File Presentasi Geowisata Bandung Abad-19

Hari ini, Sabtu, 30 Mei 2020, saya dengan Travelology, Sekolah Bumi, dan KRCB menyelenggarakan Geowisata Virtual Bandung Abad-19. Berikut adalah webmap jalurnya dan file presentasinya.

http://malikarrahiem.com/qgis2web/index.html

Untuk file presentasinya bisa dilihat di halaman ini

http://www.malikarrahiem.com/Presentasi%20Travelology.pdf

Untuk rekamannya, bisa diakses di halaman berikut

Curug Tjigeureu di Gunung Malabar

Sejak dua tahun lalu, saya rajin nongkrong di halaman situsnya Tropenmuseum, Rijksmuseum, dan Perpustakaan Universitas Leiden. Tujuan saya adalah untuk mencari foto, lukisan, atau sketsa lama yang membuat saya senang ketika membuka dan melihat-lihatnya. Mungkin seperti orang yang hobi belanja senang buka-buka lapak pasar-el (e-commerce), begitu pun saya senang buka-buka situs gambar sejarah.

Dari hasil telusuran saya, saya mengetahui bahwa ada beberapa pelukis zaman kolonial yang hasil dokumentasinya sangat banyak, salah satunya adalah Antoine Payen. Ia adalah seorang pelukis berkebangsaan Belgia yang bekerja bagi pemerintah kolonial pada awal abad ke-19. Ketika Payen bekerja, ia menemukan seorang mutiara terpendam yang kelak akan menjadi pelukis Indonesia paling masyhur. Namanya Raden Saleh. Tulisan lengkap mengenai siapa Antoine Payen bisa dilihat pada tulisan Pak Ridwan Hutagalung berjudul “Payen dan Sang Pangeran Jawa“.

Salah satu gambar paling baru yang saya temukan adalah gambar berjudul “Gezicht op de waterval van de Tjigeureu in de bossen van de berg Malabar” atau jika diterjemahkan bebas menjadi “Pemandangan air terjun Tjigeureu di hutan Gunung Malabar”. Dalam keterangan lukisan tertulis: Dit is de waterval van Cigeureuh bij de berg Malabar. Op de voorgrond zijn twee mannen te zien die kijken naar een Javaanse neushoorn in de verte, atau berarti: Ini adalah air terjun Cigeureuh di gunung Malabar. Di latar depan dua lelaki dapat terlihat sedang melihat badak Jawa di kejauhan.

Gezicht op de waterval van de Tjigeureu in de bossen van de berg Malabar. Antoine Payen – 1841. Sumber Tropenmuseum

Dalam gambar ini, sebuah air terjun yang sangat tinggi menjadi objek utama. Menuju ke air terjun, terdapat jeram-jeram bertingkat dengan aliran yang cukup deras. Hutan digambarkan tidak padat, tapi terbuka. Di tengah bagian dekat dengan pengamat, dua orang tampak bersembunyi. Seorang seolah mengokang senjata, atau mungkin keduanya memegang sejata. Mereka mengamati seekor badak di kejauhan. Cukup menarik juga mengingat Payen menggambarkan satu bunga bangkai raksasa (Amorphophallus titanum Becc) yang berada di bagian kanan bawah lukisan.

Saya takjub dengan ketelitian ini. Saya merasa perlu tahu di mana curug ini berada. Dengan penuh semangat saya mencoba mencari tahu, di mana air terjun Tjigeureu ini berada.

Pilihan pertama saya adalah dengan mencari di google dengan kata kunci “Curug Tjigeureu”. Tapi hasilnya nihil. Kemudian ketika saya cari Cigeureuh, maka saya menemukan blog dari http://cekunganbandung.blogspot.com/2010/11/berjuang-menggapai-hulu-cigeureuh.html. Dalam blog ini penulis mencantumkan judul “berjuang menggapai hulu Cigeureuh”. Dalam tulisan ini, ia bercerita tentang perjuangannya dan teman-temannya menyusuri hulu Cigeureuh untuk menuju Curug Siliwangi. Masuk akal juga. Berarti sungai di mana curug ini berada bernama Ci Geureuh, dan curugnya bernama Curug Siliwangi.

Ketika saya mengamati foto Curug Siliwangi, saya merasa ada sedikit persamaan dengan Curug Tjigeureu yang dilukis Payen, terutama dari ketinggian air terjun. Sayang tidak ada foto yang diambil dari lebih jauh. Kemungkinan besar karena vegetasi sangat lebat.

Curug Siliwangi, Gunung Puntang. Sumber Facebook Gunung Puntang

Dalam lukisan Payen, Curug Cigeureuh digambar dari jauh. Namun kita bisa duga bahwa air terjun ini sangatlah tinggi. Begitu pun Curug Siliwangi yang ditulis berketinggian 150 meter. Dalam video-video perjalanan ke Curug Siliwangi yang saya tonton di Youtube, perjalanannya sangat berat dan melewati jeram-jeram. Mungkin itulah jeram yang digambar juga oleh Payen.

Selain itu, saya juga mencoba membandingkan Curug Cigeureuh ini dengan peta-peta lama yang saya punya. Pertama saya membandingkan dengan Peta Wisata Bandung dan Sekitarnya, touristenkaart van bandoeng en omstreken, yang diterbitkan oleh Dinas Pariwisata Hindia Belanda pada tahun 1939. Dalam peta ini, di lembah antara Gunung Puntang dan Gunung Haruman, terletak air terjun tanpa nama yang hanya disebut sebagai Waterval.

Gunung Malabar pada Peta Wisata Bandung yang dipublikasikan oleh Dinas Pariwisata Hindia Belanda

Kemudian saya mencoba mencari informasi mengenai Gunung Malabar di buku Java volume 1, karya Junghuhn. Di dalam buku ini, Junghuhn mendeskripsi menggambarkan profil ketinggian gunung-gunung di Jawa, salah satunya gunung-gunung di Cekungan Bandung. Ketika menggambarkan kompleks Gunung Malabar, yang disebut oleh Junghuhn sebagai Malawar, secara menarik ia menggambarkan satu air terjun, Tjuruk Tjiguru. Saya menduga ini air terjun yang juga dimaksud oleh Payen, Tjurug Tjigeureuh

Franz Wilhelm Junghuhn, Java seine Gestalt, Pflanzendecke und innere Bauart Vol.1

Kesimpulan: Curug Cigeureuh hampir pasti merupakan air terjun yang berada di lembah di antara Gunung Puntang dan Gunung Haruman, di kompleks Gunung Malabar. Jika benar di sanalah curug berada, maka elevasinya sekitar 1500-1800 mdpl. Kemungkinan curug ini ekivalen dengan Curug Siliwangi yang kita kenal sekarang, namun perlu memastikan koordinat Curug Siliwangi berada. Ada dua informasi penting yang bisa kita dapat dari lukisan Antoine Payen, yaitu: 1) keberadaan bunga bangkai raksasa, dan 2) keberadaan badak jawa. Dua spesies ini merupakan spesies langka, bahkan sekarang badak hanya ditemukan di Ujungkulon saja. Laporan ini menunjukkan bahwa Kompleks Gunung Malabar pernah menjadi rumah bagi spesies-spesies langka Nusantara, entah kondisinya sekarang bagaimana. Meskipun badak sudah pasti tidak ada, semoga yang lain masih ada.

Tentang Gunung Malabar

Mungkin orang-orang kurang awas terhadap Gunung Malabar karena bentuknya yang tidak seikonik Gunung Tangkuban Perahu. Padahal kedua gunung ini berhadap-hadapan. Keduanya megah dibatasi oleh lembah luas di mana jutaan manusia hidup. Dari titik mana pun di tengah Cekungan Bandung kita bisa melihat Gunung Malabar ini. Setiap pagi, dari rumah saya di bilangan Ciwaruga, setiap saya memandang ke arah selatan, terutama di pagi hari, maka gunung ini akan tampak megah berdiri. Mungkin pemandangan yang serupa dengan gambar Payen di bawah ini.

Pemandangan Gunung Malabar yang dilukis oleh Payen dari Bandung Utara

Dalam buku Java jilid 2, Junghuhn mendeskripsi Gunung Malabar sebagai berikut:

Obgleich kein Krater und keine Solfatara als diesem Gebirge zugehörig bis jetzt bekannt ist, so wird er hier dennoch unter die Zahl der Feuerberge aufgenommen, -weil sowohl die Gestalt desselben als auch seine Gebirgsarten. — Lava —, aus welchen er zusammengesetzt ist, deutlich verrathen, dass auch er einst ein thätiger Vulkan war. Siehe die augitische und basaltische L.Nr. 55 und 56 und die Gluthbrezzie: L.Nr.54, welche in seinem nordlichen Vorgebirge gefunden werden. — Über seine Lage und Verbindung mit den benachbarten Bergen wird hier sowohl, wie bei allen übrigen Preanger Vulkanen auf die beigefügte Skizze verwiesen. Sein Gipfel ist keineswegs konisch, sondern er besteht aus zwei lang hingezogenen, schmalen Firsten, die ostwärts in einem spitzen Winkel zusammenstossen und die 7090′ hohe Ostkuppe des Gebirges bilden. Auch ihre entgegengesetzten Endigungen sind schroff und kuppenartig. Sie schliessen einen beinahe dreieckigen Raum ein, der sich westnordwestwärts in weiter, klüftiger Öffnung zum Berge hinabzicht und den man nicht anstehen kann, für den alten spaltenförmigen Krater des G.-Malawar (wahrscheinlich abgeleitet von Mawar = Rose und würde dann so viel bedeuten als : überall mit Rosen geschmückt) zu halten, wenn man die schroffe Senkung beider Bergfirsten nach innen wahrnimmt, die mit ihren steilen Wänden einander gegenüberstehen und sich als Kratennauern beurkunden. Die südlichere der Firsten zieht sich mehre Pfähle lang hin. Es ist sehr zu vermuthen, dass man im Grunde der genannten
grossen Kluft zwischen den Firsten bei genauer Nachsuchung noch überzeugendere Beweise ihres ehemaligen Charakters finden und vielleicht noch dampfende Fumarolen oder kochende Schlammpfützen daselbst antreffen wird. Übrigens sind sowohl die Kluft als die Firsten mit uralter Waldung überzogen, deren Physiognomie ich an einem andern Orte versucht habe zu schildern und nur zwei warme Quellen am Südabhange des Berges sind die einzigen jetzt bekannten Überbleibsel ehemaliger Vulkanität. ~ Ich besuchte den Berg im Monat October 1839 von seiner Ostseite her, wo der Pasanggrahan Malawar tjiparai gelegen ist.

Franz Junghuhn, Java seine Gestalt, Pflanzendecke und innere Bauart Vol.2

Berikut adalah penerjemahan bebas oleh penulis dibantu dengan Google Translate:

Meskipun tidak dijumpai kawah dan solfatara di gunung ini dan sekitarnya, gunung ini tetap termasuk sebagai gunung api, terutama karena bentuk, jenis gunung, serta lava yang menyusun gunung ini menandakan bahwa gunung ini dulunya merupakan gunungapi yang aktif. Sampel batuan yang saya kumpulan berjeniskan lava augit dan lava basaltik (lihat nomor 55 dan 56) serta Gluthbrezzie (Breksi berwarna arang gelap, glut = arang dalam bahasa Jerman) bernomor 54 yang saya temukan di punggungan sebelah utara.

Sebagaimana gunungapi lainnya di Priangan, saya membuat referensi lokasi pengambilan spesimen ini relatif terhadap lokasi gunung dan hubungannya dengan gunung-gunung di sekitarnya. Puncak gunung ini tidak berbentuk kerucut, tetapi terdiri atas dua tebing sempit yang memanjang yang pertemuannya membentuk sudut lancip di sebelah timur dengan ketinggian 7090 kaki, di sebelah timur kompleks pegunungan ini. Ujung dari tebing-tebing ini kasar dan berbentuk kubah. Mereka melampirkan ruang hampir segitiga yang memanjang barat-barat laut di celah yang lebar, bergerigi ke G. Malawar (kemungkinan berasal dari kata Mawar yang berarti bunga, sehingga diasumsikan Junghuhn berarti gunung yang dipuja layaknya bunga). Mungkin bagian tengah dari gunung ini adalah kawah. Sangat dicurigai bahwa pada celah yang disebutkan di antara punggungan-punggungan akan ditemukan bukti yang lebih meyakinkan mengenai keberadaan fumarol yang mengepul atau genangan lumpur mendidih di sana. Kebetulan, pola lembahan dan punggungan ditutupi dengan hutan lebat, fisiognomi yang saya coba gambarkan di tempat lain, dan hanya dua mata air hangat di lereng selatan gunung adalah satu-satunya sisa vulkanisitas bekas gunung berapi yang diketahui. ~ Saya mengunjungi gunung ini pada bulan Oktober 1839 dari sisi timurnya, di mana Pasanggrahan Tjiparai Malawar berada.

Franz Junghuhn, Java volume 2, dengan penerjemahan bebas penulis.

Dalam katalog spesimen yang dikumpulkan oleh Junghuhn: Catalog der Geologischen Sammlung von Java. Oder Verzeichniss der Felsarten gesammelt zur erlauterung des geologischen baues dieser Insel niedergelegt und geordnet im Reichs-museum fur Naturgesichte zu Leiden von Fr. Junghuhn (Katalog Koleksi Geologi Jawa. Atau daftar jenis batuan yang dikumpulkan untuk menjelaskan struktur geologi pulau ini diletakkan dan dipesan di Museum Sejarah Alam Reich oleh Leiden oleh Franz Junghuhn), sampel dari Malabar bernomorkan L.54-L.56. Sampel-sampel ini adalah:

Halaman 13
  1. Batu trachytic dari gluthbrezzie. Ujung barat punggungan G. Malawar: dari dinding vertikal, ke kiri jalan yang mengarah dari Bandong ke Bandjaran.
  2. Lava doleritik dan basaltik. Lereng G. Malawar: Bandjaran dan Pengalengan, dasar sungai Tji-Biana (distrik yang sama)
  3. Lava syenitik dan basaltik. G. Malawar. dasar sungai Tji-Ngiroan dekat Pengalengan

Sumber:

  1. Lukisan Tjurug Tjigeureu dari Tropenmuseum
  2. https://mooibandoeng.com/2016/02/02/payen-dan-sang-pangeran-jawa/
  3. http://cekunganbandung.blogspot.com/2010/11/berjuang-menggapai-hulu-cigeureuh.html
  4. https://www.facebook.com/BuperGPCommunity/posts/air-terjun-curug-siliwangiterletak-di-areal-wana-wisata-gunung-puntang-di-komple/511613966045832/
  5. Touristenkaart van bandoeng en omstreken. 1939
  6. Franz Wilhelm Junghuhn, Java seine Gestalt, Pflanzendecke und innere Bauart Vol.1
  7. Franz Wilhelm Junghuhn, Java seine Gestalt, Pflanzendecke und innere Bauart Vol.2
  8. Catalog der Geologischen Sammlung von Java. Oder Verzeichniss der Felsarten gesammelt zur erlauterung des geologischen baues dieser Insel niedergelegt und geordnet im Reichs-museum fur Naturgesichte zu Leiden von Fr. Junghuhn

Tentang Sunda Abad-19 dan Naturalis Jerman yang Melaporkannya

Kemarin saya nonton tayangan ulang Diskusi Sunda Abad-19 yang diadakan oleh Oleh-Oleh Boekoe Bandoeng dan Sahabat Heritage Bandung dengan narasumber Pak Hawe Setiawan dan Pak T. Bachtiar. Tayangannya sebagai berikut:

Dalam suasana COVID-19 ini, saya bersyukur diseminasi ilmu berjalan secara masif. Memanfaatkan platform online, semua kelompok berlomba-lomba membagikan ilmunya. Mungkin inilah keadaan normal yang baru. Forum-forum kajian yang dulu terfokus di kampus, kelas, selasar-selasar, kini berpindah ke rumah masing-masing, disambungkan oleh platform daring. Keren.

Sekitar dua tahun lalu, saat masih di Jerman, saya dapat kesempatan untuk melihat buku-buku jadul. Publikasi-publikasi abad-19 yang membuat saya berdecak kagum, betapa orang pada masa itu bisa menulis dengan kualitas tulisan yang sangat baik. Bahkan kalau saya boleh bilang, jauh lebih baik dari tulisan modern. Betapa perbedaan fasilitas tidak memengaruhi kualitas tulisan. Kemudian saya menyadari bahwa gagasan orang-orang itu abadi.

Saya terlecut untuk melanjutkan projek lama saya, menulis buku tentang Petualangan Naturalis Jerman ke Tanah Priangan Abad-19. Tulisan ini bagi saya penting, karena catatan-catatan naturalis Jerman ini tersedia. Beberapa sudah saya terjemahkan, beberapa lainnya sedang saya kurasi untuk memilah catatan mana yang ingin saya tampilkan dalam buku ini.

Buku saya ini berisi tentang perjalanan empat orang Jerman pada masa yang berbeda-beda. Naturalis pertama, seorang Jerman yang bekerja untuk Pemerintah Kolonial Belanda dalam misi pemetaan potensi alam tanah kolonial. Namanya Salomon Mueller yang bertugas di Hindia Belanda pada tahun 1826-1836. Ia adalah salah satu orang yang selamat dari rimba ganas Hindia Belanda dan kembali ke negerinya. Mueller adalah seorang ahli hewan. Pada tahun 1833, selama lebih 3 bulan, ia berkunjung ke Bandung dan menjelajah tanah Priangan. Bersama Pieter van Oort, seorang pelukis, Mueller melaporkan perjalanan dari Tangkuban Perahu ke Curug Cimahi, Curug Penganten, Cililin, Gunung Lumbung, Ciwidey, Banjaran, dan kembali ke Bandung.

Naturalis kedua adalah Si Humboldt dari Jawa. Orang yang saya sebut peneliti Jerman paling berjasa bagi perkembangan ilmu alam di Hindia Belanda, namanya Franz Wilhelm Junghuhn. Saking banyaknya catatan yang ia buat, saya belum berhasil mengurasi perjalanannya dan memilah mana yang ingin saya tampilkan. Saking hebatnya Junghuhn, setelah lebih 150 tahun kematiannya, orang masih berdiskusi tentangnya.

Saya bermaksud untuk mengurasi catatan Junghuhn, terutama pada bagian geologi. Saya tidak tahu siapa orang yang lebih dulu memeta geologi Pulau Jawa sebelum Junghuhn, tapi saya belum menemukan peta yang lebih tua daripada peta yang Junghuhn buat dan dipublikasikan pada tahun 1857. Koleksi sampel geologinya melimpah, fosil, kerangka, dan batuan. Bahkan seorang Jerman lain yang saya bahas juga, Karl Martin, khusus mengaji fosil kerang yang dibawa Junghuhn dari Jawa. Catatannya tentang lokasi fosil berupa lokasi A-Z menjadi harta karun yang harus kita petakan, di mana sebenarnya lokasi fosil-fosil ini berada.

Naturalis ketiga, seorang Jerman lain, khusus datang ke Bandung pada tahun 1858 untuk bertemu dengan Junghuhn. Nama orang ini adalah Ferdinand von Hochstetter yang berkunjung ke Hindia Belanda dalam perjalanan ekspedisi Novara, ekspedisi saintifik berkeliling dunia yang didanai oleh Kerajaan Austria.

Hochstetter adalah seorang geolog. Ia meminta dengan amat sangat agar Junghuhn bersedia menemaninya dalam perjalanan melihat lapisan Tersier di sekitar Bandung. Sayang Junghuhn tidak dalam kondisi terbaiknya, namun tetap memberikan petunjuk dan mengirim perwakilannya untuk menemani Hochstetter berkeliling Cekungan Bandung. Hochstetter menelusuri jejak Junghuhn ke Curug Jompong, kemudian ke Lio Cicangkang untuk melihat fosil laut, hingga akhirnya terpana akan keindahan Curug Halimun, yang oleh Junghuhn disebut sebagai air terjun terindah di Jawa. Ia menelusuri Ci Tarum hingga bertemu Sanghyang Tikoro dan kembali pulang. Sampel-sampel perjalanan Hochstetter masih bisa kita temui di Natural History Museum of Vienna.

Naturalis keempat, Karl Martin, Bapak Paleontologi Belanda. Martin adalah seorang Jerman yang kemudian bekerja sebagai pengajar geologi di Universitas Leiden, Belanda. Martin memulai publikasinya tahun 1879 ketika ia menganalisis sampel fosil moluska yang dibawa oleh Junghuhn.

Pada tahun 1910, Martin yang begitu penasaran dengan sampel-sampel yang dikirim oleh Junghuhn, kemudian mendapat kesempatan untuk berkunjung ke Priangan. Ia mengunjungi lokasi-lokasi di mana fosil-fosil itu berasal dan memberikan catatan terperinci yang membantu kita untuk mengidentifikasi lokasi-lokasi fosil. Pertama Martin mengunjungi lapisan Ci Talahab di sekitar Ci Mandiri di Sukabumi, kemudian ia mengunjungi lapisan Rajamandala di Bandung Barat. Selanjutnya ia melaporkan tentang lokasi Lio Cicangkang di Gunung Halu, hingga akhirnya ia melaporkan tentang lapisan sedimen pembawa fosil moluska di daerah Ci Lanang, Gunung Halu. Lokasi yang belakangan ini kebetulan adalah lokasi tugas akhir penulis.

Martin berhasil mengidentifikasi umur lapisan berdasarkan kelimpahan fosil moluska yang ada di lapisan-lapisan tersebut. Metode yang digunakan adalah perbandingan antara jumlah spesies fosil yang masih hidup hingga sekarang dibandingkan jumlah spesies total (spesies masih hidup + spesies telah punah).

Keempat naturalis ini hanyalah sebagian kecil dari orang-orang Jerman yang berjasa pada Indonesia. Kita masih bisa sebut naturalis-naturalis lain yang berjasa besar, seperti Rumphius yang mengidentifikasi flora dari Ambon. Karya besarnya Herbarium Amboinsche saya kira adalah mahakarya abad 18 yang sangat luar biasa. Terlebih pada akhir masa hidupnya ia kehilangan indra penglihatan.

Kita bisa sebut juga Carl Blume, seorang direktur herbarium dari Leiden. Bukunya Rumphio (terinspirasi dari Rumphius) ditulis dalam bahasa latin dan memuat catatan-catatan flora yang sangat komprehensif, terutama dari sekitar Priangan. Lalu Caspar Georg Carl Reinwardt, kepala pertama Kebun Raya Bogor.

Sangat disayangkan bahwa ilmu-ilmu yang telah mereka catat sejak 200 tahun lalu belum tersambung ke zaman sekarang karena bahasa. Tulisan-tulisan mereka yang dibuat dalam bahasa Jerman atau Belanda masih sulit kita mengerti. Meski ada kabar gembira, bahwa magnum opus-nya Junghuhn, Java, sedang diterjemahkan oleh Komunitas Bambu. Tentu ini sangat menggembirakan untuk ditunggu.

Making 3D Maps of Sentinel-2 Imagery with Rayshader

I am inspired by Tyler Morgan-Wall tutorial on Rayshader with satellite imagery overlay published few days ago. I have been trying this for some times, but somehow I always fail. So when Tyler shares his code, I immediately follow and try it on my own.

The code is so elegant, one can simply follow and have their own beautiful rendered 3d images with satellite imagery overlies. I really suggest that you visit Tyler’s blog. There are plenty of amazing tutorials there.

In this post, I would like to add something that I believe is useful when anyone wants to create a 3d images with satellite imagery overlies with rayshader.

I add two things that a little bit different than Tyler’s step to create the images, which are: 1) download sentinel-2 images from Sentinel-Hub apps , and 2) download SRTM images from R . These two steps are crucial and can save some time and avoiding us to download a huge data of satellite images.

First we will download the images of Sentinel-2. The regions that I want to share is Karangetang Volcano in North Sulawesi, Indonesia. This volcano is interesting because it has been erupting for the past few years and we can see the trace of the eruption finely from Sentinel-2 images.

Sentinel-2 is a satellite program by European Space Agency. It has been acquiring images from the orbit since 2015 with spatial resolution of 10m. We can access Sentinel-2 images through this apps https://apps.sentinel-hub.com/eo-browser/ . You can register to it. It is a free and a very user-friendly apps.

User interface of the EO Browser

Above is the interface of EO Browser after you sign-in. On the left side is the menu for selecting the satellite, cloud coverage, and time range. You can select Sentinel-2 and pick L2A as this images is already processed. Set the cloud coverage to the lowest so you can get a free cloud image.

On the right side, there is a marker symbol. This is a pin to select point of interest. It also allows us to make an area of interest. So I make a rectangle. Afterward you can click “Search” and EO Browser will find you list of available data set.

After selecting an images, EO Browser will show you available image processing method, which can be used for many purpose. You can also develop your own custom script if you will. You can check for available script here: https://custom-scripts.sentinel-hub.com/ .

For our purpose, lets just do True Color image. You can download the image on the right side, just two symbol below the marker symbol, called “Download image”. Unlike Earth Explorer that force us to download all the data in bulk, EO Browser offers us the chance to download only the data we need, and we can crop it to the area we made earlier. You can select the Image format to Tiff 8 bit, image resolution high, and coordinate system to WGS84. Select layer True Color.

Afterward you can immediately download the file, and the size will not be huge (still in the order of tens of MB). Now we can call it in R.

 library(raster)
 library(sp)
 library(rayshader)
 library(elevatr)
 library(leaflet)  

 satellite_images <- raster::brick("Sentinel-2 L2A from 2019-09-22.tiff")
 plotRGB(satellite_images)

So our data consist of one tiff file. We call it using brick. To be honest I am not really sure the reason why raster::brick work, and raster::raster doesn’t. So just use raster::brick for this purpose.

Plot of sentinel-2 image

Second, we will create our Area of Interest. We will create a simple AoI, a rectangle with 4 edges. For that I make a function, so you just need to add xleft, ytop, xright, and ybot, or two coordinates of top left and bottom right edges.

AOI <- function(p, q, r, s) {
   xleft <- p
   ytop <- q
   xright <- r
   ybot <- s
   x_coord <- c(xleft,xleft,xright,xright)
   y_coord <- c(ytop,ybot, ybot, ytop)
   xym <- cbind(x_coord, y_coord)
   p <- Polygon(xym)
   ps = Polygons(list(p),1)
   sps = SpatialPolygons(list(ps))
   proj4string(sps) = CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")
   return(sps)
 }

You can call your AoI and then afterward check it on leaflet to see where it lies. If it is ok then you can continue to the next step. Also make sure that your Sentinel-2 images are completely within your study area.

mask <- AOI(xleft, ytop, xright, ybot)
leaflet(mask) %>% 
   addTiles() %>% 
   addPolygons() 

Afterward we will find our digital elevation model from SRTM using elevatr developed by Jeffrey Hollister from US EPA (https://github.com/jhollist/elevatr ). This packages allows us to download elev_point and elev_raster provided by USGS and USNOAA. The DEM needs to be projected so it the projection system will be the same as our satellite image. We can plot it on the map using leaflet package (https://rstudio.github.io/leaflet/ ).

 Elevation_File <- get_elev_raster(AOI1, z=11)
 projectRaster(Elevation_File, 
               crs= "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")

 leaflet(mask) %>% 
   addTiles() %>% 
   addPolygons() %>% 
   addRasterImage(Elevation_File)
Downloaded elevation raster and mask area

I cropped my file using crop function. I clipped it using AoI which I named “mask”. Afterward I plotted it.

elevation_mask <- crop(Elevation_File, mask)
 satellite_imagery_mask <- crop(satellite_imagery, mask)
 plot1 <- leaflet() %>% 
   addTiles() %>% 
   addRasterImage(elevation_mask, opacity =0.5)
 plot1
Cropped elevation raster

From here and after I just follow Tyler’s tutorial. So I make my data to be matrix. Satellite data has to be differentiate as r,g,b because that is how color has to be treated (color is combination of red, green, and blue bands).

Because it is too complicated for me to explain, so I will just quote Tyler Morgan-Wall himself for this section:

“Now we’ll crop our datasets to the same region, and create an 3-layer RGB array of the image intensities. This is what rayshader needs as input to drape over the elevation values. We also need to transpose the array, since rasters and arrays are oriented differently in R, because of course they are🙄. We do that with the aperm() function, which performs a multi-dimensional transpose. We’ll also convert our elevation data to a base R matrix, which is what rayshader expects for elevation data.”

Tyler Morgan-Wall
names(satellite_imagery_mask) = c("r","g","b")
 satellite_imagery_mask_r = rayshader::raster_to_matrix(satellite_imagery_mask$r)
 satellite_imagery_mask_g = rayshader::raster_to_matrix(satellite_imagery_mask$g)
 satellite_imagery_mask_b = rayshader::raster_to_matrix(satellite_imagery_mask$b)
 satellite_imagery_mask
 elevation_matrix = rayshader::raster_to_matrix(elevation_mask)
 elevation_mask
 sentinel_mask_array = array(0,dim=c(nrow(satellite_imagery_mask_r),ncol(satellite_imagery_mask_r),3))
 sentinel_mask_array[,,1] = satellite_imagery_mask_r/255 #Red layer
 sentinel_mask_array[,,2] = satellite_imagery_mask_g/255 #Blue layer
 sentinel_mask_array[,,3] = satellite_imagery_mask_b/255 #Green layer
 sentinel_mask_array = aperm(sentinel_mask_array, c(2,1,3))
 plot_3d(sentinel_mask_array, elevation_matrix, windowsize = c(1100,900), zscale = 30, shadowdepth = -50,
         zoom=0.5, phi=45,theta=-45,fov=70, background = "#F2E1D0", shadowcolor = "#523E2B")
 render_snapshot(title_text = "Karangetang Volcano, Indonesia | Imagery: Sentinel-2 | DEM: 30m SRTM",
                   title_bar_color = "#1f5214", title_color = "white", title_bar_alpha = 1)
Render_snapshot result of Karangetang Volcano, North Sulawesi, Indonesia
render_highquality result gives more dramatic effect

Voilla, a beautiful 3D image are made, easily. Thanks to amazing Rayshader package! In his tutorial, Tyler Morgan-Wall can make a gif, however it is not possible for me due to my laptop limitation. Rendering process is painful and unbearable for her. But you can try.

You can check the code of this work here.

Have fun with Rayshader!

Memvisualisasikan DEM Menggunakan Rayshader

Sudah lama saya gak menulis di blog saya, mungkin lebih 6 bulan sejak saya pulang dari Jerman, September lalu. Banyak yang dikerjakan di Indonesia, membuat saya gak sempat menulis. Jadi ingat dulu pernah ngobrol dengan Pak Erwin tentang rindu saat menganggur jadi bisa banyak menulis.

Di tulisan kali ini saya ingin berbagi tentang membuat visualisasi model elevasi digital menggunakan R, tepatnya menggunakan Rayshader. Bagi yang belum tahu apa itu Rayshader, saya sarankan mampir di https://www.rayshader.com/, atau di blognya pencipta Rayshader, Tyler Morgan, https://www.tylermw.com/posts/. Saya super salut sama developer R yang satu ini. Super duper jenius.

Rayshader bikinan Tyler ini membuat semua orang bisa bikin visualisasi model elevasi yang bagus, indah, eyecatchy. Contohnya misal gambar ini:

Visualisasi DEM Cekungan Bandung menggunakan Rayshader. Cekungan Bandung dilihat dari selatan ke utara. Gunung di tengah merupakan kaldera raksasa Gunung Sunda Purba.

yang mana bikinan saya. Gambar di atas adalah model 2.5D Cekungan Bandung yang saya bikin menggunakan Rayshader. Gambar ini diambil dari selatan, Gunung yang terlihat besar di belakang adalah Gunung Sunda Purba dengan kaldera raksasanya. Gunung Tangkuban Perahu terlihat sebagai puncak di sebelah kanan dengan lubang kawah di tengahnya, Gunung Burangrang di sebelah kiri tebing kaldera raksasa. Dataran di tengahnya adalah Dataran Cekungan Bandung, di mana lebih dari 8 juta orang hidup di atasnya.

Untuk membuat ini, saya cuma nulis sekitar 20 baris kode. Apakah Anda tertarik untuk bisa membuatnya juga?

Kalau misalkan tertarik untuk bikin gambar sejenis dari data DEM, bisa lanjutkan membaca, kalau nggak juga gak apa-apa. Akan ada sedikit bahasa-bahasa teknis R setelah paragraf ini.

Pertama Anda perlu R untuk membuat visualisasi ini. Jika Anda belum familiar dengan R, tenang ada super banyak tutorial dan kelas-kelas online yang bisa membantu Anda untuk mempelajari bahasa super yang bisa memudahkan pekerjaan ini.

Ada 5 tahap dalam tutorial ini:

  1. Membuat batas area of interest (AOI)
  2. Mendownload data DEM
  3. Memotong data DEM ke AOI
  4. Membuat visualisasi Rayshader
  5. Menyimpan data Render

Package yang digunakan dalam tutorial ini adalah: raster, sp, rayshader, dan elevatr. Kegunaan dari package ini akan saya jelaskan belakangan.

Membuat Area of Interest (AOI)

Ada beberapa cara untuk membuat AOI, bisa menggunakan shapefile yang sudah Anda punya, atau dengan membuat polygon biasa. Kali ini saya akan membuat dengan polygon biasa.

Saya membuat fungsi, namanya Fungsi AOI. Dengan fungsi ini kita cuma perlu masukkan nilai minimum dan maksimum longitude dan latitude. Urutannya searah jarum jam: kiri, atas, kanan, bawah, atau min long, max lat, max long, min lat.

Mendowload Data DEM

Setelah memasukkan AOI, kita ingin mendownload data DEM. Jika Anda punya data DEM sendiri, maka itu bisa dipakai. Tapi di tutorial ini saya memanfaatkan package Elevatr yang dikembangkan oleh Hollister dan Shah (2017). Package ini memungkinkan kita mengakses data DEM yang free, misal SRTM, 3DEP, GMTED2010, dan ETOPO1 data-data ini milik U.S. Geological Survey dan U.S. National Oceanic and Atmospheric Administration. Lembaga ini harus kita attribute kalau kita memanfaatkan data mereka.

Rumus mendownload data mudah saja, pakai fungsi get_elev_raster, masukkan AOI, dan z. Nilai z ini memengaruhi kualitas DEM yg kita download. Kalau z kecil, DEM kasar tapi size data kecil, berlaku sebaliknya. Saya pakai z=11. Selanjutnya saya pastikan projectionnya pakai longlat.

Memotong Data DEM ke AOI

Kode kita mendownload semua DEM yang AOI kita masuk di dalamnya. Sebagai contoh AOI saya ada di perbatasan 2 DEM, utara selatan. Jadi kepotong gitu. Setelahnya kita bisa potong DEM besar kita secukupnya di AOI, agar tidak terlalu besar dan berat.

Bermain dengan Rayshader

Barulah kita masuk ke Rayshader. Agak susah juga sebenarnya saya menjelaskan tentang Rayshader karena banyak hal teknisnya. Tapi ada beberapa input yang penting kita masukkan untuk membuat gambar kita jadi bagus:

  1. sunangle –> pilih berdasarkan arah mata angin (menggunakan derajat) ingin dari mana matahari datang
  2. texture –> ada imhof (favorit saya), desert, bw, dan unicorn. Imhof sendiri ada 4 jenis. Silakan cba sendiri.
  3. zscale –> menentukan exxageration, 1 exxageration tinggi, makin besar angkanya makin rendah.
  4. theta –> arah pengambilan gambar. 0 berarti gambar diambil dari selatan menghadap ke utara
  5. zoom –> perbesaran gambar, makin kecil angkanya makin zoom in
  6. phi –> sudut pengambilan gambar, 0 derajat searah horison, 90 derajat tegak lurus dari atas

Silakan bermain-main dengan pengaturan ini. Tapi saya sarankan betul untuk ikuti tutorialnya Tyler Morgan untuk lebih detil tentang setting Rayshader ini.

Berikut Script R untuk bikin Rayshader Cekungan Bandung

library(raster)
 library(sp)
 library(rayshader)
 library(elevatr)

#Fungsi untuk menentukan poligon Area of Interest
AOI <- function(p, q, r, s) {   
xleft <- p   
ytop <- q   
xright <- r   
ybot <- s   
x_coord <- c(xleft,xleft,xright,xright)   
y_coord <- c(ytop,ybot, ybot, ytop)   
xym <- cbind(x_coord, y_coord)   
p <- Polygon(xym)   
ps = Polygons(list(p),1)   
sps = SpatialPolygons(list(ps))   
proj4string(sps) = CRS("+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0")   
return(sps) } 

mask <- AOI(107.4, -6.6, 107.9, -7.2) #Ubah koordinat di bagian ini jika ingin bikin di daerah lain

#Mendownload DEM menggunakan fungsi dari package Elevatr
Elevation_File <- get_elev_raster(mask, z=11) 

projectRaster(Elevation_File,               
crs= "+proj=longlat +datum=WGS84 +no_defs +ellps=WGS84 +towgs84=0,0,0") 

#Memotong DEM sesuai dengan AOI
localtif_mask <- crop(Elevation_File, mask) 

#Memulai Rayshader, buka tutorialnya Tyler Morgan kalau mau lebih jelas 
elmat2 <- matrix(raster::extract(localtif_mask,
raster::extent(localtif_mask),
buffer=1000),nrow=ncol(localtif_mask),
ncol=nrow(localtif_mask)) 

raymat2 <- ray_shade(elmat2) 
ambmat2 <- ambient_shade(elmat2) 

elmat2 %>%
   sphere_shade(sunangle = 225 ,texture = "imhof1") %>%
   add_water(detect_water(elmat2, min_area = 100), color="imhof1") %>%
   add_shadow(ray_shade(elmat2,zscale=3,maxsearch = 300),0.5) %>%
   add_shadow(ambmat2,0.5)%>%
   plot_3d(elmat2, zscale = 20, theta = 0, zoom = 0.3, 
           phi = 25, water = TRUE, windowsize = c(1366,768))
 render_snapshot("bandungbasin", clear = FALSE)

Jadi deh plot kita. Sama persis kaya yang di atas, sedikit digocek ke kiri saja. Sebenarnya dia bisa tampil sebagai window, interaktif, tapi saya gak tahu caranya mengembed di web kaya gimana. Jadi cukup kita tampilkan apa adanya saja.

Tampilan Rayshader

Yang baru dari tulisan ini sebenarnya adalah teknik mendownload DEM menggunakan Elevatr. Saya lihat tutorial dari Tyler dll masih menggunakan data pribadi. Mungkin karena di kampung mereka, data sudah canggih-canggih. Hi-resolution. Sementara kita ya bersyukur saja dengan SRTM yang ada. Alhamdulillah.

Silakan mencoba ganti koordinatnya dengan titik-titik yang Anda ingin buat visualisasinya! Tag saya di twitter @malikarrahiem jika sudah berhasil . Letsgoo!

Belajar Mineralogi Lewat Mineral Cup!

Ada banyak cara belajar mineral. Kita bisa lihat dan baca buku Rock and Mineral, kita bisa mampir ke museum geologi, kita bisa nonton Youtube, kita bisa pergi ke lapangan dan mengeksplorasi sendiri. Tapi cara yang satu ini saya kira jenius dan super seru, lewat Twitter dan lewat kompetisi. Mineral Cup namanya.

Hah? Gimana-gimana?

Mineral Cup adalah kompetisi voting mineral terfavorit yang diadakan di Twitter. Pencetusnya adalah Dr. Eddie Dempsey dari Uni Hull @tectonictweets. Jadi idenya adalah Dr. Dempsey membuat bagan turnamen yang isinya 32 mineral. Setiap hari 2 mineral ditandingkan, dan divoting. Para geologist, mineralogist, dan semua yang senang mineral ngetweet tentang mineral jagoannya. Isi twitnya adalah fakta-fakta tentang mineral jagoannya. Serunya orang-orang yang ngetwit ini banyak yang jago-jago mineralogi dan mereka memberi fakta-fakta baru yang belum kita tahu. (baca cerita tentang MinCup 2017 menurut Dr. Dempsey di sini)

Setiap hari ada mineral yang maju dan ada mineral yang tersingkir. Pendukung mineral-mineral makin rajin ngetwit dan mencantumkan tagar mineralnya, misal #TeamOlivine, #TeamTourmaline, dll. Ada juga yang mengetwit foto-foto mineral yang cantik-cantik; berbentuk sampel, sayatan tipis, singkapan, atau bahkan sudah jadi perhiasan.

Meskipun cuma lomba voting mineral terfavorit, MinCup ini seru banget. Idenya original. Hebatnya Mineral Cup adalah bahwa sesuatu yang awalnya seru-seruan, ternyata kemudian menjadi satu contoh konkrit komunikasi sains dan bagaimana suatu komunitas periset di seluruh dunia bersatu, saling berbagi pengetahuan. MinCup pertama tahun 2017 divoting lebih dari 17 ribu orang. MinCup kedua tahun 2018 divoting lebih banyak lagi, lebih dari 31 ribu orang.

Kehebatan lainnya adalah bahwa Mineral Cup bisa jadi bahan pembelajaran mahasiswa. Seorang dosen geologi @Geol_Greenhead membawa Mineral Cup ke kelasnya. Mahasiswa disuruh berdebat tentang mineral-mineral.

Mineral Cup sudah masuk tahun ke-tiga. Dimulai sejak tahun 2017, yang dijuarai oleh Olivine, dan tahun 2018 yang dijuarai oleh Garnet, yang kala itu bersaing hebat dengan penantang tak terduga, Ice.

Saya pertama ikut tahun lalu. Dan saya belajar banyaaaak banget tentang mineralogi dari Mineral Cup ini. Jadi saya gak sabar lagi mau ikut MinCup 2019, 1 September nanti.

Olivine – Pemenang #MinCup2017. Sketsa oleh Hazel Gibson @IamHazelGibson
Klasemen akhir Mineral Cup 2018. Source

Mineral Cup 2019 akan dimulai tanggal 1 September 2019 nanti. Kita bisa ikutan dengan mengikuti akun Twitter @MineralCup. Setiap hari kita ikut vote mineral mana yang harus lanjut, atau yang mana yang akan tersingkir. Kalau kita punya foto singkapan, sampel, atau sayatan tipis boleh banget ikutan ngepost di Twitter. Saya jamin banyak keseruan yang bisa didapat.

Di atas adalah bagan turnamen #MinCup2019. Jadi apa mineral jagoanmu? Kalau saya #TeamTourmaline

Liddicoatite Tourmaline – Mineralogy Museum Marburg

Source:
1. MinCup: Elevating humble minerals to new heights
2. #Mincup2017 – how Olivine became the greatest mineral of all (for one year at least)

Model Interaktif Batimetri 3D Gunung Anak Krakatau Sebelum Letusan 2018

Masih tentang Anak Krakatau. Kegiatan ngulik saya ternyata belum selesai. Semakin saya cari, semakin banyak data tentang Krakatau yang saya temukan. Salah satu yang bisa saya mainkan adalah data batimetri yang saya dapat dari makalah Inner structure of the Krakatau volcanic complex (Indonesia) from gravity and bathymetry data karya Deplus dkk (1996) yang dimuat di Journal of Volcanology and Geothermal Research.

Data batimetri ini saya digitasi, lalu saya konversi jadi model elevasi digital, kemudian saya tampilkan di ArcScene. Dari ArcScene saya ekspor datanya menjadi vrml (Virtual Reality Modeling Language), ini adalah jenis data yang biasa dipakai untuk 3D.

Data vrml ini kemudian saya konversi lagi jadi .obj agar bisa saya tampilkan online menggunakan media sosial Sketchfab. Sketchfab ini semacam media sosialnya 3d modeller. Gratis dengan batas unggah 50 MB.

Hasilnya adalah model interaktif di bawah ini:

Gunung yang tinggi adalah Rakata, letaknya berada di paling selatan. Di tengah ada Gunung Anak Krakatau sebelum letusan 2018. Sebelah timur Gunung Anak Krakatau adalah Pulau Panjang, sementara sebelah baratnya adalah Pulau Sertung.

Karena saya masih belum tahu caranya bikin legenda di model 3 dimensi, jadi saya sertakan legenda model Krakatau saya di peta 2 dimensi berikut:

Saya buat peta ini pakai ArcMap, datanya sama dengan model 3 dimensi, dari batimetri dan DEMNAS. Warnanya agak beda karena ditumpuk dengan hillshade supaya ada efek 3 dimensi.

Model lain yang saya bikin adalah model ArcScene yang saya tumpuk dengan citra satelit. Harusnya model ini yang diunggah ke Sketchfab, tapi entah kenapa software saya error jadi gak bisa unggah.

Model ArcScene Krakatau sebelum letusan 2018. Warna biru semakin tua menunjukkan kedalaman laut yang semakin dalam. Utara ke arah kiri peta.

Oke deh segitu dulu. Semoga bermanfaat bagi kita semua.

Salam

keterangan: semua gambar di dalam tulisan ini bebas digunakan asal mencantumkan sumber dan menautkan ke halaman blog ini.

Membandingkan Elevasi Gunung Anak Krakatau Sebelum dan Setelah Erupsi Desember 2018

Kemarin saya lihat satu cuitan Twitter dari salah satu peneliti yang saya ikuti, Dr. Sotiris Valkaniotis dari Universitas Tesaloniki, Yunani. Beliau ini rajin membagikan info-info menarik, terutama tentang kebencanaan. Saya pertama mengikuti akunnya pasca erupsi Anak Krakatau, akhir tahun 2018 lalu.

Di cuitannya, Dr. Valkaniotis membagikan perbandingan elevasi Gunung Anak Krakatau sebelum erupsi besar akhir tahun 2018 lalu dan setelah erupsi. Data elevasi sebelum erupsi didapat dari model elevasi nasional DEMNAS yang dipublikasikan oleh Badan Informasi Geospasial (BIG), bisa diakses di http://tides.big.go.id/DEMNAS/. Data elevasi setelah erupsi didapat dari satelit ICEsat 2 (Ice, Cloud, and Land Elevation Satellite), yang bisa diakses di https://openaltimetry.org/data/icesat2/.

Karena saya penasaran dengan data ICEsat 2 ini, saya langsung cari di google dan akhirnya ketemu. Lalu saya coba sendiri mengolah data mentah elevasi dari ICEsat 2 ini.

Misi ICEsat 2 ini menarik karena dia menyediakan kita data elevasi dari satelit. Satelit ini mengelilingi bumi dan mengukur ketinggian dengan presisi yang mengagumkan. Dia bisa mendeteksi perubahan tinggi kanopi, bisa juga mendeteksi perubahan ketebalan lapisan es, yang mana dua ini merupakan alasan utama diluncurkannya satelit ini ke angkasa. Untuk tahu lebih lanjut bisa langsung buka di sini.

Saya kemudian mencoba membuat ulang apa yang sudah dibuat oleh Dr. Valkaniotis. Rekonstruksi ketinggian Gunung Anak Krakatau sebelum dan sesudah erupsi akhir tahun 2018.

Gambar di atas adalah hasil rekonstruksi saya. Titik-titik elevasi dari ICEsat 2 (berwarna biru) saya ekstrak kemudian saya tampilkan bandingkan dengan elevasi dari DEMNAS. Agak sedikit tricky karena model bumi yang dipakai oleh ICEsat 2 adalah model bumi ellipsoid, sementara model bumi DEMNAS adalah model bumi geoid. Ini pelajaran dasar ilmu geodesi yang sejujurnya gak pernah saya menduga akan mengaplikasikannya sendiri.

Intinya elevasi dari ICEsat 2 ini harus dikonversi dulu. Tapi tenang sudah ada kalkulatornya, jadi kita tidak perlu cemas.

Setelah dibandingkan kita jadi tahu bahwa kawah yang terbentuk sekarang itu dulunya puncak Anak Krakatau yang hampir 250 meter tingginya. Kalau sempat, sebenarnya bisa juga kita estimasi volume yang hilang (volume sebelum erupsi – volume setelah erupsi), tapi untuk ini kita baiknya punya data batimetri agar volume di bawah laut dihitung juga.

(Bangga baru bisa bikin slider image kaya gambar di atas!) Gambar sebelum erupsi menggunakan false color dengan komposisi Band 12, Band 11, dan Band 4. Gambar setelah erupsi menggunakan mode True Color komposisi Band 4, Band 3, Band 2.

Pesan penting!
Dalam tulisan ini saya ingin berbagi tiga hal yang menurut saya sangat penting bagi perkembangan sains.

Pertama adalah keterbukaan data. Bayangkan data Openaltimetry.org dan DEMNAS gak terbuka dan bebas diakses? Gak akan ada tulisan ini. Maka penting sekali bahwa data-data yang sifatnya publik dan bisa bermanfaat bagi orang banyak untuk dibuka atau dimudahkan aksesnya. Jangan dibuat ribet harus datang, bikin surat, bikin segala macam administrasi yang menghambat perkembangan sains. Jangan cuma investasi yang dipermudah.

Maka saya berterima kasih banyak pada BIG yang membagikan data secara gratis. Saya ingat dulu waktu mahasiswa kalau mau beli data Autocad topografi itu harus bayar ke Bakosurtanal. Sekarang kita sudah bisa akses mudah dan gratis di web BIG.

Kedua adalah keinginan untuk berbagi. Tulisan ini tidak akan ada kalau Dr. Sotiris Valkaniotis tidak membagikan gambarnya tentang ICEsat 2 dan Gunung Anak Krakatau. Tanpa twitnya, saya tidak akan tahu ICEsat dan tidak akan terbesit untuk mencoba. Tapi dia berbagi, dan karena kesediaannya untuk berbagi, dia menginspirasi orang.

Bayangkan jika semua ilmuwan berbagi ilmunya, wah betapa cepatnya sains terdiseminasi. Semakin inklusif dan bisa diakses semua orang. Dibagikan dengan kalimat yang mudah dimengerti dengan bentuk yang tidak kaku.

Ketiga adalah pentingnya kita untuk bermedia sosial, dalam hal ini Twitter. Buat saya, twitter adalah media sosial paling bagus untuk mengupdate hal termutakhir dalam sains. Sekarang sudah sangat banyak peneliti yang punya akun Twitter dan mereka sehari-hari membagi apa yang mereka kerjakan. Sudah banyak instansi riset yang mengumumkan aktivitas dan hasil riset mereka. Dan Twitter adalah media yang paling cepat. Dalam hitungan jam sesuatu bisa mendunia di Twitter

Terakhir, semoga tulisan ini menjadi hal yang bermanfaat, terutama bagi diri saya pribadi, dan bagi rekan-rekan sekalian yang membacanya.

Salam

Urun Daya dalam Sains

Salah satu masalah yang paling sulit diselesaikan oleh para saintis adalah kekurangan data. Masalah ini umumnya berasal dari kurangnya dana, ketiadaan alat, atau lokasi penelitian yang sulit dijangkau sehingga tidak memungkinkan kunjungan yang rutin.

Seringkali para peneliti berandai-andai, bila saja masyarakat lokal bisa membantu melaporkan temuan-temuan, atau perubahan-perubahan yang mungkin bermanfaat untuk penelitiannya. Namun tentu saja masyarakat juga punya kesibukan lain, sehingga enggan direpotkan oleh hal demikian. Kecuali misal mereka mendapat insentif. Yang mana kembali ke permasalahan pertama, yaitu ketiadaan dana.

Salah satu upaya yang kemudian dilakukan oleh para peneliti adalah melakukan Urun Daya atau crowdsourcing. Dalam istilah sains sebenarnya lebih dikenal sebagai Citizen Science, tapi entah kenapa saya lebih senang istilah Crowdsourcing Science. Bagi saya Citizen Science itu masyarakat sebagai pelaku risetnya, semacam peneliti amatir. Sementara Crowdsourcing Science itu masyarakat dengan sadar atau boleh jadi juga tidak sadar membantu peneliti mengambil data.

Dalam Urun Daya Sains, peneliti mengajak masyarakat untuk berpartisipasi dalam pengambilan data penelitian. Bedanya, masyarakat benar-benar berpartisipasi dengan kehendaknya sendiri. Peneliti hanya perlu memastikan metode pengambilan data yang tidak merepotkan, tapi datanya cukup baik untuk digunakan sebagai data penelitian.

Gambar di atas adalah satu contoh Urun Daya Sains yang diinisiasi oleh The National Trust dari Inggris. Mereka mengajak masyarakat untuk mengambil gambar dari anjungan yang telah disediakan, kemudian meminta pengambil gambar untuk mengunggah gambar mereka dengan tagar #NTshiftingshores di media sosial. Dengan adanya tagar, National Trust bisa mengakses gambar dengan mudah, memasukkannya ke dalam basis data, menganalisisnya dengan bantuan mesin (menggeoreferensi, dll), sehingga yayasan ini bisa mengetahui perubahan garis pantai.

Bayangkan misal dalam satu minggu kita dapat 10 gambar, maka dalam satu tahun kita punya 520 gambar, dan dalam 10 tahun kita punya lebih dari 5000 gambar. Cukup hanya dengan bermodalkan papan informasi seperti ini. Mungkin modal lainnya yang harus dikeluarkan adalah setiap tahun kita harus kunjungi, bersihkan, kemudian pasang suatu benchmark di pantai yang bisa kita gunakan untuk pembanding.

Crowdhydrology – Crowdsourcing data hidrologi
Salah satu projek urun daya sains lain yang saya suka adalah Crowdhydrology dari Amerika Serikat. Projek mereka adalah mengumpulkan data hidrologi di Amerika Serikat.

Yang mereka lakukan adalah mereka memasang tongkat pengukur ketinggian air dan di sekitarnya terdapat papan informasi yang berisi nomor stasiun dan kontak. Citizen scientist kemudian melihat dan mengirim sms ke nomor kontak. Data yang diberikan kemudian bisa diakses semua orang.

Tidak ada insentif apa-apa. Para kontributor data diberikan apresiasi setinggi-tingginya untuk bisa menyebut diri mereka sendiri sebagai citizen scientist karena mereka telah berkontribusi terhadap perkembangan sains.

Lokasi titik pengamatan CrowdHydrology di seluruh Amerika Serikat

GlobalXplorer – Urun Daya Bidang Arkeologi
Salah satu projek urun daya yang saya pernah ikuti adalah projek menarik dari Dr. Sarah Parcak, pemenang Ted Prize tahun 2016. Projeknya, GlobalXplorer, mengajak orang-orang untuk menganalisis data citra satelit untuk bisa melihat jejak arkeologi, misal bentukan kanal purba, penggalian-penggalian, dll.

Projeknya Dr. Parcak ini keren banget. Dengan bantuan masyarakat yang mengidentifikasi secara visual, kemudian data identifikasi ini dikombinasikan dengan pemelajaran mesin machine learning, Dr. Parcak dan tim bisa mengidentifikasi potensi keberadaan 17 piramida, 3100 pemukiman, dan sekitar 1000 makam di Mesir.

GlobalXplorer ini didesain seperti permainan. Kita diberi medali, kemudian ada jalan ceritanya mengikuti kisah arkeologi. Misal cerita Suku Inca, Suku Maya, dan lain sebagainya. Keren!

Contoh petualangan di GlobalXplorer

Bagaimana di Indonesia?
Saya sudah terpikir banyak hal yang bisa kita kerjakan di Indonesia terkait hal ini. Bangsa kita sangat murah hati dalam media sosial. Mereka akan dengan senang hati membantu apabila ada penghargaan yang mereka terima, misal sebuah pengakuan akan kontribusi.

Misal di Stone Garden, Padalarang. Kita pasang satu papan seperti punya National Trust. Kita arahkan ke daerah yang ditambang. Jika kita lakukan cukup lama, misal 5 tahun atau 10 tahun, kita bisa dapat gambar timelapse perubahan bentang alam di sana.

Lainnya, misal di Karangsambung, lokasi primadona mahasiswa geologi Indonesia. Sebagai tempat yang terus dikunjungi, kita pasang beberapa titik pantau. Mahasiswa yang melihat papan informasi di titik pantau ini kemudian bisa melaporkan fotonya sehingga kita bisa memantau titik tersebut setiap tahun, misal di Kekar Kolom Diabas Gunung Parang yang terakhir saya ke sana sedang berpacu melawan linggis para penambang.

Lainnya lagi misal pasang satu titik di Jakarta sehingga kita bisa lihat perkembangan pertambahan gedung-gedung pencakar langit di ibukota. Dan lain sebagainya.

Kalau bisa jadi, wah mantap! Semoga sepulang ke Indonesia nanti ada waktu dan energi untuk kerjakan hal-hal ini. Insyaallah.

Contoh proyek Citizen Science dari NOOA Amerika Serikat

Memantau Kebocoran Minyak di Laut Jawa

Minyak bocor di Laut Jawa! Kasus ini diungkap oleh Direktur Hulu PT Pertamina Persero Dharmawan Samsu bahwa insiden ini telah terjadi sejak 2 minggu lalu, 12 Juli 2019 dini hari. Ketika itu muncul gelembung gas, yang menyebabkan operasi pengeboran berhenti dan tanggal 14 Juli Pertamina memutuskan evakuasi pegawai.

Pertamina pertama membuka rilis insiden ini pada tanggal 18 Juli dan mengatakan telah melakukan upaya maksimum untuk menghentikan kebocoran gas dan minyak.

Menurut rilis CNCB Indonesia, per tanggal 22 Juli, bocoran minyak telah meyebar hingga ke pantai di pesisir Karawang. Pertamina juga telah mengerahkan 27 kapal yang dilengkapi dengan oil boom dan dispersant ke sekitar anjungan dan titik-titik yang terindikasi terdapat tumpahan minyak di laut.

Yang menarik peristiwa kebocoran minyak ini bisa kita amati jelas dari citra satelit dengan teknik penginderaan jauh.

Dengan menggunakan citra satelit Sentinel 2 dari European Satelite Agency (ESA), kita bisa jelas perkirakan kebocorannya. Saya sebenarnya tidak tahu pasti di mana titik kebocoran dan titik anjungan. Jadi titik ini hanya dugaan, berdasarkan fakta-fakta visual yang jelas.

Dengan piranti lunak Sentinel Hub, Saya mengarahkan pencarian saya ke Laut Jawa di pesisir Karawang. Kemudian mengatur tanggal antara awal Juli hingga sekarang. Dari hasil ini, saya menduga-duga di mana titik anjungan berada. Hasilnya adalah titik dugaan kebocoran ini berada sekitar 10 kilometer arah utara dari Muara Cilamaya. Kemudian saya membuat gambar selang waktunya.

Perhatikan bagian tengah kanan gambar. Sebaran minyak mulai terlihat pada tanggal 14 Juli 2019, kemudian kita lihat banyak titik-titik yang kemungkinan besar adalah kapal-kapal pembersih minyak. Bagian pojok kiri bawah peta adalah pantai di Karawang.
Perbesaran gambar sebelumnya. Kita bisa amati lebih jelas kebocoran minyak dan upaya pembersihan minyak pada tanggal 24 Juli 2019.

Dengan menggunakan citra Sentinel 1 yang berbasis radar, kita bisa perkirakan luas penyebaran tumpahan minyak. Ini memungkinkan karena minyak memiliki respon berbeda terhadap gelombang radar dibandingkan air.

Citra Sentinel 1 Ground Range Detected mode IW tanggal 18 Juli 2019. Mohon maaf tidak ada skala.
Citra Sentinel 1 Ground Range Detected mode IW tanggal 30 Juli 2019. Skala tidak sama dengan gambar tanggal 18 Juli.
Timelapse sebelum kebocoran dan sesudah kebocoran. Perhatikan warna gelap yang merupakan refleksi dari minyak.

Di gambar kita bisa lihat minyak kemungkinan besar yang berwarna gelap, sementara air laut bertekstur kasar. Titik awal warna gelap berasal adalah sama dengan titik di gambar selang waktu sebelumnya. Titik-titik terang kemungkinan besar adalah kapal-kapal yang berseliweran membersihkan tumpahan minyak.

Dengan memanfaatkan citra satelit, kita bisa menghitung seberapa luas pelamparan minyak. Kita juga bisa menggunakan data ini untuk merencanakan strategi penanganan dampak sehingga upaya kita bisa maksimal.

Semoga tulisan ini mampu memberikan informasi yang mencerahkan. Tulisan ini tidak saya maksudkan untuk menyudutkan siapa-siapa. Hanya semata-mata keinginan untuk berbagi cara melihat bumi dari sudut pandang yang lain. Untuk itu, informasi ini mohon untuk tidak dikutip dan mari kita menunggu rilis resmi dari LAPAN sebagai pihak yang berkepentingan di bidang ini.

Saya mendoakan yang terbaik untuk segenap jajaran Pertamina dan kru yang bertugas. Semoga kejadian ini yang terakhir dan tidak terulang lagi.

Semoga penanganan kebocoran dan pembersihan laut terlaksana sebaik-baiknya.

Gambar terbaru dari Sentinel 2 tanggal 29 Juli 2019!