Raster to/from vector conversion in R

Mengubah format data raster dari dan ke vektor

Data spasial dalam bentuk vektor dapat diubah menjadi format raster, begitu juga sebaliknya. Seringkali kita dihadapkan pada situasi dimana bekerja dengan format raster lebih mudah dan lebih ringan dibanding bekerja dengan format vektor. Namun penting untuk diperhatikan bahwa perubahan atau transformasi data ini dapat menyebabkan berkurangnya akurasi, dan ini sangat bergantung dengan ukuran piksel yang diinginkan.

Tutorial kali ini kita akan mengubah format data vektor menjadi data raster dan sebaliknya menggunakan program R. Pada dasarnya, proses rasterisasi ini membutuhkan dua input data, yakni data vektor yang akan diubah menjadi raster dan template raster tujuan yang telah memiliki resolusi atau dimensi geografis yang dinginkan. Template raster ini berfungsi sebagai wadah tempat dimana nilai atau informasi yang ada di vektor akan disimpan. Proses rasterasi membutuhkan memori yang cukup banyak, tergantung jenis data vektor yang akan dikonversi. Sebagai contoh, mengubah data vektor seperti jalan yang berkelok-kelok atau sungai yang bercabang-cabang akan membutuhkan memori yang lebih besar dibandingkan dengan mengubah data lokasi atau titik desa dalam bentuk titik.

Ringkasnya, kita akan melakukan beberapa tahapan dimulai dari menentukan folder aktif, memanggil data vektor, memanggil data raster yang akan dijadikan sebagai template/wadah dari raster tujuan, kemudian mengubah kembali dari raster ke vektor, lalu membuat layout dan menyimpan data yang telah dikonversi. Tutorial sebelumnya telah membahas beberapa rangkaian proses ini. Salah satu hasi layout dari tutorial ini terlihat seperti gambar di bawah 1 di bawah.

Data yang digunakan dalam tutorial ini dapat diunduh disini.

Gambar 1. Hasil konversi data (DEM) dan kawasan TNGP dalam format raster menjadi vektor (kontur dan polygon)

# Mengaktifkan folder kerja, dimana semua hasil luaran akan disimpan
setwd("D:/LUBIS_PRIVATE_DATA/R_GIS_PROJECT/04_Hasil")

Vector based geoprocessing in R

Mengolah data vektor menggunakan software R

Mengolah data vector seperti membuat buffer, intersect dan clip merupakan teknik-teknik dasar yang dibutuhkan dalam analisis GIS (Sistem Informasi Geografis) khususnya di bidang ekologi dan konservasi. Berbagai aplikasi GIS sudah banyak dikembangkan untuk tujuan konservasi seperti penentuan sistem zonasi, habitat preferensi, daerah rawan perburuan, dan lainnya. 

Pada tutorial kali ini, kita akan mencoba menentukan kategori “zona aman” untuk kawasan TNGP secara praktis menggunakan program R. Inti dari pertanyaan yang akan kita jawab disini adalah bagian mana di kawasan TNGP yang cukup jauh dari gangguan manusia dan pastinya aman bagi hidupan liar untuk hidup dan berkembangbiak. Dari hasil analisis GIS menggunakan R ini, kita akan menghasilkan sebuah peta seperti yang terlihat pada Gambar 1.

Data yang digunakan dalam tutorial ini dapat diunduh disini.
 

Gambar 1. "Zona Aman" (warna hijau) di kawasan TNGP

Spatial projection in R

Membaca dan merubah proyeksi atau sistem kordinat dengan program R

Istilah "Proyeksi" pasti sering Anda dengar ketika banyak bekerja dengan data yang memiliki informasi geografis. Proyeksi dan sistem kordinat adalah suatu sistem yang dapat mentranformasi data dari bentuk sphere (rupa muka bumi) yang berbentuk bulat menjadi peta dua dimensi melalui pendekatan matematis.

Pada program R, kedua informasi proyeksi dan sistem kordinat disimpan dalam format yang spesifik yakni proj4 string yang disimpan dalam pustaka PROJ.4 (http://trac.osgeo.org/proj). Berbagai sistem proyeksi berikut definisinya dijelaskan secara komprehensif pada pustaka tersebut.

Sebagai contoh, sistem kordinat geografi (tanpa proyeksi) dapat dituliskan seperti ini
"+proj=longlat +datum=wgs84"

Sementara untuk proyeksi UTM seperti pada wilayah Jawa Barat (WGS 84/UTM Zona 48S) dapat dituliskan seperti:
"+proj=utm +zone=48 +south +datum=WGS84 +units=m +no_defs +ellps=WGS84 +towgs84=0,0,0"

Pada tutorial kali ini, kita akan mencoba membaca dan merubah proyeksi data spasial dengan berbagai format data. Kita akan menggunakan data yang sama pada tutorial sebelumnya yang akan menghasilkan dua data spasial yang memiliki proyeksi yang sama seperti gambar dibawah.

Data yang digunakan dalam tutorial ini dapat diunduh disini.

Gambar 1. Peta curah hujan tahunan (biru) di sekitar TNGP (merah)

Seperti biasa, kita harus menyiapkan lokasi atau folder aktif dimana hasil ataupun output akan disimpan, dengan menggunakan fungsi setwd pada R.

## Mengaktifkan folder kerja, dimana semua hasil luaran akan disimpan
setwd("D:/LUBIS_PRIVATE_DATA/R_GIS_PROJECT/04_Hasil")

Reading spatial data with R program

Membaca data spasial dengan program R

Program R merupakan sebuah program yang awalnya dikembangkan untuk analisis data statistik, sama halnya dengan program SPSS, Matlab, dan lainnya. Seiring perkembangan zaman, saat ini program R juga dapat membaca dan menganalisis berbagai macam data termasuk data spasial atau data yang memiliki informasi geografi. Hal yang paling penting adalah program ini GRATIS dengan pustaka yang jumlahnya banyak yang telah dikembangkan untuk tujuan-tujuan yang berbeda.

Tutorial ini akan membahas bagaimana cara membaca data spasial di program gratisan ini. Ada beberapa pustaka atau yang dikenal dengan istilah package di R yang berfungsi untuk membaca dan mengolah data spasial, beberapa diantaranya akan digunakan pada tutorial ini. Hasil tutorial ini akan
tampak seperti Gambar 1 di bawah.

Data yang digunakan dalam tutorial ini dapat diunduh disini.

Gambar 1. Peta yang menunjukkan lokasi Taman Nasional Gunung Gede Pangrango (TNGP)

Langkah pertama adalah menentukan lokasi atau folder aktif dimana hasil ataupun output akan disimpan, dengan menggunakan fungsi setwd pada R.

# Mengaktifkan folder kerja, silahkan disesuaikan dengan folder kerja Anda
setwd("D:/LUBIS_PRIVATE_DATA/R_GIS_PROJECT/04_Hasil") 

Membaca data vektor seperti titik (points), garis (lines/polylines), dan area (polygon) bisa dilakukan dengan beberapa pustaka (package) yang sudah tersedia di R (https://cran.r-project.org). Dalam tutorial ini kita akan menggunakan pustaka rgdal untuk membaca data vektor, dan pustaka raster untuk membaca data raster.

Analyzing various kind of spatial data Using Pivot Table in Ms.Excell

Analisis data spasial dengan menggunakan fungsi Pivot Table pada Ms. Excell

Berbagai kegiatan yang berkaitan dengan analisis spasial atau GIS (Geographic Information System) biasanya tidak terlepas dari permasalahan pengolahan data yang terkadang cukup besar, sesuai dengan luasan cakupan study area dan juga atribut atau parameter yang ingin dianalisis. Semakin luas area yang dianalisis, dan atau semakin banyak parameter yang akan diolah, maka akan semakin sulit untuk melakukan penyortiran atau modifikasi data. Untuk merubah data yang besar tersebut ke dalam bentuk grafis seperti tabel dan grafik, agar lebih mudah dimengerti oleh pembaca, maka diperlukan suatu tehnik yang dapat mensortir atau memodifikasi data tersebut dengan cara-cara yang efektif dan efisien. Salah satu tehnik yang dapat digunakan adalah dengan menggunakan fungsi pivot table yang tersedia pada Ms. Excell berbagai versi.

Pada tutorial kali ini, Saya akan mencoba mengolah data spasial dengan menggunakan tehnik tersebut. Sebagai contoh, saya akan mencoba mensortir data spatial yang dalam bentuk DBF (Dbase File) ke Ms. Excell 2007 (versi lain mungkin tidak jauh berbeda) untuk kemudian dianalisis. 

Berikut adalah caranya;

Fragstat Tool for Fragmentation Analysis

Analisis Fragmentasi Hutan Menggunakan Aplikasi Fragstat

Fragmentasi hutan merupakan salah satu faktor utama yang menyebabkan berkurangnya keanekaragaman hayati di alam. Fenomena ini dapat terjadi karena hutan yang dulunya merupakan satu areal yang kompak yang kini menjadi terpecah belah karena adanya gangguan baik secara alami ataupun karena adanya aktivitas manusia. Secara alami, fragmentasi hutan dapat terjadi karena adanya bencana alam seperti longsor, gempa, dan kebakaran hutan yang terjadi karena faktor alam. Namun, faktor utama yang menyebabkan tingginya laju fragmentasi hutan khususnya di Indonesia disebabkan oleh adanya aktivitas manusia seperti pembangunan jalan, aktivitas logging, pertanian, serta perkebunan yang berada di dalam atau di sekitar kawasan berhutan. 

Gambar 1. Salah satu bentuk fragmentasi Hutan (Mongabay.co.id)

Pecahnya kawasan hutan menjadi beberapa bagian ini sangat berdampak pada keberadaan flora dan fauna yang berada di dalamnya. Selain menyebabkan degradasi habitat, fragmentasi hutan juga dapat menghilangkan habitat penting organisme tertentu. Dalam jangka waktu tertentu, hal ini dapat menyebabkan pemecahan populasi suatu organisme menjadi sub-sub populasi yang dapat menyebabkan kepunahan lokal atau penurunan keanekaragaman genetik. Beberapa penelitian yang telah dilakukan telah membuktikan dampak negatif fragmentasi hutan terhadap keanekaragaman hayati.

Dalam rangka pengelolaan hutan yang mendukung kelestarian habitat flora dan fauna, fragmentasi hutan perlu diukur dan dianalisis. Gabungan software ArcGis dan Fragstat dapat digunakan untuk melakukan analisis fragmentasi yang terjadi di suatu areal tertentu khususnya di daerah berhutan. Dalam tutorial kali ini, kita akan mencoba menganalisis fragmentasi hutan yang terjadi di Taman Nasional Bukit 12 pada periode, 1990 - 2013. Dalam tutorial ini, kita akan memfokuskan untuk pengukuran beberapa variabel penting terkait fragmentasi hutan seperti luas kelas hutan ((Class Area/CA), jumlah fragmen atau patch hutan (NumP), luas rata-rata patch hutan (Mean Patch Size /MPS), Total Edge (TE), Edge Density (ED) dan Mean Shape Index (MSI).

The right traps for turtle conservation research method

Beberapa metode penangkapan kura-kura dan labi-labi secara "manusiawi"

Kebanyakan metode penangkapan kura-kura saat ini dilakukan secara konvensional menggunakan alat-alat yang dapat menyebabkan kematian atau cacat pada tubuh reptil tersebut. Biasanya masyarakat tradisional menggunakan pancing untuk menangkap bulus, atau secara tidak disengaja tertangkap sewaktu memancing ikan. Beberapa pemaburu labi-labi atau kura-kura menggunakan long line bait yakni serangkaian mata pancing yang banyak pada satu benang pancing yang panjang yang kemudian diletakkan disepanjang pinggir sungai ataupun danau, kemudian ditinggal untuk beberapa saat. Dengan demikian, peluang mendapatkan bulus semakin besar. Akan tetapi, selain metode ini sangat menyiksa reptil tersebut, tidak jarang satwa yang terpancing ditemukan mati atau tenggelam karena dibiarkan untuk waktu yang cukup lama. 

Keselamatan dan kesehatan satwa biasanya tidak menjadi hal yang penting bagi para pemburu hewan melata tersebut, karena kebanyakan hewan-hewan berdarah dingin ini ditangkap untuk kemudian dijual sebagai makanan, obat ataupun sebagai hewan piaraan. Namun hal ini menjadi sangat penting bila kegiatan penangkapan kura-kura ini dilakukan untuk kepentingan penelitian dengan tujuan konservasi. Metode-metode yang digunakan untuk menangkap satwa tersebut harus menjamin keselamatan dan kesehatan satwa tersebut dengan meminimalisir stress pada satwa yang ditangkap. Apalagi satwa yang ditangkap akan dikembalikan ke habitat alaminya untuk selanjutnya di monitoring. Akan tetapi, bila dibandingkan dengan metode penangkapan yang konvensional, peluang mendapatkan kura-kura atau labi-labi tersebut jauh lebih kecil, setidaknya berdasarkan pengalaman pribadi penulis sendiri.

Gambar 1. Proses pembuatan perangkap secara manual di lokasi penelitian