Tulisan menarik , saya copas ke sini :

Peta dalam geografi adalah gambar rupa bumi yang umumnya berbentuk dua dimensi statis. Pada peta terdapat skala yang menyatakan perbandingan antara ukuran objek di peta dengan ukuran sebenarnya di muka bumi. Skala 1:25.000 (1 berbanding 25.000) artinya adalah 1 satuan di peta sama dengan 25.000 satuan di muka bumi. Jika ukuran cm (centimeter) digunakan maka 1 cm di peta sama 25.000 cm (250 m) di lapangan. Jika suatu objek di peta skala 1:25000 memiliki panjang 4 cm maka ukuran sebenarnya adalah 1 km (4 cm x 25000 cm = 100.000 cm = 1000 m = 1 km). Semakin besar skala peta semakin detil bentuk rupa bumi nampak di peta. Peta-peta dengan skala 1:1000, 1:2000 mapun 1:5000 biasa disebut peta skala besar, sedang peta skala 1:250.000, 1:500.000 maupun 1:1.000.000 disebut peta skala kecil, dan diantaranya disebut peta skala menengah.

Pada peta, bentuk muka bumi yang rumit ditampilkan melalui simbol-simbol peta yang jika dikelompokkan simbol-simbol ini hanya mencakup tiga fitur saja yakni: titik, garis dan poligon. Bentuk memanjang seperti jalan, jaringan sungai digambarkan di peta melalui fitur garis; lokasi tempat ibadah, titik triangulasi dan sekolah digambarkan melalui fitur titik; sementara permukiman, hutan, dan sawah digambarkan melalui fitur poligon. Peta yang hanya mencakup ketiga unsur di atas lazim disebut peta garis. Peta topografi (rupa bumi) termasuk peta garis. Selain peta garis terdapat peta citra.

Sumber data peta biasanya dari hasil survai terestris, data tabular, foto udara, juga dari citra satelit. Yang terakhir disebut ini perkembangannya sangat pesat sekali. Dimulai dari citra Landsat-1 pada tahun 1972 hingga terkini 2009 adalah WoldView-2 yang mengusung keunggulaan resolusi spasial yang tinggi (0,5 m). Resolusi spasial berkenaan dengan ukuran sebuah piksel citra yang mewakili suatu area di permukaan bumi. Ukuran kuantitatif dari resolusi spasial citra adalah seberapa detail suatu wilayah nampak dalam citra. Citra-citra satelit yang memiliki resolusi spasial 0,4 – 4 m disebut citra bersolusi tinggi, 4 – 30 m disebut menengah (sedang), dan 30 m hingga > 1000 m disebut beresolusi rendah. Sebagai contoh, citra-citra dari satelit GeoEye-1, WorldView-2, WorldView-1, QuickBird, IKONOS, FORMOSAT-2, and SPOT-5 adalah citra bersolusi tinggi. Citra-citra dari satelit ASTER, LANDSAT 7 dan CBERS-2 dikelompokkan pada citra bersolusi menengah. Sedangkan citra-citra dari satelit NOAA AVHRR, Terra MODIS dan Aqua MODIS dikelompokkan ke citra beresolusi rendah.

Untuk kepentingan pemetaan baik itu untuk tata ruang wilayah maupun yang lainnya, pemilihan data citra yang tepat sangatlah penting. Misalnya untuk perencanaan tata ruang kota, citra satelit apa yang diperlukan? Atau jika kita sudah melakukan analisis citra Landsat TM sehingga menghasilkan data Tutupan Lahan, maka berapa skala optimum jika ingin dicetak ?

Memilih citra yang tepat bukan cuma didasari oleh ‘budget’. Karena keterbatasan dana maka citra yang dibeli seadanya saja atau sebaliknya, memiliki dana tak terbatas maka citra yang dibeli terlalu berlebih (mis: WorldView-2) padahal hanya untuk klasifikasi tutupan pada skala wilayah yang cukup luas (kabupaten – propinsi). Hal ini justru bisa memperumit pekerjaan. Sekedar mengingat saja, bahwa klasifikasi penggunaan lahan pada citra bersolusi tinggi (WorldView-2, QuickBird, Ikonos) lebih susah dibanding citra yang mempunya resolusi spasial rendah maupun menengah (Landsat, ASTER, dll). Karena variasi spasial pada citra beresolusi tinggi lebih tinggi dibanding yang beresolusi menengah maupun rendah, terlebih untuk wilayah-wilayah perkotaan. Jika hanya menggunakan metode klasifikasi standar seperti Maximum Likehood hasilnya tidaklah begitu menggembirakan.

Karenanya memilih citra yang sepadan untuk pemetaan adalah hal penting. Untuk memilih citra yang sepadan untuk pemetaan yang optimum ada rumusan matematisnya. Rumusan ini dicetuskan oleh Wado R. Tobler pada tahun 1987. Mr. Tobler adalah seorang profesor emiritus bidang geografi dari universitas California-Santa Barbara, Amerika. Dia banyak menemukan perhitungan proyeksi peta dan dikenal sebagai ‘pembuat peta’. Menurutnya seorang kartograf (ahli perpetaan) selalu ingin memasukkan ‘objek’ sekecil apapun dalam peta, karena setiap informasi sekecil apapun pada dasarnya penting. Namun karena keterbatasan penyajian (tergantung besarnya skala yang menjadi target), maka tidak smua objek bisa tampak dalam peta, objek yang terlalu kecil dengan sendirinya akan hilang atau justru perlu dihilangkan agar peta yang ditampilkan nanti nampak lebih apik.

Adapun rumusan atau aturan kesepadanan skala peta dan resolusi spasial citra dari Tobler ini adalah “Bagi bilangan penyebut skala peta dengan 1000 ( penggunaan angka 1000 dimaksudkan agar terdeteksi dalam satuan meter) maka resolusi citra yang sepadan adalah setengah dari hasil pembagian tersebut”.

Sebagai contoh, jika kita tidak yakin berapa besar resolusi citra yang efektif diperlukan utuk mendeteksi objek pada skala peta 1:50.000, maka sesuai aturan Tobler, resolusi citra yang diperlukan adalah 25 m, angka ini diperoleh dari 50.000 / (1000 * 2). Jika kita sudah mengetahui resolusi citra yang diperlukan, maka selanjutnya kita bisa mencari citra satelit apa yang diperlukan, QuickBird kah? Ikonos kah? Landsat kah?

Atau sebaliknya jika kita memiliki data citra satelit beresolusi 1 m, maka berapa besar skala peta yang optimum dihasilkan? Masih sesuai aturan Tobler, jawabnya adalah sebagai berikut:

Skala peta = Resolusi spasial citra (dalam meter) * 2 * 1000

Skala peta = 1 * 2 * 1000

Skala peta = 2000, atau 1:2000

Contoh hasil perhitungan kesepadanan skala peta dan resolusi spasial citra sesuai aturan Tobler bisa dilihat pada tabel berikut.

Pemahaman sederhana tentang korelasi skala dan resolusi citra, terkait rumusan Tobler seperti ini:

Seberapa besarkah objek di bumi yang mau dikenali oleh mata kita di atas peta?
Kalau kita memakai skala 1:1000, maka objek sebesar 1 meter di bumi setara dengan 1 milimeter di peta. Jika 1 mili masih dirasa cukup besar bisa diturunkan menjadi 0.5 mili (cukup kecil bukan), itu artinya objek tersebut di lapangan ukurannya 0.5 m (ukuran ini setara dengan resolusi spasial band pankromatik citra World View-2)
Namun demikian perlu diperhatikan unsur generalisasi (penyederhanaan). Tidak semua objek dipetakan, karena memang peta adalah bentuk penyederhanaan bentuk muka bumi. Unsur-unsur minor yang membuat peta menjadi ‘runyam’ dihilangkan. Sebaliknya yang kecil namun penting justru ditonjolkan (eksagrasi), seperti unsur jalan setapak, titik triangulasi, dan lainnya.

Benar Tobler telah membantu kita dalam memilih citra satelit dari sudut resolusi spasial, namun demikian hal tersebut tidaklah cukup karena pemilihan citra untuk pemetaan bukan hanya dilandasi oleh resolusi spasialnya saja tetapi perlu dipertimbangkan resolusi temporal maupun resolusi spektralnya. Resolusi temporal menyangkut rentang waktu satelit dalam mengindera (mengunjungi) lokasi yang sama di muka bumi. Satelit Landsat memiliki waktu kunjung 16 hari, sementara FORMOSAT-2 dan WorldView-2 waktu kunjungnya per hari (tiap 1 hari). Namun demikian dengan kecepatan waktu kunjungnya yang per hari itu, orbit satelit FORMOSAT-2 mesti merelakan beberapa wilayah di muka bumi yang tak kan pernah dikunjunginya (menghasilkan gap).

Resolusi spektral berkenaan dengan seberapa banyak band-band spektral yang direkam oleh sensor satelit. Sebagai contoh citra satelit Landsat 7 ETM+ memiliki 8 band, citra WorldView-2 memiliki 9 band, dan FORMOSAT-2 memiliki 5 band. Kini dalam perkembangannya citra satelit bisa memiliki hingga beratus-ratus band, citra ini disebut citra hyperspektral. Sebagai contoh adalah sensor Hyperion yang ditempelkan pada satelit NASA EO-1 yang menghasilkan 220 band. Belum cukup hanya di situ, type citra satelit dari sensor aktif (radar) dan pasif (optik) juga patut dipertimbangkan mengingat ada beberapa tempat di Indonesia yang selalu tertutup awan sehingga citra radar patut menjadi pilihan.

sumber : https://lajugandharum.wordpress.com/2011/01/07/kesepadanan-skala-peta-dan-resolusi-spasial-citra/

• This topic was modified 8 years, 5 months ago by Banata.