IDENTIFIKASI AWAN PADA DATA TIME SERIES MULTITEMPORAL MENGGUNAKAN PERBANDINGAN DATA SEKUENSIAL

Anis Kamilah Hayati, Wismu Sunarmodo

Abstract

Identifikasi awan merupakan langkah penting dalam pengolahan data citra penginderaan jauh. Secara umum, odentifikasi awan dapat diklasifikasikan dalam dua metode, yaitu single-date dan multi-date. Metode single-date kemudian dapat dibagi menjadi dua kategori, yaitu metode yang berdasarkan ciri-ciri fisik dan metode yang berdasarkan pembelajaran mesin. Sementara metode multi-date pada umumnya menggunakan data yang bebas awan sebagai referensi. Data bebas awan tersebut bisa merupakan satu scene secara keseluruhan maupun dibangun dari beberapa scene. Dalam makalah ini, dibahas metode multi-date untuk identifikasi awan dengan menggunakan data time series. Suatu nilai piksel dari suatu scene yang diperiksa dibandingkan dengan nilai piksel dari scene yang berbeda pada lokasi yang sama. Scene yang berbeda yang dimaksud adalah data yang diakuisisi sebelum dan sesudah data yang diperiksa. Perbedaan nilai piksel dari data yang diperiksa dan data yang diakuisisi sebelum dan setelahnya itu kemudian dievaluasi menggunakan thresholds untuk mengkategorikan piksel tersebut sebagai awan atau non awan. Assessment dilakukan dengan menggunakan L8 Biome sebagai referensi. Hasil dari assessment menunjukkan metode yang diusulkan memiliki koefisien Kappa lebih besar dari 0.9.

Keywords

identifikasi awan; multitemporal; time series; penginderaan jauh; perbandingan sekuensial

Full Text:

PDF

References

Goodwin, N. R., Collett, L. J., Denham, R. J., Flood, N., & Tindall, D. 2013. Cloud and cloud shadow screening across Queensland, Australia: An automated method for Landsat TM/ETM+ time series. Remote Sensing of Environment, 134, 50–65. https://doi.org/10.1016/j.rse.2013.02.019

Hagolle, O., Huc, M., Pascual, D. V., & Dedieu, G. 2010. A multi-temporal method for cloud detection, applied to FORMOSAT-2, VENμS, LANDSAT and SENTINEL-2 images. Remote Sensing of Environment, 114(8), 1747–1755. https://doi.org/10.1016/j.rse.2010.03.002

Huang, C., Thomas, N., Goward, S. N., Masek, J. G., Zhu, Z., Townshend, J. R. G., & Vogelmann, J. E. 2010. Automated masking of cloud and cloud shadow for forest change analysis using Landsat images. International Journal of Remote Sensing, 31(20), 5449–5464. https://doi.org/10.1080/01431160903369642

Hughes, M. J., & Hayes, D. J. 2014. Automated detection of cloud and cloud shadow in single-date Landsat imagery using neural networks and spatial post-processing. Remote Sensing, 6(6), 4907–4926. https://doi.org/10.3390/rs6064907

Irish, R. R., Barker, J. L., Goward, S. N., & Arvidson, T. 2006. Characterization of the landsat-7 ETM+ automated cloud-cover assessment (ACCA) algorithm. Photogrammetric Engineering and Remote Sensing, 72(10), 1179–1188. https://doi.org/10.14358/PERS.72.10.1179

Jin, S., Homer, C., Yang, L., Xian, G., Fry, J., Danielson, P., & Townsend, P. A. 2013. Automated cloud and shadow detection and filling using two-date Landsat imagery in the USA. International Journal of Remote Sensing, 34(5), 1540–1560. https://doi.org/10.1080/01431161.2012.720045

Li, Z., Shen, H., Li, H., Xia, G., Gamba, P., & Zhang, L. 2017. Multi-feature combined cloud and cloud shadow detection in GaoFen-1 wide field of view imagery. Remote Sensing of Environment, 191(April 2013), 342–358. https://doi.org/10.1016/j.rse.2017.01.026

Sun, L., Liu, X., Yang, Y., Chen, T. T., Wang, Q., & Zhou, X. 2018. A cloud shadow detection method combined with cloud height iteration and spectral analysis for Landsat 8 OLI data. ISPRS Journal of Photogrammetry and Remote Sensing, 138, 193–207. https://doi.org/10.1016/j.isprsjprs.2018.02.016

Zhou, G., Zhou, X., Yue, T., & Liu, Y. 2016. An optional threshold with SVM cloud detection algorithm and DSP implementation. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives, 41(July), 771–777. https://doi.org/10.5194/isprsarchives-XLI-B8-771-2016

Zhu, Z., Qiu, S., He, B., & Deng, C. 2019. Cloud and Cloud Shadow Detection for Landsat Images: The Fundamental Basis for Analyzing Landsat Time Series. Remote Sensing Time Series Image Processing, May, 3–23. https://doi.org/10.1201/9781315166636-1

Zhu, Z., & Woodcock, C. E. 2012. Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment, 118, 83–94. https://doi.org/10.1016/j.rse.2011.10.028

U.S. Geological Survey. 2016. L8 Biome Cloud Validation Masks. U.S. Geological Survey, data release. doi:10.5066/F7251GDH. Diakses https://landsat.usgs.gov/landsat-8-cloud-cover-assessment-validation-data 2 Februari 2020.

DOI: http://dx.doi.org/10.30536/j.pjpdcd.2021.v18.a3535

Refbacks

  • There are currently no refbacks.