Pengolahan Geolokasi Produk Data Gas Rumah Kaca (GRK) dari Satelit Suomi NPP ATMS Dan CRIS Dengan Metode Interpolasi Radial Basis Function

Abstract

Geolocation processing to produce spatial greenhouse gases data products consisting of CH4, CO2 and N20 gases has been carried out systematically. The greenhouse gases data are derived from Enviomental Data Record (EDR) Suomi NPP Satellite CrIS and ATMS Sensor products. During this process, there is an obstacle while performing the information data of greenhouse gases concentrations, due to the result of systematic processing files from EDR are still in netcdf format, so that it could not be distributed to users as they expected. The unique of unlimited netcdf format is that, it displays only numeric values with irregular resolution, unregistered and incompatible with commonly processing data software. This research aims to produce geolocation processing module in order to provide information of greenhouse gases data spatially by using coordinate pixel registration method into image data, convert Digital Number (DN) value with scale corresponding to Indonesian region and interpolation value between pixels with Radial Basis Function (RBF) method using linear function. The result from the geolocation processing module of greenhouse gases data product are concentration information from some altitude level. The product is in geotiff format with 50 km spasial resolusion. AbstrakPengolahan geolokasi untuk menghasilkan produk data gas rumah kaca (GRK) spasial yang terdiri dari gas CH4,CO2 dan N20 telah dilakukan secara sistematis. Data gas rumah kaca tersebut dihasilkan dari produk Enviomental Data Record (EDR) Satelit Suomi NPP Sensor CrIS dan ATMS. Hingga saat ini terdapat permasalahan dalam penyajian data informasi konsentrasi gas rumah kaca, yaitu file hasil pengolahan sistematis masih dalam format netcdf sehingga belum dapat didistribusikan untuk melayani kebutuhan pengguna. Format netcdf terbatas hanya menampilkan nilai berupa angka, resolusi yang tidak seragam, belum teregistrasi dan tidak compatible dengan aplikasi pengolahan data yang umumnya digunakan. Penelitian ini bertujuan untuk menghasilkan modul pengolahan geolokasi yang dapat menyajikan informasi data gas rumah kaca secara spasial. Metode yang digunakan dalam penelitian ini adalah registrasi piksel koordinat ke dalam data citra, konversi nilai Digital Number (DN). Interpolasi nilai antar piksel menggunakan metode Radial Basis Function (RBF) dengan fungsi linier. Hasil dari penelitian ini adalah modul pengolahan geolokasi produk data yang dapat menyajikan informasi konsentrasi gas rumah kaca pada beberapa level ketinggian. Produk yang dihasilkan dalam format geotiff dengan resolusi spasial 50 km.

Hotspot Spatial Patterns Using SNNP-VIIRS for Fire Potential Monitoring

“…Te power and distribution of fres were carried out using a hotspot data approach [33,48]. Te hotspot data used is a hotspot with a confdence level of 30% [55,87]. Hotspot data 30% belongs to the nominal to the high class, which shows a relatively high predictive rate of fre events in the feld and requires precautions that require vigilance [54,[88][89] (see Table 3).…”

Kajian Multitemporal Tingkat Keparahan Kebakaran Hutan dan Lahan di Kabupaten Muaro Jambi Menggunakan Penginderaan Jauh

“…Data satelit yang digunakan untuk mendeteksi hotspot meliputi TERRA dan AQUA dengan sensor MODIS (Moderate Resolution Imaging Spectroradiometer), S-NPP dengan sensor VIIRS (Visible Infrared Imager Radiometer Suite), serta Landsat 8 dengan sensor TIRS (Thermal Infrared Sensor). Data ini diakuisisi oleh stasiun bumi milik LAPAN (Indradjad et al, 2019;Saharjo & Nasution, 2021).…”

Hotspot Distribution Analysis as Forest and Land Fire Indicators in the New National Capital City (IKN)

“…Early detection in efforts to prevent and control forest and land fires can be known through hotspot distribution information obtained from remote sensing data in the form of satellite data (Almegi et al, 2022;Nata, 2020;Imansyah, 2021). Satellite images that record hotspots used in research are S-NPP VIIRS (Indradjad et al, 2019;Purbahapsari et al 2022). Hotspots in large numbers and ongoing continuously are indicators to detect forest and land fires (Adam, 2020;Fitria, 2023;Jihar et al, 2023) (see Figure 1).…”