Wildland fire is one of the most causes of deforestation, and it has an important impact on atmospheric emissions, notably CO₂. It occurs almost every year in Indonesia, especially during the dry season. Therefore, it is necessary to identify the burned areas from remote sensing images to establish the zoning map of areas prone to wildland fires. Many methods have been developed for mapping burned areas from low-resolution to medium-resolution satellite images. One of the popular approaches for mapping tasks is a deep learning approach using U-Net architecture. However, it needs a large amount of representative training data to develop the model. In this paper, we present a new dataset of burned areas in Indonesia for training or evaluating the U-Net model. We delineate burned areas manually by visual interpretation on Landsat-8 satellite images. The dataset is collected from some regions in Indonesia, and it consists of 227 images with a size of 512 × 512 pixels. It contains one or more burned scars or only the background and its labeled masks. The dataset can be used to train and evaluate the deep learning model for image detection, segmentation, and classification tasks related to burned area mapping.

Citra resolusi tinggi SPOT 6/7 sangat bermanfaat untuk rencana tata ruang wilayah, monitoring, perencanaan dan pengawasan dalam suatu daerah. Indonesia merupakan negara kepulauan yang sangat luas. Untuk itu diperlukan suatu mosaik citra yang dapat digunakan untuk memantau wilayah yang cukup luas ini. Keberadaan citra SPOT 6/7 yang sangat banyak pada setiap tahun memungkinkan LAPAN untuk membuat citra mosaik seluruh Indonesia. Penelitian ini bertujuan untuk menghasilkan mosaik citra SPOT 6/7 dengan tutupan awan minimal sehingga banyak informasi yang dapat diperoleh untuk membantu pemerintah dalam mengambil suatu kebijakan. Dalam penelitian ini diperkenalkan metode yang disebut sebagai LAPAN 8-Steps. Metode ini dikembangkan berdasarkan model Mosaic Tile Based (MTB) dan menggunakan algoritma haze index sehingga dapat menghasilkan mosaik citra SPOT 6/7 dengan tutupan awan minimal. Ukuran tile yang digunakan pada penelitian ini adalah 0.1×0.1 degree. Selain dapat mempersingkat waktu pembuatan mosaik citra SPOT 6/7, metode ini juga efisien dalam penggunaan memori penyimpanan dan sumber daya manusia.