Thursday, December 12, 2013

Membangun Rational Polynomial Coefficients (RPC) menggunakan ENVI

Dalam pekerjaan fotogrametri digital menggunakan foto udara digital, cita satelit, dan radar, dikenal adanya istilah RPC atau Rational Polynomial Coefficient. RPC ini diturunkan dari Rational Polynomial Model yang menggambarkan hubungan geometris sensor satelit dengan permukaan asli tiga dimensi dari bumi. Dengan adanya RPC ini pekerjaan fotogrametris seperti ekstraksi DEM dan orthorektifikasi memungkinkan untuk dilakukan oleh pengguna citra umum.

Latar belakang penciptaan RPC sebagai berikut. Pada Foto Udara konvensional (frame camera), setiap lokasi di permukaan bumi direkam dari satu posisi kamera (perekaman serentak seperti pada DSLR dan kamera poket). Dengan mekanisme perekaman dan geometri sensor -  obyek yang relatif simpel tersebut, maka transformasi koordinat dari koordinat citra yang bersifat dua dimensi ke permukaan bumi yang bersifat tiga dimensi bisa diwujudkan dalam bentuk persamaan matematis yang sederhana. Akan tetapi hal ini berbeda pada Citra satelit. Mayoritas satelit penginderaan jauh menggunakan mekanisme Push Broom recording dalam bentuk scan lines di sepanjang lintasan orbit satelit (seperti cara kerja scanner dokumen di kantor). Sebagai hasilnya, geometri setiap baris citra akan berbeda dengan baris yang lain karena direkam dari posisi sensor yang berbeda. Hal ini menyebabkan proses transformasi harus dilakukan per baris perekaman, atau dengan kata lain, menggunakan persamaan matematis yang banyak dan kompleks.

Untuk memudahkan komputasi dan transformasi koordinat bagi pengguna citra, maka diciptakanlah Rational Polynomial Model yang menghasilkan RPC. Rational Polynomial Model terdiri dari dua persamaan polinomial. Yang pertama untuk menghitung baris citra dan yang kedua untuk menghitung kolom citra. RPC dibuat oleh vendor citra satelit yang diturunkan dari informasi posisi orbit dan orientasi satelit. Karena merupakan salah satu produk yang dijual vendor, RPC ini biasanya ada beberapa versi yang tentunya akan memberikan pengaruh yang berbeda dari sisi akurasi posisi terhadap hasil orthorektifikasi atau ekstraksi DEM. Selain itu, RPC juga dapat dibuat/diemulasikan apabila kita mempunyai GCP yang cukup dan akurat. Walaupun demikian, sebagus dan seakurat apapun RPC, RPC merupakan sebuah model empiris dari hubungan geometris sensor - permukaan bumi, dan bukan model fisis, sehingga tidak akan lebih akurat dari model fisis yang hanya diketahui oleh vendor citra. RPC yang dihasilkan dapat digunakan untuk membuat citra ortho atau membuat DEM apabila citranya stereo.

Berikut ini cara membangun RPC menggunakan software ENVI 5. Untuk contoh saya akan menggunakan Citra ALOS PRISM L1B2 (radio and geometric corrected), tapi tidak memiliki informasi RPC.


1. Buka ENVI>File>Open External File>ALOS>PRISM, Buka file dengan nama mengandung LED.


2. Dari Menu Map>Build RPCs, kemudian pilih file citra ALOS PRISM sebagai input, kemudian akan muncul jendela Build RPCs parameter. Untuk ALOS PRISM isikan parameter seperti gambar di bawah. Untuk sensor lain bisa dicari tahu informasinya di internet, atau dari link ini


3. Di pilihan Build Exterior Orientation klik Select GCP in Display. Kemudian tentukan proyeksi, dan datum dari GCP yang akan dipakai nanti. Kalau menggunakan UTM tentukan juga zona yang sesuai. Masukkan GCP satu persatu. Untuk menghasilkan rational model, anda memerlukan minimal 6 GCP. Setelah GCP selesai dimasukkan, klik Export GCP to build RPCs Widget. 




4. ENVI akan menggenerate RPC result Report, perhatikan RMSE X dan Y, apabila akurasi dirasa kurang, ulangi proses dengan mengklik Select GCP in Display dari Menu Build Exterior Orientation. Kemudian setelah selesai klik recalculate Exterior Orientation. Setelah selesai klik OK. Jendela minimum dan maximum elevation akan muncul. Jika anda mengetahui elevasi minimum dan maksimum dari citra yang dipakai, masukkan ke kolom yang tersedia, kalau tidak, biarkan saja kemudian klik OK. 






5. ENVI akan memberikan pesan bahwa RPC sudah dihitung dan dimasukkan kedalam metadata citra. Anda bisa melanjutkan dengan melakukan ekstraksi DEM atau orthorektifikasi. 







Friday, December 6, 2013

Membuat Peta Surface Temperature dari Data Thermal Landsat 8 Menggunakan ENVI 5 (dengan Atmospheric Correction)

Melanjutkan postingan sebelumnya di sini ,  kali ini adalah bagaimana mengekstrak surface brightness temperature data Landsat 8 TIRS dengan melibatkan Atmospheric Correction.

Pada postingan sebelumnya, data surface brightness temperature hasil ekstraksi dianggap sebagai ToA (Top of Atmosphere) brightness temperature. Hal ini dikarenakan ekstraksi suhu didasarkan pada nilai radiansi yang diterima oleh sensor. Padahal nilai radiansi yang diterima sensor tidak hanya berasal dari interaksi energi matahari dan obyek (hubungan iradiansi, radiansi dan emisivitas), namun juga oleh pengaruh atmosfer (bisa berupa serapan maupun hamburan), sehingga nilai radiansi yang diterima sensor besar kemungkinan terdistorsi dan tidak mencerminkan nilai radiansi yang dipancarkan obyek. Oleh karena itu, untuk mendapatkan nilai estimasi brightness temperature yang akurat dan sesuai dengan radiansi yang dipancarkan obyek, koreksi atmosfer perlu dilakukan.

Tahapan kerja yang dilakukan agak sedikit berbeda dengan tahapan di postingan sebelumnya. Yang pertama, kita harus mengkonversi DN menjadi radiansi, kemudian dilanjutkan koreksi atmosfer, lalu ekstraksi temperatur dalams satuan kelvin, dan terakhir adalah konversi dari kelvin ke celcius.

Here we go

1. Tahap pertama, adalah membuka data Landsat 8 TIRS, silahkan lihat postingan sebelumnya dari langkah 1 sampai langkah 4 untuk prosedur membuka citra landsat 8 TIRS di ENVI 5.

2. Dari menu toolbox ENVI, buka modul radiometric correction>radiometric calibration, kemudian pilih band thermal sebagai input.

3. Untuk menu Calibration Type pilih Radiance, kemudian tentukan lokasi penyimpanan hasil konversi. Klik OK. Setelah selesai data akan ditampilkan di view.


4. Tahap berikutnya adalah koreksi atmosfer. Kita akan menggunakan metode koreksi atmosfer menurut Coll et al, 2010 . dengan formula seperti di bawah. 


5. Pada koreksi atmosfer menurut Coll diatas, terdapat beberapa parameter yang belum diketahui, antara lain upwelling radiance, downwelling radiance, dan transmittance. Kita dapat memperoleh informasi ini dari situs http://atmcorr.gsfc.nasa.gov/, dengan terlebih dahulu memasukan informasi jam,tanggal, bulan, tahun perekaman data, dan juga pusat koordinat lintang dan bujur dari citra yang kita gunakan. Informasi ini dapat dilihat dengan mudah di ENVI 5 dengan cara, klik kanan nama layer>view metadata . Informasi waktu perekaman dapat dilihat di Tab Time.  


6. Setelah memasukkan parameter yang dibutuhkan, kita akan mendapat informasi upwelling dan downwelling radiance sebagaimana contoh di bawah. 


7.  Implementasikan formula diatas beserta parameter yang sudah diketahui ke dalam Modul Band Math ENVI. Bentuk Expression formula nya seperti gambar di bawah. Nilai 3.9 adalah upwelling radiance, nilai 0.51 adalah transmitansi dan 5.79 adalah downwelling radiance. B1 nanti diisi band thermal. Klik Add to List, kemudian OK. Selanjutnya Klik Map Variable to Input File, Masukkan dataset radiance sebagai input B1. Klik OK. 




 8. Tahap berikutnya adalah mengkonversi radiansi terkoreksi ke brightness temperature. Untuk keperluan itu kita menggunakan formula seperti gambar di bawah.


9. Nilai K1 dan K2 dapat diperoleh dari metadata citra (file dengan extensi MTL.TXT) dibagian TIRS_THERMAL_CONSTANT, sebagaimana nampak pada gambar di bawah. 


10. Dengan demikian implementasi formula pada langkah 8 di Band Math adalah sebagai mana nampak pada gambar di bawah. Ada dua formula, masing masing untuk band 10 dan band 11 sensor TIRS. Lakukan kalkulasi secara terpisah untuk masing masing band sesuai dengan parameter K1 dan K2 nya. 



11. Tahap terakhir adalah konversi suhu dari Kelvin ke Celcius, yang dilakukan menggunakan formula C = K - 273 , dimana C adalah data suhu dalam celcius, dan K adalah data suhu dalam kelvin. 

 


12. Berikut ini hasil Brightness Temperature dalam satuan Celcius



REVIEW 

Jika dibandingkan dengan data surface brightness temperature hasil postingan sebelumnya (tanpa koreksi atmosfer), hasil kalkulasi menggunakan koreksi atmosfer memberikan hasil estimasi yang lebih tinggi (selisih berkisar 15 sampai 25 derajat). Hasil ini perlu dikritisi lebih lanjut dengan membandingkan dengan brightness temperature nyata hasil pengukuran lapangan untuk mengetahui metode mana yang memberikan hasil lebih mendekati data lapangan. Selain itu, aspek metodologisnya juga perlu dikritisi, seperti apakah metode koreksi atmosfernya sudah tepat, bagaimana pengaruh metode koreksi atmosfer yang berbeda terhadap hasil kalkulasi ? mana yang memberikan prediksi lebih tepat ?. 

---UPDATE 3/12/2014---

1. Website http://atmcorr.gsfc.nasa.gov/ telah memasukkan informasi spectral Curve Band 10 Sensor TIRS, oleh karena itu disarankan untuk menggunakan spectral curve tersebut dalam kalkulasi. Dan juga dari website tersebut diketahui adanya ketidakpastian hasil kalkulasi parameter termal dari sensor TIRS dikarenakan adanya efek stray light pada teleskop TIRS. 

2. Band 11 TIRS dianggap masih kurang layak untuk dijadikan sumber data surface temperature dan atribut termal lain dikarenakan masih besarnya RMSE dari proses kalibrasi radiometrik dari NASA/USGS. Refer : https://landsat.usgs.gov/calibration_notices.php 



---UPDATE 27/2/2016---

Tak terasa sudah dua tahun umur postingan ini, pageviewnya sudah lumayan banyak, semoga bermanfaat ya, banyak hal yang berubah dalam dua tahun ini, performa Landsat-8 sudah berbeda dengan kondisi ketika postingan ini ditulis, jadi mohon cek selalu halaman resmi Landsat untuk mengetahui perubahan-perubahan apa yang terjadi. 

Pada kesempatan ini saya hanya ingin memberitahu bagi teman-teman yang masih bingung dan ingin mencari koreksi radiometrik untuk menghasilkan data surface reflectance/brightness temperature yang mudah, ArcGIS sudah menyediakan fungsi tersebut, namanya Apparent Surface Reflectance. cek postingan saya bulan Februari 2016 to find out. 

Cheers and happy learning remote sensing. 

Wednesday, December 4, 2013

Membuat Peta Surface Temperature dari Data Thermal Landsat 8 Menggunakan ENVI 5 (tanpa Atmospheric Correction)

Sensor Landsat TM (Landsat 5), ETM+ (Landsat 7) dan TIRS (Landsat 8) mampu merekam data radiansi panas permukaan bumi pada spektrum inframerah termal. Informasi radiansi panas pada spektrum thermal sangat dipengaruhi oleh suhu permukaan dan emisivitas obyek.  Makin tinggi temperatur suatu obyek, makin tinggi intensitas radiansinya. Informasi radiansi ditangkap sensor termal dan disimpan dalam bentuk digital number (DN) dengan range 0 sampe 255 (8bit) untuk data TM/ETM+ dan 0 sampai 65536 a. (16 bit) untuk data TIRS.

Dengan demikian, maka DN diatas memungkinkan untuk dikonversi menjadi peta suhu permukaan. Tahapan yang dilakukan antara lain, mengubah DN menjadi nilai radiansi, mengaplikasikan koreksi atmosferik (later), mengkonversi radiansi ke temperatur permukaan, dan terakhir mengkonversi temperatur permukaan dari satuan kelvin ke satuan celcius.

Berikut ini contoh penerapan ekstraksi temperatur permukaan menggunakan software ENVI 5.0 service pack 3 yang sudah mendukung citra Landsat 8

1. Download data landsat 8 dari portal EarthExplorer atau Glovis.
2. Data hasil download file Tar.GZ yang harus diuncompress dua kali, uncompress pertama menghasilkan file TAR, dan yang kedua menghasilkan file - file citra Landsat 8 per band disertai metadata pendukung.



3. Dari menu ENVI 5. Klik File>Open As>Landsat>Geotiff With Metadata. Kemudian pilih file metadata dalam format TXT. 



4. Data citra akan ditampilkan secara layak (proper) beserta penamaan band, parameter koreksi, dan juga informasi proyeksi (seperti gambar di bawah). Kalau file citra di buka secara manual (tidak mengikuti langkah 3), biasanya metadata citra tidak akan terbaca dengan sempurna. 


5. Tahapan pertama dari ekstraksi temperatur permukaan adalah mengubah data citra dari DN ke brightness temperature. Dari menu toolbox ENVI di panel kanan pilih Radiometric Correction>Radiometric Calibration. Kemudian pilih Band Thermal dari Sensor TIRS (ada 2 Band). 



6. Dari menu dropdown, pilih Brightness Temperature, kemudian pilihan lain sama dengan gambar di bawah. Lanjutkan dengan menentukan lokasi penyimpanan data. Kemudian Klik OK. 



7. Hasil Surface Temperature dalam satuan Kelvin akan ditampilkan. 



8. Tahap terakhir adalah mengkonversi satuan suhu dari Kelvin menjadi celcius. Proses ini dapat dilakukan dengan mudah menggunakan Band Math. Konversi Kelvin menjadi Celcius dapat menggunakan rumus (K-273), dimana K adalah suhu dalam Kelvin. Band Math di ENVI 5 dapat diakses dari Menu Toolbox>Band Ratio>Band Math. 


9. Berikut ini Hasil Peta Surface Brightness Temperature dalam satuan Celcius.



Note : 

1. Proses diatas dilakukan tanpa koreksi atmosfer. Untuk estimasi yang lebih akurat, koreksi atmosfer mungkin perlu dilakukan ( dont worry I will repost this tutorial along with the atmospheric correction later)

2. Untuk pemahaman yang lebih baik baik tentang thermal remote sensing, radiasi benda hitam, emisivitas, dll, silahkan baca link ini



Monday, September 23, 2013

Mengekstrak data vektor GIS dari google maps menggunakan ArcScan


Sebenarnya ini tidak dibenarkan, tapi barangkali dapat bermanfaat dalam kondisi sangat terpaksa, dimana tidak ada peta dasar yang layak untuk wilayah kajian, tidak ada data free (misalnya open street map) di area kajian, dan tidak ada dana untuk pengadaan peta dasar (permasalahan klasik di Indonesia). Selain itu, ini sebenarnya juga (mungkin) melanggar Term Of Service/Use dari Google Map, dan juga melanggar UU No 4 Tahun 2011 dan PP turunannya terkait penggunaan peta dasar.

Trik ini menggunakan ArcScan, sebuah ekstensi untuk konversi raster data ke vektor data di ArcGIS.

Berikut ini step-nya

1. Download Data raster google maps wilayah kajian yang sudah tergeoreferensi/mempunyai world file/projection file (tfw,jgw,bmpw,pgw,prj). Silahkan cari tahu caranya di internet.

2. Buka data raster google maps di ArcMap secara terpisah per band (rgb)-nya.



3. Perhatikan baik - baik kenampakan yang akan ekstrak pada masing-masing band, pastikan nilai pikselnya berbeda dengan obyek lain. Hal ini penting agar nanti proses editing hasil ekstraksinya tidak terlalu kompleks. Untuk Contoh saya akan mengekstraksi data jalan, dan band yang paling bisa membedakan informasi jalan dari raster Google Map adalah band 1


4. Atur di symbology agar data raster google maps hanya menampilkan obyek yang akan diekstrak, selebihnya menjadi background (dua nilai kecerahan). Anda dapat menggunakan mode symbology Classified atau Unique Values




5. Aktifkan ArcScan

6. Bikin Data spasial baru (feature class/shapefile). Data bisa polyline atau polygon, tergantung obyek yang akan diekstrak. 

7. Start Editing data spasial/layer tersebut.  

8. Di menu ArcScan, klik Menu Vectorization kemudian Generate Features. Atur parameter yang diinginkan, klik OK. Proses auto vectorization akan berjalan. 


9.  Hasil vectorization ditampilkan di ArcMap, biasanya ada kenampakan tambahan yang ikut tervektorisasi, lakukan editing lebih lanjut untuk menghapus features yang tidak diinginkan. 




Semoga Bermanfaat. 



Friday, September 6, 2013

Download data OSM Menggunakan Hot Exports

melanjutkan postingan sebelumnya tentang download OSM data di sini ,

ada cara lain yang lebih interaktif untuk mengunduh data OSM, yaitu menggunakan situs Hot Export OSM.

dengan hot export, download data dapat lebih mudah karena kita bisa memilih area yang akan di-download, sehingga ukuran file yang didownload dapat menjadi lebih kecil.

Cara pengunduhan sebagai berikut :

1. Buka situs Hot Export OSM (export.hotosm.org), kemudian bikin akun baru.

2. Setelah akun terkonfirmasi, kembali ke halaman utama, login,  lalu klik new job .



3. Muncul menu New Export Job, zoom ke wilayah yang akan didownload, kemudian klik Select Area, kemudian buat kotak Area of interest di Peta. Kemudian Klik Save.


4. Muncul Menu Export Configuration, pilih salah satu dari preset file yang ada, misalnya buildings.xml, lalu klik Save.



5.  Muncul Jendela baru yang menyebutkan bahwa Job has been created. Tunggu beberapa saat, situs akan menyiapkan data untuk didownload, bila dirasa terlalu lama dan belum muncul, klik tombol start new run.


6. Link download data sudah siap, klik format yang diinginkan, misalnya esri shapefile. Data akan diunduh dalam format ZIP, untuk menggunakan tinggal di extract menggunakan winzip, winrar, atau 7zip yang freeware.


7. Data hasil download ditampilkan di ArcGIS




UPDATE!!!!!!! 4 Mei 2014


Selain Hot Export, anda bisa juga menggunakan WeoGeo Market untuk mengunduh data OSM. Caranya hampir mirip dengan hotexport, hanya link download dikirim lewat email.





Sunday, June 23, 2013

Tentang TileServer dan MBTiles

Postingan blog menarik dari teman saya, tentang penggunaan tileserver dan mbtiles untuk membuat tiled webmap yang tentunya lebih baik dari webmap dynamic.

Check it

http://marhensa.blogspot.com/2013/06/tileserverphp-mbtiles-sebagai-solusi.html

Thursday, June 20, 2013

Instalasi SEXTANTE Frameworks di ArcGIS 10

SEXTANTE adalah kumpulan geoprocessing tool/framework yang dikembangkan untuk menambah fungsi analisis dalam Quantum GIS. Framework ini terdiri dari berbagai tools baik untuk raster maupun vector analysis.

Selain di QGIS framework ini juga tersedia untuk software lain seperti GRASS dan SAGA, termasuk juga ArcGIS (implementasi dalam bentuk geoprocessing toolbox). Implementasi SEXTANTE dalam ArcGIS tentunya dapat menambah fungsionalitas ArcGIS selain dari tools yang sudah ada, walaupun sebenarnya beberapa fungsionalitas dari SEXTANTE sudah tersedia di Geoprocessing tools native ArcGIS sendiri.

Instalasi SEXTANTE di ArcGIS adalah sebagai berikut :

1. Download SEXTANTE installer dari http://www.unex.es/eweb/sextantegis/sextante_arcgis.zip atau disini.

2. Unpack ZIP ke folder C:\Program Files (x86)\ArcGIS\Desktop10.0\java\lib\ext

3. Install ArcGIS Java SDK dari DVD ArcGIS 10 






3. Jalankan program JavaConfigTool di C:\Program Files (x86)\ArcGIS\Desktop10.0\bin . Jalankan sebagai administrator dengan cara klik kanan file exe, lalu run as adminstrator. 




4. Dari JavaConfigTool , centang pilihan enable java interoperability logging dan create console window for arcgis application (arcmap/arccatalog) 





5. Setelah ini, setiap anda menjalankan arcgis akan muncul jendela DOS, minimize saja. Selanjutnya buka ArcMap, aktifkan ArcToolbox, klik add new toolbox,  kemudian cari SEXTANTE toolbox dengan lokasi di  langkah nomor 2. Save settings kalau perlu. 

6. Jangan lupa menDisable Background Processing di Geoprocessing options 

7. Berikut ini contoh sebagian tools dari SEXTANTE 





Note : cara ini belum bisa dilakukan di ArcGIS 10.1




Monday, May 6, 2013

Pan Sharpening untuk membuat Hillshade Tinting yang lebih baik

Salah satu pembuatan hillshade tinting yang lazim digunakan orang adalah menggunakan layer transparency, sebenarnya masih banyak cara lain yang bisa menghasilkan hillshade tinting yang lebih baik (lebih nge-blend), diantaranya adalah penggunaan transformasi IHS maupun Color Overlay (seperti di photoshop). Teknik pansharpening juga bisa digunakan untuk menghasilkan hillshade yang baik.

Seperti gambar di bawah misalnya, berikut ini hasil hillshade tinting menggunakan transparansi



Dan ini menggunakan Pan Sharpening


Mana yang lebih baik ? :D , anda penasaran? silahkan coba sendiri mengikuti Link Ini

Sunday, April 21, 2013

Gap Fill Citra Landsat ETM SLC OFF

Citra landsat 7 ETM+ mengalami kerusakan Scan Line Corrector pada tahun 2003 yang menyebabkan hasil perekaman citranya tidak sempurna (Striping). Berbagai metode telah dikembangkan untuk memperbaiki kesalahan ini, seperti mulai dari interpolasi piksel tetangga, pengisian data dari perekaman tanggal yang lain dan teknik lainnya. Namun hasil yang diperoleh tidak selalu baik, mengingat karakteristik radiometrik tiap waktu perekaman biasanya berbeda (sistem penginderaan jauh tidak ideal).

Pengisian gap pada dasarnya dapat dilakukan di software apapun yang sudah mendukung map algebra fungsi conditional (IF THEN ELSE) atau mosaicking (contoh cara pengisian gap dengan metode mosaik di ENVI dapat dilihat di link INI), namun demikian ada beberapa tools otomatis yang dikembangkan untuk mempermudah proses gap filling.

Sejauh yang berhasil saya telusuri, tools yang telah dikembangkan untuk melakukan koreksi gap fill antara lain, yang pertama adalah Software Landsat Gapfill yang dikembangkan USGS. Software ini dikembangkan menggunakan bahasa pemrograman IDL yang digunakan oleh software ENVI. Tutorial pengoperasian software ini dapat dilihat dari link INI.

Cara kedua mengunakan software ArcGIS. Terdapat sebuah toolbox Landsat Gap Fill yang telah beredar di internet, Cara penggunannya seperti tool geoprocessing yang lain di ArcGIS, masukkan input, tentukan parameter yang diinginkan, kemudian tentukan output.

Cara ketiga adalah menggunakan ekstensi Gap Fill correction di ENVI. Keterangan lebih lengkap dari plugin ini dapat dilihat di link INI. Tools ini menurut saya merupakan tools terbaik, karena mendukung tiga cara gap fill, yaitu 1. Interpolasi piksel tetangga. 2 Gap fill dari citra lain dengan tambahan proses histogram matching mode global, dan 3 Gap fill dari citra lain dengan tambahan proses histogram matching mode local.

Pada dasarnya untuk hasil gap fill terbaik yang paling penting adalah bukan tools yang dipakai, namun kesesuaian karakteristik radiometrik antara citra pengisi dan yang akan diisi. Beberapa tools menyediakan fungsi histogram matching (global/local), namun untuk hasil terbaik tetap sebisa mungkin karakteristik radiometrik dipilih yang relatif mirip.

Ketiga tools yang saya sebutkan di atas dapat diunduh dari link INI. Untuk arcgis toolbox di file berekstensi tbx dan ENVI extension berekstensi SAV.

Note : untuk instalasi ekstensi Landsat Gap Fill di ENVI versi 5.0 ke atas, caranya
1.  Copy file SAV ke folder C:\Program Files\Exelis\ENVI50\classic\save_add .
2.  Buka file ENVI.CFG di C:\Program Files\Exelis\ENVI50\classic\menu menggunakan notepad.
3.  Masukkan alamat direktori C:\Program Files\Exelis\ENVI50\classic\save_add di parameter default save_add directory

Thursday, March 7, 2013

Data Batimetri Resolusi Menengah GEBCO (1 km)

The General Bathymetric Chart of the Oceans (GEBCO) bathymetry data merupakan salah satu jenis data batimetri global yang dikembangkan oleh GEBCO. Data batimetri ini merupakan salah satu data batimetri dengan resolusi terbaik (30 arc second, atau 1 kilometer di ekuator) yang tersedia secara bebas unduh untuk seluruh samudera dan lautan di bumi. Data batimetri GEBCO didistribusikan dalam format netCDF dan mrSID. Walaupun format netCDF sudah didukung oleh software komersial seperti ArcGIS dan lain - lain. Proses importnya biasanya tidak mudah karena harus memasukkan header data secara manual. Agar dapat diimport dengan mudah, kita memerlukan software NetCDF yang dikembangkan oleh GEBCO sendiri, yang dapat diunduh di sini

Software GMT GEBCO tidak dapat langsung dieksekusi jika tidak ada data batimetri GEBCO global yang diletakkan di folder yang sama dengan folder aplikasi, oleh karena itu data batimetri GEBCO harus diunduh dulu dari link ini. Anda harus melakukan registrasi akun agar dapat mengunduh data dan software yang diperlukan. Untuk data resolusi 1 km ukurannya bisa mencapai 1 GB dan servernya tidak mendukung resume download, oleh karena itu pastikan koneksi anda memenuhi syarat untuk mendownload data tersebut. 

Setelah data didownload, masukkan ke dalam folder aplikasi GMT GEBCO, kemudian eksekusi GridViewer.exe. Software akan meminta bagian wilayah mana yang akan ditampilkan, pilih menggunakan map search seperti ditunjukkan pada gambar di bawah.


Lalu software akan memunculkan Peta batimetri global, Zoom ke area yang anda kehendaki. lalu klik OK. 


Setelah itu Software akan menampilkan data yang dikehendaki, seperti gambar dibawah.


Agar data batimetri format netCDF ini dapat dibuka di ArcGIS, kita harus mengeksportnya ke dalam format ASCII Grid (ASC), dari menu utama Grid Viewer klik File>Export>Grid Data, lalu pilih ASCII ESRI Format. 

 

Hasil konversi adalah file dengan ekstensi ASC. Data ASC ini dapat dibuka langsung di ArcGIS atau bisa diimport dulu (agar proyeksinya bisa ditransformasi nantinya) menggunakan ArcToolbox>Conversion Tools>To Raster>ASCII to Raster. Kemudian tentukan lokasi keluaran beserta formatnya (img atau tiff). lalu pilih pixel typenya (bisa integer,bisa float).