Pemantauan kualitas udara perkotaan memerlukan metode yang komprehensif dan hemat biaya. Data satelit Sentinel-5P TROPOMI tersedia secara gratis; namun, satuannya (mol/m²) tidak dapat langsung mewakili konsentrasi polutan permukaan (μg/m³) tanpa parameter Tinggi Kolom Vertikal (VCH), yang biasanya diasumsikan konstan. Asumsi ini bertentangan dengan sifat dinamis atmosfer. Studi ini menunjukkan bahwa VCH secara inheren bersifat dinamis melalui integrasi data Sentinel-5P dengan pengamatan sensor kualitas udara in-situ di Kota Surabaya. Nilai VCH harian dihitung untuk SO₂, CO, dan NO₂ di stasiun pemantauan Kebonsari dan Wonorejo sepanjang tahun 2024 dengan memasangkan data Kerapatan Kolom Vertikal (VCD) (diperoleh melalui Google Earth Engine) dengan konsentrasi polutan permukaan (diperoleh dari Dinas Lingkungan Hidup Surabaya) berdasarkan tanggal dan koordinat yang cocok. Hasil menunjukkan bahwa VCH bervariasi secara signifikan pada skala harian dan bulanan, menunjukkan bahwa asumsi VCH statis tidak representatif. Korelasi antara VCH dan konsentrasi in-situ adalah negatif, dengan urutan kekuatan berikut: CO (r = −0,7989; R² = 0,6383) > NO₂ (r = −0,5913; R² = 0,3496) > SO₂ (r = −0,3818; R² = 0,1457), konsisten dengan masa hidup atmosfer masing-masing polutan. Analisis tambahan menunjukkan bahwa suhu permukaan MODIS menunjukkan korelasi positif lemah dengan VCH untuk semua polutan: SO₂ (r = 0,2903; R² = 0,0843) > CO (r = 0,2464; R² = 0,0607) > NO₂ (r = 0,0033; R² ≈ 0,0000), menunjukkan bahwa suhu permukaan saja tidak cukup untuk menjelaskan distribusi polutan vertikal. Oleh karena itu, pendekatan VCH dinamis diperlukan untuk konversi polutan satelit-ke-permukaan yang lebih akurat, dan model masa depan memerlukan integrasi parameter meteorologi yang lebih komprehensif

Perubahan penggunaan lahan/tutupan lahan (LULC) di kota-kota satelit baru seperti Gading Serpong, Tangerang, Indonesia, merupakan kekuatan pendorong utama transformasi spasial dan fragmentasi lanskap di pinggiran metropolitan. Pembangunan perkotaan yang cepat telah mengubah lahan pertanian, ruang terbuka, dan badan air setempat menjadi kawasan terbangun perumahan dan komersial yang masif. Tujuan dari penelitian ini adalah untuk menganalisis dinamika LULC spatio-temporal selama 10 tahun (2017–2026) menggunakan citra satelit multispektral Sentinel-2. Untuk klasifikasi, kinerja pengklasifikasi Random Forest (RF) berbasis piksel tradisional dibandingkan dengan dua model segmentasi semantik Deep Learning yang mutakhir (U-Net dan DeepLabv3+). Model-model tersebut berhasil memetakan area studi menjadi empat kelas: Badan Air, Vegetasi, Kawasan Terbangun, dan Lahan Kosong. Hasil kuantitatif menunjukkan perluasan Kawasan Terbangun dari 212,0 Ha pada tahun 2017 menjadi 2583,4 Ha pada tahun 2026. Tutupan lahan yang paling banyak dikonversi adalah Vegetasi, yang menurun dari 1759,2 Ha menjadi 818,8 Ha, dan Lahan Kosong, yang menurun dari 1568,7 Ha menjadi 193,8 Ha. Kinerja tertinggi dicapai oleh algoritma DeepLabv3+, dengan akurasi keseluruhan (Overall Accuracy) sebesar 88,40% dan mean IoU sebesar 76,24%. Hasil ini secara signifikan mengungguli U-Net (mIoU 63,69%) dan baseline Random Forest (mIoU 44,52%) pada kondisi pencampuran spektral perkotaan yang kompleks.

Jembatan Suramadu merupakan infrastruktur vital yang menghubungkan Pulau Jawa dan Madura. Pylon, sebagai komponen kunci jembatan cable-stayed, rentan terhadap perubahan geometris akibat paparan gelombang laut, beban angin, dan volume lalu lintas yang meningkat. Penelitian ini menganalisis perpindahan geometris pylon dengan membandingkan dua periode data point cloud UAV LiDAR yang diperoleh pada 5 Januari 2026 dan 2 Februari 2026 terhadap Detailed Engineering Design (DED). Akuisisi data dilakukan menggunakan UAV DJI Matrice 350 dengan sensor LiDAR Geosun GS-260H. Analisis geometris mencakup enam parameter dimensi dan kemiringan pylon yang dihitung dari centroid gabungan kedua kaki pylon. Validasi akurasi menggunakan titik ICP berdasarkan SNI 9135-2:2023 mengonfirmasi bahwa kedua periode mencapai akurasi Kelas 2 pada skala 1:2.500. Parameter lebar atas (L1) mencatat deviasi terbesar sebesar 186 mm pada pylon Madura pada Periode 3, sedangkan ketebalan tengah (T2) diidentifikasi sebagai parameter paling kritis karena deviasi negatif yang konsisten, mencapai 134 mm pada pylon Madura pada Periode 5. Mean Absolute Error menunjukkan bahwa pylon MDR (51 mm) menunjukkan intensitas perubahan dimensi yang lebih besar daripada pylon SBY (36 mm). Analisis kemiringan menunjukkan bahwa kedua pylon condong secara konvergen menuju bentang utama, yang disebabkan oleh tegangan kabel.

Pulau Papua merupakan wilayah dengan karakteristik hidrologi yang kompleks, dipengaruhi oleh topografi pegunungan dan kondisi iklim tropis khatulistiwa. Penelitian ini bertujuan untuk menganalisis variabilitas spasial, temporal, dan musiman dari Simpanan Air Total (TWS) dan Simpanan Air Tanah (GWS) di Pulau Papua selama periode 2005–2024 menggunakan data satelit GRACE dan GRACE-FO yang diintegrasikan dengan keluaran Global Land Data Assimilation System (GLDAS). Analisis mencakup pemetaan spasial distribusi TWS untuk tahun-tahun perwakilan terpilih, evaluasi deret waktu di tiga sub-wilayah (Papua Barat, Papua Utara, dan Papua Selatan), serta estimasi GWS menggunakan pendekatan residual. Hasil menunjukkan heterogenitas spasial yang kuat dalam distribusi TWS, dengan simpanan yang lebih tinggi secara konsisten diamati di Papua Barat dan Papua Utara dibandingkan dengan Papua Selatan. Secara temporal, TWS menunjukkan tren peningkatan positif di semua sub-wilayah, dengan laju tertinggi diamati di Papua Barat sebesar +0,43 cm/tahun. Variasi GWS menunjukkan tren jangka panjang positif sebesar +0,38 cm/tahun dan siklus musiman pengisian-penipisan yang jelas, dengan pengisian terjadi pada bulan Juni–November dan penipisan pada bulan Desember–Mei. Temuan ini menunjukkan bahwa pengamatan GRACE dan GRACE-FO menyediakan pendekatan yang efektif untuk memantau perubahan simpanan air terestrial dan air tanah regional, terutama di wilayah tropis dengan keterbatasan pengamatan hidrologis in-situ.

Ekosistem mangrove memainkan peran penting dalam menjaga stabilitas lingkungan pesisir, tetapi menghadapi berbagai tekanan akibat aktivitas manusia dan perubahan lingkungan yang meningkatkan kerentanannya. Penelitian ini bertujuan untuk mengkaji perkembangan pendekatan berbasis penginderaan jauh dalam memantau kondisi, perubahan, dan kerentanan ekosistem mangrove, serta mengidentifikasi faktor-faktor utama yang memengaruhi degradasinya. Metode yang digunakan adalah Systematic Literature Review (SLR) dengan analisis deskriptif kualitatif terhadap publikasi ilmiah yang berkaitan dengan pemantauan mangrove menggunakan teknologi penginderaan jauh. Hasil penelitian menunjukkan bahwa penelitian mangrove berbasis penginderaan jauh telah meningkat secara signifikan, terutama setelah tahun 2010, seiring dengan perkembangan teknologi sensor, sistem informasi geografis (SIG), dan metode kecerdasan buatan. Faktor utama yang memengaruhi kerentanan mangrove meliputi tekanan antropogenik seperti konversi lahan dan polusi, faktor lingkungan seperti kenaikan permukaan laut dan perubahan hidrologi, serta faktor biofisik yang berkaitan dengan struktur dan kondisi vegetasi. Integrasi penginderaan jauh, SIG, dan analisis spasial telah terbukti meningkatkan efektivitas pemantauan dan pemahaman dinamika perubahan ekosistem mangrove. Dengan demikian, pendekatan geospasial terintegrasi menjadi landasan penting dalam mendukung pengelolaan dan konservasi mangrove yang berkelanjutan.

Sea Snot adalah fenomena yang terjadi di perairan yang ditandai dengan akumulasi lendir atau lumpur di permukaan laut yang merupakan akumulasi dari berbagai jenis mikroorganisme seperti fitoplankton dan bakteri. Kejadian pertama di Indonesia dilaporkan di Teluk Bima pada 25 April 2022. Penelitian ini bertujuan untuk menilai kualitas air Teluk Bima menggunakan parameter Suhu Permukaan Laut (SST), Oksigen Terlarut (DO), dan Salinitas yang diturunkan dari citra satelit Landsat dan divalidasi melalui survei lapangan. Berdasarkan hasil penentuan status kualitas perairan Teluk Bima, menunjukkan bahwa terjadi perubahan status kualitas di setiap titik dari tahun 2022 hingga 2023. Dari total 50 titik sampel, menunjukkan bahwa terdapat 44% titik yang masih berstatus tercemar ringan dan dari status baik menjadi tercemar ringan sebanyak 18%. Hal ini menunjukkan bahwa masih terdapat pencemaran ringan sebesar 62% di perairan Teluk Bima setelah satu tahun fenomena sea snot. Kondisi perairan Teluk Bima tidak memiliki status tercemar sedang atau berat. Temuan ini menyoroti perlunya peningkatan kesadaran lingkungan di kalangan masyarakat setempat untuk mencegah degradasi lebih lanjut pada perairan Teluk Bima.

Penilaian resolusi tinggi potensi fotovoltaik surya (PV) atap di daerah perkotaan sering terkendala oleh tingginya biaya data komersial seperti LiDAR dan intensitas komputasi dalam menganalisis geometri yang kompleks. Studi ini mengembangkan dan menerapkan alur kerja penginderaan jauh sumber terbuka sepenuhnya yang memanfaatkan cloud computing untuk mengatasi keterbatasan ini. Metodologi ini mengintegrasikan data tinggi bangunan dan kanopi sumber terbuka untuk menghasilkan Model Permukaan Digital (DSM) dan memperkenalkan Faktor Koreksi Geometri Perkotaan (UGCF) yang baru. UGCF menggabungkan Faktor Bayangan multi-temporal, yang dihitung secara efisien di Google Earth Engine (GEE), dengan Faktor Langit Terlihat (SVF) untuk memodelkan iradiasi surya pada atap individual secara realistis. Diterapkan pada morfologi perkotaan yang kompleks di Padang Utara, Indonesia, alur kerja ini mengidentifikasi potensi yang signifikan, dengan 47,17% atap layak diklasifikasikan sebagai 'Optimal' atau 'Sangat Optimal', dengan rentang nilai radiasi 758,8–848,63 kWh/m²/tahun. Secara spasial, potensi tertinggi terkonsentrasi di area perumahan dengan profil lebih rendah, bukan pada bangunan tertinggi; hal ini secara kritis mengungkapkan bahwa peneduh atap internal adalah faktor pembatas dominan untuk bangunan besar. Penelitian ini menyajikan metodologi yang hemat biaya dan dapat direplikasi, berkontribusi sebagai alat penting untuk penilaian potensi surya perkotaan secara rinci dan mendukung perencanaan energi berkelanjutan yang berbasis data.

Longsor merupakan salah satu bencana alam yang paling sering terjadi di Indonesia, terutama di wilayah yang ditandai dengan lereng curam dan curah hujan tinggi. Studi ini menganalisis potensi longsor di Kecamatan Leuwiliang, Kabupaten Bogor, menggunakan Relative Difference Normalized Difference Vegetation Index (rdNDVI) dan platform Google Earth Engine (GEE). Citra Sentinel-2A dengan resolusi spasial 10 meter digunakan untuk menghitung nilai rdNDVI dari periode sebelum dan sesudah kejadian (2020–2023). Data kemiringan lereng yang diturunkan dari Model Elevasi Digital (DEM) diintegrasikan untuk mengidentifikasi area yang melebihi ambang batas kemiringan 10%, yang dikategorikan sebagai zona berisiko tinggi. Analisis rdNDVI mengungkapkan bahwa Desa Karehkel memiliki area rawan longsor terluas (40,06 ha), sedangkan Desa Leuwiliang memiliki area terkecil (20,88 ha). Validasi menggunakan data survei lapangan pada tahun 2025 menunjukkan akurasi 78% untuk ambang batas kemiringan 10%. Sistem WebGIS yang dihasilkan menyediakan visualisasi interaktif untuk pemetaan risiko bencana dan mendukung pengambilan keputusan untuk perencanaan mitigasi lokal. Kombinasi rdNDVI dan GEE menunjukkan potensi penginderaan jauh berbasis cloud untuk deteksi longsor yang cepat dan dapat diskalakan. Pekerjaan di masa depan harus mencakup parameter tambahan seperti intensitas curah hujan dan kelembaban tanah untuk meningkatkan akurasi prediksi.

Studi ini menyajikan tinjauan sistematis pemodelan suhu udara spasial berdasarkan data penginderaan jauh menggunakan pendekatan machine learning selama periode 2016–2025. Dengan menggunakan kerangka PRISMA, kami melakukan pencarian literatur di Google Scholar (998 artikel) dan Scopus (489 artikel).. Setelah menggabungkan dataset, menghapus duplikat, dan menerapkan kriteria inklusi-eksklusi, 12 artikel dipertahankan untuk analisis mendalam. Temuan menunjukkan peningkatan yang signifikan dalam publikasi sejak tahun 2021, mencerminkan minat global yang meningkat dalam mengintegrasikan penginderaan jauh dan machine learning untuk estimasi suhu udara. Algoritma ensemble seperti Random Forest dan XGBoost mendominasi karena keseimbangan akurasi dan efisiensi komputasi, sementara pendekatan deep learning temporal seperti LSTM dan TCN muncul sebagai alat yang ampuh untuk menangkap dinamika atmosfer yang kompleks. Di antara prediktor penginderaan jauh, Land Surface Temperature (LST) paling sering digunakan, sering dilengkapi dengan NDVI, albedo, dan elevasi untuk meningkatkan akurasi spasial. Konteks geografis sangat mempengaruhi kinerja metodologis. XGBoost terbukti efektif di daerah perkotaan heterogen, Random Forest bekerja dengan baik di daerah pegunungan, dan jaringan saraf tiruan menunjukkan kemampuan adaptasi yang lebih tinggi di lingkungan ekstrem seperti lapisan es Greenland. Meskipun demikian, keterbatasan observasi berbasis darat dan jaringan stasiun yang jarang tetap menjadi tantangan utama, terutama di wilayah tropis dan kepulauan. Tinjauan ini mengidentifikasi tiga arah utama untuk penelitian masa depan: (1) memperluas studi ke wilayah tropis yang kurang terwakili, (2) memanfaatkan metode deep learning temporal untuk mendeteksi kejadian ekstrem, dan (3) mengintegrasikan data multisensor dengan strategi validasi inovatif untuk meningkatkan ketahanan dan keandalan pemodelan suhu udara.

Pemetaan mengungkapkan bahwa Bekasi (total 126.266,77 ha) memiliki empat kelas kerentanan banjir. Sebagian besar lahan (68,5% atau 86.454,87 ha) berisiko Sedang, terutama di zona transisi yang rentan terhadap genangan akibat hujan ekstrem atau perubahan penggunaan lahan. Area berisiko tinggi mencakup 21.831,52 ha, sedangkan zona berisiko rendah mencakup 17.980,39 ha. Distribusi ini menunjukkan bahwa kabupaten ini sebagian besar rentan sedang hingga tinggi, didorong oleh topografi dataran rendah dan kedekatan dengan sungai. Sebagai wilayah paling parah terkena banjir di Jawa Barat dalam dekade terakhir, sebuah studi mengintegrasikan citra Landsat 9 dan MCDA untuk memetakan risiko banjir menggunakan lima parameter (tutupan lahan, elevasi, curah hujan, tanah, buffer sungai). Divalidasi dengan data historis BNPB, model mengkonfirmasi wilayah utara (Tambun, Muara Gembong, Babelan) sebagai risiko tertinggi karena elevasi rendah (<10 m), tanah aluvial, dan banjir yang sering terjadi.

Fenomena tumpahan minyak, khususnya di Sisi Barat Laut Jawa, terjadi karena industri minyak dan aktivitas maritim yang padat sehingga menyebabkan potensi kerentanan terhadap pencemaran minyak. Deteksi cepat sebaran tumpahan minyak perlu dilakukan untuk meminimalkan dampak yang dihasilkan. Dengan mengembangkan metode deteksi dini tumpahan minyak di Laut Jawa bagian barat menggunakan teknologi Synthetic Aperture Radar (SAR) dari Satelit Sentinel-1A menggunakan perangkat lunak SNAP dengan pendekatan Adaptive Threshold. Metode deteksi didasarkan pada prinsip bahwa minyak menyebabkan permukaan laut menjadi tenang, yang mengakibatkan pengurangan drastis nilai refleksi gelombang radar. Hasil penelitian menunjukkan deteksi tumpahan minyak pada Juni 2023 dengan luas mencapai 73.823 km² dan tingkat akurasi 93,75% berdasarkan validasi confusion matrix. Penelitian ini juga mengintegrasikan analisis medan angin untuk mendukung interpretasi citra radar, dengan hasil estimasi kecepatan angin 1-12 m/s dan arah dominan menuju barat laut hingga utara. Data medan angin divalidasi menggunakan data reanalisis BMKG dan Copernicus Marine My Ocean Pro. Metode yang dikembangkan lebih unggul dibandingkan citra optik dalam hal visualisasi deteksi dan kemampuan klasifikasi objek di dalam area tumpahan. Temuan penelitian ini memberikan kontribusi penting bagi pengembangan sistem pemantauan dan respons yang efektif untuk melindungi ekosistem laut, dan dapat menjadi dasar untuk perencanaan mitigasi dampak lingkungan dari tumpahan minyak di wilayah tersebut.

Kawasan konservasi mangrove Pamurbaya di Surabaya Timur sangat penting untuk perlindungan pantai, tetapi rentan terhadap degradasi akibat aktivitas manusia dan perubahan penggunaan lahan. Peta sebaran spesies sangat penting untuk memahami fungsi ekologis, seperti penyerapan karbon, toleransi salinitas, dan stabilitas ekosistem. Penelitian ini memanfaatkan data penginderaan jauh multiresolusi dari citra satelit WorldView-2 untuk memetakan mangrove dan tingkat spesies secara rinci. Random Forest digunakan untuk membedakan mangrove dan non-mangrove, sedangkan Linear Spectral Unmixing memungkinkan distribusi spesies mangrove secara rinci. Analisis lebih lanjut dilakukan untuk menentukan pada resolusi berapa LSU bekerja optimal. Citra disajikan pada resolusi 0,5 meter dan di-downsampling menjadi resolusi 5 meter, 10, 20, 30, dan 50 meter. Penelitian ini memperoleh bahwa LSU mampu membedakan mangrove sesuai endmember-nya dan bekerja optimal pada resolusi sedang (10–30 m), dengan akurasi keseluruhan meningkat dari 70% (10 m) menjadi 75% (30 m) dan nilai Kappa meningkat dari 53,7 menjadi 60,41. Resolusi tinggi (0,5–10 m) memberikan pemetaan yang lebih rinci tetapi optimal untuk spesies dengan sebaran kecil dan tersebar. Sementara itu, resolusi rendah (20–50 m) cenderung menyebabkan overestimasi atau agregasi spesies.

Gunung Lewotobi adalah salah satu gunung berapi aktif yang terletak di Kecamatan Wulanggitang, Kabupaten Flores Timur, Nusa Tenggara Timur. Gunung Lewotobi Laki-laki pada November 2024 terdeteksi menunjukkan aktivitas vulkanik yang signifikan. Aktivitas vulkanik ini terdeteksi mengeluarkan emisi gas vulkanik dan aliran lava yang signifikan yang dapat memengaruhi kualitas udara, struktur, dan ekosistem di sekitarnya. Emisi SO2 dan area hotspot dianalisis menggunakan data penginderaan jauh dari Sentinel-5P (TROPOMI), Sentinel-2 (MSI), dan Landsat-8 (OLI). Pemrosesan data dilakukan menggunakan platform Google Earth Engine untuk memperoleh analisis spasial dan temporal konsentrasi SO2 di udara dan sumber panas yang dihasilkan oleh aktivitas vulkanik. Metode Normalized Hotspot Indices (NHI) diterapkan untuk mengidentifikasi dan memetakan hotspot yang dihasilkan oleh aktivitas vulkanik. Hasil kadar SO2 menunjukkan nilai maksimum 300.831 µg/m³ dan rata-rata 71.928 µg/m³ yang terjadi pada 9 November 2024. Klasifikasi distribusi hotspot menunjukkan rentang dari tinggi hingga sedang hingga rendah. Jumlah total hotspot yang terukur adalah 51 pada Landsat-8 dan 278 pada Sentinel-2. Hasil uji statistik untuk data Landsat-8 menunjukkan tidak ada korelasi signifikan antara pengukuran SO2 dan pengukuran hotspot, sedangkan hasil untuk Sentinel-2 menunjukkan korelasi terbalik.

Benua maritim Indonesia memiliki pembentukan awan yang dapat berkembang dan berevolusi menjadi MCS (Sistem Konvektif Skala Meso). Monsun Asia-Australia memiliki pengaruh penting dalam menentukan aktivitas MCS. Kesenjangan penelitian adalah analisis hubungan antara monsun dan MCS di Jawa Timur yang sangat dipengaruhi oleh monsun. Data yang digunakan adalah satelit cuaca Himawari, angin zonal dan angin meridional Model ERA-Interim 850 mb. Penentuan MCS mengikuti karakteristik fisik dalam algoritme Maddox dan indeks AUSMI mengikuti algoritme Kajikawa. Metode yang digunakan adalah analisis kuantitatif koefisien korelasi dan determinasi, serta kualitatif dalam bentuk analitik deskriptif. Dapat diketahui bahwa monsun Asia-Australia memiliki pengaruh lemah terhadap MCS di Jawa Timur. Indeks AUSMI memiliki pola dan fase yang sama dengan frekuensi MCS secara musiman.

Pembangunan infrastruktur yang pesat di Kawasan Ekonomi Khusus (KEK) Mandalika telah secara signifikan mengubah tutupan lahan dan berpotensi mempengaruhi suhu permukaan lahan (LST). Penelitian ini bertujuan untuk membandingkan kekuatan korelasi dua indeks vegetasi berbasis penginderaan jauh, yaitu Normalized Difference Vegetation Index (NDVI) dan Soil Adjusted Vegetation Index (SAVI) dengan LST untuk menentukan indeks mana yang lebih mewakili variabilitas suhu permukaan di daerah yang mengalami pembangunan pesat. Citra Landsat 8 dari tahun 2014 hingga 2023 digunakan untuk memperoleh nilai NDVI, SAVI, dan LST. Korelasi Spearman's Rho dan regresi linier sederhana digunakan untuk mengevaluasi kekuatan dan konsistensi hubungan antara indeks vegetasi dan LST. Uji Shapiro – Wilk mengkonfirmasi bahwa semua variabel tidak berdistribusi normal, sehingga digunakan korelasi Spearman's rho. Kedua indeks menunjukkan korelasi negatif yang signifikan dengan LST, dengan NDVI sedikit lebih kuat (r = -0,555) dibandingkan SAVI (r = -0,536). Regresi linier sederhana mengungkapkan bahwa NDVI memiliki R² (0,392) yang lebih tinggi dan galat sisa yang lebih rendah daripada SAVI, menunjukkan model yang lebih kokoh. Meskipun SAVI lebih sesuai pada kondisi tutupan lahan campuran karena koreksi latar belakang tanahnya, NDVI memberikan kinerja statistik yang lebih kuat dalam memodelkan LST di KEK Mandalika. Temuan ini mendukung penggunaan strategis NDVI sebagai indikator utama dalam perencanaan lingkungan dan pemantauan pembangunan berkelanjutan atau untuk kebijakan mitigasi Pulau Bahang Perkotaan di daerah berkembang.

Normalized Difference Built-up Index (NDBI) adalah metode penginderaan jauh yang banyak digunakan untuk mendeteksi area terbangun. Namun, efektivitasnya dalam membedakan lahan terbangun dari lahan terbuka di wilayah pedesaan kering masih kurang dieksplorasi. Studi ini bertujuan untuk mengevaluasi kinerja NDBI dalam mengidentifikasi area terbangun di Kecamatan Bayat, Kabupaten Klaten, Jawa Tengah, yang merupakan daerah pedesaan dengan karakteristik lahan semi-kering pada Oktober 2023. Analisis menggunakan citra Landsat 8 OLI yang diperoleh pada tahun 2023, yang diproses untuk menghasilkan nilai NDBI. Nilai-nilai ini diklasifikasikan menjadi empat tingkat intensitas terbangun menggunakan metode natural breaks (Jenks): Sangat Rendah, Rendah, Sedang, dan Tinggi. Validasi dilakukan menggunakan 36 titik kebenaran lapangan yang mewakili jenis tutupan lahan seperti vegetasi, lahan terbangun, lahan terbuka, dan badan air. Akurasi klasifikasi dinilai melalui matriks kebingungan (confusion matrix). Hasilnya mengungkapkan tingkat kesalahan klasifikasi yang signifikan. NDBI dihitung dari selisih reflektansi antara pita Inframerah Gelombang Pendek (SWIR) dan Inframerah Dekat (NIR), di mana area terbangun biasanya menunjukkan nilai SWIR tinggi dan NIR rendah. Namun, lahan terbuka kering (misalnya, tanah gundul atau area tanpa vegetasi) menunjukkan pola spektral yang serupa, reflektansi SWIR tinggi karena permukaan kering, dan reflektansi NIR rendah karena tidak adanya biomassa. Kemiripan ini menyebabkan nilai NDBI meningkat untuk area terbuka kering, sehingga sulit dibedakan dari wilayah terbangun yang sebenarnya. Matriks kebingungan menghasilkan akurasi keseluruhan 75,00% dan koefisien Kappa 0,628, menunjukkan kesepakatan sedang antara hasil klasifikasi dan data lapangan. Temuan ini menyoroti keterbatasan NDBI dalam membedakan lahan terbangun dari lahan terbuka tanpa vegetasi di lingkungan pedesaan semi-kering.

Metode semi-analitik untuk mendeteksi batimetri menggunakan data citra satelit resolusi sedang merupakan pengembangan metode untuk menentukan batimetri berbasis satelit. Metode ini memperhitungkan prinsip perambatan gelombang cahaya di air dan intensitas cahaya datang yang menurun seiring dengan bertambahnya kedalaman yang dilalui. Citra satelit yang digunakan adalah SPOT 7. Citra ini merupakan generasi terbaru dari satelit SPOT yang memiliki 4 kanal multispektral dengan resolusi spasial 6 meter. Oleh karena itu, citra resolusi tinggi ini diharapkan dapat menghasilkan batimetri di perairan laut dangkal secara lebih akurat. Metode semi-analitik yang digunakan untuk mendeteksi batimetri adalah metode Benny dan Dawson. Metode ini menggunakan perbandingan nilai reflektansi antara air dalam dan air dangkal dengan memperhitungkan pendekatan koefisien atenuasi kolom air dan sudut elevasi satelit. Tujuan penelitian ini adalah untuk mendeteksi batimetri di perairan laut dangkal. Wilayah penelitian adalah perairan pesisir Pulau Karimunjawa, Jepara, Jawa Tengah. Data yang digunakan adalah citra SPOT 7 akuisisi tanggal 18 Mei 2017 yang telah dianalisis, data kedalaman in situ serta data pasang surut. Hasil penelitian menunjukkan bahwa dari ketiga kanal SPOT 7, rentang kedalaman 0 - 11,45 meter untuk kanal biru, 0 - 10,49 meter untuk kanal hijau, dan 0 - 9,72 meter untuk kanal merah. Akurasi hasil deteksi batimetri dari kanal hijau menunjukkan hasil yang cukup baik hingga kedalaman kurang dari 5 meter. Parameter kanal hijau dari algoritma Benny Dawson yang digunakan adalah 0,3274 untuk Ld, 0,8932 untuk Lo, koefisien atenuasi 0,823 dan Cosec E '0,6311272.

Suhu permukaan tanah perkotaan lebih tinggi dibanding pedesaan merupakan fenomena alam yang dikenal sebagai Surface Urban Heat Island (SUHI). SUHI memberikan dampak negatif yang besar seperti mempengaruhi kesehatan manusia, kualitas air, udara serta konsumsi energi makhluk hidup sehingga perlu ditemukan solusi yang tepat. Penelitian ini bertujuan untuk : (1) menganalisis pola spasial SUHI Intensity (SUHII) Kota Bandung pada pagi dan malam hari menggunakan data citra Sentinel-3 Sea and Land Surface Temperature Radiometer (SLSTR) dan (2) rancangan mitigasi iklim perkotaan bagi pemerintah dan masyarakat Kota Bandung. Penelitian SUHII ini menggunakan data multiwaktu Land Surface Temperature (LST) citra Sentinel-3 SLSTR pagi dan malam hari musim kemarau tahun 2019 (Agustus-Oktober) untuk menghitung selisih LST urban (Kota Bandung) dan area sub-urban. Berdasarkan pengolahan data tersebut, diperoleh SUHII maksimum pagi dan malam hari musim kemarau mencapai 5,6ºC dan 2,1ºC. Selain itu, diperoleh pula pola spasial SUHII di Kota Bandung menunjukkan dua area cenderung terjadi fenomena SUHI yaitu di pusat kota di sisi barat (Kecamatan Babakan Ciparai) dan di area permukiman padat (Kecamatan Antapani dan sekitarnya). Rancangan mitigasi pada area terindikasi SUHII tinggi bagi pemerintah dan masyarakat Kota Bandung yaitu berupa penambahan vegetasi.

Identifikasi awan merupakan langkah pra-pemrosesan yang penting dalam data penginderaan jauh. Secara umum, identifikasi awan dapat diklasifikasikan menjadi metode tanggal tunggal dan multi-tanggal. Selanjutnya, metode tanggal tunggal dapat dibagi menjadi metode berbasis aturan fisik dan berbasis pembelajaran mesin. Metode berbasis aturan fisik umumnya memerlukan data dengan resolusi spektral yang memadai sedangkan metode berbasis pembelajaran mesin bergantung pada dataset pelatihan. Sedangkan metode multi-tanggal biasanya menggunakan data bebas awan sebagai referensi. Data bebas awan itu sendiri dapat berupa seluruh scene atau dibangun dari banyak scene. Memproses data bebas awan merupakan tantangan di daerah dengan tutupan awan tinggi seperti Indonesia. Dalam makalah ini, diusulkan metode identifikasi awan menggunakan scene deret waktu multi-tanggal. Metode ini hanya menggunakan kanal RGB yang umum dalam data visual penginderaan jauh. Selain itu, metode ini tidak memerlukan atau memproses mozaik data bebas awan terlebih dahulu. Nilai piksel dari scene yang diperiksa dibandingkan dengan nilai piksel lain dari scene lain pada posisi yang sama. Scene lain adalah scene yang diperoleh sebelum dan sesudah scene yang diperiksa. Perbedaan nilai antara piksel yang diperiksa dan nilai sebelum dan sesudahnya kemudian dievaluasi menggunakan beberapa ambang batas untuk menentukan apakah piksel tersebut merupakan awan atau bukan. Penilaian dilakukan dengan menggunakan L8 Biome sebagai referensi. Hasilnya menunjukkan bahwa menggunakan beberapa ambang batas dalam metode yang diusulkan memiliki koefisien Kappa lebih tinggi dari 0,9.

Perairan di Kecamatan Gerokgak merupakan salah satu kawasan perairan di Indonesia yang berpotensi sebagai lahan regional untuk pengembangan budidaya perairan, salah satunya adalah budidaya ikan kerapu. Untuk meningkatkan potensi budidaya ikan kerapu, perlu diketahui lokasi yang tepat untuk budidaya ikan kerapu. Penelitian ini menerapkan metode yang menggunakan tumpang tindih antara parameter oseanografi, yaitu suhu permukaan laut (SST), salinitas, klorofil, dan Total Padatan Tersuspensi (TSS). Selain itu, penelitian ini juga menggunakan pendekatan penginderaan jauh dengan memanfaatkan data citra satelit Landsat-8 Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS). Hasil penelitian ini menunjukkan bahwa perairan di Teluk Penerusan, Kecamatan Gerokgak, Bali memiliki perairan yang sesuai untuk budidaya ikan kerapu. Berdasarkan hasil analisis antara nilai suhu permukaan laut dan klorofil dengan nilai in situ, menunjukkan akurasi yang baik dengan nilai R2 = 0,661; 0,686 untuk klorofil in situ, dan 0,658 untuk TSS dengan in situ.

Lidar adalah teknologi penginderaan jauh. Data Lidar banyak digunakan dan telah dikembangkan untuk pemetaan, perencanaan tata ruang yang detail, dan analisis bencana alam. Dalam pengembangannya untuk pengelolaan data Lidar, aplikasi perangkat lunak banyak digunakan serta dengan menggunakan algoritma bawaan seperti pembelajaran mesin. Penelitian ini bertujuan untuk memanfaatkan data Lidar untuk klasifikasi penutup lahan menggunakan pembelajaran mesin, yaitu Support Vector Machine (SVM). Lokasi penelitian adalah Desa Tanjung Karang, Kota Mataram, Lombok. Klasifikasi yang diterapkan adalah klasifikasi terbimbing di mana data pelatihan diperlukan untuk melakukan klasifikasi. Kelas penutup lahan yang diprediksi dalam penelitian ini terbatas pada bangunan, vegetasi, jalan, lahan terbuka. Data yang digunakan untuk klasifikasi berasal dari Lidar, yaitu DTM, DSM, nDSM, dan Intensitas. Skema klasifikasi yang digunakan adalah satu input data dan kombinasi data. Data referensi yang digunakan adalah peta topografi (Peta Topografi Indonesia). Hasil penelitian menunjukkan bahwa klasifikasi dengan skema kombinasi data memiliki nilai akurasi yang lebih baik daripada skema klasifikasi satu data, yang meningkatkan akurasi sekitar 15-20%. Hal ini menunjukkan bahwa terdapat faktor saling melengkapi antara data untuk dapat mengidentifikasi objek dalam proses klasifikasi.

Kualitas data citra satelit optik yang diperoleh oleh Center for Remote Sensing Data and Technology dipengaruhi oleh kondisi cuaca dan tutupan awan. Berdasarkan kondisi tersebut, data citra satelit yang diperoleh dibagi menjadi tiga kategori yaitu sangat berawan, berawan, dan bebas awan. Berdasarkan informasi data tahunan, ditemukan bahwa jumlah data citra satelit berawan tiga kali lebih besar daripada jumlah data citra satelit bebas awan. Oleh karena itu, diperlukan suatu sistem yang dapat memantau persentase luas tutupan awan dari perolehan data citra satelit. Selain itu, diharapkan pembuatan sistem yang dapat memprediksi tutupan awan, di mana hasil prediksi tutupan awan ini dapat digunakan sebagai acuan pada saat akuisisi citra satelit berikutnya. Melalui penelitian dan pengembangan sistem pemantauan tutupan awan ini, baik pengguna maupun petugas akuisisi dapat memantau tutupan awan dari hasil akuisisi dan juga menentukan lokasi perolehan data citra bebas awan dengan data prediksi. Metode yang digunakan untuk pengembangan sistem pemantauan menggunakan DBMS (Database Management System), sedangkan penelitian prediktif tentang tutupan awan di suatu daerah menggunakan metode LSTM (Long Short-Term Memory) untuk Time Series Forecasting. Hasil dari penelitian dan pengembangan ini berupa sistem pemantauan yang dapat memantau hasil akuisisi dengan prinsip pengelolaan data dan memprediksi kondisi tutupan awan dari data pemantauan tutupan awan.

Mineral lempung di lapangan migas telah berubah dengan peningkatan jumlah di tengah lapangan migas dan penurunan di tepi-tepinya. Penurunan ini merupakan efek dari rembesan mikro dari minyak dan gas dari bawah permukaan. Tujuan penelitian ini adalah untuk mengidentifikasi potensi rembesan minyak dan gas melalui pemetaan mineral lempung. Data yang digunakan adalah Landsat 8 OLI/TIRS dengan perekaman tanggal 25 September 2015. Metode yang digunakan dalam pemetaan mineral lempung menggunakan rasio 1,55-1,75 µm (Short Wave Infrared 1) dan 2,08-2,35 µm (Short Wave Infrared 2). Hasil pengolahan data Landsat 8 OLI/TIRS menunjukkan potensi anomali di tepi-tepi lapangan migas. Anomali tersebut adalah perubahan nilai indeks mineral lempung yang cenderung lebih rendah dengan nilai 1,0 hingga 1,5 dibandingkan dengan tengah lapangan migas dengan nilai 1,5 hingga 2,0. Pola potensi anomali mengikuti batas lapangan migas. Survei lapangan menunjukkan bahwa lapangan migas berdasarkan analisis ukuran butir didominasi oleh tanah berukuran lempung. Mineral lempung dominan dari analisis X-Ray Diffraction adalah smektit (56%) dan kaolinit (6%).

Tinggi Muka Air Tanah memainkan peran penting dalam menentukan emisi gas rumah kaca dan, pada gilirannya, dalam mengatur sistem iklim global. Informasi tentang tingkat air yang ada masih menggunakan pengukuran lapangan. Tujuan dari penelitian ini adalah untuk mengevaluasi model pendekatan terbaik untuk memperkirakan tinggi muka air tanah menggunakan indeks kekeringan. Penelitian ini memanfaatkan data Landsat 8 untuk menghitung Normalized Difference Water Index dan Visible and Shortwave infrared Drought Index selama 3 bulan (Maret, April dan Juni 2016). Model estimasi terbaik dipilih dengan metode koreksi Kriteria Informasi Akaike dan divalidasi menggunakan validasi silang K-Fold. Hasil penelitian ini menunjukkan bahwa estimasi tinggi muka air tanah dipengaruhi oleh kedua indeks kekeringan dengan persamaan TMA (mm) = -439,47 – 1639,7 * NDWI_Maret – 640,23 * NDWI_April + 477 * VSDI_Maret. Estimasi tinggi muka air tanah mulai mendeteksi titik panas berkisar antara 64,35 ± 36,96 cm (27 - 101 cm). Titik kritis untuk KHG Sei Jangkang - Sei Liong adalah 27 cm, sehingga kedalaman muka air tanah harus dipertahankan kurang dari itu untuk menghindari kebakaran di lahan gambut.

Pengolahan geolokasi untuk menghasilkan produk data spasial gas rumah kaca yang terdiri dari gas CH4, CO2 dan N2O telah dilakukan secara sistematis. Data gas rumah kaca tersebut berasal dari produk Environmental Data Record (EDR) satelit Suomi NPP Sensor CrIS dan ATMS. Selama proses ini, terdapat kendala saat melakukan informasi data konsentrasi gas rumah kaca, karena hasil dari file pengolahan sistematis dari EDR masih dalam format netcdf, sehingga tidak dapat didistribusikan kepada pengguna seperti yang diharapkan. Keunikan format netcdf yang tidak terbatas adalah, hanya menampilkan nilai numerik dengan resolusi tidak teratur, tidak terdaftar dan tidak kompatibel dengan perangkat lunak pengolah data yang umum. Penelitian ini bertujuan untuk menghasilkan modul pengolahan geolokasi untuk memberikan informasi data gas rumah kaca secara spasial dengan menggunakan metode registrasi koordinat piksel ke dalam data citra, mengubah nilai Digital Number (DN) dengan skala yang sesuai dengan wilayah Indonesia dan interpolasi nilai antar piksel dengan metode Radial Basis Function (RBF) menggunakan fungsi linier. Hasil dari modul pengolahan geolokasi produk data gas rumah kaca adalah informasi konsentrasi dari beberapa tingkat ketinggian. Produk tersebut dalam format geotiff dengan resolusi spasial 50 km.

Data standar Worldview-2 yang dimiliki oleh LAPAN adalah data Ortho-Ready Standard level 2 (OR2A) yang terdiri dari 4 band multispektral (biru, hijau, merah, NIR) dan satu band pankromatik masing-masing dengan resolusi spasial 2 m dan 0,5 m. Kedua citra memiliki metadata dan RPC yang berbeda, sehingga memungkinkan untuk melakukan koreksi geometrik secara terpisah. Makalah ini membahas analisis ketidakakuratan posisi citra multispektral terhadap citra pankromatik dibandingkan dengan yang telah dilakukan koreksi geometrik secara sistematis. Metode yang digunakan adalah pencocokan fase transformasi Fourier cepat dengan mengambil 500 titik ikat antara kedua citra. Hasil pengukuran membuktikan bahwa citra multispektral data Worldview-2 level OR2A memiliki pergeseran yang lebih besar dibandingkan dengan citra multispektral yang telah dilakukan koreksi geometrik secara sistematis. Citra multispektral data OR2A bergeser 2,14 m pada sumbu X dan 0,42 m pada sumbu Y. Sedangkan citra multispektral yang telah dikoreksi geometrik secara sistematis bergeser 1,72 m pada sumbu X dan 0,54 m pada sumbu Y.

Pertumbuhan perkotaan yang cepat di Jakarta ditunjukkan oleh peningkatan luas kawasan terbangun, seperti permukiman, jalan, komersial, dan lainnya. Identifikasi luas tutupan lahan dan perubahannya merupakan data penting untuk perencanaan kota. Salah satu metode untuk pemetaan tutupan lahan dan perubahannya diperoleh dengan memanfaatkan data penginderaan jauh yang memiliki karakteristik data berkelanjutan, mencakup area yang luas, dan hemat biaya. Data penginderaan jauh dapat diperoleh dari citra optik dan radar. Data radar penting untuk pemetaan tutupan lahan dan perubahannya karena data radar tidak terkendala oleh waktu dan cuaca. Pada awal tahun 2018, data TerraSAR-X (TSX) dapat diakuisisi di stasiun bumi LAPAN Parepare. Penelitian ini menggunakan mode citra TSX Stripmap dengan resolusi spasial 3 m pada tahun 2010 dan 2013. Data TSX akan digunakan untuk memetakan tutupan lahan dan perubahannya di Jakarta menggunakan metode analisis tekstur dan segmentasi citra. Uji akurasi peta dilakukan secara visual dan kuantitatif menggunakan citra Pleiades (0,5 m) dan citra Google Earth. Hasil penelitian menunjukkan bahwa citra TSX mendeteksi perkembangan permukiman saat ini, pembangunan jalan baru, dan memberikan informasi tentang hilangnya ruang terbuka hijau di Jakarta.

Penggunaan penginderaan jauh dalam pemantauan vegetasi telah banyak diterapkan, termasuk pemantauan kerapatan vegetasi. Namun, penggunaannya untuk mengevaluasi program rehabilitasi lahan kritis masih terbatas. Evaluasi tutupan hutan dan kegiatan rehabilitasi lahan menjadi penting karena meningkatnya lahan kritis. Metode saat ini untuk mengevaluasi kondisi lahan dilakukan dengan pengecekan lapangan di lokasi rehabilitasi yang dilakukan pada akhir tahun setelah pelaksanaan awal program rehabilitasi hingga tahun ketiga. Metode ini membutuhkan banyak waktu, tenaga, dan biaya. Berdasarkan peraturan standar untuk mengevaluasi program rehabilitasi, program tersebut berhasil jika 90% vegetasi baru yang ditanam dapat tumbuh hingga tahun ketiga. Oleh karena itu, penelitian ini menggunakan metode yang efektif dan efisien untuk mengevaluasi program rehabilitasi lahan menggunakan data penginderaan jauh dengan memahami kondisi vegetasi dan kerapatannya menggunakan analisis multi-temporal untuk area yang luas. Citra Landsat-8 multi-temporal dari tahun 2015-2018 digunakan untuk menganalisis tren Normalized Difference Vegetation Index (NDVI) dalam metode urutan berbasis waktu menggunakan analisis spasial. Hasil penelitian menunjukkan bahwa area non-hutan di DAS Serayu Hulu terdiri dari lahan tidak kritis, lahan kritis sedang, lahan kritis, dan lahan kritis berat. Berdasarkan pengecekan lapangan dan analisis tren NDVI, rehabilitasi di lahan tidak kritis pada area non-hutan umumnya tidak berhasil karena tanaman rehabilitasi di area tersebut dipanen sebelum waktu evaluasi rehabilitasi berakhir. Di sisi lain, pada lahan kritis, lahan kritis sedang, dan lahan kritis berat di area non-hutan, keberhasilan program rehabilitasi ditunjukkan dengan pencapaian nilai ambang batas NDVI masing-masing sebesar 0,4660; 0,4947; dan 0,4916.

Data Landsat-8 (level 1T) yang diterima pengguna masih berupa digital number dan dapat digunakan secara langsung untuk pemetaan penggunaan lahan / tutupan lahan. Namun, data tersebut masih memiliki akurasi radiometrik yang rendah ketika digunakan untuk menurunkan informasi seperti indeks vegetasi, biomassa, klasifikasi penggunaan lahan/ tutupan lahan, dan lain-lain sehingga memerlukan koreksi radiometrik / atmosferik. Dalam penelitian ini, kami menggunakan metode simulasi kedua sinyal satelit dalam spektrum matahari (6S) untuk menghilangkan gangguan atmosfer dan membandingkan hasilnya dengan pengukuran lapangan. Parameter atmosfer yang digunakan adalah ketebalan optik aerosol (AOD), kolom uap air dan ketebalan ozon dari data MODIS dengan tanggal dan waktu akuisisi mendekati akuisisi data Landsat-8. Dari analisis yang dilakukan terhadap nilai indeks vegetasi (NDVI, EVI, SAVI dan MSAVI) reflektansi permukaan menunjukkan bahwa indeks vegetasi yang memiliki akurasi tinggi adalah NDVI (3-11)% dan yang terendah adalah MSAVI (11-24)%. Analisis respons spektral citra koreksi atmosfer menunjukkan bahwa band tampak memiliki akurasi yang baik dengan nilai RMSE berkisar (1-4)%. Sebaliknya, akurasi terendah ditemukan pada saluran inframerah dekat (NIR) dengan nilai (14-27)%.

Satelit LAPAN-A3 / IPB merupakan satelit mikro yang dibuat oleh anak bangsa dalam rangka membangun kemandirian bangsa di bidang antariksa. Satelit ini memiliki 4 band meliputi 3 gelombang tampak dan 1 inframerah dekat. Mengingat satelit ini masih baru, perlu dilakukan kajian dan penelitian tentang kemampuan karakteristik sensor untuk mengidentifikasi sumber daya alam, salah satunya hutan. Dalam penelitian ini selain menggunakan data satelit LAPAN-A3, juga digunakan data Landsat-8 sebagai data pembanding untuk menguji kemiripan hasil klasifikasi objek hutan. Penentuan ekstraksi parameter geobiofisik identifikasi hutan menggunakan model Normalized Difference Vegetation Index (NDVI) dengan nilai ambang batas untuk identifikasi hutan. Hasil penelitian dengan data satelit LAPAN-A3 menunjukkan bahwa rentang ambang batas untuk identifikasi hutan adalah di atas 0,65 pada skala indeks vegetasi -1 (minus satu) hingga +1 (plus satu). Hasil penelitian setelah membandingkan nilai NDVI dengan data Landsat-8 memiliki kemiripan 60%.

Leaf Area Index (LAI) memiliki peran penting dalam menentukan kesehatan hutan mangrove. Citra penginderaan jauh mampu mengestimasi LAI mangrove, terutama melalui pendekatan semi-empiris. Pendekatan ini memerlukan pemilihan lokasi sampel dan distribusi nilai yang tepat untuk keperluan pemodelan dan penilaian akurasi. Namun, kedua aspek tersebut sering diabaikan saat memilih sampel untuk pemodelan. Penelitian ini bertujuan untuk mengeksplorasi dan menganalisis sampel lapangan LAI yang dikumpulkan untuk menjawab (1) apakah distribusi spasial dan (2) distribusi nilai sampel pemodelan memengaruhi akurasi estimasi LAI mangrove. Metode yang digunakan adalah dengan mengembangkan model regresi antara nilai piksel Soil-Adjusted Vegetation Index (SAVI) yang diturunkan dari citra ALOS AVNIR-2 (10m) dan pengukuran LAI lapangan menggunakan LICOR LAI-2200. Sampel pemodelan dipilih secara acak dan purposif melalui tiga simulasi berdasarkan distribusi spasial dan rentang nilai sampel. Akurasi estimasi dinilai menggunakan plot hubungan 1:1 dan Standard Error of Estimate (SEE). Hasil penelitian menunjukkan bahwa akurasi estimasi LAI bergantung pada distribusi spasial dan rentang nilai sampel pemodelan. Akurasi estimasi yang tinggi dicapai ketika lokasi sampel untuk pemodelan terdistribusi merata dan mencakup rentang nilai sampel lapangan.

Perairan Indonesia memiliki potensi budidaya laut yang melimpah. Kegiatan ini perlu dimaksimalkan dengan pendekatan teknologi penginderaan jauh untuk menentukan lokasi yang berpotensi sebagai area budidaya. Lokasi penelitian adalah Pulau Ambon, Provinsi Maluku. Metode yang digunakan untuk kesesuaian lokasi adalah Teknik Overlay Berbobot (Weighted Overlay Technique) dari parameter biofisik seperti total padatan tersuspensi (TSS), suhu permukaan laut (SST), klorofil, dan batimetri. Selain itu, data mangrove dan terumbu karang digunakan sebagai faktor pembatas untuk kesesuaian lokasi. Berdasarkan hasil pengolahan data, kelas cukup sesuai mendominasi di Teluk Piru, Teluk Banguala, dan Teluk Ambon; kelas sesuai terdeteksi di Teluk Ambon Dalam, dan kelas sangat sesuai terdeteksi di Teluk Piru dan Teluk Ambon. Hasil verifikasi pengukuran lapangan menunjukkan bahwa suhu dari data citra berkorelasi dengan data in-situ dengan nilai R2 0,74 dan TSS citra dengan data in-situ menunjukkan R2 sebesar 0,63.

Bencana kebakaran hutan dan lahan semakin menjadi perhatian. Sifat tanah gambut yang mudah kehilangan air dan memiliki kandungan bahan organik tinggi menyebabkan tanah gambut sangat sensitif terhadap kebakaran. Oleh karena itu, perlu diketahui indikator peringatan dini kebakaran di lahan gambut. Tujuan penelitian ini adalah menentukan tinggi muka air (TMA) kritis sebagai indikator kebakaran lahan gambut di Sungai Jangkang - Sungai Liong. Penentuan titik kritis kebakaran lahan gambut sebagai peringatan dini kebakaran dilakukan dengan menghitung selisih dari nilai TMA yang belum diketahui dengan rentang kemungkinan kesalahan. Nilai TMA diperoleh dari estimasi beberapa metode, yaitu data sifat fisik tanah, indeks kekeringan, dan kombinasi keduanya. Estimasi TMA dari sifat fisik tanah memiliki rentang kebakaran pada kedalaman 74,3 - 107 cm. Pada estimasi TMA menggunakan indeks kekeringan, kebakaran potensial terjadi pada TMA berkisar 27 - 101 cm. Sedangkan estimasi gabungan sifat fisik tanah dan indeks kekeringan berkisar 66,8 - 98,8 cm untuk kejadian kebakaran di lahan gambut. Hasil penelitian ini menunjukkan bahwa estimasi TMA dari kombinasi data lapangan dan indeks kekeringan memberikan akurasi yang cukup baik. Dengan demikian TMA dapat menjadi indikator peringatan dini bahaya kebakaran lahan gambut. Estimasi TMA ini dapat memberikan hasil yang lebih cepat dan akurasi yang cukup baik. Namun model estimasi TMA ini tidak serta merta berlaku langsung untuk lokasi penelitian lainnya. Titik kritis kedalaman air tanah gambut berkisar antara 27 hingga 74 cm. Kedalaman permukaan lahan gambut sebaiknya dipertahankan kurang dari titik kritis, jika tidak maka potensi kebakaran lahan gambut akan meningkat.

Baru-baru ini, pemanfaatan data resolusi spasial sangat tinggi seperti Pleaides telah mencapai permintaan yang tinggi. Terutama untuk mendukung mitigasi bencana, di mana otomatisasi dan pemrosesan citra yang cepat diperlukan dan tidak dapat dihindari. Citra Pleiades telah diperoleh di stasiun bumi LAPAN mulai tahun 2018. Penelitian ini mengkaji peningkatan akurasi geometri citra Pleiades yang diproses menggunakan metode bundle adjustment (BA) untuk mendukung mosaik citra dengan studi kasus di Kabupaten Madiun dan Kabupaten Magetan. Metode ini menggunakan parameter untuk menghubungkan geometri antar scene dengan menggunakan titik ikat. Titik-titik ini terletak di area perpotongan antar scene. Penilaian kualitas geometri citra yang dihasilkan menggunakan koreksi BA diukur dengan membandingkan koordinat citra dan koordinat yang diperoleh dari pengukuran lapangan. Penilaian menunjukkan bahwa koreksi geometri BA telah meningkatkan kualitas geometri citra yang hampir mirip dengan pengukuran lapangan dan mencapai akurasi geometri yang lebih baik dibandingkan dengan citra yang diproses tanpa metode BA.

Masalah yang sering muncul pada citra penginderaan jauh, terutama citra resolusi sangat tinggi, adalah besarnya kebutuhan penyimpanan dan bandwidth untuk mentransmisikan citra tersebut. Pada pemrosesan citra satelit, kompresi perlu dilakukan pada citra satelit untuk memudahkan transmisi dan penyimpanan. Makalah ini membandingkan beberapa metode berdomain wavelet, yaitu metode wavelet, metode bandelet, dan CCSDS untuk menemukan metode terbaik dalam mengompresi citra satelit resolusi sangat tinggi Pleiades. Hasil eksperimen menunjukkan bahwa metode wavelet dan bandelet lebih baik dalam mempertahankan kualitas citra dengan PSNR sekitar 50 dB, sedangkan CCSDS lebih baik dalam mengurangi ukuran citra hingga seperdelapan dari ukuran citra asli.

Penelitian tentang pengembangan model klasifikasi lahan sawah berbasis citra penginderaan jauh Landsat bertujuan untuk memperoleh klasifikasi model lahan sawah secara cepat. Penelitian ini menggunakan input citra Landsat multitemporal (path/row 122/064) tahun 2017. Penelitian dilakukan di Kabupaten Subang yang merupakan salah satu sentra produksi padi di Jawa Barat. Metode yang digunakan dalam penelitian ini adalah metode ambang batas (threshold) terhadap indeks citra Landsat multitemporal. Sebagai referensi, digunakan informasi spasial skala detail pada lahan sawah dasar yang dilengkapi dengan data survei lapangan menggunakan drone. Pertama, dilakukan koreksi atmosfer pada citra Landsat menggunakan Metode DOS (Dark Object Subtraction), kemudian dilakukan transformasi citra menjadi beberapa indeks: Enhance Vegetation Index (EVI), Normal Difference Water Index (NDWI), dan Normal Difference Bare Index (NDBI). Untuk citra berawan, indeks diisi dengan teknik interpolasi dari nilai indeks sebelum dan sesudahnya. Langkah selanjutnya adalah penghalusan indeks dan analisis statistik untuk memperoleh minimum, maksimum, rata-rata, median, rentang (maksimum - minimum), EVI_planting, EVI_harvesting, mean_planting-harvesting, mean_vegetative, mean_generative, NDWI_planting, NDWI_harvesting, NDBI_planting, dan NDBI_harvesting. Akurasi klasifikasi dihitung menggunakan teknik confusion matrix dengan referensi informasi spasial skala detail. Berdasarkan analisis dan uji akurasi yang telah dilakukan pada beberapa model, akurasi tertinggi dihasilkan oleh model ambang batas 1,5 stdev dengan empat parameter indeks (EVI_min, EVI_Max, EVI_range, dan EVI_mean) dengan akurasi sebesar 86,56% dan nilai kappa 0,716.

Data citra penginderaan jauh termasuk dalam kategori data tidak terstruktur yang dicirikan oleh volume data yang besar dan diperbarui secara berkala. Teknik khusus diperlukan dalam penyimpanan data berkapasitas besar dan didukung oleh mesin pemrosesan data berkapasitas tinggi. Penelitian ini bertujuan untuk menemukan representasi desain data citra penginderaan jauh yang lebih efisien dalam penyimpanan dan pemrosesan dibandingkan metode konvensional. Desain yang diusulkan adalah dengan konsep tiling database, yaitu metode memecah data citra menjadi potongan-potongan berukuran kecil dengan identitas tertentu kemudian memasukkannya ke dalam database. Hasil pengujian yang dibandingkan dengan metode konvensional menunjukkan bahwa volume penyimpanan dapat dikurangi hingga 25%, kecepatan pembacaan data juga meningkat sekitar 21%. Sistem ini dapat mendukung pengembangan LAPAN Engine karena menawarkan strategi penyimpanan yang lebih efektif dari segi volume, dan efisien dari segi kecepatan pembacaan data meskipun proses tiling ke dalam database memakan waktu yang cukup lama.

Analisis akurasi deteksi kebakaran hutan dengan menggunakan data hotspot penginderaan jauh dari SNPP dan TERRA/AQUA telah dilakukan. Sensor yang digunakan adalah sensor MODIS untuk satelit TERRA/AQUA dan sensor VIIRS untuk satelit S-NPP. Deteksi hotspot dari data satelit penginderaan jauh dapat digunakan sebagai peringatan dini kebakaran hutan. Hotspot dapat diperoleh dari 2 sensor, yaitu sensor MODIS dan VIIRS menggunakan algoritma yang telah dikembangkan oleh tim sains dari pengembang satelit. Informasi hotspot ini perlu dianalisis secara akurat dengan ground truth dari kejadian kebakaran. Hal ini bertujuan untuk menganalisis akurasi deteksi informasi hotspot untuk kebakaran hutan. Dengan membandingkan data kejadian kebakaran pada tahun 2018 dan data informasi hotspot pada basis data hotspot milik LAPAN. Hasil menunjukkan bahwa sensor MODIS sebesar 39% dan untuk sensor VIIRS sebesar 20%. Hasil tersebut menggunakan radius buffer 2 km yang merupakan hasil paling signifikan dibandingkan dengan lainnya. Hal ini jelas menunjukkan bahwa perbaikan diperlukan untuk meningkatkan akurasi hotspot yang berasal dari data VIIRS.

Suhu Permukaan Laut (SST) yang diindera dari sensor satelit inframerah memiliki keterbatasan yang disebabkan oleh tutupan awan. Keterbatasan ini menyebabkan data SST menjadi tidak optimal karena terdapat banyak area kosong tanpa informasi SST. Gap Filling adalah metode sederhana untuk menggabungkan data satelit multitemporal untuk menghasilkan data bebas awan. Penelitian ini akan menerapkan metode Gap Filling dari dua data SST, yaitu Himawari-8 dan Multiscale Ultrahigh Resolution Sea Surface Temperature (MUR-SST). Data SST harian bebas awan yang dihasilkan oleh metode ini memiliki resolusi spasial sekitar 2 Km dan resolusi temporal harian. Validasi data SST bebas awan menggunakan data pengukuran in situ menunjukkan nilai Mean Absolute Deviation (MAD) sebesar 0.29 yang lebih kecil daripada nilai MAD dari data MUR-SST dan Himawari-8. Korelasi yang tinggi antara data SST bebas awan dan data in situ tercermin dari nilai korelasi Kendall's Tau sebesar 0.7966 atau 79.66% dan R2 dengan nilai 0.93. Hasil ini menunjukkan bahwa data SST harian bebas awan dapat digunakan sebagai estimasi yang valid terhadap kondisi SST di Selat Bali.

Indonesia adalah negara kepulauan yang terdiri dari lima pulau besar dan ribuan pulau kecil yang dikelilingi oleh perairan laut dangkal. Oleh karena itu, informasi batimetri yang lengkap dan akurat diperlukan. Data batimetri skala besar di perairan Indonesia masih terbatas, termasuk di perairan laut dangkal Gili Matra, Provinsi NTB. Untuk mengatasi masalah tersebut, digunakan teknologi penginderaan jauh. Tujuan penelitian ini adalah untuk menganalisis pengaruh objek dasar habitat laut dangkal terhadap estimasi batimetri dari citra satelit SPOT 7. Banyak metode yang dapat digunakan untuk menghasilkan estimasi batimetri dengan teknologi ini. Analisis yang digunakan dalam penelitian ini adalah regresi linier berganda (MLR). Data yang digunakan adalah citra satelit SPOT 7 di perairan laut dangkal Gili Matra, Provinsi Nusa Tenggara Barat. Estimasi batimetri dilakukan dengan menggunakan data kedalaman insitu dengan dua modifikasi. Modifikasi pertama tidak memperhatikan jenis objek dasar habitat dan modifikasi kedua memperhatikan objek habitat karang, lamun, makroalga, dan substrat. Hasil penelitian ini memberikan nilai determinasi R2 yang meningkat dari 72,1% menjadi 78,6% dan menurunkan nilai RMSE dari 3,3 meter menjadi 2,9 meter.

Sensor satelit SAR mampu mengukur elevasi permukaan bumi menggunakan metode interferometri (InSAR) atau radargrametri (StereoSAR). Metode InSAR memanfaatkan nilai fase dari citra SAR, sedangkan StereoSAR menggunakan nilai amplitudo untuk menghasilkan elevasi permukaan bumi. Kedua metode memiliki kelebihan dan kekurangan masing-masing. Masalah akurasi rendah pada DEM yang dihasilkan menggunakan InSAR terjadi pada area bayangan (shadow) dan layover, sedangkan pada metode kedua (StereoSAR) masalah muncul ketika korelasi silang antara dua citra memiliki nilai rendah. Makalah ini mengusulkan teknik untuk menggabungkan metode InSAR dan StereoSAR untuk menghasilkan DEM menggunakan citra SAR resolusi tinggi. Sepasang citra TerraSAR-X atau TanDEM-X dengan sudut datang 21 derajat digunakan dalam penelitian ini dan diproses menggunakan metode InSAR, serta sepasang citra lainnya dengan sudut 21 derajat dan 41 derajat menggunakan metode StereoSAR di Bandung dan sekitarnya. Hasil eksperimen menunjukkan bahwa DEM hasil fusi dari kedua metode memiliki akurasi yang lebih baik dan mengurangi kesalahan absolut baik dari metode InSAR maupun StereoSAR yang masing-masing sekitar 3.48 m dan 1.80 m.

Citra satelit multispektral sering terkontaminasi oleh haze dan awan cirrus. Hal ini akan mengurangi akurasi interpretasi data. Terdapat beberapa metode deteksi haze yang telah dikembangkan oleh para ahli. Namun, deteksi haze masih menjadi salah satu tantangan penting untuk koreksi data optik multispektral. Metode ini digunakan pada citra SPOT 6/7 yang mengandung haze. Metode ini dikembangkan berdasarkan kemiringan reflektansi dari saluran sinar tampak biru dan merah. Metode ini digunakan berdasarkan perbandingan yang telah dilakukan pada metode STCHT, HOT, dan SHT. Penambahan formula dengan koefisien yang berbeda dilakukan untuk mendapatkan nilai indeks haze yang optimum. Selanjutnya, analisis regresi dilakukan pada nilai ambang batas haze dan awan yang diperoleh dari penerapan indeks haze optimum.

Sistem Pemantauan Bumi Provinsi (SPBP) LAPAN disediakan untuk memenuhi kebutuhan pemerintah daerah terkait pengelolaan dan distribusi data informasi geospasial berupa data penginderaan jauh dan data geospasial tematik. Pemetaan GIS (Geographic Information System) melalui Web atau disebut Web GIS adalah salah satu cara untuk menampilkan dan mendistribusikan peta secara daring. Web GIS dibangun untuk memberikan kemudahan dan kecepatan akses bagi pengguna. Metode akses data Web Map Service (WMS) pada sistem SPBP dianggap cukup lambat seiring dengan meningkatnya volume data yang diproses. Penelitian ini bertujuan untuk meningkatkan kinerja Web GIS dalam merespons permintaan pengguna dan kecepatan menampilkan citra (load time) mozaik Landsat-8 dan SPOT-6/7. Objek penelitian ini adalah citra satelit penginderaan jauh di Provinsi Kepulauan Riau. Pengujian kinerja dilakukan dengan membandingkan beberapa ukuran peta tile dengan metode Web Map Tile Service (WMTS) dan tiling manual sebagai solusi untuk menggantikan sistem WMS. Pengukuran pada permintaan sistem untuk penggunaan WMTS dan tiling manual menunjukkan perbedaan yang tidak signifikan. Namun peta tile WMTS jauh lebih cepat dalam menampilkan data mozaik yang mencapai rata-rata kurang dari 3 detik. Berdasarkan hasil penelitian ini, Web GIS dengan metode WMTS menjadi dasar pengembangan SPBP, untuk mengoptimalkan kecepatan akses data citra mozaik Landsat-8 dan SPOT-6/7.

Selain pengaruh dari pasang surut, posisi garis pantai berubah karena abrasi dan akresi. Oleh karena itu, perlu dilakukan deteksi posisi garis pantai, salah satunya dengan memanfaatkan data Landsat menggunakan deteksi tepi dan filter NDWI. Deteksi tepi adalah metode matematis yang bertujuan untuk mengidentifikasi titik pada citra digital berdasarkan tingkat kecerahan. Deteksi tepi digunakan karena sangat baik untuk menampilkan tampilan objek yang sangat bervariasi pada citra sehingga mudah dibedakan. NDWI mampu memisahkan daratan dan air dengan jelas, sehingga memudahkan analisis garis pantai. Penelitian ini bertujuan untuk mendeteksi perubahan garis pantai di Ujung Pangkah Kabupaten Gresik yang disebabkan oleh akresi dan abrasi menggunakan deteksi tepi dan filter NDWI pada data Landsat temporal (2000 dan 2015). Data yang digunakan dalam penelitian ini adalah Landsat 7 tahun 2000 dan Landsat 8 tahun 2015. Hasil penelitian menunjukkan bahwa garis pantai Ujung Pangkah Gresik mengalami banyak perubahan akibat akresi dan abrasi. Luas akresi mencapai 11,35 km² dan abrasi 5,19 km² dalam periode 15 tahun.

Salah satu masalah utama dalam pemodelan cuaca numerik adalah ketidakakuratan data kondisi awal (initial conditions). Penelitian ini memperkuat pengaruh asimilasi data observasi penginderaan jauh terhadap kondisi awal untuk prediksi curah hujan numerik di area radar BMKG Tangerang (Provinsi Banten dan DKI Jakarta) pada 24 Januari 2016. Prosedur yang diterapkan untuk prakiraan curah hujan adalah model Weather Research and Forecasting (WRF) dengan teknik multi-nesting menurun dari keluaran Global Forecast System (GFS), model tersebut diasimilasikan dengan data observasi radar dan citra satelit menggunakan sistem WRF Data Assimilation (WRFDA) 3DVAR. Data yang digunakan sebagai data awal adalah data observasi permukaan, data radar EEC C-Band, data sensor satelit AMSU-A, dan sensor MHS. Analisis dilakukan secara kualitatif dengan melihat skala pengukuran. Data observasi digunakan untuk mengetahui data curah hujan. Hasil penelitian menunjukkan bahwa prediksi curah hujan yang dihasilkan dengan asimilasi data yang berbeda menghasilkan prediksi yang berbeda. Secara umum, terdapat perbaikan dalam prediksi curah hujan dengan asimilasi data satelit yang menunjukkan hasil terbaik.

Penelitian ini menggunakan klasifikasi multiskala dan menerapkan analisis citra berbasis objek (OBIA) untuk pemetaan zona geomorfologi dan habitat bentik di Kepulauan Pari. Segmentasi yang dioptimalkan dilakukan untuk mendapatkan hasil klasifikasi yang optimum. Metode klasifikasi untuk level 1 dan 2 menggunakan klasifikasi penyuntingan kontekstual, dan untuk level 3 menggunakan pengklasifikasi support vector machines. Hasil penelitian menunjukkan bahwa akurasi keseluruhan untuk level 1 adalah 97% (level terumbu), level 2 adalah 87% (zona geomorfologi), dan level 3 adalah 75% (habitat bentik). Akurasi yang dicapai oleh klasifikasi support vector machines hanya dilakukan pada level 3 dan nilai skala optimum yang dicapai adalah 50 dibandingkan dengan nilai skala lainnya, yaitu 5, 25, 50, 75, 95. Metode OBIA dapat digunakan sebagai alternatif untuk pemetaan zona geomorfologi dan habitat bentik.

Tiga metode koreksi atmosfer, yaitu Second Simulation of the Satellite Signal in the Solar Spectrum (6S), Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS), dan model Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes (FLAASH), telah diterapkan pada citra Landsat-7 level 1T untuk area Jakarta. Citra terkoreksi atmosfer kemudian dibandingkan dengan citra reflektansi TOA. Hasil menunjukkan bahwa terdapat perbaikan pola spektral pada citra reflektansi TOA melalui penurunan nilai reflektansi setiap objek sebesar (1–11)% setelah koreksi atmosfer untuk semua model pada band tampak (biru, hijau, dan merah). Pada band NIR dan SWIR terjadi peningkatan nilai spektral sekitar 1% terhadap reflektansi TOA pada semua objek kecuali lahan basah untuk model LEDAPS. Persentase peningkatan dan penurunan nilai spektral dari model 6S dan FLAASH memiliki kecenderungan yang sama. Analisis juga dilakukan terhadap nilai NDVI dari setiap model, di mana nilai NDVI relatif lebih tinggi setelah koreksi atmosfer. Nilai NDVI untuk tanaman padi pada model FLAASH sama dengan model 6S, yaitu sebesar 0,95, dan untuk lahan basah, nilainya sama antara model FLAASH dan LEDAPS, yaitu 0,23. Nilai NDVI untuk seluruh scene untuk model FLAASH = 0,63, model LEDAPS = 0,56, dan model 6S = 0,66. Sebelum koreksi atmosfer, TOA sebesar 0,45.

Pada penelitian ini, penerapan data Sentinel-1 Synthetic Aperture Radar (SAR) untuk klasifikasi penutup penggunaan lahan diselidiki. Klasifikasi dilakukan dengan classifier Neural Network terbimbing untuk data Sentinel-1 polarisasi ganda (VH dan VV) menggunakan informasi tekstur dari matriks kejadian bersama tingkat keabuan (GLCM). Tujuan dari penelitian ini adalah untuk memperoleh parameter optimum dalam ekstraksi informasi tekstur berupa ukuran jendela piksel, orientasi hubungan tetangga pada ekstraksi fitur tekstur, dan jenis fitur informasi tekstur yang digunakan untuk klasifikasi. Hasil klasifikasi menunjukkan bahwa di daerah penelitian, akurasi terbaik diperoleh dengan ukuran jendela piksel 5 × 5, sudut orientasi 0°, dan penggunaan informasi tekstur entropi sebagai masukan klasifikasi. Ditemukan juga bahwa semakin banyak fitur informasi tekstur yang digunakan sebagai masukan klasifikasi dapat meningkatkan akurasi, dan dengan pemilihan yang cermat terhadap informasi tekstur yang tepat sebagai masukan klasifikasi akan memberikan akurasi terbaik.

Implementasi diseminasi informasi aplikasi penginderaan jauh melalui pengelolaan National Earth Observation System di Remote Sensing Application Center of National Institute of Aeronautics and Space dapat dicapai dengan memperluas dan melengkapi mekanisme diseminasi, dari cara tradisional ke layanan web spasial. Layanan ini merupakan standar yang didefinisikan oleh Open Geospatial Consortium. Standar-standar ini banyak digunakan untuk diseminasi informasi spasial melalui layanan berbasis Web Map Services, Web Feature Services, dan Web Coverage Services dan sangat membantu dalam pelaksanaan fungsi aplikasi data dan diseminasi informasi penginderaan jauh. Penelitian ini bertujuan untuk menganalisis dan menyediakan metode pengembangan layanan web spasial untuk informasi aplikasi penginderaan jauh. Metode penelitian mencakup penetapan kebutuhan awal, pemrograman file peta, dan pengujian layanan web spasial. Hasil penelitian menunjukkan bahwa layanan web spasial berbasis University of Minnesota Mapserver telah berhasil diimplementasikan dan diuji menggunakan klien layanan web peta nyata Google Map dan QGIS Desktop pada studi kasus perubahan tutupan hutan di Indonesia.

Kandungan air ekosistem lahan gambut tersimpan sebagai gas di udara dan sebagai cairan di tanah gambut dan vegetasi. Kehadiran air berpengaruh terhadap nilai radiansi spektral yang diterima oleh sensor satelit. Tujuan penelitian adalah mengembangkan model empiris yang dapat diterapkan dalam interpretasi citra satelit Landsat 8 untuk mengestimasi kandungan air ekosistem lahan gambut. Metode terdiri dari pengukuran lapangan dan interpretasi data satelit. Kegiatan lapangan bertujuan memperoleh parameter cuaca seperti radiasi, suhu udara, suhu permukaan, evapotranspirasi (ET), kelembaban relatif (RH), kadar air tanah (KAT), dan biomassa untuk setiap tutupan lahan di ekosistem lahan gambut. Hasil pengukuran lapangan digunakan untuk memvalidasi parameter yang diturunkan dari data satelit Landsat 8. Kandungan air di udara dinilai dengan ET dan RH, di tanah dinilai dengan fluks panas tanah (G), dan di vegetasi dengan biomassa. Hasil validasi data pengukuran lapangan dengan Landsat 8 menunjukkan hanya ET (r2 = 0.71), RH (r2 = 0.71), dan biomassa (r2 = 0.87) yang memiliki hubungan kuat, sedangkan antara G dan KAT memiliki hubungan lemah. Kesimpulan penelitian ini menunjukkan bahwa data satelit Landsat 8 dapat digunakan untuk menghitung kandungan air di udara dan vegetasi. Dengan demikian, estimasi kandungan air di ekosistem lahan gambut dengan data satelit hanya dapat dilakukan di permukaan.

Produktivitas primer laut merupakan faktor penting dalam memantau kualitas perairan laut karena perannya dalam siklus karbon dan rantai makanan bagi organisme heterotrof. Estimasi produktivitas primer laut dapat diduga melalui nilai konsentrasi klorofil-a, tetapi konsentrasi klorofil-a permukaan hanya mampu menjelaskan 30% dari produktivitas primer laut. Penelitian ini bertujuan untuk membangun model estimasi produktivitas primer berdasarkan nilai konsentrasi klorofil-a dari lapisan permukaan hingga kedalaman kompensasi. Model produktivitas primer yang berhubungan dengan konsentrasi klorofil diekstraksi dari citra Landsat-8 kemudian dapat digunakan untuk menghitung produktivitas primer laut. Penentuan klasifikasi kedalaman dilakukan dengan mengukur nilai koefisien atenuasi menggunakan luxmeter underwater datalogger 2000 dan secchi disk. Nilai koefisien atenuasi oleh luxmeter underwater berkisar antara 0,13-0,21 m-1 dan secchi disk berkisar 0,12 – 0,21 m-1. Penetrasi cahaya yang masuk ke kolom air di mana produktivitas primer masih berlangsung atau kedalaman kompensasi berkisar dari 28,75 – 30,67 m. Model regresi linier sederhana antara nilai rata-rata konsentrasi klorofil di seluruh zona euforik dengan produktivitas primer laut memiliki korelasi tinggi, lebih besar daripada konsentrasi klorofil-a permukaan (R2 = 0,65). Validasi model produktivitas primer laut memiliki akurasi tinggi dengan nilai RMSD 0,09 dan produktivitas primer laut yang diturunkan dari satelit tidak berbeda secara signifikan. Klorofil-a yang diturunkan dari satelit dapat dihitung menjadi produktivitas primer laut.

Data kedalaman dapat digunakan untuk menghasilkan profil dasar laut, oseanografi, biologi, dan kenaikan permukaan laut. Teknologi penginderaan jauh dapat digunakan untuk mengestimasi kedalaman perairan laut dangkal yang dicirikan oleh kemampuan cahaya untuk menembus badan air. Salah satu citra yang dapat mengestimasi kedalaman adalah SPOT 6 yang memiliki tiga kanal tampak dan satu kanal NIR dengan resolusi spasial 6 meter. Penelitian ini menggunakan citra SPOT 6 pada 22 Maret 2015. Citra terlebih dahulu dikoreksi atmosfer secara dark pixel dengan membuat 30 poligon. Kebaruan metode ini adalah membangun korelasi antara nilai piksel gelap kanal merah dan hijau dengan kedalaman hasil pengukuran lapangan yang dilakukan pada 3 hingga 9 Juni 2015. Algoritma yang diturunkan secara eksperimental terdiri dari: thresholding yang berfungsi untuk memisahkan daratan dan lautan, serta fungsi korelasi. Fungsi korelasi diperoleh: pertama-tama mengkorelasikan nilai observasi dengan setiap kanal, kemudian menghitung selisih nilai minimum kegelapan piksel dan minimum untuk kanal merah dan hijau adalah 0.056 dan 0.0692. Model kemudian dibangun dengan menggunakan proporsi perbandingan, sehingga diperoleh persamaan linear dalam dua kanal: Z (X1, X2) = 406.26 X1 + 327.21 X2 - 28.48. Hasil estimasi kedalaman untuk skala 5 meter, estimasi paling efisien dengan kesalahan relatif rata-rata terkecil terjadi pada kedalaman air dangkal dari 20 hingga 25 meter, sedangkan hasil skala 10 meter dari 20 hingga 30 meter dan estimasi kedalaman memiliki pola yang mirip atau dapat dikatakan mendekati kenyataan. Metode ini mampu mendeteksi kedalaman laut hingga 25 meter dan memiliki galat RMS yang kecil sebesar 0.653246 meter. Dengan demikian, metode dua kanal dapat menawarkan solusi yang cepat, fleksibel, efisien, dan ekonomis untuk memetakan topografi dasar laut.

Pengujian model merupakan langkah yang harus dilakukan sebelum kegiatan operasional. Pengujian ini bertujuan untuk menguji model fase pertumbuhan padi berbasis MODIS di Lombok menggunakan citra LANDSAT multitemporal dan data lapangan. Penelitian ini dilakukan dengan metode analisis dan evaluasi dalam beberapa tahap, yaitu: evaluasi akurasi dengan analisis citra Landsat 8 multitemporal, kemudian evaluasi menggunakan data lapangan, dan analisis informasi fase pertumbuhan untuk menghitung konsistensi model. Akurasi model fase pertumbuhan dihitung menggunakan Confusion Matrix. Hasil analisis tahap I untuk fase tanggal 30 April dan 19 Juli menunjukkan akurasi model sebesar 58-59%, sedangkan evaluasi tahap II untuk fase periode 19 Juli dengan data survei menunjukkan akurasi keseluruhan sebesar 53%. Namun, hasil analisis konsistensi model menunjukkan bahwa fase yang dihasilkan dari citra MODIS yang dihaluskan menunjukkan pola yang konsisten dengan pola EVI tanaman padi dengan akurasi 86%, tetapi tidak untuk pola data tanpa penghalusan. Pengujian ini memberikan kesimpulan bahwa model tersebut baik, tetapi untuk operasional, data masukan MODIS harus dihaluskan terlebih dahulu sebelum ekstraksi nilai indeks.

Teknologi penginderaan jauh telah dikembangkan untuk pemantauan dan identifikasi lingkungan dan sumber daya pesisir, seperti lamun. Di Indonesia, khususnya pemetaan lamun menggunakan spektrometer dengan memanfaatkan pustaka spektral belum dilakukan. Penelitian ini bertujuan untuk menentukan tanda tangan spektral berdasarkan pengukuran in situ dan analisis citra, menganalisis penerapan algoritma Spectral Angle Mapper (SAM) dan menguji akurasi dalam pemetaan lamun hingga tingkat spesies berdasarkan pustaka spektral. Penelitian dilakukan di padang lamun Pulau Tunda, Banten. Citra satelit yang digunakan adalah WorldView-2 dan reflektansi spektral lamun diukur menggunakan spektrometer USB4000. Algoritma klasifikasi SAM memanfaatkan pustaka spektral dan mengklasifikasikan objek dalam satu piksel yang homogen. Hasil klasifikasi berupa kelas Enhalus acoroides, Cymodocea rotundata, Thalassia hemprichii, dan Halophila ovalis. Akurasi yang dihasilkan sebesar 35.6%. Luas setiap kelas adalah 0.8 hektar untuk kelas Cymodocea rotundata, 2.79 hektar untuk Enhalus acoroides, kelas Thalassia hemprichii 3.7 hektar, dan 3.5 hektar untuk Halophila ovalis. Klasifikasi lamun hingga tingkat spesies belum menghasilkan akurasi yang baik. Luas area lamun dengan berbagai spesies dan jumlah saluran pada citra satelit multispektral diduga menjadi penyebab rendahnya nilai akurasi.

National Earth Observation System di Remote Sensing Application Center menyelenggarakan fungsi diseminasi informasi penginderaan jauh kepada pengguna. Undang-Undang Keantariksaan Nomor 21 Tahun 2013 Pasal 22 Ayat (1) mengamanatkan bahwa penggunaan data dan diseminasi informasi penginderaan jauh harus didasarkan pada pedoman yang ditetapkan oleh Lembaga. Penelitian ini bertujuan untuk menganalisis implementasi referensi diseminasi informasi penginderaan jauh. Metode yang digunakan dalam penelitian ini adalah prototyping dengan teknologi terbuka. Tahapan penelitian mencakup identifikasi komponen teknologi dan evaluasi arsitektur umum untuk menyederhanakan pengembangan, perancangan model, dan implementasi sistem dengan melakukan reformasi, pengujian berulang, dan integrasi perangkat lunak sumber terbuka. Hasil penelitian menunjukkan bahwa model atau implementasi referensi telah berhasil diimplementasikan dan diuji melalui prototipe. Penerapan prototipe menjadi sistem yang sepenuhnya operasional dapat dikembangkan dengan biaya rendah dan antarmuka yang ramah pengguna.

Data penginderaan jauh hiperspektral memiliki banyak informasi spektral untuk klasifikasi penutup/penggunaan lahan (LULC), tetapi sejumlah besar data pita hiperspektral menjadi masalah dalam klasifikasi LULC. Penelitian ini mengusulkan penggunaan jaringan saraf tiruan propagasi balik untuk klasifikasi LULC dengan data penginderaan jauh hiperspektral. Jaringan saraf yang digunakan dalam penelitian ini terdiri dari tiga lapisan, di mana untuk pengujian lapisan masukan memiliki jumlah neuron sebanyak 242 untuk memproses semua data pita, 163 neuron, dan 50 neuron untuk memproses data pita yang memiliki rata-rata angka digital tinggi, dan pita data pada panjang gelombang tampak hingga inframerah dekat. Hasil penelitian menunjukkan bahwa penggunaan semua pita data hiperspektral pada klasifikasi dengan jaringan saraf memiliki akurasi klasifikasi tertinggi hingga 98% untuk 18 kelas LULC, tetapi membutuhkan waktu yang sangat lama. Pemilihan sejumlah pita data yang tepat untuk klasifikasi dengan jaringan saraf, selain mempercepat waktu pemrosesan data, juga dapat memberikan hasil akurasi klasifikasi yang memadai.

Informasi titik koordinat zona potensi penangkapan ikan (PFZ) diperlukan oleh pengguna agar lebih efektif dalam melakukan operasi penangkapan ikan. Hasil deteksi front termal menggunakan single image edge detection (SIED) sebagai bentuk garis kontur. Penelitian ini bertujuan untuk menentukan titik koordinat zona potensi penangkapan ikan berdasarkan deteksi front termal suhu permukaan laut. Untuk menentukan titik koordinat dilakukan segmentasi pada hasil deteksi sesuai dengan ukuran grid fishnet. Garis kontur yang terdapat dalam setiap grid berbentuk poligon. Centroid dari setiap poligon adalah titik koordinat PFZ. Hasil pengolahan data suhu permukaan laut dari satelit Terra/Aqua MODIS dan Suomi NPP VIIRS menunjukkan bahwa metode penentuan centroid poligon sangat efektif dalam menentukan titik koordinat PFZ. Dengan menggunakan metode tersebut, tahapan pengolahan data satelit menjadi lebih cepat, efisien, dan praktis karena informasi PFZ sudah berupa titik koordinat.

Teknik penginderaan jauh merupakan alat yang ampuh untuk memantau wilayah pesisir. Sensor optik dapat digunakan untuk mengukur parameter kualitas air yaitu Muatan Padatan Tersuspensi (MPT). Untuk dapat mengekstraksi informasi MPT, data satelit perlu divalidasi dengan pengukuran in situ yang menghubungkan antara reflektansi band dengan konsentrasi MPT hasil pengukuran. Dalam model ini, dilakukan korelasi antara hasil pengukuran dengan nilai reflektansi band 3 dan band 4. Kemudian diperoleh persamaan linier, lalu dihitung menggunakan argumen rasio 60:75 terhadap masing-masing koefisien korelasi, sehingga diperoleh persamaan linier dua dimensi T (X3, X4) = 2313.77 X3 + 4741.11 X4 + 314.95. Berdasarkan konsentrasi MPT pada tanggal 3 Juni 2015, konsentrasi di bagian barat lebih rendah daripada di bagian timur. Hal ini karena bagian timur telah tercemar oleh limbah pabrik dan padatan limbah dari aktivitas manusia, sedangkan bagian barat masih banyak terdapat keramba jaring apung dan mangrove. Berdasarkan hasil pengukuran dan perhitungan, hasilnya masih jauh dari sempurna (akurasi 60%); salah satu faktornya adalah nilai thresholding dalam menentukan batas antara awan, laut, dan daratan. Secara umum menunjukkan bahwa model ini masih perlu perbaikan.

Makalah ini menyajikan penggunaan metode penginderaan jauh untuk mengidentifikasi struktur geologi pada lapangan panasbumi Blawan-Ijen dan sistemnya. Data penginderaan jauh, khususnya Landsat 8 dan DEM SRTM, digunakan untuk mengekstrak lineament dari band multispektral 753 dan memperoleh suhu permukaan tanah (LST) dari satu band termal inframerah menggunakan metode retrieval. Emisivitas permukaan ditentukan berdasarkan Normalized Difference Vegetation Index (NDVI) daerah studi. Analisis penginderaan jauh terbukti menjadi pendekatan yang efektif untuk mengidentifikasi struktur geologi dari permukaan yang mengontrol manifestasi termal di lapangan panasbumi Blawan. Hasil menunjukkan bahwa sesar Blawan adalah struktur utama di lapangan panasbumi, yang berasosiasi dengan LST tinggi dan mata air panas. Interpretasi menunjukkan bahwa reservoir sistem panasbumi Blawan-Ijen memanjang dari Plalangan ke area barat daya.

Satelit Terra dan Aqua terdiri dari beberapa sensor termasuk instrumen MODIS, yang dioperasikan untuk mendeteksi fenomena yang ada di darat, laut, dan atmosfer. Data yang diekstraksi untuk wilayah Indonesia terutama yang berkaitan dengan data atmosfer masih sedikit, karena produknya masih dalam bentuk data mentah (level-0). Untuk ekstraksi data level-0 ke level-2 diperlukan perangkat lunak IMAPP (International MODIS/AIRS Processing Package) sehingga menampilkan beberapa parameter data atmosfer termasuk MOD 04 - Aerosol, MOD 05 - Total Precipitable Water (Uap Air), MOD 06 - Cloud, MOD 07 - Atmospheric Profiles, MOD 08 - Gridded Atmospheric, dan MOD 35 dalam format HDF4 (Hierarchical Data Format-4) swath. Makalah ini hanya membahas MOD07/MYD07 Atmospheric Profiles level-2 terkait parameter seperti suhu atmosfer pada ketinggian 780 hPa dan uap air pada ketinggian 700 hPa. Penelitian ini bertujuan untuk menganalisis fenomena di atmosfer, berdasarkan metode ekstraksi Atmospheric Profiles pada resolusi 1 km, yang terdiri dari temperatur dan kelembaban level-2, dalam format HDF4 harian swath menjadi data harian dan bulanan grid dalam format .dat, pada periode Desember 2014, Januari, Juli, dan Agustus 2015, khususnya di wilayah Indonesia. Perbandingan antara hasil ekstraksi data swath dan grid dari Terra/Aqua MODIS, untuk parameter atmosfer suhu memiliki R-squared rata-rata 0.72 dan uap air 0.74, sedangkan RMSE suhu dan uap air masing-masing adalah 0.88 dan 0.29.

Pemanfaatan data penginderaan jauh merupakan salah satu alternatif yang dapat digunakan untuk deteksi cepat area limbah bahan berbahaya dengan cakupan luas. Penelitian ini bertujuan untuk mengklasifikasikan area yang terkontaminasi lumpur asam menggunakan Landsat 8 dengan menerapkan metode klasifikasi Spectral Angle Mapper (SAM) dengan dua sumber referensi spektral, yaitu pengukuran spektral lapangan menggunakan spektrometer dan spektral endmember dari citra, kemudian membandingkan hasil klasifikasinya. Tingkat akurasi hasil klasifikasi SAM menunjukkan bahwa klasifikasi menggunakan spektral endmember dari citra sebagai referensi spektral mencapai 66,7%, sedangkan klasifikasi menggunakan pengukuran spektral lapangan sebagai referensi spektral hanya mencapai 33,3%. Tingkat akurasi hasil klasifikasi Spectral Mixture Analysis (SMA) menunjukkan bahwa klasifikasi menggunakan spektral endmember dari citra sebagai referensi spektral mencapai 62,5%. Faktor yang mempengaruhi rendahnya akurasi adalah perbedaan signifikan profil spektral yang diperoleh dari spektrometer dengan spektral Landsat-8 akibat perbedaan spasial dan ketinggian.

Program PiSAR-L2 adalah program eksperimental untuk sensor PALSAR-2 yang dipasang pada ALOS-2. Kolaborasi penelitian telah dilakukan antara Japan Aerospace Exploration Agency (JAXA) dan Kementerian Riset dan Teknologi Indonesia pada tahun 2012 untuk menilai kemampuan data PiSAR-L2 untuk beberapa aplikasi. Makalah ini mengeksplorasi pemanfaatan data PiSAR-L2 untuk klasifikasi penutup lahan di kawasan hutan menggunakan metode berbasis piksel dan berbasis objek, kemudian dilakukan perbandingan antara kedua metode tersebut. Data PiSAR-L2 polarisasi penuh dengan level 2.1 untuk provinsi Riau digunakan. Data lapangan yang dilakukan oleh tim JAXA dan peta penutup lahan dari WWF digunakan sebagai referensi untuk mengumpulkan sampel masukan dan evaluasi. Pra-pemrosesan dilakukan dengan melakukan konversi hamburan balik dan penyaringan, kemudian klasifikasi dilakukan dan akurasinya diuji. Dua metode digunakan, 1) Maximum Likelihood Enhance Neighbor classifier untuk berbasis piksel dan 2) Support Vector Machine untuk klasifikasi berbasis objek. Pengaruh resolusi spasial terhadap hasil klasifikasi juga dianalisis. Hasil penelitian menunjukkan bahwa berbasis piksel menghasilkan piksel campuran "salt and pepper", akurasi klasifikasi masing-masing 62% untuk resolusi spasial 2,5 m dan 83% untuk 10 m. Sedangkan berbasis objek memiliki beberapa keunggulan: homogenitas tinggi (tidak adanya piksel campuran), batas antar kelas yang jelas dan tajam, dan akurasi tinggi (97% untuk resolusi spasial 10 m), meskipun masih ditemukan kesalahan pada beberapa kelas.

Pemanfaatan data penginderaan jauh merupakan salah satu alternatif yang dapat digunakan untuk deteksi cepat area limbah bahan berbahaya dengan cakupan luas. Penelitian ini bertujuan untuk mengklasifikasikan area yang terkontaminasi lumpur asam menggunakan Landsat 8 dengan menerapkan metode klasifikasi Spectral Angle Mapper (SAM) dengan dua sumber referensi spektral, yaitu pengukuran spektral lapangan menggunakan spektrometer dan spektral endmember dari citra, kemudian membandingkan hasil klasifikasinya. Tingkat akurasi hasil klasifikasi SAM menunjukkan bahwa klasifikasi menggunakan spektral endmember dari citra sebagai referensi spektral mencapai 66,7%, sedangkan klasifikasi menggunakan pengukuran spektral lapangan sebagai referensi spektral hanya mencapai 33,3%. Tingkat akurasi hasil klasifikasi Spectral Mixture Analysis (SMA) menunjukkan bahwa klasifikasi menggunakan spektral endmember dari citra sebagai referensi spektral mencapai 62,5%. Faktor yang mempengaruhi rendahnya akurasi adalah perbedaan signifikan profil spektral yang diperoleh dari spektrometer dengan spektral Landsat-8 akibat perbedaan spasial dan ketinggian.

Penggunaan survei hidroakustik secara simultan dengan trawl area sapuan (swept area trawl) diharapkan dapat saling melengkapi dan meningkatkan akurasi masing-masing dalam pendugaan sumber daya stok ikan, terutama ikan demersal. Oleh karena itu, kelebihan dan kekurangan masing-masing metode akan diungkapkan. Tujuan dari penelitian ini adalah untuk membandingkan densitas ikan demersal dari deteksi survei hidroakustik terhadap hasil tangkapan trawl dasar, dan untuk menentukan faktor-faktor yang mempengaruhi perbedaan densitas ikan yang diduga dengan metode area sapuan dan metode akustik. Penelitian ini dilakukan pada bulan Mei, Agustus, dan November 2012 di perairan sekitar Tarakan, Kalimantan Utara, menggunakan echo sounder Simrad EY60-120 kHz dan trawl dasar secara simultan untuk mengukur densitas ikan demersal. Pendugaan densitas ikan demersal dari kedua metode menunjukkan perbedaan yang sangat signifikan. Perbedaan dalam pendugaan densitas ikan dipengaruhi oleh catchability, area zona mati dari trawl, dan perilaku ikan.

Pemetaan ekosistem terumbu karang untuk mendukung pengelolaan pesisir dapat dilakukan dengan menggunakan citra satelit resolusi tinggi. Berbagai metode ekstraksi fitur dasar laut telah dikembangkan dan dapat diimplementasikan untuk mendukung proses pemetaan, salah satunya adalah algoritma Lyzenga. Algoritma ini memerlukan variasi kedalaman wilayah. Tujuan penelitian ini adalah untuk mengkaji pengaruh algoritma Lyzenga pada pemetaan terumbu karang. Dalam penelitian ini, kami membandingkan hasil klasifikasi ekosistem karang antara citra dengan dan tanpa algoritma Lyzenga. Klasifikasi citra dengan algoritma ini menunjukkan kenampakan fitur dasar laut yang lebih terdiferensiasi dan berubah menjadi nilai indeks Lyzenga yang bebas dari pengaruh kolom air. Hal ini menghasilkan beberapa kelas, yaitu laut, daratan, pasir, dan terumbu karang. Perkiraan luas ekosistem terumbu karang di perairan Paiton Probolinggo berdasarkan hasil klasifikasi WorldView-2 adalah 8,26 ha. Pemetaan ekosistem terumbu karang menggunakan citra satelit resolusi tinggi sangat membantu memberikan visualisasi area yang lebih luas dibandingkan pengamatan lapangan.

Secara geologis, sebagian besar Indonesia terletak pada zona subduksi Cincin Api Pasifik yang menyebabkan banyaknya gunung berapi aktif. Keberadaan gunung berapi aktif berimplikasi bahwa letusan gunung berapi dapat terjadi sewaktu-waktu. Penelitian ini bertujuan untuk mendeteksi prekursor letusan gunung berapi dengan menggunakan parameter NTI (Normalized Thermal Index) yang diturunkan dari data MODIS. Objek gunung berapi yang dipilih adalah Gunung Raung di Jawa Timur, yang sekitar Juni hingga Juli 2015 menunjukkan peningkatan aktivitas vulkanik dan kemudian meletus. Metode pengolahan data mencakup pengolahan Landsat-8 untuk penentuan area of interest (kaldera dan kawah aktif), pengolahan citra MODIS untuk pengukuran NTI, serta analisis pola spasial dan temporal NTI. Hasil penelitian menunjukkan bahwa prekursor letusan gunung berapi dapat dideteksi dari peningkatan nilai NTI di kaldera dan nilainya yang relatif lebih tinggi daripada daerah sekitarnya. Parameter NTI terbukti memiliki kemampuan yang baik untuk membedakan kaldera dari objek lain selama periode letusan. Pada kasus Gunung Raung, nilai NTI = 0,06 dapat diterapkan sebagai nilai ambang batas untuk letusan gunung berapi ini.

Pendugaan batimetri kedalaman perairan dangkal menggunakan data penginderaan jauh satelit menjadi lebih lazim. Namun, ketika metode ini diterapkan untuk daerah dengan lingkungan yang berbeda, hasilnya menunjukkan adanya ketidakteraturan. Untuk meminimalkan penyimpangan, dilakukan penggabungan informasi yang diperoleh dari pengukuran lapangan dengan nilai reflektansi citra satelit SPOT-4. Makalah ini mengusulkan pengembangan metode untuk pendugaan batimetri kedalaman perairan dangkal berdasarkan fungsi korelasi antara nilai kedalaman dari pengukuran langsung menggunakan "handheld echo-sounder" dengan hasil nilai reflektansi (band 1 dan band 3). Algoritma untuk pendugaan batimetri kedalaman perairan dangkal terdiri dari metode ambang dan fungsi korelasi. Nilai ambang (T) kedalaman 0,5 meter ditentukan dari pengamatan grafik fungsi korelasi polinomial dari lima dan besarnya adalah 0,35 < T < 0,47. Berdasarkan hasil perhitungan menunjukkan bahwa data satelit SPOT-4 dapat digunakan untuk menduga kedalaman perairan dangkal hingga sekitar 18 meter.

Penelitian ini bertujuan untuk mengidentifikasi sebaran endapan piroklastik hasil erupsi gunung api dengan menggunakan citra Pi-SAR2. Objek penelitian adalah Gunungapi Gamalama yang terletak di Kota Ternate, Provinsi Maluku Utara. Metode penelitian meliputi kalibrasi radiometrik Pi-SAR2 untuk mendapatkan nilai intensitas hamburan balik sigma naught, perhitungan nilai statistik (rata-rata, standar deviasi, dan koefisien korelasi antar saluran) intensitas hamburan balik sigma naught antara endapan piroklastik dan objek permukaan lainnya, serta pemisahan sebaran endapan piroklastik menggunakan metode thresholding. Penelitian ini menyimpulkan bahwa citra Pi-SAR2 dapat digunakan untuk mengidentifikasi sebaran endapan piroklastik vulkanik hasil erupsi. Penggunaan polarisasi HH, VV, dan HV secara bersamaan akan memberikan hasil yang lebih baik daripada menggunakan polarisasi tunggal HH dan VV. Penelitian ini menyarankan agar penelitian selanjutnya dilakukan dengan menerapkan metode verifikasi yang didukung oleh penggunaan data lapangan (ground check).

Klasifikasi citra digital berbasis piksel sering mengandung efek salt and pepper, sedangkan klasifikasi visual memiliki kelemahan karena sering memberikan hasil yang tidak konsisten. Berdasarkan hal tersebut, penelitian ini menjelaskan "Optimasi Parameter Segmentasi untuk Pemetaan Lahan Basah Menggunakan Citra Satelit Landsat" dengan klasifikasi berbasis objek. Tujuan utama penelitian ini adalah untuk mengetahui kombinasi parameter segmentasi yang optimal untuk pemetaan lahan sawah. Penelitian dilakukan di dua lokasi yaitu Pariaman, Provinsi Sumatera Barat dan Tanggamus, Provinsi Lampung menggunakan segmentasi citra Landsat yang diperoleh pada tahun 2008 dan interpretasi visual citra Landsat multitemporal yang diperoleh pada tahun 2000-2009. Segmentasi Landsat mencakup dua tahap, pertama segmentasi untuk mengoptimalkan parameter nilai warna dan compactness, kedua untuk mengoptimalkan parameter skala segmentasi. Untuk validasi, penelitian ini menggunakan hasil klasifikasi berbasis visual dan kuantitatif tahun 2005 dan 2007 yang berasal dari citra Quickbird. Uji kualitatif meliputi pemisahan objek dan akurasi segmentasi dari tahap pertama segmentasi, sedangkan uji kuantitatif dilakukan menggunakan matriks konfusi pada tahap kedua segmentasi. Hasil penelitian ini menunjukkan bahwa dalam kombinasi nilai parameter yang dianalisis, kombinasi parameter nilai warna 0.9, shape 0.1, compactness 0.5, dan smoothness 0.5 memberikan segmentasi yang paling mirip dengan data referensi. Sementara itu, kasus terbaik menurut kaidah kartografi adalah skala 8 untuk area studi Pariaman dan skala 6 untuk area studi Tanggamus dengan akurasi berkisar antara 90.7% hingga 96.3%. Penelitian ini menyimpulkan bahwa pengaruh ketidakpastian geometri citra Landsat terhadap citra Quickbird menunjukkan kesalahan maksimum toleransi segmen berasal dari 4 ha hingga 16.70 ha untuk lokasi Pariaman dan 13.32 ha untuk lokasi Tanggamus. Hasil ini masih dapat diterima dalam hasil segmentasi. Akhirnya ditemukan bahwa kombinasi parameter yang paling optimal untuk pemetaan lahan sawah adalah pada skala 1:1, warna 0.9.

Penginderaan jauh adalah teknologi yang mampu mengatasi masalah pengukuran data untuk informasi yang cepat dan akurat. Salah satu implementasi teknologi penginderaan jauh di bidang pertanian adalah pada pengambilan data citra hiperspektral untuk mengetahui kondisi dan umur tanaman padi. Hal ini diperlukan untuk pendugaan hasil panen padi guna mendukung kebijakan pemerintah dalam melakukan impor beras untuk memenuhi kebutuhan pangan di Indonesia. Untuk memiliki model prediksi yang baik dalam pendugaan hasil panen padi dengan akurasi tinggi harus didahului dengan penentuan fase pertumbuhan tanaman padi. Pemilihan klasifikasi yang tepat juga harus didukung dengan pemilihan fitur yang tepat untuk mendapatkan akurasi yang optimal. Dalam penelitian ini, kami melakukan perbandingan antara Fuzzy Logic dan Modified Fuzzy Logic untuk melakukan klasifikasi pada sembilan fase pertumbuhan padi berdasarkan citra hiperspektral. Modified Fuzzy Logic memiliki prosedur yang sama dengan Fuzzy Logic tetapi dengan aturan crisp tambahan dalam Fuzzy Rules yang diharapkan dapat meningkatkan pencapaian akurasi. Dalam penelitian ini, Modified Fuzzy Logic terbukti mampu meningkatkan akurasi hingga 10% dibandingkan dengan Fuzzy Logic.

SAR udara polarimetrik dan interferometrik pita L (PiSAR-L2) adalah program PiSAR yang ditingkatkan, yang memiliki tujuan untuk kegiatan eksperimental sensor PALSAR-2 yang diusung oleh ALOS-2 pada tahun 2013. Japan Aerospace Exploration Agency (JAXA) dan Kementerian Riset dan Teknologi Indonesia telah berkolaborasi untuk mengeksplorasi pemanfaatan data PiSAR-L2 untuk beberapa aplikasi di Indonesia. Tujuan dari penelitian ini adalah untuk memanfaatkan pita polarimetrik penuh dari data PiSAR-L2 untuk mengklasifikasikan penutup lahan kawasan hutan di Provinsi Riau. Data lapangan yang dikumpulkan oleh tim JAXA digunakan sebagai data referensi untuk mengumpulkan sampel pelatihan input dan verifikasi. Pra-pemrosesan data SAR dilakukan dengan melakukan konversi hamburan balik (digital number ke Sigma naught) dan proses filtering menggunakan filter Lee. Klasifikasi dilakukan dengan classifier Maximum Likelihood menggunakan metode Maximum Likelihood Enhanced Neighbour. Penelitian ini menggunakan tiga perlakuan untuk data input, yaitu menggunakan tiga pita polarisasi SAR (HH, VV, dan HV), menggunakan enam pita (tiga pita polarisasi SAR dan tiga pita tekstur (deviasi HH, VV, dan HV)), dan menggunakan enam pita (tiga polarisasi dan 3 pita tekstur) dengan peningkatan sampel pelatihan berdasarkan hasil matriks konfusi. Verifikasi hasil klasifikasi dilakukan menggunakan matriks konfusi untuk setiap perlakuan. Hasilnya menunjukkan bahwa pita tekstur dapat meningkatkan tingkat pemisahan antar kelas objek vegetasi, terutama antara hutan dan perkebunan akasia. Klasifikasi menggunakan enam pita (tiga polarisasi dan 3 pita tekstur) dengan peningkatan sampel pelatihan meningkatkan akurasi keseluruhan dan statistik kappa dari hasil klasifikasi menjadi masing-masing 80% dan 0.612.

Penelitian ini menggunakan analisis citra berbasis objek (OBIA) untuk pemetaan zona geomorfologi ekosistem terumbu karang di Pulau Pari. Penerapan metode OBIA menggunakan algoritma segmentasi multiresolusi dengan parameter skala yang berbeda untuk setiap level. Metode klasifikasi untuk level 1 dan 2 menggunakan klasifikasi penyuntingan kontekstual. Hasil penelitian menunjukkan akurasi keseluruhan untuk level 1 adalah 97% (level terumbu) dan level 2 adalah 87% (zona geomorfologi). Dengan demikian, metode OBIA dapat digunakan dan terdefinisi dengan baik sebagai alternatif untuk pemetaan zona geomorfologi di wilayah lain.

Keberadaan material limbah di suatu area berpotensi memicu kontaminasi, dan selanjutnya akan merusak lingkungan terutama di sekitar lokasi pembuangan limbah. Penelitian ini bertujuan untuk menganalisis daerah tercemar limbah acid sludge menggunakan satelit penginderaan jauh Landsat 8. Metodologi yang diterapkan untuk menganalisis spektral daerah tercemar adalah menggunakan metode spectral mixture analysis. Hasil menunjukkan bahwa analisis spektral menggunakan metode ini dengan referensi spektral berdasarkan citra endmember memberikan keluaran yang lebih baik. Hal ini disebabkan oleh ketersediaan panjang gelombang SWIR pada Landsat 8. Panjang gelombang SWIR sensitif terhadap substansi yang sangat terkontaminasi seperti pasir dan lumpur, serta berkontribusi pada substansi non-lahan yang terkontaminasi seperti vegetasi. Selanjutnya, klasifikasi indeks berdasarkan citra endmember menunjukkan hasil yang lebih sesuai dengan kondisi lapangan. Berdasarkan tinjauan akurasi, hasil menunjukkan akurasi klasifikasi berdasarkan indeks ini sebesar 62,5%.

Pengujian terhadap model pendekatan probabilitas untuk pemetaan lahan sawah berdasarkan perubahan penutup lahan yang telah dilakukan di beberapa kabupaten di Jawa Barat menunjukkan akurasi keseluruhan rata-rata hanya 65,5%. Hal ini diduga terkait dengan penggunaan hasil mosaik Landsat multitemporal tahunan yang sering kali tampak tidak logis karena citra tersebut berasal dari beberapa data yang diperoleh pada musim yang berbeda. Dalam hal ini telah dilakukan uji coba fase II model menggunakan data tunggal multitemporal Landsat-8 (bukan data mosaik). Tujuan penelitian ini adalah untuk menguji validitas model probabilitas terhadap perubahan penutup lahan multitemporal untuk pemetaan lahan sawah. Metode yang digunakan dalam uji coba ini adalah metode klasifikasi tak terbimbing untuk memetakan penutup lahan multitemporal. Penggabungan perubahan penutup lahan multitemporal dalam kerangka waktu sesuai dengan tanggal akuisisi. Analisis probabilitas sebagai area sawah, di mana jika dua jenis penutup lahan terdeteksi, tanah kosong atau sebaliknya diklasifikasikan sebagai lahan dengan probabilitas 1, jika hanya diamati satu perubahan penutup lahan, tanah kosong menjadi air, air atau tanah kosong diklasifikasikan dengan probabilitas 0,3. Uji akurasi menggunakan matriks kebingungan antara citra probabilitas lapangan dan referensi lahan sawah tingkat 1:5.000. Hasil evaluasi menunjukkan bahwa citra probabilitas lahan sawah mencapai 79,7% dengan akurasi terendah 67,7% (Kecamatan Babelan) dan tertinggi 86,7% (Kecamatan Sukamandi). Perbandingan hasil dengan hasil sebelumnya menunjukkan perbedaan yang signifikan dengan peningkatan rata-rata akurasi lebih dari 600%. Berdasarkan hasil tersebut dapat disimpulkan bahwa model probabilitas berdasarkan perubahan penutup lahan multitemporal untuk pemetaan lahan sawah memiliki akurasi yang baik.

Kebutuhan akan sistem pengukuran cadangan karbon hutan yang memadai, yang mencakup area yang lebih luas dan lebih cepat, kini semakin meningkat, salah satunya adalah penggunaan radar aperture sintetis (SAR). Tujuan dari penelitian ini adalah untuk menunjukkan keunggulan aplikasi ALOS PALSAR untuk kuantifikasi karbon di hutan mangrove, yang ternyata memberikan hubungan yang lebih baik antara hamburan balik (backscatter) pita-L ALOS PALSAR dan cadangan karbon hutan mangrove berbasis alometrik aktual di atas permukaan, dibandingkan dengan penelitian sebelumnya pada jenis hutan lainnya, yaitu hutan tropis atau hutan dataran rendah hingga pegunungan di daerah beriklim sedang. Hubungan yang lebih baik ini dijelaskan oleh koefisien determinasi (R²) sebesar 62% berdasarkan polarisasi HH dengan model persamaan Y = 1647.20 + 6.8288BS_HV + 279.48BS_HV + 2870. Sedangkan penelitian sebelumnya menyebutkan R² hanya 16–76%. Model yang diperoleh selanjutnya digunakan untuk kuantifikasi karbon total dan distribusinya dipetakan. Jumlah biomassa di atas permukaan hutan mangrove di Kabupaten Kubu Raya adalah (Megagram) atau 5,3 Mt (Megagram), jumlah sekuestrasi karbon dioksida (CO2) mencapai 19.451 Mt (Megagram) setara. Luas hutan mangrove 71.069,21 ha berpotensi mengurangi laju emisi GRK (Gas Rumah Kaca) dari sektor kehutanan sebesar 0,76%.

Suomi National Polar-Orbiting Partnership (Suomi NPP) yang diluncurkan pada 28 Oktober 2011 merupakan generasi baru satelit cuaca NASA. Algoritma telah terus dikembangkan untuk aplikasi pemantauan lingkungan termasuk hotspot kebakaran yang merupakan produk global. Oleh karena itu, evaluasi untuk wilayah tertentu diperlukan. Makalah ini bertujuan untuk memvalidasi VIIRS Nightfire (VNF) di Indonesia, khususnya di Provinsi Riau. Hotspot kebakaran MODIS (MOD 14) malam hari juga digunakan sebagai pembanding. Analisis statistik dilakukan untuk menghitung lokasi presisi hotspot pada radius buffering 1 dan 2 km dari api yang terdeteksi. Survei lapangan dan citra SPOT 5 yang memiliki resolusi spasial lebih tinggi digunakan. Akurasi dihitung dari semua hotspot yang terdeteksi dalam periode 3 minggu yang disesuaikan dengan ketersediaan citra SPOT 5, dengan mempertimbangkan analisis buffering tunggal dan dissolve. Hasil menunjukkan bahwa VNF memiliki tingkat akurasi rata-rata 84.31%. Hasil ini dapat dibandingkan dengan analisis produk hotspot MODIS. Dengan demikian, VNF sangat signifikan untuk digunakan bersama dengan hotspot MODIS, khususnya untuk memantau kebakaran lahan/hutan pada malam hari.

Makalah ini menjelaskan implementasi Teknologi Informasi dan Komunikasi Geospasial (ICT-Geospasial) dalam diseminasi informasi geospasial pulau-pulau kecil terluar di Indonesia. Model diseminasi memungkinkan pengguna melalui internet dan media web untuk dengan mudah berinteraksi dan memperoleh informasi geospasial pulau-pulau kecil terluar yang dibutuhkan melalui peramban web secara daring. Penelitian ini merupakan pengembangan lanjutan dari aplikasi penginderaan jauh informasi geospasial 'Pulau-pulau Kecil Terluar di Indonesia Berbasis Peta Tiga Dimensi Citra Satelit dan Peta Tutupan Lahan'. Informasi geospasial telah disusun dan dipublikasikan menggunakan media kertas dalam bentuk album. ICT-Geospasial telah berkembang sangat pesat, terutama internet, media web, dan sistem informasi geospasial. Upaya untuk mengembangkan aplikasi, memungkinkan proses diseminasi informasi geospasial pulau-pulau kecil terluar di Indonesia kepada masyarakat umum melalui jaringan informasi elektronik. Upaya tersebut dilakukan melalui pembangunan 'Model Diseminasi Informasi Geospasial Pulau-pulau Kecil Terluar Berbasis Aplikasi Penginderaan Jauh dan Google Mapping System'. Dengan terbentuknya model diseminasi informasi geospasial pulau-pulau kecil terluar, diharapkan dapat menjadi pelengkap pendukung upaya diseminasi informasi tersebut kepada masyarakat yang lebih luas dan bermanfaat bagi kita semua untuk mengetahui keberadaan pulau-pulau kecil di wilayah terluar Republik Indonesia, sehingga masyarakat dapat berpartisipasi dalam menjaga keamanan, menetapkan dan menegakkan batas wilayah; mengelola sumber daya alam/pertanian secara berkelanjutan, ikut serta dalam keselamatan dan pelestarian sumber daya alam.

Terumbu karang merupakan salah satu ekosistem yang spektakuler. Ekosistem ini menyediakan berbagai layanan ekosistem, termasuk perlindungan dari badai tropis, perikanan terumbu, peluang pariwisata, dan pengembangan obat-obatan baru. Terumbu karang adalah sumber daya laut yang sangat sensitif terhadap perubahan lingkungan (perubahan kualitas air). Sangat penting untuk mengidentifikasi statusnya dan memantau perubahan area terumbu karang secara berkala. Oleh karena itu, perlu dilakukan identifikasi dan pemantauan perubahan status sesering mungkin. Informasi ini sangat penting untuk konservasi dan pembangunan berkelanjutan. Penelitian ini difokuskan pada identifikasi terumbu karang dengan menggabungkan informasi spektral yang diperoleh dari pengukuran langsung di lapangan dengan informasi band spektral dari penginderaan jauh satelit SPOT. Berdasarkan eksperimen, fungsi korelasi yang memiliki koefisien korelasi terbesar adalah fungsi yang diperoleh antara penjumlahan band (band1+band3) dengan penjumlahan spektral (spektral1+spektral3). Berdasarkan analisis, metode/algoritma yang dikembangkan dapat mengidentifikasi/mendeteksi terumbu karang dangkal/karang-1 (kedalaman kurang dari 1 meter) dan terumbu karang tidak dangkal/karang-2 (kedalaman lebih dari 1 meter). Hasil pengolahan menunjukkan bahwa terumbu karang-2 ditemukan di sepanjang pantai Ringgung, sedangkan berdasarkan perhitungan, di sekitar Pulau Tegal terdapat 49 ha terumbu karang-1, dan 116 ha terumbu karang-2, dan di sekitar gosong/pasir yang muncul di permukaan air (luas 320 m²), luas terumbu karang-1 adalah 12,38 ha dan terumbu karang-2 sekitar 42 ha.

Lyzenga (1978, 1981) mengembangkan metode untuk mengoreksi kolom air menggunakan rasio reflektansi substrat dasar perairan pada 2 (dua) saluran yang berbeda, dengan asumsi bahwa rasio tersebut sama untuk tipe dasar yang berbeda. Masalah muncul ketika metode Lyzenga disederhanakan. Dalam hal ini dengan mengambil sampel substrat dasar yang berbeda sebagai masukan. Penelitian ini bertujuan untuk membandingkan efek dari proses penyederhanaan dengan hasil perhitungan menggunakan metode Lyzenga yang sebenarnya. Perhitungan koreksi kolom air mengikuti proses yang dijelaskan dalam panduan oleh UNESCO (1999) dan Green et al (2000). Hasil penelitian menunjukkan bahwa sampel dari dua substrat yang berbeda yang memiliki radiasi (reflektansi) yang sangat berbeda meningkatkan nilai indeks substrat di perairan yang lebih dalam.

Perubahan tutupan lahan, dari lahan gundul, air, dan vegetasi, atau sebaliknya dapat digunakan sebagai dasar pemetaan sawah menggunakan teori probabilitas, yaitu probabilitas suatu tutupan lahan dapat dianggap sebagai sawah jika urutan perubahan tutupan lahan dari air, vegetasi, dan lahan gundul atau sebaliknya terdeteksi pada citra multitemporal. Data yang digunakan adalah citra Landsat multitemporal, sedangkan metode yang digunakan dalam analisis ini adalah transformasi indeks vegetasi dan dikonversi menjadi tutupan lahan (lahan gundul, air, dan vegetasi). Deteksi tiga jenis tutupan lahan (lahan gundul-air-vegetasi atau sebaliknya) pada area sampel diasumsikan memiliki probabilitas 1 sebagai sawah; jika hanya dua jenis tutupan lahan yang terdeteksi (air dan lahan gundul, atau air dan vegetasi, atau vegetasi dan lahan gundul), tutupan lahan piksel tersebut diasumsikan memiliki probabilitas sebagai sawah 0,67; sedangkan jika hanya satu jenis tutupan lahan yang terdeteksi, misalnya hanya air, atau hanya lahan gundul, atau hanya vegetasi, maka probabilitas sebagai sawah diasumsikan hanya 0,33. Hasil penelitian menunjukkan bahwa Landsat multitemporal di area studi memadai untuk pemetaan sawah dengan akurasi 91,2%.

Indikator kebakaran hutan/lahan dapat ditunjukkan oleh asap kebakaran dan titik panas (hotspot). Saat ini informasi hotspot telah banyak digunakan namun akurasinya masih diperdebatkan. Oleh karena itu, validasi hotspot diperlukan sebagai upaya yang tepat dalam penanggulangan bencana. Penelitian ini bertujuan untuk menguji akurasi hotspot sebagai indikator kebakaran hutan/lahan dari dua sumber data, yaitu IndoFire Map Service (IndoFire) dan Fire Information for Resource Management System (FIRMS-NASA). Validasi dilakukan dengan membandingkan data hotspot dengan citra resolusi lebih tinggi, yaitu SPOT-4 untuk tahun 2012. Hasil penelitian menunjukkan bahwa nilai hotspot FIRMS diperoleh sebesar 42% dengan error 20% commission dan 38% omission error. Selanjutnya, analisis menunjukkan akurasi yang sedikit lebih baik sebesar 66% dengan 19% commission error dan 18% omission error untuk data FIRMS dibandingkan dengan IndoFire ID yang menggunakan 46% dengan 19% commission error dan 20% omission error. Nilai tingkat kepercayaan hotspot sangat dipengaruhi oleh asap dan kabut yang dideteksi oleh metode algoritma MODIS yang sangat sensitif terhadap kondisi lingkungan. Hasil penelitian menunjukkan bahwa akurasi data hotspot dapat dipertimbangkan untuk digunakan di lapangan sebagai peringatan kebakaran hutan, namun harus dipertimbangkan untuk data dengan tingkat kepercayaan lebih dari 80%.

Perubahan penutup lahan berupa lahan terbuka, air, dan vegetasi dapat digunakan sebagai dasar pemetaan lahan sawah dengan menggunakan pendekatan teori probabilitas, yaitu probabilitas suatu area dapat ditentukan sebagai lahan sawah jika perubahan air, lahan terbuka, dan vegetasi dalam multi seri waktu dapat dideteksi. Hasil studi pendahuluan yang telah dilakukan di wilayah Tenggamus – Lampung menunjukkan bahwa pendekatan teori probabilitas menghasilkan akurasi pemetaan mencapai 91.2%. Berdasarkan hasil ini, telah dilakukan model validasi untuk wilayah yang lebih luas di beberapa kabupaten di Provinsi Jawa Barat. Data yang digunakan dalam penelitian ini adalah Landsat multitemporal tahun 2000-2009. Metode pengolahan data meliputi: 1. Klasifikasi digital tidak terbimbing dari penutup lahan global untuk memetakan lahan terbuka, vegetasi, dan air dari citra Landsat, 2. Penggabungan setiap dua penutup lahan multitemporal sehingga diperoleh tiga informasi spasial: lahan terbuka, vegetasi, dan air 2000-2009. Validasi perubahan penutup lahan dilakukan dengan menumpangtindihkan ketiga informasi spasial tersebut. Evaluasi hasil dilakukan dengan confusion matrix (matriks kesalahan) menggunakan referensi lahan sawah skala 1:50,000 tahun 2010. Hasil pengujian menunjukkan bahwa rata-rata akurasi pemetaan model probabilitas ini mencapai 65.5%.

Fraktal adalah himpunan matematis yang biasanya menampilkan pola yang serupa dengan dirinya sendiri (self-similar). Fraktal memiliki dua karakteristik dasar yang cocok untuk memodelkan topografi permukaan bumi, yaitu keserupaan diri (self-similarity) dan keacakan (randomness). Aplikasi geometri fraktal dalam penginderaan jauh sangat bergantung pada estimasi dimensi fraktal non-integer (D). Dimensi fraktal dihitung menggunakan model Luas Permukaan Prisma Segitiga (TPSA). Dimensi fraktal digunakan untuk mengamati pengulangan spasial (morfologi) permukaan. Dalam penelitian ini, dimensi fraktal digunakan untuk mengamati tinggi relatif suatu bangunan/objek permukaan di area perkotaan. Makalah ini menjelaskan analisis citra menggunakan dimensi fraktal non-integer untuk menentukan tinggi suatu objek relatif terhadap objek lainnya, kemudian melakukan pengelompokan tinggi objek dengan metode thresholding. Hasil seluruh proses disajikan setelah proses density slicing. Analisis menunjukkan bahwa dimensi fraktal objek/permukaan homogen lebih kecil daripada objek heterogen. Berdasarkan dimensi fraktalnya, objek/bangunan di kota Jakarta (mencakup 1600 ha) dapat dikelompokkan menjadi 3 kelas: objek sangat tinggi, objek tinggi, dan objek agak tinggi, dan terdapat sekitar 178 ha menggunakan jendela 9 x 9 dan sekitar 80 ha menggunakan jendela 17 x 17 objek sangat tinggi. Namun, hasil penelitian ini masih pada tahap awal bahwa dimensi fraktal dapat secara kuantitatif menginterpretasi struktur spasial dan kompleksitas spasial data penginderaan jauh. Oleh karena itu, penelitian perlu ditindaklanjuti dengan pengukuran lapangan dan data resolusi sangat tinggi (seperti IKONOS).

Studi tentang estimasi limpasan permukaan berdasarkan kondisi kelembaban tanah dilakukan dengan menggunakan data penginderaan jauh yaitu Landsat dan Tropical Rainfall Measurement Mission selama periode banjir Januari – Februari 2013 di Jakarta dan sekitarnya. Data Landsat digunakan untuk menganalisis tutupan lahan/penggunaan lahan yang merupakan salah satu karakteristik DAS. Dalam penelitian ini, TRMM memiliki kemampuan untuk mewakili curah hujan regional sebesar 62,5%. Metode Curve Number-Soil Conservation Service (CN-SCS) digunakan dalam penelitian ini untuk mengestimasi limpasan. Hasil estimasi limpasan ditampilkan dalam unit hidrograf untuk mengetahui kapan banjir akan terjadi. Kondisi kelembaban tanah anteseden dalam kondisi basah menunjukkan unit hidrograf terbaik. Titik puncaknya terjadi pada 17 Januari 2013 tepat sama dengan waktu banjir terjadi di Jakarta dan sekitarnya. Model ini memiliki potensi yang baik untuk digunakan sebagai sistem peringatan dini banjir. Secara spasial, akurasi keseluruhan identifikasi banjir di wilayah Jakarta dibandingkan dengan peta banjir yang dihasilkan oleh Disaster Management Berau adalah 43% dengan akurasi produsen 96%, dan akurasi pengguna 42%.

Pemanfaatan data penginderaan jauh untuk pemetaan lahan telah lama dikembangkan. Di Indonesia, sebagai daerah tropis, awan menjadi masalah klasik dalam mengamati permukaan bumi menggunakan satelit pengindera jarak jauh optik. Satelit sensor Synthetic Aperture Radar (SAR) memiliki kemampuan menembus awan sehingga dapat mengatasi masalah tutupan awan. Dalam penelitian ini, data ALOS PALSAR digunakan untuk menilai teknik klasifikasi berbasis objek dan berbasis piksel. Data ini dipilih karena kemampuannya untuk pengenalan objek berdasarkan karakteristik hamburan balik (backscatter). Klasifikasi berbasis objek menggunakan metode Statistical Region Merging (SRM) untuk proses segmentasi objek dan Support Vector Machine (SVM) untuk proses klasifikasi, sedangkan klasifikasi berbasis piksel menggunakan metode SVM. Pada tahap klasifikasi, beberapa fitur Target Decomposition dan Image Decomposition dari data ALOS PALSAR telah diuji. Penilaian akurasi klasifikasi dilakukan menggunakan confusion matrix dari data Region of Interest (ROI) menggunakan data QuickBird. Implementasi klasifikasi berbasis objek menghasilkan hasil yang lebih baik dibandingkan dengan klasifikasi berbasis piksel. Jumlah fitur optimal adalah tujuh yang terdiri dari tiga fitur Freeman Decomposition (Red, Green, Blue), Entropy, Alpha Angle, Anisotropy, dan Normalized Difference Polarization Index (NDPI). Akurasi keseluruhan mencapai 73,64% untuk hasil klasifikasi berbasis objek dan 62,6% untuk klasifikasi berbasis piksel.

Aktivitas manusia yang tinggi di kawasan pertambangan dan industri meningkatkan potensi pencemaran limbah bahan berbahaya dan beracun. Salah satu bentuk limbah bahan berbahaya dan beracun adalah lumpur asam, campuran hidrokarbon dan asam sulfat yang berasal dari pembuangan lilin tanaman. Penelitian ini bertujuan untuk mendeteksi dan memantau daerah yang terkontaminasi lumpur asam berdasarkan Suhu Permukaan Tanah (LST) yang diturunkan dari data multi-temporal Landsat 7 ETM. Langkah-langkahnya meliputi pengumpulan data, pengembangan algoritma LST untuk Landsat 7 ETM yang dihasilkan dari regresi LST Terra-MODIS dan Tb data Landsat, perhitungan LST menggunakan data multi-temporal Landsat 7 ETM dan pemantauan LST di daerah tercemar. Sebaran nilai LST MODIS dapat digunakan sebagai referensi dalam menentukan LST dari Landsat 7 ETM dengan melakukan model regresi linier dengan koefisien determinasi 0,84. Berdasarkan analisis LST, daerah yang terkontaminasi memiliki suhu yang lebih tinggi dibandingkan dengan daerah yang tidak terkontaminasi. Tidak ada pola hubungan yang signifikan terhadap lahan dan proses pemulihan lahan. Hal ini dapat mengindikasikan bahwa proses pemulihan di daerah tersebut tidak berpengaruh signifikan terhadap suhu.

Kerusakan daerah tangkapan air (DTA) dan penurunan kualitas air danau telah terjadi di Indonesia, oleh karena itu pemerintah Indonesia telah menciptakan program pengelolaan dan penyelamatan danau. Penelitian ini bertujuan untuk mengkaji estimasi laju erosi tanah menggunakan data temporal Landsat TM/ETM+ dan SPOT-4 di DTA Danau Kerinci. Standardisasi data dilakukan untuk menjaga konsistensi nilai NDVI dari beberapa gangguan yang disebabkan oleh perbedaan waktu akuisisi, sensor, dan efek tutupan awan. NDVImin dan NDVImax diekstraksi dari 19 data Landsat TM/ETM+ pada periode 2000-2009, kemiringan lereng diekstraksi dari DEM. Distribusi spasial laju erosi tanah untuk tahun 2009 dan 2012 di DTA dipetakan menggunakan metode NDVI-lereng. Laju erosi tanah yang dihasilkan di DTA dianalisis dan diverifikasi dengan membandingkan perubahan laju erosi tanah dengan perubahan koefisien aliran permukaan. Hasil penelitian menunjukkan bahwa laju erosi tanah di DTA memiliki tren yang meningkat, yang konsisten dengan tren peningkatan koefisien aliran permukaan selama periode 2009-2012. Laju erosi tanah di DTA Danau Kerinci diperkirakan meningkat dari 0,39 mm/tahun pada tahun 2009 menjadi 0,46 mm/tahun pada tahun 2012.

Sejalan dengan pertumbuhan industri dan populasi, kontaminasi limbah bahan berbahaya dan beracun meningkat. Peningkatan ini dipicu oleh penanganan yang tidak tepat dari sektor rumah tangga dan industri. Pemantauan atau deteksi area atau zona yang terkontaminasi sangat penting untuk mengidentifikasi area penyebaran limbah bahan berbahaya. Penginderaan jauh adalah salah satu alat yang dapat diterapkan untuk tujuan deteksi. Beberapa penelitian telah memanfaatkan data penginderaan jauh untuk mendeteksi area terkontaminasi melalui indeks vegetasi, suhu permukaan, serta indeks lainnya. Penelitian ini mengusulkan metode red edge dari data Landsat TM untuk mendeteksi kontaminasi limbah bahan berbahaya di Pertamina RU-V Balikpapan. Berdasarkan tinjauan yang dilakukan, diketahui bahwa metode red edge memiliki potensi untuk mendeteksi keberadaan limbah bahan berbahaya dan beracun, dalam kasus di mana deteksi limbah acid sludge berkorelasi dengan rehabilitasi lahan seperti netralisasi, bioremediasi, solidifikasi, dan non-aktivasi acid sludge di area terkontaminasi yang dapat diamati dari pergeseran spektralnya. Deteksi ini terkait dengan implementasi bioremediasi dan indikasi acid sludge di area terkontaminasi. Berdasarkan tinjauan yang dilakukan, metode red edge berpotensi untuk diterapkan pada aktivitas ini. Pola red edge telah mendefinisikan area terkontaminasi di Pertamina RU-V Balikpapan. Berdasarkan data yang diperoleh dan ditinjau, penelitian ini menyimpulkan bahwa pemantauan kondisi limbah berbahaya dapat diimplementasikan untuk mengidentifikasi limbah berbahaya mana yang telah diolah.

Kebutuhan akan informasi spasial dari penginderaan jauh skala rinci semakin meningkat. UAV menjadi salah satu wahana yang diharapkan dapat memperoleh informasi tersebut. Produksi informasi spasial penutup lahan menggunakan data foto UAV memerlukan metode yang tepat untuk klasifikasi. Penelitian ini mengusulkan metode klasifikasi berbasis objek untuk penutup lahan berdasarkan informasi tekstur Haralick yaitu homogenitas, kontras, disimilaritas, entropi, momen sudut kedua, rata-rata, standar deviasi, dan korelasi. Sebagai metode pembanding, klasifikasi berbasis objek penutup lahan konvensional diimplementasikan menggunakan fitur informasi yang sama, yaitu kecerahan, kekompakan, dan kepadatan. Hasil penelitian menunjukkan bahwa metode yang menggunakan fitur tekstur dalam klasifikasi berbasis objek mencapai akurasi 95,22% atau selisih 17,5% yang jauh lebih baik daripada metode konvensional yang mencapai 77,71%.

Area laut yang luas telah dipatroli secara terus-menerus oleh Indonesia Navy membutuhkan banyak armada untuk mencakup seluruh perairan Indonesia dan juga menghabiskan anggaran yang besar. Konsekuensinya, penting untuk memiliki strategi cerdas untuk mengoptimalkan armada dan membuat anggaran logistik menjadi efisien. Tujuan dari penelitian ini adalah untuk menerapkan analisis penginderaan jauh untuk mendapatkan waktu operasi yang sensitif terhadap pelanggaran dan gangguan keamanan terkait aktivitas penangkapan ikan. Menurut asumsi bahwa ancaman keamanan mungkin terjadi di area di mana aktivitas penangkapan ikan tinggi yang akan terkonsentrasi di area produktivitas tinggi. Konsentrasi klorofil-a yang diestimasi dari data satelit MODIS level-2 diterima dari NASA Amerika Serikat. Data harian dari tahun 2008-2013 dihitung menjadi rata-rata bulanan untuk mendapatkan variasi bulanan konsentrasi klorofil-a dalam satu tahun selama 5 tahun. Analisis dilakukan di area umum dan unit area yang lebih kecil untuk memahami perbedaan variasi di area yang lebih kecil. Variasi klorofil-a di unit area yang lebih kecil akan membedakan waktu perencanaan dalam aktivitas patroli yang spesifik untuk area tersebut. Analisis data menghasilkan bahwa ledakan fitoplankton terjadi sekitar Mei hingga September setiap tahun. Bulan terjadinya ledakan fitoplankton dapat disarankan menjadi waktu patroli yang lebih intensif. Secara umum, tidak ada perbedaan hasil dari unit area yang lebih kecil, tetapi hanya sedikit pergeseran waktu puncak ledakan dan perubahan di setiap unit area yang berbeda.

Penelitian ini menganalisis 3 konstituen air yang aktif secara optik (Total Suspended Matter (TSM), Chlorophyll a (Chl a), dan Color Dissolved Organic Matter (CDOM)) yang diukur dengan spektroradiometer in situ (350-950 nm, interval 3.3 nm) dan analisis laboratorium untuk pengukuran konsentrasi masing-masing. Reflektansi penginderaan jauh (R_s) diturunkan dari pengukuran radiance dan irradiance serta diestimasi menggunakan pendekatan model bio-optik. Tanda spektral dari R_s yang diturunkan dikonversi ke kanal ETM+ dan MERIS menggunakan sensitivitas respons spektral masing-masing. R_s yang dikonversi digunakan untuk mengestimasi konsentrasi 3 konstituen air yang aktif secara optik menggunakan metode optimasi. Konsentrasi yang diturunkan divalidasi dengan konsentrasi terukur dari analisis laboratorium. Sensor ETM+ dengan 4 kanal memberikan estimasi yang lebih baik untuk TSM (R^2=0.70) dan CDOM (R^2=0.64) sedangkan koefisien determinasi (R^2) untuk Chl a hanya 0.46. Namun, sensor MERIS dengan 10 kanal memberikan estimasi yang lebih baik daripada ETM+, dengan koefisien determinasi lebih tinggi dari 0.70 untuk semua konstituen air. Nilai RMSE untuk sensor MERIS menunjukkan estimasi kesalahan yang lebih kecil (16.84 gm-3 (TSM), 2.66 mg m-3 (Chl a), dan 0.26 m-1 (CDOM)) dibandingkan dengan sensor ETM+ (19.89 gm-3 (TSM), 4.96 mg m-3 (Chl a), dan 0.29 m-1 (CDOM)).

Permasalahan banjir yang terjadi setiap tahun di Kabupaten Sampang disebabkan oleh aliran limpasan yang sangat besar menuju Kota Sampang, sedimentasi yang sangat tinggi di sungai yang melintasi kota, serta kurangnya sistem drainase yang baik terutama di kawasan permukiman perkotaan. Beberapa permasalahan tersebut pada akhirnya dapat menyebabkan banjir di Kota Sampang. Metode yang digunakan untuk model simulasi banjir adalah GSSHA (Gridded Surface Subsurface Hydrologic Analysis), yang mampu menghasilkan komponen hidrologi yang baik. Data yang digunakan dalam penelitian ini antara lain: Qmorph, DEM-SRTM (Digital Elevation Model-Shuttle Radar Topography Mission), SPOT-5 tahun 2010, peta lahan, penampang melintang sungai, dan data lapangan. Penelitian model simulasi banjir ini menghasilkan debit banjir yang digambarkan dalam hidrograf dan perhitungan kedalaman banjir. Debit puncak yang dihasilkan di beberapa daerah tangkapan (CA): CA Klampis sebesar 5.40 m³/s, CA Jelgung sebesar 364788.9 m³/s, CA Kamoning sebesar 32.40 m³/s, dan 3 CA yang terkait dengan CA di atas sebesar 174059 m³/s.

Metode estimasi Produksi Primer Bruto (GPP) dikembangkan sebagai salah satu pendekatan untuk menghitung jumlah karbon yang tersimpan dalam vegetasi. Salah satu produk GPP yang dapat diunduh secara operasional tanpa biaya dari Terra/Aqua MODIS (satelit NASA) adalah produk MODIS GPP (MOD17). Pengujian produk ini perlu dilakukan pada beberapa tipe ekosistem karena sifatnya yang global. Baru-baru ini, versi baru dari produk tersebut telah diluncurkan, namun pengujiannya pada hutan tropis khususnya di Indonesia belum dilakukan. Dalam penelitian ini, versi baru MODIS GPP (MOD17A2-51) dievaluasi di hutan rawa gambut tropis, di Provinsi Kalimantan Tengah menggunakan deret waktu dan analisis statistik data lapangan (GPP EC). Hasil penelitian menunjukkan bahwa deret waktu MODIS GPP 8-harian memberikan pola yang serupa meskipun memiliki korelasi yang rendah. Secara umum, MODIS GPP cenderung underestimate baik pada musim hujan maupun kemarau. Namun, hasil overestimate ditemukan selama musim kemarau panjang yang disebabkan oleh ENSO pada tahun 2002. Meskipun demikian, nilai akumulasi GPP dengan pertimbangan musim (kemarau dan hujan) menunjukkan hubungan yang baik (r=0.94, RMS=17.47, dan skor efisiensi=0.68). Periode musim kemarau kedua (Agustus-Oktober) menunjukkan distribusi yang lebih baik dibandingkan periode lainnya. Penelitian ini menyimpulkan bahwa produk MODIS GPP versi 51 dapat digunakan untuk pemantauan musiman biomassa hutan rawa gambut tropis di Indonesia.

Model simulasi banjir memerlukan data masukan, seperti resolusi spasial 10 meter dari DEM (Digital Elevation Model) yang lebih tinggi daripada data DEM SRTM (Shuttle Radar Topography Mission) yang tersedia. DEM yang detail dapat dibuat dengan menggunakan metode interpolasi titik ketinggian. Penelitian ini memiliki dua tujuan, pertama adalah menghasilkan DEM dengan resolusi spasial 10 meter dan kedua adalah mempelajari perbedaan hasil interpolasi DEM dengan menggunakan Inverse Distance Weighted, Natural Neighbor dan Spline. Titik ketinggian dari DEM SRTM diekstraksi dan dikonversi menjadi data format titik, kemudian digunakan sebagai data masukan dalam proses interpolasi. Kualitas DEM dari hasil interpolasi dipengaruhi oleh model pembobotan yang digunakan dalam proses, oleh karena itu pengaruh model pembobotan terhadap nilai ketinggian yang diperoleh dari hasil interpolasi juga diamati. Hasil menunjukkan bahwa DEM terbaik dengan resolusi spasial 10 meter dapat dihasilkan menggunakan metode Natural Neighbor dan Regularized Spline. DEM tersebut memiliki nilai kesalahan yang rendah, permukaan yang halus dan penampakan yang lebih dekat dengan permukaan bumi yang diamati secara visual dari Google Earth. Faktor lain yang berpengaruh untuk meningkatkan kualitas DEM dalam proses interpolasi adalah titik ketinggian dari data masukan harus tersebar merata di daerah penelitian.

Peningkatan volume air laut menyebabkan kenaikan muka air laut (SLR) yang mengancam keberadaan pulau-pulau kecil dan wilayah pesisir, seperti Jakarta Utara. Selain SLR, Jakarta Utara juga terancam oleh penurunan tanah. Penelitian ini bertujuan untuk memprediksi tinggi SLR pada tahun 2030 dan menganalisis dampak SLR terhadap wilayah pesisir Jakarta Utara. Total tinggi SLR pada tahun 2030 diprediksi menggunakan data pasang surut, data penurunan tanah, dan prediksi SLR berdasarkan skenario B2 dari Intergovernmental Panel on Climate Change (IPCC). Potensi area genangan akibat SLR diestimasi menggunakan Digital Elevation Model Shuttle Radar Topography Mission (DEM SRTM) pita X-C dengan resolusi spasial 30 m. Kerusakan dianalisis dengan melakukan overlay antara area genangan dengan informasi penggunaan lahan yang diekstrak dari data QuickBird. Hasil penelitian menunjukkan bahwa prediksi SLR pada tahun 2030 adalah 2.88 m yang disebabkan oleh pasang surut, 2.28 m yang disebabkan oleh penurunan tanah, dan 1.29 m yang disebabkan oleh skenario B2 IPCC. Total tinggi prediksi SLR adalah 6.45 m. Potensi kerusakan penggunaan lahan didominasi oleh area perkotaan (1045 ha) dan area industri (563 ha). Area yang paling tergenang terletak di kecamatan Penjaringan untuk perkotaan (523 ha) dan di kecamatan Cilincing untuk area industri (311 ha).

Simulasi aliran material erupsi menggunakan model probabilistik berdasarkan algoritma Monte Carlo dilakukan dalam penelitian ini. Hasil simulasi digunakan untuk mendukung pembuatan peta zonasi bahaya gunung berapi dan estimasi jumlah bangunan yang berpotensi terkena dampak erupsi Gunung Merapi. Data masukan untuk simulasi adalah Digital Elevation Model - Shuttle Radar Topographic Mission (DEM-SRTM) dengan resolusi spasial 30 meter. Selain itu, citra satelit GeoEye tahun 2009 digunakan untuk memperbarui informasi permukiman dari peta RBI dari BAKOSURTANAL. Hasil simulasi aliran material erupsi ditumpangsusunkan dengan informasi area bangunan untuk mengestimasi besarnya dampak erupsi. Hasil simulasi dari penelitian ini memiliki pola yang sama dan distribusi material erupsi yang serupa dengan peta referensi (peta bahaya gunung berapi Merapi). Aliran material erupsi Merapi umumnya mengarah ke selatan melalui Sungai Gendol menuju Cangkringan, dan ke arah barat daya melalui Sungai Puth menuju Srumbung. Aliran material erupsi ditunjukkan pada simulasi ketinggian 2 meter dan 7 meter. Semakin luas dan meluasnya model simulasi aliran material erupsi yang dihasilkan, semakin besar dampaknya terhadap permukiman di sekitar Gunung Merapi.

Dalam penelitian ini, metode klasifikasi penutup lahan menggunakan fitur informasi keruangan dari matriks kookurensi dan data Normalized Difference Polarization Index (NDPI) dari data SAR dual-polarisasi diusulkan. Fitur keruangan digunakan sebagai input klasifikasi terbimbing, dan untuk mengetahui kinerja metode yang diusulkan, klasifikasi penutup lahan dilakukan dengan data satelit SAR pita C dan pita L dari Envisat ASAR dan ALOS PALSAR. Hasil penelitian menunjukkan bahwa ukuran jendela pada citra SAR untuk mendapatkan fitur keruangan matriks kookurensi dan penggunaan tambahan data NDPI memberikan pengaruh terhadap akurasi hasil klasifikasi. Pada area uji di Siak, Provinsi Riau yang memiliki 7 kelas penggunaan lahan, ukuran jendela optimum untuk matriks kookurensi adalah 7 piksel x 7 piksel untuk data ASAR yang memiliki resolusi spasial 75 m, dan lebih dari 9 piksel x 9 piksel untuk data PALSAR yang memiliki resolusi spasial 10 m. Penambahan informasi matriks kookurensi dari data NDPI dapat meningkatkan akurasi klasifikasi hingga 2%.

Data satelit penginderaan jauh telah banyak digunakan untuk mendukung pengelolaan daerah aliran sungai (DAS) dan danau. Namun, penelitian yang dilakukan di Indonesia sering menghadapi masalah umum terkait standardisasi pra-pemrosesan data, khususnya yang berkaitan dengan ortorektifikasi dan koreksi radiometrik. Tujuan penelitian ini adalah untuk menstandarisasi koreksi data satelit untuk memantau Total Suspended Material (TSM) di Danau Limboto selama periode 1990-2010 menggunakan Landsat TM/ETM+ dan SPOT-4. Proses koreksi data yang dilakukan meliputi ortorektifikasi, koreksi matahari, koreksi medan, dan normalisasi data dengan waktu dan sensor yang berbeda. Hasil dari setiap proses koreksi diperiksa untuk mengevaluasi peningkatan kualitas sebelum dan sesudah koreksi. Data terkoreksi kemudian digunakan untuk memantau tingkat kekeruhan Danau Limboto selama periode 1990-2010. Hasil penelitian menunjukkan bahwa koreksi data mengurangi kesalahan posisi dan perbedaan spektral objek akibat perbedaan waktu perekaman dan sensor. Koreksi yang diuji memberikan hasil yang lebih akurat dan konsisten. Kualitas Danau Limboto yang dipantau mengalami penurunan secara bertahap, dengan konsentrasi TSM yang lebih tinggi ditemukan selama periode 1990-2010.

Banjir yang terjadi di sawah dapat menyebabkan penurunan total produksi. Untuk meningkatkan ketahanan pangan di dalam negeri, pemantauan sawah yang terkena banjir sangat penting untuk dilakukan. Citra satelit merupakan salah satu alat untuk memantau daerah banjir. Dalam penelitian ini, kami menggunakan data penginderaan jauh dari MODIS (Moderate Resolution Imaging Spectroradiometer) dan TRMM (Tropical Rainfall Measuring Mission) untuk Januari 2011 dan Januari 2012. Kabupaten Indramayu dipilih sebagai lokasi penelitian karena merupakan salah satu pusat produksi beras. Metode frekuensi banjir digunakan untuk memperkirakan durasi banjir. Beberapa asumsi yang digunakan dalam penelitian ini, yaitu: (i) sawah diasumsikan sebagai sawah tadah hujan. (ii) Sawah diasumsikan berada di dataran. (iii) Curah hujan yang melebihi kebutuhan air tanaman berpotensi menyebabkan banjir, (iv) Curah hujan memiliki dampak besar dalam menyebabkan banjir jika dibandingkan dengan indeks kehijauan vegetasi. Perhitungan potensi banjir menunjukkan bahwa persamaan yang digunakan cukup kuat karena telah sesuai dengan kejadian banjir aktual. Kelas potensi banjir diidentifikasi sebagai kelas banjir parah. Perhitungan frekuensi banjir pada Januari 2011 menunjukkan bahwa telah terjadi banjir hingga 4 kali dalam sebulan. Selain itu, terdapat 18.400 ha yang mengalami frekuensi banjir empat kali, masing-masing, dan perlu diwaspadai terjadinya kegagalan panen pada kedua kondisi tersebut. Kondisi pada Januari 2012 relatif aman karena banjir hanya terjadi satu kali. Banjir yang luas di sawah di Kabupaten Indramayu terjadi pada Januari 2012.

Banjir merupakan bencana terbesar pertama di Indonesia, sebagaimana dinyatakan oleh Badan Nasional Penanggulangan Bencana (BNPB) dalam data bencana alam BNPB tahun 2000 hingga 2009. Mengingat banjir memiliki dampak signifikan yang menyebabkan korban jiwa dan kerugian materiil, maka perlu dilakukan kajian tentang hal tersebut. Salah satu data yang berguna untuk mengkaji banjir adalah data penginderaan jauh. Keunggulan data historis yang baik memungkinkan untuk melihat perubahan tutupan/penggunaan lahan dari tahun ke tahun di suatu wilayah. Cakupan area yang luas dari data penginderaan jauh memungkinkan untuk melihat dan menganalisis secara komprehensif. Metode kajian model bahaya banjir menggunakan beberapa variabel, di mana setiap variabel memiliki kelas kriteria. Penentuan bobot setiap variabel banjir dilakukan dengan menggunakan Analisis Pemetaan Komposit. Hasil penelitian ini menunjukkan bahwa penyebab utama banjir di Kabupaten Sampang adalah sebagian besar sistem lahan di wilayah tersebut merupakan gabungan dataran muara dan rawa, yang membentuk dataran rendah dan dipicu oleh hujan deras. Model peta bahaya banjir dihasilkan dengan pembobotan variabel banjir menggunakan metode analisis multi-kriteria yang merupakan fungsi dari curah hujan, penggunaan lahan, kemiringan lereng, sistem lahan, dan elevasi.

Total Suspended Matters (TSM) didefinisikan sebagai semua padatan atau partikel dengan ukuran lebih besar dari 1 µm yang tersuspensi di dalam air, yang mengakibatkan penurunan kualitas air hingga air tidak dapat digunakan sebagaimana mestinya. Terdapat berbagai metode yang telah dikembangkan dalam pemetaan TSM berdasarkan data satelit penginderaan jauh baik resolusi rendah maupun tinggi. Makalah ini mendeskripsikan pemetaan TSM di mana algoritma TSM diterapkan langsung pada nilai digital number citra Landsat. Proses pemetaan diawali dengan metode thresholding untuk memisahkan air dari objek lain (awan, bayangan awan, dan daratan), kemudian konsentrasi TSM dihitung melalui penjumlahan aljabar dari band 1, 2, 3, dan 4, dan diakhiri dengan proses density slice range. Berdasarkan analisis TSM, konsentrasi TSM di Teluk Semangka disebabkan oleh limbah manusia dan juga material yang terbawa oleh aliran air dari tambak dan limbah erosi tanah. Sebaran konsentrasi TSM terdapat di perairan Kecamatan Wonosobo hingga panjang sebaran 640 meter dan Kecamatan Kota Agung Timur hingga panjang sebaran 3240 meter.

Sistem penampilan dinamika titik panas berdasarkan Dynamic Keyhole Markup Language (KML) telah dirancang dan dibangun di Indonesia sebagai pelengkap sistem pengawasan kebakaran Indonesia berbasis web yang telah dikembangkan oleh Indofire. Sistem Indofire menggunakan peramban web untuk menampilkan data keluarannya, sedangkan sistem yang dibangun menggunakan peramban bumi/geo untuk menampilkan data. Hasilnya menunjukkan bahwa sistem yang dibangun memiliki fitur yang lebih ramah pengguna, kecepatan akses data hingga 5,22 kali lebih cepat, dan mengurangi kebutuhan penyimpanan volume data hingga 80,87% dibandingkan dengan sistem yang telah dikembangkan oleh Indofire.

Peningkatan atau penurunan intensitas curah hujan akibat perubahan iklim memengaruhi kondisi lingkungan di banyak wilayah Indonesia. Misalnya: intensitas curah hujan yang rendah menyebabkan tingginya jumlah kejadian kebakaran hutan di Pulau Kalimantan. Dampak perubahan iklim dikaji dengan menganalisis korelasi antara intensitas curah hujan, jumlah kejadian kebakaran hutan, dan perubahan luas hutan di Provinsi Kalimantan Barat. Data curah hujan diekstraksi menggunakan data Tropical Rainfall Measurement Mission (TRMM) periode 2001-2008. Jumlah kejadian kebakaran hutan diidentifikasi dari jumlah hotspot yang diekstraksi dari sensor termal data satelit MODIS periode 2001-2008. Luas hutan dihitung dari data MODIS tahun 2003, 2005, 2007, dan 2009. Piksel yang memiliki nilai Normalized Difference Vegetation Index (NDVI) lebih dari 0,7 sepanjang tahun diasumsikan sebagai piksel hutan. Nilai NDVI diperoleh dengan melakukan sampel latihan di kawasan hutan. Hasil penelitian menunjukkan bahwa curah hujan memiliki tren sedikit meningkat di Kalimantan. Curah hujan berkorelasi negatif dengan jumlah hotspot. Ketika curah hujan terendah dan jumlah hotspot tertinggi terjadi pada tahun 2004, luas hutan antara tahun 2003 dan 2005 menurun (deforestasi) secara signifikan. Sebaliknya, ketika curah hujan tinggi dan hotspot rendah pada tahun 2008, tidak terjadi penurunan luas hutan, bahkan ditemukan peningkatan luas hutan. Hal ini kemungkinan disebabkan oleh reforestasi dan perluasan area perkebunan (seperti kelapa sawit).

Dampak variabilitas iklim dan perubahan iklim sangat penting di Indonesia. Pemantauan dampak ini, lebih lanjut, sangat penting untuk kesiapsiagaan daerah dalam menghadapi kondisi rentan kekeringan. Dalam penelitian ini, data penginderaan jauh satelit digunakan untuk memantau kekeringan di Pulau Jawa, Indonesia. Data curah hujan bulanan dari data Tropical Rainfall Measuring Mission (TRMM) digunakan untuk menurunkan Indeks Presipitasi Standar (Standardized Precipitation Index, SPI). Moderate Resolution Imaging Spectroradiometer (MODIS) di satelit Terra dan Aqua digunakan untuk menghitung Indeks Vegetatif yang Ditingkatkan (Enhanced Vegetative Index, EVI) dan Suhu Permukaan Lahan (Land Surface Temperature, LST). EVI dan LST kemudian dikonversi menjadi Indeks Kondisi Vegetasi (Vegetation Condition Index, VCI) dan Indeks Kondisi Suhu (Temperature Condition Index, TCI), yang masing-masing merupakan indeks yang berguna untuk memperkirakan kondisi kelembaban vegetasi dan kondisi termal. Indeks Kesehatan Vegetasi (Vegetation Health Index, VHI) dihitung menggunakan VCI dan TCI untuk mewakili kesehatan vegetasi secara keseluruhan. Analisis dilakukan selama El Niño/Southern Oscillation (ENSO) dari Juni hingga Agustus 2009. Dari analisis SPI, ditemukan bahwa sejak Juni 2009 kondisi kekeringan ringan (-1,0 < SPI < 0) telah berkembang di hampir semua bagian Pulau Jawa karena defisiensi curah hujan. Peta VCI menunjukkan bahwa stres vegetatif (VCI < 36) sebagai akibat dari kondisi kelembaban vegetasi telah berkembang secara bertahap di Provinsi Jawa Timur pada Juni 2009. Sementara itu, dari peta TCI ditemukan bahwa stres vegetatif (TCI < 36) karena kondisi termal vegetasi terbentuk di Provinsi Jawa Barat pada Juni 2009. Oleh karena itu, kesehatan vegetasi keseluruhan di Pulau Jawa yang diperoleh dari peta VHI menunjukkan bahwa kekeringan vegetatif sedang (VHI < 36) mulai berkembang pada Juli 2009.

Penelitian ini dilakukan untuk mengeksplorasi proses fisik dan cuaca serta pengaruhnya terhadap perkembangan tanaman padi, dan untuk menganalisis hasil simulasi yang dapat diterapkan untuk menduga produksi tanaman padi. Metode yang digunakan dalam penelitian ini adalah model neraca air, model pertumbuhan dan perkembangan melalui Simulasi Pemodelan Dinamis. Hasil penelitian menunjukkan bahwa waktu tanam optimal dapat diprediksi dari model simulasi; potensi hasil padi dapat diestimasi berdasarkan indeks luas daun maksimum, dan penurunan hasil padi dapat diprediksi dari perubahan nilai rasio Evapotranspirasi Aktual dan Maksimum (ETa/ETm) yang dihasilkan oleh model.

Metode estimasi Indeks Luas Daun (Leaf Area Index, LAI) berdasarkan data penginderaan jauh satelit perlu dikembangkan sebagai langkah awal untuk mempelajari penyimpanan karbon dan emisi karbon yang memengaruhi perubahan iklim global. Pengukuran langsung Indeks Luas Daun di lapangan membutuhkan biaya yang mahal, memakan waktu lama, dan tidak efisien. Penerapan data penginderaan jauh dapat memberikan solusi yang tepat untuk estimasi Indeks Luas Daun secara lebih efisien dan efektif. Tujuan penelitian ini adalah mengembangkan metode estimasi Indeks Luas Daun dengan menggunakan data penginderaan jauh. Metode estimasi Indeks Luas Daun akan dikembangkan dengan menggunakan metode referensi yang diambil dari algoritma cadangan (back up algorithm) dari Algorithm Theoretical Basis Document (ATBD) MOD15. Penelitian ini akan mencoba mengembangkan model dan mengaplikasikannya untuk data penginderaan jauh lainnya, terutama yang diperoleh atau didistribusikan oleh Lembaga Penerbangan dan Antariksa Nasional (LAPAN) seperti SPOT-2. Hasil penelitian menunjukkan bahwa LAI berdasarkan MOD15 memiliki korelasi yang rendah dengan LAI terukur, tetapi LAI terukur memiliki korelasi yang baik dengan NDVI dari SPOT-2 untuk kawasan hutan.

Studi perubahan penggunaan lahan: kawasan hutan menjadi area industri batubara dan dampaknya terhadap Total Suspended Solid dilakukan dengan data penginderaan jauh. Kombinasi kanal yang berbeda dari data penginderaan jauh digunakan untuk mengekstrak informasi spasial penggunaan lahan dan Total Suspended Solid (TSS). Klasifikasi terbimbing digunakan untuk ekstraksi spasial penggunaan lahan, sedangkan untuk TSS digunakan algoritma spesifik; TSS = 3.8926 * exp (31.417*Red Band). Hasil penelitian menunjukkan bahwa terdapat hubungan antara perubahan penggunaan lahan dari hutan menjadi industri batubara, semak belukar, sawah, lahan terbuka, dan permukiman dengan perubahan dinamis TSS di sepanjang DAS Berau.

Indonesia memiliki garis pantai terpanjang kedua di dunia. Perubahan garis pantai disebabkan oleh transportasi sedimen dari daratan dan laut atau disebabkan oleh energi yang berasal dari arus laut dan gelombang. Perubahan garis pantai telah dianalisis melalui analisis multi-temporal menggunakan satelit seri Landsat (MSS, TM, dan ETM+). Interpretasi visual RGB 542 dilakukan untuk mengidentifikasi garis pantai, dan menggunakan kombinasi lain jika diperlukan. Berdasarkan analisis data Landsat, panjang garis pantai pada tahun 1972, 1991, 2001, dan 2008 berturut-turut adalah 43.172 m, 52.646 m, 50.171 m, dan 53.827 m, dan perubahan garis pantai terjadi dominan di sepanjang tanjung dan teluk, sedangkan di tempat lain tidak berubah secara signifikan. Berdasarkan analisis data satelit Landsat, pada periode 1972-1991 abrasi dan akresi terjadi pada area seluas 765,14 ha dan 356,00 ha; pada periode 1991-2001 seluas 90,64 ha dan 261,89 ha; dan pada periode 2001-2008 seluas 111,67 ha dan 80,37 ha.

Pada transisi satelit meteorologi geostasioner operasional GMS-5 ke MTSAT-1R, paket data HiRID diperkenalkan. HiRID menggunakan bingkai yang sama dengan S-VISSR, dengan beberapa modifikasi untuk mengakomodasi informasi tambahan karena peningkatan kinerja sistem pencitraan datanya. Peningkatan kinerja instrumen terkait dengan penambahan kanal IR4 dan peningkatan resolusi radiometrik kanal inframerah menjadi 10 bit/piksel. Masa pakai operasional HiRID sebagai paket data transisi ke MTSAT-1R HRIT terbatas dalam rangka memberikan masa tenggang kepada operator stasiun bumi untuk meningkatkan sistem penerimaan menuju operasionalisasi HRIT. Makalah ini mengulas upaya untuk memperoleh data HiRID MTSAT-1R dan penyesuaian yang dilakukan pada sub-sistem penerima, sub-sistem pra-pemrosesan data. Pembahasan mencakup sekilas integrasi sistem RF, teknik ekstraksi data, dan ekstraksi informasi sektor dokumentasi, dengan fokus pada perbedaan struktur paket data HiRID dan S-VISSR serta teknik yang diterapkan untuk mengekstrak data citra dan informasi apa pun yang terkandung di dalamnya. Kata kunci: S-VISSR, HiRID, Sub-komutasi, Dekomposisi.

Pengembangan di bidang Penginderaan Jauh memerlukan teknik kompresi data yang optimal untuk menghasilkan rasio kompresi yang tinggi namun tetap menjaga kualitas data, sehingga data tersebut masih dapat diterima dalam aplikasi penginderaan jauh. Salah satu teknik kompresi terbaru adalah kompresi hibrid yang menggabungkan pengurangan redundansi spektral dan pengurangan redundansi spasial. Pada penelitian ini akan diusulkan perbaikan teknik kompresi hibrid untuk data MODIS multiband yang dikembangkan oleh Yuan-Xiang Li, dkk. (IEEE 2007). Perbaikan tersebut dilakukan dengan memilih band referensi yang lebih baik untuk prediksi band, melewati prediksi band untuk band yang tidak dapat diprediksi, dan mengusulkan penggunaan level dekomposisi wavelet yang lebih tinggi untuk mendapatkan kinerja kompresi yang lebih baik. Hasil simulasi menunjukkan bahwa prediksi antar-band linier dengan band yang dilewati menghasilkan nilai PSNR yang tinggi (40 dB) dan rasio kompresi yang tinggi (80). Hasil kompresi ini akan digunakan untuk aplikasi penginderaan jauh data MODIS, khususnya untuk pengamatan bumi global. Kata kunci: Kompresi, Hibrid, Prediksi, Citra, Band, Wavelet, MODIS, PSNR, Symetry co-histogram

Tujuan dari makalah ini adalah untuk menganalisis distribusi spasial debit aliran permukaan di DAS Ciliwung berdasarkan data satelit penginderaan jauh. Model elevasi digital (DEM) diproses untuk menentukan batas DAS menggunakan metode kemiringan paling curam (steepest slope) dan juga digunakan untuk menghitung luas piksel. Luas piksel yang dihitung digunakan untuk menentukan luas DAS dan tutupan lahan dalam perspektif 3 dimensi. Tutupan lahan DAS Ciliwung dipetakan menggunakan citra SPOT-4 yang diperoleh pada tahun 2007. Semua informasi yang dihasilkan digunakan sebagai masukan untuk menentukan distribusi spasial debit aliran permukaan menggunakan tabel koefisien limpasan yang diterbitkan oleh instansi terkait. Pada langkah berikutnya, total debit aliran permukaan di beberapa titik outlet (Katulampa, Depok, dan Muara Ciliwung) dibandingkan dan hubungan antara kondisi tutupan lahan dan debit aliran permukaan dievaluasi. Hasilnya menunjukkan bahwa DEM dapat digunakan untuk menentukan batas DAS dan menghitung luas DAS, yang hasilnya hampir sama dengan kondisi nyata. Distribusi spasial debit aliran permukaan berguna untuk menganalisis kontribusi debit aliran permukaan dari setiap bagian DAS terhadap total debit aliran permukaan di DAS Ciliwung. Hal ini menunjukkan bahwa debit aliran permukaan di outlet Katulampa memberikan kontribusi sebesar 44% dari total debit aliran permukaan di DAS Ciliwung. Selanjutnya, beberapa jenis tutupan lahan diidentifikasi di daerah dengan debit aliran permukaan tinggi. Informasi semacam ini sangat berguna untuk perencanaan wilayah dan kegiatan pengelolaan banjir.

Hubungan antara suhu puncak awan dari MTSAT-1R dan curah hujan dari data QMorph di DAS Bengawan Solo telah dianalisis dalam penelitian ini. Analisis dilakukan menggunakan data selama 21–30 Desember 2007 (00–23 UTC) untuk 240 set data. Hasil menunjukkan bahwa suhu puncak awan yang berpotensi menghasilkan hujan tinggi adalah sekitar 195°–235° K, sedangkan suhu puncak awan yang lebih besar dari 235° K berkaitan dengan curah hujan rendah. Sementara itu, terdapat hubungan logaritmik antara curah hujan dari data QMorph dan suhu puncak awan MTSAT-1R (kanal inframerah 1) dengan koefisien korelasi 0.78. Ambang batas suhu puncak awan untuk banjir bandang di Bengawan Solo adalah lebih rendah dari 215° K setidaknya berlangsung selama 4 hari. Curah hujan lebat yang terjadi secara intensif dapat menjadi pemicu bencana banjir di sekitar DAS Bengawan Solo.

Hutan mangrove tumbuh di dekat muara sungai besar di mana delta sungai memberikan banyak sedimen (pasir dan lumpur). Akar mangrove mengumpulkan sedimen dan memperlambat aliran air untuk melindungi garis pantai dan mencegah erosi. Seiring waktu, akar dapat mengumpulkan lumpur untuk memperluas tepi garis pantai. Tujuan penelitian ini adalah untuk menganalisis perubahan hutan mangrove, garis pantai, dan pengaruhnya terhadap pendapatan nelayan di Pantai Bahagia, Muara Gembong, Bekasi, Provinsi Jawa Barat selama 17 tahun antara tahun 1990 dan 2007. Pengamatan dilakukan dengan menggunakan dua seri data multitemporal (Landsat-TM 1990 dan SPOT-4 2007). Informasi tentang distribusi, luas, dan perubahan tutupan lahan untuk menganalisis nilai tersebut diperoleh melalui citra komposit warna berbasis spektral (RGB 453 Landsat-TM dan RGB 143 SPOT-4), klasifikasi citra, dan data lapangan. Sedangkan informasi tentang perubahan garis pantai berdasarkan citra terklasifikasi tahun 2007 ditumpangtindihkan dengan citra terklasifikasi. Hasil penelitian menunjukkan bahwa: 1). perubahan hutan mangrove selama 17 tahun (1990-2007) telah menurun dari 34,89 hektar menjadi 33,23 hektar dan hasil penumpangtindihan citra garis pantai klasifikasi tahun 2007 dengan garis pantai klasifikasi tahun 1990 ditemukan terjadinya abrasi dan akresi garis pantai; 2). kondisi keberadaan hutan mangrove di Pantai Bahagia dengan populasi yang semakin berkurang telah mempengaruhi pendapatan nelayan di sekitarnya.

Koreksi terrain digunakan untuk meminimalkan efek bayangan akibat variasi topografi bumi. Oleh karena itu, proses ini sangat berguna untuk mengoreksi distorsi nilai piksel pada daerah pegunungan di citra satelit. Tujuan dari makalah ini adalah untuk mengkaji proses koreksi terrain dan implementasinya untuk Landsat TM. Algoritma koreksi terrain dibangun dengan menentukan sudut normal piksel yang didefinisikan sebagai sudut antara arah matahari dan normal permukaan. Perhitungan koreksi terrain memerlukan informasi sudut zenit matahari, sudut elevasi matahari (diperoleh dari data header), kemiringan piksel, dan aspek piksel yang diturunkan dari model elevasi digital (DEM). Koefisien C dari setiap saluran ditentukan dengan menghitung gradien dan intersep dari korelasi antara kosinus sudut normal piksel dan reflektansi piksel pada setiap saluran. Kemudian, citra Landsat TM dikoreksi oleh algoritma menggunakan sudut normal piksel dan koefisien C. Koefisien C yang digunakan dalam penelitian ini diperoleh dari perhitungan kami dan dari Indonesia National Carbon Accounting System (INCAS). Hasil menunjukkan bahwa tanpa koefisien C, nilai piksel meningkat sangat tinggi ketika sudut normal piksel mendekati 90°. Koefisien C mencegah kondisi tersebut, sehingga implementasi koefisien C yang diperoleh dari INCAS dalam algoritma dapat menghasilkan citra yang memiliki tampilan topografi yang sama. Selanjutnya, setiap saluran dari citra terkoreksi memiliki korelasi yang baik dengan saluran terkoreksi dari hasil INCAS. Implementasi koefisien C dari perhitungan kami masih memerlukan evaluasi, terutama untuk metode penentuan sampel pelatihan dalam menghitung koefisien C.

Kualitas akurasi dan presisi adalah masalah utama dalam survei dan pemetaan. Salah satu masalah dalam penginderaan jauh adalah koreksi geometrik menggunakan ortorektifikasi citra satelit. Secara konseptual, hal ini sama dengan ortorektifikasi foto udara miring. Penelitian ini membahas tentang cara mengortorektifikasi citra SPOT5 di Semarang menggunakan metode DMP dan RPCs. Satelit SPOT5 dapat memperoleh data dengan sudut sensor hingga 20°, sehingga menghasilkan citra miring. Metode DMP ini menggunakan persamaan Kolinier dengan kondisi Polinomial orde 2 (horizontal) dan nilai ketinggian diperoleh dari Model Terrain Digital (DTM). Metode RPCs menggunakan parameter orientasi interior dari metadata dan juga dibantu oleh delapan titik kontrol tanah dari DTM. Perhitungan penyesuaian digunakan untuk menghitung model orthoimage diferensial untuk menghasilkan nilai parameter baru yang akan digunakan untuk ortorektifikasi. Hasil ortorektifikasi ini diuji dengan menumpangtindihkan terhadap Peta Rupabumi Indonesia (RBI) skala 1:25.000 dan survei lapangan.

Kebakaran lahan dan hutan merupakan bencana alam yang sering terjadi di wilayah Indonesia, terutama Sumatera dan Kalimantan. Bencana ini menimbulkan dampak yang besar terhadap lingkungan dan manusia, sehingga perlu dilakukan mitigasi. Lokasi penelitian berada di Provinsi Kalimantan Tengah. Tujuan penelitian ini adalah mengaplikasikan citra penginderaan jauh MODIS untuk mendukung upaya mitigasi kebakaran lahan dan hutan, yaitu mengidentifikasi daerah bekas terbakar. Analisis dilakukan dengan menggunakan metode perubahan NDVI sebelum dan sesudah periode kebakaran lahan dan hutan pada tahun 2009. Tahapan penelitian terdiri atas analisis frekuensi hotspot, perhitungan perubahan NDVI, penetapan ambang batas perubahan NDVI, dan estimasi daerah bekas terbakar berdasarkan hasil ambang batas tersebut. Hasil penelitian menunjukkan bahwa daerah bekas terbakar di Kalimantan Tengah dapat diidentifikasi menggunakan MODIS berdasarkan perubahan NDVI. Total luas daerah bekas terbakar pada tahun 2009 adalah 122.900 hektare, sebagian besar terjadi di Kabupaten Pulang Pisau, Kapuas, Katingan, dan Kotawaringin. Hasil ini perlu diverifikasi pada penelitian selanjutnya berdasarkan survei lapangan dan atau menggunakan citra resolusi tinggi seperti Landsat, SPOT-2 atau 4, ALOS, Ikonos, atau Quickbird.

Garis pantai penting untuk menentukan batas administrasi perairan suatu provinsi, kabupaten, dan kota yang terkait dengan desentralisasi. Garis pantai dapat diekstraksi dari data inderaja. Namun, definisi referensi datum vertikal untuk garis pantai dan lokasi muka air rendah sangat berbeda. Posisi muka air laut untuk garis pantai yang digunakan dalam pemetaan hidrografi adalah muka air laut tinggi rata-rata (MHSL), sedangkan posisi muka air laut untuk garis pantai yang digunakan dalam pemetaan geodesi adalah muka air laut rata-rata (MSL). Namun, data inderaja direkam pada waktu tertentu yang juga memiliki muka air laut tertentu, yang mungkin berada pada muka air tinggi atau rendah tergantung pada lokasinya. Tujuan penelitian ini adalah untuk memahami posisi muka air laut untuk pemetaan garis pantai saat Landsat 7 diakuisisi dan bagaimana menyesuaikannya untuk membuat definisi garis pantai yang standar. Citra Landsat ETM+ komposit 543 (RGB) dan Peta Maritim dan Navigasi skala 1:50.000 ditumpangsusunkan dan dibandingkan dalam kondisi spheroid, datum, dan sistem proyeksi yang sama. Di daerah yang tidak mengalami perubahan signifikan akibat dinamika proses pantai, hasil tumpangsusun citra dan peta menunjukkan bahwa garis pantai saling cocok. Namun, di daerah yang menunjukkan adanya perubahan, terdapat beberapa perbedaan antara garis pantai dari citra dan peta. Posisi muka air laut saat citra direkam berada pada muka air tinggi dan garis pantai dari citra sama dengan garis pantai hidrografi. Terdapat dua kondisi ketika citra direkam pada posisi muka air yang berbeda. Posisi garis pantai tidak akan berubah di daerah tanpa garis kontur 0 meter dan akan berubah di daerah yang memiliki garis kontur 0 meter. Penyesuaian harus dilakukan pada kondisi kedua.

Penelitian tentang aplikasi oseanografi baik dalam skala global maupun mesoscale memerlukan pengamatan suhu permukaan laut dan pencitraan warna laut dari satelit. LAPAN telah melakukan beberapa pengamatan oseanografi dengan menggunakan Data Satelit NOAA-AVHRR, seperti dalam penentuan suhu permukaan laut yang diterapkan untuk menentukan fishing ground (daerah penangkapan ikan), dll. Namun, dengan diluncurkannya satelit baru, yaitu Satelit TERRA yang membawa sensor multi spektral (data MODIS/Moderate Imaging Spectroradiometer), penelitian ini dicoba dengan menggunakan data MODIS. Tujuan dari penelitian ini adalah untuk menentukan distribusi suhu permukaan laut dan melihat distribusi kandungan klorofil dengan menggunakan data MODIS untuk menentukan fenomena upwelling dan front. Metode yang dilakukan dalam penelitian ini adalah dengan menggunakan algoritma dari (Minnet, 2001) untuk suhu permukaan laut dan (Relly, 1998) untuk konsentrasi klorofil, serta mengonversi nilai radiance [band 21 dan band 32] dari citra MODIS menjadi nilai suhu permukaan laut dan konversi rasio dua kanal daerah tampak [band 9 dan 12] menjadi nilai kandungan klorofil. Hasil penelitian menunjukkan bahwa model pengembangan algoritma baik untuk suhu permukaan laut maupun konsentrasi klorofil memberikan nilai distribusi spasial yang secara umum mendekati apa yang telah diperoleh dari data satelit NOAA-AVHRR atau SeaWiFS. Namun, hasil tersebut masih memerlukan pengembangan dan validasi yang lebih rinci.

Perkebunan Kelapa Sawit (Elaelis Guineensis Jacq) dalam pertumbuhannya akan mengalami perubahan fisik sehingga dapat dipantau dengan data inderaja, yaitu dengan mengamati pengaruh umur terhadap reflektansi band spektral atau indeks yang dapat diperoleh dari data Landsat-TM. Analisis menunjukkan bahwa band spektral Landsat yang berkorelasi dengan umur perkebunan kelapa sawit adalah Band-5 (r=-0.75), Band-7 (r=-0.52), Band-4 (r=-0.50). Indeks yang berkorelasi dengan umur perkebunan kelapa sawit adalah rasio Band 5/3 (r=-0.71), IRI (r=-0.56), dan MIRI-1 (r=-0.48). NDVI dan IRI tidak berkorelasi dengan umur perkebunan.

Indeks vegetasi (VI) yang diekstraksi dari data MODIS dengan menggunakan beberapa algoritma masih perlu dikembangkan dan dikaji. Hal ini disebabkan data MODIS (Moderate Resolution Imaging Spectroradiometer) relatif baru dalam operasi dan aplikasi data. Penelitian ini bertujuan untuk membandingkan sensitivitas penerapan 3 algoritma untuk ekstraksi data indeks vegetasi. Simulasi dalam penelitian ini menggunakan data MODIS level 1B dengan seluruh resolusi (250m, 500m, dan 1000m) untuk Pulau Kalimantan pada tanggal 17 Mei 2002 dengan menerapkan algoritma NDVI (Normalized Difference Vegetation Index), SAVI (Soil Adjusted Vegetation Index), dan SARVI (Soil and Atmosphere Resistant Vegetation Index). Hasil penelitian ini menunjukkan bahwa penerapan algoritma SAVI dan SARVI di lokasi yang didominasi awan akan memiliki nilai indeks vegetasi yang lebih tinggi sebanyak 0.001 - 0.04 unit dengan model SAVI jika dibandingkan dengan NDVI, dan dapat lebih tinggi atau lebih rendah dibandingkan dengan nilai SARVI, tergantung pada kondisi seberapa besar faktor pengaruh uap air atmosfer, kandungan aerosol, dan latar belakang kanopi yang dapat dikurangi dan dikoreksi dengan menerapkan model SARVI. Sementara itu, di daerah perkotaan, penerapan model SAVI akan lebih rendah sebanyak 0.14 - 0.15 unit, dan sekitar 0.1 - 0.15 unit dengan model SARVI jika dibandingkan dengan NDVI.

Cengkih dan kedelai merupakan tanaman yang memiliki potensi ekonomi yang cukup tinggi. Kedua komoditas ini membutuhkan kondisi lahan dan iklim yang sesuai untuk tumbuh secara optimal. Proses penginderaan jauh dan data iklim dengan Sistem Informasi Geografis dapat menentukan lahan yang sesuai untuk tanaman cengkih dan kedelai. Evaluasi potensi lahan menggunakan data penggunaan lahan yang diekstrak dari data Landsat-TM. Tingkat kesesuaian lahan kemudian ditentukan berdasarkan parameter iklim (curah hujan dan periode kering) dan sifat fisik lahan untuk tanaman kedelai dan cengkih di Kabupaten Banyuwangi.

Pengembangan lahan untuk perkebunan kacang tanah merupakan salah satu upaya penting untuk meningkatkan produksi kacang tanah di Indonesia. Peta panduan pengembangan lahan yang ditumpangsusunkan dengan peta tutupan lahan berdasarkan data Landsat dapat digunakan sebagai acuan dalam pelaksanaannya. Penelitian ini bertujuan untuk menganalisis pengembangan lahan untuk tanaman kacang tanah di Jawa Barat berdasarkan peta kesesuaian lahan yang ada dan peta tutupan lahan dari Landsat ETM+ tahun 2002, serta menentukan wilayah potensial untuk perkebunan kacang tanah berdasarkan kesesuaian lahan dan tutupan lahan menggunakan sistem informasi geografis. Hasil penelitian menunjukkan bahwa sebagian besar wilayah untuk perkebunan kacang tanah di daerah penelitian berada pada lahan dengan potensi rendah hingga sedang, meskipun selama 3 tahun (1999-2001) produktivitas tanaman relatif sedang hingga tinggi (10,94 - 15,97 kw/ha). Sementara itu, wilayah yang berpotensi untuk dikembangkan sebagai area perkebunan kacang tanah di daerah penelitian Jawa Barat bagian utara adalah di Kabupaten Bogor, terutama di sekitar Tinarjaya. Tutupan lahan pada tahun 2002 yang sesuai untuk area pengembangan perkebunan kacang tanah masih berupa semak belukar (1.201,14 ha), lahan terbuka (395,37 ha), sawah tadah hujan (285,75 ha), dan lahan kering (234,63 ha).

Kebakaran hutan/lahan di Indonesia terjadi hampir setiap tahun. Hal ini tidak hanya disebabkan oleh faktor alam, tetapi juga oleh aktivitas manusia seperti pembukaan lahan baru untuk pertanian atau perkebunan, atau pembukaan lahan/pembersihan lahan. Kebakaran yang ditandai dengan adanya hot spot dapat dipantau setiap hari menggunakan saluran inframerah dekat dan termal (saluran 3 dan 4) dari data satelit NOAA-AVHRR (National Oceanic and Atmospheric Radiometer-Advanced Very High Resolution Radiometer). Berdasarkan pemantauan hot spot harian di Sumatera pada tahun 2002, kebakaran hutan/lahan terjadi sejak Januari hingga Desember, sedangkan di Kalimantan dimulai pada Maret hingga Desember. Fluktuasi hot spot pada tahun 2002 memiliki pola yang hampir sama dengan tahun 1997, di mana puncak kebakaran terjadi pada bulan September di Pulau Kalimantan dan pada bulan Oktober di Pulau Sumatera. Selain itu, berdasarkan data NOAA dan Feng Yun, sebaran asap yang terjadi pada tahun 2002 tidak terlalu signifikan dan sebaran asap sebagian besar terjadi pada bulan September di Kalimantan dan Oktober di Sumatera. Penurunan aktivitas kebakaran terjadi pada bulan-bulan berikutnya di mana kebakaran di kedua pulau menurun seiring dengan meningkatnya curah hujan di kedua pulau tersebut.

Gunung Merapi yang memiliki ketinggian 2.986 m terletak di bagian tengah Pulau Jawa. Gunung ini merupakan salah satu dari 129 gunung berapi aktif di Indonesia. Mengingat jumlah gunung berapi yang banyak, diperlukan metode sebagai sistem mitigasi bahaya letusan. Data MOS-MESSR (1991) dan Landsat-ETM (2002) serta didukung oleh data sekunder digunakan untuk mengidentifikasi dan mengklasifikasikan bentuk lahan, pola drainase, dan tutupan lahan. Hasilnya diperoleh 10 kelas bentuk lahan, 3 tingkat bahaya letusan pola drainase, dan 9 kelas tutupan lahan. Berdasarkan analisis geomorfologi selama 11 tahun menunjukkan bahwa luas hutan menurun sebesar 13.062 Ha dan pola risiko bahaya meningkat.

Aplikasi Penginderaan Jauh dan Sistem Informasi Geografis digunakan untuk mengevaluasi potensi lahan yang sesuai untuk budidaya tambak. Parameter yang digunakan dalam penelitian ini adalah penggunaan lahan eksisting melalui penginderaan jauh dan proses analisis, kemiringan topografi/lahan, jenis tanah, data iklim (seperti curah hujan dan jumlah musim kering). Evaluasi potensi lahan menghasilkan 4 tingkat kesesuaian lahan, yaitu: 1) tingkat sesuai, 2) tingkat cukup sesuai, 3) tingkat kurang sesuai, dan 4) tingkat tidak sesuai. Analisis menunjukkan bahwa terdapat tiga wilayah di Kabupaten Banyuwangi yang sesuai untuk budidaya tambak, yaitu Kecamatan Muncar, Rogojampi, dan Pesanggrahan.

Kebijakan ekonomi pertanian pemerintah adalah menekankan pada pertanian yang didukung oleh industri dan sebaliknya. Hal ini diarahkan untuk meningkatkan kesejahteraan rakyat Indonesia. Salah satu jembatan yang dapat menghubungkan kedua hal tersebut (pertanian dan industri) adalah agroindustri. Model perencanaan pengembangan sistem ruang wilayah untuk agroindustri bertujuan untuk menata dan merencanakan kawasan agroindustri perkebunan pangan sehingga kondisi pendirian industri dapat didukung oleh ketersediaan bahan baku yang berkelanjutan sehingga pelaksanaan agroindustri dapat berlangsung secara terus-menerus dan permanen. Pendekatan yang digunakan dalam pembentukan model menggunakan Sistem Informasi Geografis (SIG) dengan analisis spasial. Parameter yang digunakan adalah parameter aspek fisik lahan (ketersediaan lahan) dan sosial ekonomi. Penelitian studi kasus dilakukan di Kabupaten Lampung Tengah. Berdasarkan analisis Kabupaten Lampung Tengah, terdapat tiga kawasan agroindustri, yaitu kawasan agroindustri padi yang terletak di Kecamatan Padang Ratu, kawasan agroindustri jagung yang terletak di Gunung Sugih, dan kawasan agroindustri ubi kayu yang terletak di Kecamatan Rumbia.

Hasil analisis spasial menunjukkan bahwa telah terjadi pergeseran posisi konsentrasi lahan sawah (SM=Spatial Mean) dari tahun 1996 hingga tahun 2000 ke arah timur laut sejauh 691 m di Kecamatan Cibitung dan 481 m di Kecamatan Tambun. Pergerakan SM menjauhi pusat kegiatan sosial ekonomi masyarakat baik di tingkat lokal (kecamatan) maupun regional (kota/kabupaten). Konversi lahan sawah menjadi lahan non-pertanian yang paling banyak terjadi adalah menjadi kawasan permukiman dan industri. Konversi lahan sawah menjadi permukiman terjadi di Tambun sekitar 105,2 Ha dan di Cibitung 154,6 Ha. Konversi lahan sawah menjadi industri terjadi di Cibitung sekitar 486,1 Ha dan di Tambun 87,9 Ha. Konversi lahan sawah yang terjadi di lokasi penelitian berada pada lahan Sangat Sesuai (S1) dan memiliki produktivitas tinggi karena berada pada daerah dengan aksesibilitas tinggi terhadap jalan utama dan pusat kecamatan.

Tujuan penelitian ini adalah: a) Untuk mengevaluasi kesesuaian lahan tambak konvensional; b) Untuk menguji kriteria kualitas lahan pada kesesuaian lahan tambak konvensional. Metode yang digunakan akan mengeksplorasi dan mengintegrasikan data Landsat-TM dan Sistem Informasi Geografis (SIG) dengan model pendekatan parametrik di daerah penelitian. Hasil penelitian dan investigasi adalah: a) Luas lahan potensial tambak untuk pengembangan diperkirakan sekitar 22530,5 hektar (lahan sesuai) dan sekitar 20966,2 hektar (lahan cukup sesuai); b) Kriteria kesesuaian lahan tambak konvensional di lokasi penelitian adalah sama.

Penelitian ini bertujuan untuk mengestimasi kondisi kelengasan lahan pertanian, khususnya sawah, berdasarkan data satelit MODIS (Moderate Resolution Imaging Spectroradiometer) dengan resolusi spasial 250 m dan 500 m serta resolusi temporal harian. Suatu indeks yang disebut Land Moisture Index (LMI) dibuat dari hasil komponen utama pertama dari NDSI (Normalize Difference Soil Index), NDVI (Normalize Difference Vegetation Index), dan NDWI (Normalize Difference Water Index). Terdapat korelasi yang tinggi antara LMI dan kelengasan tanah (LM) untuk lahan pertanian dengan kelembaban tanah lebih dari 75%, karena peningkatan LM diikuti oleh peningkatan LMI. Berdasarkan metode di atas, kelengasan lahan dapat diturunkan secara spasial dari lahan pertanian, dan khususnya pada sawah untuk prediksi kekeringan.

Suhu merupakan salah satu parameter penting untuk prediksi letusan gunung api. Data penginderaan jauh dapat digunakan untuk mengukur suhu permukaan lahan. Suhu permukaan lahan dapat dihitung dari data satelit NOAA kanal 4 dan 5 dengan menerapkan algoritma suhu permukaan lahan (LST). Pengamatan dan pengukuran lapangan di Gunung Merapi menunjukkan pola yang signifikan antara suhu kawah dan suhu permukaan lahan yang diturunkan dari data satelit, yang menunjukkan peningkatan menjelang letusan.

Model spasial untuk luas panen dan prediksi hasil padi sawah menggunakan data penginderaan jauh Landsat-TM yang telah diproduksi oleh LAPAN dengan menggunakan Indeks Vegetasi (VI) sebagai parameter tunggal. Verifikasi model tersebut telah dilakukan untuk Pulau Jawa menunjukkan bahwa akurasi hasilnya dapat diterima untuk operasional meskipun terdapat beberapa keterbatasan model. Tujuan penelitian ini adalah mengembangkan model spasial untuk luas panen dan prediksi hasil padi menggunakan data Landsat-TM, berdasarkan parameter lain yaitu parameter tunggal Indeks Luas Daun (LAI), atau menggunakan kedua parameter LAI dan VI untuk meningkatkan akurasi prediksi, dibandingkan dengan akurasi menggunakan parameter tunggal VI. Model spasial berdasarkan Indeks Luas Daun (LAI) mengurangi faktor dinamis dari parameter yang mengontrol tahap pertumbuhan padi di lapangan seperti kelembaban tanah (tingkat air) dan kondisi cuaca seperti suhu dan radiasi kelembaban, hama dan penyakit. Pada tahap penelitian ini, profil LAI terhadap umur padi berdasarkan pengukuran lapangan menunjukkan bahwa nilai LAI meningkat seiring dengan pertumbuhan vegetatif dan mencapai nilai puncak 4,567 pada fase vegetatif maksimum (8-9 minggu setelah tanam). Selanjutnya, nilai LAI menurun seiring dengan pertumbuhan generatif. Nilai LAI pada fase vegetatif maksimum dapat digunakan untuk memprediksi produksi padi. Hubungan antara LAI dan kombinasi band spektral Landsat-TM dapat diperoleh dengan menggunakan Model Regresi Pangkat sebagai berikut: LAI=0,2219*(TM4/TM3)2,1005(R2=0,95) di mana LAI berarti nilai Indeks Luas Daun pada objek padi di area lahan sawah, yang mewakili piksel dalam distribusi spasial citra. Sedangkan TM3 berarti nilai digital (nilai tingkat keabuan) dari piksel pada band spektral 3 dari data citra Landsat-TM yang mewakili objek padi di area lahan sawah, dan TM4 berarti nilai digital dari piksel pada band spektral 4 dari data citra Landsat-TM yang mewakili objek padi di area lahan sawah. Penelitian ini juga menunjukkan contoh penerapan model atau algoritma yang diperoleh dalam penelitian ini dengan menggunakan Landsat-TM. LAI spasial dari area lahan sawah di Kabupaten Subang/Sukamandi Jawa Barat dapat dihasilkan.

Terdapat beberapa kerusakan lingkungan di kawasan hutan Pegunungan Meratus, Kalimantan Selatan. Kerusakan terjadi pada sebagian area lereng. Konversi lahan tanpa memperhatikan konservasi telah berkontribusi terhadap kerusakan tersebut. Metode kajian pemantauan lingkungan dilakukan dengan menggunakan penginderaan jauh dan sistem informasi geografis. Tingkat degradasi lingkungan adalah 398.820 Ha. Degradasi tersebut terjadi di kawasan hutan konservasi dan hutan tropis di daerah pegunungan, lereng, cekungan, dan hutan rawa. Semak belukar menutupi hingga 108.750 Ha. Perubahan kearifan dan sosial budaya bertanggung jawab terhadap kerusakan fisik lingkungan tersebut.

Longsor merupakan fenomena alam yang sangat berpotensi menimbulkan kerusakan dan hilangnya nyawa manusia atau materi, meskipun kerugian tersebut bersifat sementara, namun lahan yang terdegradasi dalam jangka panjang mempengaruhi kehidupan masyarakat setempat. Oleh karena itu, untuk mengantisipasi terjadinya korban yang lebih banyak, penelitian untuk menginventarisasi potensi bahaya longsor perlu dilakukan. Model yang diterapkan untuk menentukan daerah bahaya longsor adalah pendekatan Indeks Storie dengan menerapkan data penginderaan jauh dan sistem informasi geografis (SIG). Berdasarkan hasil analisis, Provinsi Lampung memiliki 5 tingkat bahaya longsor yaitu: sangat tinggi, tinggi, sedang, rendah, dan sangat rendah, dengan nilai bobot antara 0,001-1,68. Secara umum, Provinsi Lampung cukup aman terhadap longsor, sedangkan daerah yang diprediksi sebagai daerah bahaya longsor terdapat di 3 kabupaten yaitu Kabupaten Lampung Barat, Tanggamus, dan sebagian di Kabupaten Lampung Utara.

Segara Anakan dan sekitarnya yang terletak di Kabupaten Cilacap, Jawa Tengah, merupakan wilayah studi dalam penelitian ini. Wilayah ini, seperti muara lainnya, memiliki ekosistem unik yang dilindungi dan dikelilingi oleh hutan bakau yang dapat menyebabkan perkembangan yang sangat dinamis. Di bagian hulu, terdapat tiga sungai besar yang mengalir: Citanduy, Cibeureum, dan Cimeng. Masalah utama di wilayah ini adalah laguna yang semakin menyempit karena proses sedimentasi yang cepat. Landsat MSS, TM, dan ETM dari tahun 1978, 1995, 1998, dan 2003 adalah data penginderaan jauh yang digunakan dalam penelitian ini. Analisis korelasi antara perubahan penutup/penggunaan lahan dan sedimentasi dilakukan dengan melihat perubahannya di daerah hulu terutama di sepanjang sungai yang memiliki kontribusi besar terhadap sedimentasi di laguna. Hasilnya menunjukkan bahwa terdapat hubungan yang tinggi antara perubahan penutup/penggunaan lahan di daerah hulu dan sedimentasi di sekitar laguna.

Aktivitas pembangunan yang kurang memperhatikan aspek lingkungan akan menimbulkan dampak terhadap lingkungan, khususnya pada terjadinya kerusakan lahan. Upaya pengendalian dan pemulihan kerusakan lahan memerlukan data dan informasi yang lengkap dan akurat. Seiring dengan perkembangan teknologi penginderaan jauh, memungkinkan untuk mengkaji kerusakan lahan secara efektif dan efisien dalam skala wilayah yang luas. Metode yang digunakan dalam penelitian ini adalah memanfaatkan citra Landsat-TM dan Sistem Informasi Geografis (SIG) untuk menentukan tingkat kerusakan lahan. Penentuan potensi kerusakan lahan dilakukan dengan pembobotan indikator kerusakan lahan yang secara bersama-sama berfungsi sebagai variabel. Hasil yang diperoleh menunjukkan bahwa tingkat kerusakan lahan di Pulau Madura dari tahun 1994 sampai 2001 adalah kondisi atau tingkat kerusakan lahan yang termasuk kelas agak rusak mengalami penurunan sebesar 0,90%, sedangkan tingkat yang termasuk kelas rusak sebesar 3,90% dan tingkat rusak berat sebesar 0,14%.

Suhu permukaan lahan (LST) adalah salah satu parameter utama keseimbangan energi di permukaan dan juga sebagai variabel klimatologi utama yang mengendalikan fluks energi gelombang panjang melalui atmosfer. Data LST diperlukan untuk model perkiraan kekeringan yang didasarkan pada perhitungan kadar air tanah dan/atau evapotranspirasi. Satelit TERRA yang membawa sensor MODIS (Moderate Resolution Imaging Spectroradiometer) adalah satelit pengamatan lingkungan yang dapat digunakan untuk mengekstraksi data LST secara regional. MODIS memiliki cakupan yang relatif luas; 2330 km, dan resolusi spasial 250 m (saluran 1 dan 2) dengan resolusi spektral tinggi (36 saluran), dan resolusi temporal yang hampir mirip dengan satelit generasi sebelumnya yang disebut NOAA.

Bencana tsunami menyebabkan kerusakan besar dan korban jiwa yang sangat banyak, terutama ketika terjadi di daerah perkotaan di sepanjang pantai. Oleh karena itu, informasi jalur evakuasi dalam bentuk peta sangat penting untuk kesiapsiagaan bencana guna meminimalkan jumlah korban di daerah yang terkena dampak. Di sini, informasi yang dihasilkan dari data satelit penginderaan jauh (Landsat, SPOT-5, dan DEM) dan data sekunder (batas administrasi dan data survei lapangan) digunakan untuk mensimulasikan jalur evakuasi dan menghasilkan peta untuk Kota Padang. Daerah kerentanan dan evakuasi ditentukan berdasarkan informasi tinggi maksimum tsunami di garis pantai dan kondisi topografi. Penggunaan lahan/tutupan lahan dan infrastruktur (jalan, jembatan, dan bangunan) diekstraksi dari data SPOT. Semua data yang diperoleh dari penginderaan jauh dan data sekunder diintegrasikan menggunakan pemodelan geospasial untuk mensimulasikan jalur evakuasi tsunami. Simulasi jalur evakuasi di Kota Padang untuk kesiapsiagaan tsunami disediakan dengan mempertimbangkan garis sungai, tempat perlindungan dan zona aman, infrastruktur yang tersedia (jalan), jarak terpendek (ke tempat perlindungan dan zona aman), serta pengalaman masyarakat setempat.

Resolusi spasial yang sangat tinggi dari data penginderaan jauh telah digunakan dalam banyak perencanaan dan evaluasi di area permukiman yang detail. Oleh karena itu, akurasi geometrik perumahan formal dan informal di Sub-Provinsi Bekasi. Prosedur penelitian terdiri dari pengolahan citra digital, interpretasi visual dan delineasi perumahan formal dan informal, sedangkan analisis akurasi yang dibandingkan dengan survei lapangan. Hasil interpretasi dan delineasi area bangunan perumahan telah mencapai akurasi 88%. Hal ini menunjukkan bahwa data penginderaan jauh dengan resolusi spasial sangat tinggi berguna dan cocok untuk aplikasi yang berkaitan dengan aspek detail.

Makalah ini mengeksplorasi beberapa pengalaman alternatif pengelolaan sumber daya air tawar di Pulau Nunukan, menggunakan teknologi penginderaan jauh dan sistem informasi geografis. Sumber daya air tawar di banyak pulau kecil bergantung pada curah hujan. Pulau Nunukan adalah pulau kecil dengan masalah air tawar yang parah. Pulau Nunukan memiliki kepadatan penduduk yang sangat tinggi di daerah perkotaan yang memberikan tekanan besar pada sumber daya airnya. Pengaruh utama pada sumber daya air tawar alami adalah fisiografi, iklim, curah hujan, evapotranspirasi, dan kondisi geologis. Alternatif pengelolaan sumber daya air tawar dalam penelitian ini didasarkan pada pendekatan air, penambahan air tawar untuk mencukupi pasokan air, dan efisiensi air untuk keperluan umum.

Satelit ALOS diluncurkan pada 24 Januari 2006 dan dilengkapi dengan sensor PRISM yang memiliki misi untuk menghasilkan citra stereoskopik. PRISM adalah radiometer pankromatik dengan resolusi spasial 2,5 m, dan memiliki 3 teleskop untuk merekam citra dari arah nadir, depan, dan belakang yang dikenal sebagai citra stereoskopik yang berguna untuk menghasilkan ketinggian permukaan bumi atau DEM (Digital Elevation Model). Ekstraksi DEM otomatis dilakukan dengan teknik pencocokan berbasis area menggunakan perangkat lunak PRISM DEM. Teknik ini mengorelasikan area/piksel pada citra master dengan area/piksel yang sama pada citra target berdasarkan kemiripan nilai abu-abu piksel. Pergeseran relief (paralak) dari setiap area/piksel diekstraksi dari proses korelasi, dan kemudian digunakan untuk menghasilkan ketinggian permukaan bumi atau DEM. DEM yang dihasilkan dibandingkan dengan data referensi (SRTM X dan C band) untuk menganalisis tingkat akurasi DEM. Hasilnya menunjukkan bahwa DEM dari ekstraksi otomatis memerlukan koreksi geoid (koreksi relief permukaan bumi). Setelah dilakukan koreksi, DEM memiliki distribusi ketinggian yang serupa tetapi pola DEM yang lebih halus dibandingkan DEM referensi. Akhirnya, RMSE dari PRISM DEM sekitar 16 m relatif terhadap DEM referensi.

Penelitian ini bertujuan mengembangkan sistem informasi sumber daya lahan untuk pengelolaan spasial dan alokasi penggunaan lahan melalui pengembangan komoditas berbasis web serta evaluasi kesesuaian lahan untuk tebu di Kabupaten Merauke, Provinsi Papua. Metode yang digunakan untuk menyusun sistem informasi sumber daya lahan dalam pengembangan komoditas daerah (tebu) adalah otomatisasi evaluasi kesesuaian lahan untuk mendeteksi potensi lahan tebu dengan menggabungkan teknologi penginderaan jauh dan teknologi informasi berbasis web. Hasil evaluasi kesesuaian lahan untuk tebu di Kabupaten Merauke, untuk lahan yang paling sesuai (S1) adalah Pulau Kl9maam (19,3291 hektare), Merauke (11,550 hektare), Kurik (7,746 hektare), dan Semangga (524 hektare).

Analisis tutupan lahan memainkan peran penting dalam banyak aplikasi lingkungan saat ini. Tujuan dari penelitian ini adalah untuk menilai kemampuan citra Moderate Resolution Imaging Spectroradiometer (MODIS) untuk pemetaan tutupan lahan di Provinsi Nanggroe Aceh Darussalam (NAD), Indonesia. Teknik klasifikasi terbimbing standar digunakan dalam penelitian ini yaitu maximum likelihood, minimum distance-to-mean, parallelepiped, dan parallelepiped (dengan Maximum Likelihood Tie Resolution) menggunakan perangkat lunak pengolah citra PCI Geomatica 9.1. Akurasi setiap peta klasifikasi dinilai menggunakan kumpulan data referensi yang terdiri dari sejumlah besar sampel yang dikumpulkan per kategori. Hasil dari analisis klasifikasi multispektral pada area studi ini menunjukkan bahwa fitur perkotaan dapat diidentifikasi dan diklasifikasikan dengan jelas relatif terhadap medan sekitarnya dan fitur gurun yang terkait. Dalam penelitian ini, statistik Kappa dan akurasi keseluruhan dihitung dan dibandingkan untuk tiga teknik klasifikasi terbimbing. Koreksi geometrik dilakukan pada citra digital menggunakan metode neighbour terdekat dengan polinomial orde kedua. Hal ini menunjukkan bahwa fitur-fitur lahan dapat dipetakan menggunakan metode klasifikasi penginderaan jauh dari citra MODIS.

Penelitian ini bertujuan membandingkan tiga model alometrik berbasis tinggi, yaitu Khalid (1999), Dewi (2009), dan Thenkabail (2004) untuk mengestimasi biomassa di atas permukaan tanah (aboveground biomass/AGB) dan stok karbon perkebunan kelapa sawit Indonesia berbasis Global Canopy Height (GCH). Wilayah studi mencakup perkebunan kelapa sawit di Indonesia, sedangkan evaluasi hubungan umur-biomassa dilakukan pada blok perkebunan PTPN III Sei Dadap, Kabupaten Asahan. Data yang digunakan meliputi GCH resolusi 10 m, peta perkebunan kelapa sawit resolusi 10 m, dan data tahun tanam per blok. Pengolahan dilakukan pada Google Earth Engine melalui ekstraksi dan masking tinggi kanopi, penerapan tiga model alometrik, konversi AGB menjadi stok karbon menggunakan fraksi karbon 0,47, perbandingan hasil antarmodel, serta regresi logaritmik terhadap umur tanaman. Hasil menunjukkan bahwa ketiga model menghasilkan pola spasial yang relatif serupa, tetapi memberikan nilai estimasi yang berbeda. Model Khalid menghasilkan AGB dan stok karbon tertinggi, model Dewi terendah, sedangkan model Thenkabail berada di antara keduanya. Hubungan umur tanaman dengan AGB dan stok karbon menunjukkan pola logaritmik dengan sebesar 0,76-0,77. Hasil ini menegaskan bahwa pemilihan model alometrik sangat memengaruhi besaran estimasi, sehingga validasi menggunakan data lapangan diperlukan untuk menentukan model yang paling representatif bagi perkebunan kelapa sawit Indonesia.

Tumpahan minyak di laut berdampak serius terhadap ekosistem pesisir, perikanan, dan keselamatan pelayaran. Penginderaan jauh Synthetic Aperture Radar (SAR) efektif digunakan untuk pemantauan karena tidak terpengaruh awan dan cahaya. Penelitian ini bertujuan mengembangkan metode klasifikasi tumpahan minyak menggunakan citra Sentinel-1 Single Polarization (VV) dengan mengintegrasikan fitur statistik lokal dan algoritma Random Forest (200 pohon keputusan). Fitur yang diekstraksi meliputi nilai backscatter VV, Local Mean , dan Local Standard Deviation (jendela 5×5 piksel). Model dilatih menggunakan 400.000 sampel kelas minyak dan non-minyak serta dievaluasi melalui confusion matrix , precision , recall , F1-score , dan overall accuracy . Hasil menunjukkan integrasi fitur statistik lokal meningkatkan akurasi dari 84,0% menjadi 91,52%. Nilai precision mencapai 0,93 (non-minyak) dan 0,90 (minyak), sedangkan recall masing-masing sebesar 0,89 dan 0,94. Model mengidentifikasi luasan tumpahan minyak sebesar 196,94 km² (1.969.436 piksel). Meskipun masih terdapat kecenderungan over-estimation , metode ini terbukti efektif meningkatkan akurasi klasifikasi dan berpotensi diterapkan untuk pemantauan pencemaran laut secara otomatis dan cepat.

Perkembangan wilayah perkotaan dapat memengaruhi kondisi lingkungan, khususnya pada perubahan kerapatan vegetasi dan suhu permukaan. Penelitian ini bertujuan menganalisis perubahan Normalized Difference Vegetation Index (NDVI) dan Land Surface Temperature (LST) serta hubungan keduanya di Kota Medan secara multitemporal pada tahun 2016, 2020, dan 2024. Penelitian dilakukan dengan menggunakan citra Landsat 8 Collection 2 Tier 1 yang diolah menggunakan Google Earth Engine. NDVI dihitung menggunakan band merah (Red) dan inframerah dekat (Near Infrared), sedangkan LST diperoleh dari band termal ST_B10. Hasil penelitian menunjukkan bahwa nilai rata-rata NDVI mengalami penurunan dari 0,182 pada tahun 2016 menjadi 0,172 pada tahun 2020 dan 0,167 pada tahun 2024. Sementara itu, nilai rata-rata LST mengalami fluktuasi dari 41,95°C pada tahun 2016 menjadi 36,34°C pada tahun 2020 dan meningkat menjadi 42,98°C pada tahun 2024. Sebagian besar Kota Medan didominasi area non-vegetasi. Hasil analisis menunjukkan adanya hubungan negatif antara NDVI dan LST, di mana setiap penurunan kerapatan vegetasi diiringi oleh peningkatan suhu permukaan. Temuan ini mengindikasikan bahwa perubahan tutupan vegetasi berpengaruh terhadap suhu permukaan dan berpotensi memicu fenomena urban heat island.

Fenomena Urban Heat Island (UHI) menjadi persoalan lingkungan yang semakin kritis seiring meningkatnya tekanan urbanisasi di kawasan perkotaan dan periurban Indonesia. Penelitian ini bertujuan menganalisis dinamika spasio-temporal NDVI, NDWI, NDBI, Land Surface Temperature (LST), dan distribusi UHI di wilayah barat Kabupaten Maros, Sulawesi Selatan, pada periode 2017, 2021, dan 2025. Data yang digunakan berupa citra Landsat-8 OLI/TIRS Collection 2 Level-1 yang diolah menggunakan Google Earth Engine dan Python, serta data tutupan lahan ESRI Land Cover. LST dihitung menggunakan pendekatan proporsi vegetasi berbasis NDVI untuk estimasi emisivitas dan inversi Planck, sedangkan UHI diidentifikasi berdasarkan selisih LST terhadap nilai rata-rata dan standar deviasinya. Hasil penelitian menunjukkan bahwa nilai LST maksimum meningkat dari 35,93°C pada 2017 menjadi 43,97°C pada 2025, disertai penurunan area Non-UHI dari 28.065,31 Ha menjadi 24.755,75 Ha. Analisis korelasi Pearson menunjukkan bahwa NDBI memiliki korelasi positif sedang hingga kuat terhadap LST (r = +0,525 hingga +0,725), sedangkan NDWI menunjukkan korelasi negatif lemah hingga sedang (r = −0,281 hingga −0,459). Sementara itu, NDVI memiliki korelasi positif yang lemah terhadap LST (r = +0,144 hingga +0,304), yang diduga dipengaruhi oleh dominasi lahan pertanian di wilayah penelitian. Temuan ini menunjukkan bahwa ekspansi kawasan terbangun merupakan faktor yang paling dominan dalam meningkatkan suhu permukaan, sedangkan keberadaan badan air berperan dalam menekan peningkatan LST sehingga keduanya menjadi komponen penting dalam mitigasi fenomena UHI di wilayah barat Kabupaten Maros.

Infrastruktur jalan merupakan komponen penting dalam mendukung mobilitas sehingga kondisi perkerasan perlu dievaluasi secara akurat dan berkelanjutan. Penelitian ini bertujuan mengevaluasi kondisi perkerasan jalan pada bentang tengah Jembatan Suramadu menggunakan data point cloud LiDAR multitemporal berbasis Airborne Laser Scanning (ALS) yang dikombinasikan dengan orthophoto. Metode penelitian meliputi pembentukan Digital Elevation Model (DEM), identifikasi kerusakan melalui interpretasi visual orthophoto, serta analisis kuantitatif kedalaman lubang berdasarkan data elevasi dengan mempertimbangkan kemiringan melintang jalan. Hasil penelitian menunjukkan bahwa pada periode ke-3 kedalaman lubang berada pada rentang 0,011–0,072 m dengan klasifikasi 4 titik aman, 4 titik sedang, dan 2 titik bahaya, sedangkan pada periode ke-5 berubah menjadi -0,015–0,089 m dengan klasifikasi 6 titik aman, 1 titik sedang, dan 3 titik bahaya. Peningkatan kedalaman mengindikasikan degradasi perkerasan, sedangkan penurunan hingga nol atau negatif menunjukkan adanya perbaikan yang terverifikasi melalui orthophoto . Secara umum, perubahan kondisi perkerasan lebih dominan terjadi pada aspek vertikal dibandingkan luas area kerusakan. Integrasi data LiDAR multitemporal dan orthophoto terbukti efektif dalam mendukung evaluasi kondisi perkerasan jalan secara kuantitatif dan visual.

Penginderaan jauh merupakan teknologi yang efektif dalam pemantauan kondisi vegetasi secara spasial dan temporal. Penelitian ini bertujuan untuk menganalisis sebaran kerapatan vegetasi di Kabupaten Wonosobo menggunakan citra satelit Landsat 8 melalui metode Normalized Difference Vegetation Index (NDVI). Data yang digunakan berupa citra Landsat 8 OLI Level 2 Surface Reflectance yang diperoleh dari United States Geological Survey dengan resolusi spasial 30 m dan tutupan awan rendah. Pengolahan data dilakukan menggunakan perangkat lunak ArcGIS dengan tahapan pra-pengolahan, perhitungan NDVI, serta klasifikasi kerapatan vegetasi ke dalam empat kelas, yaitu non vegetasi, vegetasi tidak rapat, cukup rapat, dan rapat. Uji akurasi dilakukan menggunakan pendekatan Virtual Ground Truthing dengan 127 titik sampel yang diambil menggunakan metode systematic sampling berbasis grid, serta diverifikasi menggunakan citra resolusi tinggi dari Google Earth . Hasil penelitian menunjukkan bahwa sebagian besar wilayah Kabupaten Wonosobo didominasi oleh vegetasi rapat dengan persentase sebesar 48,6%, diikuti vegetasi cukup rapat sebesar 32,2%, vegetasi tidak rapat sebesar 18,8%, dan non vegetasi sebesar 0,4%. Secara spasial, vegetasi rapat banyak ditemukan di kawasan pegunungan, sedangkan vegetasi jarang hingga non vegetasi cenderung berada di wilayah perkotaan dan area dengan ketinggian ekstrem. Hasil uji akurasi menunjukkan nilai Overall Accuracy sebesar 87,4% dan Kappa Coefficient sebesar 0,79, yang mengindikasikan tingkat akurasi dan kesesuaian yang tinggi antara hasil klasifikasi dan kondisi aktual di lapangan. Dengan demikian, metode NDVI terbukti efektif dalam memetakan kerapatan vegetasi dan dapat digunakan sebagai dasar dalam pengelolaan sumber daya lahan berkelanjutan.

Banjir merupakan salah satu bencana alam yang sering terjadi di Indonesia, terutama wilayah yang memiliki intensitas curah hujan tinggi. Kecamatan Panti merupakan salah satu wilayah yang memiliki potensi kerentanan terhadap bencana banjir. Penelitian ini bertujuan untuk memetakan tingkat kerentanan banjir di Kecamatan Panti menggunakan teknologi penginderaan jauh dan Sistem Informasi Geografis (SIG) guna mengidentifikasi wilayah yang berpotensi terdampak. Data yang digunakan meliputi Digital Elevation Model (DEM) dari laman BIG untuk analisis topografi dan elevasi, serta data curah hujan dari CHIRPS (UC Santa Barbara) untuk memetakan intensitas hujan yang berpengaruh terhadap potensi banjir. Selain itu, penelitian ini menggunakan data sekunder dalam format shapefile (SHP) yang mencakup batas administrasi, jenis tanah, buffer sungai, dan tutupan lahan yang diperoleh dari portal Indonesia Geospasial guna mendukung analisis kerentanan banjir secara komprehensif. Pengolahan data dilakukan dengan menggunakan metode overlay untuk menggabungkan berbagai parameter yang mempengaruhi tingkat kerentanan banjir di wilayah penelitian. Parameter yang digunakan dalam analisis ini meliputi curah hujan, kemiringan lereng, ketinggian tempat, jenis tanah, buffer sungai, serta tutupan lahan. Hasil penelitian menunjukkan bahwa tingkat kerentanan banjir di Kecamatan Panti terbagi menjadi tiga kelas, yaitu rendah, sedang, dan tinggi. Wilayah dengan kerentanan tinggi terkonsentrasi di bagian selatan yang memiliki topografi datar, elevasi rendah (50-200 mdpl), serta penggunaan lahan didominasi oleh permukiman dan pertanian. Sebaliknya, wilayah utara memiliki kerentanan rendah meski curah hujannya sangat tinggi (>4000 mm/tahun) karena didukung oleh kelerengan sangat curam (>45%) dan tutupan hutan rimba yang menjaga kapasitas infiltrasi air.

Perkembangan teknologi satelit penginderaan jauh dalam dua dekade terakhir ditandai oleh pergeseran dari satelit tunggal menuju konstelasi satelit dengan frekuensi pengamatan tinggi. Konstelasi berbasis sensor optik dan Synthetic Aperture Radar (SAR) kini menjadi komponen penting infrastruktur observasi Bumi global untuk pemantauan lingkungan, ketahanan pangan, mitigasi bencana, dan keamanan maritim. Artikel ini bertujuan meninjau evolusi teknologi konstelasi satelit, pola pengembangan, serta model aktor utama dalam ekosistem observasi Bumi internasional, sekaligus mengkaji implikasinya bagi agenda kemandirian teknologi Indonesia. Metode yang digunakan adalah tinjauan literatur naratif melalui sintesis publikasi ilmiah, laporan institusional, dan dokumen kebijakan terkait penginderaan jauh serta ekonomi antariksa. Hasil tinjauan menunjukkan bahwa efektivitas sistem penginderaan jauh tidak hanya ditentukan oleh kapabilitas satelit, tetapi juga oleh integrasi riset dan pengembangan, kapasitas industri, penguatan sumber daya manusia, serta tata kelola data. Temuan ini mengindikasikan bahwa strategi kemandirian perlu menekankan penguasaan rantai nilai teknologi dan integrasi optik–SAR guna menjamin kontinuitas observasi di wilayah tropis. Pendekatan adaptif dan kolaboratif direkomendasikan sebagai dasar perumusan strategi nasional yang berkelanjutan.

Perubahan morfologi pantai menjadi isu penting dalam pengelolaan pesisir karena memengaruhi ekosistem, infrastruktur, dan ketahanan wilayah, terutama di Indonesia yang memiliki garis pantai kedua terpanjang di dunia. Kajian ini meninjau perkembangan metode analisis perubahan morfologi pantai periode 2000-2025 serta mengidentifikasi kelebihan, keterbatasan, dan relevansinya di kawasan tropis, dengan fokus pada pesisir utara Jawa Timur. Metodologi mengikuti protokol PRISMA melalui identifikasi, penyaringan, penilaian kelayakan, dan seleksi akhir, menghasilkan 88 artikel dari Scopus dan pustaka nasional. Hasil menunjukkan metode DSAS/GIS dan citra satelit mendominasi studi jangka panjang, sedangkan UAV/LiDAR unggul untuk pemantauan lokal berpresisi tinggi. Model numerik efektif mensimulasikan skenario ekstrem, tetapi memerlukan data rinci yang masih terbatas di Indonesia. Dalam dekade terakhir, machine learning dan Google Earth Engine mulai diterapkan untuk analisis otomatis skala besar, meskipun terkendala minimnya data ground truth . Kajian ini menekankan perlunya integrasi multi-metode untuk pemahaman komprehensif dan pengembangan pendekatan hibrid bagi mitigasi abrasi, adaptasi iklim, dan perencanaan pesisir berkelanjutan.

Perubahan iklim global memberikan tantangan yang signifikan terhadap sektor pertanian kopi yang sangat bergantung pada kondisi iklim dan ketersediaan lahan. Penginderaan jauh dan Sistem Informasi Geografis (SIG) menjadi alat krusial dalam memadukan dinamika vegetasi, kesesuaian lahan, serta produktivitas kopi secara spasial dan temporal. Tinjauan literatur ini mensintesis temuan dari publikasi internasional terkini terkait penggunaan teknologi penginderaan jauh, indeks vegetasi, dan metode mesin pembelajaran untuk menganalisis dampak perubahan iklim terhadap produktivitas kopi. Metode bibliometrik dengan VOSviewer digunakan untuk menganalisis pola penelitian dan perkembangan bidang ini. Hasil pengamatan menunjukkan bahwa integrasi data multisensor, pengindeksan vegetasi (seperti NDVI, EVI, SAVI), serta teknologi drone mendukung peningkatan akurasi pemantauan dan prediksi hasil kopi. Namun, terdapat kesenjangan terkait data resolusi spasial dan temporal, model prediksi yang terpadu, dan jarangnya studi yang menghubungkan kondisi iklim, penggunaan lahan, dan produktivitas kopi secara komprehensif. Implikasi kajian ini penting bagi pengembangan teknologi adaptasi pertanian kopi yang berkelanjutan dan berbasis bukti ilmiah. Tinjauan ini memberikan referensi bagi peneliti dan pembuat kebijakan dalam merancang strategi mitigasi dan adaptasi perubahan iklim pada sektor kopi.

Eskalasi pengembangan wilayah perkotaan tropis telah memperburuk fenomena Urban Heat Island (UHI). Kondisi ini berdampak negatif pada kesehatan, produktivitas, dan konsumsi energi. Artikel ini merupakan tinjauan pustaka jenis bibliometrik tentang pemanfaatan penginderaan jauh untuk mengukur zona kenyamanan termal. Topik ini telah berkembang dari pengukuran anomali suhu secara fisik menjadi penilaian dengan pendekatan indeks kenyamanan termal. Hadirnya satelit seperti Landsat dan MODIS serta kerangka kerja Local Climate Zone (LCZ) menjadikan pengukuran dan penilaiannya semakin mencerminkan kondisi aktual. Meskipun demikian, tantangan terkait korelasi antara LST dari data satelit dan zona kenyamanan termal masih memerlukan penelitian lebih lanjut. Selain itu, ada keraguan tentang keakuratan indeks yang dikembangkan di iklim subtropis untuk diterapkan di wilayah tropis. Validasi model dengan pengukuran di lapangan juga masih perlu dikembangkan, terutama di wilayah yang kekurangan data. Untuk menjembatani kesenjangan tersebut, penelitian masa depan perlu mengintegrasikan faktor non-fisik seperti psikologi dan budaya serta memanfaatkan fusi data dan teknologi seperti machine learning , digital twins , dan artificial realities untuk mendukung perencanaan kota yang adaptif dan layak huni.

Total Dissolved Solids (TDS) dan Konduktivitas Listrik ( Electrical Conductivity /EC) merupakan parameter kunci dalam pemantauan kualitas air yang sering berkorelasi kuat dengan keberadaan kontaminan, termasuk logam berat. Tinjauan pustaka ini bertujuan untuk menganalisis perkembangan tema penelitian mengenai hubungan spasial-temporal antara TDS, EC, dan kontaminasi logam berat dalam air tanah dan permukaan berdasarkan studi-studi terkini. Metode yang digunakan adalah tinjauan sistematis terhadap beberapa artikel penelitian yang terindeks Scopus yang terbit antara tahun 2016 hingga 2025. Hasil analisis menunjukkan bahwa TDS dan EC secara konsisten berfungsi sebagai indikator awal yang efektif untuk identifikasi awal area yang tercemar logam berat, dimana nilai tinggi kedua parameter ini sering kali bertepatan dengan konsentrasi logam berat (seperti Cd, Pb, Cr) yang melebihi batas aman. Studi-studi tersebut memanfaatkan teknik Geographic Information System (GIS) dan penginderaan jauh untuk memetakan sebaran spasial dan tren temporal. Tinjauan ini juga mengidentifikasi kesenjangan penelitian, seperti kebutuhan akan model empiris yang lebih kuat yang menghubungkan langsung variasi TDS dan EC dengan jenis dan konsentrasi logam berat spesifik, serta perlunya integrasi data satelit resolusi tinggi untuk pemantauan berkelanjutan. Disimpulkan bahwa pendekatan integratif antara pengukuran in-situ TDS EC, analisis logam berat, dan teknologi geospasial sangat penting untuk manajemen sumber daya air yang berkelanjutan.

Suhu udara ( T a ) merupakan indikator iklim penting yang berperan dalam kajian lingkungan, kesehatan, dan perencanaan wilayah. Keterbatasan stasiun cuaca menjadikan variasi spasial Ta sulit dipetakan secara detail, terutama di wilayah dengan topografi kompleks. Kajian ini menyajikan systematic literature review mengenai pemodelan spasial T a berbasis machine learning ( ML ) dengan integrasi data suhu permukaan darat ( Land Surface Temperature/LST ), Albedo , dan observasi stasiun cuaca. Pencarian pustaka dilakukan menggunakan perangkat Publish or Perish yang terhubung ke Google Scholar untuk periode 2016–2025. Dari 1.000 publikasi yang diperoleh, hanya 8 artikel yang memenuhi kriteria inklusi dan relevan dianalisis lebih lanjut. Hasil telaah menunjukkan bahwa LST merupakan variabel utama yang digunakan dalam seluruh studi, dengan dukungan variabel tambahan seperti Albedo , NDVI , DEM , radiasi matahari, dan faktor meteorologi. Metode ML yang paling dominan adalah Random Forest ( RF ), disusul Gradient Boosting , Support Vector Regression ( SVR ), Cubist Regression , serta Multiple Linear Regression ( MLR ) sebagai pembanding. RF dan Gradient Boosting banyak diterapkan karena akurasinya tinggi dalam menangani data heterogen, sementara SVR efektif untuk regresi nonlinier, dan Cubist Regression terbukti stabil di wilayah bertopografi ekstrem. Secara umum, integrasi data satelit dengan pengamatan darat menghasilkan model dengan performa tinggi (R 2 &gt; 0,9 dan RMSE sekitar 1–2 °C). Kajian ini menegaskan bahwa pendekatan ML berbasis penginderaan jauh memiliki potensi besar untuk meningkatkan pemahaman dan pemodelan T a , sekaligus membuka peluang penelitian lanjutan di wilayah dengan dinamika lingkungan yang beragam.

Kawasan perairan Pantai Timur Surabaya merupakan wilayah strategis yang rentan terhadap pencemaran, terutama dari limbah domestik yang berasal dari aktivitas daratan. Penelitian ini bertujuan untuk menganalisis estimasi parameter kualitas air, yaitu Total Suspended Solids (TSS) dan klorofil-a, menggunakan citra satelit Landsat 8-9 OLI/TIRS secara multitemporal selama periode 2020-2024. Analisis dilakukan melalui pengolahan data citra pada platform Google Earth Engine dengan penerapan algoritma estimasi pada empat lokasi in situ: Muara Kali Jagir, Kali Wonorejo, Kali Dadapan, dan Kali Bonagung. Validasi dilakukan dengan membandingkan hasil estimasi citra dan data pengukuran lapangan yang diperoleh menggunakan metode gravimetri untuk TSS dan spektrofotometri untuk klorofil-a. Hasil menunjukkan bahwa konsentrasi TSS berfluktuasi antara 21-24 mg/L dengan nilai maksimum 25,057 mg/L pada April 2023. Secara spasial, TSS menunjukkan pola gradasi menurun dari pesisir ke laut lepas dengan nilai median 15,788-46,441 mg/L. Klorofil-a memiliki variabilitas lebih tinggi (0,0100-0,3000 ug/L), dengan nilai maksimum 0,4773 ug/L pada Maret 2023 yang mengindikasikan blooming fitoplankton. Validasi menunjukkan korelasi rendah untuk TSS (R 2 =0,001) dan tinggi untuk klorofil-a (R 2 =0,932), menunjukkan estimasi klorofil-a lebih akurat untuk pemantauan kualitas perairan.

Gunung Semeru merupakan salah satu gunung api aktif di Indonesia yang secara periodik mengalami erupsi dan melepaskan gas berbahaya seperti Sulfur Dioksida (SO2) ke atmosfer. Gas ini berpengaruh besar terhadap kualitas udara, kesehatan, dan lingkungan, sehingga perlu dipantau secara berkala. Penelitian ini bertujuan untuk menganalisis tren dan sebaran konsentrasi SO2 di atas Gunung Semeru secara multitemporal dari tahun 2019 hingga 2024 menggunakan citra satelit Sentinel-5P dengan platform Google Earth Engine (GEE). Metode yang digunakan meliputi pemrosesan data citra level -3 (OFFL), konversi satuan ke µg/m³, visualisasi spasial dalam bentuk peta dan grafik, serta validasi dengan data sekunder seperti erupsi PVMBG, Google Trends, dan data arah angin. Hasil menunjukkan pola peningkatan konsentrasi SO2 yang konsisten dengan aktivitas erupsi besar pada tahun 2020, 2021, dan 2023, serta persebaran spasial yang dipengaruhi oleh arah angin dominan. Selain itu, dibangun pula aplikasi interaktif berbasis GEE yang dapat digunakan untuk monitoring publik dan instansi. Kesimpulan dari penelitian ini adalah bahwa pemanfaatan citra Sentinel-5P melalui GEE terbukti efektif dalam mendeteksi dan memvisualisasikan konsentrasi SO2 secara spasial-temporal, serta memiliki potensi besar sebagai alat mitigasi bencana berbasis teknologi penginderaan jauh.

Suhu permukaan tanah memainkan peran penting dalam menjaga keseimbangan energi. Peningkatan suhu permukaan tanah dapat berdampak signifikan terhadap iklim global dan pola cuaca. Satelit Sentinel-3, sebagai salah satu instrumen pemantau bumi yang mampu memantau perubahan kelembaban tanah, digunakan dalam penelitian ini. Metode yang digunakan adalah metode penginderaan jauh menggunakan satelit Sentinel-3 SLSTR level 2 LST untuk memperoleh nilai Suhu Permukaan Tanah (LST). Untuk menganalisis kondisi variasi suhu, dilakukan analisis korelasi berdasarkan (LST), (TCWV), dan pemantauan suhu dari BMKG. Penelitian ini berlokasi di Jawa Timur, Indonesia, dengan koordinat geografis pada lintang sekitar 7°30' - 8°45' LS dan bujur sekitar 112°45' - 114°30' BT. Jawa Timur, sebagai bagian timur Pulau Jawa, memiliki karakteristik lingkungan yang beragam, termasuk berbagai jenis lahan dan vegetasi. Pada tahun 2021, nilai LST adalah 18.676°C pada bulan Desember, sedangkan nilai LST tertinggi dari data tahun 2021 adalah 31.659°C pada bulan Juni. Pada tahun 2022, nilai suhu terendah terjadi pada bulan Februari dengan nilai LST 18.073°C, dan nilai LST tertinggi terjadi pada bulan Juni dengan nilai 30.707°C. Pada tahun 2023, nilai suhu terendah terjadi pada bulan Februari dengan nilai LST 25.542°C. Rata-rata nilai LST selama tiga tahun adalah 21.936°C. Koefisien korelasi rata-rata antara variabel LST dan TCWV adalah 0.487, yang termasuk dalam kategori sedang. Sementara itu, korelasi rata-rata antara variabel LST dan suhu dari BMKG secara keseluruhan memiliki nilai koefisien korelasi sebesar 0.740, yang termasuk dalam kategori kuat.

Bencana alam menimbulkan ancaman signifikan bagi masyarakat, sering kali disebabkan oleh faktor alam dan aktivitas manusia, seperti tanah longsor dan banjir. Pada tahun 2023, Indonesia mengalami 5.400 bencana, dengan 99,35% merupakan kejadian hidrometeorologi. Kota Batu, Jawa Timur, mengalami peningkatan bencana, terutama tanah longsor dan banjir, yang mengindikasikan gangguan ekosistem akibat perubahan penggunaan lahan. Penelitian ini menggunakan data citra satelit multi-temporal (Landsat-8 dan Sentinel-2) dari tahun 2013 hingga 2023 untuk menganalisis perubahan tutupan lahan dan indeks vegetasi. Metode klasifikasi terbimbing maksimum likelihood dan Normalized Difference Vegetation Index (NDVI) digunakan untuk memetakan tutupan lahan dan distribusi vegetasi. Hasil menunjukkan perubahan tutupan lahan yang signifikan, dengan area non-vegetasi meningkat sebesar 189,291 hektar dan area vegetasi menurun sebesar 177,477 hektar. Perubahan ini berkontribusi pada meningkatnya kejadian tanah longsor dan banjir, terutama di area permukiman dan pertanian. Analisis spatio-temporal menunjukkan korelasi antara perubahan tutupan lahan, indeks vegetasi, dan frekuensi bencana, menekankan pentingnya pengelolaan lahan berkelanjutan dalam mengurangi risiko bencana.

Tutupan lahan adalah semua jenis fitur yang ada di permukaan bumi pada lahan tertentu, baik yang bersifat buatan maupun alami. Informasi terkait pemantauan dan pengolahan data citra satelit untuk memperoleh klasifikasi tutupan lahan dapat dilakukan dengan berbagai cara, salah satunya adalah metode machine learning. Penelitian ini bertujuan untuk menerapkan metode machine learning dalam pemantauan tutupan lahan menggunakan citra Landsat-8, untuk mendapatkan teknik yang memiliki akurasi tinggi dan sesuai untuk pemantauan tutupan lahan. Penelitian ini menggunakan metode machine learning, yaitu Support Vector Machine (SVM) dan Random Forest (RF). Klasifikasi tutupan lahan dalam penelitian ini terdiri dari lima kelas, yaitu area terbangun, badan air, lahan kosong, pertanian, dan vegetasi. Penentuan kelas tutupan lahan ini didasarkan pada jenis tutupan lahan yang terdapat pada Peta RTRW Kota Mataram Tahun 2011-2031 yang sesuai dengan citra yang digunakan. Penelitian ini menunjukkan bahwa metode dengan akurasi terbaik adalah metode Support Vector Machine (SVM) dengan nilai akurasi keseluruhan dan akurasi kappa sebesar 0.9101 dan 0.8748. Namun, terdapat misklasifikasi yang disebabkan oleh beberapa faktor seperti nilai reflektansi setiap piksel yang hampir sama, periode panen, dan faktor lainnya. Faktor-faktor ini perlu diperhatikan karena memengaruhi hasil klasifikasi tutupan lahan.

Penutupan lahan bersifat dinamis karena kebutuhan manusia atau peristiwa alam yang dapat terjadi secara terencana maupun tidak terencana. Dit. IPSDH-KLHK menggunakan data citra satelit penginderaan jauh untuk menghasilkan data penutupan lahan dengan metode interpretasi visual (interpretasi manual). Identifikasi objek dilakukan dengan digitasi on screen. Seiring perkembangan zaman dan teknologi saat ini, muncul beberapa penelitian mengenai klasifikasi penutupan lahan beserta uji ketelitiannya menggunakan teknologi terbaru, salah satunya menggunakan deep learning. Dalam penelitian ini dilakukan analisis ketelitian hasil klasifikasi digitize on screen dan klasifikasi penutupan lahan menggunakan deep learning beserta uji ketelitiannya. Uji ketelitian klasifikasi penutupan lahan hasil digitize on screen dilakukan menggunakan metode centroid. Validasi dilakukan menggunakan citra satelit resolusi tinggi yaitu Google Earth Pro sesuai dengan temporal perekaman citra Landsat 8 yang digunakan yaitu Juli 2019-Juni 2020 dengan menyebarkan 360 sampel secara acak. Hasil menunjukkan Provinsi Kalimantan Timur memiliki 21 kelas penutupan lahan dengan nilai overall accuracy sebesar 87,22% dalam kategori sangat baik dan dalam kategori toleransi. Klasifikasi penutupan lahan menggunakan deep learning dilakukan menggunakan citra Landsat-8 OLI yang telah disegmentasi. Pengambilan sampel dilakukan dengan segment picker untuk 20 kelas penutupan lahan tanpa kelas Pertanian Lahan Kering Campur. Hasil klasifikasi menunjukkan tumpang tindih karena satu kelas penutupan lahan juga terklasifikasi ke kelas lain dan tidak semua area citra terklasifikasi. Uji ketelitian dilakukan dengan lokasi titik sampel yang sama dengan sampel uji metode digitize on screen. Nilai ketelitian metode deep learning menggunakan 188 sampel di area terklasifikasi menghasilkan ketelitian sebesar 70,21% untuk 21 kelas penutupan lahan. Hal ini disebabkan banyaknya kelas penutupan lahan dengan kunci interpretasi yang hampir mirip. Kunci interpretasi 21 kelas penutupan lahan lebih cocok untuk metode digitize on screen.

Erosi merupakan peristiwa degradasi lingkungan yang kritis yang memiliki implikasi mendalam terhadap produktivitas pertanian, stabilitas ekosistem, dan pembangunan berkelanjutan. Penelitian ini bertujuan untuk mengukur laju erosi tanah di berbagai zona agro-ekologi dan mengevaluasi efektivitas praktik konservasi tanah. Mengingat bahwa proses konservasi tanah memerlukan prediksi laju erosi yang terjadi, maka dilakukan pemodelan laju erosi. Pemodelan nilai laju erosi yang umum digunakan seringkali terbatas pada pemodelan laju erosi yang disebabkan oleh air, seperti erosi lembar, erosi parit, dan beberapa erosi lainnya. Laju erosi yang tinggi dan tidak terkendali dapat menyebabkan hilangnya kesuburan tanah dan akumulasi sedimen tebal di aliran sungai, yang dapat menimbulkan bencana seperti banjir dan lainnya. Dalam penelitian ini, penentuan tingkat bahaya erosi dilakukan dengan menggunakan metode RUSLE (Revised Universal Soil Loss Equation) di DAS Brantas (Wilayah Administrasi Kota Surabaya). Dari nilai laju erosi yang diperoleh, ditemukan bahwa kawasan DAS Brantas (wilayah Kota Surabaya) rata-rata memiliki tingkat bahaya “ringan”.

Informasi penggunaan dan tutupan lahan terbaru sangat diperlukan dalam perencanaan pembangunan wilayah dan pemantauan lingkungan. Salah satu cara untuk memperoleh informasi tersebut yaitu melalui pengolahan data citra satelit penginderaan jauh. Citra Landsat-8 OLI merupakan salah citra satelit penginderaan jauh yang mempunyai resolusi spasial multispektral 30 m dan resolusi temporal 16 hari. Penelitian ini bertujuan untuk melakukan klasifikasi tutupan lahan di sebagian wilayah Kabupaten Pidie menggunakan metode random forest berdasarkan citra Landsat-8 OLI dan menghitung nilai akurasi dari hasil klasifikasi tersebut. Ekstraksi informasi tutupan lahan dilakukan dengan menggunakan metode random forest dengan proporsi 70% untuk data training dan 30% untuk data testing. Kemudian uji akurasi dari hasil klasifikasi yang dilakukan menggunakan metode confusion matrix. Hasil pemetaan tutupan lahan di sebagian wilayah Kabupaten Pidie menunjukkan bawah kelas tutupan lahan sawah mendominasi daerah penelitian dengan luas sebesar 22.598,20 ha (29,22% dari total luas daerah penelitian). Hasil klasifikasi tutupan lahan menghasilkan nilai akurasi keseluruhan sebesar 89,53% dan nilai kappa 0,91.

Daerah Istimewa Yogyakarta memiliki tingkat perubahan tutupan lahan vegetasi yang relatif cepat berbanding lurus dengan kenaikan jumlah penduduk yang dapat berdampak pada perubahan lingkungan dan ekosistem. Penginderaan jauh merupakan teknologi yang efektif dalam menentukan tutupan lahan. Teknologi tersebut dapat melakukan pemantauan perubahan lahan vegetasi secara berkala dari waktu ke waktu dan dengan berbagai skala. Penelitian ini bertujuan untuk mengetahui perubahan vegetasi di Provinsi DIY dengan metode transformasi indeks vegetasi menggunakan algoritma NVDI (Normalized Difference Vegetation Index). Pengolahan menggunakan Google Earth Engine yang merupakan platform berbasis cloud yang memudahkan dalam pemantauan perubahan vegetasi dengan cepat dan akurat dari tahun ke tahun. Citra satelit yang digunakan merupakan citra satelit resolusi menengah sentinel-2 level 2A dan level 1C yang dilakukan koreksi atmoferik menggunakan algoritma SIAC. Hasil pengolahan citra satelit tahun 2017-2020 menunjukan penurunan rata-rata nilai NDVI dengan nilai rata-rata tertinggi pada tahun 2018 sebesar 0,73 dan terendah pada tahun 2019 sebesar 0,59. Perubahan vegetasi didominasi oleh kelas vegetasi rapat yang beralih menjadi kelas vegetasi sedang.

Satelit Sentinel-5P yang diluncurkan oleh ESA (European Space Agency) pada tahun 2017 mempunyai misi untuk pengamatan atmosfer di bumi. Salah satu produk dari satelit Sentinel-5P adalah informasi sebaran tropospheric column density untuk beberapa gas termasuk gas Nitrogen dioksida (NO2). Gas NO2 identik sebagai hasil emisi dari aktivitas manusia seperti pabrik dan asap kendaraan. Pada tahun 2020 ini, pandemi COVID-19 terjadi di seluruh dunia termasuk Indonesia, sehingga untuk memutus mata rantai penyebarannya, pemerintah memberlakukan Pembatasan Sosial Berskala Besar (PSBB) yang salahsatunya diterapkan di Provinsi Jawa Barat. Data satelit Sentinel-5P diolah dan dianalisis dengan interpolasi kriging untuk melihat variasi perubahan emisi gas NO2 pada beberapa kota di Jawa Barat yang dijadikan sampel. Terlihat bahwa emisi gas NO2 rata-rata menurun selama pemberlakuan PSBB. Tetapi, seminggu sebelum hari raya Idul Fitri 1441 H, yaitu pada tanggal 18 Mei 2020 terlihat terjadi peningkatan emisi yang signifikan lebih tinggi sekitar 6 kali di 3 kota/kabupaten, yaitu Kota Bandung, Kabupaten Bandung dan Kabupaten Bogor. Kegiatan ini juga menunjukkan bahwa informasi harian yang diperoleh dari satelit Sentinel-5P dapat digunakan untuk operasional pemantauan gas di atmosfir.

Pariwisata memiliki peran dalam meningkatkan ekonomi suatu kawasan, sehingga perlu dilakukan perencanaan, pengelolaan dan pemantauan kawasan pariwisata yang berkelanjutan. Metode penginderaan jauh berbasis satelit terbukti handal untuk mendapatkan informasi suatu kawasan secara efektif dan teratur. Satelit Sentinel-2 memantau perubahan tutupan lahan secara berkala sehingga dapat digunakan untuk analisis daya dukung lingkungan untuk kepariwisataan. Pengolahan data Sentinel-2 yang terdiri dari beberapa citra (scene) pada dua waktu pengamatan dilakukan dengan strategi mosaic dan komposit warna. Keunikan pesisir Kawasan Wakatobi dianalisis dengan metode indeks vegetasi dikombinasikan dengan data pasut. Terdapat beberapa objek yang terindikasi mengalami perubahan spektrum dan wilayah yang mengalami perubahan berkisar 30,55 km2 dalam tempo 5 bulan. Objek menarik tersebut berpotensi untuk mendukung wisata di Kawasan Wakatobi.

Gunung Sinabung adalah gunung tipe A yang sampai saat ini masih aktif. Gunung Sinabung terletak di salah satu kabupaten di Provinsi Sumatra Utara, yaitu Kabupaten Karo. Erupsi Gunung Sinabung tidak hanya berdampak pada suatu wilayah saja, akan tetapi juga pada wilayah yang ada di sekitar gunung tersebut. Salah satu zat yang disemburkan oleh gunungapi pada saat erupsi adalah gas SO2. Gas SO2 merupakan parameter penting untuk menentukan kualitas udara. Gas SO2 yang terdapat pada atmosfer melalui proses natural dan proses antropogenik. Data gas SO2 didapatkan dengan memanfaatkan hasil rekaman Sentinel-5P. Data Sentinel-5P diolah dan dianalisis untuk dapat mengetahui konsentrasi gas SO2 di wilayah sekitar Gunung Sinabung dan juga perubahan konsentrasi gas SO2 di beberapa daerah yang dijadikan sampel. Secara umum konsentrasi gas SO2 tertinggi berada pada kawah Gunung Sinabung, akan tetapi pada tanggal 22 Juli 2019 konsentrasi gas SO2 pada Kabupaten Deli Serdang lebih tinggi sekitar 75% dari konsentrasi gas SO2 di daerah kawah. Penelitian ini juga dapat menunjukkan bahwa data Sentinel-5P dapat digunakan untuk memantau gas di atmosfir.

Pemetaan area terbakar dapat diekstraksi dari citra penginderaan jauh menggunakan indeks area terbakar. Berbagai indeks telah dikembangkan untuk mengidentifikasi area terbakar antara lain dari NBR, NBR2, MIRBI, dan BAIS2. Penelitian ini bertujuan untuk mengetahui indeks yang paling baik membedakan area terbakar dan tidak terbakar skala detil. Area terbakar diidentifikasi dari delta indeks sebelum dan setelah kebakaran. Data yang dipergunakan adalah citra Sentinel-2 resolusi 20 meter sebelum kebakaran tanggal 01 Mei 2019, dan setelah kebakaran tanggal 08 September 2019. Indeks NBR menggunakan perkanalingan kanal SWIR dan NIR, indeks NBR2 dan MIRBI menggunakan perbandingan kanal SWIRL dan SWIRS, sementara indeks BAIS2 memainkan rentang spektral red edge, NIR dan SWIR. Hasil analisis indeks separabilitas menunjukan indeks MIRBI baik untuk membedakan area terbakar dengan lahan terbuka. Indeks NBR baik membedakan area terbakar dengan vegetasi dan lahan terbangun sementara indeks NBR2 baik untuk mebedakan area terbakar berasap dengan vegetasi dan lahan terbangun

Perkembangan kota dan penduduk menyebabkan semakin meningkatnya jumlah bangunan pada suatu wilayah. Identifikasi kepadatan bangunan dapat menggunakan citra penginderaan jauh yang relatif lebih cepat. Penelitian ini bertujuan untuk memetakan kepadatan bangunan di Kota Bandung berdasarkan model regresi. Metode yang digunakan untuk identifikasi kepadatan bangunan dalam penelitian ini adalah regresi dengan memanfaatkan indeks Normalized Difference Built-up Index (NDBI). Hasil dari penelitian ini adalah model regresi Y=0.071+0.001X yang dapat digunakan untuk memetakan kepadatan bangunan dengan nilai r square pada 0.383. Metode ini dinilai dinilai sangat cepat dan akurat dibandingkan metode lain untuk melakukan kepadatan banguan.

Pada tahun 2015, lebih dari setengah penduduk Indonesia tinggal di kawasan perkotaan hingga menyebabkan tumbuhnya kawasan kedap air di perkotaan. Material kedap air merupakan penyimpan panas yang baik. Akibatnya suhu udara di daerah ini menjadi lebih tinggi dibandingkan dengan daerah sekitarnya. Fenomena ini dikenal dengan istilah Urban Heat Island (UHI). Untuk mengetahui dampak UHI, diperlukan pemantauan suhu secara terus-menerus. Pemantauan suhu menggunakan stasiun cuaca memiliki keterbatasan dari segi cakupan wilayah, sehingga metode penginderaan jauh digunakan untuk mendapatkan data dengan sebaran spasial yang luas. Penelitian ini mengkaji fenomena UHI di tiga kota terpadat di Indonesia (Kota Jakarta, Bandung, dan Surabaya) menggunakan data citra satelit Landsat 8 OLI/TIRS. Perhitungan Suhu Permukaan Tanah (LST) menggunakan metode algoritma Single Channel (SC) serta identifikasi penutupan lahan menggunakan indeks spektral: Normalized Difference Vegetation Index (NDVI), Modified Normalized Difference Water Index (MNDWI), dan Visible red Near Infrared-Buildup Index (VrNIR-BI). Nilai suhu permukaan rata-rata untuk Jakarta, Bandung, dan Surabaya secara berurutan sebesar 35,21°C, 28,52°C, dan 31,69°C. Hubungan antara tutupan lahan dengan LST dianalisis menggunakan uji korelasi sederhana pearson product moment. Nilai korelasi antara LST dengan NDVI di Kota Jakarta, Bandung, dan Surabaya sebesar -0,49; -0,51; dan -0,49 sementara LST dan VrNIR-BI masing-masing sebesar 0,49; 0,51; dan 0,48.

Salinitas ( sea surface salinity , SSS) secara intuitif merupakan jumlah garam dalam larutan air laut dengan unit psu. Garam adalah bagian dari SSS yang mampu direkam oleh sensor satelit. Studi ini bertujuan memaparkan cara mengekstraksi data spektral Landsat 8 untuk menentukan distribusi SSS perairan Teluk Kendari, distribusi dan polanya dijadikan sebagai pedoman mitigasi korosi air laut terhadap material bangunan pantai. Dalam penelitian ini, SSS diekstraksi menggunakan rasio-kanal dengan panjang gelombang 450-510 nm dan 530-590 nm, temporal 5 tahun (2014-2018). Hasilnya menunjukkan rataan SSS estimasi 2014-2018 adalah 8,583 psu, 8,612 psu, 8.627 psu, 8,273 psu, dan 8,372 psu. Di laut terbuka, kisaran salinitas umumnya bernilai 33-37 psu dan ini sangat konstan. Limpasan sungai dan curah hujan yang tinggi merupakan faktor utama rendahnya SSS perairan Teluk Kendari.

Klorofil-a menjadi salah satu bagian penting dalam merepresentasikan tingkat kesahatan suatu perairan. Beberapa peneliti menggunakan metode neural network untuk mengestimasi konsentrasi klorofil-a di wilayah perairan. Namun, dikarenakan oleh tidak mumpuninya jumlah sampel data pada beberapa stasiun, keakuratan hasil estimasi menjadi kurang dapat dipercaya. Inverse distance weighting (IDW) akan digunakan dalam penelitian untuk menginterpolasi konsentrasi klorofil-a di wilayah perairan non stasiun sehingga dapat memperkaya data sampel. Data sampel non stasiun ini selanjutnya digunakan dalam proses training pada neural network ; dan selanjutnya, data sampel pada stasiun akan digunakan dalam proses network refinement sehingga tingkat akurasi dalam mengestimasi konsentrasi klorofil-a menjadi meningkat. Citra MERIS akan digunakan dalam penelitian ini. Berdasarkan hasil analisa statistik, nilai RMSE sebelum dan sesudah network refinement menurun dari 6,7872 mg m -3 menjadi 6,5606 mg m -3 .

Dalam perkembangan teknologi decade terakhir ini, data citra satelit multi-temporal sudah sangat berlimpah dan mulai sulit untuk dieksplorasi secara optimal. Pemanfaatan citra satelit multi-temporal dengan metode deteksi perubahan sangat berguna untuk memodelkan dan memprediksi perubahan spasial dengan rentang waktu tertentu. Pemanfaatan data-data multi-temporal sebelumnya akan menghasilkan model perubahan spasial dengan durasi yang lebih panjang. Apalagi jika permodelan dan prediksi ini dilakukan dengan sensor yang berbeda. Sehingga dapat menghasilkan deteksi perubahan dengan cakupan yang lebih luas dan multi-fungsi. Namun dalam pengaplikasikannya, perlu adanya koreksi radiometrik antara citra multi-temporal dan juga citra multi-sensor. Pengoreksian ini bisa dilakukan dengan pendekatan relatif yang dikenal dengan relatif radiometrik normalisasi (RRN) secara linear. Ide utama metode RRN ini adalah dengan memanfaatkan seleksi fitur invariant (piksel yang stabil) antara citra multi-temporal dengan cara transformasi linear. Metode WRGCCA ( weighted regularized generalized canonical correlation analysis ) diusulkan untuk digunakan sebagai seleksi fitur invariant atau PIFs ( pseudo-invariant features) dengan perbedaan sensor dan temporal tertentu. Metode ini merupakan perkembangan dari metode MAD ( multivariate alteration detection ) yang berguna untuk mendeteksi perubahan spasial secara bi-temporal dan GCCA ( generalized canonical correlation analysis ) yang memanfaatkan citra multi-temporal sekaligus. Namun, masing-masing metode tersebut mempunyai keterbatasan dalam menyeleksi PIFs baik bi-temporal maupun multi-temporal. Oleh karena itu, dengan menambahkan fungsi pembobotan dan regularisasi dalam algoritma tersebut, metode yang diajukan, WRGCCA, dapat lebih baik dalam penyeleksian pseudo-invariant features yang lebih akurat.

Artikel ini bertujuan menyampaikan hasil studi yang berupa perhitungan emisi gas rumah kaca (GRK) dari faktor perubahan tutupan lahan. Metode yang digunakan adalah spatio-temporal dengan penginderaan jauh yang didukung teknik klasifikasi Support Vector Machine dari Deztsaka Tools. Hasil yang diperoleh adalah perubahan tutupan lahan paling signifikan terjadi pada kelas tutupan lahan hutan dimana mengalami penurunan sebesar 1515,29 Ha (21%). Cadangan karbon pada kawasan cepat tumbuh mengalami penurunan sebesar 90.741,06 ton (68,58%) dan sebesar 22% kawasan melepaskan emisi GRK dengan jumlah lebih dari 1000 ton. Fenomea ini membutuhkan perhatian serius karena perubahan tutupan lahan sangat signifikan berpengaruh, sehingga upaya pengendalian melalui kebijakan penataan ruang mutlak diperlukan.

Citra penginderaan jauh telah berkembang dan menyediakan peluang untuk dapat menyediakan informasi kedalaman di perairan dangkal melalui pemodelan empiris, dengan memanfaatkan energi yang dipantulkan oleh objek di dasar perairan dan direkam oleh sensor penginderaan jauh. Tujuan penelitian ini adalah memetakan batimetri di Pulau Kemujan menggunakan pemodelan empiris penginderaan jauh. Penelitian ini menggunakan citra WorldView-2 sebagian Pulau Kemujan dengan empat saluran multispektral, yaitu band biru, hijau, merah dan inframerah dekat, yang dikombinasikan menjadi 12 band rasio dan diintegrasikan dengan data kedalaman hasil pengukuran lapangan sebanyak 369 titik sampel untuk uji akurasi dan 120 titik sampel untuk pemodelan batimetri pada rentang kedalaman 0-7 m. Hasil pemodelan menunjukkan bahwa model empiris batimetri terbaik adalah rasio band hijau dan band biru dengan nilai R² sebesar 0,632 dan standard error of estimate (SE) sebesar 1,2 m. Penelitian ini menunjukkan bahwa band biru yang dikombinasikan dengan band lain memiliki kontribusi yang signifikan dalam pemodelan batimetri.