Tinjauan Global Konstelasi Satelit Penginderaan Jauh dan Implikasinya bagi Kemandirian Teknologi Indonesia
Article Sidebar
Main Article Content
Abstract
Perkembangan teknologi satelit penginderaan jauh dalam dua dekade terakhir ditandai oleh pergeseran dari satelit tunggal menuju konstelasi satelit dengan frekuensi pengamatan tinggi. Konstelasi berbasis sensor optik dan Synthetic Aperture Radar (SAR) kini menjadi komponen penting infrastruktur observasi Bumi global untuk pemantauan lingkungan, ketahanan pangan, mitigasi bencana, dan keamanan maritim. Artikel ini bertujuan meninjau evolusi teknologi konstelasi satelit, pola pengembangan, serta model aktor utama dalam ekosistem observasi Bumi internasional, sekaligus mengkaji implikasinya bagi agenda kemandirian teknologi Indonesia. Metode yang digunakan adalah tinjauan literatur naratif melalui sintesis publikasi ilmiah, laporan institusional, dan dokumen kebijakan terkait penginderaan jauh serta ekonomi antariksa. Hasil tinjauan menunjukkan bahwa efektivitas sistem penginderaan jauh tidak hanya ditentukan oleh kapabilitas satelit, tetapi juga oleh integrasi riset dan pengembangan, kapasitas industri, penguatan sumber daya manusia, serta tata kelola data. Temuan ini mengindikasikan bahwa strategi kemandirian perlu menekankan penguasaan rantai nilai teknologi dan integrasi optik–SAR guna menjamin kontinuitas observasi di wilayah tropis. Pendekatan adaptif dan kolaboratif direkomendasikan sebagai dasar perumusan strategi nasional yang berkelanjutan.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
[1] Jensen, J. R. (2015). Introductory digital image processing: A remote sensing perspective (4th ed.). Pearson Education.
[2] Schowengerdt, R. A. (2007). Remote sensing: Models and methods for image processing (3rd ed.). Academic Press.
[3] Mulla, D. J. (2013). Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, 114(4), 358–371. https://doi.org/10.1016/j.biosystemseng.2012.08.009
[4] U.S. Geological Survey (USGS). (2023). Landsat missions overview. https://www.usgs.gov/landsat-missions
[5] European Space Agency (ESA). (2023). Copernicus: Europe’s Earth observation programme. https://www.copernicus.eu
[6] Song, Y., Gnyawali, D., & Qian, L. (2024). From early curiosity to space wide web: The emergence of the small satellite innovation ecosystem. Research Policy, 53(2), 104932. https://doi.org/10.1016/j.respol.2023.104932
[7] Li, D. R. (2022). China’s high-resolution earth observation system (cheos): Advances and perspectives. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 5(3), 583–590. https://doi.org/10.5194/isprs-Annals-V-3-2022-583-2022
[8] Delmaire, C., & Malisuwan, S. (2024). The New Space Economy: Innovations, Challenges, and Future Pathways. Journal of Information Systems Engineering and Management, 2025(17s), 2468–4376. https://www.jisem-journal.com/
[9] OECD. (2014). The space economy at a glance 2014. OECD Publishing. https://doi.org/10.1787/9789264217294-en
[10] Gómez, P. M., Carrillo, O. J. J., Kuffer, M., Thomson, D. R., Quiroz, J. L. O., García, E. V., Vanhuysse, S., Abascal, Á., Oluoch, I., Nagenborg, M., Persello, C., & Brito, P. L. (2021). Earth observations and statistics: Unlocking sociodemographic knowledge through the power of satellite images. Sustainability (Switzerland), 13(22). https://doi.org/10.3390/su132212640
[11] Hanssen, R. F. (2001). Radar interferometry: Data interpretation and error analysis. Kluwer Academic Publishers.
[12] Badan Riset dan Inovasi Nasional (BRIN). (2023). Roadmap pengembangan konstelasi satelit nasional untuk pembangunan berkelanjutan. BRIN.
[13] Rosen, P. A., Hensley, S., Joughin, I. R., Li, F. K., Madsen, S. N., Rodriguez, E., & Goldstein, R. M. (2000). Synthetic aperture radar interferometry. Proceedings of the IEEE, 88(3), 333–382. https://doi.org/10.1109/5.838084
[14] Ferretti, A., Prati, C., & Rocca, F. (2001). Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 39(1), 8–20. https://doi.org/10.1109/36.898661
[15] Zhu, Z., Woodcock, C. E., Holden, C., & Yang, Z. (2015). Generating synthetic Landsat images based on all available Landsat data: Predicting Landsat surface reflectance. Remote Sensing of Environment, 157, 152–165. https://doi.org/10.1016/j.rse.2014.09.019
[16] Guo, H., Wang, L., & Liang, D. (2019). Big Earth data from space: A new engine for Earth science. Science Bulletin, 64(12), 829–834. https://doi.org/10.1016/j.scib.2019.04.019