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.
Advertisements

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.