Jumat, 16 Desember 2011

Quicklock Citra Worldview-02 Stadion World Cup 2010 Africa Selatan

 Ellis Park Stadium - Updated, June 18th - Johannesburg, South Africa

 Free State Stadium - Bloemfontein, South Africa

 Free State Stadium - updated, June 12th - Bloemfontein, South Africa

 Green Point Stadium - Updated, June 18th - Capetown, South Africa

 Loftus Versfeld Stadium - Updated, June 18th - Pretoria, South Africa

 Mbombela Stadium - Updated, June 16th - Nelspruit, South Africa

 Moses Mabhida Stadium - Updated June 16th - Durban, South Africa

 Nelson Mandela Stadium - Updated, June 15th - Port Elizabeth, South Africa

 Peter Mokaba Stadium - Updated, June 15th - Polokwane, South Africa

 Royal Bafokeng Stadium - Updated June 15th - Rustengburg, South Africa

Soccer City - Updated, June 18th - Johannesburg, South Africa

Sabtu, 04 Juni 2011

Badai Tornado di Alabama

Badai Tornado di Tuscaloosa, Alabama pada 27 April 2011 dapat kita lihat dari citra satelit resolusi tinggi natural color





Minggu, 03 April 2011

Pemanfaatan citra Quickbird dan Sistem Informasi Geografis untuk zonasi kerentanan kebakaran

Mengkaji ketelitian citra Quickbird dalam memperoleh parameter-parameter potensi kebakaran daerah perkotaan untuk menentukan tingkat kerentanan kebakaran permukiman. Mengestimasi potensi kebakaran berdasarkan parameter yang diperoleh dari citra Quickbird. Memetakan zonasi tingkat kerentanan kebakaran permukiman dengan bantuan Sistem Informasi Geografi. Metode yang digunakan, yaitu interpretasi visual citra penginderaan jauh. Data penginderaan jauh yang digunakan, yaitu citra Quickbird. Uji interpretasi citra Quickbird dilakukan dengan menggunakan metode Short, sedangkan pengolahan dan analisis data menggunakan Sistem Informasi Geografis (SIG) dengan cara pengharkatan (scoring), pembobotan, dan overlay sehingga menghasilkan zonasi kerentanan kebakaran permukiman. Data primer yang digunakan adalah Citra Quickbird, hasil survei lapangan, dan data sekunder dari instansi terkait. Variabel untuk zonasi kerentanan kebakaran permukiman dalam penelitian ini terdapat dua variabel utama yaitu, variabel potensi kebakaran dan variabel ketersediaan fasilitas pemadam kebakaran. Variabel potensi kebakaran terdiri atas kepadatan bangunan rumah mukim, pola bangunan rumah mukim, jenis atap bangunan rumah mukim, lokasi sumber air, lokasi permukiman dari jalan utama, lebar jalan masuk, kualitas jalan, kualitas bahan bangunan, dan pelanggan listrik. Adapun variabel ketersediaan fasilitas pemadam kebakaran, yaitu fasilitas air hidran, fasilitas alat pemadam kebakaran ringan (APAR), alat pemadam kebakaran berat (APAB), dan tandon air. Permukiman yang rawan terhadap kebakaran, dicirikan dengan kondisi permukimannya merupakan daerah padat, dengan pola bangunan permukiman tidak teratur, lokasi permukimannya jauh dari jalan utama dengan kondisi lebar jalan masuk yang sempit, bahan bangunannya termasuk kategori non permanen sehingga agak mudah terbakar, banyak rumah yang tidak berlangganan listrik ke PLN sehingga dalam pemasangan listrik asal-asalan, tidak dilengkapi fasilitas APAR dan APAB, dan lokasinya jauh dari sumber air (sungai, danau), hidran, dan tandon air.

Senin, 21 Maret 2011

Analisis Citra Satelit Quikcbird untuk Kehutanan


Untuk tujuan menampilkan penutupan lahan yang aktual, pemanfaatan citra satelit digital sering digunakan. Citra satelit merupakan “foto bumi” yang dipotret oleh satelit. Dalam analisis ini digunakan citra satelit hasil pemotretan satelit Quickbird . Untuk bisa diinterpretasikan secara akurat, citra hasil pemotretan  satelit diproses melalui tahap pemrosesan awal (pre-processing), penajaman tampilan (display and enhancement) dan ekstraksi informasi (information extraction). Pemrosesan awal ditujukan untuk memperbaiki citra satelit dari kesalahan geometris, radiometris maupun atmosferis . Penajaman tampilan dimaksudkan untuk mempermudah interpretasi obyek-obyek yang diliput satelit. Hal ini biasanya sangat perlu apabila citra diinterpretasi secara manual atau visual. Penajaman ini dilakukan dengan memperbesar kontras tampilan sehingga mempertajam perbedaan antar obyek.  Ekstraksi informasi merupakan tahap akhir dari analisis citra satelit. Hal ini dilakukan baik secara visual dengan mengamati citra dan melakukan pembatasan obyek (delineasi) maupun secara digital dengan mengelompokkan pixel berdasar nilai spektralnya pada berbagai saluran (band). Klasifikasi secara digital diawali dengan memilih sampel pixel yang dianggap mewakili masing-masing kelas penutupan lahan yang dimaksud. Apabila pemilihan sampel ini dilakukan oleh peneliti maka disebut supervised classification, namun apabila pemilihan sampel pixel dilakukan oleh komputer dengan kaidah statistik maka disebut unsupervised classification. Pemilihan sampel ini menghasilkan  range kelas spektral yang digunakan untuk mengelompokkan semua pixel yang ada. Hasil pengelompokan ini adalah kelas-kelas penutupan lahan yang harus diuji  kesesuaiannya. Uji ini dapat dilakukan dengan mengecek hasil interpretasi dengan kondisi lapangan (ground check), maupun mengecek dengan data sekunder yang lain, misalnya peta atau foto udara. Setelah melalui cek kesesuaian, citra dapat digunakan sebagai sumber informasi untuk menyusun peta tematik penutupan vegetasi.  Proses klasifikasi dilakukan menurut beberapa kriteria yang dikembangkan  Baplan Departemen Kehutanan (2001) dan Whitmore (An Introduction Tropical Rain Forest (1990) (Lampiran 4). Beberapa kriteria disesuaikan pula dengan data  ground  check selama pengamatan.

Jumat, 21 Januari 2011

8-Band Multispectral Imagery

 8-Band Multispectral Imagery

gitalGlobe’s WorldView-2 satellite provides the only high-resolution 8-band multispectral commercial imagery available. WorldView-2’s 8 spectral sensors are narrowly focused and provide complete coverage of the visual spectrum, along with 2 near-infrared bands. Together the bands are designed to improve the segmentation and classification of land and aquatic features beyond any other space-based remote sensing platform.

The 8 Bands of WorldView-2


(400-450 nm)
  • Absorbed by chlorophyll in healthy plants and aids in conducting vegetative analysis
  • Substantially influenced by atmospheric scattering and has the potential to improve atmospheric correction techniques
  • Least absorbed by water, and will be useful in bathymetric studies
* Denotes New Bands

Applications for 8-Band Imagery

DigitalGlobe’s high-resolution 8-band imagery is a powerful tool for remote sensing, and is being applied to three primary areas: Bathymetry, Vegetative Analysis and Feature Extraction.

Bathymetry

8-band imagery offers a significant improvement over 4 band imagery in the ability to conduct accurate bathymetric measurements from space. The addition of the Coastal Blue band, and the refinement of the Green band are providing significant advantages in measuring bathymetry at greater depths, and the Yellow, Red Edge and occasionally NIR1, are very useful in shallow waters when they correlate with sub-aquatic vegetation, coral or seafloor substrate.
Accurate bathymetry is very important for near shore navigation, and coastal zone monitoring, as the marine environment is particularly susceptible to dramatic changes due to storms, earthquakes and tsunamis.

Vegetative Analysis

The Red Edge and Yellow bands are specifically designed to detect key vegetative phenomena. The Red Edge band marks the transition between where plant pigments absorb visible light, and reflect infrared light. Its position varies dependent on the species, and shifts according to changes in plant health, age, and growth rate. Similarly, the Yellow band can detect changes the amount of leaf chlorophyll and other key pigments that mark vegetation stress.
Vegetative analysis is the key to building detailed land cover classification maps, which are particularly important for mapping changes due to climate change, urban sprawl, and environmental contamination. Land cover maps are also playing an important role in the global carbon trading market, and the ability to monitor deforestation and subsequent reforestation activities.

Feature Extraction

Not only does WorldView-2 provide complete coverage of the visible to near infrared spectrum, but each of the spectral bands is very tightly focused on the target wavelengths of light, enabling a clearer segmentation of the spectral response from objects on the ground. The very high spatial resolution also provides detailed morphological and textural attributes. This additional information is leveraged by sophisticated feature extraction algorithms to produce more accurate classifiers that can segment different man-made structures, distinguish crop types or discriminate among tree types.
Accurate feature extraction is critical for civil governments, where taxation is often dependent on land use, such as changes in impermeable surfaces, or the presence of swimming pools. In addition, feature extraction plays a critical role in accurate change detection which can be a vital tool in post-disaster response coordination.

Technical Information and Imagery

Current 8-band imagery is available for download on our Product Samples page, and additional technical information is available in the following datasheets. For additional information, please contact a DigitalGlobe representative.