1. Apa itu Citra Satelit?

Citra satelit adalah gambar atau data visual yang diambil oleh satelit yang mengorbit Bumi. Satelit ini menggunakan sensor khusus, seperti kamera atau perangkat pemantau lainnya, untuk menangkap gambar permukaan Bumi dalam berbagai panjang gelombang, termasuk cahaya tampak, inframerah, dan lainnya. Citra satelit digunakan untuk berbagai keperluan, seperti pemetaan, pengawasan lingkungan, perubahan iklim, perencanaan kota, pertanian, hingga militer. Data yang dihasilkan bisa sangat detail dan mencakup area yang luas, sehingga sangat berguna untuk analisis geografis dan pemantauan kondisi Bumi dari jarak jauh.

2. Konsep Dasar GIS

GIS (Geographic Information System) adalah sistem yang digunakan untuk mengumpulkan, mengelola, menganalisis, dan menyajikan data yang berkaitan dengan posisi geografis di permukaan Bumi. GIS mengintegrasikan berbagai informasi yang berbasis lokasi untuk membantu pengambilan keputusan yang lebih baik. Konsep dasar GIS meliputi beberapa elemen penting, antara lain:

Secara keseluruhan, GIS memungkinkan pengguna untuk menganalisis data yang berhubungan dengan lokasi secara efisien, mendukung berbagai aplikasi dalam berbagai bidang, termasuk perencanaan kota, manajemen sumber daya alam, mitigasi bencana, dan lainnya.

3. Sumber Data Citra Satelit

Terdapat banyak sekali sumber data untuk mengakses data satelit, di antaranya adalah sebagai berikut: - Sentinel (Sentinel-1, Sentine-2, Sentinel-3, Sentinel-4, Sentinel-5, Sentinel-5P, Sentinel-6 Michael Freilich) - Landsat (Landsat-1 to 3, Landsat-4 and 5, Landsat-6, Landsat-7, Landsat-8/LDCM, Landsat-9) - MODIS - GOES - Terra - Suomi NPP Lebih lengkapnya bisa dicek di: https://www.eoportal.org/, https://developers.google.com/earth-engine/datasets

4. Bagaimana Cara Mengakses Data Citra Satelit?

Data-data citra satelit yang sudah disebutkan di atas dapat diperoleh menggunakan plaftorm Google Earth Engine (GEE) https://earthengine.google.com/. GEE dapat diakses secara gratis dengan melakukan registrasi terlebih dahulu. Registrasi dapat dilakukan dengan langkah-langkah berikut ini:

5. Menghubungkan R dengan GEE

Seperti yang kita ketahui, R berkembang sangat pesat mengikuti perkembangan zaman yang terjadi. Salah satu bentuk perkembangan R adalah bisa digunakan untuk melakukan pengambilan data citra satelit melalui package rgee. Package tersebut dirancang untuk dapat menghubungkan R dengan GEE untuk bisa melakukan pengambilan data citra satelit secara langsung di R. Bagaimana R bisa terhubung dengan GEE Untuk bisa menggunakan package rgee tidak hanya melakukan install package dan menggunakan syntax library(rgee) seperti package-package yang lain. Ada beberaoa tahapan yang harus dilalui sebagai berikut: - Update R dan RStudio ke versi terbaru terlebih dahulu. - Bersihkan terlebih dahulu environment R dengan syntax berikut:

6. Mengambil Data Citra Satelit Menggunakan R

Dalam praktikum kali ini, data yang akan diambil dari citra satelit adalah data Normalized Difference Vegetation Index (NDVI). NDVI adalah indeks yang digunakan untuk mengukur dan memantau kondisi vegetasi di permukaan Bumi menggunakan data penginderaan jauh (remote sensing), terutama dari satelit. NDVI memberikan informasi tentang kesehatan dan kepadatan vegetasi dengan membandingkan perbedaan antara cahaya yang diserap dan dipantulkan oleh vegetasi di dua panjang gelombang yang berbeda: merah (Red) dan inframerah dekat (Near Infrared, NIR). NDVI dapat diperoleh menggunakan beberapa satelit seperti MODIS dan Landsat, namun di praktikum kali ini NDVI akan diambil dari MODIS.

# Mengkoneksikan R dengan GEE
rm(list = ls()); gc()
##           used  (Mb) gc trigger  (Mb) max used  (Mb)
## Ncells 4806520 256.7    7316162 390.8  7316162 390.8
## Vcells 7198326  55.0   14952776 114.1 12151040  92.8
library(pacman)

rgee_environment_dir <- "C:\\Users\\T495\\AppData\\Local\\r-miniconda\\envs\\rgee_py2\\"

reticulate::use_python(rgee_environment_dir, required = T)
Sys.setenv(RETICULATE_PYTHON = rgee_environment_dir)
Sys.setenv(EARTHENGINE_PYTHON = rgee_environment_dir)
rgee::ee_Initialize(drive = T)
## ── rgee 1.1.7 ─────────────────────────────────────── earthengine-api 0.1.317 ── 
##  ✔ user: not_defined 
##  ✔ Google Drive credentials: ✔ Google Drive credentials:  FOUND
##  ✔ Initializing Google Earth Engine: ✔ Initializing Google Earth Engine:  DONE!
##  ✔ Earth Engine account: users/anasactivitybps 
##  ✔ Python Path: C:/Users/T495/AppData/Local/r-miniconda/envs/rgee_py2/python.exe 
## ────────────────────────────────────────────────────────────────────────────────
# Pengambilan Data NDVI di Kota Padang
library(rgee)
library(reticulate)
asset_id <- "projects/ee-anasactivitybps/assets/Padang"
ROI <- ee$FeatureCollection(asset_id)
print(ROI)
## EarthEngine Object: FeatureCollection
Map$centerObject(ROI)
## NOTE: Center obtained from the first element.
Map$addLayer(ROI)
date_1 <- "2018-01-01" 
date_2 <- "2018-03-31" 

koleksi <- ee$ImageCollection("MODIS/MCD43A4_006_NDVI")$
  filterBounds(ROI)$
  filterDate(date_1, date_2)

NDVI <- koleksi$select("NDVI")$first()

colorizedVis <- list(
  min = 0,
  max = 1,
  palette = c(
    'ffffff', 'ce7e45', 'df923d', 'f1b555', 'fcd163', '99b718', '74a901',
    '66a000', '529400', '3e8601', '207401', '056201', '004c00', '023b01',
    '012e01', '011d01', '011301'
  )
)

Map$addLayer(NDVI, colorizedVis, "NDVI")