Sinta Berliana Sipayung and Risyanto and Edy Maryadi (2014) Aplikasi Artificial Neural Network (ANN) untuk Estimasi Profil Vertikal Temperatur dan Kelembapan dari Data MODIS. Simposium Fisika Nasional 2014 (SFN XXVII, 16-17 Oktober 2014 Denpasar Bali. pp. 53-56. ISSN 1411-4771
|
Text
Prosiding_Sinta B.Sipayung_PSTA_2014.pdf Download (866kB) | Preview |
Abstract
Penelitian utamanya membahas tentang penggunaan data satelit Terra/Aqua dalam sesnsor MODIS (Moderate Resolution Imaging Spektroradiometer) dalam mengekstraks data profil vertikal temperatur dan kelembapan khususnya level-1, ini penting dilakukan terkait dengan minimnya data profil vertikal temperatur (oC) dan kelembapan (%) yang umumnya menggunakan data radiosonde. Berbasis data MODIS periode Januari hingga Desember 2013, maka dilakukanlah ekstraksi data temperatur dan kelembapan yang hasilnya dibandingkan dengan data observasi radiosonde untuk kota Manado dan Surabaya. Menggunakan teknik ANN (artificial Neural Network), khususnya saat periode basah (Desember) dan juga periode kering (Agustus), diperoleh adanya satu keeratan antara model dan observasi, yakni nilai koefisien korelasi sebesar 0,9, baik untuk temperatur dan juga kelembapan. Analisis difokuskan kepada tiga aspek penting yakni profil temperatur, profil kelembapan dan laju perubahan temperatur terhadap ketinggian (lapse rate). Hasilnya cukup nyata (signifikan) terutama untuk temperatur dan kelembapan sementara untuk lapse rate masih perlu dikaji lebih lanjut.
Item Type: | Article |
---|---|
Uncontrolled Keywords: | ANN; profil temperatur; kelembapan; MODIS dan Radiosonde |
Subjects: | Sains Antariksa dan Atmosfer > Penelitian, Pengembangan, Perekayasaan dan Pemanfaatan > Sains Teknologi Atmosfer > Perubahan Iklim |
Divisions: | Deputi Sains Antariksa Dan Atmosfer > Pusat Sains dan Teknologi Atmosfer |
Depositing User: | Sulisnaeni |
Date Deposited: | 07 Feb 2021 16:10 |
Last Modified: | 07 Feb 2021 16:10 |
URI: | http://repositori.lapan.go.id/id/eprint/114 |
Actions (login required)
![]() |
View Item |