Saturday, December 30, 2017

stream / river extraction from DEM using ArcGIS

Hello, this is the second part of my gis hydrology video tutorial at youtube. This time I am going to show you how to extract stream or river network from a DEM in ArcGIS, check it out





 

Wednesday, December 27, 2017

watershed / river basin / catchment extraction in ArcGIS

Hello, this is my newest published tutorial at youtube. In this tutorial I will show you how to delineate watershed, catchment or river basin from a DEM using ArcGIS Software.



thanks for watching and subscribe me at youtube to get notified about future tutorial.



Saturday, December 9, 2017

Perbedaan SRTM C-Band DEM dan SRTM X-Band DEM

Saya tidak tahu apakah sudah banyak orang yang mengetahui apa tidak, tapi saya baru tahu belakangan ini bahwa DEM dari data SRTM itu ada dua versi. Bukan dua versi resolusi spasial (30 meter dan 90 meter) yang saya maksud, tetapi dari dua sensor SAR yang berbeda.

Sebagaimana yang kita ketahui, SRTM adalah misi pemetaan topografi global menggunakan two pass interferometry along track menggunakan wahana pesawat ulang alik yang dipasangi sensor Radar SAR. Misi ini dilaksanakan tahun 2000 dan menghasilkan data DEM dengan resolusi 90 meter dan 30 meter untuk seluruh dunia (kecuali daerah dekat lintang tinggi).

Misi SRTM dilaksanakan setelah misi pendahuluan sukses dilaksanakan tahun 1994 (misi SIR-C/X-SAR). Hanya misi tahun 1994 tidak dilaksanakan dalam konfigurasi interferometri, sehingga tidak dapat menghasilkan data DEM.

Nah misi SRTM tahun 2000 menggunakan sensor dan wahana yang sama dengan misi tahun 1994, sehingga dalam misi ini terdapat dua sensor SAR, satu sensor beroperasi di C-Band dengan panjang gelombang 5,3 cm, dan satu sensor beroperasi pada X-Band dengan panjang gelombang 3 cm. Dan dari dua sensor yang berbeda tersebut, keduanya dapat diproses secara interferometris untuk menghasilkan DEM.

Pengolahan data DEM dari Sensor SIR-C (C-Band) menjadi tanggung jawab NASA JPL dan datanya didistribusikan melalui USGS dan JPL (DEM SRTM yang umum kita pakai sekarang ini)

Sementara pengolahan dan distribusi DEM dari Sensor X-SAR menjadi tanggung jawab LAPAN-nya Jerman yaitu, DLR

Keduanya diproses pada resolusi yang sama, yaitu 30 meter.

Nah, karena menggunakan sensor yang berbeda panjang gelombangnya, maka hasil DEM-nya pasti sedikit lain. X-band panjang gelombangnya lebih pendek, sehingga kemampuan menembus vegetasi lebih rendah daripada C-Band. Dengan demikian, maka DEM dari X-band lebih peka dengan elevasi penutup lahan (DSM = digital surface model) daripada DEM dari C-Band. Saya sudah mencoba untuk melihat perbedaan antara keduanya yang saya lampirkan di gambar di bawah ini.

Secara visual, perbedaannya cukup terlihat dimana DEM dari X-Band lebih DSM dari pada DEM dari C-Band.

Dan apabila terdapat satelit SAR yang beroperasi di P-Band, maka data DTM global akan dapat dikembangkan pada resolusi tinggi, karena P-Band dapat menembus kanopi vegetasi. Selain itu adanya P-Band SAR melalui wahana satelit juga akan membantu dalam perhitungan stok karbon dan biomassa secara global. Kita tunggu saja.

Btw,
Data DEM SRTM C-Band dapat diunduh di USGS EarthExplorer
Data DEM SRTM X-Band dapat diunduh di DLR EOWEB

Semoga dapat menambah pengetahuan (bagi yang belum tahu),

Cheers.

Sunday, November 26, 2017

DEM Interferometri Menggunakan ALOS PALSAR Data

Setelah minggu lalu mencoba interferometri dengan Sentinel 1 dan ESA SNAP, minggu ini saya mencoba kembali percobaan interferometri untuk memperoleh DEM, tetapi menggunakan data ALOS PALSAR dan ENVI SARSCAPE. Percobaan saya lakukan dua kali, pertama menggunakan pasangan data ALOS PALSAR Level 1.1 FBS (Fine Beam Single) SLC, dan percobaan kedua menggunakan ALOS PALSAR Level 1.0 FBD (Fine Beam Double) RAW. Untuk pasangan data pertama selisih temporalnya cukup panjang, hampir 10 bulan, sementara untuk percobaan kedua selisih temporalnya lebih singkat, hanya 46 hari.

Tahapan pemrosesan yang dilakukan di Percobaan pertama meliputi:
1. Data Import (Sarscape>Import Data>SAR Spaceborne>ALOS PALSAR)
2. Simulated Orbit Correction menggunakan DEM(Sarscape>General Tools>Orbit Correction>automatic Orbit Correction). DEM yang dipakai adalah SRTM90
3. Interferogram Generation (Sarscape>interferometry>Phase Processing>Interferometry Workflow>Interferogram Generation)
4. Refinement dan Reflattening menggunakan 7 GCP (Sarscpae>Interferometry>Phase Processing>Interferometry Workflow>Refinement and Reflattening)
5. Phase to Height Conversion and Geocoding (Sarscape>interferometry>phase Processing>inferferometry Workflow>Phase to Height Conversion and Geocoding).

Orbit correction dilakukan karena data PALSAR Level 1.1 sudah tidak memiliki informasi orbit precise, jadi harus disimulasikan parameternya.

Hasil yang diperoleh DEM nya cukup bagus, hanya terdapat artifacts




Saya tidak tahu dari mana artifact ini muncul. Dugaan saya adalah karena orbit parameternya adalah hasil simulasi. Bukan data orbit precise asli dari satelit.

Kemudian percobaan kedua saya lakukan menggunakan data RAW Level 1.0 dengan temporal resolution yang lebih singkat. Saya mendapat informasi bahwa data orbit precise PALSAR tersimpan di metadata dari data Level 1.0, jadi menarik untuk dicoba.

Proses yang dilakukan untuk data level 1.0 sebagai berikut:

1. Focusing (Sarscape > Focusing > PALSAR > JAXA Palsar Single Pol), dengan polarisasi yang dipilih adalah HH, karena backscatternya lebih konsisten (koherensi lebih bagus).
2. Interferogram Generation (Sarscape>interferometry>Phase Processing>Interferometry Workflow>Interferogram Generation)
3. Refinement dan Reflattening menggunakan 7 GCP (Sarscpae>Interferometry>Phase Processing>Interferometry Workflow>Refinement and Reflattening)
4. Phase to Height Conversion and Geocoding (Sarscape>interferometry>phase Processing>inferferometry Workflow>Phase to Height Conversion and Geocoding). DEM yang dipakai adalah SRTM90.

Hasil yang diperoleh lebih baik (dari sisi artifacts yang muncul) dari percobaan pertama, hanya artifactnya masih ada, kali ini di sisi atas.


Minor artifact  pada percobaan kedua (mungkin) disebabkan oleh koherensi yang rendah antara dua pasangan citra.
Secara kualitas hasil, DEM pada percobaan pertama lebih baik dari percobaan kedua, walaupun perbedaan temporalnya lebih panjang. Hal ini dikarenakan perpendicular baselinenya lebih jauh, sehingga lebih sensitif dengan perbedaan elevasi.

Jadi. Kesimpulan sementara, Orbit file berpengaruh dan harus dipertimbangkan dalam interferometri. Untuk pengolahan PALSAR di Sarscape, lebih baik dimulai dari data RAW daripada data SLC. Selain itu, balancing antara temporal differences dan perpendicular baseline juga harus dipertimbangkan

Data ALOS Palsar dapat diunduh cuma cuma di ASF VERTEX.

3D Raster buffering in ArcGIS

Sunday, November 19, 2017

DEM Interferometri Menggunakan Sentinel 1 SAR Data (Eksperimen)

Sudah lama sekali saya tidak memperbarui blog ini dengan sebuah tulisan, dan kali ini ada sebuah momen yang saya rasa penting untuk saya tulis. Selain untuk arsip dari apa – apa yang telah saya pelajari, barangkali bisa bermanfaat juga untuk anda pembaca.

Tulisan ini bermula dari ketertarikan saya mengikuti kurus penginderaan jauh radar/gelombang mikro yang diadakan oleh ESA (European Space Agency) dalam format online dengan judul ECHOES IN SPACE. Kursus ini gratis dan dapat diikuti siapa saja yang telah memiliki basic pengetahuan penginderaan jauh (cek link INI untuk berpartisipasi).

Dari kursus ECHOES IN SPACE, pengetahuan penginderaan jauh system radar/SAR saya jauh meningkat, terutama tentang konsep – konsep teoritisnya, dan hubungannya dengan aplikasi praktisnya. Selama ini memang saya lebih banyak berkutat di penginderaan jauh system optik, dan jarang berkutat di Gelombang Mikro. Meskipun beberapa praktek teknis Radar seperti pembuatan komposit multipolarisasi, geocoding, terrain correction, bahkan interferometry sudah pernah saya pelajari, tetapi tanpa pengetahuan teoritis yang cukup, sehingga comprehensive view-nya tidak saya dapat.

Dalam tulisan ini, saya hanya akan merangkum sedikit pembelajaran tentang interferometri untuk pembuatan DEM sebagai follow up dari kursus tersebut. Bagi anda yang ingin belajar tentang interferometri, setidaknya anda harus paham bagaimana system SAR bekerja, apa itu phase, apa itu koherensi/korelasi dan inkoherensi/dekorelasi. Dan apa itu perpendicular baseline.

Interferometri untuk pembuatan DEM yang baik memerlukan interferogram dengan koherensi antar pasangan citra SAR yang baik (nilai di atas 0,5). Koherensi yang tinggi berarti factor penutup lahan tidak berpengaruh terhadap hamburan balik (backscatter) sinyal RADAR (baik amplitude maupun phasenya). Yang berpengaruh hanya medan (terrain) dan dinamikanya (misalnya deformasi, longsor, dll). Koherensi sebesar ini hanya akan didapat dari citra dengan resolusi temporal sesingkat mungkin. Perbedaan lebih dari tiga hari antar pasangan citra akan terpengaruh oleh dinamika penutup lahan dan pada akhirnya akan merubah karakteristik fase dari backscatter.

Oleh karena itu, tidak heran apabila dari berbagai satelit SAR yang pernah diluncurkan, tidak banyak yang memenuhi syarat untuk digunakan dalam interferogrametri DEM. Contoh yang sukses dan mencapai tahap operasional dalam ekstraksi DEM hanya misi SRTM (airborne SAR dengan dua antenna melalui konfigurasi along track interferometry) dan konstelasi TERRASAR-X dan TANDEM-X (spaceborne SAR dengan dua wahana melalui konfigurasi across track interferometry). Kedua misi tersebut memiliki resolusi temporal yang baik sehingga koherensi maksimal bisa didapat.

Selain itu, interferometry juga tidak bisa diaplikasikan pada pasangan citra dari mode perekaman yang berbeda (ascending dan descending pass). Hal ini dikarenakan pada mode ascending dan descending efek layover/shadow/foreshortening antar citra memiliki arah yang berbeda,sehingga tidak dapat dikoherensikan.

Kata – kata diatas dapat saya rangkum setelah saya melakukan eksperimen interferometry menggunakan data SAR Sentinel 1 Interferometric Wide Mode dengan level pemrosesan SLC (single look complex) data. Software yang digunakan adalah ESA SNAP dan SNAPHU yang paling umum digunakan untuk interferometry berbasis perangkat lunak open source. Data SLC Sentinel 1 saya dapat dari aplikasi VERTEX milik Alaska Satellite Facility. Saya memilih layanan VerteX karena layanan ini menyediakan baseline tool untuk melakukan cek baseline sebelum data diunduh. Jadi saya bisa mencari pasangan data SAR dengan resolusi temporal sesingkat mungkin, dengan perpendicular baseline sependek mungkin.



Tahapan proses interferometry untuk pembuatan DEM dalam ESA SNAP yang saya lakukan adalah seperti gambar di bawah ini.


Proses diawali dengan pemilihan area yang akan diproses. Dalam hal ini kita tidak bisa menggunakan tool subset karena akan menghilangkan informasi – informasi pendukung untuk interferometri. Yang kita gunakan adalah perintah S1 TOPS SPLIT, dimana disini kita bisa memilih Sub swath dan Burst yang meliput wilayah yang akan dikaji. Selain itu kita juga bisa memisahkan polarisasi, karena untuk interferogrametri hanya satu polarisasi yang dipakai (Untuk SENTINEL yang dipakai adalah VV).

Langkah berikutnya adalah APPLY ORBIT FILE, untuk memperoleh informasi geometry satelit yang digunakan dalam perhitungan interferogram. ESA SNAP hanya mendukung ORBIT untuk satelit yang mereka luncurkan seperti ERS, ENvISAT dan Sentinel, oleh karena itu untuk satelit lain seperti PALSAR, RADARSAT, JERS, langkah ini agak tricky di SNAP.

Proses berikutnya adalah BACK GEOCODING untuk meregistrasikan pasangan citra dalam kerangka orbit yang sama. Proses dilanjutkan dengan INTERFEROGRAM FORMATION untuk memperoleh interferogram dari pasangan citra. Selain interferogram, proses ini juga akan memberikan output citra koherensi untuk memperoleh informasi sebaran koherensi dalam liputan citra.
Next step adalah DEBURST. DEBURST dilakukan karena perekaman Sentinel 1 series menggunakan sistem subswath dan burst, sehingga menyebabkan adanya gap antar burst yang harus dikoreksi sebelum proses interferometri dilanjutkan.

Tahap berikutnya adalah PHASE FILTERING menggunakan GOLDSTEIN FILTERING. Tahap ini dilakukan untuk mengurangi fringe/artifak dan noise dari interferogram yang disebabkan oleh gangguan atmosfer maupun inkoherensi fase.

Hasil dari PHASE FILTERING kemudian dieksport ke format ENVI untuk diolah menggunakan software SNAPHU untuk melalukan PHASE UNWRAPPING. Hasil PHASE UNWRAPPING kemudian diimport kembali ke SNAP untuk diintegrasikan dengan data lain. Hasil UNWRAPPING kemudian dapat dikonversikan menjadi DEM melalui operasi PHASE TO HEIGHT atau PHASE TO ELEVATION.

Eksperimen saya lakukan dua kali. Yang pertama menggunakan pasangan data SENTINEL 1A IW SLC dengan selisih waktu 26 hari, dan yang kedua kombinasi pasangan data SENTINEL  1A IW SLC dan SENTINEL 1B IW SLC dengan selisih waktu perekaman 5 hari. Hasil eksperimen yang pertama sangat jelek karena koherensinya rendah. Sementara hasil eksperimen kedua sudah mulai menunjukkan hasil yang lumayan karena koherensi meningkat sebagai efek dari peningkatan resolusi temporal. Hanya hasilnya tetap saja jelek (tapi lumayan daripada eksperimen pertama). Koherensi yang jelek terutama pada area penutup lahan vegetasi lebat dan lahan pertanian yang cepat berubah karakteristik backscatternya sebagai akibat volume scattering. Backscatter yang konsisten ditemui terutama pada penutup lahan tanah terbuka dengan karakteristik specular scattering yang konsisten dan penutup lahan terbangun dengan karakteristik multiple bounce scattering.





Final Words : waiting Sentinel 1C dan 1D diluncurkan dan eksperimen akan dilanjutkan. TerraSAR X dan Tandem X mihil dan susah didapat. :D

Thursday, August 10, 2017

LAPAN IPB Remote Sensing Satellite (LAPAN A3/LISAT) Now is available to download

I have got information that I already verify by my self that my country newest remote sensing micro satellite LAPAN A3/LISAT data has been published.

You can get the data by ordering to this site : http://lisat.ipb.ac.id/order/ . Be sure you give the correct information in order to helping the operator to evaluate their product. You will be given an FTP URL accompanied with ID and Password via email you provided. All for free use.

LISAT carries two sensors which are MSI (multispectral scanner), a medium resolution multispectral (4 band) imager working on visible blue spectrum to near infrared spectrum at 19 meter resolution and100 km swath width, and DSC (digital space camera), a panchromatic camera at 5 meter resolution and 10 km swath width.

Right now, only the MSI data which available in the FTP. I hope they also provide the DSC data at the near future.

All other information related to LISAT can you get by reading LISAT baseline information available at https://directory.eoportal.org/web/eoportal/satellite-missions/l/lapan-a3

This is a milestone for us in Indonesia, slowly we will become player in global remote sensing operation.

And the mission is not stopping here. LAPAN already planned to launch another experimental LAPAN A4 satellite sometimes at 2019, boarding a better sensor than the predecessors, and a first SAR satellite LAPAN A5 at 2020. Full operational satellite LAPAN B1 (optics) and LAPAN B2 (SAR) will be launched afterwards (2021 to 2024).

Here is a quicklook of one scene that I already downloaded from the FTP.


Friday, April 28, 2017

Tutorial Singkat Drone/UAV Untuk Pemetaan Menggunakan Agisoft Photoscan: Bagian Pertama / Tingkat Dasar

Karena download count tutorial sederhana yang saya buat di Slideshare jumlahnya lumayan, saya memutuskan untuk mempublishnya juga di Gplay Book dengan harga sekian rupiah, monggo yang berminat untuk membeli, jangan pikirkan nominal yang anda buang, tapi pikirkan nominal yang anda bisa dapat jika anda menguasai teknik-tekniknya. hihihi
dan saya tidak pernah ingin menjadi kapitalis murni, tutorial ini masih anda bisa dapatkan secara gratis di slideshare.net

Here is the Link to GPlay Book

https://play.google.com/store/books/details?id=DQrADgAAQBAJ

Saturday, April 1, 2017

How to Convert JERS-1 OPS Imagery from CEOS format to GeoTIFF or KMZ

How to Convert JERS-1 OPS Data in CEOS format to GeoTiff or KMZ in order to use it in Current GIS/Remote Sensing Software