Teknik Penginderaan Jauh Untuk Mitigasi Bencana
TIPE DATA
|
CONTOH SENSOR
|
TEKNIK
|
APLIKASI
|
KELEBIHAN
|
KEKURANGAN
|
citra multispektral
resolusi tinggi dan resolusi sedang
|
Ikonos, quickbird,
SPOT, ASTER,ALOS
|
Interpretasi manual
|
kerusakan
infrastruktur dan properti akibat bencana banjir, gempabumi, dan tanah
longsor.
|
pengetahuan
mengenai area yang dianalisis dapat menjadi keuntungan dalam proses
interpretasi sperti lokasi, bentuk, ukuran; output berupa vector dihasilkan
dengan cepat.
|
hasilnya dapat
bersifat subjektif, membutuhkan banyak waktu untuk kejadian yang berdampak
luas dan tidak berulang.
|
klasifikasi
spektral
|
digunakan untuk
mengetahui lokasi dan luas banjir, longsor, letusan gunung berapi, kebakaran
hutan.
|
sudah digunakan
secara umum dalam mengamati wilayah yang luas
|
nilai spektral yang
tidak unik membutuhkan editing manual, algoritma yang sesuai harus dipilih
untuk mendapatkan hasil yang bagus.
|
||
analisis
semivariogram dan klasifikasi tekstur
|
dapat digunakan
untuk melihat dampak gempabumi, lokasi tanah longsor
|
berguna ketika data
yang dimiliki memiliki resolusi rendah
|
hanya menghasilkan
estimasi dampak kerusakan relatif
|
||
thresholding,
termasuk band ratio
|
digunakan untuk mengetahui
lokasi dan luas banjir, longsor, letusan gunung berapi, kebakaran hutan.
|
sederhana dan umum
diaplikasikan, rasio gelombang mengurangi variabel iluminasi, dapat digunakan
pada data pankromatik
|
penentuan nilai
ambang batas bersifat subjektif
|
||
image differencing
|
digunakan untuk
mengetahui lokasi dan luas banjir, longsor, letusan gunung berapi, kebakaran
hutan.
|
dapat dilakukan
pada data pankromatik, band ratio atau SAR backscatter imagery
|
membutuhkan data
citra sebelum dan sesudah kejadian untuk mendapatkan hasil yang akurat dan
seimbang secara radiometrik, hanya mengambil data spektral dari satu
gelombang, segala perubahan akan teridentifikasi apapun relevansinya terhadap
bencana alam, tetap membutuhkan penentuan ambang batas.
|
||
post-klasifikasi
deteksi perubahan
|
digunakan untuk
mengetahui lokasi dan luas banjir, longsor, letusan gunung berapi, kebakaran
hutan.
|
tidak membutuhkan
kalibrasi radiometrik diantara beberapa citra
|
membutuhkan data
citra sebelum dan sesudah kejadian untuk mendapatkan hasil yang akurat,
seluruh perubahan akan teridentifikasi apapun relevansinya terhadap bencana
alam, membutuhkan klasifikasi terhadap citra sebelum kejadian.
|
||
DEM Generation
|
DEM dapat digunakan
sebagai data pendukung dalam berbagai studi
|
Metode fotogrametri
dapat menyediakan data DEM bersolusi tinggi
|
Citra format stereo
mungkin tidak selalu tersedia; software pembuatan DEM tidak terdapat dalam
paket standar software pengolahan citra sehingga membutuhkan biaya tambahan,
data elevasi berbasis pada ketinggian vegetasi bukan ketinggian permukaan
tanah, tidak ada data di daerah yang berawan.
|
||
Citra multimodal
QuickBird and data pendukung
|
Dapat digunakan
untuk asesmen kerusakan kota akibat gempabumi. Metode penilaian kerusakan
bangunan berdasarkan sepasang citra dengan resolusi spasial sangat tinggi dan
beberapa data pendukung yang berisi jejak bangunan di gambar referensi
|
telah diterapkan
untuk beberapa kasus bencana , dalam kondisi yang dekat dengan aplikasi
operasional . Gambar yang diperoleh dalam kondisi yang realistis yang mereka
memiliki sudut akuisisi dan menampilkan
perubahan bayangan yang berbeda
dan vegetasi karena perbedaan musim. Selain itu , metode ini cepat
hampir sepenuhnya otomatis dan Ini memberikan hasil yang memuaskan , terutama
ketika tujuannya adalah untuk mendeteksi bangunan antara yang rusak dengan
yang utuh.
|
Untuk membuat metode ini sepenuhnya otomatis , diperlukan peta bidang /
kadaster dan citra VHR yang diperoleh dengan sudut off - nadir tinggi .
Perbaikan di masa depan akan melibatkan ekstraksi bangunan yang didapatkan
langsung dari citra VHR dan dengan pendekatan berdasarkan morfologi.
|
||
SWIR
|
GOES, TOMS, MODIS,
ASTER
|
Split Window
|
digunakan untuk
menghitung ketinggian,luas, dan volume dari awan abu gunung berapi.
|
Sudah banyak
digunakan dan teruji
|
tampak menjanjikan
dan akan diselidiki .
|
Normalized Burn
Ratio (NBR)
|
Untuk menganalisa
kebakaran hutan dan titik hotspot
|
data termal
ditangkap di panjang gelombang LWIR membantu mengidentifikasi hotspot dan
membedakan awan tinggi ( lebih dingin )
dari asap rendah (lebih hangat
) . Selanjutnya , cahaya di gelombang
SWIR dapat menembus kabut dan jenis asap tertentu . Pengolahan citra berbasis SWIR dapat memberikan kemampuan untuk "
melihat melalui " asap sehingga
lebih efektif dalam menganalisis kebakaran hutan dan mengidentifikasi
hotspot .
|
|||
Thermal
|
ASTER, MODIS, AVHRR
|
Split Window
|
untuk mengukur
temperatur kawah, aliran lava, gejala gempa bumi, lokasi dan luas titik api.
|
Sudah banyak
digunakan dan teruji
|
memiliki resolusi
spasial yang rendah. Tidak dapat menghasilkan komponen sub-pixel
|
Dual Band
|
untuk mengukur
temperatur kawah, aliran lava, gejala gempa bumi, lokasi dan luas titik api.
|
dapat memperoleh
data subpixel
|
hanya
mengasumsikan dua komponen termal
|
||
A thermal tracer
camera (Thermo Tracer NEC TH7100)
|
Untuk mengukur
fumarolic dan suhu air panas
|
metode ini sangat
ideal untuk pemantauan gunung berapi di aktif tetapi kawah gunung berapi tersebut tidak aktif
dan memiliki akses yang berbahaya.
|
untuk data satelit
membutuhkan data resolusi tinggi untuk mendaptkan tingkat keakuratan geometri
yang tinggi.
|
||
Sistem kamera
merekam setiap anomali termal ( episodik atau terus menerus ) dan mengirimkan
gambar ke pusat kontrol untuk dianalisis dan diinterpretasikan .
|
setiap data
pengukuran perlu dilakukan validasi dengan pengukuran lapangan dimana data
lapangan tersebut dapat diambil sampel dari wilayah yang aman saja.
|
||||
Selain itu ,
pengukuran termal dengan sistem kamera ini di medan topografi kasar
menghasilkan penurunan yang signifikan dari pengaruh atmosfer pada kalibrasi
dari LANDSAT 7 dan ASTER thermal imaging satelit .
|
|||||
UAV (Unmaned Air
vehicle)
|
Dapat digunakan
untuk mendapatkan data temperatur permukaan tanah
|
dapat digunakan
untuk mendapatkan data wilayah yang
tidak dapat diakses di permukaan bumi, sebagai contoh daerah dengan bara
panas dan gas beracun.
|
UAV hanya memiliki
waktu terbang yang terbatas, dan hanya sanggup membawa sensor yang ringan dan
sistem yang sederhana.
|
||
UAV menyediakan
data yang memiliki resolusi dan geometri yang baik tanpa perlu melakukan
interpolasi data.
|
|||||
UV atau Thermal
|
GOES, TOMS, MODIS,
ASTER
|
Penyerapan UV atau
TIR
|
dapat digunakan
untuk mengukur ketinggian dan tingkat volume SO2 dan emisi gas lainnya
|
Sudah umum
digunakan dan teruji hasilnya
|
memiliki resolusi
spasial yang rendah, dapat membutuhkan resolusi temporal yang tinggi untuk
memonitor perubahan
|
TIR remote sensing
|
dapat digunakan
untuk mengukur temperatur air sungai
|
memiliki kapasitas
untuk mencover suatu region, memonitor secara sistematik dan hemat biaya.
|
TIR tidak tersedia
apabila ada tutupan awan
|
||
data dapat diambil
dalam berbagai skala dari skala lokal (kenaikan air permukaan) hingga
regional (keseluruhan daratan banjir)
|
Interpretasi data
TIR dalam menentukan temperatur air dapat menjadi rumit dan mahal serta
membutuhkan tenaga ahli yang sudah berpengalaman karena membutuhkan ketelitan
untuk menginterpretasikan data TIR.
|
||||
dapat melihat
keseluruhan data temperatur dari seluruh sungai tidak hanya satu titik
lokasi, dapat menampilkan pola spasial dari temperatur air di aliran, sungai,
dan dataran banjir dengan skala 1 m sampai lebih dari 100 km
|
membutuhkan koreksi
radiometrik untuk mendapatkan data temperatur yang akurat, tetapi hal ini
membutuhkan waktu dan biaya yang tidak sedikit.
|
||||
berguna untuk
aplikasi yang tidak membutuhkan temperatur yang absolut, data TIR yang tidak dikoreksi
radiometrik dapat digunakan untuk mendapatkan pola spasial dalam satu image,
dan tidak membutuhkan validasi untuk aplikasi yang hanya membutuhkan
temperatur relatif.
|
|||||
SAR
|
JERS-1,ERS-1/2,ENVISAT,ALOS,PALSAR,TerraSAR-X,Radarsat-1/2,Cosmo-SkyMED
|
Koherensi
|
dapat digunakan
untuk mendeteksi longsor, banjir, kebakaran, dan sebagainya.
|
menyediakan
estimasi kuantitatif dari perubahan tanah
|
tidak dapat bekerja
dengan baik di daerah dengan vegetasi padat, dipengaruhi oleh perubahan
musim, akurasi menurun seiring waktu
|
Backscatter
intensity
|
dapat digunakan
untuk mendeteksi longsor, banjir, kebakaran, dan sebagainya.
|
dapat digunakan
dalam kondisi berawan, akuisisi sisi
geometri bermanfaat untuk aplikasi tertentu
|
analisis
kuantitatif sangat rumit dan variasi signifikan untuk region yang berbeda
dapat menimbulkan kesulitan dalam interpretasi bagi pengguna yang belum
berpengalaman.
|
||
interferometry/DEM
Generation
|
DEM dapat digunakan
sebagai data pendukung dalam berbagai studi
|
tidak terpengaruh
oleh kondisi cuaca
|
tingkat akurasi
tergantung pada pengambilan data geometri, panjang gelombang dan koherensi,
geometri pengambilan data menimbulkan adanya distorsi dan area yang tertutup
bayangan.
|
||
fully Polarimetric
|
Dapat digunakan
untuk monitoring bencana alam, gunung berapai, akumulasi salju, tanah
longsor, dan efek tsunami yang disebabkan gempa bumi dengan menggunakan
L-Band full polarimetrik SAR data.
|
Dengan mengakuisisi
Data polarimetrik sepenuhnyadengan
amplitudo dan fase , yaitu , matriks hamburan , maka memungkinkan untuk mengambil informasi
obyek secara lebih rinci . Informasi polarimetrik sensitif terhadap orientasi
, bentuk, dan konstituen materi dari objek.
|
Proses data SAR
menghabiskan waktu yang lebih lama dibandingkan dengan data optis. Karena
waktu proses merupakan masalah yang penting dalam kegiatan yang sifatnya real
time, maka proses data harus secara automatis dilakukan.
|
||
hamburan warna
dekomposisi berfungsi sebagai pendekatan sederhana dalam mengidentifikasi area yang diinginkan , karena warna mewakili mekanisme hamburan langsung . sehingga ditemukan bahwa sebagian besar wilayah bencana menunjukkan peningkatan warna biru dibandingkan dengan wilayah sebelum bencana. Oleh karena itu , perubahan warna dari merah ke biru ( hamburan permukaan ) dapat menjadi indikator yang baik dari terjadinya bencana. |
informasi polarimetrik dapat meningkatkan
kemampuan radar untuk memantau lingkungan Bumi. Gambar radar konvensional
dibuat berdasarkan koefisien backscattering dari objek menggunakan tunggal
atau polarisasi ganda.
|
||||
Spektral Filtering
|
dapat digunakan
untuk memonitor gempa bumi
|
kerusakan yang
diakibatkan oleh gempa dapat dianalisis secara kualitatif dengan
membandingkan dua gambar sebelum dan setelah gempa , perpindahan permukaan
tanah diukur menggunakan teknik interferometric .
|
|||
Dengan teknik
spektral filtering , data sinyal yang didapatkan diolah menjadi gambar yang
jelas . Runtuhan bangunan non - kayu terdeteksi dengan membandingkan
kecerahan pixel antara sepasang citra sebelum dan setelah gempa.
|
noise dapat secara
efektif dihilangkan dengan prosedur penyaringan spektral sederhana
|
||||
Kerusakan yang
disebabkan oleh gempa dapat dilihat dengan pemetaan gambar perbedaan warna sistem Munsell .
|
|||||
Differential
interferometry
|
Digunakan untuk
mengukur deformasi permukaan akibat aktivitas vulkanis dan tektonik,
velositas dan panjang dari tanah longsor yang lambat
|
tingkat presisi
tinggi, pada sensor yang baru memiliki resolusi yang tinggi
|
tergantung dengan
baseline spasial dan akurasi DEM, tidak dapat menunjukan perbedaan antara
komponen vertikal dan horizontal, akurasi tinggi hanya tersedia pada area
dengan vegetasi rendah
|
||
Polarimetri
|
Digunakan untuk
klasifikasi tutupan lahan dan perubahannya
|
memiliki kemampuan
untuk mendeteksi fitur-fitur yang tidak terlihat pada citra optis
|
tergantung pada
tipe tutupan lahannya dan perubahan musim
|
||
DEM
|
PALSAR,LiDAR,TerraSAR-X,
Ikonos,Quickbird,SPOT
|
DTM differencing
|
dapat digunkan
untuk menghitung volume longsor dan berelasi dengan pergerakan bumi, lokasi
longsor dan perubahan elevasinya.
|
menyediakan
estimasi kuantitatif dari volume perubahan poisisi dan perubahan permukaan
tanah.
|
membutuhkan citra
sebelum dan sesudah kejadian untuk menghasilkan data yang akurat.
|
Airborne LIDAR
sensors,SEASAT
|
Interpretasi manual
|
Memiliki resolusi
vertikal dan horizontal yang tinggi, dan dapat menyediakan elevasi permukaan
bumi yang akurat.
|
Pengambilan data
LIDAR sangat mahal dan memubutuhkan waktu yang banyak dalam prosesnya.
|
||
Airborne LIDAR
sensors
|
image differencing,
principal component anaysis (PCA) and post-classification. Menggunakan
kombinasi dari metode deteksi perubahan berbasis Simple Majority Vote.
|
Digunakan untuk
memprediksi banjir, monitoring perkembangan gunung api dan memprediksi
erupsi, evaluasi perubahan elevasi kerak bumi akibat gempa bumi dan
pemantauan kerusakan struktural setelah terjadinya gempa bumi.
|
Metode ini
menunjukkan peningkatan dalam hal deteksi akurasi . Deteksi akurasi algoritma individu sebesar
84,7 % , 88,3 % dan 90,2 % untuk post-klasifikasi , image differencing dan
PCA masing-masing memberikan akurasi
96,4 % yang merupakan perbaikan dari sekitar 6,2 % . Di sisi lain , metode
inimenunjukkan otomatisasi tingkat tinggi
dan perhitungan yang cepat dalam proses deteksi perubahan .
|
Comments
Post a Comment