GEOBIA Workflow: Konsep-konsep kunci

Pada tulisan sebelumnya, saya menuliskan artikel untuk menjawab pertanyaan: apakah GEOBIA sebuah paradigma?

Saya menyarankan untuk membaca tulisan tersebut sebelum membaca tulisan ini.

Pada tulisan ini, saya paparkan beberapa konsep kunci yang harus dipahami sebelum melakukan analisis GEOBIA.

Beberapa konsep kunci tersebut adalah:

  • interpretasi citra secara manual merupakan dasar panduan dilakukannya GEOBIA;
  • GEOBIA merupakan proses pemodelan dengan objek sebagai unit analisisnya;
  • pemahaman geo-ontologi dan semantik network sebagai dasar penulisan rule;
  • pemahaman terhadap image-object dan geo-object
  • hasil segmentasi bukan hasil akhir;
  • objek merupakan susunan hirarki;
  • GEOBIA mampu memnfaatkan fungsi-fungsi dari GIS

Image understanding: human interpretation as guiding principle

Otak dan pikiran manusia memang luar biasa.

Dalam proses interpretasi manual (visual), proses yang terjadi di dalam pikiran kita tidak bisa dijelaskan secara sederhana.

Proses interpretasi visual sebenarnya dilakukan dengan membandingkan citra yang kita lihat dengan “mental image” yang ada dalam pikiran kita.

“Mental image” ini merupakan hasil dari pengalaman dan pengetahuan yang telah kita alami dan pelajari sebelumnya. “Mental image” ini tentu berbeda-beda di setiap orang.

Dalam proses ini banyak sekali yang harus dipertimbangkan, mulai dari tujuan analisis, skala analisis, ukuran minimal mapping unit, karakteristik citra, karakteristik daerah kajian, skema klasifikasi, kelas-kelas apa saja yang akan muncul, kunci interpretasi setiap kelas, dll.

Setelah itu kita mulai melakukan identifikasi dan deliniasi. Kita mulai memberi batas dan memberi label. Banyak pendekatan yang dapat kita gunakan, bisa holistik atau parametrik. Bisa juga photomorfik.

Kurang lebih saya ilustrasikan proses tersebut sebagai berikut.

human interpretation

Proses interpretasi citra

Proses di atas inilah yang menjadi dasar dan panduan dalam melakukan GEOBIA.

Proses yang begitu rumit harus kita jadikan sebuah kerangka pemodelan dan dituliskan ke dalam “rule” agar dapat dibaca komputer.

Dalam hal ini, semakin tinggi kemampuan interpretasi kita, maka proses GEOBIA dapat kita lakukan dengan semakin mudah dan akurat.

BACA JUGA:  Download dan reproyeksi citra MODIS secara cepat dengan package MODIStsp di R

Semantik network dan geo-ontologi

Sebelumnya, mari kita pahami apa yang dimaksud semantik network dan ontologi di sini.

Semantik network adalah sebuah struktur jaringan yang berisi pengetahuan tentang sesuatu, disajikan dalam bentuk arc dan nodes yang saling berhubungan.

Ontologi adalah sebuah sebuah spesifikasi eksplisit dari konseptualisme. Arti pentinng ontologi di sini adalah ontologi menawarkan potensi yang cukup besar untuk memformalkan pengetahuan dan konsep apriori tentang objek kajian.

Penjelasannya memang cukup rumit, tetapi pemahaman lebih mudah dapat di lihat pada gambar ini.

ontologi

Ontologi dalam GEOBIA

(Penjelasan lebih lanjut akan dijadikan tulisan terpisah)

Dalam proses interpretasi visual, proses pembangunan ontologi ini kita lakukan dalam pikiran kita, meskipun jarang kita menuliskan/ menggambarkannya.

Dalam GEOBIA, ontologi mulai dilirik karena merupakan sebuah cara untuk dapat membagikan pengetahuan (knowledge sharing) dan dasar klasifikasi/ analisis yang dilakukan.

Dengan demikian, pembaca yang membaca hasil penelitian kita dapat memahami alur strategi klasifikasi yang kita lakukan dan dapat memakai ontologi yang kita bangun untuk analisis yang dilakukannya.

Segmentasi bukanlah akhir

Salah satu kesalahpahaman awal dalam melakukan (Ge)OBIA adalah mengira bahwa proses ini segmentasi hanya dilakukan sekali, yaitu pada awal proses.

Berdasar paham ini, akurasi segmentasi kemudian terlalu dikejar dan menjadi target utama.

Proses segmentasi awal ini kemudian menjadi sangat time consuming.

Akurasi segmentasi memang penting, tapi tidak perlu dikejar melalui satu proses segmentasi di tahap awal saja.

Proses segmentasi dapat dilakukan berulangkali, selama dibutuhkan.

Menempatkan piksel pada konteks

Citra hanya sebuah “cuplikan” permukaan bumi yang didapatkan dari rekaman yang dilakukan oleh sensor.

Hasilnya, citra merupakan kumpulan piksel yang karakteristiknya tergantung pada sensor.

Dengan demikian, citra dapat diartikan sebagai sebuah hasil “model” permukaan bumi, berupa hasil pandangan melalui perspektif sensor (dan wahana).

Citra hanya dapat membedakan objek permukaan bumi berdasarkan besarnya energi elektromagnetik yang kemudian ditampilkan menjadi nilai piksel.

Citra tidak dapat menangkap konteks spasial objek maupun hubungan-hubungan yang dibentuk antar objek permukaan bumi.

Perhatikan gambar ini dan penjelasan di bawahnya.

konteks

Membuat meaningful object

Perhatikan gambar.

BACA JUGA:  Berkenalan dengan Geobia

Gambar sebelah atas, merupakan hasil segmentasi dari sebuah citra penginderaan jauh tertentu. Hasil segmentasi tersebut masih berupa segmen-segmen citra yang belum memiliki “nilai” terhadap tujuan analisis.

Gambar bawah, image-segment telah melalui proses panjang (lihat gambar) hingga menjadi sebuah objek yang meaningful.

Perlu dipahami bahwa kondisi yang disebut meaningful object ini bisa sangat berbeda-beda tergantung tujuan analisisnya.

Cara paling cepat memberikan informasi “konteks” pada hasil segmentasi kita adalah dengan melibatkan informasi spasial lain (karakteristik medan, poligon RTRW, data bidang tanah, batas taman nasional, dll) dalam input segmentasi. Hasilnya, segmen yang terbentuk nantinya tidak hanya memiliki nilai piksel citra dan turunannya saja, melainkan juga memiliki informasi lain sesuai data tambahan yang dimasukkan dalam input citra.

Konsep hirarki dan konsep multiskala

Sebuah keunggulan telak GEOBIA dibandingkan perpiksel analisis adalah kemampuannya melakukaan analisis multiskala pada satu citra yang sama dan atau pada beberapa citra sekaligus.

Analisis multiskala ini dilakukan melalui konsep hierarki, di mana suatu objek merupakan bagian dari objek pada level di atasnya, dan memiliki “anggota” pada level di bawahnya.

Analisis multiskala ini pada GEOBIA dipraktekkan melalui proses segmentasi multiskala (multiscale segmentation) yang didasarkan pada teori konsep hirarki.

Lebih jelasnya lihat gambar berikut.

hirarki

Konsep hierarki dan penerapannya melalui segmentasi multiskala

Dalam penerapannya, proses pembangunan hirarki objek dapat dilakukan dengan pendekatan Semantic Inheritance dan Feature-based Inheritance.

Lihat gambar di bawah ini untuk pemahaman yang lebih jelas.

inheritance

Pembangunan hirarki objek

Lapangan bola dapat dimasukkan kedalam kategori Urban area atau Bright vegetation. Semantic inheritance mendekati objek berdasarkan kelas semantiknya, sedangkan Feature-based inheritance menggunakan pendekatan berdasarkan kenampakan karakteristik objek pada citranya.

GIS-like functionality

Kemampuan melakukan analisis GIS pada GEOBIA didapatkan karena banyak faktor.

  • Pertama, unit analisis.

Unit analisis berupa objek citra dapat dibaca sebagai poligon vektor sehingga analisis lebih fleksibel.

  • Kedua, multisumber.

Kemampuannya membaca data vektor dan raster sekaligus membuat analisis dapat dilakukan secara multisumber. Keadaan ini memungkinkan analisis vektor dan raster dapat dilakukan secara bersamaan dan bergantian dengan tidak ribet.

  • Ketiga, perhitungan feature.
BACA JUGA:  Segmentasi Citra Menggunakan Berbagai Algoritma Segmentasi

Perhitungan feature dapat dilakukan melalui perhitungan properties dari objek citra itu sendiri (seperti luas, bentuk, panjang maksimum, kesimetrisan, dll). Perhitungan feature juga dapat dilakukan pada data masukkan dengan unit analisis objek citra.

Misal pada data lereng, kemudian dapat dihitung rata-rata lereng, lereng maksimum, lereng minimum, variansi lereng, simpangan lereng, dll.

  • Keempat, dan yang paling oke, adalah konsep segmentasi multiskala merepresentasikan hirarki objek.

Objek di setiap level memiliki hubungan hirarki dengan objek di level atas dan level bawahnya, serta memiliki hubungan ketetanggaan dengan objek-objek pada level yang sama.

Dari sini, banyak hubungan ketetanggaan dan hierarki dapat kita tuliskan sebagai aturan untuk melakukan klasifikasi, misal JARAK dari sungai, objek MENEMPEL/tidak dengan jalan, objek memiliki anggota MAYORITAS kelas vegetasi, objek MEMILIKI SEKIAN PERSEN kelas tanah dan MEMILIKI SEKIAN PERSEN kelas vegetasi, dll.

Pemodelan berorientasi objek

Pada awal OBIA dulu, terdapat ahli (Baatz;2008) yang menyebutkan bahwa proses yang lebih rumit dari object-based classification dapat disebut object-oriented classification (modelling).

Hal ini didasarkan bahwa pada tahap lanjut, objek-objek tersebut bukan hanya sebagai dasar klasifikasi.

Baatz menyebutkan, bahwa objek tidak hanya berfungsi sebagai pembawa informasi (information carrier) tetapi juga objek-objek tersebut “dimodelkan” melalui ekstraksi yang terus menerus (continous) dan akumulasi dari pengetahuan (expert knowledge).

Pada masa selanjutnya, GEOBIA banyak terkait dengan object-oriented (OO) software.

Penerapan konsep dan metode OO melalui penggunaan OO (software, tools, language) masih jarang dilakukan dalam ranah GEOBIA, namun diyakini akan dapat memberikan banyak manfaat–> saya juga belum pernah mencoba integrasi ini, hehe .

Salah satu yang paling banyak digunakan adalah OWL dari World Wide Web
Consortium(W3C) (http://www.w3.org/TR/owl-guide/)

Bagaimana melakukan GEOBIA?

Setelah membaca tulisan ini, kita memahami bahwa GEOBIA dilakukan melalui prinsip sebagai berikut:

geobia workflow.PNG

Secara teknis yang kita lakukan adalah:

  1. Melakukan synoptic overview untuk mendapatkan pemahaman dasar atas citra, daerah kajian dan objek kajian.
  2. Menyusun pemahaman terhadap objek kajian (melalui geo-ontologi)
  3. Menyusun model objek kajian (melalui semantik network)
  4. Operasi di komputer melalui penulisan rule-set segmentasi dan klasifikasi berdasarkan model yang telah dibangun.

Untuk lebih jelasnya, tahap-tahap melakukan GEOBIA akan ditulis di tulisan terpisah.

Jika ada pertanyaan maupun masukan, tulis di kolom komentar di bawah ya!

Bagikan ke temanmu:
Share on facebook
Share on twitter
Share on linkedin
Share on whatsapp
Share on telegram
Tentang penulis:

Leave a Comment

Your email address will not be published. Required fields are marked *

CONTENT

Artikel terkait:
Sedang belajar R di RStudio? Pelajari di sini:Pelajari lebih lanjut..
Scroll to Top