Ekstraksi-nilai-raster-di-gee-python-menjadi-GPKG-dan-CSV

Notebook ini mengekstrak nilai band spektral dan indeks vegetasi/lahan dari citra Sentinel-2 pada titik-titik sampel lapangan menggunakan Google Earth Engine (GEE) di lingkungan Google Colab.

Repositori di GitHub

Notebook ini mengekstrak nilai band spektral dan indeks vegetasi/lahan dari citra Sentinel-2 pada titik-titik sampel lapangan menggunakan Google Earth Engine (GEE) di lingkungan Google Colab.

Deskripsi¶

Pipeline ini membaca shapefile titik sampel lapangan, membangun composite citra Sentinel-2 SR tahunan (2024), menghitung empat indeks spektral, lalu mengekstrak nilai piksel di setiap titik sampel. Hasil akhir disimpan sebagai CSV dan GeoPackage (.gpkg) di Google Drive.

Alur Kerja¶

Shapefile Sampel (.shp)
        |
        v
  Google Earth Engine
  FeatureCollection
        |
        v
  Sentinel-2 SR Composite
  (2024, cloud-masked)
        |
        v
  Hitung Indeks Spektral
  NDVI | NDWI | NDMI | NDBI
        |
        v
  sampleRegions() -> DataFrame
        |
        v
  Gabung koordinat (lon/lat)
        |
        v
  Export -> CSV & GPKG

Indeks Spektral¶

NDVI — Normalized Difference Vegetation Index¶

Mengukur kerapatan dan kehijauan vegetasi berdasarkan perbedaan reflektansi NIR dan merah (Rouse et al., 1974).

NDVI = (NIR - Red) / (NIR + Red)
     = (B8 - B4) / (B8 + B4)

Rentang nilai: -1 hingga +1. Nilai tinggi (> 0.5) mengindikasikan vegetasi lebat.

NDWI — Normalized Difference Water Index¶

Mengidentifikasi badan air terbuka dan mengukur kandungan air permukaan (McFeeters, 1996).

NDWI = (Green - NIR) / (Green + NIR)
     = (B3 - B8) / (B3 + B8)

Rentang nilai: -1 hingga +1. Nilai positif (> 0) mengindikasikan keberadaan air.

McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425–1432. McFEETERS (1996)

NDMI — Normalized Difference Moisture Index¶

Mengukur kelembaban kandungan air pada vegetasi menggunakan band NIR dan SWIR (Gao, 1996).

NDMI = (NIR - SWIR1) / (NIR + SWIR1)
     = (B8 - B11) / (B8 + B11)

Rentang nilai: -1 hingga +1. Nilai tinggi mengindikasikan vegetasi dengan kandungan air tinggi.

Gao, B.-C. (1996). NDWI — A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257–266. Gao (1996)

NDBI — Normalized Difference Built-up Index¶

Mengidentifikasi dan memetakan kawasan lahan terbangun/impervious menggunakan band SWIR dan NIR (Zha et al., 2003).

NDBI = (SWIR1 - NIR) / (SWIR1 + NIR)
     = (B11 - B8) / (B11 + B8)

Rentang nilai: -1 hingga +1. Nilai positif mengindikasikan dominasi lahan terbangun.

Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583–594. Zha et al. (2003)

Data Citra¶

Struktur Output¶

File output:

MyDrive/
├── sampel_indeks.csv    <- tabel hasil sampling
└── sampel_indeks.gpkg   <- geodata untuk QGIS/ArcGIS

Cara Penggunaan¶

1. Prasyarat¶

• Akun Google Earth Engine yang sudah diaktifkan

• Google Drive dengan shapefile sampel tersedia

• Google Colab

2. Instalasi dependensi¶

!pip install geemap geopandas

3. Siapkan file input¶

Letakkan shapefile titik sampel di Google Drive:

MyDrive/sampel_lapangan.shp  (beserta .dbf, .prj, .shx)

Sesuaikan project ID GEE di cell autentikasi:

ee.Initialize(project='ee-<your-project-id>')

4. Jalankan semua cell secara berurutan¶

Dependensi¶

Referensi¶

• Gao, B.-C. (1996). NDWI — A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257–266. Gao (1996)

• Jordahl, K., Van den Bossche, J., Fleischmann, M., Wasserman, J., McBride, J., Gerard, J., … Leblanc, F. (2020). geopandas/geopandas: v0.8.1 (Version v0.8.1). Zenodo. Jordahl et al. (2020)

• McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425–1432. McFEETERS (1996)

• Rouse, J. W., Haas, R. H., Schell, J. A., & Deering, D. W. (1974). Monitoring vegetation systems in the Great Plains with ERTS. Third ERTS Symposium, NASA SP-351, 1, 309–317.

• Wu, Q. (2020). geemap: A Python package for interactive mapping with Google Earth Engine. Journal of Open Source Software, 5(51), 2305. Wu (2020)

• Zha, Y., Gao, J., & Ni, S. (2003). Use of normalized difference built-up index in automatically mapping urban areas from TM imagery. International Journal of Remote Sensing, 24(3), 583–594. Zha et al. (2003)

Notebook¶

Notebook dari repositori ini, tampil lengkap dengan sel kode dan hasilnya:

• sampel_indeks_colab (1).ipynb · GitHub · Colab