Dokumen ini membahas klasifikasi awan dan perbandingan dengan curah hujan hasil interpolasi spasial di DKI Jakarta. Langkah-langkahnya meliputi kompositasi citra satelit, pemotongan area kajian, klasifikasi tak terbimbing untuk membedakan awan dan non-awan, interpolasi spasial IDW dan Kriging dari data curah hujan stasiun sekitar, dan perbandingan hasil klasifikasi awan dan interpolasi curah hujan.
Tutorial klasifikasi awan dan idw menggunakan arc gis
1.
2. KLASIFIKASI AWAN DAN
PERBANDINGAN DENGAN CURAH
HUJAN HASIL INTERPOLASI SPASIAL
Daerah Kajian: DKI JAKARTA
Waktu: 1 Februari
Kejadian: Banjir yang merata di seluruh DKI Jakarta dan terbanyak di
daerah Jakarta Utara dan Jakarta Timur
6. Memilih daerah kajian yang akan diteliti dengan menambahkan data indkab Indonesia
lalu menyeleksi wilayah kabupaten yang akan dikaji dengan klik kanan di indkab =>
open attribute tabel => select by attribute
7. Setelah daerah kajian dipilih jadikan wilayah yang diblok tersebut sebagai
layer dengan klik kanan pada indkab => Create Layer from Selected Futures
8. Potong citra dengan klik arc tool box -> Spatial Analyst Tool => Extraction
=> Extract by Mask => masukkan data indkab selection dengan hasil
composite band
10. Untuk membedakan awan dan non awan dilakukan dengan klasifikasi tak
terbimbing melalui tool Iso Cluster Unsupervised Classification yang dapat di
temukan dengan tool Search. Lalu masukkan citra yang akan diunsupervised
11. Saat awal melakukan Unsupervised Classification tentukan jumlah klasifikasi
awal yang akan digunakan. Semakin banyak jumlah klasifikasi akan semakin
akurat namun butuh waktu untuk lebih menspesifikasikan klasifikasi tersebut.
Untuk menspesifikasi hasil klasifikasi dilakukan dengan raster calculator.
15. Mengubah data titik stasiun menjadi data raster: Input data dari stasiun
disekililing daerah kajian dengan menggunakan File => Add data=> XY Data
=> Menginput data stasiun tersebut dengan X sebagai longitude dan Y sebagai
latitude
16. Mengubah data stasiun menjadi data format .shp dilakukan
dengan klik kanan pada data stasiun tersebut => Data => Export
Data
17. Interpolasi Spasial dengan metode IDW dilakukan dengan klik
pada ArcTool Box => Spatial Analyst Tool => Interpolation =>
IDW
18. Ketika hasil interpolasi IDW sudah didapat dilakukan crop IDW untuk wilayah
kajian dengan Arc Tool Box => Spatial Analyst Tool => Extraction => Extract
by Mask dan sebelumnya daerah kajian harus dipilih dari Indkab
19. Interpolasi Spasial menggunakan metode Kringing dapat dilakukan dengan
cara yang sama dengan IDW namun pada tool Interpolation dapat dipilih
Kriging setelah itu hasil interpolasi Kriging dapat dicrop untuk mendapatkan
nilai interpolasi spasial curah hujan untuk wilayah tertentu
24. DAMPAK FENOMENA MJO TERHADAP
CURAH HUJAN DI INDONESIA
Melihat dampak fenomena MJO yang diidentifikasi dari diagram RMM
terhadap curah hujan di Indonesia dengan menggunakan data TRMM dan
CMORPH pada bulan Oktober, November, dan Desember 2015