Hasil Pencarian  ::  Simpan CSV :: Kembali

"Two multi-temporal as well as multi-sensor data of LANDSAT MSS (1979) and MOS (1991) were used for Mangrove Forest change detection in Tg. Karawang, West Java. About 13,986 hectare decrease of total volume of the Mangrove Forest were detected for 12 years from 1979 to 1991. Procedures for change detection of vegetated areas employed in this study were detected by post-classification differencing technique. Landsat MSS image was registered to MOS image after the extraction of the test area from the each original image. A land cover classification image of the Landsat MSS in 1979 was produced by the supervised maximum likelihood classification method, another land cover classification image of the MOS Data 1991 was produced by the same method."

"Kebakaran hutan dan lahan merupakan bencana alam yang terjadi berulang hampir setiap tahun di Indonesia, dan mengakibatkan kerugian ekonomi yang besar maupun bagi lingkungan. Penggunaan data satelit penginderaan jauh dalam menurunkan informasi fire hotspot dapat digunakan untuk melakukan pemantauan kebakaran lahan gambut (peat) dan tanah mineral (non-peat) di Indonesia. Sistem pemantauan harian sangat diperlukan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan mitigasi bencana. Tujuan penelitian ini adalah membangun sebuah model filtering dan clustering untuk deteksi dini kebakaran hutan dan lahan di Indonesia dengan data sensor Visible Infrared Imaging Radiometer Suite (VIIRS) dari satelit Suomi NPP dan NOAA-20 menggunakan metode Euclidean distance. Model filtering dan clustering digunakan untuk menyederhanakan jumlah fire hotspot yang sangat bermanfaat bagi kepentingan di lapangan ketika terjadi kebakaran hutan dan lahan. Model filtering dilakukan dengan cara membangun peta hotspot per tahun dengan kejadian pengulangan melebihi suatu ambang batas, dan peta tersebut akan digunakan sebagai filter dari data fire hotspot yang dihasilkan. Model clustering dilakukan dengan menggunakan menghitung jarak Euclidean antar titik fire hotspot yang dihasilkan, jika jaraknya memenuhi 1,5 kali ukuran piksel maka titik fire hotspot tersebut akan dikelompokkan menjadi satu cluster. Nilai akurasi dievaluasi berdasarkan estimasi luas kebakaran, peta burned area, dan peta lahan gambut dari setiap kejadian kebakaran yang dilaporkan petugas lapangan. Hasil pengolahan dan analisis menunjukkan bahwa akurasi efektif pada data VIIRS yaitu pada jarak 1,5 km atau empat kali ukuran pikselnya dari pusat kebakaran. Akurasi deteksi secara umum untuk cluster hotspot (cluster-HS) dan titik hotspot (titik-HS) masing-masing sebesar 52% dan 53%. Untuk wilayah yang luasnya lebih dari 14 ha, akurasinya menjadi sangat baik yaitu sampai dengan sebesar 83%. Analisis dengan pemilahan lahan gambut dan tanah mineral menunjukkan cluster-HS berkinerja lebih baik di lahan gambut dengan akurasi sebesar 62% dibandingkan di lahan tanah mineral sebesar 57%. Tanpa mengurangi ketepatan pengamatan titik api, penelitian ini menunjukkan bahwa model dapat diandalkan untuk membantu pemangku kepentingan di lapangan dalam mengambil tindakan. Oleh karena itu, model ini dapat diimplementasikan ke dalam pemantauan hotspot harian di Indonesia.

---

In Indonesia, forest and land fires are frequent natural catastrophes that do significant damage to the environment and economy. The use of remote sensing satellite data to derive fire hotspot information can be used to monitor peat and non-peat land fires in Indonesia. A daily monitoring system is very necessary to assist stakeholders in the field in taking disaster mitigation actions. The aim of this research is to build a filtering and clustering model for early detection of forest and land fires in Indonesia using Visible Infrared Imaging Radiometer Suite (VIIRS) sensor data from the Suomi NPP and NOAA-20 satellites using the Euclidean distance method. The filtering and clustering model is used to simplify the number of fire hotspots which is very useful for interests in the field when forest and land fires occur. The filtering model is carried out by building a persistent hotspot map per year with repeated events exceeding a threshold, and this map will be used as a filter for the resulting fire hotspot data. The clustering model is carried out by calculating the Euclidean distance between the resulting fire hotspot points. If the distance is 1.5 times the pixel size, the fire hotspot points will be grouped into one cluster. Accuracy values ​​are evaluated based on estimates of fire area, burned area maps, and peatland maps for each fire incident reported by field officers. The results of processing and analysis show that the effective accuracy of VIIRS data is at a distance of 1.5 km or four times the pixel size from the center of the fire. The general detection accuracy for hotspot clusters (cluster-HS) and hotspot points (point-HS) is 52% and 53%, respectively. For areas larger than 14 ha, the accuracy is very good, namely up to 83%. Analysis by separating peat and non-peat land shows that the HS-cluster performs better on peat land with an accuracy of 62% compared to 57% on non-peat land. Without reducing the accuracy of hotspot observations, this research shows that the model can be relied on to assist stakeholders in the field in taking action. Therefore, this model can be implemented into daily hotspot monitoring in Indonesia."

"This work investigates two-dimensional change detection methods. The existing methods in the literature are grouped into four categories: pixel-based, transformation-based, texture analysis-based, and structure-based. In addition to testing existing methods, four new change detection methods are introduced: fuzzy logic-based, shadow detection-based, local feature-based, and bipartite graph matching-based. "

"Urbanization patterns in developing Asian countries may or may not follow commonly known urbanization patterns and models set forth by lessons from the developed world. A unique phenomenon described as desakota is well known as a unique artifact of Asian urbanization, in which new urban areas arise semi-independently from otherwise rural regions in proximity to the edges of continuous urbanized areas.. We intend to identify the interaction between the urban fringe and surrounding rural areas while taking unique socioeconomic and morphological characteristics of the Desakota into account. We utilize a combination of K - Means Clustering, factor analysis and spatiotemporal analysis to identify patterns of urbanization in Metropolitan Cirebon Raya, an industrializing metropolitan statistical region where agriculture is still a douse, around Cirebon City, using statistical socioeconomic and demographic data from Badan Pusat Statistik in addition to land use data obtained from Landsat. Between 2010 – 2020, we identified substantial desakota type growth, in which new urbanized land development occurred organically from a formerly rural area, weakly linked to the supposed ‘center’ of the specified metropolitan region (Metropolitan Cirebon Raya). Based on the results obtained, we were able to corroborate desakota theory through quantitative methods, by taking socioeconomic and demographic data into account as a supplement to land use data. For delineation of metropolitan regions in Southeast Asia in which desakota patterns of development are presumed, we recommend utilizing the methodology we have developed, integrating both socioeconomic and demographic data to better identify desakota regions in peri-urban regions."

"Gerakan tanah yang terjadi secara berulang dapat memicu terjadinya tanah longsor. Gempabumi yang kuat juga dapat memicu adanya tanah longsor (Meunier dkk., 2013). Penelitian ini bertujuan untuk menganalisa potensi gerakan tanah dan longsoran akibat gempa di wilayah Lombok Timur. Tingkat kerentanan gerakan tanah diperoleh dari hasil skoring menggunakan pendekatan model Puslittanak (2004), sedangkan sebaran longsor akibat gempa menggunakan nilai PGA (Peak Ground Acceleration) untuk analisis. Kemudian dilakukan overlay dengan peta-peta lainnya seperti stratigrafi, curah hujan, tataguna lahan, jenis tanah, dan kemiringan lereng. Dari penelitian ini dapat diketahui bahwa Kabupaten Lombok Timur termasuk dalam kawasan berpotensi tinggi terjadinya gerakan tanah. Longsoran yang terjadi akibat gempa tersebar di wilayah nilai PGA 167-379,2 gal.

---

Continuous land movement can trigger landslides. In addition, landslides can also occur due to a strong earthquake (Meunier et.al, 2013). This study aims to analyse potential of land movement and landslides caused by an earthquake in the East Lombok region. The level of vulnerability to land movement is obtained from the scoring results using the Puslittanak (2004) model approach, while the distribution of coseismic landslides uses the PGA (Peak Ground Acceleration) value for analysis. Then it is overlaid with other maps such as rock type, rainfall, land use, soil type, and slope. From this research East Lombok Regency is included in an area with a high potential for land movement. Landslides that occurred as a result of the earthquake spread across the PGA value area of ​​167-379.2 gal."

"Kebakaran hutan dan lahan merupakan bencana yang memiliki dampak negatif dalam berbagai sektor. Identifikasi area bekas terbakar diperlukan dengan cepat untuk mengendalikan kebakaran hutan dan lahan. Penginderaan jauh merupakan teknologi yang umum digunakan untuk identifikasi area bekas terbakar, namun tidak banyak penelitian terkait kombinasi data penginderaan jauh optis dan SAR untuk identifikasi area bekas terbakar. Di samping itu, data penginderaan jauh SAR memiliki keunggulan sebagai teknologi yang dapat digunakan dalam berbagai kondisi cuaca. Penelitian ini bertujuan untuk mengevaluasi model area bekas terbakar menggunakan integrasi convolutional neural network (CNN) sebagai feature extractor dan random forest (RF) sebagai pengklasifikasi dengan pendekatan feature learning pada data Sentinel-1 dan Sentinel-2. Penelitian ini menguji lima skema yaitu: (1) hanya menggunakan data penginderaan jauh optis; (2) hanya menggunakan data penginderaan jauh SAR; (3) kombinasi data penginderaan jauh optis dan SAR hanya pada polarisasi VH; (4) kombinasi data penginderaan jauh optis dan SAR hanya pada polarisasi VV; serta (5) kombinasi data penginderaan jauh optis dan SAR dual polarisasi VH dan VV. Pengujian juga dilakukan terhadap pengklasifikasi CNN, pengklasifikasi RF, dan pengklasifikasi neural network (NN). Berdasarkan hasil overall accuracy pada lokasi penelitian, metode integrasi CNN dan RF memberikan hasil terbaik pada lima skema yang diujikan dengan overall accuracy tertinggi mencapai 92%. Hal ini menunjukan potensi metode integrasi CNN dan RF untuk digunakan dalam mengidentifikasi area bekas terbakar. Hasil estimasi luas area bekas terbakar pada lokasi penelitian dengan metode integrasi CNN dan RF pada model terbaik diperoleh seluas 57.899,91 hektar

---

Forest and land fires are disasters that have large impacts in various sectors. Burned area identification is needed to control forest and land fires. Remote sensing is used as common technology for rapid burned area identification. However, there are not many studies related to the combination of optical and SAR remote sensing data for burned area. In addition, SAR remote sensing data has the advantage of being a technology that can be used in various weather conditions. This study aims to evaluate burned area model using the integration of Convolutional Neural Network (CNN) as a feature extractor and Random Forest (RF) as classifiers on Sentinel-1 and Sentinel-2 data. This study tests five schemes: (1) using optical remote sensing data; (2) using SAR remote sensing data; (3) combination of optical and SAR data with VH polarization only; (4) combination of optical and SAR data with VV polarization only; and (5) combination of optical and SAR data with dual VH + VV polarization. The studies were also carried out on CNN classifier, RF classifier, and neural network (NN) classifier. Based on the results of the overall accuracy at the research site, the integration of CNN and RF method gave the best results in the five schemes tested with the highest overall accuracy reaching 92%. This shows the potential of the CNN and RF integration method to be used in identifying burned areas. The estimation result of the burned area at the research site using the best model of CNN and RF integration method is ​​57,899.91 hectares"

"Updating mechanism is the most important thing in giving the information for the end-user by send-ing the data from client to the server. There are several kinds of update mechanisms, one of them is reporting protocol. Reporting protocol sends the data from the client to the server continuously within a certain time period. Sometimes, the data that is sent continuously from the client to the server gives the same information repeatedly to the end-user. Although, there is no need for same information to be sent to the end-user repeatedly. This can cause a large amount of bandwidth usage. In this research, the researcher developed an improvement of reporting protocol mechanism for mobile user using cha-nge detection and resource-aware data sensing to minimize the bandwidth and resource usage. The data transmission frequency is reduced by the user activity changes prediction and the data sensing speed is reduced by adaptive data sensing. The results show that the improvement of reporting protocol mechanism adaptively can improve reporting protocol performance. This is shown by the improvement of the bandwidth efficiency up to 36-97%, memory efficiency at 1.5-6% and battery efficiency at 7-13%.Mekanisme update memegang peranan penting dalam menyampaikan informasi kepada end-user dengan melakukan pengiriman data dari klien ke server. Ada beberapa mekanisme update yang digunakan, salah satunya adalah reporting protocol. Reporting protocol mengirimkan data dari klien ke server secara kontinyu dalam interval waktu tertentu dimana terkadang memberikan informasi yang selalu sama dan berulang kepada end-user. Padahal, informasi yang sama tidak perlu dikirim secara berulang kepada end-user karena menyebabkan penggunaan bandwidth menjadi kurang efisien. Dalam penelitian ini, peneliti mengembangkan sebuah perbaikan mekanisme reporting protocol dengan change detection dan resource aware data sensing untuk menghemat penggunaan bandwidth dan resource. Mekanisme perbaikan reporting protocol yang dilakukan adalah mengurangi frekuensi pengiriman data dengan memprediksi adanya perubahan aktivitas dan posisi pada user. Prediksi perubahan aktivitas dan posisi digunakan sebagai trigger ketika akan melakukan pengiriman data. Hasil penelitian menunjukkan bahwa mekanisme reporting protocol secara adaptif dapat meningkatkan performa reporting protocol. Hal ini ditunjukkan dengan penghematan bandwidth sebesar 36-97%, penghematan memori sebesar 1.5-6% dan penghematan baterai sebesar 7-13%."

"Untuk menentukan zona prospek diperlukan beberapa kriteria yaitu struktur yang berasosiasi dengan permeabilitas tinggi, temperatur tinggi dan zona upflow. Berdasarkan peta lineament density serta metode FFD menunjukkan zona yang memiliki densitas tinggi berasosiasi dengan zona depresi yang merupakan struktur utama pada lapangan panasbumi ldquo;Q rdquo; dan munculnya beberapa manifestasi berupa fumarol, dan mata air panas APWO, APWK, APLM dan APBK. Dari diagram ternary Cl - SO4 - HCO3 menunjukkan APWO memiliki tipe steam heated water, APWK memiliki tipe bicarbonate water sedangkan APBK dan APLM memiliki tipe chloride water. Berdasarkan tipe fluida tersebut maka dapat diklasifikasikan bahwa lapangan panasbumi ldquo;Q rdquo; merupakan sistem hidrotermal. Penentuan estimasi temperatur reservoir menggunakan geothermometer silika dan geothermometer gas yang masing - masing berkisar antara 141 C - 212 C dan 250 C. Sehingga manifestasi APWO, FWO-1 dan FWO-2 menunjukkan berada pada zona upflow dan APWK, APBK, APLM berada pada zona outflow. Hasil dari inversi 3D MT memperlihatkan sebaran resistivitas rendah < 10 ohm-m memiliki ketebalan 1000 m sampai 1500 m yang diduga sebagai clay cap, sebaran zona resistivitas tinggi > 100 ohm-m terlihat berbentuk updome pada kedalaman -500 sampai -4000 m yang diduga sebagai heat source. Dari hasil proses upward continuation dan reduce to pole, nilai magnetik yang berkisar -250 nT sampai -350 nT berada di bawah manifestasi FWO-01, FWO-02, APWO dan daerah dimana alterasi tersingkap. Sehingga dapat disimpulkan bahwa area yang memiliki densitas tinggi berkorelasi dengan sebaran resistivitas yang bernilai 10 ohm-m dan daerah yang memiliki nilai anomali magnetik rendah -250 nT sampai -200 nT dimana mengindikasikan zona reservoir berasosiasi dengan batas bawah clay cap atau BOC.

---

To determine the prospek area in geothermal field, must have the structure associated with high permeability, high temperature and upflow zone. Based on the map of lineament density and the FFD method shows a high density zone associated with the depression zone which is the main structure of the filed Q and the emergence of several manifestations of fumaroles and hot springs APWO, APWK, APLM and APBK. From the ternary diagram Cl SO4 HCO3 shows that APWO has steam heated water type, APWK has bicarbonate water type while APBK and APLM are chloride water type. Based on the obtained geochemical manifestations the geothermal system is a hydrothermal system. Prediction of reservoir temperature using silica geothermometer and gas geothermometer each ranging between 141 C 212 C and 250 C. So the manifestations of APWO, FWO 1 and FWO 2 indicate that they are in the upflow zone and APWK, APBK, APLM are in outflow zone.

The result of 3D MT inversion shows low resistivity 100 ohm m appears to be an updome at depths of 500 to 4000 m suspected as heat source. From the upward continuation and reduce to pole results, magnetic values ranging from 250 nT to 350 nT are under the manifestations of FWO 01, FWO 02, APWO and the areas where alteration is exposed. It can be concluded that areas with high densities are correlated with 10 ohm m resistivity distributions and regions having low magnetic anomaly values 250 nT to 200 nT which indicate the reservoir zone associated with the lower limit of clay cap or BOC."

"Pada era modern saat ini diperlukan inovasi teknologi untuk melakukan survei geotermal yang efisien namun tetap akurat. Salah satu metode yang tengah dikembangkan adalah menggunakan remote sensing. Dalam penelitian ini, aplikasi metode remote sensing yaitu Fault and Fracture Density (FFD) digunakan untuk mendeteksi zona permeabel dengan cara menilai area yang memiliki kepadatan struktur tinggi berdasarkan kelurusan yang terbentuk oleh aktivitas patahan dan rekahan. Namun, kenyataannya tidak semua kelurusan berasal dari aktivitas patahan, sehingga perlu dilakukan pemrosesan sinyal digital untuk menyeleksinya. Penelitian dilakukan menggunakan citra Landsat 8 yang diproses melalui dimension reduction metode Principal Component Analysis dan proses filtering berupa filter konvolusi directional dan Laplacian untuk meningkatkan kualitas citra. Kelurusan dari citra Landsat 8 diekstrak secara otomatis menggunakan algoritma Edge Detection, lalu dikomparasikan dengan kelurusan dari citra IFSAR yang diekstrak secara manual. Hasilnya dalam bentuk peta FFD, daerah dengan kepadatan kelurusan tertinggi berada di sisi tenggara dan di sekitar kawah G.K. Untuk membuktikan keefektifan metode ini, digunakan pula data gravitasi yang dapat mengonfirmasi keberadaan struktur patahan secara geofisika. Hasil integrasi kedua data tersebut disertai data penunjang lainnya menunjukkan zona permeabel untuk lokasi pengeboran yang paling efektif berada di dekat manifestasi APKK dan APSE.

---

In this modern era, technology is needed to conduct geothermal surveys that are efficient but still accurate. One method that is being developed to survey geothermal potential is remote sensing. In this study, the application of remote sensing methods namely Fault and Fracture Density (FFD) is used to evaluate permeable zones by evaluating areas that have high faults and joints structures. However, not all of lineament presence caused by fault activities, so digital signals processing need to be carried out. This research used Landsat 8 imagery which is done through dimension reduction using Principal Component Analysis and the filtering process such as Sobel, Line Detection, Prewitt, and Laplacian convolution filters to improve image quality. Lineament extraction from Landsat 8 images is performed automatically using Edge Detection while lineament from IFSAR image extracted manually. The extracted lineaments then compared in the form of FFD maps. To prove the effectiveness of this method, gravity data are also used to confirm the fault presence geophyisically. The results of these data which integrated with other supporting data showed the suitability of covering permeable zones which can be most effective drill point areas are near the manifestations of APKK and APSE."

"Daerah penelitian “MR” adalah salah satu wilayah potensi geotermal yang berada di Ulu Slim, Malaysia dengan ditandai adanya terdapat mata air panas, mata air dingin, dan fumarol. Dengan adanya potensi tersebut, penelitian ini bertujuan untuk mengidentifikasi persebaran densitas dan mendelineasi zona permeabilitas bawah permukaan pada daerah “MR” mengintegrasikan beberapa data dan metode, yakni metode gravity, remote sensing sebagai data utama, serta data geologi, geokimia sebagai data pendukung sehingga dapat mengetahui luasan area prospek geotermal wilayah “MR” dan menentukan target pemboran sumur. Berdasarkan data gravitasi terlihat terdapat 3 indikasi patahan bawah permukaan dan divalidasi oleh data geologi pada wilayah “MR” sedangkan berdasarkan data remote sensing menunjukkan daerah yang berasosiasi dengan struktur geologi densitas tinggi terdistribusi tenggara, selatan, barat, barat laut sehingga daerah “MR” adalah daerah prospek geotermal karena memiliki permeabilitas yang baik dan dapat berperan sebagai zona resapan. Selain itu, dalam analisis terintegrasi terdapat indikasi struktur F3 dapat dikonfirmasi oleh data SVD dan FHD. Selanjutnya, diperkuat oleh adanya dua manifestasi hot spring yaitu manifestasi Ulu Slim.

---

The research area “MR” is one of the geothermal prospect areas in Ulu Slim Malaysia which is characterized by the occurrence of hot spring, cold spring and fumaroles. The potensial geothermal becomes the study aims to identify the distribution of density and delineate subsurface permeability zones in the "MR" area by integrating several data and methods, such as the gravity method, remote sensing are the main data, as well as geological and geochemical data are supporting data so that we can determine the area of the geothermal prospect area for the “MR” area and determines the target for drilling wells. Based on the gravity data, it can be seen that there are 3 indications of subsurface faults and validated by geological data in the "MR" area, while based on remote sensing data it shows that the areas associated with high-density geological structures are distributed southeast, south, west, northwest so that the "MR" area is an area geothermal prospects because it has good permeability and can be as an infiltration zone. Moreover, there are the integrated analysis indications that the structure of F3 can be confirmed by SVD and FHD data. Then. it is supported by the presence of two hot spring manifestations, namely the Ulu Slim manifestation."