Digital Eksplorasi – Bayangin sahabat eksplorasi peneliti muda ditugasin bikin peta kedalaman perairan dangkal di teluk pacitan. Sahabat eksplorasi udah siapin perahu karet, sounder genggam, GPS, & semangat membara. Pas di lapangan, ombaknya gede, arus deras, cuaca berubah kayak suasana hati mantan. Hasil survei cuma sedikit, waktu habis, dana bengkak. Ini masalah klasik anak kelautan & geospasial. Survey batimetri konvensional pake kapal & echo sounder emang akurat, tapi mahal, makan waktu, & gak bisa jangkau area luas. Padahal data kedalaman laut krusial buat navigasi kapal, pembangunan dermaga, penelitian lingkungan. Tenang, ada solusi viral di kalangan geospatial muda, yaitu Satellite Derived Bathymetry pake Google Earth Engine. Sahabat eksplorasi bisa dapet perkiraan kedalaman laut dari satelit, gratis, tanpa nyemplung, area luas dalam hitungan menit! Yuk belajar cara hitung batimetri pake GEE!
Prinsip Dasar Perhitungan Batimetri dari Satelit
Berikut ini beberapa prinsip dasar perhitungan batimetri dari satelit:
Hukum Attenuasi
Cahaya melemah seiring nambah kedalaman. Di air bersih, sinar biru & hijau tembus paling dalem sekitar 15-25 meter, sinar merah cuma sanggup beberapa meter. Kalau satelit liat biru terang tapi merah redup, artinya dangkal. Kalau semua warna udah gelap, berarti lautnya dalem atau keruh.
Band Selection
Band biru (490 nm): tembus paling dalem. Band hijau (560 nm): akurasi oke buat 0-10 meter. Merah gak kepake karena cepet habis. Banyak algoritma pake rasio biru & hijau buat ngurangin pengaruh tipe dasar laut.
Koreksi Atmosfer
Sebelum nyampe laut, sinar matahari nembus atmosfer yang penuh debu & uap air. Koreksi atmosfer bersihin efek kabut. Data Surface Reflectance/BOA udah dibersihin, hasilnya lebih linear & akurat dibanding TOA yang masih kotor.
Algoritma Empiris
Dua pendekatan umum: Rasio Logaritmik (Stumpf et al. 2003) paling populer, simpel, gak sensitif sama dasar laut. Hasil RMSE sekitar 0,9 meter. Linear Multi-Band (Lyzenga) pake kombinasi biru, hijau, merah. RMSE 0,9-1 meter. Cukup 150-300 titik kalibrasi, hasilnya udah oke.
Ground Truth Points
Citra satelit secanggih apapun tanpa data kedalaman real hasilnya ngaco. Data bisa dari echo sounder, LiDAR, atau pasang surut. Minimal 20-30 titik sebaran yang mewakili variasi kedalaman. Data dari tahun sebelumnya pun masih bisa dipake kok
Data Satelit yang Cocok Buat Batimetri di GEE
Berikut ini beberapa data satelit yang cocok buat batimetri di GEE:
Sentinel-2
Ranjer nomor 1 buat pemula sampai pro. Punya band Coastal Aerosol (433-453 nm) khusus buat perairan dangkal. Resolusi 10m buat band biru & hijau. Gratis, update tiap 3-5 hari, udah ada di GEE.
Landsat 8 & 9
Resolusi 30m lebih kasar dari Sentinel-2. Band andalan: biru (450-510 nm) & hijau (530-590 nm). Kelebihan: data historis dari 2013, stabilitas kalibrasi top. Cocok buat area pesisir luas kayak teluk atau lagoon, plus analisis perubahan jangka panjang.
PlanetScope SuperDove
200 satelit kecil yang bisa motret spot sama setiap hari. Resolusi 3m, 8 band termasuk Deep Blue. Kekurangan: gak sepenuhnya gratis di GEE. Studi di Mediterania (2026) buktiin error cuma ±6% sampai kedalaman 25m. Tapi di perairan keruh hasilnya kurang oke.
ICESat-2
Beda sendiri, pake teknologi Lidar laser dari luar angkasa (ATLAS, 10.000 pulsa/detik). Output: titik ketinggian air dengan akurasi sub-meter, bisa tembus air jernih sampai 10m. Fungsinya buat validasi atau kalibrasi hasil batimetri dari satelit lain.
Kombinasi Multi-Satelit
Gak ada satelit sempurna, jadi gabungin kelebihan masing-masing. PlanetScope (3m) buat detil + Sentinel-2 (10m) buat stabilitas spektral. Rata-rata 10-20 citra Sentinel-2 buat ngurangin noise. Kalibrasi pake ICESat-2 atau data in-situ.
Tutorial Hitung Batimetri di GEE
Berikut ini beberapa tutorial hitung batimetri di GEE:
| Step | Nama Langkah | Aksi di GEE | Tools | Output yang Didapat |
|---|---|---|---|---|
| 1 | Siapin Area & Filter Citra | Upload polygon atau gambar manual di peta, lalu filter koleksi citra Sentinel-2 | filterBounds() .filterDate() .filter() (cloud <10%) |
Koleksi citra bersih di area target |
| 2 | Masking Daratan | Pisahkan air vs daratan pake indeks NDWI | .normalizedDifference ([‘B3′,’B8’]) .gt(0) |
Layer binary (air=1, darat=0) |
| 3 | Ambil Band Biru & Hijau | Ekstrak band Sentinel-2 band 2 (Biru) dan band 3 (Hijau) | .select(‘B2’) .select(‘B3’) |
Dua layer spektral siap hitung |
| 4 | Hitung Rasio Logaritmik | Terapin rumus Stumpf: ln(Hijau)/ln(Biru) | .log() .divide() |
Layer nilai rasio antar band |
| 5 | Konversi ke Kedalaman | Pake konstanta m0 & m1, trus: Z = (rasio – m0) / m1 | .subtract(m0) .divide(m1) |
Peta kedalaman (dalam meter) |
| 6 | Gabungin Mask Air | Biar daratan jadi Null, sisain yang air doang | .updateMask(waterMask) | Final bathymetry bersih |
| 7 | Visualisasi | Tampilin peta warna biar keliatan dalem-dangkalnya | Map.addLayer() {palette: [‘blue’,’cyan’,’green’,’yellow’,’red’]} |
Peta warna yang cakep |
| 8 | Ekspor ke Drive | Kirim hasil ke Google Drive sahabat eksplorasi buat diedit di GIS lain | Export.image.toDrive() set scale: 10, region, maxPixels: 1e13 |
File GeoTIFF siap download |
Keunggulan GEE untuk Batimetri
Berikut ini beberapa keunggulan GEE untuk batimetri:
Katalog Data Raksasa Siap Pakai
Landsat 5,7,8,9 dari tahun 80-an sampai sekarang, Sentinel-2 update tiap 5 hari, bahkan ICESat-2, semuanya udah tersedia. Gak perlu download, gak perlu khawatir storage penuh. Tinggal panggil satu baris kode.
Komputasi Super Cepat
Kode sahabat eksplorasi jalan di server Google, buka di laptop lemot. Proses yang biasannya berjam-jam, di GEE cuma detik sampai menit.
Fusion Data Jadi Mudah
Gabungin data optik buat estimasi kedalaman sama data validasi jadi mulus. Peneliti University of Florida berhasil otomatis nambahin nilai spektral reflectance ke setiap titik ICESat-2, hasilnya 1,4 juta titik batimetri siap pakai buat deep learning.
Bisa Buat Analisis Temporal
Gak cuma berapa dalem sekarang tapi gimana perubahannya dari tahun ke tahun. Arsip dari Landsat 5 bisa liat tren pendangkalan. Studi 2025 pake GEE buat analisis sea level rise 30 tahun, pake Random Forest dari Landsat 5,7,8. Hasilnya korelasi sama data in-situ mencapai 0,96 di tahun 2013.
Bisa Dipake Buat Machine Learning
GEE udah terintegrasi sama berbagai algoritma ML. Penelitian di brasil buktiin Random Forest punya performa terbaik buat estimasi kedalaman dengan koefisien performa 0,68 . Tim UF/IFAS pake Genetic Algorithm buat estimasi volume air danau.
Kesimpulan Cara Hitung Batimetri dengan Google Earth Engine
Jadi, sahabat eksplorasi gak perlu jadi korban ombak gede atau dompet tipis lagi buat dapetin data kedalaman laut. Dengan Google Earth Engine dan teknik Satellite Derived Bathymetry, sahabat eksplorasi bisa jadi pahlawan pesisir dari balik layar laptop, gratis, cepet, dan anti ribet. Mulai dari pilih satelit, terapin prinsip attenuasi & koreksi atmosfer, sampe ekspor peta warna-warni ke Google Drive. Semua bisa sahabat eksplorasi taklukkan dalam hitungan menit.
