Gambar ke Peta
Gambar penginderaan jauh adalah kisi-kisi piksel dengan nilai numerik sedangkan peta menggunakan koordinat X dan Y untuk menentukan lokasi titik, garis, dan area (poligon) yang sesuai dengan fitur peta. Mengubah citra satelit menjadi peta yang memiliki akurasi tinggi merupakan proses yang membutuhkan tenaga ahli dan kerja lapangan.
Dari citra satelit (kiri) hingga peta terumbu dengan kelas bentik (kanan). Foto dan peta ini menggambarkan Pulau Heron Australia, sebuah pulau karang di ujung selatan Great Barrier Reef. Gambar © Allen Coral Atlas
Proses pembuatan peta dari data penginderaan jauh dapat dibagi menjadi 4 langkah yang tetap sama untuk semua habitat dengan beberapa perbedaan tergantung pada jenis data penginderaan jauh, skala, tim yang melakukan pemetaan, dll.
Beberapa langkah yang paling umum adalah:
- Memperoleh citra penginderaan jauh
- Memproses data mentah
- Pelatihan dan klasifikasi
- Pengesahan
Di sini kami memberikan gambaran singkat dari masing-masing langkah ini.
1. Memperoleh citra penginderaan jauh
Ada banyak jenis data penginderaan jauh. Citra satelit optik, citra satelit radar, citra hiperspektral dari sensor udara, citra drone, dll. Data penginderaan jauh yang digunakan untuk suatu proyek bergantung pada skala proyek, kapasitas analisis data, persyaratan habitat, dan anggaran . Misalnya, pemetaan terumbu karang pada satu terumbu akan membutuhkan data penginderaan jauh yang berbeda dengan pemetaan luasan mangrove secara global. Sebagai aturan praktis, semakin kecil area yang akan dipetakan, semakin tinggi resolusi gambarnya.
2. Memproses data mentah
Data mentah biasanya memerlukan pemrosesan sebelum dapat digunakan. Misalnya, gambar untuk memetakan terumbu karang akan dikoreksi untuk efek kabut, tutupan awan, kilau matahari, dan kedalaman.
3. Pelatihan dan Klasifikasi
Pengawasan berbasis piksel adalah salah satu teknik analisis citra yang paling umum. Piksel yang mewakili setiap kelas dipilih dalam skema pemetaan yang akan berfungsi sebagai piksel pelatihan. Piksel pelatihan telah divalidasi melalui data lapangan atau sumber terpercaya lainnya dan tanda tangan reflektansi spektral telah dibuat. Tanda tangan pelatihan untuk setiap kelas yang akan dipetakan secara kuantitatif dibandingkan dengan setiap piksel dalam gambar, dan piksel ditetapkan ke kelas pemetaan yang paling mirip dengan tanda tangan spektralnya.
Analisis gambar berbasis objek adalah teknik klasifikasi gambar terbaru dan lebih kuat. Analisis citra berbasis objek pertama-tama membagi citra menjadi objek. Segmentasi didasarkan pada tanda spektral piksel, bentuk dan ukuran objek, atau tekstur piksel di dalam objek. Setelah gambar tersegmentasi, pengguna mencocokkan setiap kelas tutupan lahan dengan beberapa objek sampel. Gambar tersebut kemudian diklasifikasikan.
Segmentasi dan klasifikasi gambar selama analisis berbasis objek. Gambar © GISGeografi
4. Validasi/Akurasi
Penilaian akurasi atau validasi merupakan bagian penting dari setiap proyek klasifikasi dan memberikan ukuran seberapa akurat produk peta tersebut. Ini menggunakan data independen "direferensikan tanah" untuk menghitung skor akurasi berbasis statistik berdasarkan perbandingan kelas yang diprediksi (dipetakan) ayat kelas yang diamati di lapangan. Dengan kata lain, piksel yang diklasifikasikan atau objek yang diklasifikasikan dibandingkan dengan kenyataan, atau apa yang ada di lokasi itu. Sementara pengumpulan data lapangan independen dapat memakan waktu dan mahal, data ini juga dapat diturunkan dari interpretasi citra resolusi tinggi, citra diklasifikasikan yang ada, atau ahli lokal.