Citra satelit | perubahan wajah bumi oleh expansi manusia

Standard

Jual Citra satelit Landsat

Citra satelit menunjukkan bagaimana peningkatan kemajuan telah mengubah muka bumi hanya dalam beberapa dekade. Citra satelit tahun 1987 dari Wadi As-Sirhan Basin di Arab Saudi menunjukkan sebagian besar gurun (gambar kiri), pada tahun 2012 sebagian besar wilayah tersebut telah berkembang menjadi lahan pertanian, dengan lingkaran hijau irigasi menghiasi lahan tandus.

Jual Citra satelit Landsat

Dikelola bersama oleh NASA dan US Geological Survey, inisiatif secara konsisten mengumpulkan data tentang planet kita sejak 23 Juli 1972, menjadi program satelit terlama di dunia untuk pengamatan lahan global. Pada tahun 1990 garis pantai Dubai tak tersentuh (gambar kiri), dengan kemajuan yang pesat selama 16 tahun telah tumbuh berkembangmenjadi negara yang terkenal hasil buatan manusial.

Jual Citra satelit Landsat

Tampilan citra satelit Landsat 7 di Brasil Dam samuael dalam pekerjaan yang baru dimulai pada tahun 1984, yang terletak di Sungai Jamari di Rondonia (gambar kiri). Gambar lain, yang diambil pada tahun 2011, menunjukkan dampak bendungan dengan reservoir baru dan daerah deforestasi yang terlihat jelas.

Gambar Binhai di Cina dalam pada tahun 1992 sangat sedikit urbanisasi di bagian pesisir (gambar kiri), tapi pada tahun 2012 daerah ini telah berubah dari daerah rawa menjadi zona ekonomi utama.

Gambar laut Aral antara Kazakhstan dan Uzbekistan, yang diambil pada tahun 1973, 1987, 1999, 2004, 2007 dan 2009, menunjukkan bagaimana laut tersebut telah hampir menghilang setelah fungsi batang air tersebut yang dialihkan oleh proyek-proyek irigasi Soviet. Setelah Itu dinyatakan sebagai salah satu danau terbesar yang ada di bumi.

Shenzhen, Cina pada tahun 1999 dan tahun 2008

Gambar citra inframerah dari deforestasi di wilayah Santa Cruz de la Sierra dari Bolivia, 1975, 1992 dan 2000.

Budidaya udang di Teluk Fonseca, Amerika Tengah, 1985, 1999 dan 2011

Santiago, Chili, 1985 dan 2010

Danau Meredith, USA, 1990 dan 2011

Laut Mati, 1984 dan 2011

Columbia Glacier, Alaska, 1986, 2000 dan 2011

Maroko, 1985 dan 2011

Tucson, Arizona, Amerika Serikat, 1984 dan 2011

Jakarta, Indonesia, 1976, 1989 dan 2004

Great Salt Lake, USA, 1985 dan 2010

Laut Kaspia 1972, 1987 dan 2010

Advertisements

Pengolahan Data Citra Satelit | GCP Alami Dan Buatan

Standard

GCP alami dan buatan :

  • Diguanakan untuk Georeferensi citra satelit optik penginderaan jauh
  • Objek (misalkan : sudut-sudut jalan, marka jalan) yang dapat diidentifikasi di lapangan dan dalam gambar dan tidak berubah posisinya, antara di gambar dan pada saat pengambilan data lapangan. Georeferencing digunakan untuk meningkatkan posisi gambar dan mengurangi miss-registrasi antara data lapangan dan data citra satelit.
  • Diperlukan untuk mengcover seluruh extend area penelitian
  • dapat diukur dengan GPS atau GPS Differential tergantung pada ketersediaan

Jual Citra Satelit, Pengolahan Data Citra Satelit, Pengolahan Data Citra Satelit, Tahapan Pengolahan Citra Satelit

Jual Citra Satelit, Pengolahan Data Citra Satelit, Pengolahan Citra Satelit, Tahapan Pengolahan Citra Satelit, Pengolahan Citra Satelit, Tahapan Pengolahan Citra Satelit

 Manual Collected GCP

Definisi GIS dan Penginderaan Jauh

Standard
Ada beberapa definisi dari GIS ( Sistem Informasi Geografis ), yang bukan hanya sebuah program. Secara umum, GIS adalah sistem yang memungkinkan dalam penggunaan informasi geografis (data yang memiliki koordinat spasial). Secara khusus, GIS memungkinkan untuk tampilan, query, perhitungan dan analisis data spasial, yang terutama dibedakan dalam raster atau struktur data vektor. Vektor terbentuk dari objek berupa titik, garis atau poligon, dan setiap objek dapat memiliki satu atau lebih nilai atributnya, sebuah raster merupakan grid atau gambar di mana setiap sel memiliki nilai atribut (Fisher dan Unwin, 2005).
 
Beberapa aplikasi GIS menggunakan gambar raster yang berasal dari penginderaan jauh. Penginderaan jauh adalah pengukuran energi yang berasal dari permukaan bumi. Jika sumber berasal dari energi matahari, maka disebut penginderaan jauh pasif, dan hasil pengukuran ini bisa menjadi citra digital (Richards dan Jia, 2006).
 
Spektrum elektromagnetik adalah “sistem yang mengklasifikasikan berdasarkan panjang gelombang, seluruh energi yang bergerak, harmonis, pada kecepatan konstan cahaya” (NASA, 2013). Ukuran energi Sensor pasif dari bagian optik spektrum elektromagnetik: terlihat, dekat inframerah (IR yaitu), gelombang pendek IR, dan IR thermal.
Hal ini layak disebut penginderaan jauh aktif, yang kerjanya di kisaran microwave menggunakan sensor radar, yang ukuran energinya tidak dipancarkan oleh matahari tetapi dari platform sensor (Richards dan Jia, 2006).
 
Interaksi antara energi matahari dan materialnya tergantung pada panjang gelombang, energi surya bergerak dari matahari ke bumi dan kemudian ke sensor. Sensor berada di dalam pesawat atau di badan satelit, mengukur radiasi elektromagnetik pada rentang tertentu (biasanya disebut band ). Akibatnya, langkah-langkah yang terkuantisasi dan diubah menjadi gambar digital, di mana setiap elemen gambar (pixel) memiliki nilai diskrit dalam satuan Digital Number ( DN ) (NASA, 2013). Gambar yang dihasilkan memiliki karakteristik yang berbeda (resolusi) tergantung pada sensor.
Ada beberapa jenis resolusi :
  • Resolusi spasial , biasanya diukur dalam ukuran pixel, “adalah menyelesaikan kekuatan suatu instrumen yang diperlukan untuk diskriminasi fitur dan didasarkan pada ukuran detektor, panjang fokus, dan sensor ketinggian” (NASA, 2013); resolusi spasial juga disebut sebagai resolusi geometris atau IFOV;
  • Resolusi spektral , adalah jumlah dan lokasi dalam spektrum elektromagnetik (didefinisikan oleh dua panjang gelombang) band spektral (NASA, 2013) pada sensor multispektral, untuk setiap band sesuai gambar;
  • Resolusi radiometrik , biasanya diukur dalam bit (bilangan biner), adalah kisaran nilai kecerahan yang tersedia, yang pada gambar sesuai dengan jangkauan maksimum DNS, misalnya gambar dengan resolusi 8 bit memiliki 256 tingkat kecerahan (Richards dan Jia, 2006);
  • Untuk sensor satelit, ada juga resolusi temporal , yang merupakan waktu yang dibutuhkan untuk meninjau daerah yang sama dari Bumi (NASA, 2013).
Sebagai contoh, Landsat adalah salahsatu satelit multispektral yang dikembangkan oleh NASA (National Aeronautics and Space Administration dari USA), sangat berguna untuk penelitian lingkungan. Resolusi sensor Landsat 7 ditampilan pada gambar berikut, serta, Landsat resolusi temporal adalah 16 hari (NASA, 2013).
Resolusi Landsat 7 dari NASA 2013
Seringkali kombinasi yang dibuat dari tiga citra monokrom , di mana masing-masing diberi warna yang ditetapkan, ini didefinisikan sebagai warna komposit dan berguna untuk interpretasi citra (NASA, 2013). Warna komposit biasanya dinyatakan sebagai “RGB = Br Bg Bb” dimana: R adalah singkatan dari Red, G singkatan dari Green, dan B singkatan Biru, Br adalah jumlah band yang berhubungan dengan warna Merah, Bg adalah jumlah band yang terkait dengan Warna hijau, dan Bb adalah jumlah band yang terkait dengan warna Biru.
Contoh berikut menunjukkan komposit warna “RGB = 4 3 2” dari Landsat 8 gambar (untuk Landsat 7 adalah 3 2 1) dan komposit warna “RGB = 5 4 3” (untuk Landsat 7 adalah 4 3 2) .Komposit “RGB = 5 4 3” berguna untuk mengidentifikasi vegetasi, karena jelas terlihat dalam warna merah.
 

 

Contoh warna komposit dari citra Landsat 8

Data tersedia dari USGS Geological Survey

 

 
Supervised classification adalah teknik pengolahan citra untuk identifikasi material pada citra, sesuai dengan identitas karakter spektral citra. Ada beberapa macam algoritma klasifikasi, tetapi tujuan umum adalah untuk menghasilkan peta tematik tutupan lahan.
Land Cover/Tutupan lahan adalah material pada lahan, seperti tanah, vegetasi, air, aspal, dll (Fisher dan Unwin, 2005). Tergantung pada resolusi sensor, jumlah dan jenis maupun kelas tutupan lahan yang dapat diidentifikasi dalam gambar dapat bervariasi secara signifikan.
Pengolahan citra dan analisis spasial GIS memerlukan software khusus.
Setelah proses klasifikasi, hal ini berguna untuk menilai akurasi dari klasifikasi tutupan lahan, untuk mengidentifikasi dan mengukur tingkat kesalahan peta.
___________________________________________________________________________
References:
  • Congalton, R. and Green, K., 2009. Assessing the Accuracy of Remotely Sensed Data: Principles and Practices. Boca Raton, FL: CRC Press.
  • Fisher, P. F. and Unwin, D. J., eds. 2005. Representing GIS. Chichester, England: John Wiley & Sons.
  • NASA, 2013. Landsat 7 Science Data User’s Handbook. Available at http://landsathandbook.gsfc.nasa.gov
  • Richards, J. A. and Jia, X., 2006. Remote Sensing Digital Image Analysis: An Introduction. Berlin, Germany: Springer.
 

 

Menggunakan LandsatLook Viewer dari USGS

Standard
                Anda dapat menemukan Area/Lokasi yang anda inginkan langsung dengan kondisi tampilan data asli Product Level 1 citra Landsat dengan Panning dan Zooming lokasi di seluruh dunia. Dengan bantuan pemilihan Tema dan resolusi yang lebih detail. Dengan menggunakan tools Advanced Query anda dapat memodifikasi dari parameter standar berdasarkan Tahun Akuisisi Perekaman data citra yang tersedia dari 1972 s/d sekarang, tanggal mulai dari 01 january s/d 31 Desember, Maksimum ketertutupan Awan 0% s/d 100%, dan checklist sensor citra Landsat (MSS, TM, ETM+, atau ETM+_SLC_OFF).
 

 

Resolusi Temporal

Standard
Resolusi Temporal Menunjukkan interval waktu antar pengamatan, Seperti dalam hal memonitor perkembangan badai maka dibutuhkan pengukuran setiap menit, dalam hal produksi tanaman membutuhkan pengukuran setiap musim.
Resolusi Temporal Monitoring Perubahan Guna Lahan
Monitoring Perubahan Tutupan Lahan

Resolusi Spektral

Standard
Resolusi Spektral menunjukkan lebar kisaran dari masing-masing band spektral yang diukur oleh sensor. Untuk mendeteksi kerusakan tanaman dibutuhkan sensor dengan kisaran band yang sempit pada bagian mera. 

Pendeteksian Kawasan Pertanian
Band Merah menunjukkan Chlorofil

Resolusi Spasial Citra Satelit

Standard
         Resolusi Spasial merupakan luas suatu objek di bumi yang diukur dalam satuan Piksel pada Citra Satelit. Apabila suatu objek dilakukan pengambilan gambar yang mempunyai ukuran luas aslinya 30m x 30m ditampilkan pada citra satelit dengan ukuran 1 piksel maka citra satelit tersebut mempunyai resolusi spasial 30m. Dengan kata lain apabila citra mempunyai resolusi spasial 30m, maka 1 piksel pada citra satelit mewakili luasan aslinya berukuran 30m x 30m. Jadi semakin kecil ukuran asli suatu objek tersebut dalam 1 piksel pada citra satelit maka semakin jelas dan detail tampilan objek tersebut Pada citra satelit. Seperti halnya data citra digital worldview2 yang mempunyai resolusi spasial 0,46m yang berarti setiap 1 piksel ukuran objek pada citra worldview2 mewakili 0,46m x 0,46m ukuran nyata objek tersebut, begitu juga dengan citra worldview1 yang mempunyai resolusi spasial 0,5m dan citra quickbird yang mempunyai resolusi spasial 0,6m, tentu sangat jelas dan detail sekali tampilan objek tersebut. Dengan resolusi spasial tinggi yang dimiliki citra digital worldview2, worldview1, dan quickbird sangat membantu kita dalam mengidentifikasi semua objek spasial yang ada di muka bumi.
Perbandingan Resolusi Spasial