Monitoring Perubahan Penggunaan Lahan Menggunakan Citra Satelit Sentinel 1 di DAS Wanggu Kota Kendari
Article Sidebar
Main Article Content
Abstract
Perubahan penggunaan lahan pada Daerah Aliran Sungai (DAS) merupakan salah satu isu penting bagi penyusun kebijakan. Monitoring perubahan penggunaan lahan pada DAS membutuhkan data dan informasi spasial dan bersifat multitemporal. Salah satu pendekatan yang dapat dilakukan adalah dengan pemanfaatan citra satelit Sentinel 1 yang dapat diperoleh secara gratis. Sentinel 1 merupakan satelit milik Europan Space Agency (ESA) yang diluncurkan pada tahun 2014 dengan membawa sensor Synthetic Aperture Radar (SAR). Penelitian ini bertujuan untuk mengetahui pola efektifitas pemanfaatan SAR untuk pemantauan perubahan penggunaan lahan di DAS Wanggu. Pengumpulan dan analisis awal data dilakukan menggunakan Google Earth Engine (GEE) yang merupakan platform berbasis cloud data dengan arsip data berskala dunia yang memberikan kesempatan kepada pengguna untuk mengakses dan menganalis data secara online dan gratis. Hasil penelitian ini memberikan informasi bahwa pemanfaatan teknologi SAR dapat digunakan untuk pemantauan perubahan penggunaan lahan pada DAS. Hasil dari pengolahan citra SAR memberikan informasi terkait rona, warna dan pola penggunaan lahan tanpa dipengaruhi oleh kondisi cuaca khususnya tutupan awan. Berdasarkan hasil pengujian dengan menggunakan citra satelit resolusi tinggi diperoleh bahwa citra satelit Sentinel 1 memiliki akurasi 76,13% khususnya pada klasifikasi penggunaan lahan permukiman.
Kata Kunci: Sentinel-1, Synthetic Aperture Radar (SAR), Google Earth Engine (GEE), Maximum Likelihood
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Bates, P. D., & Roo, A., 2000. A Simple Raster-Based Model for Flood Inundation Simulation. Journal of Hydrology, 236, 54–77. https://doi.org/10.1016/S0022-1694(00)00278-X
Bengtsson, Z., Torres-pérez, J., & Mccullum, A., 2021. Part 3: Using Google Earth Engine for Land Monitoring Applications. NASA Applied Remote Sensing Training Program (ARSET). https://appliedsciences.nasa.gov/join-mission/training/english/arset-using-google-earth-engine-land-monitoring-applications
Clerici, N., Valbuena Calderón, C. A., & Posada, J. M., 2017. Fusion of sentinel-1a and sentinel-2A data for land cover mapping: A case study in the lower Magdalena region, Colombia. Journal of Maps, 13(2), 718–726. https://doi.org/10.1080/17445647.2017.1372316
Dineshkumar, C., Kumar, J. S., & Nitheshnirmal, S., 2019. Rice Monitoring Using Sentinel-1 Data in the Google Earth Engine Platform. June 2019, 4. https://doi.org/10.3390/iecg2019-06206
Fadlin, F., Kurniadin, N. & Prasetya, A. S.., 2020. Analisis Indeks Kekritisan Lingkungan di Kota Makassar Menggunakan Citra Satelit Landsat 8 OLI/Tirs. Jurnal ELIPSOIDA, 3(1), 55–63.
Fadlin, F., Suparjo, Sajiah, A. Ma., Ransi, N., & Nangi, J., 2020. Analisis spasiotemporal Indeks Kekritisan Lingkungan menggunakan algoritma Land Surface Temperature dan Normalized Difference Vegetation Index di Kota Makassar. semanTIK 6(1), 89–98.
Fathoni, M. N., Chulafak, G. A. & Kushardono, D., 2017. Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku Sawah di Kabupaten Indramayu Jawa Barat. Seminar Nasional Penginderaan Jauh Ke-4, October, 179–186.
Ghorbanian, A., Kakooei, M., Amani, M., Mahdavi, S., Mohammadzadeh, A. & Hasanlou, M., 2020. Improved land cover map of Iran using Sentinel imagery within Google Earth Engine and a novel automatic workflow for land cover classification using migrated training samples. ISPRS Journal of Photogrammetry and Remote Sensing, 167(April), 276–288. https://doi.org/10.1016/j.isprsjprs.2020.07.013
Ienco, D., Interdonato, R., Gaetano, R. & Ho Tong Minh, D., 2019. Combining Sentinel-1 and Sentinel-2 Satellite Image Time Series for land cover mapping via a multi-source deep learning architecture. ISPRS Journal of Photogrammetry and Remote Sensing, 158(February), 11–22. https://doi.org/10.1016/j.isprsjprs.2019.09.016
Malenovský, Z., Rott, H., Cihlar, J., Schaepman, M. E., García-Santos, G., Fernandes, R., & Berger, M., 2012. Sentinels for science: Potential of Sentinel-1, -2, and -3 missions for scientific observations of ocean, cryosphere, and land. Remote Sensing of Environment, 120, 91–101. https://doi.org/10.1016/j.rse.2011.09.026
Sica, F., Pulella, A., Nannini, M., Pinheiro, M., & Rizzoli, P., 2019. Repeat-pass SAR interferometry for land cover classification: A methodology using Sentinel-1 Short-Time-Series. Remote Sensing of Environment, 232(June), 111277. https://doi.org/10.1016/j.rse.2019.111277
Zurqani, H. A., Post, C. J., Mikhailova, E. A., Schlautman, M. A., & Sharp, J. L., 2018). Geospatial analysis of land use change in the Savannah River Basin using Google Earth Engine. International Journal of Applied Earth Observation and Geoinformation, 69(September 2017), 175–185. https://doi.org/10.1016/j.jag.2017.12.006.