang diorder. Terlihat pada bagian utara (atas) dari data citra satelit tersebut penuh dengan awan tebal. Untuk menghilangkan keberadaan awan tersebut, maka diperlukan proses cloud remove menggunakan data citra satelit lain yang mempunyai tutupan awan rendah atau tiada sama sekali terutama di bagian utara atau atas pada area order, yang bertindak sebagai data citra satelit pengganti (cloud patching scene).

Pada proses pengolahan cloud remove ini, kami menggunakan data Citra Satelit QuickBird sebagai data citra satelit pengganti (cloud patching scene), yang ditunjukkan oleh Gambar 22 di atas.

Hasil dari cloud remove ditunjukkan oleh Gambar 23 di atas. Terlihat bahwa keberadaan awan pada data citra satelit utama khususnya pada bagian utara (atas) sudah digantikan oleh data citra satelit lain yang lebih bebas dari awan.

Pengolahan cloud remove sendiri tentunya terkait dengan mosaic, karena hasil akhirnya berupa penggabungan data citra satelit utama dan pengganti. Oleh karenanya sebelum melakukan proses pengolahan cloud remove, kita sudah memastikan objek antar data citra satelit pada area yang overlaping sudah pas, melalui proses image to image orthorectification, dengan data citra satelit yang menjadi acuan biasanya data citra satelit utama. Setelah proses cloud remove, maka selanjutnya dilakukan pembuatan cutline, dan berikutnya enhancement serta color balancing antara data citra satelit utama dan pengganti.

Terdapat hal–hal yang perlu diperhatikan dalam proses pengolahan cloud remove, yaitu sebagai berikut:

a). Sebaiknya tanggal perekaman antara data citra satelit utama dengan pengganti tidak berbeda jauh, sehingga objek di area yang diganti tidak terdapat perubahan, atau kalaupun terjadi perubahan setidaknya tidak terlalu berubah jauh;

b). Tingkat resolusi spasial antara data citra satelit utama dengan pengganti tidak berbeda jauh, sehingga hasil mosaic yang diperoleh nantinya terlihat lebih selaras dan tidak jomplang.

9). Haze Reduction

Tidak semua awan yang terdapat pada sebuah data citra satelit harus dihilangkan dengan proses pengolahan cloud remove, untuk data citra satelit yang terdapat awan, kabut, atau asap yang tipis, maka dapat direduksi atau bahkan dihilangkan dengan proses pengolahan bernama haze reduction.

Untuk proses pengolahan haze reduction, tidak diperlukan data citra satelit pengganti seperti halnya pada cloud remove. Pengolahan hanya dilakukan pada data citra satelit tersebut.

Berikut ini contoh tampilan data citra satelit sebelum dan sesudah dilakukan proses pengolahan haze reduction:

Gambar 24. Data Citra Satelit WorldView–2 Sebelum Dilakukan Proses Pengolahan Haze Reduction
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 25. Data Citra Satelit WorldView–2 Setelah Dilakukan Proses Pengolahan Haze Reduction
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Keberadaan awan tipis yang terdapat pada data Citra Satelit WorldView–2 (Gambar 24), sudah hampir tidak terlihat setelah dilakukan proses pengolahan haze reduction, yang hasilnya terlihat pada Gambar 25 di atas.

Contoh lain dari data citra satelit sebelum dan sesudah proses pengolahan haze reduction dalam tampilan objek yang lebih detail dapat dilihat di bawah ini:

Gambar 26. Data Citra Satelit QuickBird Sebelum Dilakukan Proses Pengolahan Haze Reduction
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Gambar 27. Data Citra Satelit QuickBird Setelah Dilakukan Proses Pengolahan Haze Reduction
(Image Copyright: Maxar Technologies; Courtesy of Map Vision Indonesia)

Terlihat dari Gambar 27, hasil proses pengolahan haze reduction membuat keberadaan awan tipis tereduksi, yang mempermudah interpretasi terhadap objek–objek yang terdapat pada data citra satelit tersebut.

Terdapat hal yang perlu diperhatikan pada proses pengolahan haze reduction. Kerap kali proses pengolahan ini memberikan “efek samping” berupa tampilan warna objek yang berubah, terutama pada area yang terselimuti oleh awan tipis tersebut. Hal ini terkait dengan cara kerjanya yang mereduksi tampilan warna pada panjang gelombang tertentu. Jika ternyata tampilan warnanya banyak berubah, sehingga menyulitkan dalam proses interpretasi beragam objek yang terdapat pada data citra satelit tersebut, maka sebaiknya pengolahan ini tidak dilakukan.

***

Tidak semua data citra satelit harus melalui semua tahapan pengolahan standar di atas, dimana hal tersebut sangat tergantung data citra satelit yang diolah. Sebagai contoh, tahapan pengolahan pan–sharpening tidak diperlukan untuk memperoleh data Citra Satelit Sentinel–2A dengan tampilan warna natural dan warna semu yang melibatkan band inframerah dekat, berhubung band–band tersebut memiliki resolusi spasial tertinggi yakni 10 meter. Pengolahan mosaic, color balancing dan cutline juga tidak diperlukan jika jumlah data citra satelit yang diolah pada sebuah area hanya ter–cover oleh satu data citra satelit saja. Begitu juga dengan pengolahan cloud removing dan haze reduction yang dilakukan jika data citra satelit utama memiliki tingkat tutupan awan yang tinggi.

10). Format Penyimpanan Data Citra Satelit Hasil Olahan

Data citra satelit yang telah dilakukan tahap pengolahan, yang sebelumnya sudah dijabarkan, maka proses selanjutnya yaitu penyimpanan data.

Penyimpanan data dibuat dalam tiga format data yaitu GeoTIFF (.tif), Enhanced Compression Wavelet (.ecw), dan Keyhole Markup Language Zip (.kmz).

Data citra satelit dalam format GeoTIFF (.tif) merupakan data citra satelit tanpa mengalami kompresi (uncompressed). Format data ini ditujukan untuk pemetaan dan pengamatan detail objek–objek pada data citra satelit.

Data citra satelit dalam format ECW (.ecw) merupakan data citra satelit yang sudah mengalami kompresi (compressed). Tingkat rasio kompresi data citra satelit hasil olahan dapat dibuat dengan tingkat perbandingan sesuai keinginan kita. Namun jika ingin menjaga tingkat kedetailan, maka sebaiknya rasio dibuat 1:1 atau setidaknya tidak jauh dengan perbandingan tersebut, sehingga kualitas tampilan data masih terjaga. Data dalam format ECW memiliki ukuran file yang lebih kecil dibandingkan dengan format data GeoTIFF, oleh karena itu sangat baik digunakan untuk pengamatan secara cepat pada komputer tanpa mengurangi kualitas visual data.

Data citra satelit dalam format KMZ (.kmz) ditujukan supaya data citra satelit hasil olahan dapat dibuka dan dilihat pada aplikasi Google Earth.

11). Poster, Preview, Layout, 3D View, 3D Flythrough, DEM, Kontur, Slope, Perhitungan Luasan Kelas Kemiringan Lereng

Seperti telah disinggung pada pembahasan sebelumnya, Anda yang melakukan pemesanan data original citra satelit yang disertai proses pengolahannya, maka Anda tidak hanya mendapatkan data citra satelit hasil olahan dengan format GeoTIFF, ECW, dan KMZ, namun kami memberikan juga beragam data pendukung dari data citra satelit olahan, tanpa harus membayar lagi. Semua hanya dalam satu harga saja.

Kami akan ikut menyertakan softcopy poster, preview, layout dari data citra satelit hasil olahan, tampilan 3D (3D View) data citra satelit hasil olahan warna natural, video 3D flythrough data citra satelit hasil olahan warna natural, data original DEM (DEMNAS dan DSM ALOS World 3D) dan hasil olahan beserta data turunannya seperti kontur, kemiringan lereng (slope), dan perhitungan kelas kemiringan lereng.

Berikut ini contoh tampilan data-data pendukung tersebut:

This slideshow requires JavaScript.

Untuk pembahasan detail masing–masing data tambahan yang ikut disertakan, dapat Anda simak pada postingan kami selanjutnya yang berjudul Pengolahan Citra Satelit.

12). Mapping

Mapping merupakan pembuatan peta tematik hasil dari interpretasi serta digitasi data citra satelit hasil olahan.

Proses interpretasi dan digitasi dilakukan secara manual oleh intrepreter GIS kami yang telah berpengalaman, untuk menghasilkan peta hasil mapping yang berkualitas.

Gambar 35. Peta Penggunaan Lahan Hasil Mapping (Interpretasi dan Digitasi) dari Data Olahan Citra Satelit Pleiades–1B pada Bagian Fokus Area
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Gambar 36. Peta Penggunaan Lahan Hasil Mapping (Interpretasi dan Digitasi) dari Data Olahan Citra Satelit Pleiades–1B pada Bagian Area Order Mapping
(Image Copyright: Airbus Defence & Space; Courtesy of Map Vision Indonesia)

Terdapat tambahan biaya untuk pembuatan peta hasil mapping, dengan besaran biaya tergantung dari tingkat resolusi spasial data citra satelit hasil olahan yang digunakan, tingkat kedetailan peta hasil mapping, kondisi tutupan lahan dan penggunaan lahan di area order, dan lain-lain.

***

Untuk pembahasan lebih lanjut mengenai pengolahan data citra satelit, akan kami ulas pada postingan kami berikutnya yang berjudul Pengolahan Citra Satelit.

Harga Citra Satelit

Harga citra satelit komersial tergantung dari tingkat resolusi spasial, resolusi spektral, serta kebijakan dari masing–masing perusahaan pemilik satelit observasi bumi.

Saat ini pembelian dan pengolahan serta mapping data citra satelit komersial hampir seluruhnya dihitung per km². Hanya beberapa data citra satelit saja yang masih dihitung per scene, terutama untuk data citra satelit resolusi menengah dan rendah seperti data citra satelit dari Program Landsat, Sentinel, dan ALOS.

Terdapat aturan pembelian dan pengolahan serta mapping data citra satelit, mulai dari luasan minimal order, jarak antar verteks dan lebar ke segala arah dari area order, serta beberapa aturan lainnya.

Untuk pembahasan lengkap mengenai harga citra satelit dan aturan pembeliannya dapat dilihat pada postingan berikut ini: Harga Citra Satelit

Manfaat Citra Satelit

Penggunaan citra satelit sekarang sudah sangat masif di Indonesia dan juga seluruh dunia, terutama setelah data citra satelit resolusi sangat tinggi dapat diperoleh secara bebas oleh masyarakat umum.

Kenampakan detail beragam objek pada data citra satelit resolusi sangat tinggi, membuat pemanfaatannya semakin luas digunakan di berbagai sektor.

Dan berikut ini beragam manfaat citra satelit, terutamanya citra satelit resolusi sangat tinggi, di berbagai sektor:

Bidang Pertambangan dan Energi:

• Digunakan sebagai data dalam Izin Pinjam Pakai Kawasan Hutan (IPPKH) atau perizinan lainnya;
• Salah satu data yang digunakan dalam laporan area tambang yang dimiliki sebuah perusahaan kepada kementrian terkait;
• Perencanaan site plan area pertambangan;
• Monitoring luasan area tambang yang dimiliki perusahaan dari waktu ke waktu;
• Perencanaan dan monitoring rehabilitasi lahan hasil kegiatan pertambangan;
• Monitoring kegiatan pertambangan ilegal dan PETI;
• Inventarisasi potensi area pertambangan;
• Monitoring perubahan tutupan lahan di area tambang dan sekitarnya;
• Inventarisasi potensi dan perencanaan lokasi pembangkit listrik tenaga mikrohidro.

Bidang Pertanian dan Perkebunan:

• Melakukan observasi pada lahan yang luas, petak tanaman hingga tiap individu tanaman;
• Melakukan identifikasi jenis tanaman dan kondisi tanah, potensi panen, efektifitas pengairan, kesuburan dan penyakit tanaman, kandungan air;
• Secara berkala (time series) dapat digunakan untuk memantau pertumbuhan tanaman, laju perubahan jenis tanaman, perubahan atau alih fungsi lahan pertanian;
• Menghitung jumlah pohon dan volume hasil panen komoditi perkebunan;
• Perencanaan  pola tanam perkebunan;
• Perencanaan peremajaan tanaman perkebunan.

Bidang Kehutanan:

• Monitoring batas-batas fungsi kawasan hutan;
• Identifikasi wilayah habitat satwa;
• Identifikasi perubahan kawasan hutan akibat illegal loging;
• Inventarisasi potensi sumber daya hutan;
• Pemetaan kawasan unit-unit pengelolaan hutan;
• Perencanaan lokasi reboisasi.

Bagi Unit Pengelolaan Hutan HTI:

• Perencanaan pembagian areal usaha ke dalam bentuk blok, petak dan anak petak;
• Perencanaan lokasi camp, lokasi menara pengawas, lokasi persemaian, dan lain-lain;
• Monitoring pertumbuhan tanaman dan areal siap panen.

Bagi Unit Pengelolaan Hutan HPH:

• Inventarisasi luas lahan HPH;
• Menghitung potensi volume kayu;
• Perencanaan dan pembuatan site plan;
• Perencanaan jalur transportasi loging;
• Mengidentifikasi batas kawasan;
• Evaluasi laju produksi.

Secara berkala (time series) digunakan untuk:

• Memantau laju kerusakan hutan (deforestation);
• Memantau perubahan lahan pada kawasan hutan;
• Memantau keberhasilan Gerakan Nasional Rehabilitasi Hutan dan Lahan (GERHAN).

Bidang Arsitek dan Konstruksi:

• Desain dan perencanaan tapak konstruksi;
• Desain dan perencanaan landscape konstruksi;
• Perbaikan proses desain;
• Monitoring proses konstruksi.

Bidang Perencanaan dan Pembangunan Wilayah:

• Pembuatan peta detail penggunaan lahan;
• Perencanaan tata ruang, DED, dan landscape pembangunan;
• Pemetaan kawasan rawan bencana alam;
• Pemantauan dan penanggulangan bencana alam.

Bidang Entertainment dan Pelatihan:

• Simulasi terbang pada pelatihan pilot;
• Visualisasi 3 dimensi relief permukaan bumi pada industri film dan game.

Bidang Pertahanan dan Intelijen:

• Mendukung operasi intelijen;
• Operasi tempur;
• Operasi teritorial;
• Operasi militer selain perang.

***

Sekian postingan kali ini terkait beli citra satelit. Semoga memberikan informasi yang bermanfaat, terutama bagi Anda yang saat ini tengah mempertimbangkan untuk membeli data citra satelit untuk keperluannya.

Jika terdapat pertanyaan seputar pembelian dan pengolahan data citra satelit, silahkan berkomentar pada kolom komentar di bawah atau langsung menuju nomor WA: 0878 2292 5861.

Jangan lupa untuk membagikan postingan ini, supaya kawan Anda yang memerlukan data citra satelit dapat mengetahui informasi ini.

POSTINGAN MENARIK LAINNYA:

1). [Tutorial] Membuka File Geodatabase di QGIS versi 3.x

2). [Tutorial] Menampilkan Informasi Cuaca di QGIS

3). [Tutorial] Cara Memperoleh Anotasi di Google Maps

4). [Tutorial] Membuat Area Buffer dalam Beberapa Radius Menggunakan QGIS

5). [Tutorial] Membuat Grid di QGIS

Author: Map Vision IndonesiaMap Vision Indonesia merupakan team yang berisikan praktisi di bidang Citra Satelit, Penginderaan Jauh (Remote Sensing), Sistem Informasi Geografis (SIG), serta Pemetaan pada umumnya. Kami telah berpengalaman khususnya mengerjakan ratusan proyek pengadaan dan pengolahan serta mapping data citra satelit berbagai resolusi dari beragam vendor sejak tahun 2013.

Twitter Facebook