pixelcooker

Color composites generation workflow which emphasizes to mineral (clay, iron oxide, and ferrous minerals) distribution over wide area. This workflow can be applied to Landsat-8 or Landsat-9 imagery. Similar workflow also can be done for Sentinel-2 MSI imagery. Workflow can be applied to Level-1 data, and the most optimal is applied to the surface reflectance level data. Key interpretation about color and mineralogy association: 1. Reddish color = ferrous minerals 2. Greenish color = clay minerals 3. Bluish color = iron oxide minerals

A short video (under 5 minutes) about how to install ESA-SNAP Remote Sensing Data Processing software on Apple Macbook Air or Macbook Pro, under the latest Mac OS Version. This video is created under Mac OS 12.1 Monterey environment. 

How to generate RGB composites of Multi-temporal SAR Radar Imagery in ESA SNAP. Multi-temporal SAR Imagery is very useful to monitor the landuse and landcover dynamic over time. This data could also be useful for Image Classification or Image Segmentation from SAR Data. RGB composites of SAR data are not the same as RGB composites of Optical Imagery Data. The color information of SAR Color composite doesn't represent the electromagnetic response of land cover. It is more represents the gradual changes of radar backscatter response at different times.

All remote sensing users must be familiar and used to playing with multispectral bands combination to get certain information from imagery. If you are deeply understand about spectral response curve of surface earth objects, you will know that certain object (vegetation for example) gaves different spectral response compared to another objects. For satellite imagery consist of more than 3 bands (RGB in digital camera), different bands combination in RGB planes gaves different emphasizes to landcover colors in the imagery. Hence they are called multispectral imagery. Most of low to medium resolution imaging satellite currently operational in the earth orbit are multispectral, like landsat, modis, noaa avhrr, and many others.  Multispectral imagery number of bands can range from 4 bands to dozens bands, but not reaching hundreds. When the bands number reached more than one hundred bands it is called hyperspectral imagery and its analysis and image processing workflow would be pretty ...

The availability of multiple processing levels of satellite imagery products, either in the free or commercialized domain, by multi-national government agencies or private companies has made imagery utilization for many applications easier than ever.  Take Sentinel-2 imagery as an example, it is been delivered to the public as multi-level data products. You can get L1c products that only radiometric and geometrically corrected, or higher level L2a which the data has been processed to reflectance unit, furthermore it is already atmospherically corrected. So we don't talk about Top of Atmosphere reflectance anymore, we talk about surface reflectance.  However, all this easiness should not make us became lazy person alright?. It is important that remote sensing users know how to do atmospheric correction either in the practical or theoretical domain. Without deep knowledge of remote sensing theories, all of your image processing and analysis skills cant be trusted in order to get...

DEM ( Digital Elevation Model ) extraction is one of popular topic in GIS and Remote Sensing. There are so many ways and methods to produce a DEM. You can use survey data in points format then interpolate it to became raster DEM, or using contour lines to generate DEM. Almost every GIS and Remote Sensing can do this kind of analysis. The better approach and yielding a better result is using Photogrammetry techniques. For photogrammetry, you needs satellite imagery or aerial photographs that has image overlap between flight line that later can be opened together in a photogrammetric software, and then from the overlaps, height and elevation information could be reconstructed and sampled together in their respective grids, and finally a DEM has been created.  Recent development of survey technology has introduce us to LIDAR technology that enabling us to get a DEM in superfine resolution and covering large area. UAV technology is also progressed so much even photogrammetry survey can...

ENVISAT is the flagship earth observation satellite of the European Union from 2000 to 2010. It brings a huge number of payloads and sensors. The most well-known are AATSR, ASAR, and MERIS. ASAR (Advanced Synthetic Aperture Radar) is the continuation of the ERS1-ERS2 satellites which operate in the nineties to early 2000. The satellite now has been decommissioned due to communication problems, but the data is still considered precious because it is recording the earth phenomena in the last decade.  ENVISAT ASAR data has been available for the public, however, its access right now is quite limited due to EU rules. ENVISAT ASAR data comes in with a wide range of data formats, and all of them are supported to read and process in ESA SNAP Software. So if you have access to ENVISAT ASAR, I advise using ESA SNAP if you want to get maximum benefits of the data. Nonetheless, other SAR Software can also process this data. Recently I have access to the data and I start to play around with th...

My two previous posts concerned about tile layers served as basemap in raster format. Tile layer in raster format is superb because it is deliver fast reading, great compatibility between systems and standards, Tile layer in raster format is also works for any kind of data and independent from the source data format. Either you have thematic maps in vector format or satellite imagery/DEM in raster format, Tile layer in raster could handle them well. But technology always changing. In recent years, development of tile layer in vector format got its fruition. It is somewhat better than raster, but it is not dedicated to replace the raster based tiles. It has specific function which is mainly to serve basemap in VECTOR format. By using vector format, you can get : 1. Smaller file size to serve, so higher performance is guaranteed. 2. Dynamic and good resolution/display in every scale or zoom level (vector ftw man). 3. Faster generation and processing time compared to raster. 4. No...

Sudah lama sekali saya tidak memperbarui blog ini dengan sebuah tulisan, dan kali ini ada sebuah momen yang saya rasa penting untuk saya tulis. Selain untuk arsip dari apa – apa yang telah saya pelajari, barangkali bisa bermanfaat juga untuk anda pembaca. Tulisan ini bermula dari ketertarikan saya mengikuti kurus penginderaan jauh radar/gelombang mikro yang diadakan oleh ESA (European Space Agency) dalam format online dengan judul ECHOES IN SPACE. Kursus ini gratis dan dapat diikuti siapa saja yang telah memiliki basic pengetahuan penginderaan jauh (cek link INI untuk berpartisipasi). Dari kursus ECHOES IN SPACE, pengetahuan penginderaan jauh system radar/SAR saya jauh meningkat, terutama tentang konsep – konsep teoritisnya, dan hubungannya dengan aplikasi praktisnya. Selama ini memang saya lebih banyak berkutat di penginderaan jauh system optik, dan jarang berkutat di Gelombang Mikro. Meskipun beberapa praktek teknis Radar seperti pembuatan komposit multipolarisasi, geocoding...

A new landsat-8 data provider has been added Using simple interface you can straightforwardly download landsat-8 data either just some bands or full dataset. This portal utilizing Amazon S3 free access Landsat-8 repository, so it will have some data acquisition delay compared with official USGS repository (EarthExplorer, GLOVIS, REVERB). Based on the test I conducted, I think data access thru this portal is greatly useful if you just need some quicklook or visual interpretation needs. Oh btw, Landsat-8 data obtained from this portal is reprojected to Web Mercator Projection, so if you need the data in UTM or Geographic Projection, just reproject it using ArcGIS, QGIS or other Geospatial softwares.

Another platform to download Landsat-8 Data No login and registration needs, more intuitive than Glovis/EarthExplorer

ALOS adalah satelit penginderaan jauh milik jepang yang diluncurkan tahun 2006 dan berhenti beroperasi pada tahun 2011. Satelit ini membawa tiga sensor pencitraan, yaitu AVNIR-2 (beroperasi pada mode multispektral 4 saluran Blue-Green-Red-NIR dengan resolusi spasial 10 meter), PRISM (beroperasi pada mode pankromatik secara triple stereo dengan resolusi 2.5 meter) dan PALSAR (sensor SAR dual polarisasi). Citra ALOS banyak digunakan di Indonesia selain karena cakupan wilayahnya yang luas harganya juga relatif murah (3-5 juta rupiah per scene). Citra ALOS didistribusikan dalam dua format, geotiff (*.tif) dan CEOS format. Untuk format geotiff kebanyakan software bisa membuka data ini tanpa masalah, namun untuk format CEOS sampai saat ini hanya software pengolahan citra digital penginderaan jauh yang baru bisa membukanya (ENVI, ERDAS, PCI dan mungkin juga yang lain). ESRI Jepang beberapa waktu yang lalu telah merilis sebuah tool dalam bentuk toolbox agar format CEOS dapat dibuka di software...

Orthorektifikasi melibatkan citra satelit, DEM dan data GPS sebagai titik ikat. Dilihat dari karakteristik elevasinya, DEM biasanya menggunakan tinggi orthometrik, sedangkan GPS dan RPC coefficient dari citra menggunakan tinggi ellipsoid. Proses orthorektifikasi secara langsung tanpa mempertimbangkan perbedaan elevasi antara tinggi ellipsoid dan tinggi orthometrik (geoid) akan mengakibatkan kesalahan dalam orthorektfikasi (walaupun GCP dan DEM-nya akurat/presisi). Contoh perbedaan Orthorektifikasi dengan koreksi geoid dan tanpa koreksi geoid dapat dilihat di gambar di bawah ( Orthorektifikasi dilakukan di ENVI 5.1 menggunakan DEM TERRASAR-X Resolusi 8 meter tanpa GCP, verifikasi akurasi kualitatif menggunakan RBI skala 25000 ). Citra Orb-View 3 Panchromatic ( 1 meter) Level BASIC ENHANCED (RPC file Attached)   Ortho tanpa koreksi Geoid Ortho dengan koreksi Geoid Dari gambar diatas dapat dilihat bahwa koreksi geoid akan meningkatkan akurasi hasil orthorekti...

Melanjutkan postingan sebelumnya tentang orthorektifikasi foto udara, pada postingan kali ini saya akan coba uraikan bagaimana cara orthorektifikasi foto udara menggunakan software ENVI. Untuk informasi tambahan, selain di ENVI, software lain yang bisa mendukung orthorektifikasi foto udara antara lain PCI geomatica, ERDAS IMAGINE, SOCET SET, ILWIS, dan GRASS, dan juga mungkin software software pengolahan citra yang lain. Sebelumnya, monggo silahkan di download file KML berikut ini ( link ), kemudian coba tampilkan di google earth. silahkan diamati di daerah bergunung dimana disitu nampak efek relief displacement pada foto sangat besar. File KML ini dihasilkan dari koreksi geometrik menggunakan toolbar georeferencing ArcGIS. Dari hasil tersebut nampak bahwa georeferencing saja tidak cukup untuk mengkoreksi relief displacement. Anda bisa koreksi ulang dengan menambahkan GCP, meningkatkan orde transformasi polynomial-nya ke orde 2 dan yang lebih tinggi, tapi tetap tidak akan diperoleh ...

Tulisan ini adalah bagian pertama dari Tutorial Orthorektifikasi Foto Udara. Foto udara disini adalah foto udara yang dihasilkan dari Kamera Metrik Fotogrametris/frame camera (film), bukan foto udara yang dihasilkan dari UAV custom yang biasanya menggunakan kamera pocket/SLR yang dipasang pada pesawat RC, walaupun prinsip yang digunakan (mungkin) relatif sama. Pada bagian pertama ini saya akan membahas tentang distorsi geometrik pada foto udara terlebih dahulu. Foto udara dari frame camera berbeda dengan foto udara atau citra multispektral airborne. Foto udara frame camera direkam secara serentak (sama dengan kamera analog dalam fotografi) dalam satu kali liputan perekaman. Yang dimaksud dengan serentak disini adalah seluruh energi elektromagnetik (pantulan cahaya matahari dari obyek di permukaan bumi) dari seluruh area liputan langsung diterima lensa dan kemudian direkam dalam film sebagai media perekam. Sedangkan untuk sistem digital (electronic airborne multispectral scanner) meka...

Bagi para penggiat, praktisi, pengguna, akademisi dan peneliti yang berkecimpung di dunia penginderaan jauh, dan geosciences pada umumnya, ada kabar baik. Saat ini LAPAN sebagai instansi pembina penginderaan jauh di Indonesia telah menyediakan data Landsat 5 sampai 8 yang mencakup seluruh wilayah Negara Kesatuan Republik Indonesia dan dapat diunduh secara cuma - cuma. Portal tersebut dapat diakses dari alamat web INI . Data yang tersedia disana sejauh yang sudah saya cek berisi data Landsat 5 TM, Landsat 7 ETM+ dan satelit Landsat generasi terbaru yang diluncurkan tahun lalu yaitu Landsat 8 OLI/TIRS. Data yang tersedia berkisar dari perekaman tahun 2009 sampai perekaman terbaru 2014. Adanya portal data spasial ini tentunya dapat menambah sumber layanan data Landsat yang sebelumnya hanya tersedia dari GLCF , EarthExplorer , dan Glovis .  Sebenarnya saya sudah tahu keberadaan portal ini sejak desember 2013 dimana pada saat itu portal ini sudah dipresentasikan oleh Ibu Dwikorita da...

Dalam pembuatan peta hillshade, seringkali kita menggunakan pewarnaan (color mapping) berdasarkan ketinggian untuk lebih menekankan kesan topografi dan perbedaan elevasi. Secara kartografis peta hillshade yang diwarnai (tinting) juga lebih indah, berkesan seni, dan lebih membantu dalam proses interpretasi kenampakan topografis. Selain penggunaan perbedaan elevasi sebagai dasar pewarnaan, kita juga bisa menggunakan informasi spektral dari citra satelit untuk memberi warna pada peta hillshade. Penggunaan citra satelit sebagai dasar pewarnaan akan lebih menggambarkan bentuk kenampakan penutup lahan di atas hillshade, sehingga dapat memperkaya informasi. Hillshade tinting berbasis citra satelit sebenarnya dapat dilakukan di banyak software pengolahan citra dan SIG, tapi untuk kasus ER MAPPER, ada beberapa kelebihan dibanding software yang lain. Kelebihan itu antara lain keleluasaan dalam mengatur sudut ketinggian matahari (elevation angle) dan sudut arah datang matahari (azimut...

Orthorektifikasi adalah proses koreksi geometrik citra satelit atau foto udara untuk memperbaiki kesalahan geometrik citra yang bersumber dari pengaruh topografi, geometri sensor dan kesalahan lainnya. Hasil dari orthorektifikasi adalah citra tegak (planar) yang mempunyai skala seragam di seluruh bagian citra. Orthorektifikasi sangat penting untuk dilakukan apabila citra akan digunakan untuk memetakan dan mengekstrak informasi dimensi, seperti lokasi, jarak, panjang, luasan, dan volume. Citra tegak merupakan citra) yang telah dikoreksi segala kesalahan geometriknya, sebagai akibat dari mekanisme perekaman citra. Kesalahan geometrik citra dapat berasal dari sumber internal satelit dan sensor (sensor miring/off nadir) ataupun sumber eksternal, yang dalam hal ini adalah topografi permukaan bumi. Perekaman off nadir dan perbedaan ketinggian berbagai obyek di permukaan bumi menyebabkan adanya kesalahan citra yang disebut relief displacement. Relief displacement sendiri dapat didefinisi...