KOREKSI ATMOSFER DATA LANDSAT-8 MENGGUNAKAN PARAMETER ATMOSFER DARI DATA MODIS

Fadila Muchsin, Liana Fibriawati, Mulia Inda Rahayu, Hendayani Hendayani, Kuncoro Adhi Pradhono

Abstract

Data Landsat-8 (level 1T) yang diterima oleh pengguna masih dalam bentuk nilai digital dan dapat digunakan secara langsung untuk pemetaan penutup /penggunaan lahan. Namun, data tersebut masih memiliki akurasi radiometrik yang rendah apabila akan digunakan untuk menurunkan informasi seperti indeks vegetasi, biomasa, klasifikasi penutup lahan /penggunaan lahan, dan sebagainya sehingga perlu dilakukan koreksi radiometrik/atmosfer. Penelitian ini menggunakan metode koreksi atmosfer second simulation of satellite in the solar spectrum (6S) untuk memperbaiki gangguan atmosfer dan membandingkan hasilnya dengan pengukuran lapangan. Parameter atmosfer yang digunakan adalah aerosol optical depth (AOD), kolom uap air dan ketebalan ozon yang bersumber dari data MODIS dengan tanggal dan jam perekaman yang mendekati dengan data Landsat-8. Dari analisis yang dilakukan terhadap nilai indeks vegetasi (NDVI, EVI, SAVI dan MSAVI) citra terkoreksi atmosfer (surface reflectance) menunjukkan bahwa indeks vegetasi yang memiliki akurasi tinggi adalah NDVI yaitu (3 – 11) % dan terendah adalah MSAVI yaitu (11 – 24) %. Hasil analisis terhadap respon spektral objek citra terkoreksi atmosfer menunjukkan bahwa kanal-kanal visible memiliki akurasi yang cukup baik dengan nilai RMSE berkisar antara (1 – 4) %. Sebaliknya akurasi terendah terdapat pada kanal inframerah dekat (NIR) dengan nilai (14 – 27) %.

Kata kunci: Landsat-8, koreksi atmosfer, respon spektral, indeks vegetasi

Keywords

Kata kunci: Landsat-8, koreksi atmosfer, respon spektral, indeks vegetasi

Full Text:

PDF

References

Chen, W., Chen, W., & Li, J. (2010). Comparison of surface reflectance derived by relative radiometric normalization versus atmospheric correction for generating large-scale Landsat mosaics. Remote Sensing Letters, 1(2), 103–109. https://doi.org/10.1080/01431160903518057

ENVI. (2009). ENVI Atmospheric Correction Module: QUAC and FLAASH user’s guide. Module Version, 44. Retrieved from http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:ENVI+Atmospheric+Correction+Module:+QUAC+and+FLAASH+user’s+guide#0

Hadjimitsis, D. G., Papadavid, G., Agapiou, A., Themistocleous, K., Hadjimitsis, M. G., Retalis, A., … Clayton, C. R. I. (2010). Atmospheric correction for satellite remotely sensed data intended for agricultural applications: impact on vegetation indices. Natural Hazards and Earth System Science, 10(1), 89–95. https://doi.org/10.5194/nhess-10-89-2010

Hadjit, H., Oukebdane, A., & Belbachir, A. H. (2013). Atmospheric correction of Earth-observation remote sensing images by Monte Carlo method. Journal of Earth System Science, 122(5), 1219–1235. https://doi.org/10.1007/s12040-013-0337-4

Hu, Y., Liu, L., Liu, L., Peng, D., Jiao, Q., & Zhang, H. (2014). A landsat-5 atmospheric correction based on MODIS atmosphere products and 6s model. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 7(5), 1609–1615. https://doi.org/10.1109/JSTARS.2013.2290028

Kaufman, Y. J., Wald, A. E., Remer, L. A., Gao, B. C., Li, R. R., & Flynn, L. (1997). MODIS 2.1-μm channel - correlation with visible reflectance for use in remote sensing of aerosol. IEEE Transactions on Geoscience and Remote Sensing, 35(5), 1286–1298. https://doi.org/10.1109/36.628795

Müller, R. (2014). Calibration and verification of remote sensing instruments and observations. Remote Sensing, 6(6), 5692–5695. https://doi.org/10.3390/rs6065692

Remer, L. A., Kaufman, Y. J., Tanré, D., Mattoo, S., Chu, D. A., Martins, J. V., … Holben, B. N. (2005). The MODIS Aerosol Algorithm, Products, and Validation. Journal of the Atmospheric Sciences, 62(4), 947–973. https://doi.org/10.1175/JAS3385.1

Richter, R., & Sensing, R. (2010). Atmospheric / Topographic Correction for Satellite Imagery ( ATCOR-2 / 3 User Guide , Version 7 . 1 , January 2010 ). Earth, (January).

Rotta, L. H. S., Alcântara, E. H., Watanabe, F. S. Y., Rodrigues, T. W. P., & Imai, N. N. (2016). Atmospheric correction assessment of SPOT-6 image and its influence on models to estimate water column transparency in tropical reservoir. Remote Sensing Applications: Society and Environment, 4, 158–166. https://doi.org/10.1016/j.rsase.2016.09.001

Urface, L. A. S., Ode, R. E. C., Roduct, L. A. S. R. C. P., & Ledaps, R. E. (2017). Product Guide, (June), 1–27.

Vermote, E. F., Tanré, D., Deuzé, J. L., Herman, M., & Morcrette, J. J. (1997). Second simulation of the satellite signal in the solar spectrum, 6s: an overview. IEEE Transactions on Geoscience and Remote Sensing, 35(3), 675–686. https://doi.org/10.1109/36.581987

Wang, Z., Xia, J., Wang, L., Mao, Z., Zeng, Q., Tian, L., & Shi, L. (2018). Atmospheric Correction Methods for GF-1 WFV1 Data in Hazy Weather. Journal of the Indian Society of Remote Sensing, 46(3), 355–366. https://doi.org/10.1007/s12524-017-0679-5

Yu, K., Liu, S., & Zhao, Y. (2016). CPBAC: A quick atmospheric correction method using the topographic information. Remote Sensing of Environment, 186, 262–274. https://doi.org/10.1016/j.rse.2016.08.010

DOI: http://dx.doi.org/10.30536/j.pjpdcd.2019.v16.a3054

Refbacks

  • There are currently no refbacks.