Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Disertasi ini membahas suatu metodologi alternatif untuk mengklasifikasi secara tidak terbimbing (unsupervised classification) data polarimetrik-SAR. Pada tahap permulaan dua metode pengekstraksian fitur diterapkan untuk mengeksploitasi secara optimal berbagai informasi yang terkandung dalam data polarimetrik-SAR tersebut. Metode pengekstraksi yang pertama didasarkan atas penurunan berbagai litur dari representasi matriks kovarian polarimetrik (totalnya terdapat sembilan parameter yang merepresentasikan masing-masing power kanal polarisasinya, koherensi polarimetriknya, dan perbedaan tase polarimetriknya), dan metode yang kedua didasarkan atas dekomposisi polarimetrik Cloude (totalnya terdapat tiga parameter yang memberikan informasi mengenai karakteristik hamburan balik sinyal radar atas berbagai target yang berbeda-beda). Selanjutnya suatu teknik penyeleksian (pereduksian) titur bardasarkan transformasi marimum noise fraction (MNF) diaplikasikan pada fitur-fitur tersebut untuk mendapatkan informasi-informasi yang paling berguna dan mengurangi informasi lain yang sifatnya redundan ataupun informasi yang tidak terkait Iainnya. Tahapan klasifikasi kemudian dilakukan dengan algoritma klustering fuzzy maximum likelihood estimation (FMLE). Algoritma FMLE tersebut memungkinkan pembentukan kluster-kluster yang berbentuk clips dalam sembarang arah sehingga lebih fleksibel dibandingkan dengan algoritma klustering fuzzy K-means yang standar. Namun demikian, algoritma dasar FMLE semata-mata hanya menggunakan informasi spektral (alan intensitas) dari masing-masing vektor piksel dan informasi spasial-kontekstual tidak ikut diperhitungkan dalam proses klustering. Oleh karena itu, hasil klasifikasi yang kurang bagus (ber-noise) biasanya akan didapatkan apabila diterapkan pada data SAR sebagai akibat keberadaan noise speckle. Pada penelitian ini diajukan suatu metode baru yang mengintegrasikan antara hasil klustering FMLE (yang berbasis piksel per piksel) dngan informasi spasial-kontekstual yang dieksploitasi dengan analisa statistikal atas informasi kelas piksel-piksel yang bersebelahan dan informasi spasial-kontekstual tambahan yang diperoleh dari hasil analisa klustering menggunakan fitur-fitur hasil dekomposisi wavelet. Metodologi yang diajukan tersebut telah diujicoba dengan menggunakan data polarimetrik E-SAR yang diakuisisi di daerah Penajam, Kalimantan Timur dan data polarimetrik ALOS-PALSAR yang diakuisisi di daerah Lumajang, Jawa Timur, Indonesia. Dari hasil-hasil eksperimen dapat disimpulkan bahwa hasil klasifikasi yang diperoleh lebih meningkatkan performansi pembedaan berbagai objek tutupan lahan, lebih homogen pada area yang bersifat homogen, dan tetap mempertahankan batas-batas objek dan struktur-struktur detail lainnya. ......This dissertation shows a study on an altemative method for unsupervised classification of polarimetric-SAR data. First, two feature extraction methods are performed in order to exploit the information of fully polarimetric-SAR data properly. One is based on derivation of features from polarimetric covariance matrix (totally nine parameters which represent each polarisation power, polarimetric coherence, and polarimetric phase difference), and other is based on Cloude?s polarimetric decomposition (totally three parameters which characterize the target?s backscattering mechanism). A feature reduction technique based on maximum noise fraction (MNF) transformation is then applied to these features to obtain most pertinent information and remove any redtmdant and other irrelevant information. Classification stage is then performed using fuzzy maximum likelihood estimation (FMLE) clustering algorithm. FMLE algorithm allows for ellipsoidal clusters of arbitrary extent and is consequently more flexible than standard fuzzy K-means clustering algorithm. However, basic FMLE algorithm makes use exclusively the spectral (or intensity) properties of the individual pixel vectors and spatial-contextual information of the image was not taken into account. Hence, poor (noisy) classification result is usually obtained liom SAR data due to t.he presence of speckle noise. In this study, we propose a modified FMLE which integrate basic FMLE (pixel-by-pixel basis) clustering result with spatial-contextual information by statistical analysis of local neighborhoods and additional context-depend support information exploited using clustering result analysis of wavelet-based decomposed feature images. The proposed method has been tested on E-SAR polarimetric data acquired on the area of Penajam, East Kalirnantan and ALOS-PALSAR polarimetric data acquired on the area of Lumajang, East Java, Indonesia. Results obtained show classified images improving land-cover discrimination perfomiance, exhibiting homogeneous region, and preserving edge and other fine structures.

Abstrak :
Fase pertumbuhan padi adalah tahapan pertumbuhan yang dialami oleh tanaman padi dari awal ditanam ke dalam tanah hingga siap dipanen yang dapat dipengaruhi oleh keadaan iklim wilayah tanaman padi tersebut ditanam. Citra Sentinel-1 Synthetic Aperture Radar dapat digunakan untuk mengamati fase tumbuh padi pada Band C. Fase pertumbuhan padi diklasifikasikan menjadi lima kelas, menggunakan metode maximum likelihood dan berdasarkan informasi yang diperoleh dari survei kerangka sampel area BPPT, yaitu persiapan lahan, fase vegetatif awal, fase vegetatif akhir, fase generatif, dan fase panen. Tujuan penelitian ini adalah untuk melihat pola spasial dan temporal fase tumbuh padi di Karawang berdasarkan hasil analisa citra Sentinel-1. Hasil penelitian ini menunjukkan bahwa laju pertumbuhan padi tidak mengikuti pola irigasi dimana wilayah irigasi utara lebih cepat mencapai kondisi panen dibandingkan wilayah irigasi selatan dan tengah. Wilayah irigasi utara memiliki nilai backscatter yang paling rendah. Padi lebih cepat mencapai kondisi panen pada musim kemarau dibandingkan musim hujan dimana nilai backscatter untuk kedua musim ini sama.

---

Rice phenology is mainly defined as the growing stages that occurs within a rice plant that begins when the rice is planted in the ground and ends when the rice is ready for harvesting. Sentinel 1 Synthetic Aperture Radar images at the C Band are capable of monitoring rice phenology. Rice phenology is divided into 5 classes using maximum likelihood classification according to BPPT area sampling survey which are land preparation, early vegetative, late vegetative, generative, and ripening. The goal of this research is to assess spatial and temporal patterns of rice phenology in Karawang according to Sentinel image analysis. Results of this study show that rice which grows quickly is distributed in northern irrigation areas that receive water last compared to middle and southern irrigation areas in Karawang Regency. Rice that reaches harvesting in northern irrigation areas have the lowest backscatter values. Rice reaches harvesting stage quicker in dry season compared to rainy season with the same backscatter values.

Abstrak :
STAR-1 synthetic aperture radar (SAR) imagery takes over portions of East Kalimantan. In the first part of this study, the basic theory of SAR was reviewed, begin by digital signal processing, and then range / azimuth resolution and the last is pulse compression. Specific applications like Frost Filter to reduce speckle caused by multiplicative white noise had been run by "FILTER.F77" program. The Frost filter seems not to give optimum results in this study area. The application of classification also had been run by packet program "Bakosurtanal image analysis system" before and after filtering. Running 'ANALISA & ANALPOS' program and then running its output with 'STATGRAPHIC' program can clear the differences between homogeneous and inhomogeneous areas.

Abstrak :
ABSTRAK
Kebutuhan akan data satelit penginderaan jauh bagi Indonesia sangat penting salah satunya untuk ketahanan pangan. Kontinuitas data untuk mempredisksi produksi pertanian bisa diukur melalui teknologi penginderaan jauh pada satelit pengamat bumi. Namun Kementrian Pertanian masih menggunakan satelit pengamat bumi milik asing dari Amerika Serikat yaitu satelit Landsat 8. Satelit Landsat 8 menggunakan sensor pasif berupa kamera yang memiliki kelemahan tidak mampu menangkap citra dari objek permukaan bumi pada saat kondisi berawan. Sehingga ini menyulitkan petugas lapangan untuk melakukan verifikasi data luas tanam dan panen sesuai dengan kondisi factual di lapangan.Penelitian telah dilakukan dengan menggunakan metode tekno ekonomi berdasarkan comparative alternatif. Dibuat dua skenario dalam melakukan analisisnya. Skenario I yang menggunakan satelit buatan Indonesia dengan misi memantau lahan pertanian yaitu Lapan A3 yang membawa sensor pasif berupa kamera dan skenario II yang menggunakan satelit mikro dengan menggunakan sensor aktif berupa teknologi Synthetic Aperture Radar microSAR . Kedua alternatif tersebut dibandingkan berdasarkan dari bobot masing-masing satelit yang berada pada ukuran mikro, sekitar 100 kg.Hasil analisis dari sisi teknologi didapatkan bahwa skenario II microSAR memperoleh resolusi temporal dan resolusi spectral lebih baik dibandingkan dengan skenario I LapanA3 . Dari sisi ekonomi, skenario I Lapan A3 memiliki biaya yang lebih rendah dibandingkan skenario II microSAR . Namun, teknologi SAR layak diterapkan di Indonesia karena Indonesia merupakan Negara hujan tropis yang terdapat banyak awan. Teknologi SAR mampu menembus awan sehingga dapat memperoleh akurasi lahan pertanian lebih akurat sehingga dapat menjadi solusi dari permasalahan yang dihadapi oleh Kementrian Pertanian.

---

ABSTRACT
The need for remote sensing satellite data for Indonesia is very important one of them for food security. The continuity of data for predicting agricultural production can be measured through remote sensing technology on Earth observer satellites. However, the Ministry of Agriculture still uses a foreign owned satellite observer of the Earth from the United States, namely Landsat 8. Landsat 8 satellite uses passive sensors in the form of a camera that has a weakness is not able to capture the image of the earth 39 s surface objects in cloudy conditions. This makes it difficult for field officers to verify data on planting and harvesting areas in accordance with factual conditions in the field.Research has been done by using techno economic method based on alternative comparative. Two scenarios were created in the analysis. Scenario 1 using satellite made in Indonesia with the mission of monitoring agricultural land that is Lapan A3 carrying passive sensor in the form of camera and scenario 2 using micro satellite by using active sensor in the form of Synthetic Aperture Radar microSAR technology. Both alternatives are compared based on the weight of each satellite that is on the micro size, about 100 kg.From the technological analysis it is found that scenario 2 microSAR obtains temporal resolution and spectral resolution is better than scenario 1 LapanA3 . From an economic perspective, scenario 1 Lapan A3 has a lower cost than scenario 2 microSAR . However, SAR technology is feasible in Indonesia because Indonesia is a tropical rain country where there are many clouds. SAR technology is able to penetrate the cloud so as to obtain accurate agricultural accuracy so that it can be a solution of the problems faced by the Ministry of Agriculture.

Abstrak :
Berbagai sistem modern tidak lagi langka kita jumpai di lingkungan sekitar, seperti misalnya sensor pintu otomatis, pendeteksi kedalaman air, dan hingga pendeteksi kebakaran yang ditangkap menggunakan drone. Teknologi yang bisa mendukung pekerjaan semacam ini biasanya menggunakan SAR (synthetic aperture radar). Gelombang elektromagnetik ditembakkan oleh SAR ke suatu objek yang ingin diamati, lalu gelombang pantul akan diterima dari arah objek tersebut dan menjadikannya sebuah citra. CP-SAR (circular polarized synthetic aperture radar) memiliki karakteristik polarisasi sirkular ini bisa menjadi solusi dari permasalahan yang ada pada sistem SAR sebelumya, yaitu ketika gelombang melewati lapisan ionosfer maka akan rentan terhadap rotasi faraday, akibatnya karakteristik gelombang yang dipancarkan akan berubah. Pengembangan CP-SAR inipun bisa juga diaplikasikan dalam pengoperasian UAV atau pesawat nir-awak. Pada buku skripsi ini, dilakukan sebuah perancangan antena mikrostrip array 4x2 yaitu berarti terdapat 8 elemen di bagian patch antena dengan target spesifikasi SAR UAV yaitu bekerja di frekuensi 1.27 GHz. Metode yang dipakai dalam perancangan yaitu ditahap memberikan slot diagonal pada setiap patch antena bertujuan untuk menghasilkan polarisasi sirkular pada antena. Teknik diagonal slot (notch) yang disisipkan di patch membuat pengaruh pada hasil polarisasi menjadi sirkular. Simulasi yang dilakukan terhadap antena susun dengan elemen 4x2 menghasilkan return loss sebesar -14.09 dB dengan bandwidth dari frekuensi 1.256 GHz-1.320 GHz dan VSWR sebesar 1.49. Axial ratio yang terbaik diperoleh bernilai 5.31 dB namun belum memenuhi kriteria polarisasi melingkar, serta nilai gain sebesar 6.51 dBi. Adapun hasil yang teramati adalah surface current dari antena yang menjadi penunjuk bentuk polarisasi antena tersebut sudah mulai membentuk sirkular dengan pola left-hand circular polarized (LHCP). Hasil pengukuran yang diperoleh yaitu dengan melakukan pengukuran menghasilkan return loss dengan nilai impedance bandwidth sebesar 55 MHz dengan rentang dari 1.262 GHz-1.317 GHz. ......Various modern systems are no longer a rare things that we find in our society. For example like automatic door sensor, water depth detector, and fire detector using drones. This kind of things are usually can be done by a technology called SAR that applicable for the benefits of military as well as non-military. Specific object will be illuminated by an electromagnetic waves of SAR and then an echo will formed from the object then SAR will turns it into some kind of visual information. CP-SAR (circular polarized synthetic aperture radar) which has circular polarization characteristic can be a solution to the problems that existed in the previous SAR system, for example when the electromagnetic wave passes through the ionosphere layer it will be susceptible to faraday rotation. As a result, the characteristic of the emitted waves will change. The development of this CP-SAR can also be applied in UAV operations. In this paper, a 4x2 microstrip array antenna is carried out, which means that there are 8 elements in the patch antenna with a target UAV SAR specification that works at a frequency of 1.27 GHz. In the first method of design the antenna, it was providing a diagonal slot on each patch antenna which aims to produce circular polarization on the antenna. Some treatment to find the most effective results is done by varying the length of the diagonal slot on the patch and the length of the rectangular DGS on the ground. Diagonally slot technique that made in the patch of antenna can bring out a circularly polarized antenna. The measurements carried out resulted in a return loss of -14.09 dB with bandwidth from 1.256 GHz-1.320 GHz and VSWR of 1.49. the results of axial ratio are 5.31 dB, and gain for 6.51 dBi. The observed result is that the surface current of the antenna, which indicates the type of the polarization of the antenna, is circular with a left-hand circular polarized pattern. The measurement results obtained are by measuring VNA in the form of return loss results with a value of -14 dB with bandwidth 1.262 GHz-1.317 GHz.

Abstrak :
Laut Natuna merupakan perairan di Indonesia yang sering kali beresiko terhadap ancaman keamanan maritim, sehingga mendapat perhatian khusus oleh instansi penegak hukum di laut. Saat ini, teknologi penginderaan jauh Syntetic Aperture Radar (SAR) banyak digunakan oleh instansi sebagai upaya mempermudah pelaksanaan pengawasan terhadap kapal yang melintas. Penelitian ini bertujuan untuk menganalisis zona prioritas pengawasan di Laut Natuna dan perairan di sekitarnya dengan menggunakan data sebaran kapal yang terdeteksi oleh SAR Sentinel-1, data kerentanan maritim, serta jarak patroli instansi. Sebaran kapal dan kerentanan maritim dilakukan analisis Kernel Density untuk mengetahui sebaran serta kerapatannya, sementara untuk jarak patroli dilakukan buffer area  untuk melihat keterjangkauannya. Ketiga variabel dianalisis menggunakan metode Spatial Multi-Criteria Analysis (SMCA) dengan pembobotan Equal Weight (EW) untuk mendapatkan hasil zona prioritas pengawasan maritim di Laut Natuna dan perairan di sekitarnya. Hasil penelitian ini mengungkapkan ketika suatu perairan memiliki aktivitas kapal yang padat, kejadian kerentanan maritim dengan frekuensi tinggi, serta jangkauan patroli yang sempit, maka perairan tersebut masuk ke dalam kategori prioritas pengawasan maritim sangat tinggi. Selain mengetahui kondisi keamanan maritim pada suatu perairan, hasil ini juga dapat memberikan gambaran tentang perencanaan fasilitas serta infrastruktur pengawasan yang memadai di perairan yang masuk ke dalam zona prioritas pengawasan maritim sangat tinggi. ......Natuna sea is a sea in Indonesia that is constantly at risk of maritime security threats, therefore receives vigilance by law enforcement agencies. Currently, Synthetic Aperture Radar (SAR) is widely used by agencies as one of the attempts to facilitate monitoring of passing ships. This research aims to analyze priority monitoring zones in the Natuna Sea and surrounding waters using ship distribution data detected by SAR Sentinel-1, maritime vulnerability data, and agency patrol distances. Kernel Density analysis is carried out to determine the distribution and density of the distribution of ships and maritime vulnerability, meanwhile for patrol distances a buffer area is used to see its reachability. The three variables were analyzed using the Spatial Multi-Criteria Analysis (SMCA) method to obtain maritime monitoring priority zone. The research results reveal that when a sea area has dense ship activity, high frequency of maritime vulnerability incidents, and a narrow patrol range, the sea will fall into the very high maritime surveillance priority. By knowing the maritime surveillance priority zone in a particular seas, this information can also provide an overview of the planning of adequate monitoring facilities and infrastructure in waters with the very high maritime surveillance priority zone.

Abstrak :
Banjir di perkotaan merupakan bencana yang signifikan karena banyaknya penduduk yang terkena dampaknya. Dalam kebanyakan kasus, banjir terjadi bersamaan dengan hujan lebat, sehingga jika diamati dari satelit yang menggunakan sensor optik, daerah tersebut tertutup awan. Penelitan ini mengusulkan framework baru untuk klasifikasi banjir daerah perkotaan menggunakan sensor satelit penginderaan jauh Synthetic Aperture Radar (SAR) yang mempunyai kemampuan menembus awan. Framework ini dikembangkan untuk mengklasifikasi daerah banjir dengan mempertahankan variasi temporalnya. Studi kasus yang digunakan adalah wilayah Jakarta menggunakan metode 3D CNN multi-sensor pada data Sentinel-1 (S-1) multi-temporal dan curah hujan rata-rata Climate Hazard Infrared Precipitation Sensor (CHIRPS). Data terdiri atas 24 scene S-1 dengan polarisasi ganda VV dan VH antara bulan Maret 2019-Februari 2020 yang terdiri dari 20 citra co-polarized dan cross-polarized yang terdiri dari 2 citra co-event, 18 citra pre-event, dan 4 citra post-event sebagai testing data dan data curah hujan dari CHIRPS. Training dilakukan dengan menggunakan hyperparameter 150 epoch, batch size sebesar 100, learning rate sebesar 0,001 dan komposisi data set training/testing digunakan 80/20. Hasil pengujian 3D CNN memberikan rata-rata overall accuracy sebesar 70,3% dengan waktu pemrosesan 113 detik untuk setiap epoch. Dengan hasil tersebut metode 3D CNN diharapkan mampu membantu mengestimasi luas area banjir yang akurat dan mengidentifikasi daerah yang berpotensi mengalami banjir dalam rangka deteksi dini/pencegahan banjir kota-kota lain di masa mendatang. ......Urban flooding is a significant catastrophe due to its widespread impact on the population. Typically, floods occur concurrently with heavy rainfall, rendering the affected area obscured by clouds when observed through optical sensors on satellites. To address this issue, a novel approach is proposed in this study, aiming to classify flooded urban areas using a remote sensing synthetic aperture radar (SAR) sensor on a satellite. Unlike optical sensors, SAR has the ability to penetrate clouds. The framework was developed by employing the 3D Convolutional Neural Network (CNN) method to preserve the temporal variability, which processed multi-temporal SAR data from Sentinel-1 (S-1) and average rainfall data from the Climate Hazards Infrared Precipitation Sensor (CHIRPS). The dataset used in this research comprised 24 S-1 scenes with Dual VV and VH polarization, covering the period between March 2019 and February 2020 divided into 2 co-event images, 18 pre-event images, and 4 post-event images, along with rainfall data from CHIRPS. The training phase employed hyperparameters of 150 epochs, batch size of 100, and learning rate at 0,001, with training/testing data split of 80/20. The 3D CNN achieved an average overall accuracy of 70.3%, with maximum accuracy at 71,4% and each epoch taking 113 seconds on average to process. These results demonstrate the potential of the 3D CNN method to accurately estimate the extent of flooding and identify areas at risk of flooding, thereby aiding early detection and flood prevention efforts in other cities in the future.

Abstrak :
This book is the proceedings of the 5th China High-resolution Earth Observation Conference (CHREOC). The series conference of China High Resolution Earth Observation has been becoming the influential academic event in the earth detection area, and attracting more and more top experts and industry users of related fields. The CHREOCs focus on the popular topics including military-civilian integration, the One Belt and One Road project, the transformation of scientific research achievements, and it also discusses the new ideas, new technologies, new methods, and new developments. The CHREOCs have effectively promoted high-level institutional mechanisms, technological innovation, and industrial upgrading in the high-resolution earth observation area, and arouse the influence of the national-sponsored major project. All papers in this proceeding are from the 5th CHREOC, and most authors are the researchers and experts participating the state major project CHEOS. The papers are the extraction of research results and reflect the technique level and research direction of the field high-resolution earth observation. All articles have gone through the scientific and strict reviews for several rounds by the experts from the related fields, and therefore reflect the research level and technology innovation of the high-resolution field earth observation. This proceedings will be an informative and valuable reference for both academic research and engineering practice.

Abstrak :
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

Abstrak :
This book discusses statistical modeling of single- and multi-channel synthetic aperture radar (SAR) images and the applications of these newly developed models in land and ocean monitoring, such as target detection and terrain classification. It is a valuable reference for researchers and engineers interested in information processing of remote sensing, radar signal processing, and image interpretation.