GEOBIA bukanlah sebuah hal baru yang muncul dan menjadi sempurna begitu saja.
Awal penggunaannya sendiri sudah dimulai sejak tahun 70an.
Memahami perkembangan GEOBIA dari waktu ke waktu akan memberikan pemahaman yang lebih dalam terkait GEOBIA.
Lalu, bagaimana sebenarnya perkembangan GEOBIA?
Mari kita belajar bersama – sama.
OBIA vs OOIA vs GEOBIA
Beberapa tahun yang lalu, OBIA sering juga disebut dengan OOIA (Object Oriented Image Analisis).
Ada juga beberapa tulisan yang membedakan OOIA dan OBIA.
Kerancuan juga muncul ketika OBIA kemudian disejajarkan (dan dibandingkan) dengan metode field-based classification.
Kerancuan-kerancuan kerancuan ini wajar muncul karena OBIA masih merupakan sebuah “evolving paradigm” yang masih mencari bentuk dan batas-batasnya.
Istilah “object-based” selanjutnya dipilih untuk digunakan dibandingkan dengan “object-oriented” untuk membedakannya dengan istilah “object-oriented programming” pada ranah ilmu komputer.
Lalu, bagaimana dengan GEOBIA?
GEOBIA (Geographic Object Based Image Analysis) merupakan istilah yang diajukan oleh Hay dan Castilla pada tahun 2006 untuk membedakan OBIA dengan proses “OBIA” yang dilakukan teman-teman di bidang keilmuan lain, seperti Computer Vision, Material Sciences atau Biomedical Imaging.
GEOBIA pada akhirnya banyak digunakan untuk menyebut OBIA sebagai sebuah paradigm yang meliputi proses kerangka berpikir dan eksekusi analisis citra penginderaan jauh digital yang jauh berbeda dengan proses analisis citra yang telah ada sebelumnya.
Saya sering menggunakan istilah OBIA dan GEOBIA dalam tutorial ini.
Perlu disimak bahwa ketika saya menggunakan OBIA, maka yang saya maksud adalah semua metode analisis berbasis objek, sedangkan GEOBIA merujuk pada sebuah pandangan dan pendekatan sebagai paradigma baru dalam analisis citra.
Untuk memahami lebih dalam mengenai GEOBIA, baca tulisan ini: GEOBIA sebagai sebuah paradigma.
What’s wrong with pixel?
Salah satu tonggak berkembangnya OBIA adalah munculnya pemikiran bahwa klasifikasi multispektral tidak mampu mengikutkan informasi spasial yang nampak pada citra saat proses klasifikasi.
Klasifikasi multispektral berbasis piksel hanya memanfaatkan informasi spektral yang diambil dari nilai piksel. Pelibatan aspek spasial berupa tekstur dilakukan secara terbatas melalui pemfilteran menggunakan moving window. Pelibatan informasi ketinggian dan morfologi dilakukan dengan menambah layer elevasi dan turunannya pada input klasifikasi.
Klasifikasi dilakukan berdasarkan nilai piksel, sehingga hubungan antar piksel tidak dapat diakomodasi oleh klasifikasi multispektral berbasis piksel.
Piksel dalam citra merupakan representasi potongan-potongan permukaan bumi berukuran tertentu (ditunjukkan oleh resolusi spasial).
Setiap piksel membawa informasi nilai yang biasanya mencerminkan tutupan lahan atau elevasi. Klasifikasi multispektral menggunakan piksel sebagai unit pemetaan. Adapun jika kembali ke realita di lapangan, sangat jarang sebuah objek atau fenomena dapat terwakili bentuk dan ukurannya oleh sebuah persegi berukuran tertentu.
Di sini kemudian muncul kelemahan asumsi yang mendasari klasifikasi multispektral.
Blasckhe dan Strobl, pada sebuah artikel, kemudian mengajukan menulis artikel yang berisi pertanyaan provokatif:
Why are we so focused on the statistical analysis of single pixels, rather than on the spatial patterns they create?
(Mereka menganggap) Analisis citra sebaiknya dilakukan pada objek yang semirip mungkin dengan objek yang berada di realita.
Untuk itu, analisis citra diawali dengan membentuk sebuah “objek” dengan mengelompokkan piksel-piksel yang berdekatan sesuai dengan kemiripan secara spektral maupun spasial. Metode yang dapat dilakukan adalah dengan menggunakan segmentasi citra.
Analisis berdasarkan objek ini memiliki keunggulan jika dibandingkan dengan analisis berdasarkan piksel. Selain kemampuannya meniru aspek spasial objek di lapangan, salah satu kemampuan terbesarnya adalah bahwa objek citra dapat dibentuk berdasarkan skala dan tujuan analisis.
Pada citra yang sama, objek citra yang dibentuk dapat berbeda ukuran dan kedetilannya jika analisi yang dilakukan tidak pada skala atau tingkat kedetilan yang sama. Bentuk objek citra pada citra yang sama bahkan bisa sangat berbeda jika tujuan pemetaannnya berbeda.
Misal, kebutuhan objek untuk pemetaan penutup lahan akan sangat berbeda dengan analisis pemetaan bentuk lahan.
Proses lahirnya OBIA
OBIA bukanlah sebuah bentuk analisis yang lahir (dan menjadi sempurna) secara tiba-tiba. Ada banyak batu pijakan (milestones) yang membantu dan mempercepat perkembangan OBIA.
Blasckhe menyebutkan ada beberapa kejadian yang menjadi milestone OBIA (agak saya modifikasi, tapi saya lupa yang mana yang saya modifikasi, ):
- Koetsler (1967) dan Simon (1962,1973)
- Kettig dan Landgrebe (1976)
- Munculnya segmentasi citra (70-80an)
- Munculnya citra resolusi tinggi (awal 2000)
- Lahirnya software eCognition (2000)
- Eksperimentasi dan komparasi (2003-2004)
- Konferensi GEOBIA (Salzburg, 2006)
- Pengembangan dasar saintifik (2006 -….)
- Eksplorasi dalam OBIA (2006??)
Konsep awal yang mendasari (Ge)OBIA
Banyak konsep dasar yang kemudian sangat membantu perkembangan OBIA.
Pendefinisian “object” dan konsep hirarki
Herbert A. Simon banyak melakukan publikasi terkait dengan teori hirarki mulai pada awal tahun 1960.
Penjelasannya secara ringkas sebagai berikut.
Sebuah sistem kompleks sangat sering membentuk hirarki; dengan membentuk struktur layer atau level. Tingkat interaksi antar komponen pada setiap level hirarki lebih cepat daripada tingkat interaksi antar komponen. Level yang lebih tinggi cenderung berkarakter lebih besar dan lambat jika dibandingkan level-level dibawahnya.
Karakteristik dasar dari sebuah sistem kompleks ini disebut near-decomposability.
Teori hirarki secara umum merupakan teori yang bertujuan untuk menyederhanakan kondisi tersebut sehingga dapat dipahami secara lebih komprehensif.
Terinspirasi dari Simon, Arthur Koestler lalu mendefinisikan “holon”, yaitu sesuatu yang secara simultan merupakan “a whole and a part”.
Blaskche mengambil definisi “object” dari buku Koestler, The Ghost in The Machines: “objects are simply the human discretisation of nearly-decomposable hierarchical structures”.
Salah satu konsep penting yang membedakan GEOBIA dengan pendekatan berbasis piksel adalah analisis dapat dilakukan pada berbagai skala atau representasi, baik dalam satu citra maupun antara beberapa citra sekaligus.
Di ranah OBIA, Burnet dan Blasckhe kemudian mengembangkan metode yang disebut Multi-scale segmentation/ object relationship modelling. Metode segmentasi multiskala inilah yang kemudian menjembatani teori hirarki masuk ke dalam OBIA.
Pelibatan informasi kontekstual
Kettig dan Landgrebe merupakan salah satu pencetus pelibatan informasi kontekstual pada klasifikasi citra penginderaan jauh pada tahun 1970an.Mereka mengembangkan ECHO (extraction and classification of homogeneous objects) yang kemudian digunakan oleh software Multispec (Baca sendiri saja di sini)
Pelibatan informasi kontekstual merupakan salah satu kekuatan utama OBIA jika dibandingkan dengan klasifikasi berbasis piksel.
Segmentasi citra
Proses segmentasi citra mulai banyak dilakukan pada tahun 70-80 an. Namun, sebelum ada OBIA, proses segmentasi citra dilakukan untuk membentuk kumpulan poligon yang tidak overlap saja. Pada masa-masa ini, proses segmentasi citra masih dipisahkan dengan proses klasifikasi. Baca Haralick dan Shapiro (1985) dan Pal dan Pal (1993).
Pada OBIA, hasil segmentasi citra berupa objek citra (image-objects) memiliki tambahan informasi spektral dan spasial yang digunakan untuk klasifikasi citra.
Perkembangan mulai tahun 2000
Mulai tahun 2000an, OBIA berkembang dengan pesat dan signifikan.
Munculnya citra resolusi tinggi
Munculnya citra revolusi tinggi mulai awal 2000an memberikan angin segar, di mana pada akhirnya pembedaan objek-objek geografi dapat dilakukan secara lebih rinci.
Di sisi lain, perkembangan citra dengan resolusi spasial tinggi hingga sangat tinggi menimbulkan masalah “salt and pepper” pada hasil klasifikasi berbasis piksel.
Kebutuhan dalam penggunaan unit analisis yang lebih besar dari sebuah piksel merupakan salah satu faktor utama dalam perkembangan OBIA.
Software eCognition
Kelahiran dan komersialisasi software eCognitiion (Trimble, Definiens) membuat proses OBIA semakin mudah dilakukan. eCognition secara khusus memilih OBIA untuk analisis citra di dalamnya. Hal ini diikuti dengan branding masif dari eCognition yang secara langsung mempopulerkan analisis OBIA di kalangan ilmuwan dan praktisi bidang Geosains.
Salah satu contoh iklannya:
eCognition bukanlah satu-satunya software yang dapat digunakan untuk melakukan OBIA.
Namun, tidak dapat dipungkiri eCognition merupakan software yang memiliki fungsi yang paling lengkap untuk melakukan proses GEOBIA seutuhnya.
Terbukti sebagian (sangat) besar publikasi yang pernah saya baca merupakan hasil penelitian menggunakan software eCognition.
Tutorial yang saya buat di blog ini juga menggunakan sofware eCognition (versi trial, tentunya).
Perkembangan publikasi terkait OBIA
Selanjutnya mari lihat grafik di bawah ini (sumbernya sekalian saya ikutkan dalam crop, cari sendiri ya..)
Perkembangan publikasi terkait Object-based Image Analysis
Grafik yang di-publish tahun 2010 ini menunjukkan perkembangan publikasi tentang OBIA mulai mengalami perkembangan signifikan mulai tahun 2003.
Komparasi dan eksperimentasi
Mulai 2002-2003, cukup banyak peneliti yang kemudian melakukan studi komparasi dengan membandingkan hasil klasifikasi berbasis objek dengan klasifikasi berbasis piksel. Pada masa-masa awal ini, juga banyak keluar publikasi terkait hasil eksperimentasi aplikasi OBIA pada berbagai bidang pemetaan.
1st OBIA Conference dan perumusan dasar saintifik
Perkembangan OBIA kemudian disikapi oleh beberapa akademisi untuk mengadakan Konferensi OBIA yang pertama, di Salzburg, Austria tahun 2006.
Berkumpulnya peneliti pada komunitas tersebut kemudian menghasilkan satu kegelisahan, di mana selama ini OBIA telah banyak digunakan, meskipun dasar-dasar saintifik di dalamnya belum cukup kuat.
Berpijak dari hal tersebut, kemudian banyak peneliti yang kemudian “kembali ke dasar” dan mulai mengkonstruksi apa dan bagaimana OBIA itu.
Konferensi itu juga menghasilkan beberapa poin penting: 1) konferensi akan berganti nama menjadi GEOBIA Conference; 2) konferensi akan dilakukan 2 tahun sekali.
Perumusan dasar saintifik ini masih berlanjut sampai pada akhirnya pada tahun 2014, muncul paper yang menyebutkan bahwa GEOBIA merupakan paradigma baru dalam subdisiplin GIscience. Paper itu telah secara gamblang menjelaskan dasar-dasar saintifik GEOBIA.
Eksplorasi dalam OBIA
Eksplorasi dalam OBIA banyak dilakukan terutama pada beberapa hal sebagai berikut:
- penggunaan OBIA dalam pemrosesan data point cloud Lidar;
- proses pembangunan OBIA untuk lebih dapat memasukkan sebanyak-banyaknya informasi kontekstual;
- pembangunan sistem untuk otomasi (atau otomatisasi?) analisis.
GEOBIA sebagai sebuah paradigma
Sebuah paper dari Blasckhe dan kawan- kawan pada tahun 2014 mengajukan bahwa sekarang GEOBIA bukanlah lagi sekedar metode atau pendekatan dalam analisis penginderaan jauh.
Melainkan dianggap sebagai paradigma.
Seperti apakah paradigma GEOBIA?
Bagaimana GEOBIA bisa disebut sebagai sebuah paradigma baru?
Nantikan tulisan selanjutnya.
