25 September 2012

PEMANTULAN, SERAPAN, DAN TRANSMISI


Pemantulan, Serapan, dan Transmisi

Gelombang elektromagnetik yang bersumber dari matahari dan bergerak menuju permukaan bumi dimanfaatkan sebagai dasar pengenalan obyek pada sistem penginderaan jauh pasif. Gelombang yang jatuh pada suatu permukaan obyek akan mengalami beberapa kejadian terhadap gelombang elektromagnetik tersebut. Sebagian dari gelombang elektromagnetik akan dipantulkan oleh permukaan obyek. Sebagian akan dihamburkan ke atmosfer yang berada di atasnya. Sebagian lagi akan diserap dan ditransmisikan ke balik permukaan obyek tersebut sebagai panas.

Nilai pantulan, serapan, dan transmisi banyak dipengaruhi oleh sifat obyek atau benda. Pada benda hitam (black bodies), nilai serapan lebih besar dari pada nilai energi yang dipantulkan. Kebalikannya, pada benda putih, nilai energi yang diserap lebih sedikit daripada energi yang dipantulkan.
Energi yang dihamburkan oleh obyek sangat dipengaruhi oleh tingkat kekasaran permukaan obyek. Pada permukaan obyek yang kasar, dimana tingkat kekasarannya lebih besar dari panjang gelombang yang jatuh pada permukaan tersebut, maka gelombang akan di hamburkan ke segala arah. Gelombang yang jatuh pada permukaan obyek dengan tingkat kekasaran permukaan lebih kecil dari panjang gelombang, maka akan terjadi pemantulan specular.
 
Gambar . Pemantulan, penyerapan, transmisi dan penghaburan gelombang oleh obyek
Kondisi kekasaran dan sudut permukaan obyek mempengaruhi tipe pantulan yang akan terjadi. Beberapa tipe pantulan dapat digambarkan sebagai berikut :

1.    Tipe Specular
Pantulan tipe ini terjadi ketika gelombang elektromagnetik yang datang jatuh pada sebuah bidang datar dengan permukaan yang halus. Sudut pantulan memiliki besaran yang sama dengan sudut datang gelombang elektromagnetik tersebut pada permukaan.
Gambar . Pemantulan tipe specular

2.    Tipe Lambertian (Diffuse)
Pada tipe ini, gelombang elektromagnetik dipantulkan ke segala arah. Pantulan pada tipe ini terjadi ketika gelombang elektromagnetik jatuh pada permukaan yang kasar dengan permukaan yang menghadap ke segala arah.
Gambar . Pemantulan tipe specular

3.    Tipe Corner Reflector
Pantulan gelombang elektromagnetik akan berbalik kembali ke asal sumber gelombang tersebut. Pantulan ini terjadi ketika gelombang elektromagnetik jatuh pada dua bidang datar dan halus yang saling tegak lurus membentuk sudut 90 derajad.

Gambar . Pemantulan tipe corner reflektor

Hamburan Partikel Atmosferik

Interaksi antara gelombang elektromagnetik dengan atmosfer dapat menimbulkan adanya hamburan dan penyerapan gelombang elektromagnetik tersebut oleh berbagai partikel atmosfer. Besar nilai hamburan dan penyerapan berbeda pada satu panjang gelombang dengan gelombang lainnya. Pada beberapa panjang gelombang tidak terjadi hamburan atau penyerapan ini. Rentangan panjang gelombang yang tidak terhamburkan atau terserap oleh partikel atmosferik ini disebut sebagai jendela atmosferik (atmosferic window).
Hamburan mengakibatkan terjadinya berbagai pembelokan arah pancaran gelombang elektromagnetik dari jalurnya. Sedangkan penyerapan menimbulkan pemindahan energi dari gelombang elektromagnetik ke partikel atmosfer penyerap gelombang tersebut.

Ukuran partikel dan panjang gelombang berpengaruh terhadap kejadian hamburan gelombang elektromagnetik. Partikel-partikel penyebab terjadiya hamburan diantaranya adalah partikel oksigen, nitrogen, dan ozon (Mather, 2004).  Partikel lain adalah partikel garam dari penguapan air laut, partikel uap air, serta partikel debu akibat aktivitas vulkanik ataupun aktivitas manusia.
Perilaku hamburan tergantung pada nilai indeks refraktif dan parameter ukuran seperti formula berikut.
χ=2πr / λ 

Jika nilai X lebih kecil dari 0.01 maka akan terjadi hamburan rayleigh, dan jika nilai X mendekati besarnya panjang gelombang akan terjadi hamburan mie (Liang, 2004).

1. Hamburan Rayleigh
Hamburan rayleigh terjadi ketika panjang gelombang radiasi lebih besar dibandingkan dengan ukuran partikel penghambur. Jumlah radiasi gelombang elektromagnetik yang terhambur dapat didekati dengan menggunakan koefisien volume hamburan (Landgrebe, 2003), berikut.
 σλ=4π((NV2(n2-no2)2) / (λ4(n2+no2)2 ))
 Keterangan :
N             : jumlah partikel per cm3
V              : Volume partikel penghambur
λ              : Panjang gelombang radiasi
n              : indeks refraksi partikel
no            : indeks refraksi medium

Panjang gelombang pendek akan terhambur lebih kuat oleh hamburan rayleigh ini. Gelombang biru (0.4 – 0.5 µm) yang merupakan gelombang terpendek dari spektrum tampak (visible spectrum) terhambur oleh partikel rayleigh ini. Efek dari hamburan rayleigh terhadap gelombang biru ini adalah kenampakan warna biru di langit pada siang hari dan adanya warna merah kuning di sore atau pagi hari. Cahaya yang terhamburkan dan mencapai permukaan bumi disebut dengan diffuse irradiance. Sedangkan cahaya yang terhamburkan oleh atmosfer, dapat mencapai sensor perekam data, namun tidak membuat kontak dengan dengan permukaan bumi disebut dengan atmospheric path radiance.

2. Hamburan Mie
Hamburan mie terjadi ketika gelombang elektromagnetik berinteraksi dengan berbagai partikel atmosferik dengan ukuran yang kurang lebih sama dengan panjang gelombang tersebut.
Hamburan mie dapat disebabkan oleh dua sumber penyebab hamburan, yaitu partikel yang berasal dari permukaan bumi dan partikel akibat berbagai proses reaksi kimiawi pada atmosfer ataupun kondensasi. Partikel asap, debu, garam dari penguapan air laut, mineral sulfat, nitrat di atmosfer dapat mengakibatkan hamburan ini. Hamburan ini memunculkan efek kabut di atmosfer. Besar koefisien hamburan dapat didekati dengan formula berikut (Landgrebe, 2003).

 σλ=105π a1a2 N(a)K(a,n)a2da 
Keterangan :
N(a)         : jumlah partikel pada a, a+da
K(a,n)      : Penampang melintang hamburan
a              : radius partikel-partikel spheris
n              : indeks refraksi partikel

 3. Hamburan Non Selective
Hamburan non selektif merupakan hamburan yang menghamburkan hampir seluruh spektrum tampak di atmosfer. Hamburan non selektif terjadi ketika gelombang elektromagnetik berinteraksi dengan partikel atmosferik yang berukuran lebih besar dari panjang gelombangnya. Butiran air hujan dan fragmen es pada awan hujan dapat mengakibatkan hamburan tipe ini. Sinar matahari tidak dapat menembus awan hujan karena seluruh gelombang tampak terhamburkan oleh partikel-partikel air pada awan hujan tersebut.

Daftar Pustaka

Landgrebe, D.A., 2003.  Signal Theory Methods In Multispectral Remote Sensing. John Willey & Sons Inc.. New Jersey.
Liang, S. 2004. Quantitative Remote Sensing of Land Surface. John Willey & Sons Inc.. New Jersey.
Mather, P.M., 2004. Computer Processing of Remotely-Sensed Images, Third Edition, John Wiley & Sons, New Jersey.

Algoritma yang sering digunakan dalam analisis penutup lahan vegetasi adalah dengan menggunakan indeks vegetasi. Indeks Vegetasi adalah pengukuran optis tingkat kehijauan (greenness) kanopi vegetasi, sifat komposit dari klorofil daun, luas daun, struktur dan tutupan kanopi vegetasi (Huete, 2011).

Indeks vegetasi telah banyak digunakan dalam berbagai penelitian tentang vegetasi skala global. Indeks Vegetasi dapat secara efektif digunakan untuk pemetaan kekeringan, penggurunan (desertifikasi) dan penggundulan hutan (Horning, 2010).
Beberapa algoritma indeks vegetasi adalah seperti dibawah ini.

a.       Simple Ratio (SR)
 Algoritma Simple Ratio (Liang, 2004) diuraikan sebagai berikut :

SRPn / Pr 
Keterangan :
SR  : Simple Ratio
Pn   : Nilai spectral saluran Near Infrared
Pr   : Nilai spectral saluran Red

b.       Normalized Difference Vegetation Index (NDVI)
Algoritma NDVI banyak digunakan untuk berbagai aplikasi terkait vegetasi. NDVI memiliki efektivitas untuk memprediksi sifat permukaan ketika kanopi vegetasi tidak terlalu rapat dan tidak terlalu jarang (Liang, 2004). Algoritma NDVI (Landgrebe, 2003) diuraikan sebagai berikut :

NDVINIR-R / NIR+R 
Keterangan :
NIR  : Nilai spektral saluran Near Infrared
R     : Nilai spektral saluran Red

c.        Enhanced Vegetation Index (EVI)
Algoritma EVI diformulasi untuk meningkatkan algoritma NDVI dan ditujukan untuk pengolahan index vegetasi pada citra MODIS. Algoritma ini mirip dengan algoritma NDVI dengan penambahan formulasi untuk koreksi efek gangguan radiometric dari atmosfer dan dari dalam kanopi. Algoritma EVI (Horning, 2010) diuraikan sebagai berikut

EVIG ((NIR-R) / (NIR+C1*R-C2*B+L))
Keterangan :
G                             : Gain Factor, G = 2.5
NIR                          : Nilai spectral saluran Near Infrared
R                              : Nilai spectral saluran Red
B                              : Nilai spectral saluran Biru
C1                            : Atmosferic Aerosol Resistance, C1 = 6
C2                            : Atmosferic Aerosol Resistance, C2 = 7.5


d.       Principle Component Analysis (PCA)
Algoritma PCA yang telah terstandarisasi sering disebut dengan Tasseled Cap Transformation. Tasseled Cap diformulasikan untuk pengolahan pada data citra yang berasal dari sensor yang berbeda. Algoritma ini dapat digunakan untuk pengolahan citra yang diambil pada waktu yang berbeda pada tahun yang sama atau citra dengan area yang berbeda (Horning, 2010).

e.       Vegetation Condition Indeks (VCI)
Penutup lahan dan penggunaan lahan dapat berubah dari waktu ke waktu. Perubahan penutup lahan dan penggunaan lahan mengakibatkan perubahan rasio energy yang perpantulkan menuju sensor. Penilaian tutupan lahan pada satu waktu dapat diturunkan melalui algoritma indeks vegetasi dari data citra. Pada citra multi temporal informasi perubahan penutup lahan vegetasi dapat diturunkan dengan memperbandingkan nilai indeks vegetasi dari kedua citra tersebut. Algoritma yang dapat digunakan dalam pembandingan nilai indeks vegetasi tersebut adalah indeks kondisi vegetasi (Vegetation Condition Index) (Liang, 2004). Formulasi dari algoritma indeks kondisi vegetasi dapat diuraikan sebagai berikut.

VCI= ( NDVIi-NDVImin) / (NDVImax-NDVImin )
Keterangan :
NDVIi                      : Nilai NDVI saat ini
NDVImax                : Nilai NDVI terbesar
NDVImin                 : Nilai NDVI terkecil

Daftar Pustaka
Horning, N., Robinson, J.A., Sterling, E.J., Turner, W., Spector, S., 2010.Remote Sensing for Ecology and Conservation. Oxford University Press, New York.
Huete, A., Didan, K., Leeuwen, W.V., Miura, T., Glenn, E., 2011.. MODIS Vegetation Indices. Land Remote Sensing and Global Environmental Change. Springer. New York
Landgrebe, D.A., 2003.  Signal Theory Methods In Multispectral Remote Sensing. John Willey & Sons Inc.. New Jersey.
Liang, S. 2004. Quantitative Remote Sensing of Land Surface. John Willey & Sons Inc.. New Jersey.


Tidak ada komentar:

Poskan Komentar