Jurnal Layanan Berbasis Lokasi
Jurnal Layanan
Berbasis Lokasi
Validasi hotspot sumber daya dan data visualisasi untuk
mitigasi kabut berbasis lokasi
ABSTRAK
Kabut asap di Sumatera dan
Kalimantan telah memanjang masalah lintas batas di Asia Tenggara terutama
disebabkan oleh Api ke lahan gambut yang dikeringkan. Saat ini, sumber api
(mis hotspot) terletak berdasarkan data satelit. Sensor seperti itu sebagai
MODIS dan AVHRR mendeteksi ekstrem dalam suhu rata-rata dari suatu
daerah. Hotspot memiliki resolusi spasial yang rendah dan jejak kaki
spasial yang besar, sehingga membuatnya lebih sulit untuk dideteksi kebakaran. Penelitian
ini mengusulkan valasi spasial berbasis lahan data satelit berdasarkan
crowdsourcing untuk dapatkan perkiraan lokasi dan tingkat keparahan yang lebih
akurat dari api. Kami mengembangkan aplikasi Android untuk laporan- ing
dan memvalidasi kebakaran di lahan gambut. Data orang banyak dikumpulkan diintegrasikan
dengan data hotspot satelit oleh dash- sistem dewan sebagai platform pemantauan
untuk pemerintah agensi.
SEJARAH PASAL
1. Perkenalan
Haze telah menjadi masalah lintas
batas untuk Asia Tenggara untuk beberapa waktu sekarang. Baru-baru ini, di
2015, di Indonesia, 2,4 juta hektar (ha) hutan, termasuk lahan gambut, dibakar,
menyebabkan kerugian ekonomi USD 16,1 miliar (Adriani et al. 2016). Perkiraan
ini tidak sepenuhnya menangkap dampak kesehatan dari kabut asap, meskipun dua
anak dilaporkan meninggal (Ali 2015)), atau
hilangnya layanan ekosistem. Juga tidak memasukkan dampak regional yang disebabkan
oleh suspensi perjalanan terkait kabut. Acara ini juga membutuhkan
mobilisasi besar ketika ribuan orang meninggalkan rumah mereka (Slezak 2015 ). Kebakaran
hutan dan kabut asap di Sumatera merupakan risiko akut kebakaran yang berasal
dari lahan gambut yang dikeringkan (Cattau et al. 2016 ). Ini
sering terjadi pada periode kering; tingkat keparahan bervariasi
tergantung pada local kondisi cuaca. Iklim ekstrem global seperti
peristiwa El Niño memiliki mengatasi situasi (Bedia et al. 2015; Y.
Liu, Stanturf, dan Goodrick 2010; Miettinen,
Shi, dan Liew 2017 ). Kebakaran
gambut adalah salah satu sumber utama emisi rumah kaca dan menyebabkan kerugian
ekonomi besar (Adriani et al. 2016; Purnomo
et al. 2017).
Menanggapi
kebakaran hutan dan memulihkan lahan gambut yang rusak, Indonesia Pemerintah
memperkuat tata kelola lahan gambutnya dengan membentuk sebuah lembaga untukmengoordinasikan
restorasi lahan gambut dan mengeluarkan kebijakan baru tentang lahan gambut (Ompusunggu 2017 ;
Witoelar 2016 ). Namun,
masalah kebakaran lahan gambut tetap tidak terselesaikanPelaporan seluler
melalui crowdsensing diperkirakan akan mengumpulkan cukup banyak data. Dalam
kasus di mana metode lain dapat digunakan untuk mengumpulkan data, hanya beberapa
orang mungkin memberikan informasi secara sukarela. Motivasi untuk
berpartisipasi dalam crowdsensing terkait erat dengan insentif. Sebagai
sumber daya geografis crowdsourced informasi memerlukan kontribusi aktif, insentif
akan menjadi bagian dari tujuan yang baik, berkontribusi pada kebaikan yang
lebih besar, yang hanya melibatkan satu arah aliran informasi (misalnya
pemetaan area terbakar) atau Memperoleh sesuatu yang nyata dari situsL yang
mengarah pada partisipasi yang lebih tinggi, yang kemudian melibatkan dua arah arus
informasi (Lihat et al. 2016). Dalam
kasus kebakaran gambut tropis, local masyarakat berharap mendapatkan insentif
kedua yang terkait dengan perlindungan desa mereka dan tanah mereka dari
kebakaran hutan yang akan menghancurkan sumber mereka mata pencaharian.
2. Pekerjaan terkait
2.1. Penggunaan MODIS dan AVHRR dalam sistem pelaporan kebakaran
Dalam kasus kebakaran, fitur lahan gambut yang berbeda mengharuskan
adanya perbedaan pengobatan dari wilayah hutan yang khas (lihat (Page dan
Hooijer 2016)). Kecepatan
dengan mana kebakaran gambut dapat menyebar berarti mendekati waktu nyata dan
akurat metode pengamatan diperlukan untuk melawan dan mencegah kerusakan lebih
lanjut.
2.2. Platform crowdsourcing
yang ada
Berdasarkan alur penalaran ini,
validasi kebenaran tanah yang hampir real-time adalah diperlukan untuk
menentukan posisi dan keparahan kebakaran hutan gambut yang tepatterlambat. Metode
yang umum digunakan adalah memanfaatkan data dinamika manusia dengan ving masyarakat
untuk memberikan informasi crowdsourced untuk analisis lebih lanjut, termasuk
validasi data hotspot satelit. Beberapa platform crowdsourcing didirikan
selama peristiwa bencana dan lingkungan sebelumnya pemantauan.
Ushahidi ( www.ushahidi.com)
adalah contoh penting dari plat crowdsourcing bentuk yang memungkinkan manajer
penanggulangan bencana dan pengambil keputusan untuk memanfaatkan data hampir
real-time mengenai bencana seperti Gempa Haiti 2010 (Morrow et al. 2011).
Contoh penting lainnya dari platform
crowdsourcing menggunakan satelit ima- gery sebagai data awal untuk
crowdsourcing. GeoCAN (Barrington et al. 2011 ) memberikan
citra satelit resolusi tinggi baru-baru ini untuk berbasiskan kerumunan penilaian
kerusakan pascabencana. GeoCAN dipekerjakan setelah Gempa Haiti pada 2010,
serta Christchurch pada 2011, memungkinkan relawan untuk mengklasifikasikan
bangunan yang rusak dengan membandingkan citra sebelum dan sesudah satelit di daerah
yang terkena dampak.
CROSS (Tsai et al. 2014 )
adalah platform lain yang mampu mengumpulkan kerumunan- sumber data. CROSS
(Sistem Dukungan Crowdsourcing untuk Pengawasan Bencana) mempekerjakan peserta
terdaftar untuk mengumpulkan data menggunakan sistem atau crowd-driven CDC
(pengumpulan data crowdsourcing).
3. Konteks penelitian dan
wilayah studi
3.1. Konteks penelitian
Desain validasi penggunaL di tempat untuk geoinformasi crowdsourced
adalah menantang. Tindakan mitigasi asap menuntut lebih dari sekadar
pengumpulan data (dari sensor satelit dan sensor seluler dalam hal
ini). Perlu kolaborasi mekanik untuk menggabungkan data crowdsourced aktif
dan pasif untuk pengambilan keputusan dukung.
3.2. Wilayah studi
110.888 ha
Pulau Padang, di Provinsi Riau, Sumatera Utara, adalah dipilih sebagai area
studi. Pulau Padang adalah pulau gambut yang terletak di Riau Provinsi,
Indonesia. Ia memiliki sejarah panjang kebakaran gambut. Kebakaran
gambut besar terbakar di banyak daerah di pulau ini pada tahun 2014 dan 2015.
Kebakaran menyebabkan masalah bagi masyarakat lokal dan kerugian bagi petani
lokal dan industri kayu.
4. Metode
4.1. Pendekatan konseptual
Dalam penelitian ini, kami mengembangkan sistem pelaporan kebakaran
gambut yang disebut Liput Gambut (yaitu Laporan Gambut). Istilah LliputL
menyarankan suatu kegiatan untuk dicatat, mengamati dan melaporkan apa yang
terjadi pada lingkungan, dalam upaya mencegah kebakaran dan kabut gambut. Pengguna
menggunakan ponsel aplikasi sebagai antarmuka pelaporan dan validasi
warga. Pertama, aplikasi memberikan informasi tentang hotspot lokal di
sekitar usersL menggunakan data satelit. Pengguna dapat membuat laporan tentang
kebakaran gambut yang terjadi di dekat posisi mereka dan memvalidasi data
satelit hotspot MODIS. Laporan dan validasi kemudian bisa dikirim ke
dasbor untuk diproses lebih lanjut dan analitik visual.
4.2. Analisis kebutuhan
pengguna
Analisis persyaratan dilakukan
melalui wawancara interaktif dengan warga di wilayah studi di Pulau Padang,
Riau, Indonesia, pada Januari 2017. Persyaratan juga diperoleh dari tinjauan
literatur karya yang diterbitkan dan keputusan terkait pengelolaan lahan
gambut. Aplikasi yang menghadap pengguna dirancang dengan konsep yang
mirip dengan Ushahidi dan disesuaikan untuk bertemu kebutuhan pemantauan
kebakaran lahan dan lahan gambut, seperti:
(a) Kemampuan untuk berfungsi
dengan atau tanpa sinyal jaringan seluler. Misalnya, menggunakan pelaporan
berbasis SMS ketika ketersediaan sinyal terbatas (mis ketika sinyal 2G hanya
tersedia) dan protokol berbasis jaringan ketika jaringan memadai.
(B) Pelaporan cepat kebakaran (melalui
tombol panik) serta pelaporan rinci termasuk jari-jari dan tingkat keparahan
kebakaran.
(c) Indikator visual untuk
memvalidasi data satelit. Pengguna dapat memperkirakan tingkat keparahan
api pada saat laporan untuk menyimpulkan tingkat bahaya dan kerusakan yang
disebabkan oleh api.
(D) Deteksi otomatis hotspot baru
di dekatnya sehingga pengguna dapat secara visual insiden kebakaran
dasar-kebenaran. Ini juga berfungsi sebagai langkah pengamanan bagi pengguna
membuat estimasi tanpa harus berada di lokasi yang tepat.
(e) Antarmuka yang mudah
digunakan yang bahkan MPA atau penghuni di lahan gambut lain area lahan bisa
dimanfaatkan.
4.3. Pengembangan aplikasi seluler Geocrowd
4.3.1. Akurasi keparahan
Untuk menentukan tingkat bahaya
dari kebakaran hutan gambut, aplikasi Geocrowd mengadopsi klasifikasi tingkat
keparahan api yang disediakan oleh Buku Panduan untuk Kebakaran Hutan dan Lahan
Gambut (Adinugroho et al. 2005).
4.3.2. Radius, tombol
panik dan validasi hotspot
Selain memperkirakan tingkat
keparahan, aplikasi Geocrowd juga didukung radius untuk verifikasi
hotspot. Pengguna dapat mengatur radius untuk estimasi di 0-5 km dari
lokasi mereka saat ini. Batas 5 km ditetapkan berdasarkan wawancara dengan
warga di wilayah studi, mengingat jarak rata-rata yang mereka miliki tutupi dalam
kegiatan sehari-hari mereka.
4.3.3. Pengembangan
aplikasi
Desain aplikasi Android
dimodelkan sebagai diagram UML. Para actor yang terlibat dalam diagram
use-case dibagi berdasarkan status pengguna, yaitu terdaftar atau
publik. Pengguna yang tidak terdaftar / publik didefinisikan sebagai
Geocrowd pengguna aplikasi yang belum masuk ke aplikasi Android, sedangkan yang
terdaftar telah masuk.
4.3.4. Laporan SMS
Seperti yang disebutkan
sebelumnya, ketika sinyal internet pengguna tidak memadai, sebuah laporan on
fire terjadi akan dikirim ke server menggunakan SMS, bukan ponsel Internet. Koordinat
lokasi laporan diperoleh dari ponsel sensor internal GPS (Global Positioning
System) deviceLs. Aplikasi Geocrowd akan menulis teks dan melampirkan data
lokasi. Ketika metode ini diaktifkan, informasi yang dimasukkan oleh
pengguna pada formulir pelaporan akan dikodekan ke dalam format teks biasa yang
dipisahkan oleh karakter tertentu untuk diintegrasikan diprogram oleh Dashboard
Geocrowd.
4.4. Pengembangan situs web
dasbor Geocrowd
Dashboard Geocrowd dirancang
untuk digunakan oleh para pemangku kepentingan dan inisiatif pemerintah untuk
memvisualisasikan data hotspot dekat-waktu-nyata dari Satelit MODIS dan kebakaran yang dilaporkan oleh pengamatan
langsung dari aplikasi seluler userLs. Dasbor juga ditampilkan data
hotspot sudah diverifikasi oleh pengguna melalui aplikasi Geocrowd.
5. Hasil
5.1. Aplikasi seluler
Geocrowd
Aplikasi seluler harus dapat
digunakan di lokasi terpencil tempat telekomunikasi jaringan mungkin
minimal. Jadi, tipikal pengguna, penduduk lokal atau petani harus dapat
menggunakan layanan pelaporan SMS atau berbasis Web saat jaringan komunikasi
tidak memadai ketika memadamkan api untuk melindungi mereka peternakan atau
properti. Ketika NASALs MODIS memecat basis data diperbarui dengan yang
baru hotspot, aplikasi Geocrowd akan diperbarui juga, menunjukkan lokasi hotspot
ini. Jika
5.2. Dasbor Geocrowd
Geocrowd digunakan untuk
memonitor dan memfilter data dari sensor satelit dan dari warga di
tanah. Itu juga digunakan untuk mendukung agregasi data berdasarkan batas
administrasi. Ini penting karena manajemen kebakaran pada umumnya didelegasikan
kepada pemimpin desa dan kabupaten. Pemadam kebakaran berbasis masyarakat
di desa-desa di Indonesia pekerjaan lahan gambut berdasarkan batas administrasi
desa atau kabupaten.
6. Diskusi
6.1. Masalah dengan aplikasi
Kendala utama untuk mendapatkan
data melalui aplikasi Geocrowd adalahketersediaan sinyal jaringan
seluler. Mayoritas lahan gambut di Indonesia yang umumnya terletak di luar
atau hampir tidak dapat diakses dari negara memiliki penerimaan jaringan
seluler yang buruk. Untuk area dengan koneksi terbatas ity, strategi yang
diterapkan dalam aplikasi Geocrowd dapat digunakan untuk mengatasi masalah ini,
yaitu mengirim laporan sebagai SMS, yang kemudian dikonversi ke laporan
pengguna di Dasbor Geocrowd.
6.2. Masalah dengan dashboard
Dasbor Geocrowd dibangun di atas
MySQL untuk menyimpan data dan pengguna satelit laporan validasi dari aplikasi
Liput Gambut. Peningkatan data dan pengguna hotspot laporan menuntut lebih
banyak penyimpanan serta kemampuan untuk melakukan analisis pada data.
7. Kesimpulan
Kami telah mengusulkan pendekatan
untuk secara efektif mendeteksi dan memvalidasi hotspot menunjukkan kebakaran
di daerah pedesaan, terutama di lahan gambut di mana kebakaran dapat
menyebabkan kerusakan parah. Dengan menggabungkan data masif yang
diperoleh dari satelit pemantauan (yaitu dugaan kebakaran atau hotspot) dengan pendekatan
kebenaran dasar oleh crowdsourcing validasi pengguna, tindakan langsung terhadap
kebakaran dapat dimulai sebelumnya, sehingga mencegah lebih banyak
kerusakan.
Referensi
Adinugroho, WC, INN Suryadiputra, BH Saharjo, dan L. Siboro. 2005 . Panduan
Pengendalian Kebakaran Hutan Dan Lahan Gambut . Bogor:
Wetlands International - Program Indonesia & Habitat Margasatwa Kanada. Adriani,
M., S. Moyer, M. Ahmad, A. Kendrick, GHS Wood, E.
Mileva,. . . I. Gunawan. 2016 . Biaya
Api: Sebuah Analisis Ekonomi Indonesia T s 2015 Api Krisis . Indonesia
berkelanjutan pengetahuan lanskap; perhatikan no. 1. Washington, DC:
Kelompok Bank Dunia. Afrida, N., dan HN Jong. 2015 . "Haze
Records yang Mengkhawatirkan di Singapura, Malaysia." Jakarta Post ,
11 September. Http://www.thejakartapost.com/news/2015/09/11/alarming-haze-
catatan-singapore-malaysia.html
Agafonkin, V. 2018. "Leaflet." https://leafletjs.com/
Ali, M. 2015 . "Anak-anak
sekarat karena penyakit pernapasan seperti Selimut Asap Sumatra." Mongabay ,
14 September. Http://news.mongabay.com/2015/09/children-are-dying-from-
pernapasan-penyakit-sebagai-kabut-selimut-sumatra
/ Atwood, EC, S. Englhart, E. Lorenz, W. Halle, W. Wiedemann, F.
Siegert,. . . S. Limin. 2016 . “Deteksi
dan Karakterisasi Kebakaran Gambut Suhu Rendah selama Kebakaran 2015 Bencana di
Indonesia Menggunakan Sensor Satelit Pemantau Kebakaran Sensitivitas Tinggi
Baru
(Firebird). " PloS One 11 (8):
e0159410. doi: 10.1371
/ journal.pone.0159410. Barbosa, MR, JCS Seoane, MG Buratto, LSDO Dias, JPC
Raivel, dan FL Martins. 2010. “Sistem
Peringatan Kebakaran Hutan: Model Prioritas GIS GeoWeb mempertimbangkan Lahan Kerentanan
dan Hotspot - Studi Kasus di Hutan Nasional Carajás, Brasil Amazon.
" Jurnal Internasional Ilmu Informasi Geografis 24 (6):
873–901.doi: 10.1080
/ 13658810903194264. Barrington, L., S. Ghosh, M. Greene, S. Har-Noy, J.
Berger, S. Gill, ... W. Bank. 2011 . “Analisis
Kerusakan Gempa Bumi Crowdsourcing Menggunakan Citra Penginderaan Jauh.”
Annals of Geophysics 54 (6): 680-687. doi: 10.4401
/ ag-5324. Bedia, J., S. Herrera, JM
Gutiérrez, A. Benali, S. Merek, B. Mota, dan JM Moreno. 2015 .
"Pola Global dalam Sensitivitas Area Terbakar terhadap Cuaca-Api." Implikasi
untuk
Perubahan iklim. Meteorologi Pertanian dan Hutan 214–215:
369–379. doi: 10.1016 / j.
Cattau, M., M. Harrison, RS Defries, S. Tungau, M. Uriarte, dan R.
DeFries. 2016. "Sumber
Pengapian Api Antropogenik pada Lahan Gambut di Kalimantan,
Indonesia." Perubahan Lingkungan Global 39
(Juni): 205–219. doi: 10.1016 / j.
Csiszar, IA, JT Morisette, dan L. Giglio. 2006 . "Validasi
Deteksi Kebakaran Aktif dari
Sensor Satelit Resolusi-Sedang: Contoh MODIS di Eurasia Utara.
" IEEE
Transaksi pada Geoscience dan Penginderaan Jauh 44 (7):
1757-1764. doi: 10.1109
/
Dohong, A., AA Aziz, dan P.
Dargusch. 2017 . “Tinjauan
tentang Pendorong Lahan Gambut Tropis
Degradasi di Asia Tenggara.
" Kebijakan Penggunaan Tanah 69 (September):
349–360. doi: 10.1016 / j.
Ducao, A. 2013. OpeniR
[Open Infrared] . Cambridge: Institut Teknologi Massachusetts.
Foulser-Piggott, R., R. Spence,
R. Eguchi, dan A. King. 2016 . “Menggunakan
Penginderaan Jauh untuk
Penilaian Kerusakan Bangunan:
Studi dan Validasi GEOCAN untuk Christchurch 2011
Gempa bumi." Spektrum
Gempa Bumi 32 (1): 611–631. doi: 10.1193
/ 051214EQS067M.
Giglio, L., J. Descloitres, CO
Justice, dan YJ Kaufman. 2003. “Api
Kontekstual yang Ditingkatkan
Algoritma Deteksi untuk MODIS.
" Penginderaan Jauh Lingkungan 87: 273–282.
Giglio, L., W. Schroeder, dan CO
Justice. 2016 . “Koleksi
6 MODIS Api Aktif
Algoritma Deteksi dan Produk
Kebakaran. " Penginderaan Jauh Lingkungan 178: 31–41.
doi: 10.1016 / j.rse.2016.02.054 .
Hameed, A., A. Noor, dan M.
Junaid. 2018. “Layanan
Internet Nirkabel Berkelanjutan yang Rendah Biaya
untuk Wilayah Pedesaan.
" Jaringan Nirkabel 24 (5): 1439–1450. doi: 10.1007
/ s11276-016-1415-8.
Hantson, S., M. Padilla, D.
Corti, dan E. Chuvieco. 2013 . “Kekuatan
dan Kelemahan MODIS
Hotspot untuk Mencirikan
Kebakaran Global. ” Penginderaan Jauh Lingkungan 131:
152–159. doi: 10.1016 / j.rse.2012.12.004.
Hu, M., W. Che, Q. Zhang, Q. Luo,
dan H. Lin. 2015. “Metode
Multi-Tahap untuk Menghubungkan
Simulasi Sensing dan Kebisingan
Partisipatif. " Sensor (Swiss) 15 (2): 2265–2282.
doi: 10.3390
/ s150202265.
Huang, H., G. Gartner, JM Krisp,
M. Raubal, dan N. Van de Weghe. 2018. “Berbasis
Lokasi
Layanan: Evolusi dan Agenda
Penelitian yang Berkelanjutan. ” Jurnal Layanan Berbasis Lokasi 12
(2): 63–93. doi: 10.1080
/ 17489725.2018.1508763.
Ismael, J., S. Bury, D. Pezaros,
dan N. Race. 2008 . “Menyebarkan
Wireless Komunitas Pedesaan
Jaringan Mesh. " IEEE
Internet Computing 12 (4): 22–29. doi: 10.1109 / MIC.2008.76.
James, J. 2010. “Mekanisme
Akses ke Internet di Wilayah Pedesaan Berkembang
Negara. " Telematika
dan Informatika 27: 370-376. doi: 10.1016 / j.tele.2010.02.002.
Kadlec, J., dan DP Ames. 2017 . “Menggunakan
Data Crowdsourced dan Weather Station untuk Diisi
Celah Awan dalam MODIS Snow Cover
Datasets. " Pemodelan & Perangkat Lunak Lingkungan 95:
258–270. doi: 10.1016 /
j.envsoft.2017.06.002 .
Liang, W., J. Lee, KH Chen, dan
N. Hsiao. 2017 . “Ilmu
Gempa Bumi Warga di Taiwan:
Dari Sains ke Mitigasi Bahaya.
" Jurnal Penelitian Bencana 12 (6): 1174–1181.
Liu, W., S. Wang, Y. Zhou, dan L.
Wang. 2014 . “Terminal
Ponsel Cerdas Android
Aplikasi: Sistem Survei Data
Lapangan untuk Kebakaran Hutan. " Bahaya Alam 73 (3):
1483–1497.
doi: 10.1007
/ s11069-014-1147-y .
Liu, Y., J. Stanturf, dan S.
Goodrick. 2010. “Tren
Global Wildfire Potential in a Changing
Iklim." Ekologi dan
Manajemen Hutan 259 (4): 685–697. doi: 10.1016 / j.
Lopes, AM, dan JT Machado. 2014 . “Analisis
Dinamis dan Visualisasi Pola Hutan
Kebakaran. " PloS
One 9 (8): e105465. doi: 10.1371
/ journal.pone.0105465.
McCafferty, G., dan T.
Sater. 2015. “Kabut
Asap Indonesia: Mengapa Masalah Ini Semua Orang”. CNN ,
Miettinen, J., C. Shi, dan SC
Liew. 2017 . “Distribusi
Kebakaran di Semenanjung Malaysia, Sumatra
dan Kalimantan pada 2015 dengan
Penekanan Khusus pada Kebakaran Lahan Gambut. ” Manajemen lingkungan
1–11. doi: 10.1007
/ s00267-017-0911-7.
Morrow, N., N. Mock, A.
Papendieck, dan N. Kocmich. 2011. “Evaluasi
Independen atas
Proyek Ushahidi Haiti.
" Pengembangan Sistem Informasi Internasional, 36.
Okolloh, O. 2009 . "Ushahidi,
atau" Kesaksian ": Alat Web 2.0 untuk Crowdsourcing Crisis
Informasi." Pembelajaran
dan Tindakan Partisipatif 59 (Januari): 65–70.
Ompusunggu, M. 2017. "Perusahaan
Diminta untuk Mematuhi Peraturan Perlindungan Lahan Gambut."
Jakarta Post , 28
Juli. Http://www.thejakartapost.com/news/2017/07/28/firms-told-to-
Page, SE, dan A. Hooijer. 2016 . "Di
Jalur Api: Lahan Gambut Asia Tenggara."
Transaksi filosofis dari Royal
Society B: Ilmu Biologi 371 (1696): 20150176.
doi: 10.1098 / rstb.2015.0176.
Poblet, M., E. García-Cuesta, dan
P. Casanovas. 2014 . “Alat
Crowdsourcing untuk Bencana
Manajemen: Tinjauan Platform dan
Metode. " Dalam Pendekatan AI untuk Kompleksitas
Sistem Hukum , diedit
oleh P. Casanovas, U. Pagallo, M. Palmirani, dan G. Sartor, 261–274.
Berlin, Heidelberg: Springer
Berlin Heidelberg.
Power, R., B. Robinson, dan J.
Colton. 2015 . “Studi
Kasus untuk Memantau Kebakaran dengan Twitter.”
Konferensi ISCRAM 2015,
Kristiansand. 7.
Pratihast, AK, B. DeVries, V.
Avitabile, S. de Bruin, M. Herold, dan A. Bergsma. 2016 . "Rancangan
dan Implementasi Berbasis Web
Interaktif dekat Pemantauan Hutan Real-Time
Sistem." PloS One 11
(3): e0150935. doi: 10.1371
/ journal.pone.0150935 .
Purnomo, H., B. Shantiko, S.
Sitorus, H. Gunawan, R. Achdiawan, H. Kartodihardjo, dan
A. Ayu. 2017. “Kebijakan
Hutan dan Ekonomi Ekonomi Kebakaran dan Jaringan Aktor Hutan
dan Land Fi Res di Indonesia.
" Kebijakan dan Ekonomi Hutan 78: 21–31. doi: 10.1016 / j.
Roche, S., E. Propeck-Zimmermann,
dan B. Mericskay. 2013. “GeoWeb
dan Krisis
Manajemen: Masalah dan Perspektif
Informasi Geografis Sukarelawan. "
GeoJournal 78 (1):
21–40. doi: 10.1007
/ s10708-011-9423-9 .
Sachdeva, S., S. McCaffrey, dan
D. Locke. 2017 . “Pendekatan
Media Sosial untuk Pemodelan
Penyebaran Asap Kebakaran Liar:
Investigasi Ilmiah Spatiotemporal dan Sosial. ”
Informasi, Komunikasi
&
Masyarakat
20
(8): 1146-1161. doi: 10.1080
/
Lihat, L., P. Mooney, G. Foody,
L. Bastin, A. Comber, J. Estima, ... M. Rutzinger. 2016 .
“Crowdsourcing, Citizen Science
atau Volunteered Geographic Information? Sekarang
Status Informasi Geografis
Crowdsourced. " ISPRS International Journal of Geo-
Informasi 5 (5): 55.
doi: 10.3390
/ ijgi5050055 .
Slezak, M. 2015 . “Indonesia
Dipaksa Bertindak sebagai Wild Re Haze Mencekik Asia Tenggara.” Baru
Starbird, K. 2011 . “Kesukarelaan
Digital Saat Bencana: Informasi Crowdsourcing
Pengolahan." Cari (Februari):
1-4. http://crowdresearch.org/chi2011-workshop/papers/
Susanti, A., O. Karyanto, A.
Affianto, I. Ismail, S. Pudyatmoko, T. Aditya, H. Haerudin dan HA
Nainggolan. 2018. “Memahami
Dampak Kebakaran Gambut Berulang di Pulau Padang,
Provinsi Riau, Indonesia. ” Jurnal
Ilmu Hutan 12 (1): 117-126.
Tanpipat, V., K. Honda, dan P.
Nuchaiya. 2009 . "Validasi
Modis Hotspot di Thailand."
Penginderaan Jauh 1
(4): 1043-1054. doi: 10.3390
/ rs1041043 .
30
T. ADITYA ET AL.
Tsai, P., Y. Lin, Y. Ou, ET Chu,
dan JWS Liu. 2014 . “Kerangka
Kerja untuk Fusion Manusia
Sensor dan Data Sensor Fisik.
" Transaksi IEEE pada Sistem, Manusia, dan Sibernetika:
Sistem 44 (9):
1248-1261. doi: 10.1109
/ TSMC.2014.2309090 .
Upton, D. 2007. Codeigniter
untuk Pengembangan Aplikasi Php Cepat. Gambar Rochester NY .
Birmingham: Packt
Publishing. http://www.amazon.ca/exec/obidos/redirect?tag=citeu
Usup, A., Y. Hashimoto, H.
Takahasi, dan H. Hayasaki. 2004 . “Pembakaran
dan Termal
Karakteristik Api Gambut di Lahan
Gambut Tropis di Kalimantan Tengah, Indonesia. ”
Tropics 14 (1):
1–19. doi: 10.3759 /
tropics.14.1.
Yuan, F., dan R. Liu. 2018 . “Crowdsourcing
untuk Investigasi Bencana Forensik: Badai
Studi Kasus Harvey. " Bahaya
Alam 93 (3): 1529–1546. doi: 10.1007
/ s11069-018-3366-0 .
Zhong, X., M. Duckham, D. Chong,
dan K. Tolhurst. 2016 . “Estimasi
Real-Time dari Wildfire
Perimeter dari Curated
Crowdsourcing. " Ilmiah fi c Laporan 6:
24206. doi: 10.1038
/
Komentar
Posting Komentar