Membuat Peta Surface Temperature dari Data Thermal Landsat 8 Menggunakan ENVI 5 (dengan Atmospheric Correction)

Melanjutkan postingan sebelumnya di sini ,  kali ini adalah bagaimana mengekstrak surface brightness temperature data Landsat 8 TIRS dengan melibatkan Atmospheric Correction.

Pada postingan sebelumnya, data surface brightness temperature hasil ekstraksi dianggap sebagai ToA (Top of Atmosphere) brightness temperature. Hal ini dikarenakan ekstraksi suhu didasarkan pada nilai radiansi yang diterima oleh sensor. Padahal nilai radiansi yang diterima sensor tidak hanya berasal dari interaksi energi matahari dan obyek (hubungan iradiansi, radiansi dan emisivitas), namun juga oleh pengaruh atmosfer (bisa berupa serapan maupun hamburan), sehingga nilai radiansi yang diterima sensor besar kemungkinan terdistorsi dan tidak mencerminkan nilai radiansi yang dipancarkan obyek. Oleh karena itu, untuk mendapatkan nilai estimasi brightness temperature yang akurat dan sesuai dengan radiansi yang dipancarkan obyek, koreksi atmosfer perlu dilakukan.

Tahapan kerja yang dilakukan agak sedikit berbeda dengan tahapan di postingan sebelumnya. Yang pertama, kita harus mengkonversi DN menjadi radiansi, kemudian dilanjutkan koreksi atmosfer, lalu ekstraksi temperatur dalams satuan kelvin, dan terakhir adalah konversi dari kelvin ke celcius.

Here we go

1. Tahap pertama, adalah membuka data Landsat 8 TIRS, silahkan lihat postingan sebelumnya dari langkah 1 sampai langkah 4 untuk prosedur membuka citra landsat 8 TIRS di ENVI 5.

2. Dari menu toolbox ENVI, buka modul radiometric correction>radiometric calibration, kemudian pilih band thermal sebagai input.

3. Untuk menu Calibration Type pilih Radiance, kemudian tentukan lokasi penyimpanan hasil konversi. Klik OK. Setelah selesai data akan ditampilkan di view.

4. Tahap berikutnya adalah koreksi atmosfer. Kita akan menggunakan metode koreksi atmosfer menurut Coll et al, 2010 . dengan formula seperti di bawah. 

5. Pada koreksi atmosfer menurut Coll diatas, terdapat beberapa parameter yang belum diketahui, antara lain upwelling radiance, downwelling radiance, dan transmittance. Kita dapat memperoleh informasi ini dari situs http://atmcorr.gsfc.nasa.gov/, dengan terlebih dahulu memasukan informasi jam,tanggal, bulan, tahun perekaman data, dan juga pusat koordinat lintang dan bujur dari citra yang kita gunakan. Informasi ini dapat dilihat dengan mudah di ENVI 5 dengan cara, klik kanan nama layer>view metadata . Informasi waktu perekaman dapat dilihat di Tab Time.  

  

6. Setelah memasukkan parameter yang dibutuhkan, kita akan mendapat informasi upwelling dan downwelling radiance sebagaimana contoh di bawah. 

7.  Implementasikan formula diatas beserta parameter yang sudah diketahui ke dalam Modul Band Math ENVI. Bentuk Expression formula nya seperti gambar di bawah. Nilai 3.9 adalah upwelling radiance, nilai 0.51 adalah transmitansi dan 5.79 adalah downwelling radiance. B1 nanti diisi band thermal. Klik Add to List, kemudian OK. Selanjutnya Klik Map Variable to Input File, Masukkan dataset radiance sebagai input B1. Klik OK. 

 8. Tahap berikutnya adalah mengkonversi radiansi terkoreksi ke brightness temperature. Untuk keperluan itu kita menggunakan formula seperti gambar di bawah.

9. Nilai K1 dan K2 dapat diperoleh dari metadata citra (file dengan extensi MTL.TXT) dibagian TIRS_THERMAL_CONSTANT, sebagaimana nampak pada gambar di bawah. 

10. Dengan demikian implementasi formula pada langkah 8 di Band Math adalah sebagai mana nampak pada gambar di bawah. Ada dua formula, masing masing untuk band 10 dan band 11 sensor TIRS. Lakukan kalkulasi secara terpisah untuk masing masing band sesuai dengan parameter K1 dan K2 nya. 

11. Tahap terakhir adalah konversi suhu dari Kelvin ke Celcius, yang dilakukan menggunakan formula C = K - 273 , dimana C adalah data suhu dalam celcius, dan K adalah data suhu dalam kelvin. 

 

12. Berikut ini hasil Brightness Temperature dalam satuan Celcius

REVIEW 

Jika dibandingkan dengan data surface brightness temperature hasil postingan sebelumnya (tanpa koreksi atmosfer), hasil kalkulasi menggunakan koreksi atmosfer memberikan hasil estimasi yang lebih tinggi (selisih berkisar 15 sampai 25 derajat). Hasil ini perlu dikritisi lebih lanjut dengan membandingkan dengan brightness temperature nyata hasil pengukuran lapangan untuk mengetahui metode mana yang memberikan hasil lebih mendekati data lapangan. Selain itu, aspek metodologisnya juga perlu dikritisi, seperti apakah metode koreksi atmosfernya sudah tepat, bagaimana pengaruh metode koreksi atmosfer yang berbeda terhadap hasil kalkulasi ? mana yang memberikan prediksi lebih tepat ?. 

---UPDATE 3/12/2014---

1. Website http://atmcorr.gsfc.nasa.gov/ telah memasukkan informasi spectral Curve Band 10 Sensor TIRS, oleh karena itu disarankan untuk menggunakan spectral curve tersebut dalam kalkulasi. Dan juga dari website tersebut diketahui adanya ketidakpastian hasil kalkulasi parameter termal dari sensor TIRS dikarenakan adanya efek stray light pada teleskop TIRS. 

2. Band 11 TIRS dianggap masih kurang layak untuk dijadikan sumber data surface temperature dan atribut termal lain dikarenakan masih besarnya RMSE dari proses kalibrasi radiometrik dari NASA/USGS. Refer : https://landsat.usgs.gov/calibration_notices.php 

---UPDATE 27/2/2016---

Tak terasa sudah dua tahun umur postingan ini, pageviewnya sudah lumayan banyak, semoga bermanfaat ya, banyak hal yang berubah dalam dua tahun ini, performa Landsat-8 sudah berbeda dengan kondisi ketika postingan ini ditulis, jadi mohon cek selalu halaman resmi Landsat untuk mengetahui perubahan-perubahan apa yang terjadi. 

Pada kesempatan ini saya hanya ingin memberitahu bagi teman-teman yang masih bingung dan ingin mencari koreksi radiometrik untuk menghasilkan data surface reflectance/brightness temperature yang mudah, ArcGIS sudah menyediakan fungsi tersebut, namanya Apparent Surface Reflectance. cek postingan saya bulan Februari 2016 to find out. 

Cheers and happy learning remote sensing.