Interpretasi Visual Citra dan Karakteristik Objek

Interpretasi visual merupakan langkah untuk meninjau foto udara atau citra satelit dengan tujuan untuk mengidentifikasi objek dan menilainya. Interpretasi citra udara dan satelit adalah metode untuk memperoleh informasi tentang objek dan lanskap. Ini adalah proses khusus mempelajari realitas geografis berdasarkan deteksi, identifikasi, dan lokalisasi spasial objek individu dan bentuk medan yang ditangkap dalam foto udara dan rekaman citra satelit. Objek juga memiliki karakteristik visual yang memungkinkan kita untuk membedakannya. Karakteristik ini meliputi ukuran, bentuk, pola, tone, asosiasi, dan tekstur. 

Karakteristik objek (soonet.ca/eliris/remotesensing)

Karakteristik Objek

Berikut penjelasan mengenai karakteristik objek dalam interpretasi visual:

1. Tone
   
   Tone adalah tingkat kecerahan/kegelapan suatu objek yang terdapat pada citra satelit dan merupakan elemen utama dalam mengenali suatu objek pada penginderaan jauh. Fungsi utamanya adalah untuk mengidentifikasi batas objek pada citra. Untuk mendapatkan tingkat nada yang jelas, Anda bisa menggunakan teknik penajaman gambar (enhancement). Tone adalah tingkat keabuan/gradasi yang terlihat pada citra penginderaan jauh yang disajikan dalam warna hitam putih. Misalnya, permukaan yang basah akan cenderung menyerap cahaya elektromagnetik sehingga terlihat lebih hitam daripada benda yang lebih kering.
   
   
2. Pattern/Pola
   
   Pola merupakan karakteristik makro yang digunakan untuk menggambarkan tata letak citra satelit. Pola atau struktur ruang merupakan ciri untuk mengidentifikasi banyak pola baik benda yang dibentuk oleh manusia maupun benda alam. Misalnya perumahan, jalan, sungai, perkebunan, dan hutan.
   
   
3. Texture/Tekstur
   
   Tekstur adalah frekuensi perubahan rona pada gambar. Tekstur sering dinyatakan dengan kasar, halus, dan belang. Misalnya, hutan bertekstur kasar, bertekstur halus (lahan kosong, semak belukar, permukaan air tenang), dan pertanian (tebu, sawah, dan kelapa sawit) dengan tekstur belang-belang.
   
   
4. Shape/Bentuk
   
   Bentuk dan ukuran merupakan hubungan yang sangat erat. Bentuk tersebut menunjukkan konfigurasi umum suatu objek seperti yang terekam pada citra penginderaan jauh. Bentuk adalah atribut yang jelas sehingga banyak objek dapat diidentifikasi dengan bentuknya.
   
   

   

   Bentuk lapangan sepak bola (https://earth.google.com/)

   
   
5. Size/Ukuran
   
   Ukuran merupakan bagian dari informasi kontekstual selain bentuk dan lokasi. Ukuran adalah atribut benda yang berupa jarak, luas, tinggi, kemiringan, dan volume. Misalnya, ukuran bangunan sering menjadi ciri apakah bangunan tersebut merupakan bangunan rumah tinggal, kantor, atau bangunan industri. Bangunan rumah tinggal atau hunian umumnya lebih kecil jika dibandingkan dengan perkantoran atau industri.
   
   

   

   Ukuran dilihat dari citra satelit (www.google.com/earth/)

   
   
6. Association/Asosiasi
   
   Asosiasi dapat diartikan sebagai hubungan antara satu objek dengan objek lainnya. Dengan hubungan ini, kemunculan suatu objek pada citra seringkali menjadi indikasi adanya objek lain. Misalnya, stasiun kereta api dikaitkan dengan lebih dari satu jalur kereta api (percabangan), dan gedung universitas selain dicirikan oleh ukuran dan bentuk bangunan yang relatif besar yang menyerupai I, L, atau U, juga ditandai dengan keterkaitannya dengan lapangan olahraga. Secara umum, gedung universitas atau sekolahan ditandai dengan adanya lapangan olahraga di dekatnya.
   
   

Referensi

Aljoufiea, M., Brussel, M., Zuidgeest, M., & van Maarseveen, M. (2012). Urban growth and transport infrastructure interaction in Jeddah between 1980 and 2007. International Journal of Applied Earth Observation and Geoinformation, 21(1), 493–505. https://doi.org/10.1016/j.jag.2012.07.006.

Bell, D. M., Cohen, W. B., Reilly, M., & Yang, Z. (2018). Visual interpretation and time series modeling of Landsat imagery highlight drought’s role in forest canopy declines. Ecosphere, 9(6), e02195. https://doi.org/10.1002/ecs2.2195.

Farghaly, D., Elba, E., & Urban, B. (2016). Towards Sustainable Land Uses within the Elbe River Biosphere Reserve in Lower Saxony, Germany by Means of TerraSAR-X Images, (March), 97–121.

Kucsicsa, G., & Grigorescu, I. (2018). Urban Growth in the Bucharest Metropolitan Area: Spatial and Temporal Assessment Using Logistic Regression. Journal of Urban Planning and Development, 144(1), 05017013. https://doi.org/10.1061/(ASCE)UP.1943-5444.0000415.

Svatonova, H. (2016). Analysis of Visual Interpretation of Satellite Data. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B2(July), 675–681. https://doi.org/10.5194/isprsarchives-XLI-B2-675-2016.

Tiede, D. (2014). A new geospatial overlay method for the analysis and visualization of spatial change patterns using object-oriented data modeling concepts. Cartography and Geographic Information Science, 41(3), 227–234. https://doi.org/10.1080/15230406.2014.901900.