Penginderaan jauh mempunyai kemampuan untuk menghasilkan data spasial yang susunan geometrinya mendekati keadaan sebenarnya dari permukaan bumi dalam jumlah yang banyak dan waktu yang cepat. Keadaan ini membutuhkan suatu sistem pengelolaan dan penanganan data yang tepat dan efisien sehingga informasi spasial dari citra penginderaan jauh yang diperoleh dapat berguna untuk kepentingan yang luas.
Penginderaan jauh tidak pernah lepas dari Sistem Informasi Geografi (SIG). Data-data spasial hasil penginderaan jauh merupakan salah satu data dasar yang dipergunakan dalam analisis SIG. Dalam perkembangannya data-data SIG juga berguna dalam pengolahan data penginderaan jauh (Barus dan Wiradisastra, 2000). SIG sangat baik dalam proses manajemen data, baik itu data atribut maupun data spasialnya. Integrasi antara data spasial dan data atribut dalam suatu sistem terkomputerisasi yang bereferensi geografi merupakan keunggulan dari SIG.
Data penginderaan jauh merupakan data hasil pantulan objek dari berbagai panjang gelombang yang di tangkap oleh sebuah sensor dan mengubahnya menjadi data numerik serta bisa dilihat dalam bentuk grafik atau citra (imaginery) (Purwadhi, 2001). Sedangkan pemanfaatan data-data penginderaan jauh dilakukan karena tersedia dalam jumlah yang banyak, mampu memperlihatkan dearah yang sangat luas, tersedia untuk daerah yang sulit terjangkau, tersedia untuk waktu yang cepat, dan dapat memperlihatkan objek yang tidak tampak dalam wujud yang bisa dikenali objeknya (Sutanto, 1989). Salah satu contoh aplikasi data penginderaan jauh adalah untuk melihat indeks vegetasi dan mengestimasi jumlah penyerapan Carbon Dioksida (CO2) oleh tanaman. NDVI (Normalized Difference Vegetation Index) merupakan metode yang sering digunakan untuk memanfaatkan data spektral indeks vegetasi (Spectral Vegetation Index (SVI)) dari penginderaan jauh. Spektral indeks vegetasi dari data penginderaan jauh terbentuk karena adanya perbedaan pantulan gelombang dari daun tanaman hidup dengan objek-objek yang lain dipermukaan bumi pada panjang gelombang hijau (visible) dan infra merah dekat (invisible) (Horning, 2004)
Kemampuan suatu citra (imaginery) menangkap dan menampilkan suatu informasi dari permukaan bumi sangat tergantung dari resolusi spasial, resolusi temporal, resolusi radiometrik dan resolusi spektralnya (Purwadhi, 2001). Setiap jenis citra mempunyai jenis resolusi yang berbeda-beda baik itu resolusi spasial, resolusi temporal, resolusi radiometrik maupun resolusi spektralnya sehingga mengakibatkan kemampuan suatu citra dalam menangkap dan menampilkan informasi juga berbeda-beda. Keadan ini juga terjadi pada kemampuan citra dalam menangkap dan menampilkan informasi indeks vegetasi.
Gambar disamping adalah contoh gambar citra dimana yang diperlihatkan adalah sebaran vegetasi yang didukung oleh tampilan dari citra ikonos. dan gambar di bawahnya adalah sebaran warna indeks vegetasi yang diolah melalui program2 GIS.
Pengolahan data penginderaan jauh dengan memanfaatkan SIG diharapkan mampu memberikan informasi secara cepat dan tepat sehingga dapat digunakan sesegera mungkin untuk keperluan analisis dan manipulasi data.
Pranala di Blog ini:
PETA ArcView GIS Modul ArcView GPS (Global Positioning System) Proyeksi Peta Aplikasi GIS untuk Klasifikasi Iklim Schmidt-Ferguson Implementasi SIG dalam Menunjang Pertanian Berkelanjutan Sistem Informasi Geografi (SIG)/Geographic Information System (GIS) Pemasukan Data Dalam Sistem Informasi Geografi (SIG)Digitasi Peta Secara Otomatis Lewat ArcGIS Sistem Informasi Geografi Perikanan; Sebuah Wacana GIS untuk Penginderaan Jauh dan Indeks Vegetasi Cara memotong data bentuk raster di ArcView Peta Jenis Tanah Bali Data Indonesia Dalam Bentuk *.shp (Gratisssss….!!!) Sistem Informasi Geografi Perikanan; Sebuah Wacana Interpretasi Citra Penginderaan Jauh
Penginderaan Jauh Joint Tabel di ArcView Vegetation Index Registrasi Peta di ArcView Menggunakan Extension Register and Transform tool Prediksi Erosi dengan USLE dan Sistem Informasi Geografi PERENCANAAN PENGELOLAAN WILAYAH PESISIR DENGAN MEMANFAATKAN SISTEM INFORMASI GEOGRAFI DAN DATA PENGINDERAAN JAUH Evaluasi Kesesuaian Curah Hujan, Temperatur dan Ketinggian untuk Tanaman Pisang dengan GIS Cara memotong file image di ArcView PERUBAHAN LUASAN TANAMAN MANGROVE DI TAHURA NGURAH RAI – BALI PERTUKARAN CO2 ANTARA ATMOSFER DAN LAUT: Pendahuluan Aplikasi SIG dalam Proses Perencanaan Buka Data SRTM Lewat ArcView EVALUASI ZONA AGROKLIMAT KLASIFIKASI SCHIMIDT-FERGUSON DI PULAU LOMBOK PERTUKARAN CO2 ANTARA ATMOSFER DAN LAUT: Eksplorasi Data Penginderaan Jauh – Kecepatan transfer gas CO2
11 April 2008 pukul 3:17 pm
mo nanya la an.. namamu mirip2 karakter orang buton. Orang butonkah??
kalo olah citra untuk kenampakan lamun atau rumput laut bagaiaman?
Tx
12 April 2008 pukul 7:24 pm
@La Awir
bukan mas, saya asli bima. ngolahnya biasan aja, tinggal metode apa yg di gunakan. bisanya sih metodenya analisis citra multispektral
26 September 2008 pukul 12:48 am
bisa script ga?
udah pernah punya produk??
kalau menghubungkan SIG dengan VB (visual basic) bisa ga?
udah pernah pakai map object?
2 November 2008 pukul 4:33 pm
kk kirimin aku tentang manfaat pengindeaan jauh dan hasilnya ya kk
makasih!!!!!!
24 Oktober 2009 pukul 11:45 am
hallo semua mau tanya juga donk…
yang tau wajib jawab..!!!!!
emmm INTEGRASI ma INTERPRETASI sama ga ci..
2 Maret 2010 pukul 9:34 pm
ada yang punya data kependudukan/BPS tahun 2008 ga?
lagi butuh banget. kalo ada bisa send infonya ke email saya.
trim’s
2 Maret 2010 pukul 9:34 pm
untuk harga kita bisa negosiasikan… di tunggu yaaa???