Persiapan

Lingkungan kerja, repositori, dan data sampel

🌐 English → · Bahasa Indonesia

1. Klon repositori

Segala isi tutorial ini berada di repositori proyek, termasuk model terlatih, batas petak tersier DI Klambu, dan keluaran indeks referensi yang Anda perlukan.

git clone https://github.com/firmanhadi21/s1-rice-irrigation-tutorial.git
cd s1-rice-irrigation-tutorial

2. Buat lingkungan kerja

Model berjalan di CPU — tanpa GPU. Gunakan conda (disarankan) atau virtualenv biasa.

conda create -n s1rice python=3.10 -y
conda activate s1rice

pip install tensorflow rasterio geopandas rioxarray scikit-learn \
            imbalanced-learn numpy pandas matplotlib scipy joblib \
            earthengine-api requests

Tip

rasterio dan geopandas menarik GDAL sebagai dependensi. Jika pip kesulitan, pasang dari conda-forge saja: conda install -c conda-forge rasterio geopandas rioxarray -y.

Paksa eksekusi hanya-CPU (menghindari masalah GPU/XLA) — skrip pelatihan/prediksi sudah menyetel ini, tetapi untuk penggunaan interaktif:

export CUDA_VISIBLE_DEVICES=-1

3. Apa yang disertakan repositori (data sampel Anda)

Setelah mengklon, Anda sudah memiliki berkas-berkas ini — semuanya membuat alur kerja langsung bisa dijalankan:

Berkas	Digunakan pada
`model_files_paddy_vh/paddy_vh_model.keras` (+ `scaler.joblib`)	Prediksi sawah
`model_files_paddy_vh/training_data_*.csv`	Pelatihan sawah (29 fitur VH + label)
`data/training_points_paddy_binary.csv`	Referensi titik latih
`2026/irrigation_performance/klambu.gpkg`	Petak tersier DI Klambu
`2026/irrigation_performance/*_block_results.csv`	Referensi SI/CU/RI per petak

Satu-satunya yang belum ada adalah tumpukan VH Sentinel-1 untuk AOI (terlalu besar untuk disertakan) — ambil pada langkah berikut.

4. Ambil tumpukan Sentinel-1 sampel

Sentinel-1 GRD bersifat gratis dan terbuka. Kita mengambil tumpukan komposit VH 12-harian kecil untuk DI Klambu langsung dari Google Earth Engine.

Otentikasi sekali saja (akun gratis):

earthengine authenticate

Di HPC / server tanpa layar (headless)

Lewati login interaktif: letakkan kunci akun layanan (service-account key) bernama ee-geodetic.json di akar repositori (skrip mendeteksinya otomatis), atau berikan --service-account-key /path/to/key.json. Tanpa peramban.

Lalu jalankan skrip pengambilan (tersedia di tutorial/scripts/):

cd tutorial/scripts
python fetch_sample_aoi.py --year 2024 --start-period 7 --end-period 24 \
    --out ../../data/sample/klambu_vh_2024.tif

Skrip ini menulis data/sample/klambu_vh_2024.tif — sebuah GeoTIFF multi-pita dengan satu pita per periode 12-harian, bernama 2024_Period_7 … 2024_Period_24, pada resolusi 50 m. Verifikasi:

cd ../..
gdalinfo data/sample/klambu_vh_2024.tif | head -20

Tidak punya akun Earth Engine?

Seluruh alur kerja menerima sembarang GeoTIFF VH dengan pita periode 12-harian. Jika Anda memproses Sentinel-1 sendiri (mis. dengan ESA SNAP), cukup arahkan skrip ke tumpukan Anda sendiri. Konvensi penamaan pita adalah <tahun>_Period_<n>.

5. Buat mask AOI (opsional tetapi disarankan)

Sebagian besar skrip menerima --mask sehingga pemrosesan dibatasi pada daratan/AOI. Untuk sampel, Anda dapat menurunkannya dari batas DI Klambu:

# rasterisasi batas DI ke grid VH sebagai mask 0/1
gdal_rasterize -burn 1 -tr 0.000449 0.000449 -a_nodata 0 \
    -te 110.72 -7.10 110.94 -6.94 -ot Byte \
    2026/irrigation_performance/klambu.gpkg data/sample/klambu_mask.tif

Anda sudah siap. Lanjut ke Peta sawah.