GeoTIFF: Format File Penting untuk Data Raster Geospasial

by
Home » Blog

Pengenalan

GeoTIFF telah menjadi format yang unggul untuk siapa saja yang bekerja dengan data raster geospatial, berkat dari kehandalan dalam menyimpan metadata yang kaya disamping hanya menyediakan data raster. Dari citra satelit hingga Digital Elevation Model (DEMs), geotiff menawarkan kelincahan dan akurasi yang dibutuhkan baik itu dalam disiplin monitor lingkungan, perencanaan perkotaan, dan kartografi. Artikle ini akan menggali mengenai asal usul GeoTIFF, keunggulannya, bagaimana geotiff menyimpan data spasial, dan bagaimana cara memeriksa metadata menggunakan Python.

Sejarah GeoTIFF

Pengembangan GeoTIFF awalnya dimulai diawal tahun 1990-an. Sebelum itu, belum ada suatu cara standar untuk menyimpan data raster yang didalamnya termuat informasi geospatial. NASA’s Jet Propulsion Laboratory (JPL) dan kolaborator lainnya memimpin pengembangan dari geotiff untuk mengatasi kebutuhan ini.

  • 1995: versi resmi spesifikasi GeoTIFF pertama diluncurkan. Geotiff ini meningkatkan kemampuan standar TIFF untuk mengakomodasi kebutuhan metadata geospatial, seperti sistem referensi koordinat dan geotransformasi matriks, memungkinkan penempatan akurat koordinat geografis
  • 1990s-2000: GeoTIFF mengalami adopsi yang cepat disepanjang industri, umumnya pada GIS dan remote sensing, karena kehandalannya dengan software seperti ArcGIS, Erdas Imagine, dan software open-source lainnya seperti AGIS dan GDAL.
  • 2019: Open Geospatial Consortium (OGC) mengakui GeoTIFF sebagai sebuah standar resmi, kemudian memposisikannya dalam ekosistem data geospatial. Langkah ini mendorong adopsi dan peningkatan terus menerus untuk GeoTIFF.

Sejarah dari awal pengembangan GeoTIFF dan dukungan yang luas menyebabkan menjadi format pilihan untuk data raster geospatial sampai hari ini.

Keuntungan geotiff

  1. Akurasi tinggi: memungkinkan data geolokasi yang akurat
  2. Mandiri: file GeoTIFF menyimpan data dan metadata dalam satu file, menyederhanakan pertukaran dan penggunaan data
  3. Kompatibilitas luas: didukung oleh kebanyakan software GIS dan remote sensing

Bagaiamana GeoTIFF menyimpan data geospatial

GeoTIFF file melampaui penyimpanan data pixel dengan juga menanamkan metadata spasial. Berikut merupakan bagaiamana cara informasi geospasial ditanamkan:

  • Sistem Referensi Koordinat: GeoTIFF menyertakan metadata mengenai proyeksi peta dan sistem koordinat. Ini memungkinkan sebuah gambar untuk dapat secara akurat ditempatkan pada suatu permukaan bumi, baik itu menggunakan UTM, WGS84, atau proyeksi lainya
  • Matrix Geo-Transformasi: Sebuah matrix transformasi mentranlasi suatu lokasi pixel kedalam koordinat geografis. Matrix ini berisi:
    • Awal (pojok kiri atas): menentukan lokasi geografis dari suatu pixel yang berada pada ujung atas kiri pixel
    • Ukuran pixel: menentukan ukuran spasial dengan mengindikasi jarak sebenarnya dari suatu permukaan bumi yang direpresentasikan dari suatu pixel
    • Informasi rotasi: jika suatu image ‘ditarik’ atau dirotasi, matriks akan menghitung ini untuk dilakukan transformasi
  • Tag georeference: TIFF format memungkinkan untuk sebuah tag, dan GeoTIFF menggunakan tag spesifik untuk menyimpan data geospasial:
    • Model Tie Point Tag: menautkan spesifik lokasi pixel dengan koordinat geografis
    • Model Pixel Scale Tag: mendefinisikan ukuran untuk setiap pixel dalam hal unit real-word
    • Model Transformation Tag: menyediakan transformasi tambahan jika dibutuhkan

Dengan menyimpan informasi berikut dalam suatu file, file geotiff mempertahankan konteks spasial dan memungkinkan analisis spasial yang akurat

Bagaimana cara memeriksa metadata GeoTIFF dengan Python

Python menawarkan library yang kuat, seperti GDAL dan Rasterio. Untuk memeriksa dan bekerja dengan file GeoTIFF. Berikut merupakan cara bagaimana memeriksa metadata GeoTIFF dengan menggunakan library tersebut:

Menggunakan GDAL:

https://github.com/donjoe1996/geosai.my.id/blob/main/(241011_geosai)check_geotiff_metadata.ipynb

Kesimpulan

GeoTIFF merupakan sebuah format handal yang memungkinkan data spasial akurat dan kompatibel untuk kebanyakan software GIS. Dengan memuat metadata dan informasi koordinat, geotiff menyediakan kemampuan yang memadai dan standarisasi untuk menangani citra spasial. library Python seperti GDAL dapat memungkinkan untuk akses data GeoTIFF dan mengakses metadatanya menjadi mudah, memudahkan alur pengerjaan dalam hal monitoring lingkungan, remote sensing, dan perencanaan perkotaan

Blender GIS 101

by
Home » Blog

Konteks

Artikel ini merupakan tutorial pengenalan mengenai Blender GIS. Pada artikel ini saya akan membahas sedikit mengenai software ini dan bagaimana software mengangani data spasial. Artikel ini tidak akan terlalu panjang dan mendalam membahas tentang Blender GIS.

Sekilas tentang Blender GIS

Blender GIS merupakan sebuah add-on untuk Software Blender, sebuah software popular open-source 3D. Add-on menjembatani kekosongan antara GIS dan 3D modeling, memungkinkan user untuk import, memanipulasi, dan memvisualisasikan data geospatial dengan environment 3D Blender. Software ini memungkinkan integrasi nyata data geografis kedalam scene 3D, sehingga membuatnya merupakan suatu alat untuk urban planners, arsitek, game developers, dan siapa saja yang bekerja dengan menggunakan data geografis yang akurat.

Read more

Membuat Topographic Wetness Index (TWI) Menggunakan SAGA GIS

by
Home » Blog

Pengenalan

Topographic Wetness Index (TWI) merupakan sebuah attribute terrain yang dapat mengkuantifikasi pengaruh topography pada process hydrologi pada suatu watershed. Tutorial ini akan memandu anda dalam proses untuk membuat TWI menggunakan System for Automated Geoscientific Analyses (SAGA) GIS.

Langkah 1: Download dan install SAGA GIS

Pertama-tama, silahkan mendownload dan menginstall SAGA GIS. Merupakan sebuah software gratis dan open source yang berarti bahwa source code dapat dimanipulasi untuk dapat menyesuaikan kebutuhan pengguna. Anda dapat mendownloadnya dari official site SAGA GIS.

Read more

Konversi GeoTIFF ke Numpy Array

by
Home » Blog
MODIS imagery dalam format GeoTIFF

Klasifikasi image bertujuan untuk mengkelaskan nilai masing-masing pixel suatu image menjadi suatu kelas diskrit tertentu. Image dapat dikelaskan menjadi dua kelas (binary classification) ataupun lebih. Contoh dalam binary classification adalah mengkelaskan image menjadi kelas badan air atau non badan air.

Klasifikasi image dapat dilakukan dengan menggunakan software pengolah image/GIS seperti ENVI, ArcGIS, QGIS, maupun Google Earth Engine. Software tersebut biasanya sudah memiliki classifier/model untuk kita dapat melakukan klasifikasi.

Lalu bagaimana jika kita ingin membuat model classifer kita sendiri yang kemudian akan kita gunakan untuk melakukan klasifikasi. Banyaknya library open source machine learning memungkinkan hal ini dapat dilakukan saat ini seperti contoh library scikit-learn.

Read more

[Baru]Download Data Batas Desa per Kabupaten/Kota Seluruh Indonesia Edisi September 2023

by
Home » Blog

Kali ini saya akan membagikan data shp batas desa update tahun 2023. Shp ini dapat juga teman-teman download dari Inageoportal dalam format .gdb. Data ini dapat digunakan baik untuk project kuliah maupun pekerjaan.

Silahkan untuk mendownload melalui tautan berikut:

[Download Shp Batas Desa, Kecamatan, Kabupaten/Kota, dan Propinsi Tahun 2020]

[Baca juga: Download shp kabupaten/kota Indonesia]

Read more

Membuat Web Map dengan Mudah

by
Home » Blog

Untuk dapat menyajikan hasil analisa GIS, ada beberapa pilihan yang dapat dilakukan seperti membuat peta cetak maupun webmap. Terdapat beberapa kelebihan dan kekurangan dari kedua output tersebut.

Menyajikan data spasial dengan menggunakan web map memiliki banyak keunggulan diantaranya mudah untuk dibagikan ke orang lain via smartphone. Akan tetapi untuk dapat membuat webmap membutuhkan proses yang lebih panjang dari membuat peta dan sering kali juga harus membuat codingnya.

[Baca juga : Membuat Landcover dengan Google Earth Engine]
[Baca juga: Sumber data Geoportal]

Akhir-akhir ini di LinkedIn, saya sering melihat beberapa posting mengenai Felt dan saya penasaran untuk mencobanya. Felt adalah suatu platform webapp yang dapat digunakan untuk membuat, mengedit, dan membagikan webmap.

Untuk dapat menggunakan Felt ini juga sangat mudah dan aplikasinya sangat intuitif. Adanya pilihan untuk upload data spasial dan styling cartography yang mudah menjadikan Felt ini aplikasi yang menarik untuk dicoba.

Kelebihan Felt

Read more

Tutorial Google Earth Engine Dasar – Masking

by
Home » Blog

Pada tulisan kali ini saya akan membahas tutorial basic Google Earth Engine yaitu mengenai masking. Tujuan dari tutorial ini adalah untuk mendapatkan area pada suatu citra yang diidentifikasi sebagai area perairan dari hasil perhitungan NDVI. Beberapa terminologi yang harus kita pahami terlebih dahulu adalah sebagai berikut:

[Baca juga : Membuat Landcover dengan Google Earth Engine]
[Baca juga: Sumber data Geoportal]

  • Thresholding: dalam GEE thresholding merupakan suatu process konversi sebuah image dari nilai kontinyu menjadi image dengan rentang nilai binary, dimana tiap-tiap pixel akan ditentukan menjadi nilai 0 atau 1. Ini dapat dilakukan dengan membandingkan tiap-tiap nilai pixel ke suatu nilai threshold dan menggunakan logical operators untuk membantu kita untuk mempartisi sebuah image kedalam kategori nilai.
  • Logical operators: dalam GEE ini digunakan untuk mengkombinasikan beberapa boolean expressions atau nilai dan mengembalikan sebuah output nilai boolean. Operator ini dapat digunakan untuk mask image, membuat klasifikasi peta, dan melakukan operasi kondisional lainnnya.
  • Masking: dalam GEE masking merupakan suatu process identifikasi dan membuang pixel dari sebuah image yang bukan merupakan objek fokus kita. Ini biasanya dilakukan dengan beberapa alasan, seperti untuk menghilangkan awan, bayangan awan, air, ataupun objek yang tidak dikehendaki.

Seperti kita ketahui bahwa nilai NDVI memiliki rentang dari -1 hingga 1, dimana umumnya nilai NDVI dibawah 0 merupakan daerah perairan dan nilai diatas 0.5 merupakan vegetasi. Nilai diantara 0 dan 0.5 biasanya merupakan daerah perkotaan/urban atau bisa jadi juga merupakan daerah dengan vegetasi dengan kerapatan rendah.

NDV
Nilai NDVI < 0 merupakan perairan (merah), NDVI > 0.5 daerah memiliki vegetasi (hijau), dan daerah dengan warna putih merupakan daerah urban.

Read more

11 Library Python untuk Pengelolaan Data Geospasial yang Efisien

by
Home » Blog

Di dunia yang didorong oleh data saat ini, kemampuan untuk bekerja secara efektif dengan data geospasial semakin penting di berbagai industri. Data geospasial, yang mencakup informasi terkait lokasi dan fitur geografis, dapat memberikan wawasan berharga untuk perencanaan perkotaan, pemantauan lingkungan, optimisasi transportasi, dan banyak lagi. Python, bahasa pemrograman yang serbaguna, menawarkan sejumlah pustaka yang dirancang khusus untuk mengelola data geospasial, sehingga memudahkan pengembang, ilmuwan data, dan profesional GIS untuk memanipulasi, memvisualisasikan, dan menganalisis informasi spasial. Dalam artikel ini, kami akan menjelajahi 10 library Python yang penting beserta proyek GitHub mereka yang memainkan peran krusial dalam pengelolaan data geospasial.

1. Geopandas

GitHub: geopandas/geopandas

Geopandas adalah pustaka yang kuat yang menggabungkan kemampuan pandas dan shapely, membuatnya mudah untuk bekerja dengan data geospasial. Ini memungkinkan manipulasi data vektor (titik, garis, poligon) dan menyederhanakan operasi geospasial umum seperti membaca dan menulis berbagai format file, melakukan penggabungan spasial, dan melakukan analisis spasial.

Read more

Download Data IUPHHK-HTI & HA

by
Home » Blog
Screen shot Felt (Free plan tidak bisa lagi embedded map ke wordpress)

Apa Itu IUPHHK-HTI dan HA?
IUPHHK-HTI, atau izin usaha pemanfaatan hasil hutan kayu untuk hutan tanaman industri, diberikan kepada pihak yang berkepentingan dalam penanaman dan pemanfaatan kayu dari hutan tanaman industri. Sementara itu, IUPHHK-HA, atau izin usaha pemanfaatan hasil hutan kayu untuk hutan alam, diperoleh oleh pihak yang tertarik untuk mengelola dan memanfaatkan hasil hutan kayu dari hutan alam.

[Baca juga: Membuat Landcover dengan Google Earth Engine]
[Baca juga: Sumber Geoportal]

Penggunaan Umum Batas IUPHHK-HTI dan HA

  1. Perencanaan Wilayah Batas IUPHHK-HTI dan HA menjadi panduan penting dalam perencanaan wilayah. Peta batas ini membantu pihak terkait untuk mengidentifikasi area yang diperuntukkan bagi kegiatan HTI dan HA, mencegah tumpang tindih kegiatan, dan mengoptimalkan penggunaan lahan.
  2. Konservasi Lingkungan Data batas juga menjadi kunci dalam upaya pelestarian lingkungan. Pemahaman yang jelas tentang area yang termasuk dalam IUPHHK-HA dapat membantu dalam menetapkan zona-zona konservasi, melindungi keanekaragaman hayati, dan memastikan keberlanjutan ekosistem hutan alam.
  3. Manajemen Sumber Daya Bagi pemangku kepentingan di sektor kehutanan, informasi tentang batas IUPHHK-HTI memberikan pedoman untuk pengelolaan keberlanjutan hutan tanaman industri. Ini mencakup pemantauan pertumbuhan pohon, penanaman ulang, dan tindakan lainnya untuk memastikan sumber daya kayu dikelola secara berkelanjutan.

Untuk teman-teman yang ingin mengunduh data ini, silahkan membalas pada kolom komentar.
Terima kasih.

Download Konsesi Kelapa Sawit

by
Home » Blog

1. Apa Itu Konsesi Kelapa Sawit?

Konsesi kelapa sawit adalah wilayah tanah yang diberikan oleh pemerintah kepada perusahaan atau individu untuk mengelola pertanaman kelapa sawit. Dalam praktiknya, konsesi ini menjadi basis utama produksi minyak kelapa sawit, yang memiliki peran vital dalam industri pangan, kosmetik, dan bioenergi. Seiring dengan meningkatnya permintaan global, pemahaman mendalam mengenai konsesi kelapa sawit menjadi semakin penting.

2. Penggunaan Umum Batas Wilayah Konsesi Kelapa Sawit

[Baca juga: Download shp kabupaten/kota di Indonesia]

[Baca juga: Proses data LiDAR Part 1]

Unduhan data konsesi kelapa sawit memberikan akses ke informasi geospasial yang mencakup batas wilayah konsesi tersebut. Penggunaan umum dari data ini melibatkan pemetaan dan analisis visual untuk memahami distribusi geografis pertanaman kelapa sawit. Ini memberikan pemangku kepentingan, seperti peneliti, aktivis lingkungan, dan pihak berkepentingan industri, pemahaman yang lebih baik tentang dampak ekologis dan sosial dari keberadaan konsesi kelapa sawit.

Melalui informasi ini, dapat dilakukan pemantauan terhadap perubahan penggunaan lahan, keberlanjutan, dan dampak lingkungan. Selain itu, data konsesi kelapa sawit juga dapat menjadi dasar untuk pengembangan kebijakan yang lebih berkelanjutan dalam mengelola sumber daya alam ini. Data ini berasal dari GFW yang pernah saya gunakan untuk bekerja.

Download shapefile.

Sekian,
terima kasih.

Membuat Landcover dengan Google Earth Engine

by
Home » Blog

Google Earth Engine adalah platform sumber terbuka yang menyediakan akses ke data penginderaan jauh global dan memberikan kemampuan analisis dan visualisasi yang kuat. Salah satu aplikasi dari platform ini adalah untuk membuat tutupan lahan/landcover.

[baca juga : Pengenalan Google Earth Engine]

[baca juga : NDVI dengan Google Earth Engine]

Dalam artikel ini, kami akan membahas penggunaan beberapa Indeks Vegetasi sebagai input band dalam melakukan prediksi tutupan lahan. Indeks Vegetasi yang akan digunakan meliputi NDVI, GRVI, OSAVI, dan EVI.

// ######################################################################################################
//                                    ### Set up Vegetaion Indices ###
// ######################################################################################################

var vegIndices = require("users/donjoe826/default:vegIndices")
var ndvi = vegIndices.NDVI(s2CloudMaskedClip, 'B8', 'B4') 
var grvi = vegIndices.GRVI(s2CloudMaskedClip, 'B3', 'B4')
var osavi = vegIndices.OSAVI(s2CloudMaskedClip, 'B8', 'B4')
var evi = vegIndices.EVI(s2CloudMaskedClip, 'B2', 'B3', 'B8')
var ndviTex = vegIndices.NDVITex(ndvi) 
var eviTex = vegIndices.EVITex(ndvi)

Read more