Home » Data analysis
Category Archives: Data analysis
Download data CHIRPS (3D)
Dalam era kekinian yang semakin berkembang, akses terhadap data meteorologi menjadi semakin penting untuk berbagai sektor, mulai dari penelitian ilmiah hingga pengambilan keputusan. Salah satu dataset hujan berbasis satelit yang reliable dan mudah diakses adalah data hujan CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data), yang menyediakan data curah hujan global.
Mendapatkan akses dan mengunduh data hujan CHIRPS menjadi bagi mahasiswa, peneliti, dan praktisi dalam berbagai bidang untuk melakukan analisis hidrologi dan sumber daya air, termasuk untuk memahami dan mengantisipasi perubahan iklim serta dampaknya terhadap lingkungan dan masyarakat.
Dalam video dibawah ini, kita akan membahas langkah-langkah praktis tentang cara mengunduh data hujan CHIRPS, serta cara mendapatkan statistik sederhana sepanjang data yang tersedia menggunakan R programming.
Reformat Indonesian rainfall point data
Di indonesia data hujan seringkali didapatkan dalam bentuk tipikal kolom bulan dan baris tanggal, dengan sheet per data tahun. Data dengan format seperti ini sejauh yang penulis pahami cukup sulit untuk diolah secara otomatis dan membutuhkan reformatting sehingga format nya mudah untuk dilakukan analisis (misal: long format).
(more…)Preprocess netCDF data
Setelah anda mendownload data netCDF data hujan harian yang jumlahnya sesuai jumlah hari yang anda download (misal: 365 untuk data setahun), maka anda akan mendownload banyak file netCDF seperti pada gambar dibawah:
Jika anda perhatikan file tersebut adalah urut per tanggal dan memiliki pola nama tertentu. Sekarang anda harus menggabungkan semua file tersebut kedalam satu file netCDF agar mudah dilakukan analisis berikutnya.
Untuk membaca multiple file NetCDF sebagai satu file time series menggunakan library xarray di Python, Anda dapat menggunakan fungsi open_mfdataset() yang disediakan oleh xarray. Berikut adalah langkah-langkahnya:
Calculating aerial rainfall
Dalam artikel ini saya berikan contoh bagaimana mendapatkan data hujan satelit dengan input luasan atau batasan area tinjauan, dan merata-ratakan seluas area tinjauan tersebut (misal seluas DAS, batas kabupaten/kota dsb).
Output dari data ini adalah besaran data hujan harian (dalam timeseries) yang telah direrata seluas area tinjuan. File output dapat berupa CSV atau tabular data yang dapat dibukan menggunakan notepad atau Microsoft Excel.
A. Menggunakan Giovanni
Kunjung website giovanni NASA https://giovanni.gsfc.nasa.gov/giovanni/.
Anda bisa mendownload data “Time Series, Area-averaged” dengan menginput batasan waktu dan lokasi luasan kordinat (lat,lon).
Dalam contoh dibawah saya isikan
Select Date Range: 2000-01-01 to 2021-09-30
Select Region: 114.4, -8.9, 115.8, -8 (wilayah pulau bali)
Lalu ketikkan “IMERG Final” pada kolom keyword. Pilih “GPM_3IMERGDF_v06” (lihat gambar dibawah).
(more…)Open and visualize netCDF
NetCDF (Network Common Data Form) adalah format file yang digunakan untuk menyimpan data ilmiah multidimensi (misal: latitude, longitude, waktu), seperti data hujan dan data remote sensing lainnya (seperti citra satelit atau data radar). Format ini memungkinkan pengaturan data secara efisien serta memudahkan untuk dianalisis untuk kebutuhan riset dan dan visualisasi.
NetCDF menyediakan keuntungan dalam mengatur data secara efisien, mempertahankan metadata, dan mendukung operasi ilmiah seperti pemotongan area, subset data, dan penggabungan data yang berbeda.
Dalam artikel ini saya akan berikan panduan untuk membuka data netCDF menggunakan pemrograman python serta memvisualisasikannya. Anda tidak membutuhkan program lainnya untuk membuka dan memvisualisasi file netCDF. Python (dan R) sudah sangat powerful untuk melakukan tugas ini, dengan cara yang cukup mudah!
Untuk mendapatkan tutorial install dan setting python dapat dilihat disini.
(more…)Download daily rainfall IMERG
Data hujan dibutuhkan dalam banyak analisis hidrologi, hidraulika, dan analisis terkait sumber air lainnya. Namun seringkali data hujan tidak tersedia dalam skala spasial dan waktu yang cukup. Misal data hujan harian dari pos stasiun hujan observasi seringkali tidak mudah didapatkan di banyak tempat di Indonesia dengan kerapatan spasial dan kesediaan periode observasi yang memadai.
Dengan perkembangan teknologi remote sensing khususnya untuk tujuan pengamatan data hidrometeorologi atau hujan, kita dapat menggunakan alternatif data hujan seperti hasil remote sensing dari berbagai sumber dan institusi. Salah satu institusi yang leading dalam pengumpulan database remote sensing adalah NASA.
Untuk data hujan sendiri, NASA memiliki beberapa produk salah satunya yang paling dapat diandalkan adalah GPM IMERG. GPM IMERG (Integrated Multi-satellitE Retrievals for Global Precipitation Measurement) adalah produk estimasi curah hujan global yang dikembangkan oleh NASA dan JAXA (Japan Aerospace Exploration Agency) sebagai bagian dari misi GPM (inisasi pengukuran hujan global). GPM IMERG menggabungkan data curah hujan dari berbagai satelit, termasuk satelit GPM dan TRMM (Tropical Rainfall Measuring Mission), untuk menghasilkan estimasi curah hujan dengan resolusi spasial dan temporal yang tinggi di seluruh dunia.
Dalam artikel ini saya akan membagikan data hujan harian kumulatif GPM_3IMERGDF atau GPM IMERG Final Precipitation L3 1 day 0.1 degree x 0.1 degree Data ini disediakan dalam Format netCDF dengan Spatial Coverage:-180.0,-90.0,180.0,90.0. Data ini tersedia dari 2000-06-01 hingga saat ini dengan resolusi spasial 0.1° x 0.1° atau sekitar 10 km di ekuator.
Download Sentinel
If you’re interested in accessing satellite imagery for remote sensing or geospatial analysis, Sentinel satellites, operated by the European Space Agency (ESA), are an excellent source of high-quality, free, and open data. In this tutorial, we will go through the process of downloading Sentinel satellite imagery using Python.
Step 1
Install Dependencies To start, you’ll need to have some Python libraries installed. You can install the necessary dependencies using pip, the Python package manager. Open a terminal or command prompt and run the following commands:
conda install -c conda-forge sentinelsat
conda install -c conda-forge rasterioThese libraries, sentinelsat and rasterio, are commonly used for downloading and processing satellite imagery in Python.
(more…)Understanding the Importance of Water Resources through Data Analysis
Water is one of the most important resources on our planet, essential for sustaining life and supporting economic development. However, the availability and quality of water resources are facing increasing challenges due to climate change, population growth, and other factors. In this blog, I will explore the importance of water resources and the role that data analysis can play in understanding and managing these critical resource.
(more…)