Citra Satelit SPOT Untuk Perencanaan Kota

Standard
Pemetaan lanscape kota – Pemantauan perubahan

Pembangunan perkotaan merupakan salah satu masalah utama yang dihadapi departemen perencanaan tata guna lahan saat ini. Pemantauan penyebaran urbanisasi menyangkut daerah, kelompok masyarakat perkotaan atau bahkan seluruh negara, dan kadang-kadang di rentang perbatasan internasional. Program pembangunan regional dan lokal perlu informasi geografis untuk memberikan gambaran umum dalam pengambil keputusan yang mencapai di semua sektor.

Mengumpulkan data geografis secara seragam untuk tujuan perencanaan saat ini tidak selalu mudah. Alat untuk melacak daerah pembangunan, terutama di daerah pinggiran kota, memerlukan peta dengan cakupan wilayah luas dan akurat.

Sebuah Pendekatan Perencanaan Perkotaan Yang Dinamis

Departemen perencanaan penggunaan lahan bergantung pada data geografis yang diperbarui setiap tahunan meliputi konurbasi perkotaan pada skala 1:10000 SPOT 5 dengan resolusi lebih baik dan cakupan area yang lebih luas memungkinkan perencana kota :

  • Menghasilkan peta penggunaan lahan dengan Corine kelas tutupan lahan
  • Beralih dari level 3 ke level 4 atau 5 dengan menggunakan 10 meter atau citra berwarna 5 meter
  • Mengidentifikasi pola-pola penggunaan lahan di daerah tertentu perkotaan, kawasan industri, perdagangan, dan pemukiman

Jual Citra Satelit SPOT

Kriteria bentuk dan distribusi dapat diterapkan untuk daerah padat pembangunan dan vegetasi untuk mengklasifikasikan daerah perkotaan seperti:

  • Pusat bersejarah kota
  • Perkotaan
  • perumahan terpisah
  • Apartemen
  • Daerah perkotaan spesifik
Memperbarui Database Lingkungan Perkotaan 

Untuk mempromosikan pembangunan perkotaan yang berkelanjutan dan meningkatkan kualitas hidup, departemen perencanaan kota memfokuskan perhatian mereka pada vegetasi di zona-taman kota dan pinggiran kota dan ruang hijau, pagar tanaman dan daerah berhutan yang berbatasan dengan danau, sungai dan kanal-kanal untuk zona kawasan lajur huijau yang dilindungi.
peningkatan resolusi SPOT 5 dan kemampuan penginderaan spektral memungkinkan untuk:

  • Menentukan ruang hijau publik dan swasta
  • Menentukan peta paket sensus dalam database perkotaan (pada skala 1:10.000)

Jual citra Satelit SPOT

SPOT 5 citra warna 2,5 meter memungkinkan perhitungan otomatis sebagai indikator yang menunjukkan daerah yang ditutupi oleh vegetasi dalam setiap paket sensus database perkotaan (pada skala 1:10 000).

Kota tumbuh melalui proses densifikasi. Distribusi spasial perumahan dan lahan kosong adalah jenis informasi citra SPOT 5 untuk perencanaan penggunaan lahan perkotaan.
  • SPOT 5 citra yang sangat ideal untuk karakteristik pertumbuhan perkotaan
Keuntungan dari SPOT 5 untuk pemetaan perkotaan pada skala 1:10 000

Instrumen HRG (High Resolution Geometrik) Multi-resolusi, Citra dengan lebar scene yang lebih luas

  • Resolusi tanah halus dalam mode hitam-putih: 2,5 meter dan 5 meter.
  • Resolusi yang lebih baik dalam mode warna: 10 meter untuk mempelajari vegetasi.
  • Seperti semua pendahulunya instrumen SPOT 5 meliputi lebar scene 60 kilometer, sehingga memungkinkan untuk gambar konurbasi besar dalam sekali perekaman.

Citra Satelit SPOT Untuk Pertanian

Standard

Sosial, ekonomi dan dampak lingkungan pertanian sangat penting dan strategis untuk sebagian besar negara di dunia saat ini. Akibatnya, pemetaan tanaman dan monitoring yang menemukan aplikasi di berbagai bidang seperti inventarisasi luas hektar tanaman dan buah tahunan, meramalkan hasil panen untuk manajemen stok yang lebih efektif dan ketahanan pangan, pengelolaan praktek-praktek budaya dalam bidang bidang masing menggunakan teknik pertanian presisi, memeriksa dan memantau subsidi pertanian dalam kerangka regulasi.

Pemetaan dan Monitoring Padang Rumput :

Di lembah Zorn dan sepanjang bentangan sungai di Alsace Ill milik publik, utara-timur Perancis, data SPOT 5  yang telah dievaluasi untuk menentukan kegunaannya dalam menerapkan dan memantau langkah-langkah agro-lingkungan yang dirancang untuk mempertahankan dan mendorong kembali peternakan di padang rumput alami.

Jual citra satelit spot

Contoh peta kadaster menutupi data berwarna 2,5 meter untuk menghasilkan dokumen survei lapangan. Dokumen survei lapangan harus memberikan informasi seperti batas-batas kadaster untuk tujuan identifikasi administratif.

SPOT 5 sebagai alternatif atau pelengkap untuk foto udara untuk dokumen survei lapangan

Data berwarna resolusi 2,5 meter atau 5 meter memungkinkan produksi dokumen survei lapangan dengan hasil yang sebanding dengan foto udara. Dan selain kualitas geometris yang sangat baik, data SPOT 5 tidak harus di mosaicking kompleks dan koreksi kecerahan.

Mengidentifikasi dan memonitor padang rumput

Data SPOT 5 memungkinkan identifikasi padang rumput yang lebih baik dan dapat membedakan berbagai jenis padang rumput. SPOT 5 2.5 meter citra hitam-putih (panchromatic) juga bisa menyoroti pohon dan pagar tanaman yang berbatasan dengan badan air, dan membuatnya lebih mudah untuk menentukan wilayah tanam tanaman dalam wilayah padang rumput.

jual citra satelit spot

Klasifikasi otomatis dari data berwarna 2,5 meter dari daerah padang rumput, data pada skala hingga 1:5000 memudahkan untuk memetakan daerah-daerah sensitif di mana lanscape dari lahan pertanian tersebar.

Menghitung Pohon Olive
Mengelola dan melindungi tanaman Olive oil:

Keuntungan dari 2,5 meter data yang hitam-putih diuji pada sebuah proyek bernama Olisig diprakarsai oleh ONIOL, badan nasional Prancis untuk petani Olive oil, kadar protein yang tinggi dan kaya serat. Proyek ini bertujuan untuk mengelola klaim subsidi petani minyak zaitun.
Pohon zaitun saat ini dihitung secara otomatis dari satu meter resolusi foto udara, maka jumlah divalidasi oleh penerjemah-foto.
Hasil metode penghitungan saat ini menggunakan foto udara. Zooming data 2,5 meter yang hitam-putih menjadi 1,25 meter dan meningkatkan mereka dengan dekonvolusi dan high-pass filtering menghasilkan hasil yang sangat baik dengan metode penghitungan yang sama (kurang dari dua persen error terhadap nilai acuan).

jual citra satelit spot

jual citra satelit spot

Citra SPOT 5 memungkinkan menghitung secara otomatis jenis yang sama dengan interpretasi-foto dan akurasi yang sangat baik.

Sangat Presisi untuk Identifikasi Tanaman
Memeriksa klaim subsidi pertanian :

kegiatan operasional ini melibatkan klaim para petani dengan membandingkan data tekstual terhadap areal tanaman dan data penggunaan lahan yang berasal dari citra satelit. Metode ini didasarkan pada penggabungan informasi yang diberikan oleh petani dengan data satelit yang di overlay di atas peta dasar yang telah teregistrasi. Analis kemudian menentukan apakah akan mengirim inspektur lapangan dari ONIC, Kementerian Perancis badan sereal nasional Pertanian.

jual citra satelit spot

Perbandingan SPOT 4 20 meter multispektral dan SPOT 5 warna 10 meter dan 2,5 meter pankromatik.

SPOT 5 meningkatkan identifikasi tanaman

Gambar berwarna dengan resolusi spasial 10 meter memungkinkan identifikasi tanaman yang sangat akurat. SPOT 5 meningkatkan deteksi batas Lanes, jalan, pagar tanaman, pohon, rumah dan fitur non-pertanian lain mudah dalam mengidentifikasi dan menjadikan data digital pada 2,5 meter gambar pankromatik.

Dengan konten tematik yang kaya dan resolusi sangat tinggi dari citra satelit SPOT 5 memudahkan dalam pengolahan data dan memungkinkan lebih cepat dan lebih handal untuk analisis.

Citra Satelit SPOT Untuk Geologi, Mineral, dan Explorasi Minyak

Standard

Perusahaan minyak, perusahaan pertambangan, organisasi penelitian nasional dan badan-badan perlindungan lingkungan semua biasanya menggunakan citra satelit dalam pengelolaan energi fosil dan eksplorasi.

Spot memungkinkan ahli geologi untuk mengumpulkan informasi kunci medan geologi dan struktural sebelum menginjakkan kaki di lanscape, mengurangi waktu, uang dan resiko yang terkait dengan eksplorasi di lapangan yang panjang. Di wilayah yang kurang baik dipetakan, Data Spot memungkinkan Anda merencanakan lapangan dengan keyakinan dan meminimalkan biaya logistik.

Jual Citra Satelit SPOT

(Gambar yang ditunjukkan di atas – Deteksi kebocoran pada pipa – 2.5m)

Citra Satelit Resolusi Tinggi Aplikasi Tata Ruang Perkotaan

Standard

Penggunaan citra satelit telah meningkat Dekade terakhir untuk berbagai aplikasi perkotaan, termasuk pemetaan catatan pertanahan, ekstraksi kanopi hutan perkotaan, dan estimasi permukaan tanah. DigitalGlobe adalah perusahaan citra satelit komersial, yang berkantor pusat di Longmont, Colorado, yang memiliki tiga satelit optik dengan resolusi spasial tinggi : QuickBird, WorldView-1, dan yang terbaru WorldView-2.

Gambar 1: Perbandingan band spektral QuickBird, WorldView-1, dan WorldView-2.

Diluncurkan pada Tahun 2009, WorldView-2 adalah satelit komersial pertama yang membawa sensor resolusi spasial sangat tinggi dengan satu pankromatik dan delapan band multi-spektral (C = Pesisir, B = Biru, G = Hijau, Y = Kuning, R = Red, RE = Red Edge, N1 = Near-Infrared1, dan N2 =, Near-Infrared2, dengan panjang gelombang pusat di 425, 480, 545, 605, 660, 725, 835, dan 950 nm). Sebagai perbandingan, QuickBird empat band spektral (B, G, R, N1) yang berpusat di 485, 560, 660 dan 830 nm, seperti yang ditunjukkan pada Gambar 1.

Gambar 2: Octavio Bridge, Sao Paulo, Brasil dengan Sensor Worldview-2 resolusi spasial 0,5 meter.

Tabel 1: Desain dan Spesifikasi WorldView-2 .

Gambar 2 menunjukkan detail yang dapat ditangkap dari WorldView-2, seperti marka jalan dan kabel di jembatan.

WorldView-1 dan WorldView-2 memiliki kinerja tinggi sistem kontrol kamera yang mampu retargeting dengan cepat dan tinggi koleksi citra off-nadir. Hal ini memungkinkan satelit untuk mengumpulkan urutan gambar multi-sudut target tunggal, terakumulasi selama periode waktu yang singkat dari berbagai macam sudut pengamatan. Detil desain WorldView-2 dan spesifikasi dapat dilihat pada Tabel 1.

Gambar 3: Paket yang didigitalkan dari Citra DigitalGlobe.

Gambar 4: Detailed Model 3D menggunakan citra DigitalGlobe.

Citra satelit DigitalGlobe memberikan nilai dalam memahami Bumi dan dampak dari kegiatan buatan manusia dan proses alam. Sebagai contoh, citra akurasi yang tinggi dapat digunakan untuk persediaan tanah terperinci termasuk peta planimetris, peta bidang tanah, peta zonasi, dll Gambar 3 menunjukkan contoh peta kadaster diekstrak dari citra DigitalGlobe.

Gambar 5: Detail dari pusat kota Atlanta (a) sesuai dengan peta digital ketinggian (b), dan visualisasi 3D-nya (c).

satelit DigitalGlobe dirancang untuk mengumpulkan citra satelit dari mana saja di seluruh dunia. Satelit Worldview sangat lincah dan dapat mengumpulkan citra dalam waktu 24 jam. Ditambah dengan kelincahan, ketepatan, dan kembali, satelit dirancang untuk mengumpulkan data stereo atau citra multi-sudut yang memungkinkan pengguna untuk membuat model 3D rinci kota seperti yang diilustrasikan pada Gambar 4 dan 5. Secara khusus, informasi ketinggian pixel, juga dikenal sebagai Peta ketinggian digital (DHM), dapat diturunkan dengan menghapus model elevasi digital dari model permukaan, baik dihitung sebagai ukuran korelasi spasial dan dikenal sudut pengamatan satelit dari stereo atau gambar multi-sudut.

Gambar 6: Downtown Atlanta (a) dan 15 kelas peta (b).

Peta klasifikasi diperoleh dengan memanfaatkan aspek-aspek unik dari WorldView-2 dan menggabungkan spasial sangat tinggi dan resolusi multi-spektral dengan pengamatan multi-angle. Secara khusus, tiga set data spasial pengukuran yang digunakan selain untuk informasi multi-spektral. Ketiga set data adalah pengukuran tekstur, morfologi, dan tinggi. Kumpulan data tekstur dibuat menggunakan enam orde kedua parameter tekstur dihitung dengan menggunakan band pankromatik. Keenam parameter tekstur adalah: Homogenitas, kontras, ketidaksamaan, entropi, momen kedua, dan korelasi.Kumpulan data morfologi diciptakan dengan pembukaan dan penutupan oleh rekonstruksi [4].

Gambar 7: kontribusi fitur Normalisasi dikelompokkan menurut jenis data.

Gambar 8: Sebelum (a) dan sesudah (b) gambar di atas Beijing dan sesuai perubahan deteksi peta Worldview-1 (c).

Gambar 8 menunjukkan contoh perubahan terdeteksi menggunakan satelit WorldView-1 melewati Beijing. Perubahan peta dapat dengan mudah diperoleh sebagai perbandingan antara dua akuisisi. Pendekatan yang umum disebut image differencing, yang terdiri dalam hanya mengurangkan dua gambar [5]. Kemudian, ambang batas dapat secara manual atau secara otomatis ditetapkan untuk menyorot hanya perubahan yang paling penting.

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

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

 

Citra Satelit | Alat Baru Untuk Konservasi

Standard

Dengan citra satelit para aktivis konservasi mendapatkan pemandangan luas tentang apa yang terjadi di lapangan.

jual citra satelit resolusi tinggi

Citra satelit dari hutan tanaman (digambarkan di atas) di Sumatera, Indonesia, membantu mengidentifikasi ancaman terhadap habitat harimau

Citra satelit bisa dikatakan sebagai gambar yang menyimpan ribuan kata, karna Citra satelit dapat menceritakan suatu kisah penting bagi konservasi dan bagi orang lain yang concern dalam  melindungi harimau atau spesies lain  yang terancam punah.

Peta adalah bahasa umum, dengan citra satelit informasi bisa diterima langsung tanpa filter apapun, dengan pemantauan satelit, tidak mungkin untuk menyembunyikan apa yang anda lakukan di atas tanah maupun rahasia kotor pertambangan, atau penebangan liar, dan polusi hutan.

The Global Tiger Initiative kemudian menganalisa Citra Satelit resolusi tinggi dari negara-negara yang ada habitat harimau seperti: Rusia, India, China, Myanmar (Burma), Laos dan Thailand. Dalam beberapa bulan terakhir, situasi telah tumbuh melampaui wilayah habitat harimau yang penting secara ekologis ke wilayah tersebut, mulai dari Amazon di Amerika Selatan untuk wilayah Indonesia, meliputi 380.000 mil persegi (1.000 .000 persegi) kilometer dari tanah yang subur.

Platform ini melampaui Google Maps dan Google Earth, di mana gambar dari daerah terpencil dan hutan cenderung blur. Setiap pixel dalam  platform lanskap terbuka mewakili hampir 20 inci (50 cm) di atas tanah lebih dari cukup untuk mengidentifikasi individu atau jenis pohon tertentu.

Menyelamatkan Harimau Dengan Pemetaan

Melalui satelit bumi, konservasionis dapat melihat apa yang terjadi di lapangan. Dalam empat tahun, lahan yang ditempati oleh harimau menyusut 4.600 mil persegi (12.000 km ²), tiga kali ukuran dari Rhode Island, menurut sebuah laporan yang diterbitkan oleh National Konservasi Harimau Authority and Wildlife Institute India dan baru-baru ini dikutip dalam Times of India. Harimau sekarang berkisar antara tujuh persen dari daerah sejarah mereka dalam 200 tahun terakhir, para ilmuwan mengatakan Uma Ramakrishnan, dari Pusat Nasional India untuk Ilmu Biologi.

jual citra satelit resolusi tinggi

Pandangan lebih dekat perkebunan pohon2 menunjukkan tiga tahapan yang berbeda dari rotasi suatu perkebunan : daerah dibersihkan (kiri bawah), pohon muda (kanan atas), dan tanaman menghasilkan (kiri atas dan kanan bawah).

Perubahan vegetasi sering meninggalkan jejak. Dengan citra satelit, pertanian terlihat sangat berbeda dari struktur alami, dimana kita bisa melihat mosaik akuisisi citra yang berbeda, pohon-pohon yang berbeda ukuran, spesies yang berbeda dan warna daun yang berbeda dari daun.

Citra resolusi tinggi juga dapat mengungkapkan bencana ekologis seperti kebakaran dan tumpahan minyak. Pada tahun 2010, pipa minyak Timur Siberia Samudera Pasifik, yang dibangun untuk mengekspor minyak ke negara-negara Asia yang merupakan ancaman potensial terhadap harimau Siberia, ketika kehilangan lebih dari 10.000 kaki kubik (280 meter kubik) minyak di Siberia Timur.

Sumber : Sasha Ingber (National Geographic)

Citra Satelit GeoEye

Standard

Satelit GeoEye dilengkapi dengan teknologi yang paling canggih yang pernah digunakan dalam sistem penginderaan jauh komersial mampu menghasil citra dengan resolusi spasial 0,41 meter pankromatik (hitam dan putih) dan 1,65 meter citra multispektral. Satelit GeoEye memiliki kemampuan mengumpulkan data citra hingga 700.000 kilometer persegi pankromatik (dan sampai 350.000 kilometer persegi pan-multispektral) citra per hari  ideal untuk proyek pemetaan skala besar. GeoEye-1 mengorbit bumi 15 kali per hari terbang di ketinggian 681 kilometer dengan kecepatan orbit sekitar 7,5 km / detik.

Spesifikasi Citra Satelit Geoeye-1
Produk Pankromatik: 00:41 00:41 meter x meterMultispektral: 1,65 meter x 1,65 meter
Band spektral 450-800 nm450-510 nm (biru)510-580 nm (hijau)655-690 nm (merah)780-920 nm (NIR)
Foot Print Perwakilan di Area Ukuran • Single-point scene – 225 km persegi (15×15 km)• Bersebelahan luas – 15.000 km persegi (300×50 km)• Bersebelahan 1 ° wilayah ukuran sel – 10.000 km persegi (100×100 km)• daerah stereo Bersebelahan – 6.270 sq km (224×28 km)(di Area mengasumsikan modus panci pada tingkat baris tertinggi)
Petak Lebar 15,2 km
Lokasi Akurasi         Mono: 5 m CE90, horisontal, tanpa GCP, eksklusif medan perpindahanStereo: 4 m CE90, horisontal, tanpa GCP, 6 m LE90, vertikal, tanpa GCPini ditetapkan sebagai 90% CE (error melingkar) untuk horizontal dan 90 % LE (kesalahan linier) untuk vertikal tanpa GCP (titik kontrol tanah)
Tinjau ulang Tingkat Kurang dari 3 hari
Viewing Angle Mampu pencitraan segala arah

Citra Satelit Pleiades

Standard
 
Pleiades konstelasinya menghasilkan citra satelit resolusi tinggi, yang merupakan citra optik dengan resolusi 50cm, yang dioperasikan oleh Astrium Layanan GEO-Informasi yang berpusat di Prancis.



Fitur2 dari Pleiades

  • Resolusi yang dihasilkani 50 cm, citra berwarna
  • Pengamatan simultan dengan 4 band multispectral (pankromatik dan Red, Green, dan NIR)
  • Tersedia untuk data stereo dan tiga titik pandang pencitraan stereo
  • Koleksi area yang sama max 12 kali dalam single pass
  • Tersedia untuk ukuran 100 km x 100 km ground, dalam single pass (mode pemetaan jalur)
  • Kapasitas akuisisi harian maksimum 1 juta sq.km / satelit

 

Spesifikasi Pleiades
 
 
 
Beberapa Sample Citra Pleiades
 
Lokasi : Sekitar Istana Imperial di Jepang
 
Lokasi : Pulau Bora-Bora
 
Lokasi : Washington DC Amerika Serikat
 

 

Citra Satelit IKONOS

Standard
IKONOS diluncurkan oleh SPACE IMAGING, Sebuah Perusahaan AS, pada tahun 1999. IKONOS merupakan satelit komersial pertama dengan resolusi tinggi untuk kebutuhan observasi bumi. Sebagai hasil dari deregulasi oleh Pemerintah AS, teknologi satelit pengintai dialihkan penggunaannya untuk sipil dalam bentuk satelit IKONOS ini, yang memiliki resolusi tinggi maksimal 82 ​​cm. IKONOS dapat melakukan pencitraan atau mendapatkan gambar dari seluruh dunia melalui multi-sensor pankromatik dengan tingkat presisi yang tinggi.
Spesifikasi Satelit IKONOS
 
Spesifikasi Sensor IKONOS
 
 
Beberapa Sample Citra IKONOS
 
Lokasi : Stasiun Tokyo
Lokasi : Miyakejima Island (Tokyo)
Lokasi : Nagaragawa River/Kisogawa River

 

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.
 

 

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

pengolahan Data citra Satelit WorldView 2

Standard
  • Orthorektifikasi
  • Enhance Natural Color
Lokasi : Cikupa – Tangerang
Lokasi ; Pasir, Kalimantan Timur
  • Enhance False Color Red
Lokasi ; Pasir, Kalimantan Timur

  • Enhance False Color Green
Lokasi ; Pasir, Kalimantan Timur
  • Cloud Remove dan Mosaicking
 

 

Aplikasi Citra Satelit Resolusi Tinggi QuickBird dan WorldView 2

Standard
 Pemanfaatan citra satelit dalam Pemetaan Kawasan Tambang
Pemetaan Kawasan Tambang Terbuka Batu Bara PT. BA Tanjung Enim dan sekitarnya tahun 2008, berdasarkan ainterpretasi citra satelit.
 
Pemanfaatan citra satelit dalam Monitoring Daerah Terkena Bencana 
Pemetaan untuk memonitoring daerah yang terkena dampak bencana luapan lumpur dari sumur bor PT. Lapindo Brantas di Sidoarjo-Jawa Timur, dalam upaya inventarisasi lahan yang harus diganti rugi.
Peta monitoring keadaan luapan lumpur Lapindo, serta rencana kolam penampungan dan tanggul, juga keterangan lokasi pengungsi dan lokasi pusat semburan dan sumur-sumur lainnya.
Monitoring perkembangan luapan lumpur untuk wilayah pemukiman di wilayah Porong – Sidoarjo.
 
Monitoring perkembangan luapan lumpur Lapindo pada kondisi terakhir.
Citra satelit untuk visualisasi daerah yang terkena bencana jebolnya Situ Gintung –Jakarta.
 
Pemanfaatn citra satelit Untuk Perencanaan Infrastruktur
Perencanaan pembangunan jalan tol Bandung-Sumedang, disajikan dalam bentuk 3 dimensi untuk mengetahui bagian yang harus ditimbun, dipotong atau dibuat jembatan serta wilayah pembebasan.
Perencanaan Jalur Transportasi dan Trayek dalam suatu region, sehingga bisa menjangkau seluruh wilayah. 
Pemanfaatan citra satelit Untuk Pertanian dan Perkebunan
Perencanaan lahan-lahan pertanian yang akan ditanami jenis tanaman dengan varietas tertentu dalam pilot projek penelitian diversifikasi dan ketahanan terhadap hama dan penyakit.
Pemetaan Lahan Pertanian dan Jenis Komoditi yang ditanam untuk menghitung jumlah produksi pertanian wilayah.
Analisis penghitungan jumlah pohon dalam perkebunan kelapa sawit, dalam upaya menaksir jumlah produksi dalam luasan area tertentu, berdasarkan sampel area untuk mengetahui kerapatan pohon per luasan, atau dengan cara otomatis menggunakan pengolahan deteksi berdasarkan profil intensitas mahkota pohon dan konsep geometri diferensial dan kurva tepian objek.
 
Monitoring optimalisasi pola penanaman kelapa sawit pada areal perkebunan.
 
Pemanfaatan citra satelit Dalam Pembuatan Peta Wilayah.
 
Peta garis wilayah Kota Jambi hasil interpretasi dan delineasi citra satelit, sehingga menghasilkan peta vektor skala 1 : 5000
Pemetaan situasi di sepanjang koridor jalan tol yang melintasi wilayah Provinsi Banten sebagai bahan perencanaan pembangunan daerah.
 
Pemanfaatan citra satelit untuk Deteksi Perubahan Lingkungan
Pemetaan dan pemantauan daerah rawan erosi yang dideteksi dari kerapatan dan pola aliran sungai, keadaan terain serta tutupan lahan.
Pemanfaatan citra satelit untuk keperluan Kehutanan dan Lingkungan Hidup
Pemantauan penyebaran kebakaran hutan di suatu wilayah untuk keperluan upaya penanggulangannya.
Monitoring keadaan hutan di sekitar Gunung Tangkuban Perahu-Jawa Barat, untuk melihat kondisi kerusakan hutan yang terjadi. 
 
Pemanfaatan citra satelit 3 dimensi untuk memantau keadaan hutan di puncak dan lereng Gunung Kerinci-Jambi.

 

Pemanfaatan citra satelit untuk Pemetaan Sumber Daya Mineral

 

Pemetaan Penyebaran Singkapan Sumber Daya Mineral di suatu wilayah dalam rangka inventarisasi potensi sumber daya alam daerah, dengan memanfaatkan spectral analisis citra.

 

 

Manfaat Citra Satelit di Bidang Pertahanan dan Intelijen

Standard
  • Mendukung Operasi Intelijen
  • Operasi Tempur
  • Operasi Territorial
  • Operasi militer selain perang
Penentuan target sasaran operasi dan reconnaissance keadaan wilayah


Identifikasi kekuatan peralatan dan persenjataan lawan serta keadaan fasilitas militer lainnya


Monitoring dampak kerusakan infrastruktur dari operasi pemboman militer


Model 3 dimensi untuk simulasi latihan operasional pertempuran



Manfaat Citra Satelit di Bidang Perencanaan dan Konstruksi

Standard
  • Desain dan perencanaan tapak konstruksi
  • Desain dan perencanaan lanscape konstruksi
  • Perbaikan proses desain
  • Monitoring proses konstruksi
Landscape sebelum dan sesudah konstruksi


Perencanaan bagian-bagian detail konstruksi besar


Manfaat Citra Satelit di Bidang Perencanaan dan Pembangunan Wilayah

Standard
  • Pembuatan peta detail penggunaan lahan
  • Perencanaan tata ruang, DED, dan Lanscape pembangunan
  • Identifikasi dan inventarisasi kawasan-kawasan kumuh
  • Perencanaan dan manajemen sarana dan prasarana wilayah
  • Pemetaan kawasan rawan bencana alam
  • Pemantauan dan penanggulangan bencana alam
Pemetaan infrastruktur jaringan jalan

 Klasifikasi Penggunaan Lahan

Inventarisasi batas pemilikan lahan (persil)

Manfaat Citra Satelit Di Bidang Pertambangan dan Energi

Standard
  • Inventarisasi potensi pertambangan
  • Pemetaan situasi tutupan lahan pertambangan yang akan di buka
  • Perencanaan site plan lokasi pertambangan
  • Inventarisasi lokasi pertambangan liar dan PETI
  • Monitoring perubahan lahan akibat kegiatan pertambangan terbuka
  • Monitoring kegiatan rehabilitasi lahan
  • Inventarisasi potensi dan perencanaan lokasi pembangkit listrik tenaga mikrohidro
Pemetaan Kawasan Pertambangan

Perencanaan Dan penyusunan Strategi Ekplorasi Dan pengeloalaan Aset

 Monitoring Kondisi Lingkungan dan Reklamasi Rawa

 

Manfaat Citra Satelit di Bidang Kehutanan

Standard
  • Monitoring batas-batas fungsi kawasan hutan
  • Identifikasi wilayah habitat satwa
  • Identifikasi perubahan kawasan hutan akibat illegal loging
  • Inventarisasi Potensi Sumber Daya Hutan
  • Pemetaan kawasan unit-unit pengelolaan hutan
  • Perencanaan lokasi reboisasi
  • Bagi unit pengelolaan hutan HPH
  • Inventarisasi luas lahan HPH
  • Menghitung potensi volume kayu
  • Perencanaan dan pembuatan site plan
  • Perencanaan jalur transportasi loging
  • Mengidentifikasi batas kawasan
  • Evaluasi laju produksi Bagi unit pengelolaan hutan HTI
  • Perencanaan pembagian areal usaha ke dalam bentuk blok, petak dan anak petak
  • Perencanaan lokasi camp, lokasi menara pengawas, lokasi persemaian, dan lain-lain
  • Monitoring pertumbuhan tanaman dan areal siap panen
  • Secara berkala (time series) digunakan untuk
  • Memantau laju kerusakan hutan (deforestation)
  • Memantau perubahan lahan pada kawasan hutan
  • Memantau keberhasilan Gerakan Nasional Rehabilitasi Hutan dan Lahan (Gerhan)
Manajemen resiko kebakaran hutan dan Manajemen sumber daya air

 
Mendukung tugas-tugas konservasi
 

 

Manfaat Citra Satelit di Bidang Pertanian dan Perkebunan

Standard
  • Melakukan observasi pada lahan yang luas, petak tanaman hingga tiap individu tanaman
  • Melakukan identifikasi jenis tanaman dan kondisi tanah, potensi panen, efektifitas pengairan, kesuburan dan penyakit tanaman, kandungan air
  • Secara berkala (time series) dapat digunakan untuk :
        Memantau pertumbuhan tanaman
        Laju perubahan jenis tanaman
        Perubahan atau alih fungsi lahan pertanian
        Tingkat kerusakan tanaman akibat hama dan penyakit
        Pemilihan tanaman yang siap panen
        Dan lain-lain
  • Menghitung jumlah pohon dan volume hasil panen komoditi perkebunan
  • Perencanaan  pola tanam perkebunan
  • Perencanaan peremajaan tanaman perkebunan
Klasifikasi penggunaan lahan pertanian


 

 

Citra Satelit ALOS AVNIR 2

Standard
AVNIR-2 adalah radiometer near InfraRed (NIR) dan terlihat untuk mengamati zona tanah dan pesisir dan memberikan resolusi spasial 10 meter. AVNIR-2 digunakan untuk menyediakan peta tutupan lahan peta Klasifikasi penggunaan lahan untuk memantau lingkungan regional. Instrumen yang memiliki track lintas kemampuan untuk menentukan pemantauan bencana.
 
avnir2_title_e.gif
 
AVNIR-2 Scanning Gambar
AVNIR-2 Scanning image
AVNIR-2 Gambar
 
Gambar Data yang diperoleh oleh AVNIR-2
 
Tanegahima Island observed by the AVNIR-2
Karakteristik
 
AVNIR-2 Major Characteristics

Source/Reference : JAXA

 

Citra Satelit ALOS PRISM

Standard

PRISM adalah radiometer pankromatik dengan resolusi spasial 2,5 meter. Untuk mendapatkan data terrain termasuk ketinggian, PRISM memiliki tiga sistem optik untuk tampilan depan, nadir (tengah) dan belakang. Informasi pertanahan bisa diperoleh dengan tepat dengan PRISM.

PRISM Scanning Image

Gambar Data Yang Dihasilkan Oleh PRISM

Diagram 1: Gunung Fuji diamati oleh PRISM yang
Diagram 2: Shimizu Port in Shizuoka Prefecture as observed by the PRISM
Karakteristik

Source/Reference : JAXA

Mengapa Google Earth tidak bisa menampilkanmu Israel

Standard
Semenjak Google meluncurkan fitur Google Earth pada 2005, Google Earth telah menjadi yang terdepan di dunia dalam menyediakan Citra Satelit Free Online akses. Tahun 2010 Google Earth menampilkan sejauh mana kerusakan di Haiti Pasca Gempa. Tahun ini 2011 Google merilis gambar yang sama setelah Gempa Bumi dan Gempa Tsunami Jepang. Dengan hanya satu klik, Google dapat membawa kita melihat dunia dan informasi pemahaman kejadian serta peristiwa besar ke Komputer anda.
 
 
Ada satu negeri Google Earth tidak taampilkan yaitu Israel.
 
Itu karena, pada tahun 1997, Kongres meloloskan Undang-undang Pertahanan Nasional, Salah satu bagian yang berjudul, “Larangan pengumpulan dan pelepasan citra satelit rinci yang berhubungan dengan Israel.” Perubahan tersebut, yang dikenal sebagai Amandemen Kyl-Bingaman, panggilan untuk agen federal, yang NOAA’s Commercial Remote Sensing Regulatory Affairs, yang mengatur penyebaran dalam memperbesar Image Israel.

Source/Reference : Motherjones
 

 

Free Peta Batas Administrasi Desa Seluruh Indonesia

Standard
Free Download Peta Batas Admininistrasi Indonesia
Kumpulan 66291 Peta batas Desa seluruh Indonesia dalam format shapefile keluaran BAKOSURTANAL dengan sistem proyeksi peta Geographic datum WGS 1984, ukuran file 20 MB. Silahkan di Download dengan mengklik Link di bawah ini. Mudah2an bisa bermanfaat

 

Citra Satelit Resolusi Tinggi Dari ArcGIS Online WorldMap Imagery

Standard
Hingga 50 juta kilometer persegi dari Citra Satelit Resolusi telah ditambahkan ke World_Imagery layanan peta sepenuhnya diproses dan dipublikasikan ke ArcGIS Online.
World_Imagery dari ArcGis Online telah diperbarui Luasan cakupannya dengan Citra Satelit Resolusi Tinggi 1 meter dari IKONOS GeoEye. Sepertiga dari Citra Satelit IKONOS yang telah di Update meliputi kawasan Amerika Tengah, Indonesia, dan Malaysia. Berikut adalah beberapa contoh Tampilan gambar.
 
1m IKONOS citra untuk Masjid Omar Ali Saifuddien Sultan, Bandar Seri Begawan, Brunei
1m IKONOS citra untuk Masjid Omar Ali Saifuddien Sultan, Bandar Seri Begawan, Brunei
 
1m IKONOS citra untuk Terusan Panama
1m IKONOS citra untuk Terusan PanamaBerikut adalah Coverage Area Citra IKONOS yang diperbaruiPeta daerah pembaruan citra IKONOS di Indonesia dan Malaysia
Peta daerah pembaruan citra IKONOS di Indonesia dan Malaysia



 
Source/Reference : http://blogs.esri.com

Order Citra Satelit Yang Cocok Untuk Skala Peta Yang Diinginkan

Standard
    Sekali lagi diriku selalu mendapatkan kemudahan-kemudahan yang berangkat dari segala kesulitan-kesulitan, pada intinya didalam kondisi sesulit apapun selalu ada kemudahan. Sudah lama nggak posting ngisi tulisan yang manfaat buat teman-teman sekaligus berbagi pengalaman. Maklum volume pekerjaan lagi padat tiada henti dan tuntutan Kwalitas dari sang Quality Control target Progress Project by Project, Hari ke  hari, Minggu ke minggu, Bulan ke Bulan.  Ketika Rehat kembali ke Peraduan untuk beristirahat menyongsong esok lagi menyiapkan Kondisi Badan dan Stamina yang Fit, jadi ga sempat meng Update Blog ku.
Berangkat dari banyak pertanyaan User Satellite Imagery berdasarkan kebutuhan Lay Out Skala peta yang di inginkan dan jenis Resolusi Citra yang cocok sehingga ketika masuk ke Print shop Lay Out yang dihasilkan kwalitas Hard Copy yang tetap terjaga kwalitasnya.
Agar tidak bingung dan mempunyai keyakinan untuk mendapatkan skala peta yang pas dari Resolusi citra yang sudah diketahui begitu pun sebaliknya dalam rencana Order Citra Satelit apa yang cocok untuk skala peta yang diinginkan, Rumus perhitungan di bawah bisa di pakai.
Skala peta berbanding lurus dengan 2000 kali tiap meter Resolusi Citra.
Jadi, “Skala Peta” sama dengan  ” Resolusi Citra (meter)”  x  2  x  1000

Mis : apabila Citra yang anda gunakan adalah WorldView-2  dengan Resolusinya 0.5 meter maka skala yang bisa di dapatkan adalah Skala 1000, sebaliknya  untuk skala 1000 Peta yang akan di pakai Citra minimum adalah Resolusi 0.5 meter.

Blogged with the Flock Browser

Dimensi Spasial

Standard
Resolusi Spasial : Tinggi, Menengah, dan rendah
Skala Spasial data Penginderaan jauh bisa dikategorikan menjadi :
  1. Baik < 5 m
  2. Sedang 5 m – 100 m
  3. Kasar > 100 m
                           Resolusi tinggi: 2,4 pixel                                                                            Resolusi Sedang : pixel 25m
 
 
Hubungan Antara Resolusi Spasial dan luasannya
 
Dimensi Spasial dari Pencitraan Sensor baik ukuran Pixel, dan tingkat daerah yang dicakup oleh Image, semuanya saling terkait seperti yang ditunjukkan dalam gambar berikut 
 
 
 
 

 

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).
 

 

Pan-Sharpening

Standard
Sebagian besar Satelit resolusi tinggi dan menengah menangkap data resolusi tinggi dalam satu Band Panchromatic, dan data resolusi rendah pada beberapan Band Multispektral. Ukuran Pixel dari Band Multispektral merupakan kelipatan dari ukuran Pixel dari Band Panchromatic. Dengan teknik Pan-Sharpening kedua data tersebut digabungkan untuk menghasilkan Image yang berwarna dan detail yang lebih baik dari Citra Panchromatic. Dengan Citra yang telah di Pan-Sharpen anda akan mendapatkan citra berwarna yang cocok untuk berbagai Aplikasi, seperti Pemetaan data Spasial, Pemetaan Vegetasi, atau sebagai Peta dasar latar belakang Vektor. Dengan resolusi Spasial Tinggi memungkinkan anda untuk melihat objek lebih detail.

 

Pengolahan Citra

Standard
Image Processing merupakan ilmu khusus pengolahan citra digital pada dunia pemetaan khususnya Penginderaan Jauh ( Remote Sensing ) dengan tujuan untuk menghasilkan citra satelit yang mempunyai ketelitian dan akurasi koreksi Geometrik meskipun pada dasarnya Citra Original raw data citra mentah yang belum dilakukan pengolahan sudah georeference dan Ortho ready yang masih standar bawaan pada saat satelit melakukan shoot tasking (Pemotretan). Tujuan lain pengolahan citra adalah menghasilkan Citra yang bersih dari awan secara tampilan detail, Tajam, Seemline, dan warna yang seimbang (Color Balance). Citra satelit harus melalui beberapa proses berikut :

  • Image Pan-Sharpening
  • Koreksi geometrik dan Orthorektifikasi
  • Generate DEM
  • Cloud Removing
  • Contrast Enhancements
  • Image matching dan Mosaicking
Citra Raw Data ( WorldView-2 50cm )
Setelah proses Image Processing ( WorldView-2 50cm )

 

 

Citra Satelit Resolusi Tinggi | False Color Composite

Standard
Untuk pemanfaatan Hires Imagery dari Google earth tentu saja tidak maksimal. karna imagery dari DigitalGlobe, Geoeye, atau Spot yang di google earth tidak update dan apabila kita unduh imagerynya yang harus di rekti setelahnya hanya secara visual saja. sesuai kebutuhan kita Citra Resolusi Tinggi bisa kita  order ke Reseller resmi seperti kami Reseller resmi dari Digitalglobe khususnya hires Quickbird dan Worldview. kalau lebih ke visualisasi saja natural color standard sudah cukup dengan 3 Band RGB nya. tapi kalau untuk pengklasifikasian pemukiman, hutan, tanaman dan badan airnya kita bisa order  yang Bundle  Panchromatic 0.6m dan Multispectral 2.4m. kombinasi Band RGB 321 untuk natural color dari hasil pansharpnya yang menghasilkan res 0.6m 4 Band, kombinasi Band RGB 321 untuk natural color, 432 untuk False color Red, dan 342 false color Green. kentara sekali pengklasifikasian dengan kombinasi False color Red ataupun Green terlihat dari tanamannya. apalagi sekarang DigitalGlobe sudah publish dengan 8 Band dari WorldView-2 nya tapi data Archivenya masih Minim sekali untuk Kawasan Indonesia.


Natural Color 

False color Red 

False Color Green

Citra Satelit Quickbird | Pemanfaatan di Bidang Kehutanan

Standard
Aplikasi pada bidang kehutanan digunakan untuk monitoring program reboisasi, illegal loging dan timber management. Hal ini penting karena dengan citra Quickbird penebangan liar dapat diketahui dengan cepat dan akurat. Begitu pula untuk kegiatan lain, seperti monitoring kebakaran hutan, deforestation dan penebangan liar.
 
Kehutanan (Forest Fire)
Illegal Logging
Kehutanan (Timber Management)

 Deforestation

 

Citra Satelit Quickbird | Pemanfaatan dalam Monitoring Kebakaran dan Kecelakaan Lingkungan

Standard
Perencanaan Tanggap Darurat Kebakaran dan Kecelakaan Lingkungan. Digunakan untuk Perencanaan jalur evakuasi dan monitoring perkembangan. Objek yang diamati adalah :
  • Sungai 
  • Jalan
  • Bangunan 
  • Komposisi Tutupan Lahan
  • Kawasan Lindung 
  • Sumberdaya Air 
  • Evakuasi Area        
Rute Evakuasi
 
  Kawasan Rawan Bencana
 

 Hazardous Chemical Spills
Oil Spills
Air Polutan

Manfaat Quickbird di berbagai bidang

Standard
  • Resolusi 61 cm
  • Akurasi Paling Tinggi
  • Mudah melakukan identifikasi objek 
  • Sesuai untuk update peta
  • Dapat digunakan untuk monitoring perubahan dan perkembangan wilayah
Penetapan Batas Administrasi
 
Kegiatan Rekonstrruksi Pasca Bencana
  

Pertanahan (Rekonstruksi Kepemilikan Tanah)

Sebelum Tsunami

Sesudah Tsunami
 
 
Pertanian (Monitoring Kawasan Pertanian)
Perhitungan Jumlah pohon 
 

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

Perbandingan Klasifikasi Lahan

Standard
Untuk penentuan luasan penggunaan lahan (landuse) dan tutupan lahan (landcover) maka dapat dilakukan klasifikasi. Klasifikasi dapat pula digunakan untuk berbagai kegiatan seperti pertanian, kehutanan dan lain-lain. Klasifikasi dipakai pula dalam penentuan potensi lahan.
 
Perbandingan Klasifikasi Lahan

 

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

To Build The Future Is getting A Map Today

Standard

Pengertian dari Peta

Menurut International Cartographic Association, peta adalah: representasi berhubungan dengan permukaan Bumi, pada medium bidang datar, mempunyai skala, dan abstrak. Peta adalah alat visualisasi yang paling baik di dalam proses implementasi dan pemantauan. Secara singkat kita dapat mengatakan Peta merupakan  Sebuah representasi objek grafis pada permukaan bumi atau fenomena geografis yang didistribusikan.

Jenis – jenis Peta
Peta biasanya digolongkan dalam dua tipe:
peta topografi adalah alat referensi, yang menunjukkan garis-garis besar peta alam yang diwakili oleh kontur. topografi juga dapat berupa penunjukkan terhadap jalan, sungai, kontur dan objek – objek lain (Gambar 1.1).
peta tematik adalah alat referensi untuk mengkomunikasikan konsep geografi seperti distribusi kepadatan penduduk, iklim, pergerakan barang, penggunaan lahan dll (Gambar 1.1)


Sistem koordinat
Sebuah sistem koordinat dapat menentukan unit yang digunakan untuk menemukan objek – objek dalam ruang dua dimensi dan titik asal unit-unit. Lintang dan bujur adalah sistem koordinat (sering disebut “geografis” sistem koordinat).
Sebuah sistem referensi yang digunakan untuk mengukur jarak horisontal dan vertikal pada peta rencana metrik. Sebuah sistem koordinat biasanya ditentukan oleh suatu proyeksi peta, suatu referensi spheroid, datum, satu atau lebih paralel standar, meridian pusat, dan pergeseran mungkin di arah x dan y untuk menemukan posisi titik x ; y, garis, dan area. Sebuah sistem koordinat biasa digunakan untuk mendata data spasial geografis untuk daerah yang sama.


Koordinat Geografis
Sistem koordinat yang pengukuran lokasi di permukaan bumi dinyatakan dalam derajat lintang dan bujur.
Jenis Sistem Koordinat yang menggunakan dalam format :
1. DD (Decimal Degree)
2. DMS (Degree Minute Detik)
DD Sistem Koordinat

Nilai lintang dan bujur dinyatakan dalam format desimal dan bukan dalam derajat, menit, dan detik.Sistem Koordinat DMS
Derajat, Menit dan Detik (DMS): Nilai lintang dan bujur dinyatakan dalam derajat, menit, dan detik.

Datum
Seperti sistem koordinat yang dapat didefinisikan sebagai Sebuah data mendefinisikan referensi permukaan Dalam konstanta numerik atau geometris. Ada banyak jenis datums, Ada dua jenis utama datums:namun secara umum yang di pakai di dalam survey yang dat dijadikan referensi untuk menghitung atau mengkorelasikan hasil survei datum dikelompokkan ke dalam dua kategori yaitu Datum horisontal dan Datum vertikal.

datum Vertikal: datum yang menampilkan permukaan yang menunjukkan ketinggian. Di Amerika Serikat, datum vertikal yang biasa digunakan adalah geodetik datums vertikal nasional tahun 1929.
Datum Horizontal: Datum horizontal, digunakan sebagai referensi untuk posisi, didefinisikan oleh: garis lintang dan bujur dari titik awal, arah garis antara titik pertama dan titik kedua ditentukan secara dua dimensi.

Proyeksi Peta
Sebuah sistem yang dapat menerjemahkan lokasi di dunia ini dalam tampilan permukaan datar peta. Proyeksi adalah komponen fundamental dalam pembuatan peta. Secara matematika proyeksi  berarti mentransfer informasi dari tiga dimensi permukaan bumi menjadi bentuk melengkung ke dalam media kertas dua dimensi atau layar komputer. Masing-masing proyeksi berbeda jenisnya berdasarkan kecocokan masing-masing di pakai di dalam pemetaan untuk keperluan tertentu.

Proyeksi adalah sebuah metode transformasi matematika yang kompleks permukaan bumi yang melengkung yang di tampilkan pada permukaan yang datar. Permukaan bumi adalah melengkung mewakili tiga dimensi tetapi harus ditampilkan pada kertas peta lembar datar dua-dimensi, terdapat distorsi yang tidak bisa dihindari. Distorsi ditemukan pada saat peta hanya menunjukkan daerah kecil, dan terbesar ketika peta mencoba untuk menampilkan seluruh permukaan bumi. Proyeksi sangat penting untuk mengukur permukaan tanah, karena proyeksi peta mempengaruhi database suatu daerah.


Ada beberapa jenis proyeksi peta. Berikut dua contoh tipe:
1. Universal Transverse Mercator (UTM)
2. Geografis

Skala peta
Skala peta adalah perbandingan antara jarak pada peta dan jarak aktual yang sesuai di bumi. Jika peta memiliki skala 1:50.000, kemudian 2cm di peta sama dengan 1 km di permukaan bumi.
Cara Paling Populer untuk mendefinisikan skala peta adalah: “skala kecil” dan “skala besar” peta. Cara termudah untuk mengingat peta skala besar yang menunjukkan detail besar misalnya 1:10.000 dan peta skala kecil menunjukkan detail yang kecil, misalnya 1:250.000.
 

Download File Shp Batas Wilayah Kabupaten dan Kota Seluruh Indonesia

Standard
Kumpulan 440 batas administrasi Kabupaten/Kota seluruh Indonesia dalam format shapefile keluaran Kementrian Kehutanan Republik Indonesia dengan sistem proyeksi peta Geographic datum WGS 1984, ukuran file 3 MB. Silahkan di Download dengan mengklik Link di bawah ini.

var _gaq = _gaq || []; _gaq.push([‘_setAccount’, ‘UA-2531816-18’]); _gaq.push([‘_trackPageview’]); (function() { var ga = document.createElement(‘script’); ga.type = ‘text/javascript’; ga.async = true; ga.src = (‘https:’ == document.location.protocol ? ‘https://ssl&#8217; : ‘http://www&#8217;) + ‘.google-analytics.com/ga.js’; var s = document.getElementsByTagName(‘script’)[0]; s.parentNode.insertBefore(ga, s); })();

Contoh Citra Satelit Warna Natural

Standard

Contoh Citra Quickbird Natural Color Resolusi Spasial 0.6 m – Kota Semarang

Contoh Citra Quickbird Natural Color Resolusi Spasial 0.6 m – Kota Palembang

Contoh Citra Quickbird Natural Color Resolusi Spasial 0.6 m – Kota Yogyakarta

Pemesanan Citra Satelit | Prosedur Pemesanan

Standard
  1.       Untuk mengetahui kondisi ketersediaan Archieve Citra yang akan di Order harus diketahui terlebih dahulu lokasi AoI ( Area Of Interest ), berbentuk Polygon Area tertutup bisa dalam Format Shapefile, Mapinfo Tab File, KML/KMZ File, Autocad DWG File, atau Autocad DXF File. Polygon AoI dikirimkan lewat Email ke idonad2279@gmail.com atau yusufmelayu@yahoo.co.id
  2.       Polygon AoI harus Sudah tergeoreference, koordinat Projection baik itu Geographic (Long/lat) atau UTM (Universal Transverse Mercator). Untuk Projection UTM sudan ditentukan Zona AOI. Indonesia berada pada Zona 46 s/d 54, Bujur Timur (E) dan Lintang Utara (-N) dari Garis Khatulistiwa atau Lintang Selatan (+S) dari gari Khatulistiwa
  3.       Untuk Order Archive Citra hasil Quicklook Citra akan kami Report balik lewat Email. Quicklook berupa informasi ketersediaan Archieve Citra yang meliputi informasi Catalog Scene ID yang dipilih, Sensor citra, Tanggal Akuisisi (perekaman), dan Persentase ketertutupan awan pada lokasi AoI
  4.       Apabila ok dengan kondisi Quicklook Archive citra dari kami selanjutnya akan kirimkan penawaran Biaya Order Citra satelit
  5.       Untuk Order New Tasking (Perekaman baru) kami akan langsung kirimkan penawaran setelah AoI kami terima
 
Zona UTM Indonesia
                            
      Untuk Info lebih lanjut bisa menghubungi kami langsung :
  •       Contacy person atau sms : 081311274979 ( Ardi Yusuf )
  •       Email : idonad2279@gmail.com ; yusufmelayu@yahoo.co.id