Algoritma Split Window Algorithm untuk Ekstrasi Suhu Permukaan Lahan

Suhu permukaan lahan merupakan faktor penting dalam perubahan iklim global, pertumbuhan vegetasi, dan gletser. Banyak algoritma yang didesain oleh para peneliti untuk mengestimasi LST, seperti Split Window Algorithm (SWA), Dual Angle Algorithm (DAA), dan Single Channel Algorithm (SCA). Berdasarkan ketiga algoritma tersebut yang terpopuler adalah metode Split Window Algorithm (SWA) yang dicetus oleh Prof. Jose Antonio Sobrino dari University of Valencia, Spanyol pada tahun 1996 dan disempurnakan pada tahun 2008 (Latif, 2014).

Contoh Peta Suhu Permukaan Lahan Hasil Algoritma SWA

Sebelum adanya satelit penginderaan jauh, sulit untuk memperkirakan LST suatu daerah. Umumnya, dihitung untuk satu set tertentu titik sampel dan diinterpolasi ke isoterm untuk menggeneralisasi data titik menjadi data daerah. Sekarang dengan munculnya satelit dan sensor resolusi tinggi memungkinkan untuk memperkirakan LST secara spasial. Hal tersebut dapat dihitung pada daerah yang direkam dengan sensor inframerah termal oleh satelit. Landsat 8 hadir dengan dua sensor yang berbeda, yaitu sensor OLI dengan sembilan band (band 1-9) dan sensor TIRS dengan dua band (band 10 dan band 11) (Rajeshwari & Mani, 2014).

Split Window Algorithm (SWA) adalah formula matematika dinamis yang mampu menyajikan informasi suhu permukaan lahan. SWA membutuhkan nilai brightness temperature yang diturunkan dari nilai TOA Reflectance band 10 (inframerah termal) dan band 11 (inframerah termal) pada sensor TIRS citra Landsat 8 serta nilai LSE (land surface emissivity / emisivitas permukaan lahan) yang diturunkan dari nilai FVC (fractional vegetation cover / pecahan tutupan vegetasi) dari band 4 (merah) dan band 5 (inframerah dekat) pada sensor OLI citra Landsat 8 untuk mengestimasi suhu permukaan lahan. (Latif, 2014).