24

BAB III

PENGOLAHAN DATA SAR DENGAN GMTSAR

Hasil dan karakteristik data yang dibutuhkan sangat tergantung pada perangkat lunak

yang digunakan. Dalam penelitian ini digunakan perangkat lunak GMTSAR untuk

pengolahan data SAR untuk mendapatkan citra interferogram diferensial. Pengenalan

sekilas tentang GMTSAR dan metode 2-pass yang digunakan dalam strategi

pengolahan serta prinsip dari setiap tahapannya mengisi bagian pertama dari bab ini.

Bagian kedua memaparkan hasil dari pengolahan data ALOS PALSAR daerah

sekitar Gunung Semeru dan eksternal data DEM (SRTM3), serta laporan pengolahan

pasangan data SAR dari 8 data yang ada, terakhir menginformasikan hasil

pengolahan pasangan data SAR dilakukan pengolahannya.

3.1 Sekilas Tentang GMTSAR

GMTSAR merupakan perangkat lunak open source yang digunakan untuk mengolah

data SAR berupa diferensial SAR dan ScanSAR. Untuk penelitian ini, hanya

dilakukan diferensial SAR sedangkan ScanSAR tidak akan dibahas. Perangkat lunak

ini tergolong baru, dibuka untuk publik sejak 2010. Perangkat lunak ini dapat

dijalankan dalam platform apasaja yang telah terpasang perangkat lunak GMT dan

NetCDF. Pembuat perangkat lunak ini adalah David Sandwell, Rob Mellors,

Xiaopeng Tong, Meng Wei, dan Paul Wessel. Semula bahasa pemrograman yang

digunakan adalah Fortran kemudian ubah menjadi bahasa C agar dapat dijalankan di

berbagai platform. Program ini dapat diunduh dari http://topex.ucsd.edu/gmtsar.

GMTSAR berbeda dengan perangkat lunak InSAR lainnya seperti Gamma,

ROI_PAC, DORIS karena GMTSAR sangat tergantung pada akurasi orbit dengan

level sub meter yang menyebabkan algoritma pengolahan InSAR menjadi lebih

sederhana. Algoritma tersebut adalah esarp, xcorr, phasediff, dan conv. Sehingga

tidak semua data SAR dapat diolah dengan perangkat lunak ini, sementara ini data

SAR yang dapat diolah adalah dari satelit ALOS PALSAR, ERS dan Envisat.

Perangkat lunak ini memiliki tiga komponen utama, yaitu 1) preprocessor, yang

digunakan untuk mengkonversi format data CEOS ke format data turunan, 2) InSAR

processor, yang melakukan pengolahan InSAR seperti memfokuskan dan menata

25

citra, mengkonversi data topografi menjadi data fase, dan membentuk interferogram

kompleks, dan 3) postprocessor, yang mayoritas menggunakan GMT seperti

memfilter interferogram, membentuk produk interferogrametik fase, koherensi, beda

fase, pergeseran LOS dalam sistem koordinat radar dan geografis. GMT digunakan

untuk menampilkan semua produk tersebut dalam postscript dan citra kml untuk

GoogleEarth.

3.2 Strategi Pengolahan Data pada GMTSAR

Berikut adalah alur strategi pengolahan data SAR pada perangkat lunak GMTSAR

dengan menggunakan metode 2-pass DInSAR.

Gambar 3.1 Strategi pengolahan data SAR dengan teknik DInSAR pada GMTSAR (Sandwell, 2011)

26

Dari gambar 3.1, pengolahan data SAR yang digunakan adalah teknik 2-pass

DInSAR dimana dibutuhkan data DEM eksternal. Ada tiga data yang dibutuhkan

dalam pengolahan tersebut, yaitu dua data SAR (format CEOS atau level 1.0) dan

satu data DEM (format grd NetCDF). Kemudian data format CEOS diolah

menghasilkan dua file yaitu .PRM dan .raw. File .PRM berisi parameter yang

dibutuhkan dalam pengolahan SAR dan InSAR sedangkan file .raw berisi sinyal data

dan header waktu. Lalu dari kedua file tersebut, dibuat file SLC dengan proses yang

disebut pemfokusan (esarp) untuk setiap data SAR. Setelah itu, dilakukan

koregristrasi (xcorr) untuk file SLC dari citra kedua (slave) agar sesuai dengan citra

pertama (master).

Tahap berikutnya adalah mentransformasi sistem korrdinat data DEM menjadi sistem

koordinat radar. Setelah itu, dibentuk interferogram (phasediff) dari dua file SLC

yang ada dengan langsung mengurangkan efek topografinya dengan memasukkan

data DEM ke pemrosesan dan dihasilkan dua file, imag.grd dan real.grd. Kemudian

dilakukan pemfilteran berupa low pass filter (conv) pada hasil yang telah diperoleh,

dan dilakukan unwrapping (snaphu). Tahapan akhir dari proses ini adalah melakukan

georeferensi, yaitu dengan program geocode.csh sehingga hasil yang peroleh telah

tergeoreferensi dengan sistem koordinat geografis dan datum WGS84.

3.3 Tahapan Pengolahan Data pada GMTSAR

3.3.1 Pemilihan data

Pemilihan data dalam pemrosesan merupakan tahapan yang sangat penting dalam

pengolahan data SAR untuk mendapatkan peta deformasi. Beberapa hal yang yang

harus dipertimbangkan dalam pemilihan data antara lain :

1. Panjang baseline dan interval data

Dengan mengetahui penyebaran titik orbit dari data pengamatan SAR, dapat dimilih

pasangan data yang berdekatan artinya memiliki baseline tegaklurus pendek (≤

150m) (Ferreti dkk, 2007) maupun temporalnya (salah satunya tandem). Dengan itu

maka koherensi antara kedua citra tersebut akan baik, sehingga pada tahapan

selanjutnya yaitu interferogram generation akan menghasilkan pola fringes yang

baik. Gambar 3.2 merupakan contoh hasil plotting beberapa citra SAR dengan sumbu

x sebagai waktu (tahun) dan sumbu y sebagai panjang baseline tegaklurus (m).

27

Gambar 3.2 Plot waktu-baseline pada sekumpulan data SAR (Sandwell, 2011)

2. Karakteristik data harus sama

Data yang digunakan harus memiliki karakteristik yang sama. Karakteristik disini

diantaranya arah pindai (ascending atau descending), bilangan frame daerah yang

akan diolah, polarisasi, dan bilangan orbit yang harus sesuai (bilangan ini tergantung

satelit yang digunakan untuk ALOS PALSAR untuk orbit yang sama maka selisih

dua bilangan orbit harus habis dibagi dengan 671).

3.3.2 Pra-pengolahan

Pada tahap ini merupakan tahapan pembuatan raw data yang siap untuk

dilakukan proses SAR dari signal data atau data sinyal atau biasa disebut dengan

level 1.0 data, secara internasional oleh CEOS, format untuk raw data SAR terdiri

atas Volume Directory File, SAR Leader File, Raw Data File, dan Null Volume file.

Pada tahap ini beberapa proses utama adalah sebagai berikut :

1. Mengidentifikasi dan mengisi dengan bilangan nol pada baris yang hilang dalam

data yang berformat CEOS;

2. Perataan Sampling Window Start Time Adjustment (SWST) untuk

mengakomodasi perubahan dalam waktu transit pulsa radar diterima, nilai

konstan SWST akan sangat membantu pada tahapan image formation;

28

3. Extraksi parameter data, gambar 3.4 merupakan contoh file parameternya; num_valid_az = 9216

nrows = 16384

first_line = 1

deskew = n

caltone = 0.000000

st_rng_bin = 1

Flip_iq = n

offset_video = n

az_res = 5.000000

nlooks = 1

chirp_ext = 500

scnd_rng_mig = n

rng_spec_wgt = 1.000000

rm_rng_band = 0.000000

rm_az_band = 0.000000

rshift = 0

ashift = 0

stretch_r = 0.000000

stretch_a = 0.000000

a_stretch_r = 0.000000

a_stretch_a = 0.000000

first_sample = 206

SC_identity = 5

rng_samp_rate = 16000000.000000

input_file = IMG-HH-ALPSRP197297020-H1.0__A.raw

num_rng_bins = 5652

bytes_per_line = 10800

good_bytes_per_line = 10716

PRF = 2145.923000

pulse_dur = 2.700000e-05

near_range = 849265.000000

num_lines = 35193

num_patches = 3

SC_clock_start = 2009280.6409978473

SC_clock_stop = 2009280.6411876620

led_file = LED-ALPSRP197297020-H1.0__A

date = 091007

orbdir = A

radar_wavelength = 0.236057

chirp_slope = -5.18519e+11

rng_samp_rate = 1.6e+07

I_mean = 15.5

Q_mean = 15.5

SC_vel = 7205.475794

earth_radius = 6377621.138411

equatorial_radius = 6378137.000000

polar_radius = 6356752.314100

SC_height = 699610.559635

SC_height_start = 699658.836521

SC_height_end = 699561.935770

fd1 = 0.000000

fdd1 = 0.000000

fddd1 = 0.000000

sub_int_r = 0.000000

sub_int_a = 0.000000

Gambar 3.4 parameter hasil preprocessing dari citra IMG-HH-ALPSRP197297020-H1.0__A

29

4. Extraksi data sehingga siap untuk dilakukan pemfokusan dalam dan disimpan

dalam file .raw. Gambar 3.3 merupakan contoh tampilan dari file .raw dari citra

IMG-HH-ALPSRP197297020-H1.0__A;

Gambar 3.3 Contoh tampilan dari bagian citra .raw

Hasil dari tahapan – tahapan tersebut disimpan dalam folder dengan nama raw yang

berisi dua file raw, dua file PRM, dua file berisi informasi tentang panjang baseline,

dan satu file berupa gambar hasil plot waktu terhadap panjang baseline tegak

lurusnya.Tampilan dari hasil plot tersebut seperti pada gambar 3.2 tanpa garis dan

titik berwarna.

3.3.3 Pembentukan citra (Image Formation)

Permasalahan dalam pembentukan citra SAR adalah saat memasangkan kompresi

azimut dengan parameter orbit. Dahulu, masalah tersebut diselesaikan dengan teknik

clutterlock dan autofocus. Hal tersebut tidak perlu dilakukan lagi sekarang karena

adanya informasi orbit yang akurasinya tinggi. Tahapan pembentukan citranya terdiri

dari enam tahap, dua tahap pertama dikerjakan di satelit dan emapt sisanya

dikerjakan dengan perangkat lunak ini. Dua tahapan yang dikerjakan di satelit adalah

demodulasi dan digitasi. Sinyal pantulan yang berupa chirp yang ditumpangkan pada

gelombang elektromagnetik tidak langsung disimpan melainkan dilakukan

penundaan terlebih dahulu agar data yang dihasilkan tidak besar. Teknik menunda

tersebut menggunakan shift theorem (Bacewell, 1978). Kemudian data tersebut

30

didijitasi 5 bit per piksel dan dikirimkan ke station yang ada di Bumi. Kemudian data

tersebut dikembangkan menjadi 8 bit per piksel untuk keperluan pemrograman.

Format yang digunakan seperti yang telah disebutkan sebelumnya yaitu format data

I/Q , berupa bilangan kompleks. Sinyal raw ini berisi 11644 byte yang terdiri dari

412 byte informasi waktu dan 11232 byte berisi data mentah sebanyak 5616 bilangan

kompleks.

Tahapan berikutnya dikerjakan oleh perangkat lunak SAR yaitu mengkonversi data

sinyal mentah menjadi data SLC berdasarkan parameter yang sesuai. Tahapan

tersebut adalah range compression yang dilakukan pada setiap sinyal pantulan, patch

processing dari sinyal pantulan yang telah dikompres secara melintang, range

migration yang dilakukan pada setiap piksel data yang setiap kolomnya telah

ditransformasi fourier, dan azimuth compression pada citra yang telah melalui semua

tahap sebelumnya. Setelah semua tahapan tersebut dilakukan, akan diperoleh file

citra SLC. Kemudian, dari dua SLC yang terbentuk, dilakukan cross correlation

sehingga kedua citra SLC tesebut sesuai. Pada perangkat lunak ini, program yang

digunakan untuk melakukan cross correlation ini merupakan matriks pencari

berukuran 64 piksel dan tidak pernah gagal dalam melakukan koregistrasi meskipun

dalam kasus koherensi citranya hampir nol. Selain dua citra SLC, tahapan ini juga

menghasilkan sebuah file yang berisi informasi tentang hasil koregistrasi.

3.3.4 Transformasi koordinat DEM

DEM yang digunakan adalah eksternal DEM, yaitu dari SRTM yang memiliki sistem

koordinat geografis. Karena pemrosesan yang dilakukan mayoritas dalam sistem

koordinat radar, maka harus dilakukan transformasi dari sistem koordinat geografis

ke sistem koordinat radar. Selain itu, penghitungan beda fase pada interferogram

yang akan dihasilkan akan memberikan hasil yang lebih baik apabila proses

pengurangannya berada dalam sistem koordinat radar (Sidiq, 2009).

Transformasi yang dilakukan dalam perangkat lunak ini adalah mentransformasi

DEM yang ada sehingga DEM tersebut menjadi citra bersistem koordinat radar

dengan acuan yang sama dengan citra master. Sehingga untuk melakukan proses ini

diperlukan file parameter citra master dan header-nya. Proses ini akan menghasilkan

DEM yang berkoordinat radar dan file trans.dat yang berisi informasi berupa

31

koordinat range, azimuth, tinggi, lintang, dan bujur. Tinggi dihitung terhadap bumi

spheroid lokal hasil aproksimasi. Metode ini sudah standard digunakan pada

perangkat lunak pemrosesan SAR seperti ROI_PAC dan GAMMA.

3.3.5 Pembentukan interferogram

Pada tahapan ini, perintah yang dilakukan adalah membentuk interferogram dan

secara bersamaan mengurangi efek topografi dengan menggunakan DEM yang ada.

Algoritma yang digunakan adalah sebagai berikut (Sandwell, 2011):

1. Baca sebuah baris dari SLC master dan slave sehingga setiap piksel pada citra

master dapat ditandai range-nya dan azimuth-nya;

2. Dengan informasi orbit yang presisi, hitung jari –jari orbit citra master b,

panjang baseline B, dan orientasi baseline α;

3. Interpolasi tinggi dari setiap piksel arah range dan hitung look angle-nya;

4. Hitung koreksi fase yang akan diberikan pada citra slave;

5. Lakukan perkalian konjugasi untuk membentuk interferogram; dan

6. Ekstrak fase interferogram yang telah terkoreksi kelengkungan bumi dan efek

topografi.

( ) (

) ( )

Tahapan tersebut akan menghasilkan dua file yaitu imag.grd dan real.grd yang

kemudian dihapus setelah tidak diperlukan lagi.

3.3.6 Filtering dan phase unwrapping

Gaussian filter digunakan dalam preses pemfilteran ini. Tersedia beberapa filter

tersebut bervariasi dari 100 m hingga 700 m. Filter berikutnya juga dilakukan dengan

menggunakan algoritma modified Goldstein filter (Goldstein dan Werner, 1998;

Baran dkk., 2003). Dari tahap pemfilteran ini, diperoleh file interferogram yang telah

difileter dan belum difilter. Berikutnya, untuk dapat menghitung besarnya pergeseran

vertikal pada citra tersebut, harus dilakukan proses yang dinamakan phase

unwrapping. Gambar 3.5 mengilustrasikan maksud dari proses phase unwrapping,

yaitu memutlakkan fase (nilainya bisa lebih dari π) yang semula fase relatif

(besarnya ≤ |π|). Gambar b menunjukkan hasil rekonstruksi dari gambar a menjadi

satu gambar yang kontinu dan utuh. Pada perangkat lunak GMTSAR, untuk proses

32

unwrapping ini digunakan program SNAPHU (Chen dan Zebker, 2000) pada arah

range dan azimuth.

Gambar 3.5 Ilustrasi fase relatif (a) menjadi fase mutlak (b) pada proses unwrapping (Chelbi, 2011)

3.3.7 Georeferencing

Tahapan terakhir dari proses pengolahan ini adalah georeferencing, yaitu

mentransformasi hasil yang diperoleh sehingga memiliki sistem koordinat geografis.

Tahapan ini dilakukan dengan menggunakan parameter yang diproleh saat

mentransformasi DEM yang telah dijelaskan sebelumnya. Dengan kemampuan

perangkat lunak GMT, hasil tersebut dapat ditampilkan dalam bentuk phostscript dan

kml Google Earth. Walaupun telah bergeoreferensi, grid, skala, dan informasi

lainnya belum ada. Untuk itu, pemolesan perlu dilakukan sehingga diperoleh hasil

seperti pada bagian yang akan ditampilkan di bagian hasil.

3.4 Hasil Pengolahan Data SAR Gunung Semeru

Di bagian ini akan ditampilkan hasil yang diperoleh dari pengolahan data ALOS

PALSAR level 1.0 dengan menggunakan perangkat lunak GMTSAR. Selain itu,

diberikan juga gambaran data yang digunakan dalam penelitian ini.

3.4.1 Data

Data yang digunakan dalam penelitian ini adalah sebagai berikut :

1. DEM

DEM merupakan citra permukaan bumi yang memiliki informasi tiga dimensi dan

telah bergeoreferensi. Dalam penelitian ini, digunakan DEM dari SRTM3. SRTM

33

(Shuttle Radar Topography Mission) merupakan merupakan misi yang dilakukan

oleh NASA (National Aeronautics and Space Administration) dan NGA (National

Geospatial-Intelligence Agency) untuk mendapatkan topografi seluruh dunia secara

lengkap. Misi tersebut menggunakan pesawat ulang alik Endeavour yang beroperasi

selama 11 hari bulan Februari 2000. DEM SRTM3 memiliki resolusi 90 m, dan dapat

diunduh secara gratis. Untuk penelitian ini, DEM diunduh dari laman

http://topex.ucsd.edu/gmtsar/demgen dengan memasukkan batas - batas DEM yang

diperlukan, yaitu barat 112.2, timur 113.3, utara -7.6, dan selatan -8.6 pada bagian

yang sesuai. Tampilan dari DEM tersebut dapat dilihat pada gambar 3.6.

Gambar 3.6 Tampilan DEM yang digunakan dalam penelitian ini a) berkoordinat

geografis dan b) koordinat radar

2. Citra SAR

Dalam penelitian ini digunakan data satelit ALOS PALSAR. Karakteristik satelit

tersebut dapat dilihat di lampiran. Sebanyak 8 buah citra level 1.0 dengan polarisasi

HH dari tahun 2009 hingga 2011 digunakan dalam penelitian ini. Tabel 3.1 berisi

informasi terkait dengan data yang digunakan.

Tabel 3.1 Informasi data SAR Gunung Semeru

No. Orbitnumber Frame number Waktu observasi Arah 1 19729 7020 07 Okt 2009 15:23:02.214 Naik 2 20400 7020 22 Nov 2009 15:23:04.786 Naik 3 23755 7020 10 Jul 2010 15:21:36.689 Naik 4 24426 7020 25 Agt 2010 15:21:04.446 Naik 5 25097 7020 10 Okt 2010 15:20:25.715 Naik 6 25768 7020 25 Nov 2010 15:19:41.403 Naik 7 26439 7020 10 Jan 2011 15:18:50.501 Naik 8 27110 7020 25 Feb 2011 15:17:50.494 Naik

a ) b )

34

3.4.2 Hasil pengolahan

Hasil dari pengolahan data – data di atas diuraikan di bagian ini yang dibagi

menjadienam pokok bahasan. Berikut uraian dari setiap pokok bahasan tersebut.

1. Panjang baseline dan interval data

Dengan menggunakan interval data terpendek untuk menghindari nilai koherensi

yang kecil, dapat dibentuk 7 pasangan data. Walaupun demikian, ternyata ditemukan

adanya pasangan data dengan interval data yang panjang, yaitu pasangan 20091122-

10100710. Tabel 3.2 berisi infomasi panjang baseline dan jarak temporal antara

pasangan yang dipasangkan.

Tabel 3.2 Panjang baseline dan beda waktu antar pasangan citra

No Master Slave Baseline (m) Beda waktu (hari) Tegak lurus Sejajar

1 20091007 20091122 -183,350 -111,519 46 2 20091122 20100710 -560,537 -401,423 230 3 20100710 20100825 115,286 78,398 46 4 20100825 20101010 -89,971 -66,482 46 5 20101010 20101125 -350,367 -212,899 46 6 20101125 20110110 -109,202 -94,599 46 7 20110110 20110225 132,500 96,839 46

2. Citra amplitudo, fase dan koherensi

Karena dengan menggunakan perangkat lunak ini citra SLC tidak dapat ditampilkan,

hasil selanjutnya yang dapat dilihat adalah interferogram yang telah dikurangi juga

dengan efek topografi. Selain itu, ada juga citra koherensi yang menunjukkan

koherensi pasangan citra. Gambar 3.7 A, B, dan C menunjukkan contoh hasil citra

amplitudo, fase, dan koherensi dari pasangan 20091007_20091122. Hasil yang lebih

lengkap untuk citra fase yang telah bergeoreferensi dapat dilihat di lampiran C.

Sedangkan citra koherensi dapat dilihat pada bab berikutnya.

3. Interferogram yang telah difilter

Gambar 3.7 D merupakan hasil dari interferogram yang terbentukdari pasangan

20091007_20091122 dengan menggunakan DEM SRTM3 setelah difilter dengan

menggunakan filter gauss_alos_200m. Filter ini dipilih karena mampu memberikan

hasil yang baik dengan waktu yang relatif cepat. Selain difilter, perangkat lunak

GMTSAR juga melakukan penghapusan efek berdasarkan nilai koherensi tertentu

35

yang pilih. Hasil dari penghapusan tersebut tampak seperti pada gambar 3.7 E. Hasil

dari semua pasangan yang diolah dapat dilihat pada bab berikutnya.

4. Interferogram yang di-unwrap

Gambar 3.7 F merupakan interferogram hasil dari proses sebelumnya kemudian

dilakukan proses unwrapping dari pasangan 20091007_20091122. Manfaat dari

proses unwrapping ini adalah untuk mendapatkan pergeseran LOS dengan

menggunakan persamaan 2.15 dan 2.16. Pasangan citra yang lainnya dapat dilihat di

lampiran D.

5. Interferogram yang telah di-geocoding

Tampak bahwa pada gambar 3.7 A hingga F masih belum bergeoreferensi, tahapan

akhir ini menggeoreferensikan citra amplitudo, koherensi, fase, fase yang telah

difilter dan citra yang telah di unwrap. Di bagian ini hanya akan ditampilkan citra

fase, fase yang telah difilter dan unwrap seperti yang tampak pada gambar 3.7 G, H

dan I. Gambar 3.7 J, K dan L merupakan hasil citra G, H dan I yang difokuskan ke

area studi, yaitu Gunung Semeru. Untuk gambar hasil semua pasangan, dapat dilihat

di bab berikuntya.

6. Tampilan di Google EarthTM

Kemampuan GMT dalam mengkonversi format file ke format kml dimanfaatkan

dalam perangkat lunak GMTSAR sebagai salah satu format file hasil pengolahan

agar dapat dilihat hasilnya di Google Earth.

36

A) B)

C) D)

E) F)

Gambar 3.7 Hasil pengolahan citra SAR untuk pasangan 20091007_20091122 A) citra amplitudo, B) citra fase

C) citra koherensi, D) citra fase yang telah difilter, E) citra fase mask, F) citra unwrap, (lanjut ke halaman berikutnya)

37

Gambar 3.7 Hasil pengolahan citra SAR untuk pasangan 20091007_20091122 G) citra fase bergeoreferensi, H) citra fase yang telah difilter bergeoreferensi,

I) citra unwrap bergeoreferensi, J) citra fase Gunung Semeru K) citra fase yang telah difilter Gunung Semeru, L) citra unwrap Gunung Semeru

G) H)

I) J)

K) L)