PEMETAAN POLA SPASIAL KEBAKARAN HUTAN DAN LAHAN DI TAMAN NASIONAL GUNUNG MERBABU BERBASIS PENGINDERAAN JAUH TAHUN 2019
Abstract
Abstrak: Indonesia merupakan negara dengan hutan tropis terluas ketiga di dunia, namun hampir setengah dari hutan Indonesia sudah terdegradasi. Salah satu penyebab terjadinya degradasi hutan adalah kebakaran. Secara historis, kebakaran hutan dan lahan adalah fenomena yang terus berulang di semua wilayah berhutan di Indonesia. Kebakaran hutan di Taman Nasional Gunung Merbabu yang terjadi hampir setiap tahun merupakan permasalahan yang serius, terutama pada bulan-bulan kering. Tercatat dalam sepuluh tahun terakhir yaitu antara bulan September 2014 hingga bulan September 2019, terjadi 4 kali kebakaran yang cukup besar. Dalam studi ini, kami menggunakan algoritma untuk mengestimasi kebakaran menggunakan deret waktu citra Landsat-8 OLI. Pendekatan ini diuji di area Taman Nasional Gunung Merbabu menggunakan 2 citra yang diperoleh antara bulan Juni – September 2019. Akurasi keseluruhan 85% diperoleh berdasarkan Overall Accuracy dan Kappa hat Classification. Hal ini menunjukkan bahwa algoritma yang digunakan memiliki potensi yang tinggi untuk diterapkan di lanskap lain dalam studi mendatang.
Kata Kunci: NBR, Kebakaran Hutan, Tingkat Keparahan Kebakaran, Penginderaan Jauh
Full Text:
PDFReferences
Adam dkk. 2019. Sistem Informasi Geografi untuk Zonasi Kerentanan Kebakaran Lahan dan Hutan di Kecamatan Malifut, Halmahera Utara. JTIIK. Vol. 6, No. 5, Oktober.2019. p.559- 566. http://dx.doi.org/10.25126/jtiik.201743299
Ashari dan Nuraini. 2014. Pengembangan Model Konservasi Lingkungan dengan Metode Introdusir Vegetasi Asli Pegunungan Jawa Pada Lereng Baratdaya Gunungapi Merbabu: Tinjauan Biogeografi. Prosiding Pertemuan Ilmiah Tahunan. ISBN: 978-602-71088-1-3. p912-922
Balai Taman Nasional Gunung Merbabu. 2021. Laporan Tahunan. Boyolali: BTNGMb (Balai Taman Nasional Gunung Merbabu).
Belenguer-Plomer, M. A., Tanase, M. A., Fernandez-Carrillo, A., & Chuvieco, E. 2019. Burned area detection and mapping using Sentinel-1 backscatter coefficient and thermal anomalies. Remote Sensing of Environment, 233, 111345. https://doi.org/10.1016/j.rse.2019.111345
Chafer, Chris J. 2008. A Comparison of Fire Severity Measures an Australian Example and Implications for Predicting Major Areas Soil Erosion. Catena. p-235 - 245. http://dx.doi.org/10.1016/j.catena.2007.12.005
Epting, J., Verbyla, D., & Sorbel, B. 2005. Evaluation of remotely sensed indices for assessing burn severity in interior Alaska using Landsat TM and ETM+. Remote Sensing of Environment, 96(3–4), 328–339. https://doi.org/10.1016/j.rse.2005.03.002
Escuin, S., Navarro, R., & Fernández, P. 2008. Fire severity assessment by using NBR (Normalized Burn Ratio) and NDVI (Normalized Difference Vegetation Index) derived from LANDSAT TM/ETM images. International Journal of Remote Sensing, 29(4), 1053–1073. https://doi.org/10.1080/01431160701281072
García-Haro et al. 2001. Monitoring fire-affected areas using Thematic Mapper Data. International Journal of Remote Sensing. Vol. 22, no. 4, p533–549. http://dx.doi.org/10.1080/01431160050505847
Irons, J. R., Dwyer, J. L., & Barsi, J. A. 2012. The next Landsat satellite: The Landsat Data Continuity Mission. Remote Sensing of Environment, 122, 11–21. https://doi.org/10.1016/j.rse.2011.08.026
Jylhä, K., Tuomenvirta, H., Ruosteenoja, K., Niemi-Hugaerts, H., Keisu, K., & Karhu, J. A. 2010. Observed and Projected Future Shifts of Climatic Zones in Europe and Their Use to Visualize Climate Change Information. Weather, Climate, and Society, 2(2), 148–167. https://doi.org/10.1175/2010WCAS1010
Kalabokidis et al. 2015. Effect of Climate Change Projections on Forest Fire Behavior and Values-at-Risk in Southwestern Greece). Forests. ISSN 1999-4907. doi:10.3390/f6062214
Kalantar, B., Ueda, N., Idrees, M. O., Janizadeh, S., Ahmadi, K., & Shabani, F. 2020. Forest Fire Susceptibility Prediction Based on Machine Learning Models with Resampling Algorithms on Remote Sensing Data. Remote Sensing, 12(22), 3682. https://doi.org/10.3390/rs12223682
Kokaly, R. F., Rockwell, B. W., Haire, S. L., & King, T. V. V. 2007. Characterization of post-fire surface cover, soils, and burn severity at the Cerro Grande Fire, New Mexico, using hyperspectral and multispectral remote sensing. Remote Sensing of Environment, 106(3), 305–325. https://doi.org/10.1016/j.rse.2006.08.006
Kumalawati, R., Riadi, S., & Febriyan, G. M. S. (2020). Pemanfaatan Data Geospasial dalam Proses Pembelajaran Geografi Pada Kondisi Bencana Covid-19. Jurnal Geografika (Geografi Lingkungan Lahan Basah), 1(1), 20-29. https://doi.org/10.20527/jgp.v1i1.2294
Li, P., Jiang, L., & Feng, Z. (2013). Cross-Comparison of Vegetation Indices Derived from Landsat-7 Enhanced Thematic Mapper Plus (ETM+) and Landsat-8 Operational Land Imager (OLI) Sensors. Remote Sensing, 6(1), 310–329. https://doi.org/10.3390/rs6010310
Liu, S., Wang, S., Chi, T., Wen, C., Wu, T., & Wang, D. 2020. An improved combined vegetation difference index and burn scar index approach for mapping cropland burned areas using combined data from Landsat 8 multispectral and thermal infrared bands. International Journal of Wildland Fire, 29(6), 499. https://doi.org/10.1071/WF18146
Ma’ruf, A., Safitri, S. A., & Sinaga, A. 2016. Pengaruh Pemanasan Global terhadap Beberapa Tanaman C3 di Indonesia. Jurnal Penelitian Pertanian BERNAS. Vol. 12, No. 2, p44-54.
Maulana dkk. 2018. Aplikasi teknologi satelit multitemporal untuk penyusunan model spasial sebaran potensi kebakaran hutan di lereng selatan Gunung Merbabu. Geomedia. Vol. 16 No. 2. p97 – 107.
Prasasti, I., Rahmi, K., Nugroho, J., Sitorus, J., Arief, R., Triyono, D., & Suwarsono. (2020). Detecting the burned area in southern Kalimantan by using the sentinel-1 polarimetric SAR and landsat-8 OLI optic. Journal of Physics: Conference Series, 1528, 012048. https://doi.org/10.1088/1742-6596/1528/1/012048
Rather, M. A., Farooq, M., Meraj, G., Dada, M. A., Sheikh, B. A., & Wani, I. A. 2018. Remote Sensing and GIS Based Forest Fire Vulnerability Assessment in Dachigam National Park, North Western Himalaya. Asian Journal of Applied Sciences, 11(2), 98–114. https://doi.org/10.3923/ajaps.2018.98.114
Saputra A. D., Setiabudidaya, D., Setyawan, D., Khakim, M. Y. N., & Iskandar, I. 2017. Burn scar analysis using normalized burning ratio (NBR) index during 2015 forest fire at Merang-Kepahyang peat forest, South Sumatra, Indonesia. International Symposium on Earth Hazard and Disaster Mitigation (ISEDM). https://doi.org/10.1063/1.4987107
Solomon, S., Intergovernmental Panel on Climate Change, & Intergovernmental Panel on Climate Change (Ed.). 2007. Climate change 2007: The physical science basis: contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
Suwarsono dkk. 2016. Analisis Karaktersitik Temperatur Area Terbakar (Burned Area) Menggunakan Data Landsat-8 TIRS di Kalimantan. Jurnal Penginderaan Jauh. Vol.13, No.1. p13-22.
Tacconi, Luca. 2013. Kebakaran Hutan di Indonesia: Penyebab, Biaya, dan Implikasi Kebijakan. CIFOR. Occasional Paper No. 38 (i). Bogor: Indonesia
Vetrita, Y., & Cochrane, M. A. 2019. Fire Frequency and Related Land-Use and Land-Cover Changes in Indonesia’s Peatlands. Remote Sensing, 12(1), 5. https://doi.org/10.3390/rs12010005
Yulianto, F. 2009. Pemanfaatan Data Modis untuk Identifikasi Daerah Bekas Terbakar (Burned Area) Berdasarkan Perubahan Nilai NDVI di Provinsi Kalimantan Tengah Tahun 2009. Jurnal Penginderaan Jauh. Vol. 6, p54-64.
DOI: https://doi.org/10.20527/jgp.v2i1.4536
Refbacks
- There are currently no refbacks.
JGP (Jurnal Geografika: Geografi Lingkungan Lahan Basah) di Indeks Oleh :
|  |  |  |
 |  |  |  |
