Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit

Multispektral

EKSPLORASI RESERVOIR MINYAK DAN GAS ONSHORE

MENGGUNAKAN TEKNOLOGI CITRA SATELIT MULTISPEKTRAL
Muhamad Iqbal Januadi Putra1), Diki Nurul Huda2), Fida Afdhalia3), Supriatna4)
1
Departemen Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia.
email: muhamad.iqbal41@sci.ac.id
2
Departemen Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia.
email: diki.nurul@ui.ac.id
3
Departemen Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia.
email: fida.afdhalia@ui.ac.id
4
Departemen Geografi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia.
email: ysupris@gmail.com

Abstrak
Penginderaan jauh dengan citra satelit multispektral merupakan teknologi yang dapat
digunakan untuk mendeteksi fenomena rembesan mikro hidrokarbon sebagai indikator
keberadaan reservoir onshore melalui perekaman gejala anomali. Tujuan dari penelitian ini
adalah untuk menganalisis perbedaan gejala anomali dan memetakan fenomena rembesan
mikro hidrokarbon menggunakan citra multispektral. Citra Sentinel 2 dan Landsat 8 yang
diintegrasikan dengan metode Directed Principal Component Analysis (DPCA) digunakan
untuk mendeteksi anomali alterasi mineral dan menggunakan normalisasi vegetasi untuk
mendeteksi anomali geobotani. Gejala anomali alterasi mineral (anomali alterasi mineral
clay-carbonat, ferrous iron, ferric iron) dan anomali kerusakan vegetasi digunakan sebagai
parameter. Hasil penelitian ini menunjukkan perbedaan gejala anomali dan sebaran fenomena
rembesan mikro hidrokarbon yang terdistribusi di daerah sekitar Sungai Kenawang dan
lapangan Pulau Gading, serta terdistribusi linier di Sungai Merang dan Sungai Lalan. Sekitar
76,08 - 64,4% dari potensi tinggi rembesan mikro hidrokarbon berdasarkan Sentinel 2 dan
citra citra Landsat 8 berasosiasi dengan data prospek subsurface keberadaan minyak dan gas.
Kata Kunci: Rembesan Mikrohidrokarbon, Penginderaan Jauh, Reservoir
Abstract
Remote sensing with multispectral imagery is one of an advance technology that can be used
for detecting hydrocarbon microseepage as an exploration indicator of subsurface
hydrocarbon through recording the anomalies symptoms. The objective of this study is to
analyse and map the microseepage system as indication of subsurface hydrocarbon
accumulation using a multispectral imagery. Sentinel 2 and Landsat 8 multispectral imagery
combine with the Directed Principal Component Analysis is used to detect mineral alteration
also using vegetation normalization to detect vegetation anomalies. The mineral alteration
anomalies (clay-carbonate, ferric iron, ferrous iron) and anomalous vegetation were used as
parameters. The results of this study indicate the differences of anomalies symptom and
hydrocarbon microseepage distribution in area around Sungai Kenawang and Pulau Gading
field, and also linear distributed in Merang River and Lalan River. Around 76.08 - 64,4% of
high potential area of hydrocarbon micro seepage based on Sentinel 2 and Landsat 8 imagery
processing associate with prospect subsurface data of oil and gas.
Keywords: Hydrocarbon Microseepage, Remote Sensing, Reservoir.

1
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

1. PENDAHULUAN
Penginderaan jauh telah digunakan sebagai teknologi di bidang kebumian dan
geologi eksplorasi [1], termasuk dalam kajian pendeteksian rembesan mikro
hidrokarbon sebagai indikasi keberadaan reservoir onshore [2]. Selama bertahun-tahun,
teknik penginderaan jauh dengan citra satelit telah digunakan untuk mendeteksi adanya
indikasi sistem rembesan tersebut [3]. Teknik penginderaan jauh dapat diterapkan untuk
mendeteksi reservoir onshore terkait dengan adanya ekspresi anomali pada mineral atau
vegetasi akibat kehadiran rembesan mikro hidrokarbon [4]. Pendekatan fenomena
rembesan hidrokarbon sebagai penduga prospek keberadaan reservoir migas dapat
menjanjikan keuntungan besar karena prosesnya berlangsung cepat dan efektif, serta
dapat dilakukan pada berbagai skala [3].
Rembesan mikro hidrokarbon sendiri adalah proses perpindahan massa gas
hidrokarbon dari tempat asalnya (reservoir) ke permukaan bumi [5]. Pendeteksian
rembesan gas mikro hidrokarbon sangat memainkan peran kunci dalam eksplorasi
minyak dan gas dan sekitar 75% dari cekungan minyak dunia menunjukkan adanya
rembesan hidrokarbon [6]. Namun penelitian pendeteksian rembesan mikro
hidrokarbon sebagai indikasi keberadaan reservoir onshore belum banyak dilakukan di
Indonesia sehingga penelitian ini dilakukan untuk memetakan fenomena rembesan
mikro hidrokarbon untuk mendeteksi keberadaan reservoir onshore.
Pendeteksian fenomena rembesan mikro hidrokarbon dilakukan dengan
mendeteksi gejala anomali alterasi/perubahan mineral clay carbonate, ferric iron, dan
ferrous iron akibat adanya pengaruh konten hidrokarbon. Metode directed principal
component analysis (DPCA) digunakan untuk mendapatkan informasi anomali alterasi
mineral-mineral tersebut sekaligus untuk meminimalkan efek vegetasi yang menutup
informasi mineral di permukaan [7]. Sementara itu, normalisasi vegetasi NDVI
(Normalized Difference Vegetation Index), GNDVI (Green Normalized Difference
Vegetation Index), SAVI (Soil Adjusted Vegetation Index), ARVI2 (Adjusted Resistant
Vegetation Index 2), dan Chlorophyll Index Green digunakan untuk mendeteksi
anomali geobotani atau gejala kerusakan vegetasi akibat konten toksik hidrokarbon.
Tujuan dari penelitian ini adalah menganalisis perbedaan gejala anomali rembesan
mikro hidrokarbon dan memetakan sistem rembesan mikro hidrokarbon sebagai
indikasi kehadiran reservoir hidrokarbon onshore dengan citra Landsat 8 dan Sentinel
2. Kombinasi kedua citra multispektral ini digunakan karena tidak berbayar dan
memiliki keunggulan resolusi temporal, spasial, dan spektral. Penggunaan metode ini
dalam mendeteksi keberadaan reservoir onshore sangat bermanfaat bagi kegiatan
eksplorasi penemuan cadangan migas terbukti di Indonesia dengan biaya lebih murah
dan waktu lebih cepat.

2
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

2. METODE
Penelitian ini dilakukan di Blok X Provinsi Sumatera Selatan karena merupakan
salah satu blok migas onshore produktif di Indonesia. Variabel yang digunakan untuk
mendeteksi fenomena rembesan mikro hidrokarbon terdiri atas anomali alterasi mineral
dan anomali geobotani. Kedua variabel tersebut diperoleh dari pengolahan citra
Landsat 8 (17 Agustus 2016) dan Sentinel 2 (15 Februari 2015). Pengolahan variabel
anomali alterasi mineral dilakukan menggunakan metode Directed Principal
Component Analysis (DPCA). Sementara itu, data anomali geobotani diperoleh dari
normalisasi indeks vegetasi. Kedua variabel tersebut selanjutnya digabungkan dan
diolah menggunakan fuzzy logic sehingga dihasilkan gambaran wilayah rembesan
mikro hidrokarbon.
Pengolahan data dimulai dengan melakukan koreksi citra Landsat 8 dan Sentinel 2
dilakukan dengan metode ATCOR untuk mengubah nilai digital number menjadi nilai
reflektansi BoA (Bottom of Atmospheric). Kedua, pengolahan anomali alterasi mineral
dengan metode DPCA (Directed Principal Component Analysis). Metode ini sangat
baik untuk mengamati perubahan mineral di daerah tropis yang penuh dengan vegetasi
[7]. Ketiga, indeks vegetasi dihitung dengan menggabungkan beberapa rasio dari band
visible dan near-infrared. Pengolahan kedua anomali dilakukan dengan algoritma yang
dapat dilihat pada Tabel 1.
Tabel 1. Algoritma pengolahan data
No Anomali Algoritma Sumber
1 Alterasi Ferric Iron SWIR 2/SWIR 1 Pour et al. (2013)
2 Alterasi Ferrous Iron SWIR 1/Vegetation Red Pour et al. (2013)
Edge
3 Alterasi Clay Carbonate SWIR 1/SWIR 2 Pour et al. (2013)
4 NDVI (Normalized Different 𝑁𝐼𝑅 − 𝑅𝑒𝑑 Arellano et al.
Vegetation Index) 𝑁𝐼𝑅 + 𝑅𝑒𝑑 (2015)
5 GNDVI (Green Normalized 𝑁𝐼𝑅 − 𝐺𝑟𝑒𝑒𝑛 Arellano et al.
Different Vegetation Index) 𝑁𝐼𝑅 + 𝐺𝑟𝑒𝑒𝑛 (2015)

6 SAVI (Soil Adjusted Vegetation 𝑁𝐼𝑅 − 𝑅𝑒𝑑 Adamu et al.

Index) (1 (2016)
𝑁𝐼𝑅 + 𝑅𝑒𝑑 + 0.5
+ 0.5)

7 ARVI2 (Adjusted Resistant 𝑁𝐼𝑅 − 𝑅𝑒𝑑 Adamu et al.

Vegetation Index 2) ( 𝑥 1,17) (2016)
𝑁𝐼𝑅 + 𝑅𝑒𝑑
− 0,18
8 Chlorophyll Index Green 𝑁𝐼𝑅 Adamu et al.
−1
𝐺𝑟𝑒𝑒𝑛 (2016)

Hasil yang diolah dengan fungsi algoritma pada Tabel 1. selanjutnya diproses
dengan metode fuzzy logic. Penentuan proses fuzzy logic nilai anomali alterasi mineral

3
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

dilakukan dengan persamaan khusus untuk mengetahui nilai ambang anomali mineral.
Persamaan yang digunakan adalah:

𝐴𝑖 = 𝑋 ± 𝜎 (1)

dengan Ai = nilai ambang anomali mineral i, 𝑋 = nilai ambang batas rata-rata

mineral i, σ = ambang batas standar deviasi mineral i
Hasil dari pengolahan masing-masing indeks akan diproses lebih lanjut dengan
metode fuzzy logic. Pengolahan informasi anomali alterasi mineral diolah dengan
operasi fuzzy membership dan diolah dengan fuzzy overlay untuk mendapatkan
informasi tunggal anomali alterasi mineral dan anomali geobotani. Selanjutnya,
integrasi kedua informasi ini dengan metode fuzzy overlay akan dilakukan untuk
medapatkan informasi wilayah potensi rembesan mikro hidrokarbon. Alur kerja
penelitian secara umum dapat dilihat pada Gambar 1.

Gambar 1. Diagram alur kerja

2. HASIL DAN PEMBAHASAN
Anomali Alterasi Mineral
Anomali alterasi mineral, sebagai salah satu indikasi keberadaan fenomena
rembesan mikro hidrokarbon, dihasilkan dari pengolahan transformasi DPCA. Hasil
transformasi DPCA pada citra Landsat 8 dan Sentinel 2 akan menghasilkan nilai
eigenvector. Nilai ini akan menjadi dasar bagi perhitungan nilai threshold masing-
masing mineral.

4
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

Pengolahan anomali perubahan mineral clay-carbonate, ferrous iron, dan ferric

iron dilakukan dengan menghitung threshold (nilai ambang batas) masing-masing
saluran. Nilai threshold anomali diolah dari nilai threshold tertinggi dari setiap saluran
yang diukur dengan Persamaan 1. Avcioglu [9] menggunakan penghitungan rata-rata
(mean) dan nilai deviasi standar di threshold untuk mengukur nilai threshold anomali
yang digunakan pada tingkat kepercayaan 92%. Hasil perhitungan untuk nilai threshold
anomali dari masing-masing perubahan mineral pada citra Landsat 8 dan Sentinel 2
dapat dilihat pada Tabel 2. Nilai penambah dan pengurangan dalam Persamaan 1
ditentukan berdasarkan nilai eigenvector dari setiap transformasi citra. Operasi
penambahan akan digunakan pada eigenvector positif. Sebaliknya, citra dengan nilai
eigenvector negatif akan diolah lebih lanjut dengan operasi pengurangan.. Hasil
pengolahan pada setiap gambar dapat dilihat pada Tabel 2.
Tabel 2. Threshold perubahan mineral berdasarkan pengolahan citra Landsat 8 dan
Sentinel 2
Nilai
Standar
Citra Satelit Alterasi Mineral Mean Threshold
Deviasi
Anomali
Clay carbonate 164,78 67,09 231,88-255
Landsat 8 Ferric iron 111,31 45,89 157,2-255
Ferrous iron 137,78 47,73 185,51-255
Clay carbonate 64,65 53,9 118,55
Sentinel 2 Ferric iron 67,45 57,45 0-10
Ferrous iron 164,58 70,98 0-93.6

Selanjutnya, semua data anomali alterasi mineral pada setiap citra satelit
diintegrasikan ke dalam satu data dengan metode fuzzy logic. Dalam proses fuzzy logic
ini, nilai threshold dari setiap mineral yang diperoleh pada Tabel 2 digunakan sebagai
midpoint. Hasil integrasi data anomali alterasi mineral dapat dilihat pada Gambar 2.
Secara umum, hasil proses fuzzy logic tingkat anomali alterasi mineral pada citra
Sentinel 2 ditunjukkan oleh area anomali yang lebih kecil dari pada hasil citra Landsat
8. Warna ungu pada citra mewakili daerah dengan tingkat anomali perubahan mineral
tertinggi, warna krem menunjukkan daerah dengan tingkat anomali perubahan mineral
sedang, dan coklat menunjukkan tingkat anomali alterasi terendah. Dalam citra
Sentinel 2, area anomali tertinggi terdistribusi di tiga wilayah, yaitu bagian timur,
tengah, dan selatan Blok X. Daerah yang ditandai dengan anomali sedang tersebar
mengikuti area penyebaran anomali yang tinggi. Sementara itu, daerah anomali rendah
tersebar melintang dari barat ke bagian tengah Blok X. Olahan citra Landsat 8
menunjukkan area anomali tinggi tersebar di daerah sekitar Sungai Merang.

5
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

Gambar 2. Visualisasi anomali alterasi mineral yang diperoleh dari fuzzy logic. Hasil
dari citra Landsat 8 (kiri) dan hasil pada citra Sentinel 2 (kanan).
Anomali Geobotani
Anomali geobotani didefinisikan sebagai fenomena kerusakan tanaman karena
kandungan dan massa mikro hidrokarbon yang merusak sistem metabolisme tanaman.
Anomali geobotani dapat ditandai dengan perubahan pigmen klorofil tumbuhan,
perubahan ukuran daun, perubahan tebal daun, dan perubahan struktur daun [10] [11].
Anomali geobotani dideteksi berdasarkan nilai kehijauan tanaman yang rendah atau
nilai kerapatan vegetasi yang rendah yang diperoleh dari NDVI, GNDVI, SAVI, dan
ARVI2, dan kandungan klorofil yang diperoleh dari Chlorophyll Index Green.
Nilai indeks terendah pada indeks NDVI, GNDVI, SAVI, dan ARVI2 menyatakan
kondisi wilayah dengan kerapatan vegetasi terendah atau non-vegetasi. Sebaliknya,
nilai indeks tertinggi menyatakan kondisi wilayah dengan vegetasi yang sangat rapat.
Berdasarkan pengolahan dengan indeks vegetasi ini, ditemukan adanya anomali
geobotani di daerah dengan nilai kehijauan dan kerapatan vegetasi rendah karena pada
area inilah kerusakan vegetasi akibat rembesan hidrokarbon terjadi. Sementara itu,
rentang nilai dari indeks Chlorophyll Index Green secara kuantitatif mewakili kondisi
klorofil tanaman di daerah penelitian, di mana semakin tinggi nilainya semakin baik
kondisi klorofil tanaman. Sebaliknya, semakin rendah nilai CGI maka semakin rendah
kualitas klorofil tumbuhan. Hasil kemunculan anomali geobotani ditandai dengan
adanya gejala penurunan kerapatan dan kehijauan vegetasi dan penurunan nilai klorofil
pada vegetasi di daerah penelitian. Proses ini dilakukan dengan melakukan proses fuzzy
logic pada masing-masing transformasi dengan metode fuzzy small dan fuzzy overlay
gamma. Hasil overlay indeks geobotani dapat dilihat pada Gambar 3, di mana warna
merah menunjukkan area terjadinya gejala anomali geobotani dan warna hijau
menunjukkan area tidak terjadinya anomali geobotani.

6
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

Gambar 3. Visualisasi anomali geobotani yang diperoleh dari fuzzy logic. Hasil dari
citra Landsat 8 (kiri) dan hasil pada citra Sentinel 2 (kanan).
Wilayah Potensi Rembesan Mikro Hidrokarbon
Pola distribusi area potensi rembesan mikro hidrokarbon pada kedua citra relatif
menunjukkan pola yang sama di beberapa daerah, terutama di daerah sekitar Sungai
Merang yang melintang di sebelah barat Blok X. Distribusi daerah rembesan mikro
hidrokarbon teraglomerasi di bagian timur, selatan dan tengah Blok X. Pola spasial
rembesan mikro hidrokarbon dalam pengolahan citra Sentinel 2 menunjukkan
distribusi wilayah yang lebih kecil dan lebih sedikit daripada pola spasial rembesan
pada pengolahan citra Landsat 8. Area rembesan mikro hidrokarbon berdasarkan
pengolahan citra Landsat 8 menunjukkan aglomerasi di area tengah Blok X, terutama
di sekitar Sungai Lalan. Wilayah potensi rembesan mikro hidrokarbon dapat dilhat
pada Gambar 4.

Gambar 4. Visualisasi wilayah potensi rembesan mikro hidrokarbon. Hasil dari

citra Landsat 8 (kiri) dan hasil pada citra Sentinel 2 (kanan).
Wilayah ini dicirikan oleh nilai threshold yang besar dari proses fuzzy logic
dibandingkan dengan daerah sekitarnya. Distribusi area rembesan mikro hidrokarbon
juga ditemukan di daerah yang berdekatan dengan lapangan eksploitasi minyak dan
gas, yaitu Lapangan Sungai Kenawang dan Lapangan Pulau Gading dengan total luas

7
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

yaitu 7.127,4 Ha. Sementara itu, potensi tinggi rembesan mikro hidrokarbon
berdasarkan citra Sentinel 2 yang teraglomerasi di sekitar Sungai Merang, Lapangan
Sungai Kenawang, dan Lapangan Pulau Gading memiliki total luas 4.544,7 Ha.
Wilayah konsentrasi sebaran fenomena rembesan mikro hirokarbon juga terletak pada
daerah-daerah patahan, di mana kehadiran pola ini dapat membuka jalan bagi migrasi
hidrokarbon dari reservoir ke permukaan [4].

20000

15000
Luas (Ha)

10000

5000

0
Rendah Sedang Tinggi
Landsat 8 11043.43 15279.2 7127.4
Sentinel 2 17323.4 11486.6 4544.7

Gambar 5. Perbandingan luas wilayah rembesan mikro hidrokarbon pada setiap

kategori antara citra Landsat 8 dan Sentinel 2.
Area potensi tinggi rembesan mikro hidrokarbon yang dihasilkan oleh Sentinel
2 dan citra Landsat 8 berada di sekitar Sungai Merang, di sekitar Lapangan Sungai
Kenawang, dan Lapangan Pulau Gading (dan sekitar Sungai Lalan berdasarkan citra
Landsat 8) merupakan area yang termasuk ke dalam area prospek eksploitasi migas.
Area prospek migas berdasarkan data subsurface tersebut tersebar di wilayah Sungai
Merang di sepanjang Blok X. Hal tersebut menunjukkan adanya indikasi reservoir
migas yang menyebabkan ekspresi anomali karena keberadaan rembesan mikro
hidrokarbon ke permukaan. 64,4% potensi tinggi area rembesan mikro hidrokarbon
berdasarkan pengolahan Landsat 8 terletak di dalam area prospek kehadiran minyak
dan gas. Sementara itu, 78,6% area dengan potensi tinggi rembesan mikro hidrokarbon
dari pengolahan citra Sentinel 2 terletak di dalam area prospek kehadiran minyak dan
gas. Secara geologis, wilayah ini tergolong dalam kategori area reef build-up yang
memiliki potensi hydrocarbon resource yang besar.
Identifikasi area rembesan mikro hidrokarbon melalui analisis spektral pada
citra satelit ditunjukkan oleh Gambar 6. Gambar tersebut menunjukkan bagaimana
profil area rembesan mikro hidrokarbon pada spectrum panjang gelombang 0,49-2,19
μm. Pada profil spektral tersebut, terlihat bahwa area rembesan mikro hidrokarbon
memiliki nilai digital number tertinggi pada spectrum panjang gelombang 0,86 μm atau
pada saluran citra red vegetation edge 4 (tepi merah vegetasi). Artinya kontras
kenampakan area rembesan mikro hidrokarbon dapat teridentifikasi pada saluran ini
dengan nilai threshold tinggi.

8
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

Gambar 6. Profil spektral area rembesan mikro hidrokarbon

3. KESIMPULAN
Studi ini menunjukkan bahwa citra Landsat 8 dan Sentinel 2 dapat digunakan untuk
mendeteksi perbedaan gejala anomali alterasi mineral dan anomali geobotani rembesan
mikro hidrokarbon serta mendeteksi keberadaan wilayah potensi rembesan mikro
hidrokarbon sebagai penduga keberadaan reservoir migas onshore di Blok X.
Distribusi daerah potensi rembesan mikro hidrokarbon menyebar di daerah sekitar
Sungai Merang, Sungai Lalan, Lapangan Sungai Kenawang, dan Lapangan Pulau
Gading dengan dengan luas total 7,127 Ha berdasarkan pengolahan Landsat 8 dan
4.544 Ha berdasarkan pengolahan Sentinel 2. Sekitar 78,6% dari area potensi tinggi
dari daerah rembesan mikro hidrokarbon berdasarkan pengolahan yang dilakukan pada
Sentinel 2 dan 64,4% berdasarkan pengolahan pada Landsat 8 serta terdapat asosiasi
dengan prospek data subsurface minyak dan gas.
4. UCAPAN TERIMAKASIH
Penelitian ini secara finansial didukung oleh Program Kreativitas Mahasiswa
(PKM), Kementerian Riset dan Pendidikan Tinggi Indonesia. Penulis mengucapkan
terima kasih kepada dosen sivitas Departemen Geografi UI dan Universitas Indonesia
yang telah membantu penyusunan artikel ilmiah ini.
5. REFERENSI
[1] Yang H., F. D. Meer, J. Zhang, Kroonenberg & Solomon. 2000. Direct Detection
of Onshore Hydrocarbon Microseepages by Remote Sensing Technique. Remote
Sensing Review (18): 1-18.
[2] Chen Shengbo, Ying Zhao, Liang Zhao, Yanli Liu and Chao Zhou. 2017.
Hydrocarbon Micro-Seepage Detection by Altered Minerals Mapping from
Airborne Hyper-Spectral Data in Xifeng Oilfield China. Journal of Earth Science,
28: 656-665.

9
 Putra, Eksplorasi Reservoir Minyak dan Gas Onshore Menggunakan Teknologi Citra Satelit
Multispektral

[3] Asadzadeh Saeid and Carlos Roberto de Souza Filho. 2017. Spectral Remote
Sensing for Onshore Seepage Characterization: A Critical Overview. Earth Science
Reviews (168): 48-72.
[4] Lammoglia Talita, Carlos Roberto de Souza Filho & R. A. Filho. 2008.
Characterization of Hydrocarbon Microseepages in The Tucano Basin (Brazil)
Through Hyperspectral Classification and Neural Network Analysis of Advanced
Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Data. The
International Archives of the Photogrammetry, Remote Sensing and Spatial
Information Sciences, Vol, XXXVII: 1195-1200
[5] Jamaludin Ikhwan Muhammad, Abd Nasir Matori, and Khin Cho Myint. 2015.
Application of NIR to Determine Effects of Hydrocarbon Microseepage in Oil
Palm Vegetation Stress. Space Science and Communication: 215-220.
[6] Lammoglia Talita and Carlos Roberto de Souza Filho. 2013. Unraveling
Hydrocarbon Microseepages in Onshore Basins Using Spectral-Spatial Processing
of Advanced Spaceborn Thermal Emission and Reflection Radiometer (ASTER)
Data. Survey Geophysic Journal No 34: 349-373.
[7] Pour Amin Beiranvand, Mazlam Hashim, and John van Genderen. 2013. Detection
of Hydrothermal Alteration Zones in a Tropical Region Using Satellite Remote
Sensing Data: Bau Goldfield Sarawak Malaysia. Ore Geology Reviews 54: 181-
196.
[8] Avcioglu, Emme. 2010. Hydrocarbon Microseepage Mapping Via Remote Sensing
for Gemrik Anticline Bozova Oil Field Adiyaman Turkey. Thesis. Geodetic and
Geographic Information Technologies Department, Middle East Technical
University, Turkey.
[9] Hong Yang. 1999. Imaging Spectrometry for Hydrocarbon Microseepage. Thesis.
TU Delf University, Delf.
[10] Arellano Paul, Kevin Tansey, Heiko Balzer and Doreen S Boyd. 2015. Detecting
the Effect of Hydrocarbon Pollution in the Amazon Forest Using Hyperspectral
Satellite Images. Environmental Pollution, 205: 225-239.
[11] Renier Cecile, Francois Waldner, Damien Christophe Jacques, Mohamed
Abdallahi Babah Ebbe, Keith Cressman and Pierre Defourny. 2015. A Dynamic
Vegetation Senescence Indicator for Near-Real-Time Desert Locust Habitat
Monitoring with MODIS. Remote Sensing (7): 7545-7570
[12] Adamu Bashir, Booker Ogutu and Kevin Tansey. 2016. Remote Sensing for
Detection and Monitoring of Vegetation Affected by Oil Spills. Remote Sensing:
1-21

10