Split Panel

Split Panel adalah salah satu fitur User Interface (UI) di Earth Engine yang dirancang untuk membandingkan citra secara efisien. Fitur ini terdiri dari dua panel berdampingan—panel kiri dan kanan—yang menampilkan area yang sama dengan citra yang berbeda. Ini sangat berguna untuk analisis perbandingan citra dari waktu yang berbeda atau dari sensor yang berbeda.

Data yang tersedia:

Menyediakan citra RGB, NDVI, NDBI, NDWI, NDMI, NDDI, dan BSI dari tahun 2018 hingga saat ini. Sentinel-2 memberikan informasi detail mengenai vegetasi, permukaan tanah, dan kelembaban. 

Menyediakan citra RGB, LST, NDVI, NDBI, NDWI, NDMI, NDDI, dan BSI dari tahun 2013 hingga sekarang. Juga mencakup indeks surface water dari tahun 1984 hingga 2022, hasil gabungan data dari satelit Landsat 5, Landsat 7, dan Landsat 8. 

Menyediakan citra indeks kualitas udara, termasuk CO, NO2, dan SO2 dari tahun 2018 hingga saat ini. Data ini membantu dalam pemantauan polusi udara dan kualitas atmosfer. 

Menyediakan citra indeks curah hujan dari tahun 1981 hingga sekarang, memberikan informasi penting tentang distribusi curah hujan di berbagai lokasi. 

Fitur Lainnya 

Selain Split Panel dan pilihan dataset lengkap, aplikasi kami menawarkan berbagai fitur tambahan untuk memudahkan analisis dan visualisasi data:

Sesuaikan rentang waktu sesuai kebutuhan Anda untuk melihat citra dan data pada periode tertentu. Fitur ini memungkinkan Anda untuk membandingkan kondisi lingkungan dari waktu ke waktu dengan fleksibilitas penuh.

Pilih dari berbagai area kecamatan di Jakarta untuk fokus analisis Anda. Fitur ini memudahkan pemantauan dan evaluasi kondisi lingkungan secara spesifik di setiap kecamatan.

Atur tingkat opasitas citra untuk memudahkan visualisasi dan perbandingan data. Dengan kontrol opasitas yang intuitif, Anda dapat menyesuaikan tampilan citra sesuai dengan kebutuhan analisis.

Tampilkan legenda yang jelas untuk membantu interpretasi citra dan data. Legenda menyediakan informasi penting tentang skala warna dan indeks yang digunakan dalam visualisasi data.

Lihat distribusi nilai indeks dalam histogram tahunan untuk memahami pola dan tren data sepanjang tahun. Fitur ini membantu dalam analisis mendalam mengenai perubahan dan variasi data lingkungan.

RGB (Red, Green, Blue)

Citra tiga saluran ini memberikan gambaran visual warna yang membantu dalam pemantauan visual dan interpretasi area tertentu.

NDVI (Normalized Difference Vegetation Index)

Indeks ini mengukur kerapatan vegetasi dan kesehatan tumbuhan, dengan rentang nilai antara -1 hingga 1.

NDVI = (NIR-RED)/(NIR+RED)

NDBI (Normalized Difference Built-up Index)

Digunakan untuk mengidentifikasi area yang telah dibangun, seperti pemukiman atau industri.

NDBI = (SWIR-NIR)/(SWIR+NIR)

NDWI (Normalized Difference Water Index)

Indeks ini berguna untuk mengenali area air, termasuk sungai dan danau.

NDWI = (GREEN-NIR)/(GREEN+NIR)

NDMI (Normalized Difference Moisture Index)

Memberikan informasi tentang kelembaban tanah dan vegetasi.

NDMI = (NIR-SWIR)/(NIR+SWIR)

NDDI (Normalized Difference Drought Index)

Indeks ini mencerminkan tingkat kekeringan suatu wilayah.

NDDI = (NDVI-NDMI)/(NDVI+NDMI)

BSI (Bare Soil Index)

Mengidentifikasi area tanah kosong atau yang tidak tertutup oleh vegetasi. 

BSI = ((SWIR + RED)-(NIR+BLUE))/((SWIR + RED)+(NIR+BLUE))

Land Surface Temperature (LST)

indeks yang digunakan dalam penginderaan jauh untuk mengukur suhu permukaan tanah atau permukaan bumi.

Indeks LST biasanya dihitung menggunakan data dari sensor termal pada satelit penginderaan jauh, seperti Landsat.

Indeks Vegetasi

Interpretasi Nilai NDVI:


Klasifikasi

Tinggi: Hutan yang lebat, vegetasi subur.

Rendah: Area deforestasi, hutan yang gundul.

        Tinggi: Lahan pertanian dengan tanaman yang tumbuh subur.

         Rendah: Lahan pertanian yang tidak aktif, atau tanaman yang mengalami stres.

         Tinggi: Taman kota atau area hijau perkotaan.

         Rendah: Kawasan perkotaan dengan sedikit vegetasi.


         Tinggi: Kawasan perkotaan yang padat penduduk dengan struktur bangunan tinggi.

         Rendah: Area urban yang kurang padat atau didominasi oleh lahan terbuka.

         Tinggi: Wilayah industri atau komersial dengan struktur bangunan yang padat.

         Rendah: Daerah industri yang kurang berkembang atau masih dalam tahap konstruksi.


         Tinggi: Sungai besar, danau, atau reservoir.

         Rendah: Daratan atau air dalam jumlah sedikit.

         Tinggi: Garis pantai dengan air laut yang jelas terlihat.

         Rendah: Daerah pesisir yang kering atau sedikit air.


         Tinggi: Sawah yang lembap dan subur.

         Rendah: Sawah yang mengalami kekeringan atau kekurangan air.

         Tinggi: Hutan musim hujan yang memiliki tingkat kelembaban tinggi.

        Rendah: Hutan musim hujan yang mengalami kekeringan atau kekurangan air.


         Tinggi: Daerah yang sangat rentan terhadap kekeringan, tanaman stres air.

         Rendah: Daerah yang relatif tidak terpengaruh oleh kekeringan.

         Tinggi: Kawasan yang dijaga dengan manajemen air yang baik.

         Rendah: Kawasan dengan potensi kekeringan atau stres air.


        Tinggi: Area konstruksi atau tanah yang baru dikembangkan.

         Rendah: Lahan yang sudah tertutup oleh vegetasi atau tanah yang sudah stabil.

         Tinggi: Lahan pertanian yang baru ditanami atau dikelola.

         Rendah: Lahan pertanian yang sudah subur dan tertutup oleh tanaman.

CO (Carbon Monoxide)

Indeks CO memberikan informasi tentang konsentrasi karbon monoksida dalam udara. Tingkat konsentrasi yang tinggi dapat menunjukkan tingginya tingkat polusi udara.

NO2 (Nitrogen Dioxide)

Indeks ini memberikan informasi tentang konsentrasi nitrogen dioksida dalam udara, membantu pemantauan kualitas udara di Jakarta.

SO2 (Sulfur Dioxide)

Digunakan untuk mendeteksi konsentrasi sulfur dioksida, memberikan wawasan tentang polusi udara.

Data diukur dalam satuan mol/m2, memberikan gambaran yang akurat tentang polusi udara di Jakarta.

Indeks Kualitas Udara

Indeks Curah Hujan

Data curah hujan yang disediakan oleh CHIRPS membantu dalam memahami pola dan distribusi curah hujan di Jakarta selama rentang waktu tertentu. Ini sangat penting untuk pemantauan banjir dan perencanaan tata air.

Data diukur dalam satuan mm/bulan, membantu pemahaman tentang pola curah hujan dan potensi risiko banjir.

Klasifikasi

Klasifikasi nilai curah hujan dalam mm/bulan dapat membantu memberikan pemahaman yang lebih jelas tentang pola curah hujan di suatu wilayah.

Kondisi ini umumnya dianggap sebagai periode curah hujan yang sangat rendah atau hampir tidak ada hujan.

Kondisi ini mencerminkan tingkat curah hujan yang ringan, mungkin tidak mencukupi untuk memenuhi kebutuhan tanaman atau menyebabkan banjir.

Curah hujan yang tinggi, dapat menyebabkan genangan air dan meningkatkan risiko banjir.

Curah hujan yang sangat tinggi, dapat menyebabkan banjir parah dan kerusakan lingkungan.