Professional Documents
Culture Documents
03 - 019 - Zakky Nurshidiq - Google Earth Engine II - NBR
03 - 019 - Zakky Nurshidiq - Google Earth Engine II - NBR
Disusun Oleh:
BAB I
PENDAHULUAN
1.3 Tujuan
Adapun tujuan pelaksanaan dari kegiatan ini adalah sebagai berikut:
1. Praktikan dapat memahami dan melakukan pemanggilan citra dan
pemotongan awan menggunakan platform Google Earth Engine (GEE).
2. Praktikan dapat melakukan dan menganalisis cara kerja Normalized
Burn Ratio (NBR) untuk bencana kebakaran.
BAB II
DASAR TEORI
tersedia secara publik lagi. Biasanya untuk mendapatkan citra harus melalui
platform USGS maupun ESA, namun Google Earth Engine telah
mengumpulkannya menjadi satu di platformnya dan memiliki arsip citra
penginderaan jauh berukuran petabyte yang siap digunakan sehingga Sangat
praktis untuk analis Geografi. (Gorelick dkk., 2017). Terdapat beberapa data
yang tersedia dalam GEE, seperti data Landsat, Sentinel, MODIS, ASTER,
SRTM, DEM, AW3D30 DSM, Global 30 Arc-Second Elevation, dan lainnya.
Dengan demikian, karakteristik GEE dapat mengizinkan penyesuaian analisis
medan berkinerja tinggi dengan input pengguna minimal dan pemrosesan
komputasi pada sisi pengguna.
prototype serta visualisasi data spasial yang kompleks dengan analisis yang
kompleks menggunakan Javascript API.
2.5. JavaScript
Perkembangan teknologi penginderaan jauh saat ini semakin mengarah
ke pengolahan berbasis cloud computing, yang mana pengolahan ini sudah
menerapkan prinsip machine learning dalam pengerjaanya sehingga
memanfaatkan sistem komputer yang telah terintegrasi dengan provider Google
Earth Engine. Peran customer saat ini cukup melakukan perintah dan
pemanggilan data dan selanjutnya sistem akan mempelajari pola data yang ada
lalu mengerjakan sesuai dengan yang diperintahkan. Perlu diketahui perintah-
perintah dalam melakukan pengolahan data geospasial di Google Earth Engine
dilakukan menggunakan bahasa pemrograman JavaScript. Oleh karena itu
penting bagi para ahli kebumian saat ini untuk memahami mengenai bahasa
Keterangan :
NBR : Normalized Burn Ratio
NIR : Nilai spektral near infrared (Band 8A)
SWIR : Nilai spektral shortwave infrared (Band 12)
Berdasarkan (Wulder & Franklin, 2006), menyatakan bahwa nilai dNBR
mampu digunakan untuk mengestimasi tingkat keparahan kebakaran hutan dan
lahan dengan baik. dNBR dihitung dengan menggunakan data citra satelit
sebelum dan sesudah terbakar. Hasil nilai dNBR yang tinggi menunjukkan telah
terjadi kebakaran besar hingga mengakibatkan kerusakan yang parah,
sedangkan nilai dNBR negatif menunjukkan tingkat pertumbuhan vegetasi yang
tinggi setelah terbakar (Saputra dkk, 2017). Nilai dNBR dapat dihitung
menggunakan persamaan berikut.
dNBR = NBR pre fire - NBR post fire
Keterangan :
dNBR : Selisih NBRprefire dan NBRpostfire
NBRprefire : NBR citra sebelum terbakar
NBRpostfire : NBR citra sesudah terbakar
BAB III
METODOLOGI
3.1. Lokasi
Kegiatan praktikum ini dilaksanakan secara daring di Kontrakan
GeoFunny, Jl. Beringin Raya 2 No 66, Maguwoharjo, Sleman, Daerah istimewa
Yogyakarta pada hari Jum’at, 08 Desember 2023.
9. Membuat variabel baru untuk membuat komposit pada citra sebelum dan
sesudah terjadi kebakaran.
10. Membuat variabel baru untuk menampilkan area yang terdampak kebakaran
menggunakan false color.
Note : Daerah yang baru terbakar tampak cerah dalam band SWIR.
11. Kemudian Run, maka tampilan citra sebelum dan sesudah kebakaran seperti
berikut:
12. Menghitung Normalized Burn Ratio menggunakan band NIR (Band 8A)
dan band SWIR (Band 12).
13. Membuat variabel baru untuk menampilkan hasil NBR sesudah dan
sebelum kebakaran.
14. Kemudian Run, maka tampilan NBRprefire dan NBRpostfire akan seperti
berikut.
Note :
NBRprefire :NBR citra sebelum terbakar
NBRpostfire : NBR citra sesudah terbakar
15. Membuat variabel baru untuk menghitung dNBR dengan persamaan NBR
pre fire - NBR post fire → lalu memasukkan threshold → dan
menampilkan daerah yang terbakar atau burned area.
Note : Threshold merupakan nilai ambang batas dalam penentuan
informasi area terbakar, Semakin rendah nilai threshold maka informasi
akan area terbakar akan semakin kuat ketika nilai threshold tinggi maka
informasi area terbakar akan semakin lemah.
16. Lalu Run , maka hasil tampilan dari daerah yang terbakar atau burned area
adalah sebagai berikut.
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil
Hasil yang didaptkan dari praktikum pemanfaatan Google Earth
Engine untuk Normalized Burn Ratio (NBR) yaitu sebagai berikut ini:
Gambar 4. 6 Peta Hasil Google Earth Engine : Normalized Burn Ratio (NBR)
Area New South Wales, Australia. (Sumber: dokumen pribadi)
4.2. Pembahasan
BAB V
KESIMPULAN
5.1. Kesimpulan
Dari kegiatan praktikum pemanfaatan Google Earth Engine untuk
Normalized Burn Ratio (NBR) yang telah dilakukan, maka dapat diambil
kesimpulan sebagai berikut:
1. Google Earth engine (GEE) menjadi platform teknologi yang
memungkinkan analisis citra dan komputasi spasial secara real-time,
mendukung kecepatan dan efisiensi, dalam praktikum ini khususnya dalam
monotoring dan evaluasi lahan yang megalami kebakaran.
2. Pemanfaatan platform GEE digunakan untuk memanggil citra Sentinel-2A,
melakukan proses cloud masking, proses komposit citra, dan menghitung
NBR.
3. Pada praktikum ini, pratikan telah melakukan pengolahan Normalized Burn
Ratio (NBR) menggunakan platform Google Earth engine (GEE) dengan
sangat baik, dapat dilihat pada hasil dan pembahasan yang ada.
4. Praktikan dapat menyimpulkan bahwa area kajian New South Wales,
Australia dalam range waktu kajian 08 November 2021 – 08 November
2022 pada vegetasi dan tanah telah mengalami penurunan kualitas karena
dampak kebakaran hutan atau lahan.
Dari kegiatan praktikum yang telah dilakukan, praktikan telah menambah
wawasan dan pegalama yang mendalam dalam pemamfaatan GEE untuk
perhitungan index NBR. Thanks, Lopp you All ASLAB
DAFTAR PUSTAKA