Correlation Analysis of Urban Development and Land Surface Temperature Using Google Earth Engine in Sleman Regency, Indonesia

Abstract. At least 2 billion urban occupants will be concentrated in Asia and Africa, amounting to 70% of the global population by 2050. This rapid urbanization has caused an innate effect on the ecology and environment, which further results in intense temperature variations in urban and rural areas, especially in India. According to a recent IPCC report, 8 out of the 15 hottest cities in the world are situated in India. The rising industrial work, construction activities, type of material used for construction, and other factors have reduced thermal cooling and created temperature imbalance, thereby creating a vicious effect called “urban heat island” (UHI) or “surface urban heat island” (SUHI). Several researchers have also related it with climate change due to their contribution to the greenhouse effect and global warming. In this study, we have particularly emphasized northern India, including Punjab, Rajasthan, Haryana, and Delhi. We created a Google Earth Engine (GEE) based Web-App to assess the UHI intensity over the past 15 years (2003–2018). We are using Moderate Resolution Imaging Spectroradiometer (MODIS) images, Landsat 5, 7, and 8 data for studying UHI. The land surface temperature (LST) based UHI intensity (day and night time) will be available for major metropolitan cities with their respective clusters. With feasibility in SUHI monitoring, we can address an increasing need for resilient, sustainable, and safe urban planning of our cities as portrayed under the Sustainable Development Goals (SDG 11 highlighted by United Nations).

Download Full-text

Investigating the Effect of Lockdown During COVID-19 on Land Surface Temperature Using Machine Learning Technique by Google Earth Engine: Analysis of Rajasthan, India

Communication and Intelligent Systems - Lecture Notes in Networks and Systems ◽

10.1007/978-981-16-1089-9_29 ◽

2021 ◽

pp. 355-364

Author(s):

Amita Jangid ◽

Mukesh Kumar Gupta

Keyword(s):

Machine Learning ◽

Surface Temperature ◽

Land Surface Temperature ◽

Land Surface ◽

Google Earth ◽

Machine Learning Technique ◽

Learning Technique ◽

Google Earth Engine

Download Full-text

Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series

Remote Sensing ◽

10.3390/rs12091471 ◽

2020 ◽

Vol 12 (9) ◽

pp. 1471 ◽

Cited By ~ 5

Author(s):

Sofia L. Ermida ◽

Patrícia Soares ◽

Vasco Mantas ◽

Frank-M. Göttsche ◽

Isabel F. Trigo

Keyword(s):

Surface Temperature ◽

Spatial Resolution ◽

Land Surface Temperature ◽

Land Surface ◽

High Spatial Resolution ◽

Urban Climate ◽

Google Earth ◽

Small Scale ◽

Temperature Estimation ◽

Google Earth Engine

Land Surface Temperature (LST) is increasingly important for various studies assessing land surface conditions, e.g., studies of urban climate, evapotranspiration, and vegetation stress. The Landsat series of satellites have the potential to provide LST estimates at a high spatial resolution, which is particularly appropriate for local or small-scale studies. Numerous studies have proposed LST retrieval algorithms for the Landsat series, and some datasets are available online. However, those datasets generally require the users to be able to handle large volumes of data. Google Earth Engine (GEE) is an online platform created to allow remote sensing users to easily perform big data analyses without increasing the demand for local computing resources. However, high spatial resolution LST datasets are currently not available in GEE. Here we provide a code repository that allows computing LSTs from Landsat 4, 5, 7, and 8 within GEE. The code may be used freely by users for computing Landsat LST as part of any analysis within GEE.

Download Full-text

Analisis Fenomena Pulau Panas Perkotaan Kota Bandung Menggunakan Google Earth Engine

10.31227/osf.io/bej3n ◽

2019 ◽

Author(s):

Muhammad Malik Ar-Rahiem ◽

Muhamad Riza Fakhlevi

Keyword(s):

Surface Temperature ◽

Land Surface Temperature ◽

Land Surface ◽

Vegetation Index ◽

Normalized Difference Vegetation Index ◽

Google Earth ◽

Landsat 8 ◽

Heat Island ◽

Urban Heat ◽

Google Earth Engine

Pulau Panas Perkotaan (Urban Heat Island) adalah fenomena antropogenik akibat pengaruh urbanisasi. Kawasan perkotaan yang terbangun memiliki temperatur yang lebih hangat dibandingkan kawasan sekitarnya. Fenomena Pulau Panas Perkotaan di Kota Bandung diteliti menggunakan data Suhu Permukaan Tanah (Land Surface Temperature) yang diakuisisi dari satelit Landsat 8. Lima tahun data satelit dianalisis menggunakan piranti daring Google Earth Engine untuk menganalisis variasi temporal Pulau Panas Perkotaan di Kota Bandung dan sekitarnya. Suhu yang diakuisisi dari satelit dikonversi menjadi estimasi suhu permukaan dengan mempertimbangkan nilai Normalized Difference Vegetation Index. Hasil dari penelitian ini adalah peta persebaran rata-rata dan median suhu permukaan di Cekungan Bandung tahun 2013-2018, serta grafik seri waktu suhu permukaan di 3 jenis tata guna lahan yang mewakili daerah kota (sekitar Jalan Sudirman), hutan kota (Hutan Babakan Siliwangi), dan hutan (Tamah Hutan Raya Djuanda). Suhu rata-rata Kota Bandung pada tahun 2013-2018 adalah 26,93 oC (median seluruh data) dan 25,57oC (rata-rata seluruh data). Sementara perbandingan berdasarkan tata guna lahan; daerah kota memiliki suhu permukaan rata-rata 27,30 oC, daerah hutan kota memiliki suhu 21,31oC, dan daerah hutan memiliki suhu 18,60oC. Peta persebaran suhu panas permukaan dari citra Landsat 8 menunjukkan bahwa daerah hutan secara konsisten memiliki suhu paling rendah, diikuti dengan hutan kota, dan kemudian daerah kota menjadi area yang paling panas dengan suhu maksimal hingga 33,73oC. Penggunaan Google Earth Engine yang berbasis komputasi awan sangat memudahkan pengolahan data citra satelit dalam jumlah besar yang selama ini tidak memungkinkan dilakukan dengan cara konvensional (mengunduh dan memproses di komputer).

Download Full-text

IDENTIFIKASI POLA PERUBAHAN URBAN SPRAWL MENGGUNAKAN CLOUD COMPUTING GOOGLE EARTH ENGINE BERBASIS WEB GIS (STUDI KASUS : KECAMATAN JONGGOL, JAWA BARAT)

INFOTECH journal ◽

10.31949/infotech.v7i2.1365 ◽

2021 ◽

pp. 41-48

Author(s):

Disti Ayu Sadewa ◽

Erwin Hermawan ◽

Iksal Yanuarsyah

Keyword(s):

Cloud Computing ◽

Random Forest ◽

Surface Temperature ◽

Land Surface Temperature ◽

Urban Sprawl ◽

Land Surface ◽

Google Earth ◽

Web Gis ◽

Google Earth Engine

Urban Sprawl merupakan fenomena yang terjadi akibat perkembangan kota yang semakin meluas ke wilayah pinggiran (sub-urban). Wilayah sub-urban yang masih tergantung kepada kota inti juga menjadi salah satu pemicu prosess urbanisasi yang terjadi diwilayah pinggiran tersebut. Kecamatan Jonggol saat ini mengalami banyak perubahan penggunaan lahan yang sangat signifikan, baik dari sector insfrastruktur dan pembangunan, membuat tingkat penggunaan lahan tidak sesuai dengan kemampuan lahan, daya dukung lahan dan peruntukkannya, sehingga terjadi perubahan penggunaan lahan yang tidak terartur atau terencana. Sistem Informasi Geografis (SIG) adalah informasi yang didasarkan pada sistem kerja yang memasukkan, menganalisa, mengelola, memanipulasi, dan menganalisa data serta menjelaskan uraian. Proses Identifikasi Perubahan Pola Urban Sprawl Menggunakan Cloud Computing Google Earth Engine Berbasis Web GIS maka penataan informasi tersebut perlu dikemas dalam suatu sistem informasi geografis dengan menggunakan metode Land Surface Temperature dan Random Forest. Ditampilkan kedalam sebuah WebGIS.

Download Full-text