Arsip Kategori: Geographic Information System

Coba Instal ArcGIS Versi 10 yuk ..

ArcGIS yang merupakan produk ESRI adalah aplikasi untuk mengelola Geographic Information System (GIS) yang terkenal dan banyak digunakan karena mudah. Postingan ini hanya sharing saja mengingat banyak mahasiswa yang menggunakan aplikasi ini untuk skripsi/tugas akhir. GIS tool lainnya yang tidak kalah hebat dan terutama open source saat ini sudah banyak juga tersedia dan menjadi alternatif utama ketika tidak bernaung lagi di institusi yang memiliki lisensi ArcGIS, seperti tempat saya kuliah saat ini misalnya.

Banyak sekali aplikasi yang tersedia di ArcGIS. Namun demikian ArcGIS desktop wajib diinstall, tekan Setup untuk menginstallnya di menu ESRI setup. Selain itu tentu saja diperlukan juga ArcGIS license Manager atau ArcObjects SDKs.

Berikutnya sangat mudah, seperti menginstall software-software pada umumnya. Tekan Next setelah “I Accept the license agreement”.

Ketika muncul pilihan instalasi, pilih yang complete saja, kecuali jika Anda sudah mahir dan ingin memilih Custom tertentu saja yang ingin diinstal. Berikutnya setelah adanya informasi bahwa ESRI akan menginstal juga python language, ESRI akan melakukan instalasi (diisitlahkan dengan nama Update) beberapa saat lamanya, tunggu saja, tapi jangan ditinggal di tempat umum, nanti hilang (sorry bercanda).

Lisensi ArcGIS lumayan mahal, biasanya hanya dimiliki oleh institusi (kampus, departemen, dll). Instal aplikasi Pre-release license manager juga untuk mengelola lisensi yang dibeli. Saya memiliki cara mudah, yaitu dengan menyimpan service.txt pada ArcGIS terdahulu. Jadi jika PC rusak atau pindah komputer, tinggal instal ulang saja dan me-replace service.txt itu ke mesin yang baru.

Selesai juga instalasi yang cukup memakan waktu ini. Mengenai file service.txt terkadang Windows menolak untuk me-replace file service.txt dengan yang baru walaupun sudah “as administrator”. Cara sederhana yang sering saya gunakan adalah me-rename yang lama (misal xservice.txt) setelah itu baru meng-copy paste service.txt yang baru ke lokasi lisensi. Sebelumnya instal terlebih dahulu license manager.

Secara default terlihat tidak ada fitur yang disediakan ketika ArcGIS diinstal.

Seperti telah disebutkan di muka, file service.txt saya rename (misal xservice.txt) dan dilanjutkan dengan meng-copas service.txt lama (yang sudah pernah digunakan) ke folder bin pada license ArcGIS.

Terakhir adalah yang tersulit karena harus mengisi port dan nama yang ada di service tersebut. Buka saja file service.txt dan lihat nama PC dan portnya, ganti sesuai dengan PC saat ini. Buka ArcGIS administrator untuk mengisi nama PC beserta port-nya.

Gunakan perintah ipconfig/all di command window untuk mengetahui nama PC yang akan diinstall ArcGIS (bisa juga cara lain lewat menu seting, tetapi saya lebih cepat dengan command window). Gampangnya, langkah terakhir harus ada 3 yang diutak-atik: 1) ArcGIS administrator, 2) License Manager, dan 3) file service.txt. Terakhir lakukan “re-read” di license manager dan pastikan juga Availability sudah terisi fitur-fitur yang diperlukan.

Perhatikan, Availability yang sebelumnya kosong kini terisi dan ArcGIS siap dijalankan (bandingkan dengan gambar sebelumnya pada postingan ini). Tutup semuanya dan jalankan ArcMap, jika bisa berjalan berarti instalasi OK. Mungkin cara darurat ini sedikit bermanfaat dan tentu saja sebaiknya gunakan lisensi resmi dari yang dimiliki institusi kita (kampus, departemen, dan lain-lain). Oiya, kalau ikut seminar di luar negeri, terutama beberapa negara Eropa, sebaiknya bawa laptop dengan lisensi ArcGIS yang resmi, atau tidak usah bawa saja lebih aman (Informasi dari dosen pembimbing, katanya sempat diperiksa oleh otoritas setempat perihal lisensi).

Iklan

Masalah “Unable to execute the selected tool” di ArcGIS

Ketika menjalankan suatu aplikasi terkadang beberapa fasilitas tidak bisa dijalankan. Sebenarnya belum tentu “tidak bisa” dijalankan, bisa saja “belum bisa” dijalankan karena ada setingan yang belum diaktifkan (enabled). Begitu pula untuk aplikasi GIS terkenal, yaitu ArcGIS 10. Berikut tampilan jendela peringatan yang biasanya muncul ketika ingin menjalankan tool spatial analyst.

Tentu saja bagi yang baru pertama kali menemukan kasus di atas akan kebingungan dan menganggap instalasi gagal (problem lisensi). Informasi dari situs resmi ArcGIS berikut sepertinya bermanfaat. Jawabannya cukup sederhana yaitu dengan mengaktifkan fasilitas yang ada (tentu saja asalkan memiliki lisensinya). Masuk ke menu Extension yang berada di menu Customize untuk meng-enable Spatial Analysist.

Di menu Extensions silahkan cheklist fasilitas yang tersedia di ArcGIS, di sini misalnya Spatial Analyst yang berisi toolbox seperti reclassify, mosaic to new raster, raster clip, extract by mask, dan fasilitas-fasilitas canggih lainnya.

Tapi untuk mempercepat akses buka tutup ArcGIS ada baiknya tidak mengaktifkan seluruh fasilitas yang ada. Misalnya saya hanya menggunakan ArcGIS untuk menggambar peta, maka tidak perlu mengaktifkan Spatial analyst karena fasilitas itu tidak diperlukan ketika menggambar. Mudah-mudahan sedikit membantu rekan-rekan yang menjumpai masalah serupa. Terus terang lisensi ArcGIS cukup mahal, sementara ini saya mengandalkan software tersebut di laboratorium kampus. Sepertinya harus difikirkan untuk menggunakan GIS tool yang open source setelah lulus nanti.

Prinsip Kerja Land Change Modeler IDRISI

Land Change Modeler (LCM) adalah modul yang ada di IDRISI untuk memprediksi perubahan lahan (land use & land cover – LULC). Perubahan lahan tersebut berdasarkan kondisi lahan di masa yang lampau (dua interval waktu). Misalnya lahan tahun 2000 dibandingkan dengan tahun 2010 untuk memprediksi lahan di tahun 2015. Setelah lahan hasil prediksi dengan model LCM dengan kondisi riil lahan tahun 2015 divalidasi, kondisi lahan di tahun-tahun berikutnya akan diperoleh asalkan hasil validasinya cukup baik (biasanya di atas 75%).

Silahkan buka IDRISI dan masuk ke menu LCM (masuk ke menu modeling). Banyak juga tab yang harus diisi. Panduan utama cara kerjanya bisa dibuka di situs resmi IDRISI, di sini saya akan meringkas langkah-langkah yang saya lakukan ketika memodelkan perubahan lahan.

A. Menyiapkan Dua Peta Lahan

Untuk memprediksi kondisi lahan di masa yang akan datang minimal dibutuhkan dua peta lahan di masa lampau untuk memprediksi kondisi saat ini. Hasilnya divalidasi dengan kondisi lahan saat ini. Jadi harus ada tiga peta lahan berdasarkan periode waktu tertentu, biasanya sepuluh tahunan atau kurang. Untuk mengunduhnya silahkan buka situs USGS (satelit Landsat).

B. Klasifikasi Lahan dengan Image Processing

Peta lahan yang dimaksud adalah klasifikasi LULC berdasarkan citra satelit yang diunduh. Tutorial dari IDRISI menganjurkan klasifikasi dengan pengolahan citra (hard classification) dengan ISOCLAS. Setelah itu di klasifikasi ulang (RECLAS) untuk menghasilkan klasifikasi sesuai kebutuhan. Tahap ini memaksa kita untuk teliti membedakan warna tertentu yang merepresentasikan kelas lahan (tumbuhan, bangunan, air, dan sebagainya).

C. Analisa Perubahan (Change Analysis)

Sebelum masuk ke tahap ini sebenarnya banyak proses yang perlu dilakukan mengingat dua peta lahan yang akan dibandingkan harus “klop” baik ukuran (extent), legend, piksel, dan lain-lain yang dapat dilihat pada menu metadata IDRISI. Change Analysis disediakan IDRISI dalam satu tab khusus. Di sana dapat diketahui mana saja konversi-konversi penting antara dua peta lahan yang dibandingkan.

D. Transition Potential

Setelah analisa perubahan, kita diminta memutuskan berapa besar piksel/area yang dijadikan patokan perubahan lahan. Besarnya tergantung area penelitian, misalnya untuk kota Bekasi sebesar 100 hektar dan jika perubahan di bawah 100 hektar, bisa diabaikan. Untuk area yang luas, misalnya jabotabek, tentu saja bisa diperbesar lagi.

Tahap ini penting karena menentukan model LCM yang digunakan. LCM mengandalkan transition potential untuk memprediksinya. Transition potential berisi konversi-konversi dari satu kelas lahan ke kelas lainnya misalnya dari vegetasi menjadi bangunan, air menjadi pertanian, dan lain-lain.

E. Menentukan Driver

Transition potential bekerjasama dengan driver untuk merakit LCM. Driver di sini adalah peta tematik yang berisi besaran-besaran yang menggambarkan kondisi lahan. Biasanya berupa jarak tertentu terhadap jalan, sungai, bangunan tertentu, dan sejenisnya. Bisa juga berupa ketinggian/slope, harga tanah dan lain-lain. Perlu usaha keras untuk membuat driver dan kebanyakan tidak bisa digambar dengan Idrisi. ArcGIS, ArcView, QGIS, dan GIS tools lainnya sangat diperlukan. Dan impor-expor ke Idrisi terkadang memerlukan keahlian khusus.

Transition potential dan driver kemudian bekerjasama untuk menyeleksi transition potential yang dilibatkan dalam LCM. Caranya adalah menghitung Relative Operationg Characteristic (ROC)-nya, yang jika di bawah 0.75 maka transition potential tersebut tidak dilibatkan dalam LCM. Oiya, driver sebelumnya diuji juga nilai Cramer-nya, jika di bawah 0.15 maka driver tersebut tidak memiliki pengaruh yang kuat terhadap perubahan.

F. Training LCM

Training yang dimaksud di sini adalah membentuk peta transition potential yang nanti digunakan untuk memprediksi. Isinya adalah probability perubahan dari satu kelas ke kelas lainnya dalam area penelitian. Yang terbaik menurut anjuran IDRISI adalah MLP Neural Network. Dianjurkan akurasi 0.75 ke atas untuk dihasilkan model yang baik.

G. Seting Lain-lain

Di sini merupakan komponen tambahan dan terkadang penting juga. Salah satunya adalah peta rancangan pembangunan jalan. Jalan sangat menentukan perubahan lahan karena biasanya di sekitar jalan cenderung dibangun gedung yang mengkonversi lahan kosong atau vegetasi/pertanian. Selain itu ada tab khusus “planning” untuk mengarahkan perubahan. Isinya adalah zonasi dan batasan serta insentif. Misalnya untuk menjaga vegetasi berubah menjadi bangunan perlu dibuat peta tambahan yang berisi seluruh vegetasi diset dengan kelas “nol” sehingga tidak boleh (persistence) ada perubahan terhadap vegetasi. Sementara kelas lain diset “satu” (kisaran dari 0 hingga 1 juga boleh) yang berarti boleh berubah. Sedang insentif diset “dua” untuk menambah peluang untuk berubah, misalnya lahan kritis (nganggur) yang diset “2” untuk berubah menjadi bangunan.

Demikian ringkasan sederhana bagaimana LCM Idrisi bekerja dalam memprediksi perubahan lahan. Semoga bisa dijadikan patokan berapa lama mengerjakan proyek tersebut, selamat mencoba.

Menyisipkan Piksel di Image IDRISI

Mengingat image processing di IDRISI sangat tergantung pada citra satelit yang memindai kondisi geografis (waktu dan kondisi tertentu), terkadang perlu penyesuaian terhadap file image hasil konversinya. Mungkin awan, error pada kamera satelit, atau “hal-hal” lain. Sebenarnya saya belum menemukan metodenya dengan Idrisi dan sementara memanfaatkan software lain, misalnya ArcGis sebagai bantuan.

A. Konversi raster ke ASCII di ArcGIS

Pertama-tama piksel yang ingin ditambahkan digambar dengan ArcGIS. Tentu saja perlu membuka file raster Idrisi yang akan ditambahkan sebagai template. Kalau saya menggunakan shapefile study area untuk patokan agar sesuai proyeksinya.

Dengan search pilih Raster to ASCII pada hasil pencarian. Ketika mengisi file raster buatan ArcGIS jangan segera OK, karena harus menyamakan extent ArcGIS dengan IDRISI (template). Ada tiga komponen yang menurut saya harus diisi, antara lain (setelah tombol Environments.. ditekan): 1) Output coordinate, 2) Processing extent, dan 3) Raster analysis. Samakan koordinat dengan koordinat template Idrisi. Begitu pula untuk extent pada processing extent dan mask pada raster analysis, gunakan template yang sama.

B. Ekspor ASCII ke IDRISI

Pastikan konversi Raster ArcGIS berhasil sebelum mengimpor ASCII ArcGIS ke Idrisi dengan menggunakan fungsi ArcRaster dari menu file – impor – Software specific format – ESRI format – ArcRaster.

Di sini pun perlu memperhatikan hal-hal berikut. Pertama-tama seting Output reference information dan gunakan reference system sesuai dengan wilayah area penelitian, disini saya menggunakan UTM 48S.

Kedua, pastikan di Metadata baris dan kolom extent hasil impor sama dengan template sebab jika tidak sama dipastikan ketika mengerjakan fungsi tertentu di IDRISI, misalnya Land Change Modeler (LCM), akan bermasalah.

C. Menambahkan Piksel ke Image IDRISI

Berikutnya adalah menyisipkan piksel yang dibuat di ArcGis ke suatu image di Idrisi. Langkah pertama adalah melakukan reclassify menjadi integer. Gunakan fungsi reclass dengan mengisi kata tersebut di kolom pencarian.

Di sini saya menggunakan angka extreem -99999 untuk memastikan tidak ada yang terlewatkan untuk reclassify. Pastikan piksel yang akan disisipi ada (gambar kiri atas ditunjukan panah). Berikutnya gunakan fungsi Overlay yang dibuka lewat menu Gis analysis – Mathematical Operation – Overlay. Pilih fungsi penjumlahan. Oiya, ada yang terlewat. Di sini saya menggunakan kelas “3”, sebaiknya gunakan kelas yang jika dijumlahkan dengan kelas yang sama pada template hasilnya melewati “range” dari kelas tertinggi, maksudnya untuk mempermudah pembacaan hasil penjumlahannya.

Langkah terakhir adalah mengklasifikasi ulang dengan reclass untuk memasukan tambahan piksel ke dalam kelas yang semestinya. Perhatikan gambar di bawah dimana ada tambahan kelas (7,8, dan 9) yang merupakan kelas baru hasil penjumlahan piksel yang disisipi dengan dari image Idrisi.

Dengan memasukan kelas penyisip (7,8, dan 9) ke kelas yang diinginkan (untuk kasus saya, kelas “3”) diperoleh hasil gambar berikut yang merupakan image terbaru yang sudah disisipi piksel tambahan yang dibuat dari ArcGIS. Hmm.. sepertinya agak ribet, semoga bermanfaat.

ac


 

Idrisi Taiga atau Selva?

Untuk rekan-rekan peneliti yang menggeluti bidang Remote Sensing – Geographic Information System (RS-GIS) pasti tidak asing dengan software Idrisi. Aplikasi yang mengambil nama dari ahli geografi terkenal Al-Idrisi itu cukup baik dalam memprediksi penggunaan lahan, dengan modulnya yang terkenal Land Change Modeler (LCM). Versi yang terakhir diberi nama produk “Selva” versi 17. Sementara sebelumnya diberi nama “Taiga”. Banyak jurnal yang publish menggunakan aplikasi tersebut. Hal ini membuktikan bahwa aplikasi tersebut diakui keberadaannya di dunia penelitian. Saya sendiri menggunakan kedua versi tersebut (Selva dan Taiga) dan entah kenapa lebih cocok dengan Taiga yang lebih ringkas dan sepertinya agak cepat responnya (mungkin perasaan saya saja, semoga). Postingan kali ini lanjutan yang lalu dan mencoba berbagi pengalaman ketika menggunakan dua versi Idrisi tersebut.

Versi OS Ketika Idrisi Diinstal

Ada dua laptop dimana Idrisi diinstal Windows 10 dan Windows 7. Kebetulan kampus tempat saya kuliah memiliki lisensi yang berjalan di Windows 7. Sepertinya Windows 7 tidak ada masalah untuk kedua versi Idrisi tersebut. Sementara masalah muncul ketika saya coba pasang di Windows 10, ternyata Idrisi Taiga tidak dapat running program exe-nya. Untungnya Idrisi Selva dapat berjalan normal.

Perbedaan Hasil Running Idrisi Selva dan Taiga

Masalah muncul ketika saya menggunakan Selva di Win 10, terutama di bagian pengujian Transition Potential dimana hasilnya cenderung baik di angka 0.7 ke atas nilai ROC-nya. Tentu saja ini menjadi tanda tanya. Alhasil saya coba juga dengan data yang sama dijalankan dengan Idrisi Taiga di laptop satunya lagi (dengan Win 7). Hasilnya cukup mengejutkan, ada dua transition potential di bawah 0.7 (bahkan satu transisi di bawah 0.6) ketika menggunakan Idrisi Taiga. Untuk sementara saya mencoba menggunakan Idrisi taiga di Win 7 sambil menunggu masalah ini selesai. Semoga informasi singkat ini bermanfaat dan mohon saran jika ada pengalaman serupa.

Update 3 Juli 2017

Akhirnya Selva yang digunakan karena ada juga yang ROC dibawah 0.75 untk di-drop dari daftar transition potential. Nilai ROC pun tidak jauh berbeda dari jurnal yang jadi rujukan tulisan saya (yang diterima di atas 0.8 yang ditolak tidak jauh dari 0.75).

Konversi Piksel ke Area

Ketika melakukan manipulasi image terkadang diminta mempresentasikan area lahan dalam hektar. Padahal data raster format yang biasanya digunakan adalah piksel. Bagaimana menghitungnya? Postingan berikut ini bermaksud sharing bagaimana menghitung luas suatu kelas land use (LU) dalam image yang kita miliki.

Untuk data polygon, postingan yang lalu sedikit mengulas bagaimana menghitung suatu area tertentu dalam software ArcGIS. Untuk menghitung area, cara yang praktis adalah dengan menggunakan “crostab” di IDRISI atau “tabulate area” di ArcGIS. Prinsip penggunaannya baik ArcGIS maupun IDRISI sama saja. Tabulasikan saja dua image yang sama.

Untuk ArcGIS caranya tidak jauh berbeda, yang penting nanti dihasilkan tabel tabulasi. Di sini baik first image maupun second image menggunakan image yang sama. Tekan “OK” dan dihasilkan tabel di bawah ini.

Perhatikan tabel di atas. Dari 7 kelas, tampak total pikselnya. Karena kelas “1” adalah “background” yang tidak dihitung, maka total piksel study area adalah total piksel dikurangi background. Gunakan kalkulator atau Microsoft Excel agar tidak salah. Di sini total piksel study area adalah 452.570 dikurangi dengan 212.255 yakni sebesar 420.315 piksel yang setara dengan luas study area contoh di atas, yaitu kota Bekasi sebesar 21049 hektar. Jadi jika diminta menghitung berapa hektar kelas “7” misalnya maka jawabannya adalah 2067 * (21049/420315) = 103,51 hektar. Mudah bukan?

Note: jika diminta dalam satuan km persegi, mudah saja. Bagi saja dengan 100 hasil di atas, yakni menjadi sebesar 1.0351 km2.

Ekspor Land Use dari ArcGIS ke IDRISI

Terkadang peta Land Use (LU) perlu disisipkan dalam Land Cover (LC) dari pengolahan citra satelit (lihat postingan yg lalu tentang LU dan LC). LU sendiri diambil dari sumber lain selain citra satelit antara lain: data pemerintah, data dari swasta (lihat link ini sebagai contoh), dan sumber-sumber lain (google earth, google street view, dan sejenisnya).

1. Konversi dari Point ke polygon

Seharusnya LU berupa format polygon, mengikuti struktur bangunan itu sendiri. Tetapi jika rumit, bisa diambil pendekatan berupa titik tertentu, kemudian dikonversi menjadi polygon dengan fungsi “buffer”. Biasanya diambil kira-kira untuk pabrik misalnya 100 meter. Gambar berikut memperlihatkan buffering lokasi komersial (pasar, mall, pertokoan, dan sejenisnya).

2. Konversi dari Polygon ke Raster

Karena hasil pengolahan citra IDRISI berformat raster (*.rst) maka peta LU harus dikonversi lagi dari polygon ke raster dengan fungsi “polygon to raster” pada ArcGIS. Perhatikan bagian “Cellsize”, gunakan template dari image yang digunakan Land Cover.

Uniknya walaupun kita menggunakan cellsize yang sama, ternyata hasilnya masih kurang akurat jika dibanding dengan menggunakan LC yang akan disisipi menjadi template.

3. Konversi dari Raster ke ASCII

Data raster yang dihasilkan ArcGIS harus dikonversi ke ASCII agar bisa digunakan oleh IDRISI (dengan cara import). Oleh karena itu gunakan fungsi “raster to ascii” yang berada di menu conversion pada toolbox ArcGIS. Jangan lupa, gunakan environment dan pilih proyeksi yang sama dengan LC yang akan disisipi.

4. Impor dari ASCII ke Image pada IDRISI

Terakhir, buka IDRISI dan ambil fungsi ARCRASTER untuk mengimpor image dari ArcGIS. Pilih radio button terakhir yang mengkonversi dari Ascii format Idrisi.

Jangan lupa Output reference dipilih (defaultnya plane) sesuai dengan proyeksi study area. Jika sudah, gambar image berformat rst siap digunakan. Selanjutnya akan diposting bagaimana merger dua image.

Video tutorial berikut mungkin bermanfaat:

Problem Background Error Saat Prediksi dengan LCM IDRISI

Land Change Modeller (LCM) merupakan fasilitas yang ada di IDRISI untuk memodelkan perubahan lahan. Lahan di masa yang akan datang dengan data yang ada sebelumnya dapat diperlihatkan. Salah satu masalah yang sering muncul adalah adanya ketidak akuratan pada background seperti di bawah ini. Tetapi terkadang hasil proyeksinya benar. Postingan berikut salah satu cara untuk memperbaikinya. Mungkin ada yang punya cara lain silahkan share di komentar.

Untuk memperbaikinya selama ini saya menggunakan fungsi OVERLAY yang ada di IDRISI. Caranya adalah menjumlahkan image yang error tersebut dengan study area sesunggunya (gambar sebelah kanan). Langkah-langkahnya adalah sebagai berikut:

1. Reclassify Projected Land Cover

Langkah ini adalah menambah kategori hasil prediksi untuk menyimpan hasil penjumlahan/overlay dengan study area. Perhatikan gambar hasil reclassify di sebelah kanan. Kategori 1 dan 2 adalah background (=1), kategori 3 dan 4 adalah agriculture (=2), dan seterusnya.

Fungsinya adalah menampung hasi overlay. Jika Built-up yang dengan kategori baru =7 dijumlahkan dengan background study area (=0), hasilnya adalah 7 maka akan dikonversikan menjadi background. Hasilnya adalah nanti diharapkan built-up yang menjadi background (sumber masalah) tidak ada lagi.

2. Overlay dengan Study Area

Fungsi overlay dapat diakses di “menu” – “GIS analysis” – “Mathematical Operation” – “Overlay”. Masukan dua input yaitu study area dan hasil reclassify di atas. Ganti nama dengan yang baru, di sini saya hanya menambahkan “Update” ke berapa di akhir nama image.

3. Mengembalikan Kategori ke Kondisi Awal dengan Reclassify

Dengan mengembalikan kategori yang sesuai diperoleh hasil akhir yang tidak ada lagi background yang error. Perhatikan di sini kategori 7 harus dikonversi menjadi background.

Perhatikan bagian background (atas) sudah diperbaiki. Sekian, semoga bermanfaat.

Create a Constraint in IDRISI

A constraint is an image that showing allowable and non-allowable locations for modelling. It represents zero for non-allowable and one for allowable. We can add two for incentive, the better location. For example we have a constraint that must be integrated for other constraint, e.g. vegetation. It means that the model do not allow to convert a vegetation into other land cover.

Use Mathematical operation in “GIS analysis” menu and chose “Overlay”. Fill with the two constraint images above and checklist the “First +Second” button in “Overlay option”.

After this operation, we have to convert two into zero, since the vegetation is a constraint. Use “Reclass” to convert it.

The last row will convert two into zero. The final constraint was created as a combination of two constraints (figure below).

Try to practice mathematical operation since it is very useful for image creation, especially in creating Drivers of Land change modeller (LCM). This video shows the step to integrate the two images.

Managing Legend in IDRISI

Legend is information about symbols (colour, shape, line type, etc.) in the map. It helps reader to understand the map. In LCM, it also helps the system to compare two images. The picture below shows the error message in LCM IDRISI taiga when adding road image. There is no legend in the basis roads layer. How to add a legend to our map?

Even we use IDRISI selva that having a “harmonize” function to guide users to match the images, basis roads layer must be edited with a legend in selva as well as taiga version. Understanding how to match two images manually is very useful for the user. Click the image to be edited, e.g. road image, to add a legend.

In “metadata” click the Categories to fill the legend. Fill the category and code that similar to other images. Chose “copy from” for faster filling without typing the code and category. After filling the categories, when we open this image, the legend is showed beside (upper right) the map.

This is simple yet very useful.

Idrisi Taiga vs Selva

Idrisi merupakan perangkat lunak untuk mengelola data raster/image yang terkenal. Aplikasi ini sudah banyak digunakan terutama dalam jurnal-jurnal ilmiah. Kebanyakan digunakan untuk pemodelan pertumbuhan lahan yang dikenal dengan nama Land Change Modeler (LCM). Dua versi yang terkenal adalah “Taiga” dan “Selva”. Postingan singkat ini akan membahas plus minus kedua versi tersebut berdasarkan pengalaman yang dijumpai ketika memodelkan pertumbuhan lahan.

Walaupun terjadi sedikit konflik ketika kedua versi Idrisi tersebut diinstal bersamaan, tetapi tetap dapat dijalankan. Memang ada sedikit “hang” ketika beralih dari Idrisi taiga ke Selva, tetapi dengan menggunakan “task manager” window masalah itu dapat diselesaikan. Caranya adalah dengan men-“end task” proses idrisi yang “hang” tersebut. Untuk amannya sebaiknya membuka Idrisi di dua “account” windows yang berbeda, misalnya “user” dan “administrator”, atau user1 dan user2.

Idrisi Selva

Idrisi ini merupakan versi perbaikan dari Idrisi Taiga yang kaku. Kaku karena untuk mengelola dua jenis image, harus dipenuhi syarat-syarat sebagai berikut (lihat penjelasan lengkap di situs resminya):

  • Spatial extent harus konsisten
  • Sistem proyeksi/reference harus konsisten
  • Resolusi piksel harus sama
  • Kategori legend harus sama
  • Nilai background harus nol
  • background harus sama

Salah satu keunggulan selva adalah fasilitas harmonize yang akan memandu pengguna ketika dijumpai dua image yang beda spesifikasi, biasanya “legend” yang kurang pas. Selain fasilitas tersebut, Selva menyediakan satu metode training model yaitu SimWeight. Motode tambahan ini sepertinya kurang begitu signifikan karena berdasarkan uji coba yang dilakukan oleh vendor Idrisi, metode MLP neural network mengungguli motede SimWeight dan Logistic Regression.

Idrisi Taiga

Versi Taiga mengharuskan pengguna memahami teknik-teknik dalam memanipulasi suatu image seperti Project, Reclass, Mathematical, dan sebagainya. Metadata yang tersedia (terletak di bawah Idrisi Explorer) sangat membantu untuk mengetahui struktur suatu Image.

Terjadi sedikit hambatan ketika menggunakan Idrisi Selva yaitu hasil training MLP ketika digunakan untuk memprediksi muncul pesan kesalahan. Tetapi anehnya ketika dijalankan dengan Idrisi Taiga dapat berjalan dengan normal. Training dengan logistic regression di Taiga dapat berjalan baik dan cepat, terutama ketika menggunakan jumlah driver yang banyak. Jadi untuk sementara saya masih menggunakan Taiga, walaupun terkadang menggunakan Selva karena kepraktisannya. Pilihan ada di tangan pengguna apakah menggunakan Taiga atau Selva atau berdasarkan Lisensi yang dimiliki (kebetulan kampus saya menggunakan versi taiga yang agak “jadul”). Yang saya suka dari Taiga adalah akses yang lebih cepat (membuka dan menutup aplikasi) dan tampilan GUI yang sepertinya lebih praktis (hanya sedikit).

Cropping an Image in IDRISI

Previous post discussed how to use WINDOW function to crop big satellite image, but it only implements for rectangular area. Distance function in IDRISI that used for creating a driver of land-use growth (previous post about driver creation) also in rectangular extent. This post tries to explain how to create a driver with the true extent region, e.g. Bekasi city.

The dark area was a true extent of Bekasi city. The problem is how to crop the image based on Bekasi city? I have searched IDRISI function for cropping an area similar with “crop” function in ArcGIS but I have not found it yet. Finally I found the Mathematical function in “GIS analysis” menu. To use this function we have to prepare the crop image first. (Please write a comment for other method suggestion).

The background and the study area are separated with zero and one classes respectively. Since multiplying a zero and one to a driver will create a zero and an existing value of the driver, the background will be zero and the actual driver only presents with true extent of Bekasi city.

Input the first, second, and output image for overlaying calculation. Choose first * second for multiplying first with the second image. It seems easy, but in the implementation users must consider many things, e.g. the projection and extent between first and second images. Use “Metadata” to match both images.

Use “PROJECT” to match first with second images (See previous post how to use this function).

Creating Layer Group (RGF) File in IDRISI

RGF is a layer group file that containes number of image (raster) file. It makes easy when inserting a group of image file, e.g. in inserting drivers of land use growth (see figure below).

Instead of inserting one by one, we can simply insert layer group of variables. Open “Idrisi Explorer” and chose image files as member of layer group.

Right click the mouse and chose “Create” and “Raster Group”. Raster group file will be created and rename it, e.g. “Driver1.rgf”.

Add member of Layer group

To add member of layer group just click “Add Icon” in “Metadata”. Metadata is located below IDRISI Explorer. Add the new variable to be inserted in the layer group.

Click other image file and after click “OK” as confirmation, the new variable has successfully added to your layer group.

Manipulasi Image di IDRISI – Tip dan Trik

Ketika pertama kali menggunakan IDRISI, saya kebanyakan menggunakan ArcGIS (atau GIS tool lainnya) untuk mengelola data raster (*.rst) yang kemudian dikirim/ekspor ke IDRISI. IDRISI hanya digunakan untuk melakukan prediksi pertumbuhan lahan dengan Land Change Modeler (LCM). Selama perkembangannya ternyata masih harus mengutak-atik IDRISI karena beberapa hal antara lain: proyeksi, ukuran/size (baris dan kolom), serta hal-hal lainnya. Postingan kali ini berusaha memberikan tip dan trik, apa yang diperlukan untuk mengelola image di IDRISI.

1. Manfaatkan dengan baik Metadata di IDRISI explorer.

Untuk melakukan prediksi berdasarkan dua peta beda waktu diperlukan syarat utama yaitu ukuran/size (baris dan kolom) dan proyeksi yang sama. Seringkali masalah muncul dimana ketika di ArcGIS kita sudah melakukan cropping dengan peta rujukan tetapi ketika diimpor dari IDRISI ukuran tidak cocok dengan peta lainnya. Gunakan fungsi PROJECT untuk mengatasinya.

2. Lakukan Cropping di IDRISI

Pengguna IDRISI biasanya memanfaatkan data yang diimpor dari citra satelit, misalnya mengunduh dari USGS. Satu tile unduhan biasanya meliputi wilayah luas yang harus dipotong sesuai dengan study area. Gunakan fungsi WINDOW untuk memotongnya. Bidang pemotongan bisa menggunakan study area yang sudah dibuat sebelumnya.

3. Gunakan ukuran area/extent yang lebih besar ketika mengelola dengan ArcGIS

Pernah saya menggunakan area yang sama ketika membuat constraint di ArcGIS, tetapi ketika diekspor ke IDRISI, area tidak sama dan ketika disamakan dengan fungsi PROJECT ada sisi yang kekecilan. Akhirnya setelah memanipulasi dengan ukuran area yang lebih besar, maka dengan memotong lewat fungsi WINDOW diperoleh constraint yang “pas” seperti gambar di bawah ini.

4. Pelajari fungsi-fungsi dasar IDRISI

Alangkah baiknya jika kita membaca buku tutorial resmi IDRISI disertai dengan mempraktekannya langsung dari sample peta yang disediakan. Ternyata disediakan fungsi-fungsi untuk menggabungkan image (di ArcGIS: mosaic to new raster), membuat jarak tertentu (di ArcGIS: distance), membuat slope/kemiringan, dan lain-lain. Selamat mencoba mengutak-atik IDRISI.

 

Creating Elevation and Slope Map in IDRISI

Some thematic maps are useful in LCM as drivers. Roads, rivers, and other important locations can be created using GIS tools, e.g. ArcGIS, ERDAS, QGIS, etc. But elevation and slope which are mainly created from Shuttle Radar Topography Mission (SRTM) can be easily created in IDRISI without other GIS Tools help. By using IDRISI we will easily use the thematic map created without function PROJECT to match with other images.

See how to download SRTM, and how to created slope and elevation map in ArcGIS.

Figure below is elevation map from SRTM. This map must be adjusted both its size and reference using. Whereas sizing use function WINDOW, referencing using Metadata window (below the IDRISI explorer).

Unfortunately our study area needs two tiles to be downloaded from USGS site. Use WINDOW function to crop this map following the study area.

Chose the images to be cropped and the name and location of output image. Fill upper left and right as well as lower left and right. But if you have already a study area map, chose this map in “An existing windowed image” and then press OK. To create slope from the elevation map, use Slope function (just type “slope” in searching menu in IDRISI).

Use again WINDOW function to crop the resulted image according the study area. To match the elevation and slope map, use PROJECT function.