LASTOOLS : MEMERIKSA KUALITAS DATA LIDAR

Tutorial ini akan membahas tentang software LAStools yang dikembangkan oleh Martin Isenburg untuk mengolah dan menganalisis data lidar. Tutorial kali ini secara spesifik akan membahas bagaimana cara memeriksa kualitas data lidar yang baru kita terima. Untuk segera memulai kita dapat mengunduh software LAStools dan tujuh contoh flight strips: strip1, strip2, strip3, strip4, strip5, strip6, strip7 (semua data bersumber dari https://rapidlasso.com). Setelah melalukan download kita simpan data kita pada ‘.\lastools\bin\strips_raw’ bisa kita letakkan di C:\ atau di D:\. Untuk memudahkan dalam proses pengoperasian kita akan bekerja pada folder ‘.\lastools\bin’, dalam tutorial kali ini ‘D:\lastools\bin’, jadi buka DOS command line window dan ubah dimana folder tempat kita bekerja berada, contohnya ‘D:\lastools\bin’

lastool-0101

Pertama yang perlu kita lakukan ketika mendapatkan data lidar adalah melihat data tersebut apakah datanya bagus atau tidak melalui ‘lasview’. Perintah di bawah menunjukkan bahwa titik – titik yang ditampilkan hanya sekitar 2 – 5  juta titik.

lastool-0102

Setelah perintah di atas dijalankan, maka menghasilkan tampilan seperti di bawah.

lastool-0103

Data di atas terdiri dari beberapa tile data, untuk melihat data secara lebih dekat atau detil kita dapat melihat hanya sebagian kecil area-o-interests (AOIs). Jika kita melihat data beberapa kali untuk area yang berbeda, sebaiknya kita perlu membuat spatial indexing dari data kita menggunakan ‘lasindex’ yang berpengaruh signifikan terhadap kecepatan dapa spasial queries.

lastool-0104

Kita menambahkan ‘–core 3’ jika komputer kita memiliki paling sedikit 4 core, dan jika memiliki 8 core kita bisa menambahkan ‘-core 7’. Setelah melakukan proses index, sekarang kita menjalankan ‘lasview’ menggunakan GUI mode dengan cara klik dua kali pada software yang terletak pada ‘D:\lastools\bin\lasview.exe’ atau dengan menambahkan ‘–gui’ pada command line.

lastool-0105

Maka akan muncul tampilan seperti di bawah.

lastool-0106

Sekarang kita bisa memanfaatkan tampilan GUI mode di atas untuk menampilkan data, klik pada browse pilih folder strips_raw, dan klik dua kali pada data lidar maka data lidar akan muncul.

lastool-0107

Seperti tampilan di bawah, dimana kita dapat melihat tampilan data lidar dengan mengklik ‘VIEW’ pada tombol di sebelah kanan, atau menampilkan sebagian data dengan membuat area kotak dengan mengklik tombol ‘pick’ pada bawah jendela, kemudian membuat kotakan kecil di area data.

lastool-0114

Pada GUI di bawah kita dapat melihat bahwa file belum memiliki informasi proyeksi peta. Kita akan memberikan proyeksi setelah ini. Kita dapat melihat header dari masing – masing data strip pada sebelah kiri jendela (kota warna merah). x, y, dan z scaling factor diatur menjadi 0,001 yang berarti bahwa titik – titik tersebut disimpan pada ketelitian milimeter. Karena LIDAR yang direkam melalui Airborne masih jauh dari akurat, nanti kita akan merubah scaling factor menjadi sentimeter.

lastool-0108

Kita akan menggunakan ‘lasview’ kembali, setelah jendela las viewer muncul, kita dapat mengganti warna tampilan dengan beberapa cara yaitu dengan hot-key ‘c’ atau dengan mengklik kanan pada jendela seperti gambar di bawah.

lastool-0109

Berikut adalah visualisasi berdasarkan flight-line

lastool-0110

Kita dapat menambah ukuran titik dengan menekan ‘=’ , sehingga tampak seperti tampilan di bawah dan jika kita ingin mengurangi ukuran titik – titik menggunakan ‘-‘.

lastool-0111

Tekan hot-key ‘t’ maka akan membentuk tampilan triangulasi seperti gambar di bawah.

lastool-0112

Tekan hot-key ‘h’ memunculkan visualisasi yang triangulasi TIN yang lain.

lastool-0113

Sebelum kita mencoba untuk memperbaiki data LIDAR kita dan menyiapkan data tersebut untuk pemrosesan lebih lanjut, kita harus memastikan bahwa data tersebut dapat memberikan manfaat dengan menjalankan visualisasi cepat berdasarkan seberapa bagus strip data dijadikan satu. Kita melakukan ini menggunakan ‘lasoverlap’.

lastool-0122

Maka akan muncul jendela lasoverlap

lastool-0121

Isikan sesuai dengan gambar di atas, atur Output: dimana tempat kita menyimpan, centang file are flightlines, centang create overlap raster, centang create difference raster, isikan min dan dan max 0 dan 1, pilih format keluaran .png. Kita ketahui sebelumnya bahwa data lidar tidak memiliki informasi proyeksi peta, melalui ‘lasoverlap’ kita sekalian memberikan informasi tersebut. Pada kolom sebelah kiri pilih Projection, kemudian isikan UTM dengan Zona 19, datum wgs84. Setelah semua selesai klik RUN. Cek folder tempat kita menyimpan data maka akan kita menjumpai file PNG dan KML yang dapat kita gunakan untuk visualisasi secara on-line pda google earth.

strip_overlap_over

strip_overlap_diff

Data yang bermasalah ditunjukkan oleh adanya wilayah yang kosong pada data raster overlap yang disebabkan oleh buruknya perencanaan penerbangan dan bukan karena tubuh air dan oleh warna biru tua atau merah tua pada area terbuka selain wilayah hutan. Jika hal itu terjadi maka kembalikan data ke vendor untuk diperbaiki.
Sekarang kita akan membandingkan data ketinggian lidar dengan sampel lapangan sebanyak 29 buah titik ketinggian di lapangan. Berikut datanya, copy data tersebut dan simpan menjadi data .csv. kemudian simpan pada ‘D:\lastools\bin\strips_raw\cps.csv’.

Type,Easting,Northing,Z
Open/Paved,273299.68,4715133.88,74.17
Open/Paved,273477.61,4714979.29,73.85
Open/Paved,274001.2,4714540.29,72.5
Open/Paved,273670.13,4714817.4,73.34
Open/Paved,273677.42,4715018.66,74.26
Open/Paved,273400.1,4714528.98,73.15
Open/Paved,274511.59,4714905.97,95.7
Open/Paved,275074.66,4714841.98,120.18
Open/Paved,275409.65,4714994.76,113.41
Field,273321.18,4714946.83,73.46
Field,273601.49,4715101.78,74.35
Field,273646.76,4714972.94,73.97
Field,273890.5,4714457.59,71.13
Field,274650.24,4714903.44,105.13
Field,274522.36,4714829.74,98.59
Field,275474.47,4714780.03,127.63
Field,275636.39,4714868.85,120.72
Field,274747.37,4714932.57,116.11
Field,272795.36,4714503.86,126.9
Forested,272547.02,4714623.09,127.71
Forested,273205.33,4714900.27,79.36
Forested,272530.52,4715045.46,113.48
Forested,275237.48,4715049.57,120.31
Forested,275268.37,4714543.82,104.99
Forested,274666.09,4714497.49,108.86
Forested,274403.56,4715053.43,93.17
Forested,274901.6,4714493.63,114.64
Forested,274658.37,4715072.74,104.49
Forested,274121.73,4714524.51,72.06

Kolom pertama mendeskripsikan lokasi titik kontrol dan tiga sisanya adalah koordinat x,y,z. Sekarang kita akan membandingkan data lidar dan 29 sampel lapangan. Kita melakukannya menggunakan ‘lascontrol’

lastool-0123

Maka akan muncul jendela lascontrol

lastool-0115

Pada jendela lascontrol sebelah kanan, pada file: isikan data csv yang telah kita buat. Kemudian jangan centang keep ground(2) dan keep building(8) karena data lidar kita tersebut belum terklasifikasi. Pada pilihan output file: isikan nama yang sesuai kenginan kita. Berikut adalah hasilnya disimpan dalam bentuk .txt.

diff,lidar_z,Type,Easting,Northing,Z
0.144062,74.3141,Open/Paved,273299.68,4715133.88,74.17
0.0206811,73.8707,Open/Paved,273477.61,4714979.29,73.85
0.0888456,72.5888,Open/Paved,274001.2,4714540.29,72.5
-0.00322332,73.3368,Open/Paved,273670.13,4714817.4,73.34
0.0562745,74.3163,Open/Paved,273677.42,4715018.66,74.26
0.0313866,73.1814,Open/Paved,273400.1,4714528.98,73.15
-0.0711117,95.6289,Open/Paved,274511.59,4714905.97,95.7
-0.0657651,120.114,Open/Paved,275074.66,4714841.98,120.18
0.0748328,113.485,Open/Paved,275409.65,4714994.76,113.41
0.000861754,73.4609,Field,273321.18,4714946.83,73.46
0.0733751,74.4234,Field,273601.49,4715101.78,74.35
0.00139395,73.9714,Field,273646.76,4714972.94,73.97
0.165969,71.296,Field,273890.5,4714457.59,71.13
-0.39245,104.738,Field,274650.24,4714903.44,105.13
-0.0696179,98.5204,Field,274522.36,4714829.74,98.59
-0.421874,127.208,Field,275474.47,4714780.03,127.63
0.215924,120.936,Field,275636.39,4714868.85,120.72
-0.125832,115.984,Field,274747.37,4714932.57,116.11
0.019435,126.919,Field,272795.36,4714503.86,126.9
17.04,144.75,Forested,272547.02,4714623.09,127.71
9.2447,88.6047,Forested,273205.33,4714900.27,79.36
26.3607,139.841,Forested,272530.52,4715045.46,113.48
20.2141,140.524,Forested,275237.48,4715049.57,120.31
14.5356,119.526,Forested,275268.37,4714543.82,104.99
0.176388,109.036,Forested,274666.09,4714497.49,108.86
20.5828,113.753,Forested,274403.56,4715053.43,93.17
0.00153729,114.642,Forested,274901.6,4714493.63,114.64
23.8818,128.372,Forested,274658.37,4715072.74,104.49
0.365931,72.4259,Forested,274121.73,4714524.51,72.06

Dan keterangan

lastool-0124

Keterangan hasil diff,lidar_z,Type,Easting,Northing,Z adalah berikut: diff merupakan perbedaan antara data lidar dan data lapangan, lidar_z merupakan ketinggian yang dihasilkan oleh lidar data. Rangkuman terakhir data tersebut adalah rata – rata kesalahan mutlak, rata – rata kesalahan mean kwadrat, standar deviasi, dan rata – rata kesalahan pada seluruh perbedaan. Pada data laporan perbedaan tersebut kita dapat lihat bahwa untuk titik titik yang bertipe ‘Forest’ memiliki hasil yang buruk, karena kita menggunakan data titik lidar pada proses ini  dan karena bukan merupakan pantulan ground dari lidar. kita akan melakukan prose ini lagi ketika kita sudah mengklasifikasikan data lidar. Kita dapat melihat dimana titik sample lapangan kita pda data lidar dengan mengklik ‘VIEW’ pada jendela lascontrol sebelah kanan, dimana sebelumnya kita perlu membuat kotakan pada area yang terdapat titik sampel lapangan.

lastool-0117

Terakhir  kita akan menjalankan ‘lasinfo’ untuk mengetahui data lidar kita. Kita hanya bisa menganalisis satu per satu data tersebut.

lastool-0119

Berikut adalah hasilnya

lastool-0118

Sumber:

Martin Isenburg
LAStools
rapidlasso GmbH

rapidlasso.com

 

*** SEMOGA BERMANFAAT ***

10 Comments

    1. iya, bisa jadi gak jelek.. ketika overlap titik – titik lidar bisa lebih banyak sepertinya.. jika ada kesalahan mohon di koreksi dan dibenarkan, agar tidak salah pembaca yang lain juga, 🙂 ditunggu mas gimana benarnya.. mari share…

      Like

    1. itu sumber dari Marti Isenburg (rapidlasso.com), dan kami hanya berusaha mentranslate dan memodifikasikannya, jadi maksudnya adalah jika ada perekaman yang overlap tapi disana banyak data yang kosong maka data tersebut jelek, mohon dikoreksi jika salah,

      Like

  1. Data yang bermasalah ditunjukkan oleh adanya wilayah yang kosong pada data raster overlap yang disebabkan oleh buruknya perencanaan penerbangan –> ini lho…
    Ga overlap pun data Lidar bisa bagus, ini ga ada kaitannya dengan jalur terbang.. bisa jadi karena kesalahan sensor..

    jadi maksudnya adalah jika ada perekaman yang overlap tapi disana banyak data yang kosong maka data tersebut jelek –> lah iya yg eror apakah jalurnya? Orang overlap kok. Artinya daerah yg sama dipotret berulang2.

    Bagus atau tidaknya kualitas data lidar:
    1. Kualitas kerapatan titik. Biasanya ini sudah given sesuai spek sensor (kemampuan radiometrik sensor). Misal spek bilang 15 titik per meter persegi. Kalau misal ternyata tidak 15 meter persegi itu perlu dicurigai. Lagi2 kita lihat dulu ya… Jangan2 permukaannya air.

    2. Kualitas geometrik artinya kemampuan lidar untuk membedakan minimum perbedaan elevasi. Biasanya lidar pada ukuran CM.Ini diuji dengan membandingkannya dengan hasil pengukuran TS yg sub sentimeter.

    Ejawantahkan aja konsep 4 resolusi citra + kualitas geometrik. Klo lidar kan ga mengenal spektral karena 1 band, temporal karena 1x perekaman. Dia hanya ada spasial dan radiometrik. Utamanya Lidar Utk geometrik, karena pengganti survey topo. Jadi mesti dibandingkan dgn hasil topo yg lebih detil.

    Gitu… Konsep… Konsep… Konsep… Software bisa ganti2 ga masalah..

    Like

  2. Pembahasan kamu sudah betul dr 2 aspek yg saya sebut diatas.. cuma saya ga setuju dengan pernyataan:
    1. data kosong karena perencanaan terbang yg buruk..
    2. Ditambah lagi Pernyataan mu ttg jika ada perekaman yang overlap tapi disana banyak data yang kosong maka data tersebut jelek –> ini betul.. itu kamu tau yg error bukan jalurnya to…apa iya yg eror apakah jalurnya? overlap kok artinya daerah yg sama dipotret berulang2. Perencanaannya artinya sudah bagus.

    Itu aja. maksud martin dsana adalah perekaman yang overlap tapi disana banyak data yang kosong maka data tersebut jelek udah titik sampe dsitu.. tidak berkaitan sama perencanaan jalur..klo kamu kaitkan itu harusnya sama masalah sensor.. dia udah motret dengan benar cuma pada daerah itu error datanya N/A.. biasa kok dek klo kamu perekaman lidar di udara atau sonar di laut ada bagian area yg missing datanya dan harus akuisisi ulang. Padahal udah dibuat bagus rencananya. Pada aerial photo juga gitu ada beberapa eksposure yg hilang / tidak terekam.. namanya data besar kadang ga sempurna.. kaya kamu skripsi print nya ada yg error ditengah2 ternyata gambarnya ngaris2.. harus cetak ulang..

    Like

    1. Itu aja. maksud martin dsana adalah perekaman yang overlap tapi disana banyak data yang kosong maka data tersebut jelek udah titik sampe dsitu.. untuk bagian ini kurang paham, saya .. okee nanti saya ganti dengan kalimat yang lebih pas atau hilangkan.

      setuju sih mas, kalau memang jalur terbang tidak salah soalnya udah direncanakan, tampalannya seberapa dsb, mungkin lebih dikarenakan sinyal seperti yang mas tulis, terimakasih banyak… tapi jika memang banyak area yang kosong apa yang seharusnya dilakukan?

      Like

  3. Saya kasih contoh lain ya ttg alat nih.. kamu pernah belajar ilmu ukur tanah to. Pernah dengar namanya kejenuhan alat ? Itu biasanya terjadi karena siang hari matahari panas. Karena panas matahari, udara panas, lensa optisnya panas kamu lihat rambu ukur jadi berbayang ga jelas karna panas tadi.. itu biasa terjadi pada siang hari saat beranjak ke insolasi maksimum jam 12.00-14.00 (insolasi maksimum penjelasannya buka buku klimatologi). Oleh karena itu kita klo ngukur pake payung.. yg dipayungi alatnya bukan orangnya. Untuk ngurangi kejenuhan alat. Saran nya seringlah istirahat.. atau jgn ngukur ketika panas.. alat yo koyo menungso ono keterbatasane.. gitu.. lidar yo podo..dalam elektrikal, hambatan itu meninggat seiring bertambahnya suhu. Coba buka teori elektrikal hubungan suhu vs hambatan listrik vs energi yg hilang. Makanya kadang error.

    Like

    1. okee, terimakasih ilmunya.. bermanfaat sekali pencerahannya, mungkin sebagian akan saya masukkan ke pembahasan blog untuk membenahi kalimat yang salah, mohon ijin ya..

      Like

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s