Pemateri
Wening Asih Diva Aprilia
GIS & Remote Sensing AnalystGIS & Remote Sensing Analyst, Cartography Researcher, geospatial data scientist
Deskripsi
- Hari 1 : Geospatial Data Preprocessing
- Hari 2 : Artificial Neural Network (ANN) Modeling
- Hari 3 : CA Algorithm & Visualization
Sesi bootcamp
1
Day 1: Geospatial Data Preprocessing
Introduction to CA-ANN for Karhutla Raster Data Handling Raster to Tabular Extraction Data Wrangling & Scaling
2
Day 2 : Artificial Neural Network (ANN) Modeling
ANN Fundamentals & Architexture Model Training & Validation Model Evaluation Fire Susceptibility Mapping
3
Day 3 : CA Algorithm & Visualization
CA Rules & Neighborhood CA Algorithm Scripting Spatial Simulation Visualization & Export
Konten
Day 1: Geospatial Data Preprocessing
Day 2 : Artificial Neural Network (ANN) Modeling
Silabus
01
Geospatial Data Preprocessing
1. Introduction to CA-ANN for Karhutla : Konsep dasar driving factors Karhutla dan bagaimana ANN menghitung probabilitas terbakar, sedangkan CA mensimulasikan sebarannya secara keruangan. 2. Raster Data Handling : Mengimpor dan membaca data raster menggunakan library spasial (seperti rasterio). Menyamakan resolusi dan sistem proyeksi data (CRS). 3. Raster to Tabular Extraction : Ekstraksi nilai piksel dari berbagai variabel (LST, NDVI, NDMI, Elevasi, dll) ke dalam bentuk Pandas DataFrame (X) dan label hotspot (y). 4. Data Wrangling & Scaling : Menangani missing values (NaN) pada area NoData, serta melakukan MinMax Scaling agar rentang nilai antar parameter seragam untuk ANN....
02
Artificial Neural Network (ANN) Modeling
1. ANN Fundamentals & Architecture : Membangun struktur Neural Network sederhana (Input Layer, Hidden Layer, Output Layer) untuk mengolah parameter penyebab Karhutla. 2. Model Training & Validation : Membagi data (Train-Test Split), melakukan training model menggunakan data historis 2023-2025, dan memantau loss function. 3. Model Evaluation : Mengukur akurasi prediksi model ANN menggunakan Confusion Matrix, Accuracy Score, dan ROC-AUC. 4. Fire Susceptibility Mapping : Melakukan prediksi pada seluruh area piksel untuk menghasilkan Peta Probabilitas Kerentanan (0-1) dan mengekspornya ke .tif....
03
CA Algorithm & Visualization
1. CA Rules & Neighborhood : Memahami konsep ketetanggaan (Neighborhood Rules seperti Moore 3x3) untuk melihat bagaimana api menyebar ke piksel terdekat. 2. CA Algorithm Scripting : Menyusun logika perulangan (iterations/looping) spasial. Menggabungkan probabilitas dari ANN dengan aturan status penyebaran CA. 3. Spatial Simulation : Mengeksekusi looping CA untuk mensimulasikan pergerakan titik api dan mengekstraksi hasil akhir prediksi luasan 4. Visualization & Export : Menyajikan hasil simulasi prediksi ke dalam visualisasi peta (Matplotlib) dan mengekspornya menjadi format GeoTIFF final....