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.
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.
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:
Kali ini saya akan membagikan data shp batas kabupaten/kota 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.
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.
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.
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:
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.
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.
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.
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.
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.
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.
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.
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
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.
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.
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)
Pada tulisan kali ini kita akan belajar mengenai geoportal. Disini admin akan share sumber-sumber geoportal yang juga sering admin gunakan dalam bekerja.
Uraian
Kemampuan untuk mencari dan menemukan sumber-sumber data geospasial yang akurat di internet harus dimiliki oleh seorang teknisi SIG dalam bekerja. Dengan banyaknya informasi yang ada di internet, tidak menjamin bahwa data geospasial dapat dengan mudah untuk ditemukan.
Dalam tutorial ini, kita akan belajar cara membuka data point cloud LiDAR. Pada tutorial ini kita akan menggunakan software LAStools dan ArcGIS. Setelah mengikuti tutorial ini, kita sudah bisa memproses dan menampilkan data point cloud pada ArcGIS.
Bahan dan Alat
Software
Software yang diperlukan untuk mengikuti tutorial ini adalah :
1. ArcGIS
Disini admin menggunakan ArcGIS versi 10.8. Pastikan untuk extension 3D analyst dan spatial analyst sudah dicentang. ArcGIS akan kita gunakan untuk menampilkan data point cloud yang sudah dalam format .LAS.
2. LAStools
Silahkan download software ini terlebih dahulu. LAStools akan kita gunakan untuk merubah format data point cloud dari format .LAZ menjadi .LAS. Untuk situs resminya silahkan mengunjungi link berikut LAStools.
Kami menggunakan cookie di situs web kami untuk memberi Anda pengalaman yang paling relevan dengan mengingat preferensi Anda dan kunjungan berulang. Dengan mengklik "Accept", Anda menyetujui penggunaan SEMUA cookie.
This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.