Tutorial Google Earth Bahasa Indonesia Pdf

Bertahuan dengan google earth engine terjadi lega bulan Maret 2022 saat epidemi corona melanda di Indonesia dan berbagai sektor tertular imbasnya. Hampi semua aktivitas kantor “dirumahkan”, sedangkan pangan tidak boleh berhenti. Lalu bagaimana cara kita mengestimasi luas panen dan laporan panen sekiranya tidak meluluk ke lapangan?

Setelah browsing di internet dengan lampiran obrolan semenjak teman yang berkompeten di bidangnya, maka tercetuslah mencoba aplikasi google earth engine. Google earth engine sepantasnya enggak jauh berlainan dengan permintaan pemetaan lainnya seperyi Arcgis dan lain – tak. sekadar, kelebihan dari google erath adalah:

Open source

Tidak terbiasa menimang-nimang licensi jika menunggangi google earth engine. Aplikasi ini sangat setuju bikin orang dari tingkat pemula hingga mahir.justru, output bentuk berpangkal google earth engine sudah digunakan oleh berbagai macam artikel jurnal internasional. Cukup mendaftar ke google earth engine https://earthengine.google.com/  dengan syarat telah memiliki akun gmail namun karna ini suatu grup dengan petisi web gmail yang lain. Nanti akan ada cacat cak bertanya tentang untuk segala apa aplikasi ini akan digunakan dan pekerjaan anda perumpamaan apa, dan lain – bukan. silahkan saja diisi, dan selanjutnya lusa akan ada email yang masuk sebagai aktivasi dan ada link ke https://code.earthengine.google.com/ untuk mulai menggunakannya.

Dataset hipotetis berpangkal berbagai macam satelit

Saya pribadi hanya pernah menggunakan arcgis, tapi bagaikan anak adam awam masih bingung jika ingin menggunakan satelit sentinel, landsat, Modis, dan bukan lain. padahal di google earth engine semua itu habis kita catat sekadar codingnya dan sedah disediakan semuanya oleh google, tambahan pula citra bintang siarah ahad habis alias kemarin sekiranya update satelitnya surat kabar.

Custom

Saya katakan sangat custom karena aplikasi ini memperalat coding lakukan mendapatkan rajah citra yang dikehendaki. Saya pribadi memonten jika menggunakan arcgis harus mencari buku ataupun literatur jika ingin clip peta atau calculate area, mite, dan tak lain karena menunya sudah ditentukan. Tapi di google earth ini semua terserah kita sesuai pamrih kita menggunakannya. Memang hal ini bisa menjadi kekurangan karena sebagai insan awam lazimnya tidak tau apa yang harus diketik. Namun, ternyata panduan dan cak bimbingan sudah banyak bertaburan baik blog ataupun youtube. Saya sendiri menjumut coding dari jurnal yang umumnya memberikan link sourcenya. Bintang sartan tidak terbiasa kuatir, pengguna google earth ini sudah lalu banyak.

Di blog ini saya akan menuliskan bilang pengalaman yang telah saya bikin memperalat google earth. Sesuai dengan bidang belakang diatas, saya berkenalan google earth untuk menghitung berapa luas fase pertumbuhan sehingga diketahui berapa perkiraan luas pengetaman.

Sememangnya, ada aplikasi yang sudah disiapkan oleh departemen perkebunan yakni SC2 atau sentinel 2 dengan luas di tiap fase pertumbuhan di tingkat kecamatan. Kesan saya karena sahaja menampilkan luas petak saja, maka sulit untuk dilakukan verifikasi dilapangan. Tentu susah kita meyakinkan penyuluh lapangan dengan data langsung diagram sekian hektar, tanpa dapat menunjukkan dimana letak sawah tersebut. Menunggangi google earth selain kita memaklumi luas tiap fase pertumbuhan padi, kita juga akan mendapatkan atlas di tingkat kecamatan, bahkan desa jika kia memiliki source administrasi desa dan source denah lahan biasa sawah.

Tapi sebelumnya, saya akan takhlik disclaimer terlebeih dahulu bahwa yang saya tuliskan disini adalah asam garam orang awam yang plonco belajar purwa siapa dengan pemetaan dan google earth engine.

Pengenalan Komponen Google Earth Engine

Lega artikel ini saya akan tuliskan bagian bagian dari google earth tentunya dengan bahasa saya seorang. Seandainya sudah berbuntut membentuk akun, dan masuk ke google earth engine, dibagi menjadi 3 ruangan, bagian paling kanan saya sebut sebagai persuratan (no1) karena mandraguna tentang script yang tersimpan, kopi atau pelajaran google serta file file yang kita upload ke google earth engine dengan produktivitas 10 Gb. File yang kita simpan dapat konkret atlas intern bentuk shp atau tulang beragangan peta berasal satelit.

tampilan google earth engine
tampilan google earth engine

Kemudian no 2 arena code yang akan dituliskan bagi mendapatkan peta atau amanat tak di google earth engine. Pengalaman saya, saya tidak menulis coding manual, tetapi mencari code bermula source yang enggak dengan copy paste, maupun lazim dikenal ATM, Amati, Tiru, Modifikasi. Bukan jiplak ya…

Kolom no 3 ialah console, inspector, dan task.  Console lusa kebal table, grafik, atau gambar yang muncul sesuai permintaan yang kita tulis di adegan coding. Task yakni prosessing google earth engine lakukan upload, dan eksport rangka. Sedangkan inspector bisa kita gunakan bagi mengawasi nilai plong point yang kita pilih di area kar bakal melihat nilai – nilai yang tertera pada point tersebut. Misalnya poin ndvi, nilai ndwi tersidai prossesing apa yang kita tuliskan di coding.

Menambahkan substansi geometry ke internal Google Earth Engine

Sebelum melangkah makin jauh privat pembuatan script di Google Earth Engine, sebaiknya kita memahami bagaimana cara menambahkan mal geometry di dalam Google Earth Engine sehingga ketika kita bermain script sudah fokus kedalam AOI (Wilayah of Interest).

Puas panel sebelah kiri tampilan Google Earth Engine terdapat tab script, Docs, dan Asset. Asset sendiri merupakan file nan bisa kita simpan konkret tulangtulangan, shp dalam buram tabulasi, dan juga koleksi koleksi rangka berpunca citra yang kita simpan. Momen artikel ini ditulis, setiap akun mujur kapasitas free sebesar 10 Gb.

Sebenarnya tanpa import asset kita bisa membiasakan Google Earth engine dengan menggunakan point, rectangle, atau shape custom yang kita klik kedalam atlas google earth engine seperti lembaga dibawah. Klik tanda geometry di kanan atas map, kemudian pilih negeri menggunakan mouse atau kursor. Maka di script akan muncul import (1 entry) var geometry, nan merepresentasi kita mutakadim memasukkan variabel AOI kedalam script. Selanjutnya geometry ini sebagai satu variable yang bisa digunakan buat memotong gambar yang disediakan makanya koleksi berasal satelit sentinal, landsat maupun nan lainnya.


Sahaja, alangkah baiknya takdirnya kita n kepunyaan sewaktu AOI yang fokus kepada tujuann spesifik kita menggunakan Google earth Engine. Merupakan membuat Costum Geometry internal rancangan shape yang merupakan hasil output aplikasi pemetaan seperti mana Arcgis, Map Info dan lainnya.

Tahap yang perlu dilakukan pertama kali ada menyiagakan mangsa yang akan diupload. Saya menggunakan aplikasi Arcgis bikin menyusup shape sawah satu kabupaten menjadi sawah suatu kecamatan dengan arch tool “clip”. Lebih jauh data dalam table di layer sawah suatu kecamatan tersbeut di eksport internal rang shp. Hasil file yang akan terlihat beberapa 7 file yang kemudian kita archive menjadi satu dalam bagan zip.


Gambar diatas merupakan peta sawah di Kecamatan Sidamanik nan akan saya upload di Google Earth Engine kerjakan proses pengerjaan peta Fase pertumbuhan tumbuhan gabah. Peta sawah dan administrasi kecamatan dapat di download di RBI (Rupa Bumi Indonesia). Percuma, kita hanya diminta buat akun saja.

Selepas data geometry sudah paradigma, buka Google Earth Engine dan klik tab asset. Kemudian klik new – shape files (.shp. shx,… zip).


Klik select dan arahkan di file hasil yang kita kompress tadi. Klik upload, tinggal akan muncul progress upload di sebelah kanan pada tab task. Pastikan proses sudah rampung sebelum anda merefresh tab asset lakukan melihat hasil import geometry.

Setelah success melakukan import, bisa kita klik dan akhirnya begitu juga rang di bawah ini:


Bagi menggunakannya atau import ke dalam script dalam proses google earth engine selanjutnya, kita pas klik import di putaran sumber akar.

kecamatan sidamanik simalungun sumatera utara

Rancangan ini ialah kamil hasil script yang di clip dengan AOI dengan geometry sawah di kecamatan Sidamanik, Kab Simalungun, Kewedanan Sumatera Utara.

Salah satu prinsip terbaik mencuil gambar jernih dari satelit

Setelah berbuntut import geometry atau AOI di google earth engine, kata sandang ini akan membahas bagaimana mencekit gambar bersumber satelit dengan batasan geometry nan kita miliki tersebut.

Kita urai google earth engine, import geometry ataupun AOI (Kawasan of Interest nan kita miliki), kemudian bagian code editor (babak tengah), kita ketikkan kode berikut:

        Var geometry = table var dataset = ee.ImageCollection('COPERNICUS/S2')                   .filterDate('2020-01-01', '2020-01-30')                 .filterBounds(geometry)      print (dataset)
        
      

kode diatas kita mendeskripsikan dua variabel variabel, yakni geometry dan dataset. Variabel geometry selevel dengan tabulasi yang kebal file shp AOI yang sudah kita import. Sesungguhnya laur ini tidak perlu di cantumkan sebenarnya tidak problem, karena table seorang sudah dideskripsikan di awal detik kita impor dengan nama ‘var table’.

 dataset weduk koleksi gambar nan dimiliki oleh sentinel 2 atau Copernicus/S2 dengan memberikan batasan masa ( khasiat filter date dari 1 januari hingga 30 januari). Batasan periode ini penting, karena takdirnya lain dibatasi google earth akan memberikan semua koleksi gambar sentinel dan itu akan menyebabkan overload.

Kemudian kejadian yang tidak kalah pentingnya adalah membatasi negeri. Atau negeri yang akan ingin kita lihat ialah provinsi geometry. Pemberian batasanini diwakili oleh .flterbounds(geometry).

Kemudian pada jejer penghabisan “print(dataset)” berfungsi kerjakan menyambung gambar rangka tersebut di ulas console atau area sebelah kanan google earth engine. Artinya semua lembaga sentinel dua dalam rentang perian dan wilayah yang sesuai dengan filter yang kita cantumkan akan dimunculkan cap filenya di sebelah kanan.

mengambil gambar dari sentinel
mencekit gambar dari sentinel

Setelah itu klik run pada toolbar diatas. Tunggu sehingga akan ada siaran di console.  Karenanya ternyata ada 12 gambar koleksi sentinel sreg Bulan Januari 2022. Keterangan acuan bisa kita klik baris tersebut atau tanda panahnya, kemudian kita lihat satu persatu informasi metadatanya. Masing masing mempunyai 16 band.

menentukan gambar yang akan ditampilkan

Provinsi yang terlingkar sreg gambar diatas ini adalah nama gambar tersebut. Kita lebih lanjut boleh mengolah data dengan partikular menggunakan tulangtulangan ini dengan menulis atau copy paste judulnya saja.

Menampilkan rangka sentinel 2

Tulis script dibawah ini cak bagi menampilkan gambar sudah kita memperbedakan:

        var image = ee.Image('COPERNICUS/S2/20200102T034141_20200102T034813_T47NMD') var image2= image.clip(geometry);  var visParams = {bands: ['B8', 'B4', 'B3'], max: 3048, gamma: 1}; var visParams_ndvi = {min: -0.2, max: 0.8, palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +     '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'};  // Calculate NDVI var image_ndvi = image2.normalizedDifference(['B8','B4']);  // Map results Map.centerObject(geometry,13) Map.addLayer(image2,visParams,'dandan bangkang') Map.addLayer(image_ndvi,visParams_ndvi,'warna NDVI')
        
      

Didalam ee.image adalah nama rajah yangkita kehendaki berdasarkan seleksian kita sebelumnya. Copy paste teko sahaja judul gambarnya. Enggak lupa kita clip dengan wilayah AOI yang kita kehendaki di google earth engine dengan lentur image 2.

Variabel baru merupakan visparams dan visparam_ndvi merupakan penjelasan kita bagaimana kita ingin mengemukakan peta, pada siapa ini saya hanya menunggangi band 8 atau B8, B4, dan B3. Keterangan band itu terserah di deskripsi gambar yang dipilih sebelumnya. Atau mengaji profile dari bintang beredar sentinel Top of Angkasa luar di link berikut: deskripsi band sentinel 2.

Kemudian dalam sejumlah band yang kita pilih tersebut, kita menghitung angka NDVI yang akan ditampilkan di layer baru nantinya. Kerjakan pembahasan NDVI akan dijelaskan terpisah (insha allah).

Kemudian pada bagian map result kita tiba membuat layer, dengan center objectnya kita fokuskan di AOI dengan ki akbar fokus setinggi dengan 13. Kredit titik api ini dapat diperbesar alias dikurangi sesuai kebutuhan. Kemudian layer yang kita beri nama “dandan merah” menggunakan deskripsi nan sudah dijelaskan di laur visparam. Dan warna ndvi untuk layer ndvi

print peta sentinel
print peta sentinel

Klik run
Hasilnya terlihat sbb:

gambar ndvi
calculate NDVI dari band 8 dan 4

band 8, 4 dan 3 divisualkan merah

Jika kita hilangkan clip geometry, selayaknya gambar aslinya berbentuk square. Sebagai berikut:
Script:

        var image = ee.Image('COPERNICUS/S2/20200102T034141_20200102T034813_T47NMD')  var visParams = {bands: ['B8', 'B4', 'B3'], max: 3048, gamma: 1}; var visParams_ndvi = {min: -0.2, max: 0.8, palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +     '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'};  // Calculate NDVI var image_ndvi = image.normalizedDifference(['B8','B4']);  // Map results Map.centerObject(image,9) Map.addLayer(image,visParams,'rona biram') Map.addLayer(image_ndvi,visParams_ndvi,'warna NDVI')
        
      

Hasil:
Rancangan dandan merah:

tanpa clip merah
sonder clip layer rona merah

tanpa clip layer NDVI

Tertentang bahwa ada awan nan meliputi areal salutan tanah cukup segara. Hal ini dimaklumi karna indonesia beriklim troopis dengan kondisi peledak nan dapat dikatakan selalu ada setiap hari. Kemungkinan daerah timur indonesia akan kian steril semenjak udara karena lebih banyak cuaca panasnya.

Satu persatu gambar dari 12 gambar diawal bisa dicoba bagi dilihat mana jumlah awan yang paling kecil kurang. Tetapi ada mandu yang lebih tepat untuk mengetahui gambar mana yang memiliki jumlah awan yang paling sedikit yakni menunggangi fungsi sort pada jumlah mega.

Gambar dengan total udara yang paling sedikit pada rentang perian tertentu.
Gunakan tulisan tangan dibawah ini:

        var geometry = table var dataset = ee.ImageCollection('COPERNICUS/S2')                   .filterDate('2020-01-01', '2020-01-30')                 .filterBounds(geometry)                   var sorted = dataset.sort('CLOUD_COVER') var image = sorted.first()  var visParams = {bands: ['B8', 'B4', 'B3'], max: 3048, gamma: 1}; var visParams_ndvi = {min: -0.2, max: 0.8, palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +     '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'};  // Calculate NDVI var image_ndvi = image.normalizedDifference(['B8','B4']);  // Map results Map.centerObject(geometry,12) Map.addLayer(image.clip(geometry),visParams,'dandan biram') Map.addLayer(image_ndvi.clip(geometry),visParams_ndvi,'corak NDVI')
        
      

Nan farik dari skrip diatas adalah

var sorted = dataset.sort(‘CLOUD_COVER’)
var image = sorted.first()

jadi kita langsung mewujudkan short pada field cloud cover dan memilih cloud cover yang minimum sedikit sonder harus menentukan atau memilih tanda gambar tersebut. Jadi dari 12 rang tadi, tanpa kita tau judul rangka yang akan terpilih kita langsung perintahkan pilih cloud cover nan paling kurang di bulan januari 2022.
Hasilnya adalah sebagai berikut

NDVI sedikit awan
NDVI adv minim awan

merah sedikit awan
tampilan denah dengan sedikit peledak pecah periode tertentu

Tertumbuk pandangan bahwa sungguhpun sudah filter sedikit awan, tapi mega tampaknya masih terlihat. Terutama kawasan tepi laut atau yang danau, rata-rata awan selalu ada setiap harinya.

Proses lain untuk menyurutkan awan adalah dengan cara menggabungkan beberapa bentuk pada musim tersebut sehingga mendapatkan lapisan yang lebih jernih yang disebut dengan masking. Makara pixel yang terkatup gegana diganti dengan lembaga lain yang tak terkatup. Mana tahu akan dijelaskan di artikel berikutnya.

Menghitung Luas Berdasarkan Biji NDVI

Menciptakan menjadikan peta dengan keteranga NDVI memang berguna, namun hal itu serasa rendah arketipe jika kita tak menambahkannya dengan informasi luas setiap range nilai NDVI.

Beralaskan camar duka, saya membujur peta fase pertumbuhan tanaman dalam bentuk pdf berasal sebuah instansi ternama yang punya tupoksi khusus mengeluarkan atlas tersebut. Akhirnya, saya harus merender ulang peta itu untuk mendapatkan berapa luas kapling nan berada dalam fase vegetatif dan sebagainya. Itu pas merepotkan.

Google earth engine menyediakan fitur taksiran pixel langsung nan terdapat internal peta yang dihasilkan. runding pixel tersebut kemudian dapat dikalikan dengan rasio yang digunakan sehingga langsung keluar hasil luas, boleh privat meter persegi ataupun hektar.

Puas artikel ini, saya akan memberi kredit NDVI dalam bilang range. Nilai NDVI mempunyai biji -1 setakat 1. suka-suka perpautan antara fase pertumbuhan tanaman dengan angka NDVI sehingga bisa dikelompokkan berlandaskan range tertentu. Kata sandang ini tidak membahas fase tanaman tertentu berada dalam range tertentu, melainkan sebagai latihan bagaimana menjatah kredit range NDVI dan menghitung luasnya.

langsung saja kita urai google earth engine dan menuliskan script misal berikut:

        Imports (2 entries) var table : Table users/ var table2 : Table users/  var dataset = ee.ImageCollection('COPERNICUS/S2')                   .filterDate('2020-03-01', '2020-04-09')                 .filterBounds(table);                          var sorted = dataset.sort('CLOUD_COVER') var scene = sorted.first().clip(table)   // Visualization parameters  var visParams = {bands: ['B8', 'B4', 'B3'], max: 3048, gamma: 1}; var visParams_ndvi = {min: -0.2, max: 0.8, palette: 'FFFFFF, CE7E45, DF923D, F1B555, FCD163, 99B718, 74A901, 66A000, 529400,' +     '3E8601, 207401, 056201, 004C00, 023B01, 012E01, 011D01, 011301'};  // Calculate NDVI var image_ndvi = scene.normalizedDifference(['B8','B4']);   // Map results Map.centerObject(table,12) Map.addLayer(scene,visParams,'Sentinel-2 False Color Infrared') Map.addLayer(table2,{},'kecamatan') Map.addLayer(image_ndvi,visParams_ndvi,'Sentinel-2 NDVI')  var mergedAllFunction = function(image) {  var ndvi = scene.normalizedDifference(['B8','B4']).rename('NDVI');   var thres1 = ndvi.gte(0).rename('thres1')  var thres2=ndvi.gt(0.1921).and(ndvi.lt(0.739)).rename('thres2')  var thres3=ndvi.gt(0.74).and(ndvi.lt(0.778)).rename('thres3')  var thres4=ndvi.gt(0.192).and(ndvi.lte(1)).rename('thres4')   return image.addBands(ndvi).addBands([thres1,thres2,thres3,thres4]); }  var median = dataset.median();  var merged = mergedAllFunction(median);  var areas = merged     .select(['thres1', 'thres2', 'thres3', 'thres4'])     .multiply(ee.Image.pixelArea())     .reduceRegion({       reducer: ee.Reducer.sum(),       geometry: table,  // a geometry       scale: 10,   // scale = 10 for sentinel-2 'red' band       maxPixels: 1e9       }); print(areas,'square meters')
        
      

Putaran permulaan yakni mengimport kekayaan diagram sawah (tabel 1) dan had kecamatan (tabel 2). kemudian memanggil himpunan dataset sentinel dengan mengganti terlepas batas mulanya dan akhir dari koleksi sentinel tersebut dengan menerapkan penapis udara yang minimum minimal.

Pembagian range NDVI terletak pada :

        var thres1 = ndvi.gte(0).rename('thres1')  var thres2=ndvi.gt(0.1921).and(ndvi.lt(0.739)).rename('thres2')  var thres3=ndvi.gt(0.74).and(ndvi.lt(0.778)).rename('thres3')  var thres4=ndvi.gt(0.192).and(ndvi.lte(1)).rename('thres4')
      

variabel yang diberi jenama thres1 memiliki range ndvi antara 0 – 0.1920
thres2 memiliki range 0.1921 – 0.738
thres3 memiliki range 0.74 – 0.778
thres4 memiliki range 0.192 – 1

tentu ponten ini bisa diganti sesuai dengan kebutuhan nan dihadapi dilapangan. Kendala menggunakan metode ini karena NDVI punya tabel sinus, sehingga ada bilang daerah di fase generatif sekali lagi terdefinisi ibarat fase vegetatif. Situasi ini sudah ada solusinya yang belakang hari akan saya publish kembali di blog ini, setelah saya publish sebagai KTI 🙂

hasil dari script diatas adalah gambar dibawah ini. hasil perhitungan luas perkelas ada di daerah console dengan satuan meter persegi. Selain itu, denah sawah dengan batas kecamatan juga ada di bagian map sebagaimana yang mutakadim dijelaskan di kata sandang sebelumnya.


Penggalan ini menjadi babak pengunci tutorial dasar pemanfaatan google earth engine. Selanjutnya akan dipublish intern artikel nan terpisah n domestik case by case. Terima kasih sudah lalu berkunjung

Source: https://agungbudisantoso.com/pengenalan-google-earth-engine/