Dalam glosarium ini terdapat istilah-istilah yang umum digunakan untuk menjelaskan metodologi dan produk Mapbiomas Indonesia.
Akurasi (Analisis Akurasi) |
: |
Analisis kuantitatif akurasi pemetaan. Menunjukkan kesalahan alokasi dan kesalahan area. |
Algoritma |
: |
Serangkaian aturan dan prosedur yang ditetapkan untuk menyelesaikan tugas tertentu. |
Asset |
: |
Kumpulan peta, gambar, atau data georeferensi yang tersedia untuk diproses dan dianalisis di Google Earth Engine. |
ATBD (Algorithm Theoretical Basis Document) |
: |
Dokumen dengan deskripsi metodologis dan algoritma yang digunakan. |
Band |
: |
Mengacu pada setiap lapisan informasi pada Asset - baik peta atau gambar. |
Band Spektral |
: |
Interval antara dua panjang gelombang dalam spektrum elektromagnetik. Landsat memiliki beberapa band spektral yang masing-masing mencakup rentang spektrum elektromagnetik. |
Basic themes (Kelas/Tema Dasar) |
: |
Kelas tutupan dan penggunaan lahan yang didominasi oleh kelas asli/alami seperti hutan alam, tumbuhan non-hutan, tubuh air atau kelas yang masih bersifat umum seperti lahan terbuka dan pertanian |
Citra Landsat |
: |
Citra yang dihasilkan oleh satu set satelit Landsat - diluncurkan oleh NASA dan dioperasikan oleh American Geological Survey. |
Citra Mosaik |
: |
Kumpulan piksel Landsat dengan kualitas baik (interferensi awan kecil, misalnya) dipilih dalam periode tertentu. Mosaik MapBiomas dibangun dengan menganalisis setiap piksel dari gambar Landsat yang tersedia untuk periode tertentu. Dalam mosaik, kami mencoba untuk mewakili area analisis untuk periode tertentu dengan cara terbaik. Dalam citra mosaik MapBiomas umumnya mewakili periode satu tahun. |
Classifier |
: |
Nama umum untuk metode klasifikasi otomatis (contoh classifier adalah Random Forest). |
Cloud computing |
: |
Pemrosesan data yang dilakukan pada prosesor tersebar dan tersedia di jaringan komputer di seluruh dunia. MapBiomas melakukan proses cloud computing melalui Google Earth Engine dan Google Cloud Computing. |
Collect Mobile |
: |
Aplikasi mobile yang dikembangkan oleh MapBiomas untuk pengumpulan data referensi di lapangan. |
Cross-cut themes (Lintas Tema/Sektor) |
: |
Kelas tutupan dan penggunaan lahan dengan formasi yang cenderung dinamis, biasanya antropogenik (dibudidayakan/diusahakan) atau kelas yang dihasilkan dengan pendekatan khusus. Kelas cross-cut themes dari MapBiomas Indonesia koleksi 1 meliputi sawit, hutan tanaman, tambang, tambak, dan mangrove. |
Dasboard (Panel Kontrol) |
: |
Platform untuk menyajikan informasi visual dan data yang terkonsolidasi untuk memudahkan pencarian informasi. |
Editor Code |
: |
Alat pemrograman pada Google Earth Engine yang memiliki antarmuka grafis untuk menampilkan hasilnya. |
Empirical Decision Tree |
: |
Rangkaian parameter yang ditetapkan untuk menentukan klasifikasi piksel. Dalam Empirical Decision Tree, format dan parameter treeditentukan oleh analis, termasuk parameterisasi setiap keputusan. |
Feature Space |
: |
Kumpulan informasi spektral, indeks, dan metrik yang digunakan dalam klasifikasi Random Forest. |
Filter Spasial |
: |
Analisis pasca-klasifikasi digunakan untuk memperbaiki kesalahan konsistensi spasial pada suatu kelas. |
Filter Temporal |
: |
Analisis pasca-klasifikasi untuk memperbaiki kesalahan konsistensi temporal antara kelas dan tahun. |
Fusion Table |
: |
Data tabular yang terhubung dengan Google tools. Digunakan untuk parameterisasi variabel dan aturan pemrosesan (aturan yang diterapkan selama filter transisi). |
Google Earth Engine |
: |
Platform untuk analisis dan visualisasi data spasial ilmiah di permukaan bumi, dalam cloud computing. Semua pemrosesan gambar dan produksi peta MapBiomas dilakukan di platform ini. |
Grid |
: |
Pembagian wilayah pemetaan yang mengacu International Map of the World (IMW) or Millionth Map untuk mengatur pekerjaan pengolahan peta MapBiomas. Setiap bagan mencakup area seluas sekitar 18.700 Km2atau sekitar 20 juta piksel. |
Indeks Spektral |
: |
Indeks spektral adalah hasil operasi matematika antara nilai numerik piksel dari band spektral suatu sensor. Sebagai contoh, Normalized Difference Vegetation Index (NDVI) dihitung dengan: (NIR - R) / (NIR + R) - NIR sebagai band inframerah dekat dan R adalah band Merah. |
Integrasi |
: |
Tumpang tindih kelas untuk menghasilkan peta terintegrasi. Kelas MapBiomas yang berbeda (cross-cut themes) dibuat secara terpisah dan kemudian diintegrasikan menggunakan aturan prevalensi. |
Klasifikasi |
: |
Distribusi piksel dalam kelas bioma atau tema tertentu. |
Koleksi |
: |
Setiap versi data pemetaan tahunan MapBiomas. Koleksi dapat bervariasi dalam periode, metodologi dan legenda. |
Konsistensi Spasial |
: |
Distribusi piksel kelas tertentu dalam ruang harus konsisten dengan karakteristik lanskap tempat tersebut. Misalnya, di tengah kawasan hutan lereng bukit beberapa piksel muncul sebagai air yang menunjukkan inkonsistensi spasial. |
Konsistensi Temporal |
: |
Histori dari klasifikasi suatu piksel yang konsisten atau kemungkinan perubahan penggunaan lahan dan tutupan lahan. Misalnya, piksel yang diklasifikasikan sebagai hutan selama 20 tahun tetapi dalam satu tahun di tengah rangkaian muncul sebagai bukan hutan. Ini mungkin salah klasifikasi. |
Pasca-Klasifikasi |
: |
Dilakukan untuk meningkatkan konsistensi peta yang dilakukan setelah klasifikasi dan integrasi peta. Filter temporal dan spasial adalah contoh pasca-klasifikasi. |
Penyimpanan Google Cloud |
: |
Tools pada Google yang digunakan untuk menyimpan banyak informasi berbasis cloud. |
Peta Integrasi |
: |
Peta akhir yang mengkonsolidasikan peta tema dasar dan lintas tema. |
Peta Transisi |
: |
Peta yang menunjukkan perubahan penggunaan lahan dan tutupan lahan. Ini dihasilkan dari perbandingan antarpeta (misalnya 2000 x 2016). Dalam peta ini setiap piksel dapat diklasifikasikan sebagai perubahan atau tidak ada perubahan. Untuk setiap perubahan, ia menerima kode yang mewakili kelas di t1 dan kelas di t2. |
Piksel |
: |
Unit terkecil dalam citra digital. Sebuah citra satelit terdiri dari himpunan piksel, setiap piksel memiliki nilai digital. Piksel di MapBiomas sesuai dengan piksel citra Landsat dengan resolusi 30m. Area piksel mengalami variasi sesuai dengan garis lintangnya. Semakin jauh dari khatulistiwa area piksel akan semakin terdistorsi. |
Random Forest |
: |
Metode klasifikasi terbimbing yang didasarkan pada pohon keputusan (decision trees). |
Raster |
: |
Citra digital yang terdiri dari himpunan nilai (piksel). |
Resolusi Spasial |
: |
Menggambarkan tingkat kedetailan dari sebuah citra/gambar, berhubungan dengan ukuran terkecil objek dilapangan yang dapat direkam. Citra Landsat (TM) memiliki resolusi spasial rata-rata 30m. |
Sampel Akurasi |
: |
Poin yang dikumpulkan dari mosaik tahunan dan secara visual diklasifikasikan oleh interpreter sebagai kelas tutupan lahan penggunaan lahan tertentu. |
Scene |
: |
Mengacu pada citra yang dihasilkan oleh sensor satelit. |
Scripts |
: |
Kumpulan instruksi yang ditulis dalam bahasa pemrograman |
Sensor Satelit |
: |
Instrumen satelit yang bertanggung jawab untuk penginderaan jauh energi elektromagnetik. Sebuah satelit mungkin memiliki beberapa sensor untuk mengambil rentang spektral yang berbeda. |
Shapefile |
: |
Format file dari kumpulan data spasial dalam format vektor. |
Training Samples |
: |
Titik atau poligon yang digunakan untuk melatih pengklasifikasi (classifier). |
WebCollect |
: |
Platform yang digunakan untuk mengumpulkan poin training sample klasifikasi atau untuk analisis akurasi. |
Workspace |
: |
Platform web yang dikembangkan oleh MapBiomas untuk parameterisasi dan klasifikasi peta penggunaan lahan dan tutupan lahan. Platform berfungsi sebagai antarmuka antara pekerjaan analis dan pemrosesan cloud di Google Earth Engine. |