Konversi Dari Radian Ke Brigthness Temperature

LAPORAN PRAKTIKUM
PENGINDERAAN JAUH TERAPAN B

Konversi dari Radian ke Brigthness Temperature dengan Algoritma USGS dan
Algoritma Syariz 2015
OLEH :
DINIMIAR FITRAH SARASWATI
NRP. 3513 100 076
DOSEN PEMBIMBING :
LALU MUHAMAD JAELANI ST, M.SC, PH.D
NIP. 198012212003121001
LABORATORIUM GEOSPASIAL - JURUSAN TEKNIK GEOMATIKA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2016
KATA PENGANTAR
Puji syukur penulis penjatkan kehadirat Tuhan Yang Maha Esa, yang atas rahmat- Nya
maka penulis dapat menyelesaikan penyusunan laporan praktikum tugas mata kuliah
Penginderaan Jauh Terapan kelas B.
Penyusunan laporan Konversi dari Radian ke Brigthness Temperature dengan Algoritma
USGS dan Algoritma Syariz 2015 ini merupakan salah satu prasyarat dalam memenuhi tugas
dan persyaratan untuk menyelesaikan tugas mata kuliah Penginderaan Jauh Terapan. Dalam
penulisan laporan praktikum ini penulis menyampaikan ucapan terima kasih yang tak terhingga
kepada pihak-pihak yang membantu dalam menyelesaikan penelitian ini, khususnya kepada :
1. Tuhan Yang Maha Esa yang memberikan kesehatan serta kesempatan untuk membuat
makalah ini.
2. Lalu Muhamad Jaelani ST, M.Sc, Ph.D, selaku dosen mata kuliah Penginderaan Jauh
Terapan B,
3. Orang tua yang selalu memberikan motivasi dan doa.
4. Semua pihak yang telah membantu dan memberi dukungan sehingga dapat terselesainya
laporan ini.
Akhirnya kata penulis berharap semoga laporan ini dapat bermanfaat bagi
seluruh pembaca. Dalam Penulisan laporan praktikum Penginderaan Jauh Terapan ini penulis
merasa masih banyak kekurangan-kekurangan baik pada teknis penulisan maupun materi,
mengingat akan kemampuan yang dimiliki penulis. Untuk itu kritik dan saran dari semua pihak
sangat penulis harapkan demi penyempurnaan pembuatan laporan ini.
Surabaya, 22 November 2016
Penulis
ii
DAFTAR ISI
COVER ............................................................................................................................... i
DAFTAR ISI...................................................................................................................... ii
KATA PENGANTAR ..................................................................................................... iii
BAB I PENDAHULUAN
1.1.Latar Belakang ............................................................................................................1
1.2.Maksud dan Tujuan Praktikum ...................................................................................1
BAB II DASAR TEORI
2.1.Penginderaan Jauh ..................................................................................................2
2.2.Citra Landsat-8.........................................................................................................2
2.3.Koreksi Radiometrik ................................................................................................3
2.4.Suhu Permukaan dalam Penginderaan Jauh ..................................................................4
BAB III PELAKSANAAN
3.1.Alat dan Bahan ........................................................................................................7
3.2.Konversi dari Radian ke Brigthness Temperature dengan Algoritma USGS.............. 7
3.3.Konversi dari Radian ke Brigthness Temperature dengan Algoritma Syariz 2015 ....10
BAB IV PENUTUP
4.1.Hasil ......................................................................................................................13
4.2.Kesimpulan ...........................................................................................................16
REFERENSI ......................................................................................................................17
LAMPIRAN .......................................................................................................................18
iii
BAB I
PENDAHULUAN
1.1.Latar Belakang
Data spasial adalah data yang memiliki referensi ruang kebumian (georeference)
dimana berbagai data atribut terletak dalam berbagai unit spasial. Sekarang ini data
spasial menjadi media penting untuk perencanaan pembangunan dan pengelolaan
sumber daya alam yang berkelanjutan pada cakupan wilayah continental, nasional,
regional maupun lokal. Perkembangan pemanfaatan data spasial dalam decade
belakangan ini meningkat dengan sangat drastis. Hal ini berkaitan dengan meluasnya
pemanfaatan Sistem Informasi Geografis (SIG) dan perkembangan teknologi dalam
memperoleh, merekam dan mengumpulan data yang bersifat keruangan (spasial).
Teknologi tinggi seperti Global Positioning System (GPS), remote sensing dan total
station, telah membuat perekaman data spasial digital relatif lebih cepat dan mudah.
Perkembangan penggunaan data pengindraan jauh dan penggunaan Sistem
informasi Geografis terus mengalamai peningkatan dari tahun ketahun. Hal ini tidak
terlepas dari semakin tingginya perhatian masyarakat baik tenaga pendidik instansi
pemerintahan dan perusahan mengenai analisis spasial dan efisiensi usaha. Data
Penginderaan jauh baik dari foto udara atau citra satelit pada dasarnya sangat berguna
bagi bernbagai kajian yang menggunakan wilayah sebagai salah satu objeknya. Inilah
tugas dari bidang pengolahan citra digital. Semakin berkembangnya jaman, program
aplikasi pengolah citra digital semakin banyak seperti ER-MAPPER, SNAP, ENVI,
Bilko dan sebagainya.
1.2.Maksud dan Tujuan Praktikum
Maksud dan tujuan praktikum untuk membuat peta suhu permukaan laut dan
daratan dengan 3 algoritma berbeda yaitu algoritma dari USGS dan algoritma dari
Syariz (2015).
BAB II
DASAR TEORI
2.1.Penginderaan Jauh
Menurut Prof. Dr. Sutanto dalam Penginderaan Jauh, Jilid 1 (1999), pada umumnya
sensor sebagai alat pengindera dipasang pada wahana (platform) berupa pesawat terbang,
satelit, pesawat ulang-alik, atau wahana lainnya. Obyek yang diindera adalah obyek di
permukaan bumi, dirgantara, atau antariksa. Proses penginderaan dilakukan dari jarak jauh
sehingga sistem ini disebut sebagai penginderaan jauh.
Sensor dipasang pada lokasi yang berada jauh dari obyek yang diindera . Oleh karena
itu, agar sistem dapat bekerja diperlukan tenaga yang dipancarkan atau dipantulkan oleh
obyek tersebut. Antara tenaga dan obyek yang diindera terjadi interaksi. Masing-masing
obyek memiliki karakteristik tersendiri dalam merespon tenaga yang mengenainya,
misalnya air menyerap sinar banyak dan hanya memantulkan sinar sedikit. Sebaliknya,
batuan karbonat atau salju menyerap sinar sedikit dan memantulkan sinar lebih banyak.
Interaksi antara tenaga dengan obyek direkam oleh sensor. Perekaman menggunakan
kamera atau alat perekam lainnya. Hasil rekaman ini disebut data penginderaan jauh. Data
penginderaan jauh harus diterjemahkan menjadi informasi tentang obyek, daerah, atau
gejala yang diindera. Proses penerjemahan data menjadi informasi disebut analisis atau
interpretasi data.
Penginderaan jauh didefinisikan pula sebagai teknik yang dikembangkan untuk
perolehan dan analisis informasi tentang bumi. Informasi tersebut khusus berbentuk radiasi
elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi.
Berbeda dengan Lillesand dan Kiefer yang memandang penginderaan jauh sebagai
ilmu dan teknik, Lindgren memandangnya sebagai teknik, yaitu teknik untuk perolehan dan
analisis informasi tentang bumi. Sasaran yang terletak di permukaan bumi tentu saja
meliputi sasaran hingga kedalaman tertentu, tidak hanya yang tampak langsung di atasnya.
Demikian pula halnya dengan sasaran yang berupa atmosfer. Bulan dan planet lain pun
telah menjadi sasaran penginderaan jauh sejak dasawarsa 1960-an.
Penginderaan jauh merupakan upaya untuk memperoleh, menemutunjukkan
(mengidentifikasi) dan menganalisis objek dengan sensor pada posisi pengamatan daerah
kajian (Avery, 1985).
2.2.Citra Landsat-8
Landsat Data Continuity Mission (LDCM) atau dikenal juga dengan nama Landsat 8
merupakan satelit generasi terbaru dari Program Landsat. Satelit ini merupakan project
gabungan antara USGS dan NASA beserta NASA Goddard Space Flight Center dan
diluncurkan pada hari Senin, 11 Februari 2013 di Pangkalan Angkatan Udara Vandeberg,
California Amerika Serikat. Satelit Landsat 8 yang direncanakan mempunyai durasi misi
selama 5 10 tahun ini, dilengkapi dua sensor yang merupakan hasil pengembangan dari
sensor yang terdapat pada satelit-satelit pada Program Landsat sebelumnya. Kedua sensor
tersebut yaitu Sensor Operational Land Manager (OLI) yang terdiri dari 9 band serta Sensor
Thermal InfraRed Sensors (TIRS) yang terdiri dari 2 band.
2.3.Koreksi Radiometrik
Nilai-nilai pantulan atau pancaran spektral objek pada citra tidaklah sesuai dengan
yang sebenarnya, sehingga kondisi ini menghendaki perbaikan melalui koreksi radiometric
dengan mempertimbangkan faktor gangguan atmosfer sebagai kesalahan utama,
Danoedoro (1996). Metode pengolahan citra digital yang memanfaatkan algoritma
transformasi citra tergantung pada nilai spektral citra (Brightness Value/ BV), sehingga
ketelitian hasil yang dicapai sangat tergantung pada ketelitian nilai spektral citra yang
merepresentasikan objek di lapangan.
Koreksi radiometrik dilakukan dalam tiga tahap terkait dengan tingkat sensitivitas
sensor yang merekam pantulan energi elektromagnetik objek di permukaan bumi, dapat
dilihat pada gambar di bawah ini.
Radiansi spektral yang direkam oleh sensor secara teori seharusnya memiliki nilai
yang sama dengan nilai pantulan di permukaan bumi. Akan tetapi pantulan spektral pada
gelombang tampak dan sebagian inframerah dekat (0,36 - 0 0,9 m) mengandung bias
karena hamburan, pantulan, dan serapan oleh atmosfer, terutama oleh partikel aerosol, uap
air, dan debu. Koreksi kesalahan tersebut dilakukan untuk mengembalikan nilai spectral
citra sesuai dengan kondisi di permukaan bumi atau mendekati, Kamal (2011 dalam
Margaretha, 2013).
2.4.Suhu Permukaan dalam Penginderaan Jauh

Sensor penginderaan jauh merekam intensitas gelombang elektromagnetik yang
mencapai sensor dengan unit radiasi yang diterima sensor W/(m2 .sr.m). Nilai yang
terekam tersebut dengan satuan W/(m2 .sr.m) pada tiap-tiap band dikonversi menjadi nilai
piksel (digital number), yang proposional dengan resolusi radiometrik sensor tersebut.
Untuk suhu permukaan, energi radiasi tersebut dipancarkan oleh objek di permukaan Bumi
yang memiliki suhu permukaan diatas nol mutlak. Energi yang dipancarkan tersebut
kemudian direkam oleh sensor penginderaan jauh.
Dalam proses pengolahan citra, terdapat konversi dari nilai piksel unit radiasi
(W/(m2 .sr.m)) suhu permukaan. Dalam konversi tersebut, persamaan yang digunakan
adalah Hukum Planck. Hukum radiasi benda hitam Planck merupakan gelombang
elektromagnetik yang dipancarkan oleh benda hitam sebagai fungsi dari suhu absolut benda
hitam tersebut. Radiasi yang dipancarkan oleh benda hitam dapat hitung dengan
persamaan:
di mana:
E = radian spektral [W m-2 sr-1 m-1]
= panjang gelombang [m]
h = konstanta Planck [6,626 x 10-34 J s]
c = kecepatan cahaya [2.9979246 x 108 ms-1]
T = suhu absolut [K]
kB = konstanta Boltzmann [1.3806488 1023 J K1]
Persamaan diatas juga berpengaruh pada setiap kenaikan suhu objek. Apabila suhu
objek naik maka terjadi juga peningkatan intensitas radiasi yang dipancarkan, dengan
puncak bergeser ke panjang gelombang yang lebih pendek. Kemudian, radiasi yang
4
dipancarkan tersebut direkam oleh sensor satelit penginderaan jauh. Hal selanjutnya, yakni
dilakukan estimasi suhu permukaan dari nilai yang terekam pada citra satelit. Pengukuran
ini menghasilkan suhu radian (Tsr) yang merupakan suhu terekam di citra. Jadi suhu radian
diperoleh dari L.
Secara matematis suhu radian dapat diperoleh dengan persamaan matematis berikut
(Tang & Li, 2014).
di mana:
E-1 = pembalikan dari persamaan hukum Planck
= citra band termal yang telah terkonversi menjadi nilai radian
= emisivitas objek
Untuk suhu radian yang diestimasi dari citra satelit, maka hal tersebut disebut dengan
suhu kecerahan/brightness temperature (Tb). Hal yang membedakan dengan Tsr, Tb
adalah integral dari radian terukur dan panjang gelombang sebagai respon dari sensor.
Maksudnya dengan persamaan ini, diasumsikan suhu terekam pada sensor adalah sama
dengan suhu pada benda hitam. Atau secara matematis direpresentasikan dengan
persamaan:
di mana:
E-1 = pembalikan dari persamaan hukum Planck
= panjang gelombang
1 dan 2 = batas bawah dan atas dari panjnag gelombang pada band i
= nilai radian terukur pada panjang gelombang
() = fungsi respon spektral sensor pada band i
Sebagai contoh, pada citra Landsat 8, untuk memperoleh Tb, digunakan persamaan
berikut.
Di mana:
T = suhu radian dalam satuan Kelvin (K),
= nilai radian spektral,
K1 = Konstanta Kalibrasi radian spektral (W/(m2 .sr.m), diperoleh pada metadata untuk
band 10
atau 11.
K2 = Konstanta kalibrasi suhu absolut (K), diperoleh pada metadata untuk band 10 atau
11.
Suhu dari objek yang terekam (Tsr) tergantung pada dua faktor suhu kinetik (Tkin)
dan emisivitas (). Suhu kinetik merupakan manifestasi internal energi dari objek yang
diradiasikan dalam bentuk fungsi dari suhu, sedangkan suhu radian merupakan energi yang
dipancarkan secara eksternal yang di indera oleh sensor termal (Lillesand, et al., 2008).
Dengan kata lain, jika mengentahui suhu radian dan emisivitas objeknya, maka akan dapat
ditentukan suhu kinetik objek tersebut. Tsr merupakan suhu aktual yang diperoleh dari
5
pengukuran menggunakan teknik penginderaan jauh yang telah terkoreksi atmosfer

maupun emisivitas. Jika tidak terdapat proses tersebut, dapat dikatakan suhu yang
diperoleh hanya beruka suhu kecerahan - Tb.
BAB III
PELAKSANAAN
3.1.Alat dan Bahan
Berikut merupakan peralatan dan bahan yang diperlukan dalam menunjang praktikum
ini.
Laptop
Mouse
Citra Landsat-8 daerah Bali (LC81170662016147LGN00)
Software SNAP
3.2.Konversi dari Radian ke Brigthness Temperature dengan Algoritma USGS
Buka software SNAP buka metadata dari landsat-8 yang akan digunakan (band 10 dan
11).
Lakukan Spasial Subset dengan klik kanan pada image Spatial Subset from View
isikan nilai X dan Y OK.
Lakukan koreksi radiometric dengan klik kanan pada band Create Band from Math
Expression
ubah nilai DN ke radian dengan masukkan rumus:

L = MLQcal + AL
L = TOA spectral radiance (Watts/( m2 * srad * m))
ML = Band-specific multiplicative rescaling factor from the metadata
(RADIANCE_MULT_BAND_x, where x is the band number)
AL = Band-specific additive rescaling factor from the metadata
RADIANCE_ADD_BAND_x, where x is the band number)
Qcal = Quantized and calibrated standard product pixel values (DN)
Masukkan rumus Brigthness Temperature ke dalam Band Maths dengan klik kanan pada
band hasil koreksi radiometric Create Band from Math Expression beri nama
target product uncentang Virtual Edit Expression
Masukkan rumus Brightness Temperature:

T=K2/{ln(k1/L +1)}
T = At-satellite brightness temperature (K)
L = TOA spectral radiance (Watts/( m2 * srad * m))
K1 = Band-specific thermal conversion constant from the metadata
(K1_CONSTANT_BAND_x, where x is the band number, 10 or 11)
K2 = Band-specific thermal conversion constant from the metadata
(K2_CONSTANT_BAND_x, where x is the band number, 10 or 11)
Berikut hasil setelah dilakukan manipulasi warna
Band 10
Band 11
3.3.Konversi dari Radian ke Brigthness Temperature dengan Algoritma Syariz 2015
Proses konversi dari Radian ke Brightness Temperature menggunakan formula dari
penelitian yang dilakukan oleh Syariz pada tahun 2015, dimana ada 3 polynomial, namun
dalam penelitian tersebut menyebutkan bahwa polynomial-2 lebih mendekati dengan hasil
laboratorium, maka disini menggunakan polynomial-2.
Masukkan algoritma ke dalam Band Maths dengan klik kanan pada band hasil Brigthness
Temperature Create Band from Math Expression beri nama target product
uncentang Virtual Edit Expression
10
Masukkan algoritma polynomial-2 berikut:

Y = -0.02732 + 0.7474x +24.882 untuk band 10 , dimana x adalah radian band 10
Y = -0.01972 + 0.2881x + 29.004 untuk band 11, x adalah radian band 11
Band 10
11
Band 11
Berikut hasil setelah dilakukan manipulasi warna.
Hasil untuk band 10
Hasil untuk band 11
12
BAB IV
PENUTUP
4.1. Hasil
Algoritma USGS
Band 10
13
Band 11
Algoritma Syariz (2015)
14
Band 10
Band 11
15
4.2. Kesimpulan
a. Algoritma USGS memiliki nilai minimum 13.7547 dan maksimum 43.5481 untuk band 10
dan nilai minimum 12.1487 dan maksimum 36.4745 untuk band 11
b. Algoritma dari Syaris 2015 polynimial 2 memiliki nilai nilai minimum 29.0549 dan
maksimum 29.9303 untuk band 10 dan nilai minimum 29.9012 dan maksimum 30.0573
pada band 11
16
REFERENSI
Campbell J, 2013. Landsat 8 Set to Extend Long Run of Observing Earth. http://www.usgs.gov/
diakses pada tanggal 9 Juni 2016.
Danoedoro, Projo. 2012. Pengantar Penginderaan Jauh Dijital. Yogyakarta: Andi Offset
Li, X. et al., 1998. Validation of coastal sea and lake surface temperature measurements
derived from NOAA/AVHRR data. San Diego, California, Proceeding of the fifth
International Conference on Remote Sensing for marine and Coastal Environment, 5-7
Oktober 1998.
Lillesand, T.M., dan R.W. Kiefer. 1994. Penginderaan Jauh dan Interpretasi Citra. Alih Bahasa:
Dulbahri. Yogyakarta: Gajah Mada University Press.
Tang, H. & Li, Z.-L., 2014. Quantitative Remote Sensing in Thermal Infrared: Theory and
Application. Heidelberg New York Dordrecht London: Springer.
17
LAMPIRAN
GROUP = L1_METADATA_FILE
GROUP = METADATA_FILE_INFO
ORIGIN = "Image courtesy of the U.S. Geological Survey"
REQUEST_ID = "0501508300852_00007"
LANDSAT_SCENE_ID = "LC81220642015243LGN00"
FILE_DATE = 2015-08-31T05:43:33Z
STATION_ID = "LGN"
PROCESSING_SOFTWARE_VERSION = "LPGS_2.5.1"
END_GROUP = METADATA_FILE_INFO
GROUP = PRODUCT_METADATA
DATA_TYPE = "L1T"
ELEVATION_SOURCE = "GLS2000"
OUTPUT_FORMAT = "GEOTIFF"
SPACECRAFT_ID = "LANDSAT_8"
SENSOR_ID = "OLI_TIRS"
WRS_PATH = 122
WRS_ROW = 64
NADIR_OFFNADIR = "NADIR"
TARGET_WRS_PATH = 122
TARGET_WRS_ROW = 64
DATE_ACQUIRED = 2015-08-31
SCENE_CENTER_TIME = "02:59:53.6605341Z"
CORNER_UL_LAT_PRODUCT = -4.73510
CORNER_UL_LON_PRODUCT = 106.21274
CORNER_UR_LAT_PRODUCT = -4.72841
CORNER_UR_LON_PRODUCT = 108.27509
CORNER_LL_LAT_PRODUCT = -6.84876
CORNER_LL_LON_PRODUCT = 106.21726
CORNER_LR_LAT_PRODUCT = -6.83906
CORNER_LR_LON_PRODUCT = 108.28727
CORNER_UL_PROJECTION_X_PRODUCT = 634500.000
CORNER_UL_PROJECTION_Y_PRODUCT = -523500.000
CORNER_UR_PROJECTION_X_PRODUCT = 863400.000
CORNER_UR_PROJECTION_Y_PRODUCT = -523500.000
CORNER_LL_PROJECTION_X_PRODUCT = 634500.000
CORNER_LL_PROJECTION_Y_PRODUCT = -757200.000
CORNER_LR_PROJECTION_X_PRODUCT = 863400.000
CORNER_LR_PROJECTION_Y_PRODUCT = -757200.000
PANCHROMATIC_LINES = 15581
PANCHROMATIC_SAMPLES = 15261
REFLECTIVE_LINES = 7791
REFLECTIVE_SAMPLES = 7631
THERMAL_LINES = 7791
THERMAL_SAMPLES = 7631
FILE_NAME_BAND_1 = "LC81220642015243LGN00_B1.TIF"
18
FILE_NAME_BAND_QUALITY = "LC81220642015243LGN00_BQA.TIF"
METADATA_FILE_NAME = "LC81220642015243LGN00_MTL.txt"
BPF_NAME_OLI = "LO8BPF20150831023545_20150831031823.01"
BPF_NAME_TIRS = "LT8BPF20150831023151_20150831031933.01"
CPF_NAME = "L8CPF20150701_20150930.02"
RLUT_FILE_NAME = "L8RLUT20150303_20431231v11.h5"
END_GROUP = PRODUCT_METADATA
GROUP = IMAGE_ATTRIBUTES
CLOUD_COVER = 2.49
CLOUD_COVER_LAND = 0.53
IMAGE_QUALITY_OLI = 9
IMAGE_QUALITY_TIRS = 9
TIRS_SSM_POSITION_STATUS = "NOMINAL"
ROLL_ANGLE = -0.001
SUN_AZIMUTH = 62.57323597
SUN_ELEVATION = 58.59402474
EARTH_SUN_DISTANCE = 1.0095483
GROUND_CONTROL_POINTS_VERSION = 2
GROUND_CONTROL_POINTS_MODEL = 222
GEOMETRIC_RMSE_MODEL = 6.978
GEOMETRIC_RMSE_MODEL_Y = 4.742
GEOMETRIC_RMSE_MODEL_X = 5.120
GROUND_CONTROL_POINTS_VERIFY = 28
GEOMETRIC_RMSE_VERIFY = 8.400
END_GROUP = IMAGE_ATTRIBUTES
GROUP = MIN_MAX_RADIANCE
RADIANCE_MAXIMUM_BAND_1 = 745.75336
RADIANCE_MINIMUM_BAND_1 = -61.58456
RADIANCE_MINIMUM_BAND_10 = 0.10033
RADIANCE_MINIMUM_BAND_11 = 0.10033
END_GROUP = MIN_MAX_RADIANCE
GROUP = MIN_MAX_REFLECTANCE
REFLECTANCE_MAXIMUM_BAND_1 = 1.210700
REFLECTANCE_MINIMUM_BAND_1 = -0.099980
19
END_GROUP = MIN_MAX_REFLECTANCE
GROUP = MIN_MAX_PIXEL_VALUE
QUANTIZE_CAL_MAX_BAND_1 = 65535
QUANTIZE_CAL_MIN_BAND_1 = 1
END_GROUP = MIN_MAX_PIXEL_VALUE
GROUP = RADIOMETRIC_RESCALING
RADIANCE_MULT_BAND_1 = 1.2319E-02
RADIANCE_ADD_BAND_1 = -61.59687
20
RADIANCE_ADD_BAND_10 = 0.10000
RADIANCE_ADD_BAND_11 = 0.10000
REFLECTANCE_MULT_BAND_1 = 2.0000E-05
REFLECTANCE_ADD_BAND_1 = -0.100000
END_GROUP = RADIOMETRIC_RESCALING
GROUP = TIRS_THERMAL_CONSTANTS
K1_CONSTANT_BAND_10 = 774.8853
END_GROUP = TIRS_THERMAL_CONSTANTS
GROUP = PROJECTION_PARAMETERS
MAP_PROJECTION = "UTM"
DATUM = "WGS84"
ELLIPSOID = "WGS84"
UTM_ZONE = 48
GRID_CELL_SIZE_PANCHROMATIC = 15.00
GRID_CELL_SIZE_REFLECTIVE = 30.00
GRID_CELL_SIZE_THERMAL = 30.00
ORIENTATION = "NORTH_UP"
RESAMPLING_OPTION = "CUBIC_CONVOLUTION"
END_GROUP = PROJECTION_PARAMETERS
END_GROUP = L1_METADATA_FILE
END
21

Konversi Dari Radian Ke Brigthness Temperature

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Konversi Dari Radian Ke Brigthness Temperature

Transféré par

Droits d'auteur :

Formats disponibles

LAPORAN PRAKTIKUM

PENGINDERAAN JAUH TERAPAN B

LABORATORIUM GEOSPASIAL - JURUSAN TEKNIK GEOMATIKA

Surabaya, 22 November 2016

2.4.Suhu Permukaan dalam Penginderaan Jauh

pengukuran menggunakan teknik penginderaan jauh yang telah terkoreksi atmosfer

ubah nilai DN ke radian dengan masukkan rumus:

Masukkan rumus Brightness Temperature:

Berikut hasil setelah dilakukan manipulasi warna

Masukkan algoritma polynomial-2 berikut:

Hasil untuk band 10

Hasil untuk band 11

Vous aimerez peut-être aussi