Citra Satelit | Membantu Menemukan Populasi Ikan Paus

Standard

Teknologi baru citra satelit dapat digunakan untuk menghitung paus telah ditunjukkan oleh Para ilmuwan, dan akhirnya mampu memperkirakan ukuran populasinya.

Menggunakan citra Satelit resolusi Tinggi (VHR), di samping perangkat lunak pengolah citra, para ilmuwan juga dapat secara otomatis mendeteksi dan menghitung paus yang berkembang biak di bagian dari Golfo Nuevo, Semenanjung Valdes di Argentina.

Metode baru yang dipublikasikan dalam jurnal PLoS ONE, bisa merevolusi bagaimana memperkirakan ukuran populasi ikan paus. Sangat sulit menghitung mamalia laut secara besar-besaran dan dengan metode tradisional.

Menurut Peter Fretwell dari British Antarctic Survey (BAS) yang didanai oleh Natural Environment Research Council (NERC) Inggris, menjelaskan; Ini merupakan bukti konsep penelitian yang membuktikan bahwa paus dapat diidentifikasi dan dihitung dengan citra satelit. Populasi ikan paus yang selalu sulit untuk dinilai dengan cara tradisional menghitung populasi mereka secara lokal adalah sangat mahal dan kurang akurat. Kemampuan untuk menghitung paus secara otomatis, di daerah yang luas dengan biaya yang efektif akan sangat bermanfaat untuk upaya konservasi dan spesies paus lainnya yang berpotensi.

Sebelumnya, citra satelit telah memberikan keberhasilan dalam menghitung Paus dengan akurasi yang semakin membaik dalam beberapa tahun terakhir.

Jual citra satelit resolusi tinggi

Citra satelit ikan paus dibandingkan dengan foto udara pada skala yang sama (kanan atas)

Tim BAS (Britis Antartic Survey) menggunakan citra satelit WorldView-2 dari Teluk di mana ikan paus berkumpul dan pasangannya untuk melahirkan anak. Dengan kondisi habitatnya yang mendekati kepunahan, habitat ikan paus secara terbatas telah dipulihkan menyusul berakhirnya perburuan paus. Dalam beberapa tahun terakhir, bagaimanapun, banyak kematian telah dilihat atas dasar pembibitan ikan paus di Semenanjung Valdes. 

Teluk tertutup di wilayah ini sangat tenang, perairan dangkal yang meningkatkan kemungkinan bercak Paus yang terdeteksi dari ruang angkasa. Tiga kriteria utama yang digunakan untuk mengidentifikasi ikan paus: objek terlihat dalam citra satelit harus ukuran dan bentuk yang tepat; posisi mereka harus berada di tempat yang tepat dan tidak boleh ada beberapa jenis objek di tempat yang sama yang bisa mengakibatkan kekeliruan yang dianggap sebagai paus.

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

citra digital globe

Standard
Jual Citra Satelit dari DigitalGlobe

Cuanza River, Angola, April 28, 2013 – Cambambe Dam 

Jual Citra Satelit dari DigitalGlobe

Dunalley, Australia, Jan. 6, 2013 – fires, false color image 

Jual Citra Satelit dari DigitalGlobe

Aleppo, Syria, May 26, 2013 – The Citadel of Aleppo – medieval fortified palace 

Jual Citra Satelit dari DigitalGlobe

Utah, USA, April 22, 2013 – Colorado River 

Jual Citra Satelit dari DigitalGlobe

Versailles, France, Aug. 20, 2013 – Palace of Versailles 

Jual Citra Satelit dari DigitalGlobe

Australia, April 22, 2013 – Great Barrier Reef 

Jual Citra Satelit dari DigitalGlobe

near the city of Sur, Oman, Feb. 13, 2013 – massive “green tide” 

Jual Citra Satelit dari DigitalGlobe

Croatia, Feb. 16, 2013 – Galešnjak (Island of Love) 

Jual Citra Satelit dari DigitalGlobe

Hong Kong, China, May 9, 2013 – giant rubber duck 

Jual Citra Satelit dari DigitalGlobe

Madang Province, Papua New Guinea, March 22, 2013 

Jual Citra Satelit dari DigitalGlobe

Naples, Italy, Feb. 19 2013 – Mount Vesuvius 

Jual Citra Satelit dari DigitalGlobe

Namib Desert, Namibia, May 13, 2013 – Sossusvlie area 

Jual Citra Satelit dari DigitalGlobe

Niger, Feb. 13, 2013 – Arlit Uranium Mine 

Jual Citra Satelit dari DigitalGlobe

Gwadar coast, Pakistan, Sept. 29, 2013 – new island created by earthquake in Pakistan 

Jual Citra Satelit dari DigitalGlobe

Doha, Qatar, March 4, 2013 – Artificial island spanning nearly four million sq meters. 

Jual Citra Satelit dari DigitalGlobe

Sochi, Russia, March 17, 2013 – Site of 2014 winter Olympics 

Jual Citra Satelit dari DigitalGlobe

Schooner Cays, Bahamas, May 26, 2013 

Jual Citra Satelit dari DigitalGlobe

Valencia, Spain, July 19, 2013 – Palau de les Arts Reina Sofia and Gulliver Park with an enormous fiberglass model of Lemuel Gulliver trapped 

Jual Citra Satelit dari DigitalGlobe

Belfast, Northern Ireland, Nov. 3, 2013 – “Wish,” a large-scale art work 

Jual Citra Satelit dari DigitalGlobe

Xian, China, Sept. 24, 2013 – Shiyuan Park

 

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.
 

 

Pengolahan Data Citra Satelit WorldView-2

Standard
  • Rencana Dasar Tata Ruang (RDTR) Wilayah (Tangerang, Banten) 
Citra Original Scene Utama Sebelum Proses
Citra Original Scene Kedua Sebelum Proses
Final Mosaic Clear 
Kombinasi Warna Natural Setelah Proses

  • Perencanaan Dermaga (Pelabuhan Jetty) Untuk Pendistribusian Hasil Pertambangan Batu-Bara (Barito Utara, Kalimantan Timur)  
Citra Original Scene Utama Sebelum Proses
Citra Original Scene Kedua (Filler) Sebelum Proses
Final Mosaic Minimize Cloud Reduction
Kombinasi Warna Natural Setelah Proses

  • Perencanaan Pembangunan Perumahan (Deli Serdang, Sumatera Utara)
Citra Original 
Scene Utama Sebelum Proses

Citra Original
Scene Kedua (Filler) Sebelum Proses

Final Mosaic Minimize Cloud Reduction
Kombinasi Warna Natural Setelah Proses

  • Perencanaan Perkebunan Kelapa Sawit (Pasir, Kalimantan Timur)
Kombinasi Warna Natural Setelah Proses

Kombinasi Warna False Color Green Setelah Proses

Kombinasi Warna False Color Green Setelah Proses




    interpretasi Citra Satelit

    Standard
               Citra Satelit sama seperti Peta : penuh informasi yang berguna dan menarik asalkan kita tahu caranya, dengan Citra Satelit dapat menunjukkan seberapa banyak suatu kota telah mengalami perubahan, seberapa baik pertumbuhan tanaman yang kita tanam, dimana kebakaran, kapan badai akan datang. Untuk membuka informasi yang kaya dalam Citra Satelit Anda harus :

    1. Mencari Skala
    2. Mencari Pola, Bentuk, dan Tekstur
    3. Tentukan Warna (termasuk bayangan)
    4. Menentukan arah utara
    5. Memperrtimbangkan pengetahuan/informasi yang sudah ada sebelumnya
    Tips ini berasal dari penulis Observatorium dan Visualisasi Bumi, yang kesehariannya menafsirkan Citra Satelit, yang membantu mendapatkan Orientasi secukupnya untuk mendapatkan Informasi berharga dari Citra Satelit.
    1. Mencari Skala
    Salah satu hal yang pertama orang ingin lakukan ketika mereka melihat Citra Satelit adalah mengidentifikasi tempat-tempat yang akrab bagi mereka : rumah, sekolah, tempat usaha, taman favorit, tempat wisata, atau fitur2 alam seperti : danau, sungai, atau pegunungan. Beberapa gambar dari satelit Militer atau Komersial yang cukup detail untuk menunjukkan hal ini. Satelit seperti Zoom in pada daerah kecil untuk mengumpulkan kedetilan ke sekala rumah individu atau mobil. Dalam prosesnya biasanya mengorbankan gambaran yang besar.
    Gambar dari komersial Satelit WorldView-2 (atas) dapat menunjukkan jalan dengan rincian jalan dari september 2013 banjir di Boulder, Colorado, sedangkan ilmiah Satelit Landsat 8 (kedua dari atas) dapat diperbesar untuk memberikan skala ukuran kota. (Gambar WorldView-2 berdasarkan data 2013 DigitalGlobe, Citra Landsat dengan menggunakan data dari USGS)
    Gambar dari komersial Satelit WorldView-2 (atas) dapat menunjukkan jalan dengan rincian jalan dari september 2013 banjir di Boulder, Colorado, sedangkan ilmiah Satelit Landsat 8 (kedua dari atas) dapat diperbesar untuk memberikan skala ukuran kota. (Gambar WorldView-2 berdasarkan data 2013 DigitalGlobe, Citra Landsat dengan menggunakan data dari USGS)

    Gambar dari komersial Satelit WorldView-2 (atas) dapat menunjukkan jalan dengan rincian jalan dari september 2013 banjir di Boulder, Colorado, sedangkan ilmiah Satelit Landsat 8 (kedua dari atas) dapat diperbesar untuk memberikan skala ukuran kota. (Gambar WorldView-2 berdasarkan data 2013 DigitalGlobe, Citra Landsat dengan menggunakan data dari USGS)

    Satelit NASA mengambil pendekatan yang berlawanan. Peneliti ilmu bumi biasanya ingin sudut lensa yang lebar untuk melihat seluruh Ekosistem. Akibatnya gambar NASA kurang detil tetapi mencakup wilayah yang lebih luas. Tingkat kedetilan tergantung dari resolusi spasial satelit. Seperti foto digital, citra satelit terdiri dari dari titik-titik kecil yang disebut pixel. lebar masing-masing pixel adalah resolusi spasial satelit.
    Satelit komersial memiliki resolusi spasial 50 sentimeter setiap pixelnya. Satelit cuaca Geostasioner, yang mengamati seluruh belahan bumi pada suatu waktu, jauh lebih detil, melihat satu sampai empak kilometer dalam satu pixel.

    Tampilan Raw Landsat (atas) memberikan tampilan pemandangan, sedangkan MODIS (bawah) memberikan pemandangan yang lebuh luas (Gambar Landsat 17 September 2013 dan MODIS 14 September 2013)

    Tampilan Raw Landsat (atas) memberikan tampilan pemandangan, sedangkan MODIS (bawah) memberikan pemandangan yang lebuh luas (Gambar Landsat 17 September 2013 dan MODIS 14 September 2013)

    Tergantung pada resolusi citra, sebuah kota dapat mengisi citra satelit seluruh grid dengan jalan atau mungkin titik hanya pada lanskap. Sebelum memulai untuk menafsirkan citra, hal ini membantu untuk mengetahui berapa skalanya? seberapa level kedetilan ditampilkan? citra dipublikasikan di Observatorium bumi beserta skalanya.
    Kita dapat belajar hal-hal yang berbeda pada setiap skala. Misalnya, ketika pelacakan banjir, kedetilan, tampilan resolusi tinggi akan menunjukkan yang mana rumah dan kawasan bisnis yang dikelilingi oleh air. Tampilan Landscape yang lebih luas menunukkan bagian mana dari negara atau wilayah metropolitan yang tergenang dan mungkin dimana air itu berasal. Sebuah tampilan yang lebih luas menunjukkan wilayah seluruh wilayah-sistem banjir di sungai atau pegunungan dan lembah yang mengendalikan aliran. Tampilan hemispheric memperlihatkan pergerakan sistem cuaca yang terhubung ke kejadian banjjir.
    Satelit GOES memperlihatkan tampilan bulatan hampir seluruh bulatan bumi. Gambar menunukkan Amerika utara dan selatan pada tanggal 14 September 2013
    2. Carilah pola, bentuk, dan tekstur
    Jika anda pernah menghabiskan sore mengidentifikasi awan ada yang berbentuk hewan dan bentuk-bentuk lainnya, maka anda akan sadar bahwa manusia sangat baik dalam menemukan pola. Keterampilan ini berguna dalam menafsirkan citra satelit.
    Sungai, danau, dan lautan merupakan fitur yang paling sederhana untuk diidentifikasi karna bentuknya yang unik yang muncul pada peta. Pola yang jelas lainnya terlihat dari cara orang menggunakan tanah. Peternakan biasanya memiliki bentuk Geometris berupa lingkaran atau empat persegi panang yang mencolok dengan pola yang lebih acak terlihat di alam. Ketika orang menebang hutan, membuka hutan selalu persegi, atau memiliki herring-garis tulang yang terbentuk di sepanjang alam. garis lurus dari mana saja pada citra hampir pasti buatan manusia, dan mungkin jalan, kanal, atau semacam batas dibuat terlihat dengan penggunaan lahan.

    Garis lurus dan bentuk geometris pada gambar (Reese, Michigan) adalah hasil dari penggunaan lahan manusia. Jalan dipotong diagonal kotak yang mendefenisikan ladang pertanian. (NASA Earth Observatory Image data ALI dari NASA)

    Garis lurus dan bentuk geometris pada gambar (Reese, Michigan) adalah hasil dari penggunaan lahan manusia. Jalan dipotong diagonal kotak yang mendefenisikan ladang pertanian. (NASA Earth Observatory Image data ALI dari NASA)

    Geologi membentuk Lanskap dengan cara yang sering lebih mudah untuk melihat dalam citra satelit. Gunung berapi dan kawah yang melingkar, dan pegunungan yan cenderung panjang dan serta jalur kadang-kadang bergelombang. Fitur Geologi menciptakan tekstur terlihat. Jurang berupa garis yang berlekuk-lekuk yang dibingkai oleh bayangan. Gunung tampak seperti kerutan atau benjolan.
    Fitur-fitur ini juga dapat mempengaruhi awan dengan mempengaruhi aliran udara di atmosfer. Gaya keatas udara pegunungan, yang mendingin dan membentuk awan. Kepulauan menciptakan turbulensi yang menghasilkan Vortisitas berputar-putar atau terbangun di awan. Bila anda melihat garis awan atau Vortisitas, mereka memberikan petunjuk topografi tanah.

    Central Chili dan Argentina memperlihatkan berbagai fitur geografis, termasuk pegunungan yang tertutup salju, lembah, dan gunung berapi

    Central Chili dan Argentina memperlihatkan berbagai fitur geografis, termasuk pegunungan yang tertutup salju, lembah, dan gunung berapi

    Kadang-kadang, bayangan dapat membuat sulit untuk membedakan antara pegunungan dan lembah. Ilusi optikal ini disebut relief inversion.
    3. Tentukan Warna
    Warna-warna pada citra satelit tergantung pada jenis cahaya instrumen satelit diukur. Citra true color menggunakan panjang gelombang cahaya-merah, hijau, dan biru terlihat warna-warna yang mirip dengan apa yang orang lihat dari luar angkasa. Warna semu citra termasuk cahaya infra merah dan dapat juga warna yang tidak diharapkan. Pada citra true color, fitur-fitur umum yang muncul sebagai berikut :

    Warna sedimen laut dekat muara sungai Zambezi. Air tumbuh lebih gelap di lepas pantai sebagai sedimen yang menyebar (Gambar NASA earth observatory data Landsat8 USGS earth explorer)

    Warna sedimen laut dekat muara sungai Zambezi. Air tumbuh lebih gelap di lepas pantai sebagai sedimen yang menyebar (Gambar NASA earth observatory data Landsat8 USGS earth explorer)

    Air
    Air menyerap cahaya, sehingga biasanya berwarna hitam atau biru gelap. Sedimen memantulkan cahaya dan warna air. Ketika pasir ditangguhkan atau lumpur padat, Air tampak berwarna coklat. Sebagai sedimen menyebar, Perubahan warna air menadi hijau dan kemudian biru. Perairan dangkal dengan dasar berpasir dapat menyebabkan efek yang sama.
    Sinar matahari terpantul ke permukaan air membuat air terlihat abu-abu, silver, atau putih. Fenomena ini, dikenal sebagai Sunglint, dapat menyorot fitur gelombang atau minyak, tetapi juga pelindung adanya sedimen atau fitoplankton.
    Sunglint memungkinkan untuk melihat pola arus di permukaan laut di sekitar kepulauan Canary.
    Frozen air salju dan es putih, abu-abu, dan kadang-kadang sedikit biru. Puing-puing glasial dapat memberikan salju dan es warna coklat.
    Tanaman
           Tanaman ada dalam berbagai nuansa hijau, dan perbedaan itu muncul dalam tmapilan warnya asli dari ruang angkasa. Padang rumput cenderung menjadi hijau pucat, sementara hutan hijau sangat gelap. Tanah yang digunakan untuk pertanian sering lebih terang dari vegetasi alami.
    Di beberapa lokasi warna tanaman tergantung pada musim. Vegetasi musim semi cenderung lebih pucat dari vegetasi musim panas. Vegetasi dapat menjadi merah, oranye, kuning dan coklat berdaun layu vegetasi musim dingin berwarna coklat. Untuk alasan ini, akan sangat membantu untuk mengetahui kapan gambar itu dikumpulkan.
    Hutan meliputi great smoky mountains dari tenggara Amerika Serikat berubah warna dari coklat ke hijau ke oranye sampai coklat sebagai kemajuan musim
    Di lautan tanaman mengambang-fitoplankton-terdapat berbagai warna air biru dan hijau. Vegetasi terendam seperti hutan kelp memberikan rona hitam atau coklat gelap untuk air pantai.
    Tanah Kosong
    Tanah kosong atau yang sedikit sekali vegetasinya biasanya ada beberapa corak cokelat atau sawo matang. Warna tergantung pada kandungan mineral dalam tanah. Dalam beberapa gurun seperti pedalaman Australia dan Amerika Serikat barat daya, tanah berwarna merah atau pink karna mengandung besi oksida seperti hematite. Ketika tanah berwarna putih atau coklat pucat terutama di danau yang kering, itu karna garam, silikon, atau mineral mengandung kalsium. Puing-puing vulkanik berwarna cokelat, abu-abu, atau hitam. lahan yang baru terbakar juga berwarna cokelat tua atau hitam, tetapi bekas daerah yang terbakar memudar berwarna cokelat sebelum akhirnya menghilang dari waktu ke waktu.
    Kota
    Daerah padat pembangunan biasanya berwarna silver atau abu-abu dari konsentrasi beton dan material bangunan lainnya. Beberapa kota memiliki corak yang lebih coklat atau merah tergantung pada bahan material yang digunakan untuk atap.
    Kontras antara warsawa modern lingkungan bersejarah mudah terlihat oleh satelit. Stadion narodow baru berwarna putih mencolok. Srodmiescie (inner city) dibangun kembali setelah perang dunia II dsn sebagian besar wilayah tampak berwarna abu-abu. Tetapi beberapa bangunan dibangum kembali dengan bangunan bergaya tua. seperti genteng merah dan atap tembaga hijau Stare Miasto (kota tua). (Gambar mililik NASA/USGS Landsat).
    Atmosfir
             Awan berwarna Putih dan Abu-abu, cenderung memiliki tekstur seperti yang biasa kita lihat dari permukaan bumi. Awan juga memberikan efek bayangan gelap yang bentuknya merupakan cerminan dari awan itu sendiri. Beberapa awan tipis di ketinggian terdeteksi dari bentuk bayangan yang dipancarkan.
    Asap selalu berbentuk lebih halus dibandingkan awan, yang mempunyai warna coklat sampai ke abu-abu. Asap dari kebakaran minyak berwarna hitam. Haze biasanya tidak mempunyai bentuk atau ciri khusus yang berwarna abu-abu agak pucat atau putih gelap. Warna asap atau kabut biasanya mencerminkan umlah kelembaban dan kimia polutan, tetapi itu tidak selalu menadi kemungkinan dalam membedakan antara kabut dan kabut dalam interpretasi visual dari citra satelit. Kabut putih mungkin kabut alami, tetapi uga mungkin polusi.
    Awan, kabut, kabut dan salju kadang-kadang sulit untuk dibedakan dalam citra satelit, seperti dalam gambar MODIS dari Himalaya 1 November 2013 (gambar diadaptasi dari MODIS)
    Debu mempunyai rentang di dalam warna, tergantung pada sumbernya. Yang paling sering adalah sedikit coklat, tapi seperti warna tanah, bisa berwarna putih, merah, coklat tua, dan bahkan hitam karna kandungan mineral yang berbeda.
    Abu vulkanik tampilannya juga bervariasi, tergantung pada jenis letusan. Gumpalan uap dan gas berwarna putih. Abu terbang berwarna coklat. Abu vulkanik disuspensi juga berwarna coklat.
    Dalam Konteks Warna
    Dalam melihat citra satelit, kita akan melihat segala sesuatu diantara satelit dengan tanah (awan, debu, kabut, tanah) dalam satu bidang datar. Ini berarti bahwa tampalan putih mungkin awan, tetapi juga bisa jadi adalah salju, atau hamparan garam. Dalam konteks kombinasi, bentuk, dan tekstur akan membantu untuk membedakannya.
    Misalnya, bayangan dari awan atau gunung terhadap fitur lain yang permukaannya gelap seperti air, hutan, atau tanah bekas terbakar sangat gampang sekali membuat kita menjadi keliru. Dengan melihat citra lain pada daerah yang sama yang pengambilan gambarnya pada waktu yang berbeda dapat membantu menghilangkan kebingungan. Sebagian besar dalam konteks waktu akan membantu anda melihat sumber bayangan awan atau gunung dengan membandingkan bentuk bayangan dari fitur lain dalam gambar citra.
    4. Menentukan Arah Utara
    Ketika anda tersesat, cara paling sederhana untuk mengetahui kita berada dimana adalah dengan menemukan sesuatu yang familiar mudah dilihat dan mengorientasikan diri sehubungan dengan itu. Teknik yang sama berlaku untuk citra satelit. Jika anda tahu dimana arah utara, anda bisa mengetahui apakah itu pegunungan menyusuri dari utara keselatan atau timur ke barat, atau jika sebuah kota di sebelah timur sungai atau sebelah barat. Rincian ini dapat membantu kita mencocokkan fitur untuk peta. Di Observatorium bumi, sebagian besar citra berorientasi arah utara ada di atas.
    5. Mempertimbangkan Pengetahuan Anda yang Sebelumnya
    Mungkin alat yang paling ampuh untuk meafsirkan citra satelit adalah pengetahuan tentang tempat. Jika anda tahu bahwa api yang membakar hutan tahun lalu, sangat mudah untuk mengetahui tampalan hutan yang berwarna coklat tua mungkin bekas kebakaran, bukan aliran vulkanik atau bayangan
    Lahan terbakar berwarna coklat abu-abu dibandingkan dengan yang tidak terbakar berwarna coklat dan pemandangan hijau disekitarnya (Citra NASA Earth Observatory dengan LANDSAT 8 data dari USGS Earth Explorer)
    Memiliki pengetahuan lokal juga memungkinkan anda untuk menghubungkan pemetaan citra satelit dengan apa yang terjadi dalam kehidupan sehari-hari, studi sosial, ekonomi, dan sejarah (misalnya, pertumbuhan penduduk, transportasi, produksi pangan), untuk geologi (aktivitas vulkanik, tektonik), untuk biologi dan ekologi (pertumbuhan tanaman dan ekosistem), politik dan budaya (tanah dan air), kimia (polusi udara), dan kesehatan (polusi, habitat bagi pembawa penyakit).
    Misalnya, dalam hal kebijakan kepemilikan tanah dan penggunaan lahan kontras dengan pasangan gambar dibawah ini. Di Polandia, sebidang kecil tanah milik pribadi mengelilingi hutan Niepolomice. Pemerintah telah mengelola hutan sebagai sebuah unit semenjak abad ketiga belas. Citra yang lebih rendah menunjukkan kombinasi petek-petak tanah milik pribadi dan umum di dekat Hutan Nasional Okanogan-Wenatchee Washington. Dinas kehutan Amerika serikat mengelola hutan dibawah kebijakan dalam penggunaan serta melindungi hutan, sementara disisi lain membuka Logging. Daerah hijau terang menunjukkan bahwa penebangan telah terjadi di negara bagian, federal, atau tanah pribadi. Bidang tanah milik swasta jauh lebih besar di bagian barat Amerika Serikat daripada di Polandia.
    Penggunaan lahan dan kebijakan konservasi menentukan kawasan hutan di Polandia (gambar atas) dan negara bagian AS Washigton (lebih rendah). (NASA Earth Observatory citra Landsat 8 data dari USGS Earth Explorer)
    Jika anda tidak memiliki pengetahuan tentang area yang ditunjukkan. Referensi peta atau atlas bisa sangat berharga. Peta mempunyai nama untuk fitur yang anda dapat lihat pada citra, serta membantu kita untuk mencari informasi tambahan. Beberapa layanan pemetaan online bahkan menyediakan tampilan dari satelit dengan fitur berlabel. Peta bersejarah dapat membantu anda mengidentifikasi perubahan dan bahkan dapat anda memahami mengapa perubahan tersebut terjadi.
     
    Sumber/Referensi : NASA Earth Observatory 

    Citra Satelit Landsat | Kombinasi Band Citra Satelit Landsat 8

    Standard
    Landsat8 telah online dalam beberapa bulan yang lalu, Citra tampak luar biasa. Sementara semua Band dari misi landsat sebelumnya masih tergabung, ada beberapa yang baru seperti band penetrasi air biru tepi/Aerosol dan band awan tipis untuk masking awan dan aplikmasi lainnya. Berikut adalah ikhtisar dari beberapa kombinasi band yang umum diterapkan pada Landsat8, ditampilkan sebagai Red, Green, dan Blue (RGB) :
     
    Berikut adalah Band-band baru dari Landsat8 berbasis Landsat7 :

    Source/Reference : ArcGis Resources