Pemetaan Distribusi Spasial Konsentrasi Klorofil-a dengan Landsat 8 di Danau Towuti dan Danau Matano, Sulawesi Selatan Lalu Muhamad Jaelani, Fajar Setiawan,

Presentasi berjudul: "Pemetaan Distribusi Spasial Konsentrasi Klorofil-a dengan Landsat 8 di Danau Towuti dan Danau Matano, Sulawesi Selatan Lalu Muhamad Jaelani, Fajar Setiawan,"— Transcript presentasi:

1 Pemetaan Distribusi Spasial Konsentrasi Klorofil-a dengan Landsat 8 di Danau Towuti dan Danau Matano, Sulawesi Selatan Lalu Muhamad Jaelani, Fajar Setiawan, Hendro Wibowo, Apip

2 Lalu Muhamad Jaelani, Ph.D
Jurusan Teknik Geomatika, Insitut Teknologi Sepuluh Nopember, Surabaya 60111, Indonesia Fajar Setiawan, S.Si Hendro Wibowo, M.Sc Apip, S.Si Pusat Penelitian Limnologi, Lembaga Ilmu Pengetahuan Indonesia, Cibinong, Bogor 16911, Indonesia

3 Struktur Presentasi Pendahuluan Metode Hasil dan Analisa Kesimpulan

4 1 | Pendahuluan

5 Danau memegang peran penting dalam penyediaan air bersih yang berguna sebagai bahan dasar air minum, pertanian, industri, rekreasi dan pariwisata Penurunan kualitas air dan daya dukung daerah sempadan sungai menjadi masalah utama dalam pengelolaan sumberdaya air dan ekosistem perairan darat yang berkelanjutan. Pemantauan kualitas air danau secara rutin menjadi kebutuhan mendesak dengan mempertimbangkan aspek heterogenitas air danau, baik secara spasial dan temporal.

6 Teknologi penginderaan jauh yang telah mengalami perkembangan pesat memiliki peran penting dalam mendukung dan menutupi kekurangan teknik pengambilan sampling secara konvensional Estimasi parameter kualitas air dari data satelit penginderaan jauh sangat tergantung, tidak hanya pada akurasi koreksi atmosfer, tetapi juga pada akurasi algoritma model yang menghubungkan antara data reflektan penginderaan jauh dengan parameter kualitas air yang akan diekstrak (seperti: konsentrasi klorofil-a, yang merupakan parameter kunci pengujian kualitas air)

7 Tujuan Pembuatan algoritma model yang menghubungkan antara data spektral in situ dan parameter kualitas air yang juga telah diambil di Danau Matano dan Towuti Pembuatan peta distribusi spasial konsentrasi klorofil-a berdasarkan algoritma yang dibangun ditahap sebelumnya dengan menggunakan data penginderaan jauh yang telah terkoreksi dari efek atmosfer

8 2 | Metode

9 Studi Area Danau Matano (-2,494 o S; 121,369o T) dan Danau Towuti (-2,799o S; 121,51o T)

10 Reflektan in situ water-leaving radiance (Lu(λ)),
downward irradiance (Ed(λ)), dan downward radiance of skylight (Lsky(λ)) Menggunakan FieldSpec HandHeld spectroradiometer (Analytical Spectral Devices, Boulder, CO) pada rentang 325– 1075 nm dengan interval 1-nm

11

12 Konsentrasi Klorofil-a
Sampel air yang diambil pada kedalaman maksimum 0,5 m dimasukkan kedalam kotak es dan selanjutnya dibawa ke laboratorium untuk dianalisa. Selanjutnya, Klorofil-a diekstrak menggunakan metanol (100%) pada suhu 4°C dalam kondisi gelap selama kurang lebih 24 jam. Kepadatan optis dari ekstrak Klorofil-a diukur pada empat panjang gelombang (754, 663, 645 dan 630 nm). Terakhir, konsentrasi dari klorofil-a dihitung menggunakan persamaan SCOR-UNESCO

13 Data in situ kualitas air dan reflektan di Danau Matano dan Danau Towuti

14 Citra Landsat Landsat 8 yang direkam tanggal 16 Oktober 2014(terdekat dari waktu pengambilan data in situ) Data yang digunakan: Data Landsat 8 Level 1 reflektan-permukaan reflektan-sensor tersedia secara gratis dan dapat dipesan melalui dan

15 Informasi Kanal

16 Pemrosesan Data Landsat
Data reflektan in situ disampling mengikuti kanal yang tersedia di Landsat 8 ( in situ) Data Landsat 8 level 1 dikalibrasi radiometrik. Selanjutnya dikoreksi dari efek atmosfer menggunakan parameter koreksi dari hasil simulasi menggunakan Second Simulation of a Satellite Signal in the Solar Spectrum - Vector (6SV) (SR-6SV) Data reflektan-sensor dikoreksi atmosfer menggunakan metode Dark Object Substraction (DOS) ( SR-DOS) Data reflektan-permukaan yang telah diproses oleh USGS (SR- L)

17 Pemrosesan Data Landsat
SR-6SV, SR-DOS maupun SR-L dibagi dengan π untuk menghasilkan Rrs(λ) (dalam satuan sr-1) Data dari 6 stasiun diekstrak berdasarkan pin yang telah dibuat dalam ukuran 5x5 pixel untuk menghindari kesalahan akibat koreksi geometrik dan dinamika dari badan air, serta kesalahan akibat variabilitas spasial Semua pemrosesan citra dalam penelitian ini dilakukan dengan menggunakan perangkat lunak open-source BEAM-VISAT (

18 3 | Hasil

19 Algoritma Model Korelasi antara data konsentrasi klorofil-a dan reflektan, dibuat model regresi dengan menggunakan data klorofil sebagai variabel tidak bebas dan reflektan sebagai variable bebas Korelasi antara data konsentrasi klorofil-a dan reflektan, dibuat model regresi dengan menggunakan data klorofil sebagai variabel tidak bebas dan reflektan sebagai variable bebas Tabel 3: R2 untuk kanal tunggal Landsat 8

20 Algoritma Model Tabel 3: R2 untuk rasio kanal Landsat 8

21 Algoritma Model Model regresi terbaik mengikuti format:
Dimana chl-a adalah konsentrasi klorofil-a (dalam mg m-3), bj dan bk adalah reflektan-permukaan kanal 4 dan 5. Nilai yo dan a, masing-masing adalah -0,9889 dan 0,3619

22 Algoritma Model

23 Reflektan-permukaan

24 Konsentrasi Klorofil-a

25 Estimasi Klorofil-a

26 Kesimpulan Pembuatan algoritma model telah dilakukan dengan menggunakan data in situ konsentrasi klorofil-a dan reflektan-permukaan yang diambil di Danau Matano dan Towuti. Pembuatan peta distribusi klorofil-a selanjutnya dilakukan dengan menggunakan algoritma model tersebut dengan data masukan (input) berasal dari tiga reflektan-permukaan yang belum divalidasi (karena tidak tersedianya reflektan in situ pada saat akuisi citra landsat tersebut). Konsentrasi klorofil-a yang diturunkan dari data SR-L dan SR-6SV memperlihatkan adanya kesamaan hasil dengan nilai rata-rata sebesar 0,086 dan 0,098 mg m-3.

27 TERIMA KASIH

28 ≈ + Why the atmospheric correction is needed? ρtoa ≠ ρ r ρ a ρ w
Water Sun sensor ρtoa What we get No atmosphere 10 20 30 40 50 60 70 80 90 100 Thermosphere + ≈ Altitude (km) Mesosphere ≠ ρ r Stratosphere ρ a O3, N2, (NH4)2SO4 Troposphere O2, H2O ρ w What we want

29 Pentingnya Koreksi Atmosfer
What we get (recorded by sensor) Atmospheric effect What we want