Set Data Citra Hutan Brasil (G-BFID v1.0)

Pengantar

Untuk mendukung upaya pemerintah Brasil dalam menerapkan Kode Hutan Brasil dan melindungi hutan di lahan pribadi, Google telah membuat dua peta dasar yang berasal dari pengamatan satelit SPOT: Peta Dasar Visual dan Peta Dasar Analitik (G-BFID v1.0).

Produk gambar mosaik ini menetapkan dasar pengukuran untuk 22 Juli 2008, tanggal penting berdasarkan Undang-Undang Kehutanan Brasil untuk mengidentifikasi "area konsolidasi"—wilayah dengan hunian manusia atau penggunaan pertanian yang sudah ada sebelumnya. Berasal dari arsip satelit SPOT, set data mosaik ini memberikan alternatif resolusi yang lebih tinggi untuk data Landsat 30 meter yang biasanya digunakan untuk menetapkan dasar ini.

Untuk menyintesis ribuan gambar SPOT menjadi peta dasar terpadu, gambar tersebut menjalani rutin pemrosesan yang terdiri dari:

• Penyempurnaan tepi untuk menghilangkan artefak kompresi.
• Normalisasi radiometrik terhadap dasar pengukuran Landsat.
• Masking awan (konservatif, manual).
• Koreksi kesalahan pendaftaran (pendaftaran bersama ke komposit Landsat).

Untuk komposit akhir, metode mosaik deterministik digunakan, bukan reduksi statistik. Piksel disusun berdasarkan resolusi spasial dan kronologi misi satelit, dengan prioritas diberikan pada pengamatan dari satelit yang lebih baru. Hierarki pelapisan ini digabungkan dengan pengambilan sampel tetangga terdekat untuk menetapkan provenans data yang ketat. Oleh karena itu, setiap piksel dalam peta dasar akhir mempertahankan asal diskretnya dan tetap dapat dilacak secara langsung ke pengamatan sumber tertentu dan metadatanya.

Gambar 1. Representasi cakupan penuh Peta Dasar Visual G-BFID v1.0 dalam warna pseudo-alami (kiri) dan Peta Dasar Analitik yang ditampilkan sebagai warna palsu inframerah dekat (kanan).

Data sumber

Spesifikasi satelit dan sensor

Peta dasar G-BFID v1.0 berasal dari data gambar SPOT (Satellite pour l’Observation de la Terre). Misi SPOT, yang dioperasikan oleh CNES dan didistribusikan oleh Airbus, menyediakan citra optik beresolusi tinggi dengan lebar 60 km. Project ini menggunakan arsip gambar dari tiga satelit tertentu untuk menetapkan standar dasar tahun 2008:

• SPOT 2 & 4: Dilengkapi dengan sensor HRV/HRVIR, yang menyediakan data multispektral pada resolusi 20 meter dan data pankromatik pada resolusi 10 meter.
• SPOT 5: Dilengkapi dengan sensor HRG, yang menawarkan resolusi spasial yang ditingkatkan secara signifikan dengan data multispektral pada resolusi 10 meter dan data pankromatik pada resolusi 5 meter.

	SPOT 2	SPOT 4	SPOT 5
Multispektral	20 m	20 m	10 m
Pankromatik	10 m	10 m	5 m
Band Spektral	Hijau, Merah, NIR	Hijau, Merah, NIR, SWIR	Hijau, Merah, NIR, SWIR

Tabel 1. Spesifikasi teknis untuk misi SPOT 2, 4, dan 5.

Catatan: Airbus menghasilkan produk pankromatik "supermode" yang dapat digunakan untuk mempertajam gambar SPOT 5 menjadi resolusi 2,5 meter. Ketersediaan data ini sangat terbatas untuk spesifikasi project ini dan tidak disertakan.

Koleksi input Earth Engine

Tiga produk data SPOT yang berbeda telah di-ingest dan diproses untuk menghasilkan peta dasar akhir. Koleksi ini mencakup periode dari 9 Januari 2007 hingga 26 November 2009, sehingga memberikan kedalaman temporal yang diperlukan untuk mengatasi batasan tutupan awan sekaligus mempertahankan dasar pengukuran beresolusi tinggi.

Pemilihan adegan

Untuk mendukung upaya perlindungan hutan di lahan pribadi yang terdaftar dalam Rural Environmental Registry (CAR), cakupan geografis diprioritaskan untuk bioma Amazon dan lima negara bagian "Arc of Deforestation": Maranhão, Mato Grosso, Pará, Rondônia, dan Tocantins.

Untuk menyelaraskan dengan persyaratan Brazil Forest Code, targetnya adalah jangka waktu pertengahan tahun 2008. Berdasarkan kriteria temporal dan cakupan awan ini (<50%), sebanyak 10.072 gambar dari SPOT 2, 4, dan 5 diidentifikasi dan dimasukkan ke dalam Katalog Data Earth Engine untuk diproses.

Catatan tentang Komposisi Spektral: Sensor SPOT 2, 4, dan 5 tidak secara native merekam rentang spektral biru. Untuk produk warna alami, band biru yang disintesis—yang berasal dari band spektral yang ada untuk memperkirakan representasi warna sebenarnya—disediakan oleh distributor data.

1. Warna alami multispektral yang dipertajam

• Aset Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/PMS_NC/V1
• Jumlah Gambar: 2977
• Rentang Tanggal: 1 Maret 2007 – 26 November 2009
• Deskripsi: Produk ini menggabungkan band pankromatik beresolusi lebih tinggi dengan band multispektral untuk menghasilkan gambar RGB 3 band yang tajam. Ini adalah sumber pilihan untuk Peta Dasar Visual.

Gambar 2. Histogram gambar menurut tahun-bulan untuk koleksi gambar warna alami multispektral yang dipertajam dengan metode pansharpening.

2. Warna alami multispektral

• Aset Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS_NC/V1
• Jumlah Gambar: 3536
• Rentang Tanggal: 9 Januari 2007 – 26 November 2009
• Deskripsi: Produk warna pseudo-alami 3-band (RGB simulasi) pada resolusi multispektral asli. Koleksi ini digunakan dalam Visual Basemap sebagai sumber sekunder jika data yang dipertajam tidak tersedia.

Gambar 3. Histogram gambar menurut tahun-bulan untuk koleksi gambar warna alami multispektral.

3. Multispektral

• Aset Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS/V1
• Jumlah Gambar: 3559
• Rentang Tanggal: 9 Januari 2007 – 26 November 2009
• Deskripsi: Sumber untuk Peta Dasar Analitik. Kumpulan data ini berisi band spektral asli (termasuk inframerah dekat dan inframerah gelombang pendek jika tersedia) yang diperlukan untuk menghitung indeks vegetasi (misalnya, NDVI) dan melakukan klasifikasi tutupan lahan.

Gambar 4. Histogram gambar menurut tahun-bulan untuk kumpulan gambar multispektral.

Cakupan dan kesenjangan geografis

Tujuan utama peta dasar G-BFID v1.0 adalah untuk menetapkan garis dasar beresolusi tinggi yang mendekati tahun 2008 untuk wilayah administratif Brasil. Namun, mempertahankan jendela temporal yang ketat (2007–2009) sambil memfilter gambar berkualitas tinggi dan rendah awan menghasilkan kesenjangan spasial, terutama di wilayah dengan tutupan awan yang persisten.

Pemilihan adegan dan pemfilteran kualitas

Untuk memastikan integritas data, kumpulan kandidat diidentifikasi dari tahun 2007–2009 dengan cakupan awan awal <50%. Dari sini, total lebih dari 10.000 gambar telah diunggah dan difilter lebih lanjut untuk mengecualikan gambar yang memiliki masalah kualitas signifikan:

• Pemeriksaan diskontinuitas: Gambar dengan telemetri atau artefak geometris yang diidentifikasi secara manual, termasuk adegan yang tidak berkesinambungan yang digabungkan oleh penyedia data, dikecualikan.
• QA Cloud: Suasana ditolak oleh analis gambar profesional karena sepenuhnya tertutup awan atau alasan lainnya.
• Kepadatan data: Hanya gambar dengan >10% piksel valid (Peta Dasar Visual) yang tersisa setelah masking awan yang dipertahankan (>5% untuk Peta Dasar Analitik).

Distribusi spasial

Seperti yang ditunjukkan pada Gambar 5, mosaik mencapai kepadatan tertinggi di "Arc of Deforestation" dan wilayah barat laut/tengah. Area transparan merepresentasikan wilayah yang tidak memiliki gambar SPOT 2, 4, atau 5 yang lulus filter kualitas yang tercantum di atas dalam jangka waktu target atau yang tertutup awan.

Gambar 5. Luas spasial Peta Dasar Visual G-BFID v1.0. Kesenjangan internal dan cakupan yang tidak lengkap di selatan dan timur adalah hasil dari memprioritaskan dasar pengukuran temporal 2008, pemfilteran kualitas, dan masking cloud. Meskipun Peta Dasar Analitik tidak ditampilkan, cakupan spasialnya hampir identik dengan Peta Dasar Visual pada skala ini.

Cakupan menurut negara bagian

Gambar 6 memberikan perincian cakupan piksel yang valid menurut negara bagian. Cakupan hampir lengkap (>95%) untuk negara bagian seperti Rondônia dan Mato Grosso, sementara negara bagian di selatan dan sebagian timur laut menunjukkan kepadatan yang lebih rendah karena batasan arsip dan masking awan.

Diagram ini juga menggambarkan bahwa Peta Dasar Visual secara konsisten memberikan cakupan piksel valid yang sedikit lebih tinggi daripada Peta Dasar Analitik di hampir semua negara bagian. Perbedaan ini ada karena produk Visual dapat memanfaatkan koleksi warna alami multispektral dan pansharpened, sedangkan produk Analitik hanya berasal dari koleksi multispektral.

Gambar 6. Cakupan piksel yang valid untuk peta dasar Visual dan Analitik menurut negara bagian Brasil. Cakupan tertinggi berada di negara bagian "Arc of Deforestation" dan terendah di wilayah dengan tutupan awan yang persisten, akuisisi SPOT yang terbatas, dan masking awan.

Metodologi pemrosesan

Metodologi pemrosesan untuk peta dasar G-BFID v1.0 memprioritaskan asal data dan integritas radiometrik untuk mendukung penilaian kepatuhan terhadap Kode Hutan. Bagian ini pertama-tama mendefinisikan arsitektur mosaik dan logika pelapisan menyeluruh yang digunakan untuk mempertahankan integritas ini, diikuti dengan langkah-langkah pra-pemrosesan dan normalisasi kronologis yang diterapkan pada setiap gambar sumber sebelum perakitan akhir.

Metode mosaik

Peta dasar akhir dibuat menggunakan metode mosaik, bukan peredam statistik (seperti komposit rata-rata atau median). Pendekatan ini memastikan produk akhir mempertahankan nilai spektral dan tekstur spasial asli dari gambar sumber. Dengan menghindari penghitungan rata-rata dari beberapa pengamatan, mosaik mempertahankan asal-usul diskret setiap piksel.

Logika pelapisan

Citra input disusun menggunakan hierarki yang mengutamakan resolusi spasial yang lebih tinggi dan misi satelit selanjutnya:

• Peta Dasar Visual: Citra diurutkan berdasarkan ukuran piksel (memrioritaskan data beresolusi tertinggi yang tersedia), lalu berdasarkan misi satelit (memrioritaskan data dari satelit SPOT yang lebih baru).
• Peta Dasar Analitik: Gambar disusun berdasarkan misi satelit, dengan memprioritaskan pengamatan dari misi SPOT yang lebih baru untuk menargetkan data terbaik yang tersedia.

Integritas dan keterlacakan

• Resampling: Semua reproyeksi internal menggunakan resampling tetangga terdekat. Hal ini menghindari efek penghalusan interpolatif dari metode lain, sehingga memastikan bahwa properti radiometrik dan spasial asli piksel sumber tidak dipengaruhi oleh piksel di sekitarnya.

• Ketertelusuran data: Band metadata date per piksel disertakan dalam kedua produk. Hal ini memungkinkan pengguna mengidentifikasi tanggal pengamatan yang tepat untuk lokasi tertentu, sehingga memastikan transparansi penuh untuk penilaian kepatuhan terhadap Kode Hutan.

Penyempurnaan tepi gambar

Untuk memastikan batas yang jelas antara adegan yang tumpang-tindih, proses perbaikan tepi diterapkan untuk menghilangkan artefak yang ada dalam gambar sumber. Artefak ini, yang muncul sebagai piksel berbintik atau "berisik" di sepanjang batas gambar, merupakan karakteristik kompresi lossy dalam data yang dikirimkan oleh penyedia. Untuk mengatasi hal ini, erosi minimum fokus 2,5 piksel diterapkan pada mask gambar, sehingga menghilangkan artefak tepi berkualitas rendah dan memastikan bahwa hanya data yang valid yang digunakan dalam mosaik akhir (Gambar 7).

Gambar 7. Perbandingan batas gambar sebelum (kiri) dan setelah (kanan) proses penyempurnaan tepi. Erosi 2,5 piksel menghilangkan artefak "berisik" yang disebabkan oleh kompresi lossy, sehingga menghasilkan transisi yang lebih bersih di antara adegan yang tumpang-tindih.

Masking awan

Untuk memastikan integritas data setinggi mungkin untuk G-BFID v1.0, prosedur penyamaran manual diterapkan di seluruh arsip gambar. Pendekatan ini dipilih daripada metode otomatis untuk memungkinkan pengecualian piksel yang lebih konservatif yang terpengaruh oleh awan atau gangguan atmosfer lainnya.

Prosedur penyamaran

Analis terlatih mengidentifikasi area yang berisi awan dan artefak atmosfer terkait. Untuk memastikan piksel bermasalah ini sepenuhnya diambil, strategi masking konservatif digunakan dengan geometri kasar yang disederhanakan. Daripada melacak dengan tepat perimeter awan satu per satu, area persegi panjang yang lebih besar ditutup untuk memastikan mosaik yang dihasilkan tetap sejelas mungkin.

Meskipun pendekatan ini sengaja dilakukan secara agresif—sering kali menghapus piksel valid yang berdekatan dengan awan—hal ini dianggap perlu untuk menyediakan produk dengan integritas tinggi untuk dasar pengukuran tahun 2008.

Kebijakan dan integrasi masking

Masker manual dibuat secara eksklusif untuk koleksi gambar warna alami multispektral dan pansharpened. Karena produk warna alami multispektral berasal dari data multispektral, masker ini kemudian disebarkan ke gambar multispektral yang bertepatan selama pemrosesan.

Semua gambar multispektral yang tidak memiliki gambar warna alami yang cocok dan diberi mask secara manual akan dikecualikan dari mosaik akhir. Hal ini memastikan bahwa setiap piksel yang disertakan dalam rangkaian G-BFID v1.0—terlepas dari jenis produknya—telah dihapus awannya.

Interpretasi kesenjangan data

Kesenjangan transparan dalam mosaik akhir menunjukkan area yang tidak memiliki data valid dan berkualitas tinggi dalam jangka waktu 2007–2009. Kesenjangan ini terjadi karena kombinasi masking manual konservatif yang dijelaskan di atas, penolakan awal adegan dengan cakupan awan yang tinggi (>50%), atau tidak adanya gambar sumber yang tersedia dari penyedia untuk wilayah tertentu. Meskipun kesenjangan regional yang lebih besar biasanya mencerminkan kurangnya gambar yang tersedia dari era 2008, pola "kotak-kotak" yang berbeda yang ditampilkan pada Gambar 9 adalah akibat dari masking awan.

Gambar 9. Contoh penyamaran manual yang diterapkan ke Peta Dasar Visual. Poligon hitam persegi panjang menggambarkan pendekatan konservatif yang digunakan untuk mengecualikan awan dan artefak atmosfer lainnya dari produk akhir. Piksel yang ditutupi (tanpa data) dalam produk data bersifat transparan.

Koreksi kesalahan pendaftaran

Alur kerja pendaftaran bersama otomatis diterapkan untuk mengurangi kesalahan pendaftaran yang signifikan dalam gambar sumber SPOT dibandingkan dengan dasar geografis yang berasal dari data Landsat Collection 2.

Dasar referensi

Mosaik referensi Landsat Collection 2 tanpa awan dibuat untuk berfungsi sebagai gambar referensi koregistrasi. Gambar referensi ini dibuat menggunakan pengurangan median pada gambar Landsat 7 dan 8 yang berpotongan dengan Brasil untuk periode 2006–2010. Band merah Landsat dipilih sebagai target pendaftaran utama agar sesuai dengan band merah SPOT.

Estimasi volume langkah

Algoritma ee.Image.displacement digunakan untuk menghitung offset tingkat piksel antara data sumber SPOT dan referensi Landsat.

• Parameter penelusuran: Offset maksimum 500 m dan parameter kekakuan 5 diterapkan pada model perpindahan.
• Agregasi statistik: Delta x ($dx$) dan delta y ($dy$), serta nilai keyakinan diagregasikan di seluruh area gambar menggunakan peredam rata-rata.
• Penghitungan besaran: Dari statistik gabungan ini, perkiraan total offset besaran $M = \sqrt{dx^2 + dy^2}$ dihitung untuk merepresentasikan perpindahan rata-rata adegan.

Kebijakan koreksi

Adegan dikategorikan dan diperbaiki berdasarkan statistik perpindahan yang dihitung untuk memprioritaskan peningkatan signifikan sekaligus menghindari pengenalan artefak baru:

• Koreksi otomatis: Gambar yang menunjukkan besarnya pergeseran $M > 30$ m dengan skor keyakinan $C > 0.3$ otomatis digeser menggunakan nilai $dx$ dan $dy$ yang diperkirakan.
• Penilaian manual: Untuk adegan dengan perkiraan perpindahan yang sangat tinggi ($M > 100$ m), tetapi keyakinan rendah ($C \le 0,3$), peninjauan manual dilakukan. Koreksi hanya diterima jika hasil pendaftaran bersama menunjukkan peningkatan yang pasti dibandingkan penempatan asli.
• Pengecualian: Adegan yang tetap tidak terdaftar secara signifikan setelah upaya koreksi, atau yang memiliki fitur yang tidak memadai untuk pencocokan yang andal, dikecualikan dari mosaik.

Penerapan dan kontrol kualitas

Gambar yang dikoreksi diproyeksikan ulang menggunakan pengambilan sampel tetangga terdekat untuk mempertahankan nilai radiometrik asli dan menghindari efek perataan interpolasi bilinear atau kubik.

Untuk memastikan ketertelusuran spasial, band coregistered boolean ditambahkan ke setiap gambar dan dipertahankan dalam mosaik akhir. Metadata ini memungkinkan pengguna membedakan antara piksel yang mengalami penyesuaian spasial dan piksel yang dipertahankan dalam posisi aslinya.

Normalisasi radiometrik

Untuk memperhitungkan berbagai kondisi atmosfer dan perbedaan sensor di seluruh koleksi sumber SPOT, normalisasi radiometrik diterapkan pada gambar yang membentuk produk mosaik. Peta dasar Visual dan Analitik menggunakan pencocokan histogram terhadap dasar pengukuran target Landsat 2008 yang konsisten.

Landsat dipilih sebagai referensi dibandingkan alternatif yang lebih kasar seperti MODIS karena resolusinya yang 30 meter lebih sesuai dengan data SPOT 5 hingga 20 meter. Kesamaan ini memastikan bahwa histogram spektral lebih sama-sama representatif, sehingga memungkinkan transfer radiometrik yang lebih akurat selama proses pencocokan. Metodologi spesifik untuk harmonisasi ini sedikit berbeda berdasarkan apakah kasus penggunaan akhir bersifat visual atau analitik.

Peta Dasar Visual

Untuk meminimalkan diskontinuitas radiometrik antara gambar yang berdekatan dan memastikan tampilan yang hampir mulus, alur kerja penyeimbangan warna diterapkan menggunakan pencocokan histogram. Nilai piksel disesuaikan agar sesuai dengan dasar pengukuran target mosaik Landsat 2008 yang konsisten.

Prosesnya mengikuti langkah-langkah berikut:

• Penyamaran analisis: Untuk memastikan statistik yang stabil selama pencocokan histogram, masker analisis sementara dibuat untuk mengecualikan area yang dapat memiringkan data. Penyamaran ini menargetkan dua fitur utama:
  • Area perubahan tinggi: Piksel yang melebihi persentil ke-95 dari perbedaan absolut antara gambar SPOT dan mosaik referensi Landsat akan dikecualikan.
  • Badan air: Variabilitas reflektansi yang tinggi di atas air dikecualikan menggunakan set data JRC Yearly Water Classification History. Set data difilter ke tahun 2008, dan masker terbalik diterapkan untuk memastikan hanya kelas non-air yang dipertahankan untuk analisis statistik.
• Pembuatan tabel referensi (LUT): Dengan menggunakan data yang disamarkan, histogram kumulatif dihitung untuk band SPOT sumber dan band Landsat target.
• Interpolasi: Nilai piksel sumber dipetakan ulang ke nilai target menggunakan LUT yang dihasilkan, menyelaraskan profil radiometrik data SPOT dengan referensi Landsat 2008.

Gambar 8. Normalisasi radiometrik Peta Dasar Visual. Gambar asli (kiri) menunjukkan variasi radiometrik yang signifikan. Setelah pencocokan histogram (kanan), transisi antar-adegan hampir lancar, sehingga memberikan representasi visual yang konsisten di seluruh mosaik. Piksel latar belakang hitam adalah area tanpa data.

Peta Dasar Analitik

Pemrosesan Peta Dasar Analitik sama dengan Peta Dasar Visual, tetapi mencakup konversi nilai DN ke reflektansi puncak atmosfer:

1. Konversi reflektansi top-of-atmosphere (TOA)

Angka digital (DN) mentah SPOT dikonversi menjadi pantulan TOA untuk memperhitungkan properti sensor fisik dan geometri matahari:

• Penghitungan radiasi: Penerapan metadata bias dan gain fisik khusus band penyedia.
• Normalisasi reflektansi: Radians dinormalisasi berdasarkan iradiasi matahari, kosinus sudut zenit matahari, dan jarak Bumi-Matahari untuk hari akuisisi tertentu.

2. Pencocokan histogram

Untuk lebih meminimalkan perbedaan radiometrik antara gambar SPOT yang berbeda, alur kerja pencocokan histogram diterapkan:

• Masking analisis: Langkah ini menggunakan masking analisis yang sama persis yang dijelaskan di bagian Peta Dasar Visual di atas: mengecualikan piksel perubahan persentil ke-95 dan memfilter piksel air melalui mask klasifikasi JRC 2008 terbalik.

• Harmonisasi: Mirip dengan Peta Dasar Visual, nilai piksel dipetakan ulang melalui tabel lookup untuk menyelaraskan profil radiometrik dengan referensi TOA Landsat. Hal ini memastikan konsistensi radiometrik di seluruh mosaik untuk melatih model machine learning skala luas dan menjalankan inferensi yang andal.

Batasan dan masalah umum

Meskipun G-BFID v1.0 memberikan dasar yang beresolusi tinggi pada era 2008, pengguna harus menyadari beberapa batasan yang melekat pada arsip SPOT historis dan metodologi pemrosesan yang digunakan.

Kelengkapan dan kesenjangan spasial

Peta dasar tidak memberikan cakupan geografis 100% untuk Brasil. Terdapat kesenjangan karena tidak ada gambar yang memenuhi jendela waktu ketat era 2008 (2007–2009), batas cakupan awan, atau standar kualitas project. Kesenjangan ini paling sering terjadi di wilayah dengan tutupan awan yang persisten atau frekuensi akuisisi satelit historis yang lebih rendah. Lihat bagian Cakupan dan Kesenjangan Geografis untuk mengetahui detailnya.

Resolusi native variabel

Meskipun produk akhir dikirimkan dengan ukuran piksel nominal 5 meter (Visual) dan 10 meter (Analitik), gambar sumber terdiri dari campuran piksel asli 5 m, 10 m, dan 20 m. Karena pengambilan sampel tetangga terdekat digunakan untuk mempertahankan integritas spektral, batas antara resolusi yang berbeda mungkin terlihat.

Gambar 10. Contoh resolusi sumber native yang bervariasi di seluruh batas adegan. Perubahan "butiran" atau ketajaman mencerminkan transisi antara resolusi sensor SPOT yang berbeda yang dipertahankan dalam produk akhir.

Kesalahan pendaftaran residu

Meskipun alur kerja pendaftaran bersama otomatis, pergeseran spasial mungkin tetap terjadi di beberapa area. Kesalahan pendaftaran sisa kemungkinan besar terjadi di wilayah dengan relief medan yang ekstrem atau di area hutan homogen yang padat, tempat algoritma tidak memiliki cukup penanda untuk menghitung vektor perpindahan dengan keyakinan tinggi.

Artefak atmosfer dan awan

Proses masking awan manual sengaja dilakukan secara konservatif dan agresif; namun, proses ini tidak menyeluruh. Pengguna mungkin sesekali menemukan artefak sisa, seperti kabut cirrus yang sangat tipis atau bayangan awan kecil.

Gambar 11. Contoh awan tipis berkabut yang tersisa setelah proses penyamaran awan manual.

Ketidaksesuaian radiometrik dan performa ML

Meskipun pencocokan histogram digunakan untuk meminimalkan diskontinuitas radiometrik, variasi spektral residual tetap ada di antara gambar yang berdekatan. Untuk klasifikasi penutup lahan otomatis atau aplikasi machine learning, variabilitas ini meningkatkan varians spektral untuk jenis penutup lahan tertentu di seluruh mosaik. Rentang data yang lebih luas ini dapat mengurangi presisi pemisahan kelas selama inferensi, sehingga berpotensi menyebabkan tingkat error yang lebih tinggi.

Gambar 12. Perbedaan spektral residual yang ditampilkan di persimpangan tiga gambar. Diskontinuitas ini terlihat sebagai variasi kecerahan dan warna antara gambar yang tumpang-tindih dan dapat memengaruhi performa model machine learning.

Saturasi spektral

Di area dengan kecerahan ekstrem—seperti permukaan perkotaan yang sangat reflektif, jenis tanah tertentu, atau pasir cerah—piksel dapat mencapai batas maksimum yang dapat dideteksi sensor. "Saturasi" ini menyebabkan hilangnya tekstur dan detail di lokasi tertentu tersebut.

Gambar 13. Visualisasi saturasi spektral dan artefak warna yang dihasilkan. Area terang dan warna yang tidak alami — oranye dan kuning dalam Mosaik visual (kiri) dan cyan dalam Mosaik analitik (kanan) — menunjukkan tempat satu atau beberapa band spektral telah mencapai batas deteksi maksimumnya, sehingga mendistorsi tekstur dan representasi warna.

Rasio band yang diubah dan indeks vegetasi

Untuk mendapatkan mosaik yang hampir mulus, pencocokan histogram diterapkan ke setiap band spektral secara terpisah, yang secara inheren mengubah rasio fisik asli antar-band. Akibatnya, penghitungan indeks umum seperti NDVI atau metrik rasio band lainnya akan menghasilkan nilai yang berbeda dari set data sumber yang tidak diubah. Meskipun indeks turunan ini masih dapat merekam pola spasial relatif di seluruh mosaik, indeks ini tidak boleh digunakan untuk tujuan absolut, perbandingan lintas sensor, atau analisis yang mengandalkan nilai minimum indeks yang ketat.