TUGAS

PENGINDERAAN JAUH KELAUTAN

Prosedur Download Data Citra

Menggunakan Google Earth Engine

Disusun Oleh:
Eva Novita
(2106779775)

Magister Ilmu Kelautan

Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Indonesia
2022
 Prosedur Download Data Citra pada Google Earth Engine (GEE)

1. Pengenalan Google Earth Engine (GEE)

Google Earth Engine (GEE) adalah sebuah platform berbasis cloud yang
menawarkan analisis data lingkungan berskala dunia. Komponen utama GEE
adalah :

1. Dataset.

GEE memiliki arsip citra penginderaan jauh skala menengah berukuran

petabyte yang siap digunakan.

2. Kemampuan Cloud Computation.

Saat menggunakan Google Earth Engine, sejatinya kita tidak menggunakan

perangkat sendiri sebagai ‘processor’ dari proses yang akan dilakukan.
Infrastruktur Google sebagai cloud yang akan digunakan untuk Google Earth
Engine.

3. APIs

Google Earth Engine menawarkan API menggunakan JavaScript dan Python

yang dihostkan ke Github, membuatnya mudah untuk melakukan request ke
server Google Earth Engine.

4. Code Editor

Google Earth Engine menawarkan IDE (Integrated Development Environment)

daring untuk kecepatan dalam membuat prototype serta visualisasi data
spasial yang kompleks dengan analisis yang kompleks pula menggunakan
Javascript API.
2. Pembuatan Akun GEE

Perlu diketahui tidak semua aplikasi pembuatan Google Earth Engine akan
diterima, mengingat sumberdaya yang dibutuhkan untuk pengembangan dan
maintenancenya pun sangat besar. Jadi jika ingin menjadi developer Earth
Engine, sign up dengan informasi yang jelas dan lengkap sehingga pihak
Google pun dapat mengevaluasi request aksesnya. Jika aplikasi diterima,
maka akan diterima email balasan.

Langkah SignUp di GEE

1. Akses halaman https://earthengine.google.com/

2. Masukkan akun Google
3. Masukkan nama lengkap dan afiliasi beserta negara berasal
4. Deskripsikan tujuan menggunakan Earth Engine.
5. Submit aplikasi dan tunggu email balasannya.

Email balasan hasil proses sign up GEE

3. Prosedur Download Data Citra di GEE

Penggunaan GEE pada laporan ini menggunakan Javascript API dengan

akses https://code.earthengine.google.com/ yang dikirim ke email.
 Tampilan user interface Code Editor

3.1. Pencarian Arsip Data (Image Collections)

Arsip data publik Earth Engine mencakup lebih dari empat puluh tahun historis
data citra dan kumpulan data ilmiah lain (iklim, cuaca, dan geofisik) yang
diperbarui dan diperluas setiap hari.

Pencarian data pada interface code editor dapat dilakukan pada tool “search
for data”. Pada laporan ini penulis mencari arsip citra Sentinel-2.
 Proses pencarian data Sentinel-2A

3.2. Menyaring Arsip Data

Maksud dari menyaring data pada tahap ini adalah membatasi pencarian data
sesuai keperluan user, yaitu dengan membuat AOI (Area of Interest) dan
membatasi pemilihan waktu perekaman data. Pembuatan AOI dapat dilakukan
dengan import data menggunakan tool “asset manager” atau membuat
langsung pada tampilan map menggunakan tool “geometry”.
 Proses pembuatan AOI

Hasil proses menyaring arsip data; pada AOI yang dibuat (lokasi Pantai
Pangandaran dengan waktu perekaman 1-31 Januari 2022, terdapat 12 data
Citra Sentinel yang terpilih.

3.3. Visualisasi Citra

Visualisasi citra dilakukan dengan komposit warna, yaitu penggabungan 3

saluran (band). Citra hasil komposit warna mampu menampilkan keunggulan
dari saluran-saluran penyusunnya. Tujuannya adalah untuk memudahkan
pengguna dalam analisis citra berdasarkan gradasi warna yang dihasilkan.
 Band Sentinel 2

Sentinel-2 mengusung Multispectral Imager (MSI). Sensor ini menghasilkan

13 band spektral mulai dari ukuran piksel 10 hingga 60 meter, seperti tabel
berikut.

Kombinasi Band Sentinel

Dengan menggunakan kombinasi band, kita dapat mengekstrak informasi spesifik dari
sebuah gambar. Misalnya, ada kombinasi band yang menonjolkan fitur geologis,
pertanian, atau vegetasi dalam sebuah gambar citra satelit. Berikut beberapa contoh
Citra Komposit;

a) Natural Color (B4, B3, B2)

Kombinasi band natural color menggunakan kombinasi band Red (B4), green
(B3), dan blue (B2). Tujuannya adalah untuk menampilkan citra dengan cara
yang sama seperti mata kita melihat dunia. Seperti yang kita lihat, vegetasi
yang sehat berwarna hijau. Selanjutnya, fitur perkotaan sering tampak putih
dan abu-abu. Terakhir, air berwarna biru tua tergantung seberapa bersihnya.
b) Color Infrared (B8, B4, B3)

Kombinasi band color infrared dimaksudkan untuk menekankan vegetasi

yang sehat dan tidak sehat. Dengan menggunakan kombinasi band Near –
Infrared (B8), sangat baik dalam memantulkan klorofil. Inilah sebabnya
mengapa dalam gambar color infrared, vegetasi yang lebih padat berwarna
merah. Tapi daerah perkotaan berwarna putih.
c) Short-Wave Infrared (B12, B8A, B4)

Kombinasi band Short-Wave Infrared menggunakan SWIR (B12), NIR (B8A),

dan merah (B4). Komposit ini menunjukkan vegetasi dalam berbagai nuansa
green. Secara umum, warna green yang lebih gelap menunjukkan vegetasi
yang lebih padat. Tapi cokelat menunjukkan tanah gundul dan area
terbangun.
d) Agriculture (B11, B8, B2)

Kombinasi band agriculture menggunakan SWIR-1 (B11), Near Infrared(B8),

dan blue (B2). Ini sebagian besar digunakan untuk memantau kesehatan
tanaman karena cara menggunakan gelombang pendek dan near
infrared. Kedua band ini sangat bagus dalam menyoroti vegetasi lebat yang
tampak sebagai hijau tua.
e) Geology (B12, B11, B2)

Kombinasi band geologi adalah aplikasi yang rapi untuk menemukan fitur
geologi. Termasuk sesar, litologi, dan formasi geologi. Dengan memanfaatkan
pita SWIR-2 (B12), SWIR-1 (B11), dan blue (B2), ahli geologi cenderung
menggunakan kombinasi band Sentinel ini untuk analisis mereka.
f) Bathymetric (B4, B3, B1)

Sesuai dengan namanya, kombinasi band batimetri baik untuk studi

pesisir. Kombinasi band batimetri menggunakan pita red (B4), green (B3),
dan coastal band (B1). Dengan menggunakan coastal band, baik untuk
memperkirakan sedimen tersuspensi di dalam air.
g) Vegetation Index (B8-B4)/(B8+B4)

Karena near infrared (yang dipantulkan oleh vegetasi dengan kuat) dan
cahaya red (yang diserap oleh vegetasi), indeks vegetasi baik untuk
mengukur jumlah vegetasi. Rumus untuk indeks vegetasi perbedaan
ternormalisasi adalah (B8-B4)/(B8+B4). Sementara nilai tinggi menunjukkan
kanopi lebat, nilai rendah atau negatif menunjukkan fitur perkotaan dan air.
h) Indeks Kelembaban (B8A-B11)/(B8A+B11)

Indeks kelembaban sangat ideal untuk menemukan stres air pada

tanaman. Ini menggunakanshort wave dan near infrared untuk menghasilkan
indeks kadar air. Secara umum, vegetasi basah memiliki nilai yang lebih
tinggi. Tetapi nilai indeks kelembaban yang lebih rendah menunjukkan
tanaman berada di bawah tekanan karena kelembaban yang tidak
mencukupi.
 Pada tugas ini, penulis menampilkan beberapa single band (B2, B3, B4, dan
B5) dan 4 Citra Komposit, yaitu Natural Color, Color Infrared, Bathymetric dan
Geology.

Proses visualisasi citra (single band dan komposit warna)

Berikut hasil visualisasi citra single band dan citra komposit warna;
a) Citra single band (B2)
 b) Citra Komposit Natural Color

c) Citra Komposit Bathymetric

d) Citra Komposit Color Infrared

Pada tugas ini penulis mencoba proses sederhana seperti memotong citra
(clipping) dan mendeteksi awan dan bayangannya (cloud masking) menggunakan
band QA (Quality Assessment).
 Proses Cliping

Proses Cloud Masking

3.4. Menyimpan Data

Data citra yang sudah dipilih dapat didownload dengan proses eksport data.
Data akan tersimpan di drive akun google yang terdaftar. Pada tahap ini akan
diminta untuk membuat folder tempat penyimpanan data di drive google. Citra
yang tersimpan memiliki format Geo_tiff.
File citra format geo_tiff dapat digunakan di Software lain seperti QGIS