Ketika kita bekerja dengan data citra satelit optik—baik itu Landsat, Sentinel-2, maupun satelit komersial resolusi tinggi—ada satu “penghalang” raksasa antara sensor satelit di luar angkasa dan permukaan bumi yang ingin kita amati: Atmosfer.
Partikel aerosol, uap air, dan gas di atmosfer menyerap serta menyebarkan cahaya matahari. Akibatnya, citra satelit mentah (Top-of-Atmosphere / TOA) sering kali terlihat berkabut atau memiliki nilai pantulan (reflektansi) yang tidak akurat. Di sinilah Koreksi Atmosfer (Atmospheric Correction) mengambil peran. Proses matematis ini mengeliminasi efek atmosfer tersebut untuk menghasilkan data pantulan permukaan bumi yang sebenarnya (Bottom-of-Atmosphere / BOA atau Surface Reflectance).
Bagi para praktisi GIS dan penginderaan jauh, mencari software yang tepat untuk tugas ini bisa memakan waktu. Beruntungnya, repositori GitHub Awesome-Geospatial https://github.com/sacridini/Awesome-Geospatial?tab=readme-ov-file#atmospheric-correction yang dikurasi oleh komunitas telah merangkum berbagai perangkat lunak terbaik untuk koreksi atmosfer. Berikut adalah pengantar ke berbagai tools yang tersedia dalam daftar tersebut:
- Ekosistem Algoritma 6S
Banyak perangkat lunak koreksi atmosfer modern berakar pada algoritma 6S (Second Simulation of the Satellite Signal in the Solar Spectrum). Repositori ini memuat beberapa implementasi 6S:
* 6S: Kode sumber terbuka orisinal dari model transfer radiatif ini.
* 6S_emulator: Versi modifikasi berbasis emulator yang mampu berjalan 100x lebih cepat dari model 6S standar, dengan margin kesalahan tambahan yang sangat minim (< 0.5%). Cocok untuk pemrosesan skala besar.
* Py6S: Jika Anda menggunakan Python, Py6S adalah pustaka antarmuka (wrapper) yang memudahkan Anda menjalankan pemodelan 6S langsung melalui skrip Python tanpa perlu berurusan dengan kode Fortran bawaannya.
* i.atcorr: Modul bawaan dari perangkat lunak GRASS GIS yang melakukan koreksi atmosfer pada citra menggunakan mesin algoritma 6S
- Tools Spesialis Sentinel-2
Program Copernicus dari ESA menyediakan data Sentinel-2 secara gratis, menjadikannya salah satu citra paling populer. Ada tools khusus untuk memproses data ini:
* sen2cor: Ini adalah prosesor resmi untuk data Sentinel-2. Tool ini mengambil data mentah Level 1C dan melakukan koreksi atmosfer, terrain (medan), hingga awan cirrus untuk menghasilkan produk Level 2A.
* gee-atmcorr-S2: Bagi Anda yang memproses data melalui komputasi awan, tool ini memungkinkan penerapan koreksi atmosfer pada citra Sentinel-2 langsung di dalam Google Earth Engine (GEE) menggunakan bantuan Py6S.
- Otomatisasi & Pembuatan Analysis Ready Data (ARD)
Dalam alur kerja modern, kemudahan mengubah data mentah menjadi data siap analisis (ARD) adalah sebuah keharusan.
* ARCSI (Atmospheric and Radiometric Correction of Satellite Imagery): Software berbasis command-line yang sangat tangguh. ARCSI mengotomatiskan pembuatan ARD dari data optik, mencakup koreksi atmosfer, cloud masking (penutupan awan), hingga koreksi topografi.
* radiometric_normalization: Repositori yang berisi implementasi alur kerja untuk menormalkan nilai radiometrik antar-citra, yang sangat berguna dalam analisis time-series (deret waktu).
- Koreksi Modern Lintas-Sensor
Alih-alih membuat algoritma berbeda untuk setiap satelit, ada pendekatan untuk membuat metode yang bisa digunakan oleh berbagai sensor.
* SIAC (Sensor Invariant Atmospheric Correction): Tool canggih ini dirancang agar tidak terikat pada satu jenis sensor satelit saja (sensor-invariant), memanfaatkan emulator jaringan saraf tiruan (neural network).
* SIAC_GEE: Versi dari SIAC yang dioptimalkan untuk berjalan secara masif di atas infrastruktur Google Earth Engine.
- Tools Khusus dan Modul Terintegrasi
* ACOLITE_MR: Sebagian besar algoritma koreksi atmosfer dirancang untuk daratan. ACOLITE_MR secara spesifik didesain untuk aplikasi perairan (akuatik) pada citra satelit berskala meter. Sangat berguna untuk mengamati pesisir, danau, atau kualitas air.
* ATCOR: Berbeda dengan perangkat lunak open-source di atas, ATCOR adalah modul berbayar yang populer dan terintegrasi di dalam perangkat lunak komersial ERDAS Imagine.
Pemilihan perangkat lunak koreksi atmosfer sangat bergantung pada kebutuhan Anda: apakah Anda menggunakan Python (Pilih Py6S), mengolah data masif di Cloud (Pilih SIAC_GEE atau gee-atmcorr-S2), berfokus pada perairan (ACOLITE_MR), atau sekadar ingin data Sentinel-2 standar (sen2cor). Repositori Awesome-Geospatial menyediakan pintu masuk yang luar biasa komprehensif untuk mengeksplorasi ekosistem tools pemrosesan citra ini.
Leave a Reply