resume presentasi pengolahan citra digital erga nurawali

Jangka panjang rekaman data satelituntuk memantau tutupan lahan

Pengetahuan dan penelitian di masa yang akan datang

1. Skala ketergantungan adalah menjadi isu penting dalam pengambilan parameter biofisik sperti LAI di berbagai sensor

2. perbedaan antara pengukuran di lapangan dan satelit

3. global LAI data set akan memberikan data yang signifikan untuk model iklim yang berbeda untuk menyelidiki respon ekosistem untuk perubahan iklim.

Metode klasifikasi dan Metode Tradisional Tanah Sampul Pemetaan

OPERASI SIMPUL

•Operasi Nodes selama Learning

     Node menerima input dan mengukur statistic node tersebut.

•Operasi Tata Ruang Pooler selama Learning

     1. Selama tahap belajar itu quantizes pola masukan     dan menghafal pusat kuantisasi.

      2. Setelah pusat kuantisasi ini dipelajari, menghasilkan output dalam hal pusat-pusat kuantisasi ini selama tahap inferensi (George dan Jaros, 2007).

•Operasi Temporal Pooler selama Learning

     Tujuan dari pooler temporal untuk membuat grup yang koheren sementara dari urutan pola spasial.

•Pelatihan Jaringan

     Untuk membuat klasifikasi, menggunakan mapper diawasi yang menggantikan pooler sementara di tingkat tertinggi dari jaringan HTM. Untuk setiap pola input pelatihan, mapper diawasi menerima dua input selama pembelajaran: dari pooler spasial dan kategori vektor input dari sensor kategori.

•Operasi Nodes selama Inference

       Setelah pelatihan node, dapat beralih ke modus inferensi. Selama inferensi, tingkat sudah memiliki model dunia (disimpan di kelenjar pooler spasial dan temporal). Ketika tingkat menerima masukan dari anak-anak, ia menggunakan model internal dari dunia untuk menciptakan output untuk mengirim ke induknya (s).

•Selama Inference

       Ketiga algoritma pooler spasial, Gaussian, dot, dan produk, kerja yang berbeda selama tahap kesimpulan, tetapi mereka semua mengkonversi vektor masukan ke dalam vektor keyakinan atas kebetulan.

•Operasi Temporal Pooler selama Inference

       Selama inferensi, yang pooler sementara menerima vektor keyakinan atas kebetulan dari pooler spasial.

•Operasi Top Node selama Inference

        Selama inferensi dari node atas, yang pooler spasial bekerja seperti dijelaskan di atas. Mapper diawasi menerima vektor keyakinan atas kebetulan dari pooler spasial dan kategori dari sensor kategori.

kesimpulan 

Pemilah berorientasi objek outruns metode berbasis pixel sangat. Ini menghasilkan akurasi keseluruhan 89,33%, sedangkan akurasi keseluruhan untuk metode klasifikasi terbimbing hanya 70,89%. Variasi antara akurasi dari kelas yang berbeda secara signifikan dipersempit dalam klasifikasi berorientasi objek. Secara khusus, pendekatan berorientasi objek menunjukkan kinerja yang unggul dalam mengklasifikasikan daerah built-up. Konsep objek memungkinkan penggunaan berbagai fitur, membuat penuh penggunaan informasi gambar resolusi tinggi. Di luar informasi murni spektral, objek gambar berisi atribut tambahan yang dapat digunakan untuk klasifikasi. Dengan parameter yang berbeda, pendekatan multiscale menawarkan kemungkinan dengan mudah beradaptasi resolusi objek gambar dengan persyaratan tertentu, data, dan tugas. Selain itu, klasifikasi HTM menganggap hubungan spasial dan temporal antara fitur dari sinyal sensorik, yang terbentuk dalam arsitektur memori hirarkis selama proses pembelajaran, dengan demikian meningkatkan hasil yang diperoleh oleh klasifikasi terbimbing.

GlobCover dan GlobCorine
Pengalaman Tahun 2005 dan 2009

GlobCover 2005 proyek bertujuan untuk mengembangkan dan mendemonstrasikan layanan tutupan lahan global yang mampu menghasilkan peta tutupan lahan global yang didasarkan pada 300-m waktu MERIS series untuk tahun 2005 dengan menggunakan MERIS time series.

Studi GlobCorine berusaha untuk mengatasi masalah European Environment Agency (EEA) ini dengan membuat penuh penggunaan time series Medium Resolution imaging Spectrometer (MERIS) melalui layanan pemetaan tanah-cover didedikasikan untuk benua Eropa dan berdasarkan temuan GlobCover. 

Membangun Kedudukan, Legitimasi, dan Kredibilitas terhadap Operasional Global dan Pengamatan Tutupan Lahan Regional dan penilaian dalam Konteks Proses dan Pengamatan Internasional Essential Climate Varibles (ECV)

Pengamatan tutupan lahan di bumi sangat penting untuk memahami iklim mengubah dan dampaknya, untuk pembangunan berkelanjutan.

Rencana pelaksanaan pengamatan tutupan lahan diadopsi dari Group on Earth Observation (GEO) yang menyoroti pentingnya tutupan lahan untuk semua bidang sosial. Tujuannya adalah untuk memastikan interaksi dan dukungan teknis untuk proses politik, seperti GEO dan PBB, dengan melakukan observasi dan penilaian kebutuhan lahan di bumi.

Tujuan tambahan adalah untuk membangun kredibilitas teknis, dan itu ada dua. Komponen pertama berfokus pada area membangun konsensus internasional mengenai pedoman teknis pelaksanaan.

Komponen kedua berfokus pada pelaksanaan kegiatan dan studi teknis lebih lanjut untuk mengatasi sisa isu-isu kritis dalam rangka mendukung pengembangan standar internasional. 

PERSYARATAN MONITORING TUTUPAN LAHAN ECV

Untuk mengamati tutupan lahan dengan konsep ECV, beberapa daerah memerlukan persyaratan:

1.Dapat mengatasi kebutuhan UNFCCC

2.Memiliki kebutuhan spesifikasi produk yang akan didorong oleh masyarakat

3.Memiliki kebutuhan implementasi untuk fokus pada sistem yang  global, termasuk:

•pengamatan terkoordinasi

•terintegrasi pada pemetaan standar

•penilaian kualitas yang independen

Setiap upaya pemantauan dengan konsep ECV harus memastikan kedudukan dan legitimasi selain kredibilitas teknis. Mekanisme koordinasi internasional di antara aktor-aktor kunci di seluruh dunia (pengguna, produsen, ilmu pengetahuan, regional / ahli nasional) adalah penting untuk memastikan bahwa produk tutupan lahan yang diterima secara internasional dan oleh UNFCCC. 

kesimpulan 

Temuan menyoroti bahwa:

•Adanya kebutuhan untuk kestabilan data tutupan lahan dan komponen dinamis dalam bentuk seri waktu dan perubahan tutupan lahan

•Konsistensi antara parameter model yang sering berbeda  lebih penting daripada ketepatan set data individual

•Memberikan informasi tentang alam dibandingkan vegetasi antropogenik dan melacak aktivitas manusia

•Produk tutupan lahan harus dapat melayani skala yang berbeda dan tujuan dari segi resolusi spasial dan temporal

•Pentingnya relatif akurasi kelas yang bervariasi tergantung pada parameter permukaan yang diperkirakan

•Persyaratan untuk resolusi temporal mengacu intraannual dan dinamika bulanan tutupan lahan, termasuk penginderaan jarak jauh

•Lebih dari 90% dari pengguna tutupan lahan umum menemukan LCC (Herold dan Johns, 2007) cocok untuk karakterisasi tematik, dan pendekatan ini juga cukup kompatibel

•Kualitas produk tutupan lahan harus transparan dengan menggunakan bendera kualitas dan kontrol yang mencakup informasi mengenai probabilitas untuk kelas tutupan lahan

Pengklasifikasian Gambar

Klasifikasi gambar digital merupakan proses mengelompokkan kelas piksel dalam pita spectrum yang berbeda-beda dan menggambarkan identitas.

Klasifikasi Citra adalah bagian penting dari bidang penginderaan jauh meliputi analisis gambar dan pengenalan pola yang ada. Program khususnya mempunyai istilah longer classifier.

Langkah-langkah seleksi pengevaluasian data

•Merakit informasi dari peta dan foto wilayah

•Melakukan studi lapangan

•Memilih rancangan hasil pegamatan

•Mengidentifikasi data histogram  yang ada

•Mengurutkan data spektrum dan mengklasifikasikannya

Landsat MSS 5 dan 7 dipilih dari set data yang lebih besar untuk memberikan contoh yang ringkas, mudah diilustrasikan. Dalam prakteknya, band empat atau lebih dapat digunakan.

Data perkotaan dan Pembangunan Energi 

Modeling A GIS, Berbasis Bangunan Perkotaan 

Pemodelan Sistem Energi Menggunakan 

Engine URBAN-EPC

EPC merupakan implementasi ISO 13790: 2008 standar, yang menjabarkan resep perhitungan normatif 

memperkirakan kinerja energi bangunan menggunakan dasar fisika berbasis persamaan yang melibatkan 

seperangkat relatif kecil parameter dan pernyataan normatif tentang penggunaan skenario diasumsikan, 

sistem efisiensi, dll per jenis fungsional bangunan

Resep EPC didasarkan pada keseimbangan panas per jam dari seluruh bangunan menggunakan input 

seperti :

•dinding dan jendela daerah,

•shading koefisien koefisienfi,

•sifat material,

•Fungsional lantai

•kepadatan pencahayaan,

•produksi panas internal dari peralatan,

•beban steker,

•suhu set poin dan jadwal hunian

Metodologi sistem pemodelan menggabungkan tiga aspek:

1.pengaruh dari konteks perkotaan untuk membangun penggunaan energi;

2.peran data perkotaan dalam membangun simulasi energi; dan

3.integrasi pengolahan data dan simulasi energi sebagai satu sistem modeling.

4. Urban-EPC meningkatkan EPC untuk memperhitungkan ini pertama dua aspek; arsitektur 

perangkat lunak yang lebih besar maka koordinat Perkotaan-EPC untuk mewujudkan ketiga.

Struktur Sistem Modeling 

Sistem pemodelan yang dikembangkan dalam bab ini berisi empat model utama: Data Persiapan 

Model, Model Pre-Simulasi, Simulasi Model Utama dan Visualisasi dan Analisis Model. pemodelan 

sistem ini menggunakan data perkotaan dari berbagai sumber sebagai input, mengintegrasikan dan 

kembali mendefinisikan mereka ke dalam satu set baru data yang dibutuhkan oleh mesin pra 

simulasi, memberikan data yang dihasilkan untuk model simulasi utama, dan visualisasi dan 

analisis final hasil dengan lainnya Data perkotaan

kesimpulan 

Ada kekurangan dari metode pemodelan energi bangunan perkotaan-konteks-sadar di PSS 

meskipun fakta bahwa masalah bangunan ef energi fi siensi menerima perhatian yang lebih besar. 

Hal ini disebabkan ketidakmampuan membangun pemodelan energi untuk menjelaskan konteks 

perkotaan dan inkonsistensi antara data urban yang tersedia dan data bangunan yang diperlukan 

dalam alat pemodelan energi bangunan tradisional. Maka dengan menggunakan alat Urban-EPC 

harapannya dapat membantu mengatasi maslaah ini dengan metode pemodelan yang berbeda

SGSC : SMART GRID SMART CITY DI AUTRALIA

definisi 

•Informasi dan komunikasi teknologi dan sistem untuk mengelola generasi dengan cara yang lebih cerdas.

•Pengiriman, penyimpanan dan penggunaan akhir konsumsi listrik, untuk menghemat energi, 

 meminimalisir penggunaan listrik pada saat jam puncak, mengurangi risiko gangguan listrik dan 

 pemadaman, dan mengurangi emisi gas rumah kaca.

•Idealnya, dicapai dengan cara yang hemat biaya untuk industri dan bisnis, konsumen dan masyarakat secara keseluruhan.

kesimpulan

Konsep SGSC merupakan konsep masa depan untuk membangun Smart City dengan cara 

menghemat energi dengan adanya data dan informasi (database) yang lengkap 

Introduction to Remote Sensing

Semua benda memancarkan radiasi elektromagnetik. Objek juga memantulkan radiasi yang telah

dipancarkan oleh benda-benda lainnya

Analisis penginderaan jauh mengembangkan pengetahuan tentang karakter fitur seperti vegetasi, struktur, 

tanah, batu, atau badan air di permukaan bumi

Bentuk paling nyata radiasi elektromagnetik adalah cahaya tampak, yang membentuk hanya sebagian 

kecil (tapi sangat penting) dari spektrum elektromagnetik penuh

Elektromagnetic Spectrum

Energi elektromagnetik dihasilkan oleh beberapa mekanisme, termasuk perubahan dalam tingkat energi 

elektron, pembusukan substansi radioaktif, serta gerak termal atom dan molekul.

Matahari menghasilkan spektrum penuh radiasi elektromagnetik, yang sebagian radiasi ini mendekati 

Bumi, melewati atmosfer sebelum mencapai permukaan bumi kemudian sebagian yang terpantul ke atas 

dari permukaan bumi

MENDETEKSI PERUBAHAN TUTUPAN HUTAN 

DENGAN BANTUAN MESIN VEKTOR

Hutan adalah komponen penting dari permukaan bumi, yang mencakup sekitar 30% dari luas lahan. 

Perubahan tutupan hutan, khususnya akibat antropogenik, berdampak luas pada proses lingkungan kritis 

termasuk keseimbangan energi, siklus air, dan proses biogeokimia. Seperti Konversi hutan untuk 

pertanian, perkotaan, dan nonhutan. Dengan kemampuannya untuk memperoleh pengamatan berulang 

dari permukaan bumi, satelit  penginderaan jauh merupakan sumber data primer untuk memantau 

perubahan hutan.

Support Vector Machine (SVM) untuk perubahan pemetaan tutupan hutan. SVM adalah algoritma 

pembelajaran statistik dirancang untuk mencapai akurasi klasifikasi optimal melalui Structural Risk 

Minimization (SRM) (Vapnik, 1995). seperti desain memungkinkan SVM untuk menghasilkan hasil yang 

lebih akurat dibandingkan mesin lain algoritma yang biasa digunakan dalam klasifikasi citra penginderaan 

jarak jauh (Chan et al., 2001; Huang et al., 2002; Pal dan Mather, 2005).

Adapun jenis perubahan harus dipetakan dalam upaya pemetaan harus didefinisikan berdasarkan 

penggunaan dari produk perubahan dan kemampuan untuk memetakan jenis-jenis perubahan dengan 

menggunakan dataset satelit yang tersedia.

kesimpulan 

SVM adalah mesin algoritma canggih yang memiliki beberapa keunggulan dibandingkan mesin algoritma 

lainnya yang biasa digunakan dalam Pemetaan Perubahan Lahan.

Gambaran Dari Klasifikasi Tutupan Lahan dan 

Interopabilitasnya

pengertian lc dan pemetaan lc

LC dapat didefinisikan sebagai diamati (bio)-fisik penutup dari permukaan bumi. dapat digunakan sebagai 

referensi geografis misalnya untuk :

-Penggunaan Tanah

-Iklim dan,

-Kajian Ekologi

-Aktivitas LC-pemetaan dapat didefinisikan sebagai proses ekstraksi informasi yang diatur oleh prose 

 generalisasi. 

kelasifikasi vegetasi

Vegetasi adalah salah satu fitur utama dari hampir semua bagian dari permukaan bumi. Selain 

pemandangan Arktik dan Antartika dan gurun, sebagian besar permukaan terestrial luar konstruksi 

manusia ditutupi oleh vegetasi. Oleh karena itu, tidaklah mengherankan bahwa LC berasal langsung dari 

ilmu vegetasi, studi kategorisasi terutama struktural dan physiognomic.

Tanaman masyarakat dapat diklasifikasikan sesuai dengan berbagai kriteria yang berbeda, tergantung 

pada yang sifat mereka menekankan 

Isu-isu Semantik Di Land-cover Representasi 

Analisis,Analisis Dan Visualisasi

manusia perlu kategoris data untuk proses pengalaman, membentuk kenangan, menganalisis,  atau 

meringkas dan berkomunikasi pengetahuan . Alasan yang sama yang menyebabkan adanya  praktek 

umum mengukur dan menyimpan informasi Tutupan lahan sebagai kategori data.

kesimpulan 

penggunaan hubungan semantik metrik pada data Tutupan lahan menawarkan banyak kesempatan yang 

menarik untuk membangun metode kuantitatif yang ada untuk analisis Tutupan lahan dan pengembangan 

baru. Dalam penggunaan langkah-langkah hubungan semantik harus menyediakan peneliti dan organisasi 

dengan instrument halus untuk memahami Tutupan lahan dan analisis yang terkait.

Peta Tutupan Lahan Africa

Informasi tutupan lahan memberikan informasi penting untuk aplikasi ilmiah secara global dan 

kebijakan lingkungan regional. Informasi ini menunjukkan kondisi umum suatu lahan yang dapat 

digunakan dalam simulasi iklim dan sebagai model untuk mempelajari sistem energy bumi, air, dan 

transportasi material.

kebijakan dan strategi pembangunan berkelanjutan dari skala lokal hingga global, misalnya 

yaitu perjanjian lingkungan multilateral seperti konvensi kerangka kerja pbb tentang perubahan iklim 

(unfccc), konvensi pbb untuk memerangi desertifikasi (unccd), konvensi keanekaragaman hayati (cbd), 

dan konvensi lahan basah. 

tutupan lahan sebagai parameter utama untuk menilai persyaratan perjanjian lingkungan 

secara multilateral diatas.

Informasi tutupan lahan juga diperlukan untuk mengukur dampak dan efektivitas tindakan 

manajemen yang terkait dengan kebijakan pembangunan berkelanjutan, untuk mengatasi masalah seperti 

pengelolaan dan pemanfaatan hutan dan sumber daya lainnya di lahan milik negara-negara berkembang, 

konservasi dan restorasi hutan, perluasan lahan pertanian, penggurunan, atau degradasi das secara 

substansial akan tergantung pada ketersediaan akurat informasi tutupan lahan dasar (pbb, 2002).

The Joint Research Centre (JRC) memutuskan untuk menghasilkan peta tutupan lahan global 

dalam kemitraan dengan 30 lembaga, menggunakan gambar harian SPOT-4 VEGETASI untuk tahun 2000 

sumber data primer (Bartholome dan Belward, 2005).

Berbagai jenis data penginderaan jauh yang tersedia untuk vegetasi pemetaan di skala benua; masing 

masing sumber memiliki potensi aplikasi sendiri. peta sebelumnya berasal dari sumber data tunggal, 

sedangkan peta GLC2000 menggunakan empat set informasi satelit.

kesimpulan 

•peta vegetasi skala rendah dianggap ditak dapat dimanfaatkan untuk menganalisis hutan dan 

pengelolaan kawasan lindung, tapi peta skala rendah ini dapat memberikan perspektif regional untuk studi 

lokal tentang konservasi sumber daya hayati atau inventarisasi hutan nasional. Meskipun peta 

memberikan informasi biofisik seperti persentase tutupan pohon atau indeks luas daun akan semakin 

banyak digunakan oleh komunitas ilmiah yang bekerja untuk perubahan global

•Resolusi spasial dari peta (300-m resolusi pixel 1-km) tidak memungkinkan penentuan akurat tren 

tutupan lahan.

•Deteksi pertanian di Afrika dari data penginderaan jarak jauh cukup sulit karena sistem pertanian dan 

pola spasial lahan pertanian.

•Kualitas informasi tutupan lahan yang tersedia saat ini adalah jauh lebih baik daripada informasi yang 

tersedia 10 tahun yang lalu.