Meskipun kemampuan pemantauan satelit observasi Bumi semakin meningkat, masih banyak yang tidak kita ketahui tentang apa yang terjadi di lapangan di seluruh dunia. Hal ini juga berlaku di tempat-tempat di mana kita perlu memahami krisis-krisis yang muncul seperti kekeringan atau perubahan ekologi lokal yang penting bagi pemahaman kita tentang tempat tersebut. Untuk menjembatani kesenjangan data lahan ini diperlukan penciptaan sistem pemantauan skala planet dimana masyarakat lokal dapat mengakses informasi yang relevan secara lokal dan mendapatkan bayaran untuk memantau bumi.
Gambar 1 Sistem pemantauan skala planet yang cerdas.
Entri blog ini melaporkan proyek percontohan yang sedang berlangsung dengan komunitas agro-penggembala di barat daya Ethiopia untuk menunjukkan potensi data tanah yang dihasilkan secara lokal. Proyek ini diluncurkan pada tahun 2021 dan diperluas pada tahun 2023 dengan tim kemanusiaan OpenStreetMap di Afrika Timur dan Selatan serta tim OpenStreetMap Ethiopia.
Permasalahan terpenting yang saling terkait yang dihadapi masyarakat adalah kerawanan air dan pangan serta konflik. Penyebab utama Kekeringan dan ketahanan terhadap banjir Dampak negatif bendungan terhadap pertanian – Lihat Lingkungan dan Konsep untuk informasi lebih lanjut Dan . Proses sosio-teknis dapat diringkas sebagai berikut. Masyarakat lokal memutuskan apa yang ingin mereka petakan dan dengan siapa mereka ingin berbagi data. Kemudian, sistem sosio-teknis dirancang bersama dengan para pemangku kepentingan, dan proses pemetaan dan pembagian informasi dimulai dengan pembayaran untuk partisipasi. Gambar 2 menggambarkan beberapa masyarakat lokal yang memetakan lahan mereka selama pertemuan komunitas di mana masyarakat berbagi pengetahuan dan teknologi.
.png "Gambar 2 Sekelompok penggembala pertanian Nyangatom memetakan lahan mereka dalam pertemuan masyarakat menggunakan fungsi demarkasi berdasarkan citra satelit (Mei 2023).")
Gambar 2 Sekelompok penggembala pertanian Nyangatom memetakan lahan mereka pada pertemuan masyarakat menggunakan fungsi demarkasi berbasis citra satelit (Mei 2023).
Penggunaan informasi yang dihasilkan AI (misalnya ChatGPT) untuk mengatasi permasalahan mendesak seperti ketahanan air dan pangan akan meningkat pesat di tahun-tahun mendatang, terutama di kalangan pengguna baru. Namun, sistem AI tidak akan menggantikan teknologi berbagi informasi peer-to-peer yang ada (misalnya grup WhatsApp) karena rekan-rekan yang tepercaya sering kali merupakan sumber informasi yang tepercaya. Gambar 3 menunjukkan bagaimana aplikasi seluler menggabungkan perpesanan dan pemetaan dengan menghadirkan aplikasi pemetaan (atau percakapan) ke aplikasi perpesanan. Ini pertama kali diluncurkan pada tahun 2021, ketika chatbots belum begitu populer (lihat ““). Jika dilihat di sebelah kiri Gambar 3 di bawah, seorang penyuluh pertanian sedang memberikan penyuluhan pertanian dengan dialog berwarna biru. Penelitian di masa depan akan mengeksplorasi bagaimana AI dapat menjadi bagian dari percakapan dalam konteks seperti itu.
Gambar 3 Di sebelah kiri, seorang petani melaporkan masalah menggunakan aplikasi pemetaan dan petugas penyuluhan pertanian memberikan saran pertanian. Di sebelah kanan, percakapan audio diikuti dengan kontribusi peta di WhatsApp.
Antarmuka aplikasi seluler untuk membuat dan mendeskripsikan data geometri dan peta yang dihasilkan oleh masyarakat lokal ditunjukkan pada Gambar 4 dan 5. Data pribadi dan terbuka dibagikan melalui WhatsApp dan data terbuka untuk memastikan keterlibatan multipihak dan skalabilitas tinggi. dikirim ke database spasial pusat menggunakan pendekatan terbuka untuk semua. Artinya, tidak diperlukan registrasi dan hanya nomor telepon kontributor yang terdaftar untuk keperluan transfer uang seluler.
Gambar 4 Contoh pemetaan (dengan GPS atau citra satelit) adalah kolam yang tidak subur untuk ditanami jagung. Ketika hujan turun setelah kemarau panjang, para kontributor melihat adanya perbaikan pada kondisi ladang dan padang rumput. Di sebelah kanan, daftar semua informasi yang dapat ditangkap dengan antarmuka grafis.
Gambar 5 Proses pemetaan dan dashboard CARTO menunjukkan beberapa data yang dikumpulkan oleh beberapa penggembala pertanian Nyangatom di South West, Ethiopia.
Data dasar yang dikumpulkan melalui proses ini dapat bermanfaat:
- Memantau kerawanan pangan untuk meningkatkan sistem peringatan dini.
- Pemantauan daerah aliran sungai dan padang penggembalaan untuk mencegah konflik dan meningkatkan ketahanan penggembala.
- Memantau kondisi infrastruktur air untuk menjamin akses terhadap air bersih dan proyek irigasi.
- Memantau tanaman untuk memecahkan masalah pertanian dan mempromosikan praktik penggunaan lahan berkelanjutan.
- Menilai status fasilitas kesehatan dan kedokteran hewan untuk mengalokasikan sumber daya medis secara efektif dan mencegah wabah.
- Mendokumentasikan hak penggunaan lahan untuk mencegah situasi perampasan lahan di masa depan atau untuk memastikan kompensasi yang adil jika terjadi pemukiman kembali.
Untuk mengilustrasikan perbedaan semantik dan spasial antara peta penginderaan jauh dan peta yang dibuat oleh pengguna di darat, Gambar 6 membandingkan peta yang dibuat oleh pengguna di darat yang ditunjukkan di atas dengan peta yang dibuat oleh mesin dan pengguna di area yang sama. Istilah ‘pengguna lahan’ yang digunakan di sini bukan ‘warga negara’ atau ‘pengguna’ karena apakah (dan bagaimana) pembuat peta kegunaan Lokasi yang dipetakan sangatlah penting. Pemetaan jarak jauh tidak dapat menangkap informasi seperti penggunaan bangunan, kolam atau pohon (keramat); atau penyakit tanaman dan ternak; atau keanekaragaman hayati di bawah pepohonan; atau bila batas wilayah penggembalaan atau perburuan tidak jelas; atau hak guna tanah. Memahami penggunaan lahan pada dasarnya memerlukan informasi yang dihasilkan oleh pengguna lahan.
%2C%20Google%20Maps%20and%20OSM%20data%20(centre)%2C%20and%20the%20land%20user-generated%20map%20(right).png "Gambar 6 Perbandingan peta wilayah yang sama di South West, Ethiopia. Peta dunia dinamis Google & WRI dan peta cakupan dunia ESA (kiri), data Google Maps dan OSM (tengah), dan peta buatan pengguna Tanah (kanan).")
Gambar 6 Perbandingan peta wilayah yang sama di South West, Ethiopia. Google & WRI DynamicWorld Map dan peta ESA WorldCover (kiri), data Google Maps dan OSM (tengah), dan peta buatan pengguna lahan (kanan).
Seberapa akurat data yang dihasilkan oleh pengguna lahan? Gambar 7 mengilustrasikan kearifan konsep kerumunan, yang dapat diringkas sebagai berikut: semakin banyak orang berkontribusi pada sebuah peta, semakin baik pula peta tersebut. Untuk informasi lebih lanjut tentang kebijaksanaan orang banyak dan pertanyaan ‘akurasi untuk siapa’. untuk melihat Dan .
Gambar 7 Kebijaksanaan orang banyak menjelaskan.
Output pengolahan data menggunakan konsep crowding dengan tingkat kepercayaan 2 ditunjukkan pada Gambar 8. Dalam uji coba ini, tingkat kepercayaan 2 dipilih karena hanya sedikit penggembala pertanian yang ikut serta dalam proses pemetaan. Namun, seiring dengan bertambahnya jumlah orang yang berkontribusi pada peta, tingkat kelengkapan dan kepercayaan pun meningkat.
%20and%20processed%20land%20user-generated%20data%20(right)%20using%20wisdom%20of%20the%20crowd%20methods.png "Gambar 8 Data mentah (kiri) dan data hasil olahan pengguna lahan (kanan) menggunakan metode kebijaksanaan crowding.")
Angka 8 Data mentah (kiri) dan olahan yang dihasilkan pengguna (kanan) menggunakan kebijaksanaan metode crowding.
Untuk mengukur kualitas data terkait air, kami membandingkan kolam dan danau dari data yang dihasilkan pengguna lahan yang diproses dengan data kejadian air Global Water Watch (GWW). Menggunakan Algoritma Pengolahan Citra Penginderaan Jauh. Dari 22 fitur yang terlihat dalam data GWW (tidak termasuk sungai), 14 fitur tersebut (lingkaran hijau, lihat Gambar 9) dipetakan oleh masyarakat lokal, dan 7 fitur tidak dipetakan (lingkaran oranye).
Menariknya, jika peta buatan pengguna lahan yang telah diolah digunakan sebagai data rujukan di sini untuk menilai keakuratan peta GWW (dan bukan sebaliknya), hasil keakuratan peta GWW adalah: 14 objek benar-benar positif (yaitu lapisan referensi air digambar sebagai air), 8 objek positif palsu (yaitu air di peta sebagai air), tidak ada air di lapisan referensi), dan 77 objek negatif palsu (yaitu air di lapisan referensi tidak dipetakan sebagai air – lihat semua poligon biru tanpa lingkaran pada peta di sebelah kanan). Dengan kata lain, peta yang dihasilkan mesin menghilangkan sebagian besar sumber air yang digunakan oleh masyarakat lokal untuk bertani dan memberi minum hewan.
Gambar 9 Perbandingan data GWW dengan poligon danau dan kolam yang dipetakan oleh penduduk setempat.
Pekerjaan kami hingga saat ini menyoroti perlunya beralih ke sistem pemantauan berskala planet yang mengakui kebijaksanaan masyarakat dan membayarnya, terutama di wilayah dimana jutaan orang tinggal.
Data EO darat yang dijelaskan di sini tersedia berdasarkan permintaan dan akan dibuka dalam format vektor dan raster pada awal tahun 2024. Silakan kirim email kepada kami Jika Anda tertarik untuk mengeksplorasi dan menggunakan data.
Proyek ini didanai oleh Dewan Riset Eropa (Perjanjian Hibah Lanjutan No. 694767), Riset dan Inovasi Inggris (UKRI), FORMAS dan Tantangan Besar UCL. Kami berterima kasih kepada CARTO, Badan Antariksa Eropa, Planet dan Sinergi yang menyediakan akses gratis ke layanan cloud dan citra satelit.
