UIN Ar-RaniryUIN Ar-Raniry

Cyberspace: Jurnal Pendidikan Teknologi InformasiCyberspace: Jurnal Pendidikan Teknologi Informasi

High spatial and temporal resolution satellite imagery is essential for monitoring rapid environmental changes at finer scales. However, no single satellite currently provides images with both high spatial and temporal resolution. To overcome this limitation, spatiotemporal image fusion algorithms have been developed to generate images with improved spatial and temporal detail. Water level monitoring is also crucial for managing natural hazards like floods and tsunamis, but remote sensing satellites face challenges in continuous monitoring due to either low spatial or temporal resolution. This study focuses on integrating Landsat and AHI imagery to monitor local and dynamic sea level changes. The process involves calibrating images from the study area to surface reflectance and co-registering them. The Normalized Difference Water Index (NDWI) is calculated from both Landsat and Himawari-8 images, serving as input for image fusion. In the previous study, the Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM) is used for image fusion. In this study we use the application of Spatial Temporal Adaptive Algorithm for Mapping Reflectance Change (STAARCH) for the image fusion step. Since traditional methods are influenced by land cover changes, this study proposes a method called DEM-based Nearest Neighbor to select appropriate land cover maps for image fusion. Evaluation results demonstrate that this approach can produce accurate water coverage maps with both high spatial and temporal resolution.

Penelitian ini menyelidiki potensi penggunaan algoritma STAARCH untuk menggabungkan citra satelit Landsat dan Himawari-8 dalam pemantauan tingkat laut yang efektif.Tantangan utama dalam penelitian semacam ini adalah keterbatasan data referensi, yang dapat secara signifikan memengaruhi akurasi penggabungan citra dan proses pemantauan selanjutnya.Untuk mengatasi masalah ini, penelitian ini menyarankan bahwa simulasi data referensi dapat menjadi strategi yang berharga, membantu mengurangi kekurangan data dan meningkatkan kinerja model.Dengan mengintegrasikan data yang disimulasikan, model STAARCH akan memiliki lebih banyak titik referensi untuk menggabungkan citra secara akurat, bahkan ketika data real-time langka.Selain itu, penerapan Model Elevasi Digital (DEM) – berbasis Nearest Neighbor (DNN) dapat ditingkatkan lebih lanjut dengan mempertimbangkan penggunaan DEM dan meningkatkan jumlah citra referensi dalam proses tersebut.

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan eksplorasi lebih lanjut mengenai penggunaan berbagai jenis DEM dengan resolusi yang berbeda untuk meningkatkan akurasi pemilihan land cover map dalam proses image fusion. Kedua, penelitian dapat difokuskan pada pengembangan metode simulasi data referensi yang lebih canggih, misalnya dengan memanfaatkan data historis atau model numerik untuk menghasilkan data yang lebih realistis. Ketiga, perlu dilakukan analisis sensitivitas terhadap parameter-parameter dalam algoritma STAARCH dan DNN untuk mengidentifikasi parameter-parameter kunci yang paling berpengaruh terhadap hasil image fusion, sehingga dapat dilakukan optimasi parameter yang lebih baik.

Read online
File size510.63 KB
Pages7
DMCAReport

Related /

ads-block-test