Active mud volcanism observed with Landsat 7 ETM+

2004 ◽  
Vol 131 (3-4) ◽  
pp. 307-320 ◽  
Author(s):  
Matthew Patrick ◽  
Kenneson Dean ◽  
Jonathan Dehn
Keyword(s):  
Mud Volcanism ◽  
Landsat 7

Estimation of PM10 Distribution using Landsat 7 ETM+ Remote Sensing Data

2017 ◽  
Vol 6 (1) ◽  
pp. 2246-2252 ◽  
Author(s):  
Ajay Roy ◽  
◽  
Anjali Jivani ◽  
Bhuvan Parekh ◽  
◽  
...  
Keyword(s):  
Remote Sensing ◽  
Remote Sensing Data ◽  
Sensing Data ◽  
Landsat 7

PEMETAAN HABITAT BENTIK INTERTIDAL: Informasi Awal Perencanaan Pengelolaan Pesisir Laut Secara Spasial di Bulak Setra dan Batu Karas, Kabupaten Pangandaran

2018 ◽  
Vol 2 ◽  
pp. 105
Author(s):  
Rendra Pranata
Keyword(s):  
Dissolved Oxygen ◽  
Supervised Classification ◽  
Landsat 7 ◽  
Avicennia Alba

<p>Ekosistem pesisir Kabupaten Pangandaran memiliki biodiversitas yang cukup tinggi, namun pasca-tsunami tahun 2006 terjadi penurunan kerapatan ekosistem mangrove akibat rusaknya daerah pesisir dan wilayah permukiman sepanjang 28 km. Penelitian ini bertujuan untuk mengetahui kondisi habitat bentik di kawasan intertidal seperti mangrove dan makrozoobentos, serta mengukur parameter kualitas air. Metode yang digunakan yaitu interpretasi citra Landsat 7 tahun 2017 dengan melakukan <em>masking</em> dan <em>supervised classification</em> untuk mengetahui daerah tutupan mangrove di Bulak Setra dan Batu Karas, kemudian dilakukan identifikasi mangrove dengan transek kuadran 10x10 meter sepanjang 50 meter ke arah laut pada 7 plot di Bulak Setra dan 14 plot di Batu Karas untuk validasi data citra satelit. Selain itu juga dilakukan pengukuran parameter kualitas air serta identifikasi makrozoobentos. Hasil penelitian menunjukkan bahwa mangrove di Bulak Setra didominasi oleh <em>Scyphiphora hydrophyllacea</em> dari 8 spesies lain yang ditemukan dengan Indeks Nilai Penting (INP) 94,41%, sedangkan di Batu Karas didominasi oleh <em>Avicennia alba</em> dari 8 spesies lain yang ditemukan dengan INP 157%. Nilai rata-rata parameter kualitas air di Bulak Setra dan Batu Karas berturut-turut yaitu suhu 30<sup>o</sup>C dan 29,41<sup>o</sup>C, salinitas 5,56 psu dan 27,23 psu, pH 7,48 dan 6,86 serta konsentrasi <em>Dissolved Oxygen</em> (DO) 5,2 dan 6,5 mg/L. Makrozoobentos didominasi oleh kelas <em>G</em><em>astropoda</em>. Faktor sosial ekonomi masyarakat juga disajikan sebagai informasi sumber daya manusia yang akan berperan menjadi komponen pembangunan pengelolaan pesisir. Diharapkan penelitian ini dapat menjadi informasi awal dalam pengelolaan perencanaan wilayah pesisir di Bulak Setra dan Batu Karas.<strong></strong></p><p><strong>Kata kunci</strong>: bentik, intertidal, mangrove</p>

ESTIMASI PEMANFAATAN LAHAN PERAIRAN SEKITAR PULAU BATU NUSAMANUK DI KABUPATEN TASIKMALAYA SEBAGAI DAERAH BUDIDAYA LOBSTER (Panulirus spp)

2018 ◽  
Vol 2 ◽  
pp. 47
Author(s):  
Hazman Hiwari
Keyword(s):  
Landsat 7

<p>Pulau Batu Nusamanuk merupakan salah satu pulau kecil terluar yang berada di Kabupaten Tasikmalaya yang berbatasan dengan perairan Australia. Wilayah ini dapat dimanfaatan sebagai pembuatan lahan tambak lobster laut (<em>Panulirus</em> <em>spp</em>) karena bisa dianggap sebagai sumber penghasilan terbesar. Penelitian ini bertujuan untuk mengestimasi seberapa besar potensi perairan sekitar pulau tersebut yang dapat digunakan sebagai lahan tambak lobster. Metode yang digunakan adalah dengan memanfaatkan citra Landsat-7 untuk mengestimasikan nilai konsentrasi Muatan Padatan Tersuspensi (MPT), klorofil-a, dan visualisasi nilai salinitas serta suhu perairan daerah tersebut. Hasil yang diperoleh dari penginderaan jauh ini diketahui nilai konsentrasi muatan padatan tersuspensi berkisar 4.286 - &lt;8.573 mg/L, klorofil berkisar 1.1140 - 2.2281 mg/L, salinitas sebesar 33,5 – 34 ppt, dan suhu sebesar 26 - 29°C sesuai dengan pengembangan maupun budidaya tambak lobster laut. Disamping itu, diharapkan riset ini dapat menjadi salah satu penggerak maupun penyokong terselenggaranya Rencana Zonasi Wilayah Pesisir dan Pulau-Pulau Kecil (RZWP3K) di Indonesia.</p><p><strong>Kata kunci</strong>: Pulau Batu Nusamanuk, Pemanfaatan Lahan, Citra Landsat-7,<em> Panulirus spp</em></p>

APLIKASI CITRA LANDSAT DALAM ANALISA PERUBAHAN GARIS PANTAI (Studi Kasus di Pesisir Sayung, Kabupaten Demak, Jawa Tengah)

2019 ◽  
Vol 3 ◽  
pp. 919
Author(s):  
Khairul Umami ◽  
Syawaludin A. Harahap ◽  
Mega Laksmini Syamsudin ◽  
Sunarto Sunarto
Keyword(s):  
End Point ◽  
Digital Shoreline Analysis System ◽  
Landsat 7 ◽  
Analysis System ◽  
End Point Rate

Pantai merupakan daerah yang sangat dinamis untuk berubah seiring bertambahnya waktu. Salah satu perubahan yang terjadi di daerah pantai yaitu perubahan pada garis pantai. Tujuan penelitian ini yaitu untuk mengetahui tingkat perubahan garis pantai di pesisir Kecamatan Sayung, Kabupaten Demak dari hasil overlay citra satelit Landsat. Penelitian ini diharapkan dapat berguna sebagai rujukan penelitian selanjutnya, serta sebagai informasi untuk instansi-instansi terkait dan pemerintah agar dapat memperhatikan kondisi keseimbangan fisik pantai di Pesisir Sayung. Penelitian ini menggunakan data yang bersumber dari citra Landsat 7 dan 8 dalam kurun waktu 10 tahun dari tahun 2006 sampai 2016. Metode yang digunakan yaitu metode deskriptif dengan menjelaskan masalah yang terjadi pada lokasi penelitian dengan pendekatan pemodelan dan sistematis. Metode analisis perubahan garis pantai dilakukan dalam program Digital Shoreline Analysis System (DSAS) dengan pendekatan statistik End Point Rate (EPR) dan Net Shorline Movement (NSM). Hasil penelitian menunjukkan bahwa perubahan garis pantai di pesisir Sayung didominasi dengan kejadian abrasi yang sangat tinggi dengan luasan abrasi bernilai 116,48 hektar. Abrasi maksimum terjadi di Desa Timbulsloko, Abrasi minimum terjadi di Desa Sriwulan, Akresi maksimum terjadi di Desa Sriwulan, dan Akresi minimum terjadi di Desa Bedono.

MUD VOLCANISM AND HYDROCARBONS MIGRATION

2019 ◽  
pp. 14-19
Author(s):  
N.P. Yusubov ◽  
◽  
G.M. Alizade ◽  
B.J. Rajabli ◽  
◽  
...  
Keyword(s):  
Mud Volcanism

scholarly journals Machine-Learning Classification of Soil Bulk Density in Salt Marsh Environments

Sensors ◽  
2021 ◽  
Vol 21 (13) ◽  
pp. 4408
Author(s):  
Iman Salehi Hikouei ◽  
S. Sonny Kim ◽  
Deepak R. Mishra
Keyword(s):  
Machine Learning ◽  
Remote Sensing ◽  
Salt Marsh ◽  
Bulk Density ◽  
Remote Sensing Data ◽  
Soil Bulk Density ◽  
Soil Samples ◽  
Marsh Soil ◽  
Landsat 7 ◽  
Salt Marsh Soil

Remotely sensed data from both in situ and satellite platforms in visible, near-infrared, and shortwave infrared (VNIR–SWIR, 400–2500 nm) regions have been widely used to characterize and model soil properties in a direct, cost-effective, and rapid manner at different scales. In this study, we assess the performance of machine-learning algorithms including random forest (RF), extreme gradient boosting machines (XGBoost), and support vector machines (SVM) to model salt marsh soil bulk density using multispectral remote-sensing data from the Landsat-7 Enhanced Thematic Mapper Plus (ETM+) platform. To our knowledge, use of remote-sensing data for estimating salt marsh soil bulk density at the vegetation rooting zone has not been investigated before. Our study reveals that blue (band 1; 450–520 nm) and NIR (band 4; 770–900 nm) bands of Landsat-7 ETM+ ranked as the most important spectral features for bulk density prediction by XGBoost and RF, respectively. According to XGBoost, band 1 and band 4 had relative importance of around 41% and 39%, respectively. We tested two soil bulk density classes in order to differentiate salt marshes in terms of their capability to support vegetation that grows in either low (0.032 to 0.752 g/cm3) or high (0.752 g/cm3 to 1.893 g/cm3) bulk density areas. XGBoost produced a higher classification accuracy (88%) compared to RF (87%) and SVM (86%), although discrepancies in accuracy between these models were small (<2%). XGBoost correctly classified 178 out of 186 soil samples labeled as low bulk density and 37 out of 62 soil samples labeled as high bulk density. We conclude that remote-sensing-based machine-learning models can be a valuable tool for ecologists and engineers to map the soil bulk density in wetlands to select suitable sites for effective restoration and successful re-establishment practices.

scholarly journals Reconstruction of Multi-Temporal Satellite Imagery by Coupling Variational Segmentation and Radiometric Analysis

2021 ◽  
Vol 10 (1) ◽  
pp. 17
Author(s):  
Nicola Case ◽  
Alfonso Vitti
Keyword(s):  
Image Segmentation ◽  
Variational Model ◽  
Great Level ◽  
Radiometric Analysis ◽  
Variational Segmentation ◽  
Landsat 7 ◽  
Multi Temporal ◽  
Original Procedure ◽  
Variational Image ◽  
Homogeneous Regions

Digital images, and in particular satellite images acquired by different sensors, may present defects due to many causes. Since 2013, the Landsat 7 mission has been affected by a well-known issue related to the malfunctioning of the Scan Line Corrector producing very characteristic strips of missing data in the imagery bands. Within the vast and interdisciplinary image reconstruction application field, many works have been presented in the last few decades to tackle the specific Landsat 7 gap-filling problem. This work proposes another contribution in this field presenting an original procedure based on a variational image segmentation model coupled with radiometric analysis to reconstruct damaged images acquired in a multi-temporal scenario, typical in satellite remote sensing. The key idea is to exploit some specific features of the Mumford–Shah variational model for image segmentation in order to ease the detection of homogeneous regions which will then be used to form a set of coherent data necessary for the radiometric reconstruction of damaged regions. Two reconstruction approaches are presented and applied to SLC-off Landsat 7 data. One approach is based on the well-known histogram matching transformation, the other approach is based on eigendecomposition of the bands covariance matrix and on the sampling from Gaussian distributions. The performance of the procedure is assessed by application to artificially damaged images for self-validation testing. Both of the proposed reconstruction approaches had led to remarkable results. An application to very high resolution WorldView-3 data shows how the procedure based on variational segmentation allows an effective reconstruction of images presenting a great level of geometric complexity.

Sign in / Sign up

Export Citation Format

Share Document