|
|
| ミランコヴィッチメニューへ戻る フィリピン・メトロマニラのリモートセンシングに関する第36回アジア会議の議事録 多時期 ー リモートセンシングを使用した炭鉱地域の熱島検出 Nurul IhsanFawzi, RetnadiHeru Jatmiko Cartography and Remote Sensing Department、 Faculty of Geography Universitas Gadjah Mada pdf インドネシア、ヨギャカル 2015年10月24日から28日まで、フィリピンのメトロマニラのリモートセンシングに関する第36回アジア会議の議事録多時期リモートセンシングを使用した炭鉱地域の熱島検出Nurul IhsanFawziとRetnadiHeru Jatmiko Cartography and Remote Sensing Department、Faculty of Geography Universitas Gadjah Madaインドネシア、ジョグジャカルタ Eメール：nurul.ihsan.f@mail.ugm.ac.id キーワード：ヒートアイランド、地表温度、炭鉱、Landsat画像 要約 オープン炭鉱活動による土地被覆の変化は、環境。土地被覆の変化によって引き起こされる損傷は、間接的な影響ももたらし、表面温度を上昇させ、表面温度の変動を引き起こします。表面温度の変動は、周囲の温度よりも温度が高いヒートアイランド現象を引き起こす可能性があります。調査は、インドネシアの東カリマンタン州の一部で実施されました。使用したデータは、2002年と2012年のLandsat ETM +画像でした。表面温度と土地被覆分類の抽出には、放射率補正と最尤アルゴリズムを使用したプランク方程式をそれぞれ使用しました。その結果、リモートセンシング技術を使用することで、地球上のほぼ現実の状態を推定できます。リモートセンシングからの土地被覆抽出については、その精度は79.06％が所有しています。表面温度の検証の精度は、2002年（Δ=±5.54℃）で84.58％、2012年（Δ=±1.85℃）で91.53％です。地表の物体の放射率を表す変化による地表温度の土地被覆変化は、2年間の変化の影響を示すR 2 = 0.473を生成し、47.3％に達しました。高温は都市部から遠く離れた地域や植生の真っ只中に断片化されており、これらは採掘により不毛の土地として特定され、ヒートアイランドは市街地に近い値になりました（都市のヒートアイランドの現象のように） 2002年には12.058°C、2012年には8.641°Cの値でした。この場合、この地域の景観パターンの影響は、発生した温度変化に影響を与えませんでした。 1.はじめに インドネシアは、多くの天然資源を持つ群島国家です。歴史的記録から、鉱床がいくつかの地域で発見されたことが知られています（Ishlah、2008）。インドネシア最大の資源となる鉱物のひとつは、石油や液化天然ガスに加えて石炭です。 石炭は、植物材料の部分分解によって形成される固体の可燃性物質として定義されます（World Coal Institute、2005）。現在、インドネシアの石炭資源は、1,050億トン以上の石炭埋蔵量と約210億トンであり、これは800億バレルの石油換算に相当します（Kamandanu、2011年）。 1998年のインドネシアの石炭生産量はわずか6,130万トンでしたが、その後10年間で2億4,000万トンに劇的に増加しました。そして2010年には、石炭生産量は2億7500万トンに増加し続けた（Kamandanu、2011）。これらの見通しを見ると、将来的には多くの企業がインドネシアでの石炭の探鉱と開発に取り組むでしょう（Chan、2012年）。 露天掘り採掘を使用したインドネシアの炭鉱を考慮すると、政策は、石炭採掘が森林や農場などの植生被覆の存在を脅かすギャップを提供します（Marbun、et al。、2013; Adaro Energy、2013）。採掘による土地の損傷は、採掘および採掘後の活動中に発生する可能性があります。 たとえば、採掘の最初のステップとしての土地開墾作業のプロセスは土地被覆の変化をもたらし、自然植生の喪失による影響は広い地域を汚染し、地下水は大気を汚染しやすい（Han、et al。、2007 ）。 土地被覆の変化は、生態学的変化の要因として知られている要因であり、人間活動と地球環境の変化の間の重要な要因です（Wasige、et al。、2013）。土地被覆の変化は、生態系、生物多様性、気候の機能に影響を及ぼします（Southworth、2004）。土地被覆の変化が表面温度に影響を及ぼした可能性があります（Chen、et al。、2006）。影響は、表面温度の表面温度の低下または上昇である可能性があります。 これらの変化は、地域の気候の変化など、他の自然現象の発生を引き起こします（Landsberg、1981; Southworth、2004; Weng、et al。、2004; Leeuwen、et al。、2011; Weng、2008）。土地被覆変化の影響の結果として現れる他の自然現象は、都市ヒートアイランド（UHI）と呼ばれる都市部と農村部の間などの周辺環境よりも暖かい地域の表面温度です（米国州環境保護庁、2008年）。 この研究では、周囲の環境よりも暖かい地域の表面温度の定義をヒートアイランドとして変更しました。 ヒートアイランドは、都市や村ではなく、採掘活動または採掘後の石炭の結果として環境が加熱されたためです。取り巻く環境。ヒートアイランド表面温度/空気がその場測定で周囲の領域よりも高い孤立した場所（異なる条件）のため。表面温度から得られたヒートアイランドの分析は、現場で測定するか、現場での結果を厳密に測定する特定のアルゴリズムを使用したリモートセンシング技術を使用して行うことができます（Sobrino、et al。、2004）。 リモートセンシングデータを使用する利点は、高解像度で一貫性のある繰り返し記録のデータが利用できることと、地表の状態を測定/記録できることです（Owen、et al。、1998）。リモートセンシングでは、表面温度に関する定量的情報を取得する衛星の熱赤外線センサーが、土地被覆のタイプ/カテゴリに関連付けられています。 リモートセンシング技術の使用の研究は、 1.1のNOAA-AVHRRなど、使用されるデータの規模とタイプの違いについて、表面温度とヒートアイランドに関連する土地被覆変化の現象に関する多くの情報を提供することです。 km空間解像度、Landsat Thematic Mapper（TM）およびEnhanced Thematic Mapper Plus（ETM +）センサー赤外線熱（熱赤外線）データ、それぞれ120mおよび60m（Basar、et al。、2008; Cao、et al。、 2008; Kindap、et al。、2012; Kumar、et al。、2012; Laosuwan＆Sangpradit、2012; Sobrino、et al。、2004; Southworth、2004; Tan、et al。、2009; Rigo、et al。、 2006; Walawender、et al。、2013）。 衛星の多くのアプリケーションの使用法の1つは、Landsat ETM +用です。これらの衛星を使用すると、表面温度に変換されたときに情報が得られる場合があります。他のプロセス（微気象など）に関連付けるために直接使用できます。これまでのところ、ヒートアイランドに関する研究は、未開発の土地から植生被覆への都市の土地利用の変化に焦点を当てています。したがって、そのような研究は、炭鉱によって引き起こされる影響を評価するために必要です この場合、時間差に対する表面温度変化の変化。この問題は、影響を取り巻く工業化の影響を調査および評価するために非常に重要です。その結果は、地域の文脈で環境影響評価を実施し、森林破壊を理解するためのデータベース環境を提供します。これは、リモートセンシングによる空間的および時間的領域での土地の損傷であり、従来の方法では困難です。 この研究の目的は、（1）Landsat ETM +熱画像を使用して表面温度を推定し、炭鉱の結果として変化する研究地域の表面温度分布を決定すること、（2）採掘地域のヒートアイランド現象を特定することです。 ; 2002年と2012年に発生した地表温度変化と鉱業による土地被覆の変化との関係を分析します。 2 リモートセンシングデータ 2002年1月13日と2012年4月30日に記録されたLandsatETM +パス/行116/60はこの研究で使用されます。 Landsat ETM +には、空間解像度の異なる8つのバンド、30メートルの解像度の3バンド可視および赤外線バンド2、60メートルの解像度の1つの熱赤外線バンド、および15メートルの解像度の1つのパンクロマティックバンドがあります。 SLC-Offを使用した2012年の画像では、画像は完全ではありません（U.S. Geological Survey、2013）。 したがって、画像を分析に使用できるように、操作ギャップを埋めて実施する必要がありました。使用されたギャップフィルアルゴリズムは、米国地質調査所（USGS）地球資源観測システム（EROS）データセンター（EDC）によって開発されたアルゴリズムに基づいており、パス/行が同じマルチシーンを使用していました（US Geological Survey、2004） 。 2002年1月と2012年4月に使用されたデータ。調査場所は赤道帯であり、気候はモンスーン風、11月から4月のモンスーン風、5月から10月の東モンスーン風の影響も受けた。 1月の降雨量は329.6mm、4月の降雨量は370.6mm、日照量は41％、70％でした。使用された2つのデータソースは、シーズンの同じ特性を持っていたと言えます（BPS Provinsi Kalimantan Timur、2013）。 3.方法 3.1 調査地域  図 1. 東ボルネオ島サマリンダ市で行われた本調査（赤印）。 この調査はサマリンダ市とその周辺で実施された。このエリアは、関連するヒートアイランドのある都市と多くの炭鉱エリアを表すために選択されました。 2002年から2012年までの開発活動は多くの変化があると想定されたため、調査のパラメータの分析が行われた。 2002年と2012年に、記録時間が十分に異なるLandsat ETM +の形式で、適切なリモートセンシングデータが利用可能になったことが、選択された場所の理由でもありました。図1.東ボルネオのサマリンダ市で実施されたこの調査（赤でマーク）。 3.2 データ処理 処理データには、放射補正、記録時間が異なるために両方の画像の同じオブジェクト上のピクセルを均等化するためのキャリブレーション、および雲と関心領域のマスキングが含まれていました。 3.3 画像分類 画像分類は、観測中に検出を変更するために必要な土地被覆分類を生成します時間。 この研究では、Landsat ETM +はAndersonらの分類スキームに従って分類されました。 （1976）Landsat ETM +衛星データに基づく分類のレベルで。 使用された土地被覆カテゴリは、（1）高密度植生、（2）中密度植生、（3）水域（川、小川、池、湖を含む）、（4）市街地、（5）不毛でした。土地。分類では、最尤アルゴリズムを使用した教師あり分類を使用しました。 3.4 表面温度の抽出 高品質の表面温度を推定するために、補正プロセスには4つのステップがあります。つまり（Weng、et al。、2004; Voogt＆Oke、2003）:( 1）ピクセル値から値Lλへの変換; （2）大気中の補正吸収と再放出。 （3）表面放射率補正。 （4）表面粗さの補正。この研究では、表面粗さを修正しませんでした。 補正は大気補正と放射率補正のみを行った。ただし、この調査では晴れた日に取得された狭い領域をカバーする画像を使用したため、水平方向の変動を最小限に抑えることができます。これは、表面温度画像を作成するためのステップです。 3.4.1 ピクセル値の𝐋𝛌への変換 次の式を使用して、レベル1製品のQcaldoLλの変換を実行します（Chander、et al。、2007; Chander、et al。、2009）。 𝐋𝛌 =（Lmax− Lmin QCALmax− QCALmin）x（BN − QCALmin）+ Lmin（1）ここで、Lλ=スペクトル放射センサー（W /（m2.sr.μm）、Qcal =ピクセル値（DN）、Qcalmin =最小ピクセルLmin（DN）を参照する値、Qcalmax = lmax（DN）を参照する最大ピクセル値、Lmin =スペクトル放射の最小値（W /（m2.sr.μm）、およびLmax =スペクトル放射の最大値（W /（m2.sr.μm）。3.4.2放射率補正地表面の放射率を取得するための代替手段は、NDVIなどの植生指数を使用することです（Valor＆Caselles、1996; Sobrino、et al。、2001）。 NDVI（Normalized Difference Vegetation Index）の方法では、複雑な大気補正手順を減らすことで放射率を取得できます。開発された高度な方法は、裸地の表面と植生および分布の放射率がわかっている場合に使用できます（Valor＆Caselles、 1996）。Valorand Caselles（1996）は、次の式で放射率nを定義します。 ε=εvPv+εs（1– Ps）+ 4 <dε> Pv（1-Pv）（2） Pvは植生の割合であり、 0.00〜1.00の間でさまざまな値（Carlson＆Ripley、1997）。 Pvは、次の式で定義できます（Carlson＆Ripley、1997）：𝑃𝑉= [NDVI- NDVIs NDVIv-NDVIs] 2（3）ここで、NDVIとNDVIvは、それぞれ100％植生の裸地と地表のNDVI値です。この植生率の評価では、NDVIvとNDVIsの値がPvの値を決定する上で重要な部分です。 Jiménez-Muñozらによって記述されたGutmanand Ignatov（1998）。 （2009）、= 0.04±0.03NDVIおよびNDVIv = 0.52±0.03の値を取得します。最小値と最大値は、砂漠と森林です。 Sobrino、etal。 （2004）NDVIvおよびNDVI = 0.2および= 0.5を使用。この場合、Jiménez-Muñozらの値を使用しました。 （2009）、ここでNDVI = 0.15およびNDVIv = 0,801±0,012は、一般的な条件で使用するのに最も適切な値です。 植生指数としてのNDVIはよく使用され、次の式で求めることができます（Carlson＆Ripley、1997）：NDVI =αnir-αvisαnir+αvis（4）ここで、αnirとαvisは波長〜0.6μmでの反射率です（Landsat ETM +のバンド3）反射率が補正された画像の近赤外波長〜0.8μm（Landsat ETM +のバンド4）。 3.4.2 大気補正放射率補正に加え、大気補正も行う。 センサーが（センサー放射輝度で）受信した放射輝度値は、大気のプロファイルと大気中の水蒸気の影響を受けるため、この補正を実行しました。 NASAは、ランドサット熱データの補正用に開発されたWebサイト（http://atmcorr.gsfc.nasa.gov）で補正パラメーターを開発しました。この補正は、物体から放出される放射に影響を与える大気要因を補正するための放射伝達方程式に基づいています。 放射伝達方程式は式で表される（ソブリノ、ら、2004。）：𝐿𝑠𝑒𝑛𝑠𝑜𝑟、λ= [ελ𝐵λ（𝑇𝑠）+（1 - ελ）LATM↓]τλ+ LATM↑（5） ここで、𝐿𝑠𝑒𝑛𝑠𝑜𝑟、λ =大気圏上部（TOA）の放射センサーの値（W /m2.sr.μm）𝜀𝜆 =表面放射率、Bλ=プランク方程式から得られる参照黒体、Ts =表面温度（K） 、Latm↓=大気の下降放射輝度（W /m2.sr.μm）、Latm↑=大気の上昇放射輝度（W /m2.sr.μm）、およびτλ=大気透過率。 3.4.2 補正された表面温度式 （Chander、et al。、2007; Chander、et al。、2009）で得られた補正された表面温度：Tkin = K2 ln（K1𝐿𝑠𝑒𝑛𝑠𝑜𝑟、𝜆 + 1）（6）ここで、Tkin =放射温度ケルビン（K）では、K1 =スペクトル放射の一定の校正（666.09 W /（m2.sr.μm）およびK2 =校正の一定の絶対温度（ケルビン1282.71））。3.5熱Island分析ゾーン統計分析を使用してヒートアイランドを分析し、各土地被覆カテゴリの表面温度の違いを判断します。 最初のステップは、観測方程式に基づいて毎年マップヒートアイランドを作成することです。ヒートアイランド= Tkin –（µ +0,5α）（7）ここで、μとαは表面温度の平均と標準偏差です。それぞれ研究エリア。生成されたヒートアイランドの値は、次の式を使用して計算できます（Kindap、et al。、2012）：∆Tµ-r = Tµ --Tr（8）ここで、Tμは都市の表面温度または土地利用の形態です。 しかし周囲温度よりも暖かい場合、Trは測定される領域の周囲の表面の温度Tμです。 3.5関係分析表面温度分布は、2002年と2012年に行われた表面温度抽出の結果に基づいて既知であり、各年の表面の温度分布は、各年の分布と土地被覆タイプについて分析されました。 土地被覆の変化と表面温度との空間的関係を分析するために、通常は統計のみによって行われます。この研究で使用される分析は、土地被覆の変化とその結果生じる表面温度の違いを表す放射率の変化です。それらの関係は、ピアソンの積率相関係数を使用して定量化されました。さらに、発生した土地被覆の変化の場所の影響を判断するために、土地被覆の集計によって表され、次に空間メトリック計算を使用しました。 この研究では、土地被覆ごとに景観メトリックが計算され、景観メトリックが計算されました。集約インデックスは、表面温度に対する土地被覆の集約の影響を決定するために使用されます（McGarigal、2001）。 4.結果 4.1土地被覆と表面温度のマップと検証 この調査の結果、土地被覆の分類と表面温度のマップを示します。 表面温度の分布は、土地被覆の分布に従います。これは、物体の熱容量の違いによる表面温度の違いを意味します。 2002年と2012年の両方の観測は、居住、伐採、または炭鉱のいずれかの形で、人間の活動による開発の領域で全体的に暖かい表面温度があったことを示しました。 土地被覆図の地上チェックは、表面温度のサンプリングと同じ地域の代表者によって表されます。サンプルは、割り当てられた特徴的な風景、時間、およびコストにも関連付けられています（Stehman＆Czaplewski、1998）。 その結果、土地被覆図の精度は79.06％になります。この場合、植生から市街地への変更など、まったく異なる他の形式のカテゴリへの変換による土地被覆の変更。表面温度の検証では、ほとんどの衛星は、正しいキャリブレーションと補正で3％の精度のマージンを持っています（Rigo、et al。、2006）。 表面温度の画像検証では、2002年の精度は84.58％（Δ=±5,54oC）であり、2012年の精度は91.53％（Δ=±1,85℃）でした。 2012年の精度マージンは4.22％で、リモートセンシング研究による温度の大部分はマージンエラーの平均で3％です。したがって、許容誤差はあるものの、比較的高い精度と研究は非常に優れていると言えます。 4.2 土地被覆と表面温度の変化 2002年から2012年までの変化を分析するために統計的手法を使用しました。表面温度のピクセル値の平均は、土地被覆のタイプごとにカウントされました。図2は、各土地被覆の表面温度が劇的に上昇することを示しています。 30oCから33oCになる不毛の土地でも起こります。 図2.画像のデータに基づいて、2002年と2012年の土地被覆と表面温度の関係をグラフ化します。 25 26 27 28 29 30 31 32 33 34高密度植生中密度植生水域市街地不毛地表面温度（oC）土地被覆2002 2012    図3. 2002年（a）および2012年（b）の土地被覆分類。  図4. 2002年（a）および2012年（b）の表面温度マップ 4.3 ヒートアイランドの検出 ヒートアイランドは、周囲の環境の影響を受ける現象です。ピクセルはその場所にあるオブジェクトを表す純粋なものではなく、温度は周囲のピクセルの影響を受けていると言えます。そのため、処理した画像にこの現象を含める必要がありました。 3 x 3ウィンドウを使用したカーネル分析を使用して、画像内の地球温度のほぼ現実の状態を表す新しい温度マップを作成しました。 ヒートアイランドは、平均値ではなく、適用されるしきい値の最大温度差として定義できます。この研究でのヒートアイランドの検出では、ゾーン統計を使用しました。表面温度は、土地被覆カテゴリごとに異なりました。入力として使用された表面温度は、式（7）および（8）から処理されました。 この研究では、結果として得られたヒートアイランドは表面ヒートアイランドでした。スレショ2002年のld値は30.58oCで、2012年のld値は32.92oCでした。しきい値の増加は、画像の表面温度と平均値の増加に起因していました。 式（8）を使用すると、周囲の環境条件に気づき、制限なしに、表面温度のヒートアイランドの有無（ヒートアイランドの状態を定義するための温度の制限）に言及しました。  図5. 2002年（a）および2012年（b）の調査地域のヒートアイランドマップ。 黒のストリップラインは採掘境界または炭鉱エリアであり、黒の線は都市の境界です。市街地と鉱区のヒートアイランド現象を区別しようとしています。表1に、ヒートアイランドの定量化にしきい値を使用した結果を示します。最大値は、調査地域で発生するヒートアイランド値として定義されます。 表1.各土地被覆のしきい値の統計結果の使用土地被覆タイプ20022012平均（o C）最大（o C）平均（o C）最大（o C）高密度植生-0.935 3,306 -1.5942,210中密度植生- 1.386 4,630 -1.1196,533水域-2.2692,614 -3.2772,210市街地0.07011,629 0.5169,163不毛地0.05612,058 -0.513 8,641表1は、炭鉱による不毛地として不毛地にもヒートアイランドが発生したことを示している。 その結果、ヒートアイランドは、都市のヒートアイランドとしての都市だけでなく、同じ値でわずか0.5oCの不毛の土地でも発生したことがわかります。 4.4 関係分析（注：相関分析） 空間的関係を分析するために、土地被覆の変化とその結果生じる表面温度の違いを表すものとして放射率の変化を使用しました。表2は、有意値<0.005および決定係数R2 = 0.473での処理の結果を示しています。表2.土地被覆の変化と気温を分析する関係分析の統計結果。モデルの概要モデルRR二乗変化統計F変化df1df2Sig。 F変化10.688a 0.473 621484.283 1 691066 0.000 a。予測子:(一定）、温度この値は、発生した土地被覆の変化が表面温度の変化につながる可能性があると解釈できます。さらに、発生する土地被覆の変化の場所の影響を判断するために、土地被覆の集計によって表され、次に空間メトリック計算を使用しました。 凝集指数分析は、非常に弱い関係、つまり決定係数R2 = 0.087の値を示しました。この値は、凝集温度の変化が表面温度の値に影響を与えないと解釈されます。この凝集はまた、表面温度の変動を説明する変数への生物物理学的要因を示しました（Weng、2008）。 5. 結 論 ヒートアイランドは、都市のヒートアイランドとしての都市だけでなく、同じ値で差がわずか0.5℃の炭鉱地域の不毛の土地でも発生したことがわかりました。 高温は、都市部から遠く離れた地域や植生の真っ只中に断片化され、鉱業により不毛の土地と特定され、ヒートアイランド現象のように市街地に近い値のヒートアイランドに至りました。 分析された関係では、地表の物体の放射放射率を表す変化による表面温度の土地被覆変化はR 2 = 0.473を生成し、2年間の変化の影響は47.3％に達することを示しました。この場合、その地域の景観パターンの影響は、発生した気温の変化には影響しませんでした。 6.リファレンス Adaro Energy. (2013). Laporan Bulanan Aktivitas Eksplorasi PT Adaro Energy Tbk bulan Januari 2013. Jakarta: PT Adaro Energy Tbk. Anderson, J. R., Hardy, E. E., Roach, J. T., & Witmer, R. E. (1976). A Land Use And Land Cover Classification System For Use With Remote Sensor Data. Washington DC: U.S. Geological Survey. Basar, U. G., Kaya, S., & Karaka, M. (2008). Evaluation of Urban Heat Island in Istanbul Using Remote Sensing Technique. The International Archive of Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII Part B7. Beijing, 971-976. BPS Provinsi Kalimantan Timur. (2013). Kalimantan Timur dalam Angka tahun 2013. Samarinda: Badan Pusat Statistik Provinsi Kalimantan Timur. Cao, L., Li, P., Zhang, L., & Chen, T. (2008). Remote Sensing Image-Based Analysis of The Relationhip Between Urban Heat Island and Vegetation Fraction. The International Archive of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII Part B7. Beijing, 1379-1383. Carlson, T., & Ripley, D. (1997). On the Relation between NDVI, Fractional Vegetation Cover, and Leat Area Index. Remote Sensing of Environment, 62, 241 - 252. Chan, E. (2012). Fitch: Prospek industri batubara masih cerah. Retrieved Januari 8, 2013, from http://industri.kontan.co.id/news/fitch-prospek-industri-batubara-masih- Chander, G., L, B., & Barsi, J. A. (2007). Revised Landsat-5 Thematic Mapper Radiometric Calibration. IEEE Geoscience and Remote Sensing Letter, VOL. 4, NO. 3, 490-494. Chander, G., Markham, B., & Helder, D. L. (2009). Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment 113, 893-903. Chen, X.-L., Zhao, H.-M., Li, P.-X., & Yin, Z.-Y. (2006). Remote Sensing Image-Based Analysis of the Relationship Between Urban Heat Island and Land use/cover Changes. Remote Sensing of Environment, 104, 133-146. Han, Y., Li, M., & Li, D. (2007). Vegetation Index Analysis of Multi-source Remote Sensing Data in Coal Mining. New Zealand Journal of Agriculture Research, Vol.50, 1243-1248. Ishlah, T. (2008). Kajian Pasar Mineral dan Usulan Strategi Eksplorasi Sumberdaya Mineral di Indonesia. Buletin Sumber Daya Geologi Volume 3, 1-13. Retrieved Juli 2013, from http://psdg.bgl.esdm.go.id/buletin_2008/Islah_Kajian%20Pasar%20Mineral.pdf Jiménez-Muñoz, J., Sobrino, J., Plaza, A., Guanter, L., Moreno, J., & Martinez, P. (2009). Comparison Between Fractional Vegetation Cover Retrievals from Vegetation Indices and Spectral Mixture Analysis: Case Study of PROBA/CHRIS Data Over an Agricultural Area. Sensor, 9, 768-793. Kamandanu, B. (2011). Indonesian Coal Mining Outlook. Presented at the IEA workshop “ COAL MARKET’S OUTLOOK ”, 14 April 2011 Oriental Bay International Hotel, Beijing, P.R. CHINA. Retrieved Desember 2012, from http://www.iea.org/media/weowebsite/workshops/weocoal/05_02_KAMANDANU.pdf Kindap, T., Unal, A., Ozdemir, H., Bozkurt, D., Turuncoglu, U. O., Demir, G., . . . Karaca, M. (2012). Quantification of the Urban Heat Island Under a Changing Climate over Anotalian Peninsula. In N. Chhetri, & N. Chhetri (Ed.), Human and Social Dimensions of Climate Change (pp. 87-104). Rijeka, Croatia: InTech. Kumar, K. S., Bhaskar, P. U., & Padmakumari, K. (2012). Estimation of Land Surface Temperature to Study Urban Heat Island Effect using Landsat ETM+ Image. International Jurnal od Engineering Science and Technology, Vol. 4 No. 2, 771-778. Landsberg. (1981). The Urban Climate. New York: Academic Press. Laosuwan, T., & Sangpradit, S. (2012). Urban Heat Island Monitoring and Analyss by Using Integration of Satellite Data and Knowledge Based Method. International Journal of Development and Sustainability, Vol. 1 No.2, In Press. Leeuwen, v. T., Frank, A. J., JIn, Y., Smyth, P., Goulden, M. L., van der Werf, G. R., & Randerson, J. T. (2011). Optimal use of land surface temperature data to detect changes in tropical forest cover. Journal of Geophysical Research, 116. doi:10.1029/2010JG001488 Marbun, M., Istilam, & Kurnia, M. (2013). Analisis Yuridis Terhadap Keputusan Sistem Pengawasan Kebijakan Pemda Provinsi Kalimantan Timur tentang Perizinan Batubara. Thesis, Fakultas Hukum, Universitas Brawijaya. Retrieved from http://hukum.ub.ac.id/wp-content/uploads/2013/10/380_JURNAL-MANGADAR-MARBUN.pdf McGarigal, K. (2001). Landscape Metrics for Categorical Map Patterns. Retrieved Desember 2013, from http://www.umass.edu/landeco/teaching/landscape_ecology/schedule/chapter9_metrics.pdf Owen, T., Carlson, T., & Gillies, R. (1998). Remotely sensed surface parameters governing urban climate change. Internal Journal of Remote Sensing, 19, 1663-1681. Rigo, G., Parlow, E., & Oesch, D. (2006). Validation of satellite observed thermal emission with in-situ measurements over an urban surface. Remote Sensing of Environment 104, 201 - 210. Sobrino, J. A., Jimenez-Munoz, J. C., & Paolini, L. (2004). Land Surface Temperature Retrieval from Landsat TM 5. Remote Sensing of Environment 90, 434–440. Sobrino, J., Raissouni, N., & Li, Z.-L. (2001). A Comparative Study of Land Surface Emissivity Retrieval from NOAA Data. Remote Sensing of Environment, 75(2), 256-266. Southworth, J. (2004). An Assessment of Landsat TM Band 6 Thermal Data For Analysing Land Cover in Tropical Dry Forest Region. International Journal of Remote Sensing Vol. 25 No.4, 689-706. doi:10.1080/0143116031000139917 Tan, J., Zheng, Y., Tang, X., Guo, C., Li, L., Song, G., . . . Chen, H. (2009). The urban heat island and its impact on heat waves and human health in Shanghai. International Journal Biometeorol, 54, 75–84. U.S. Geological Survey. (2004, July 10). SLC-off Gap-Filled Products Gap-Fill Algorithm Methodology. Retrieved January 2014, from http://landsat.usgs.gov/documents/L7SLCGapFilledMethod.pdf U.S. Geological Survey. (2013). SLC-off Products: Background. Retrieved January 2014, from http://landsat.usgs.gov/products_slcoffbackground.php United States Environmental Protection Agency. (2008, Oktober). Urban Heat Island basics. In Reducing Urban Heat Islands: Compendium of Strategies; Chapter 1; Draft Report. Retrieved Januari 8, 2013, from US EPA: Washington, DC, USA: http://www.epa.gov/heatisland/resources/compendium.html Valor, E., & Caselles, V. (1996). Mapping Land Surface Emissivity from NDVI: Application to European, African, and South American Areas. Remote Sensing of Environment, 57, 167 - 184. Voogt, J., & Oke, T. (2003). Thermal remote sensing of urban climates. Remote Sensing of the Environment, 86, 370–84. Walawender, J., Szymanowski, M., Hajto, M., & Bokwa, A. (2013). Land Surface Temperature Patterns in the Urban Agglomeration of Krakow (Poland) Derived from Landsat-7/ETM+ Data. Pure and Applied Geophysics, 10.1007/s00024-013-0685-7. doi:10.1007/s00024-013-0685-7 Wasige, J., Groen, T. A., Smaling, E., & Jetten, V. (2013). Monitoring basin-scale land cover changes in Kagera Basin of Lake Victoria using ancillary data and remote sensing. International Journal of Applied Earth Observation and Geoinformation, 21, 32-42. doi: http://dx.doi.org/10.1016/j.jag.2012.08.005 Weng, Q. (2008). The Spatial Variations of Urban Land Surface Temperatures: Pertinent Factors, Zoning Effect, and Seasonal Variability. IEEE Journal of Selected Topics in Applied Erath Observations and Remote Sensing, 1(2), 154-166. Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of Land Surface Temperature - Vegetation Abuncance Relationship for Urban Heat Island. Remote Sensing for Environment, 89, 467-483. doi:10.1016/j.rse.2003.11.005 World Coal Institute. (2005). Sumber Daya Batubara: Tinjauan Lengkap Mengenai Batubara. Retrieved September 12, 2012, from www.worldcoal.org Zong-Ci, Z., Yong, L., & Jiang-Bin, H. (2013). Are There Impacts of Urban Heat Island on Future Climate Change? Advances in Climate Change Research , 4 (2), 133-136. doi:10.3724/SP.J.1248.2013.133 |