Laboratorium Penginderaan Jauh, Departemen Sains Informasi Geografi, Fakultas Geografi, Universitas Gadjah Mada (UGM) menyelenggarakan Kuliah Umum dengan menghadirkan peneliti dari industri penyedia data satelit, Stellarvision, Korea Selatan, Junse Oh, M.S., pada Jumat (10/7/26) di Gedung KLMB E107, Fakultas Geografi UGM.
Dalam kuliah umum bertajuk “Understanding Disasters Through SAR Satellite Imagery”, Junse Oh yang merupakan spesialis SAR Remote Sensing, Deep Learning, and Satellite-Based Landslide Detection memaparkan pemanfaatan Synthetic Aperture Radar (SAR) Satellite Imagery untuk memahami dan memantau berbagai bencana alam.
Peserta diperkenalkan dengan teknologi penginderaan jauh terkini, penerapan deep learning, serta deteksi longsor berbasis citra satelit dari praktisi internasional.
Junse Oh menjelaskan bahwa Synthetic Aperture Radar (SAR) memiliki sejumlah keunggulan dalam pemantauan bencana. Salah satunya, SAR mampu beroperasi pada segala kondisi cuaca (all-weather). “Gelombang mikro yang digunakan dapat menembus awan, asap, dan hujan, sehingga tetap dapat memperoleh data ketika sensor optik mengalami keterbatasan saat bencana terjadi,” terangnya.
Selain itu, SAR juga dapat digunakan siang maupun malam (day and night). Sebagai sensor aktif, Junse Oh menambahkan, bahwa SAR tidak memerlukan cahaya matahari sehingga mampu merekam kondisi awal waktu setelah suatu kejadian.
Ia juga menjelaskan bahwa melalui mekanisme hamburan (scattering mechanism), citra PolSAR dapat menunjukkan perubahan yang terjadi pada suatu wilayah. Sementara itu, teknik Interferometric SAR (InSAR) memungkinkan pengukuran deformasi atau pergerakan permukaan tanah yang tidak dapat diamati oleh sensor optik.
Potensi Pengembangan SAR
Junse Oh menyampaikan bahwa saat ini merupakan golden age for SAR remote sensing. Hal ini ditunjukkan dengan seiring hadirnya berbagai satelit SAR generasi baru seperti ALOS-4, BIOMASS, NISAR, dan Kompsat-6.
Ia menekankan bahwa pengembangan teknologi SAR tidak hanya terletak pada penambahan jumlah saluran (band), tetapi juga pada pemanfaatan deep learning. Menurutnya, deep learning tidak hanya berfungsi sebagai alat pengolahan citra untuk klasifikasi, tetapi memiliki potensi yang lebih luas.
“Melalui perkembangan teknik SAR dan deep learning tersebut, data SAR memiliki potensi untuk dimanfaatkan dalam automated disaster monitoring atau pemantauan bencana secara otomatis,” pungkasnya.
