SEWAKTU sekolah dasar, saya ingat sekali Bapak membelikan kami atlas Indonesia. Tak tanggung-tanggung, ada tiga jumlahnya. Dari yang sederhana (hanya tiga warna per halaman) hingga yang multi warna dalam pewarnaan wilayah elevasinya.
DEM adalah kependekan dari Digital Elevation Model yang merupakan data berisi informasi tiga dimensi dari permukaan bumi relatif terhadap ketinggian muka laut. Data DEM bisa digunakan untuk membuat peta tiga dimensi karena mengandung informasi x, y dan z.
Sumber data DEM beragam dan bisa diunduh dari berbagai macam kanal seperti earth explorer, CGIAR ataupun BIG untuk data DEM dalam negeri. Resolusinya pun beragam mulai dari 90 meter (SRTM), 30 meter (ASTER GDEM, ALOS PRISM) maupun 8 meter seperti DEMNAS. Khusus untuk tulisan ini akan membahas data yang bersumber dari ALOS PRISM yang bisa dengan langsung diunduh melalui QGIS.
Continue reading “Mengunduh data DEM ALOS PRISM dari QGIS secara gratis”SEKITAR enam tahun yang lalu saya pernah menulis tentang bagaimana kita bisa memanfaatkan data CORS yang dikelola oleh BIG untuk keperluan koreksi pengukuran data lewat GPS receiver. Tulisan tersebut bisa dilihat di link ini. Selanjutnya saya tidak ingat persis akhirnya cara tersebut tidak bisa digunakan lagi.
Continue reading “Download data INACORS untuk keperluan post-processing”AKSES pengguna data spasial terhadap big data (dalam tulisan ini citra satelit) sekarang ini bisa dibilang sangat terbuka. Asal memiliki jaringan internet dan laptop (atau bahkan perangkat handphone), kita bisa mengakses, mengolah, analisis hingga penyajian data sesuai area yang diinginkan. Praktis dan gratis!
QUANTUM GIS (QGIS) adalah satu software pengolah data spasial yang belakangan ini cukup populer karena banyak digunakan dalam pemetaan partisipatif oleh NGO di berbagai belahan dunia. Selain itu karena merupakah software tak berbayar, semakin banyak user yang menggunakan QGIS untuk memudahkan pekerjaan mereka.
Mayoritas format data vektor yang digunakan untuk mengolah data spasial yaitu shapefile (.shp). Format data yang dikenalkan oleh ESRI ini memang sangat populer sejak kemunculannya pertama kali karena hampir semua software GIS bisa membaca format ini. Belakangan muncul format lebih mutakhir dari shp yaitu mdb (personal geodatabase) dan gdb (file geodatabase) yang bisa sekaligus menyimpan data vektor berikut unsur tambahan lainnya seperti topologi, relationship class, penyimpanan data raster, toolbox hingga behaviour rules nya.
DEM adalah kependekan dari digital elevation model yang merupakan sebuah representasi bentuk permukaan bumi dalam format digital. Dengan melihat DEM, singkatnya kita bisa lebih mudah melihat variasi bentuk permukaan bumi misalnya seperti topografi.
Continue reading “Pilihan menggunakan model elevasi digital”
Dari sekian banyak sistem koordinat yang embedded pada informasi geografis, umumnya pengguna akan memakai geographic atau UTM. Tentunya dalam teknis penggunaannya, ‘mengolah’ data yang memiliki sistem koordinat geographic akan relatif lebih mudah dibandingkan dengan UTM, apalagi dalam aplikasi area yang cukup luas. Mengingat satuan ‘hitung’ yang dipakai pada UTM menggunakan satuan meter, sistem koordinat ini justru banyak dipakai juga pada teknis pekerjaan yang memerlukan perhitungan lebih presisi.
Portal Geospatial Indonesia – Salah satu upaya pemerintah dalam menindaklanjuti UU Nomor 4 tahun 2011 tentang informasi geospasial, maka Portal Geospasial Indonesia hadir sebagai solusi ditengah-tengah masyarakat. Informasi yang terdapat pada portal berupa informasi data spasial dasar yang dapat diakses oleh publik secara bebas.
Pada tulisan kedua ini saya akan menyajikan hasil interpretasi dari foto satelit di Kota Medan dan Binjai dengan menggunakan metode standar untuk melihat vegetasi. Lha untuk apa melihat vegetasi? Tentu saja dengan melihat vegetasi kita bisa menentukan apakah masih ada area-area yang hijau. Lalu buat apa jika sudah tahu area hijaunya? Dalam konteks tata ruang perkotaan tentu saja si ruang hijau memiliki posisi penting. Sudah banyak kota menerapkan koefisien wilayah ruang terbuka hijau sebesar 30% dari total luas areanya. Jika masih kurang, ya harus ditambah ya! 🙂
Adapun tahapan pengolahan citra satelit yang saya lakukan yaitu sebagai berikut:
1. Merubah nilai dijital pada citra menjadi nilai reflektan. Nilai default Landsat 8 berupa nilai-nilai dijital (digital number) yang nilainya biasanya ribuan. Dengan merubah nilai dijital ke nilai reflektan maka nilai tiap piksel yang mencerminkan tingkat reflektansi objek tiap piksel bisa diketahui. Objek air memiliki nilai reflektansi yang tinggi karena tidak mampu menyerap sinar matahari secara sempurna. Lain hal dengan aspal misalnya yang memiliki nilai reflektansi jauh lebih rendah dari air. Nilai reflektansi tiap objek berkisar dari 0 sampai 1.
2. Melakukan koreksi dari sudut azimuth penyinaran sinar matahari. Pada metadata setiap scene dari Landsat terdapat nilai sudut azimuth penyinaran. Dari angka yang tertera kita bisa melakukan perhitungan untuk mengoreksi citra sebelum dilakukan pengolahan lebih lanjut. Step by step dari cara ini akan saya sajikan di lain kesempatan.
3. Koreksi lainnya seperti koreksi awan tipis atau substraksi piksel gelap. Namun begitu, pengolah data harus pandai menentukan apakah koreksi perlu dilakukan atau tidak.
4. Perhitungan Normalised Difference Vegetation Index. NDVI merupakan algoritma standar yang populer digunakan untuk menghitung tingkat kehijauan vegetasi. Rumus untuk melakukan hitungan NDVI yaitu – ini untuk Landsat 8 : (kanal NIR atau kanal 5 – kanal Red atau kanal 4) / (kanal NIR atau kanal 5 + kanal Red atau kanal 4). Hati-hati jika melakukan perhitungan NDVI antara Landsat ETM dengan Landsat 8 ya. Intinya ada di NIR dan Red. Untuk perhitungan di luar Landsat 8, silakan cek terlebih dahulu spesifikasi kanalnya ya.
Gambar di atas memperlihatkan kondisi indeks vegetasi di Kota Medan dan Kota Binjai. Apa yang bisa kita simpulkan dari gambar tersebut? Untuk mempermudah membaca hasil olahan gambar, saya buat simbol indeks vegetasi dari berwarna hijau hingga merah. Semakin hijau menandakan area bervegetasi dengan kerapan yang tinggi. Sebaliknya semakin merah, area tersebut tidak memiliki vegetasi. Nah, jika melihat gambar tentu saja untuk Kota Medan didominasi oleh area berwarna oranye sampai kemerahan yang berarti area tersebut sudah tak bervegetasi.
Bagaimana dengan Binjai? Kabar gembira untuk yang ingin berinvestasi tanah di sana, hehe :). Di bagian Tenggara, Selatan, dan Barat Laut masih berwarna hijau royo-royo tuh ya. Hal ini berarti di ketiga bagian tersebut masih terdapat area yang berupa vegetasi alias non built up area.
Cukup sekian ulasan dari saya terkait dengan kondisi indeks vegetasi di Medan dan Binjai. Sebenarnya masih banyak yang bisa dikupas lebih mendalam, namun sebaiknya disajikan di tulisan-tulisan berikutnya saja.
postscript: Pada bagian ketiga akan mengulas secara singkat kondisi tutupan lahan di Medan dan Binjai
Anggi Kusumawardani 