Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN

No description
by

kecap sudimampir

on 2 October 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN

Bab I
Latar Belakang

BAB II
TINJAUAN PUSTAKA
Analisa Vegetasi Hutan Gambut
ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN VEGETASI HUTAN GAMBUT MENGGUNAKAN CITRA AIRBORNE HYPERSPECTRAL HYMAP
( Studi kasus : Daerah Hutan Gambut Kabupaten Katingan dan Kabupaten Pulang Pisau Kalimantan Tengah )

oleh : Rizky Andianto ( 3509100036 )

Salah satu isu global yang sedang marak diperbincangkan di dunia sekarang adalah isu tentang pemanasan global dan adanya gas rumah kaca ( greenhouse gases ). Pada bulan September tahun 2009 Presiden Susilo Bambang Yudhoyono memberikan pernyataan pada puncak G-20 di Pittsburgh ( Amerika Serikat ) yaitu mengurangi gas rumah kaca ( greenhouse gases ) sebesar 26% melalui National Appropriate Mitigation and Adaptation (NAMA) hingga tahun 2020 dan menjadi 40% dengan bantuan internasional.

Penelitian terhadap hutan gambut di Indonesia
Tahun 2000 Edita Yudia Purnama melakukan studi indeks vegetasi terhadap vegetasi hutan gambut Kalimantan Tengah menggunakan citra multispectral
Hyperspectral > Multispectral
ANALISA INDEKS VEGETASI UNTUK IDENTIFIKASI TINGKAT KERAPATAN VEGETASI HUTAN GAMBUT MENGGUNAKAN CITRA AIRBORNE HYPERSPECTRAL HYMAP
( Studi kasus : Daerah Hutan Gambut Kabupaten Katingan dan Kabupaten Pulang Pisau Kalimantan Tengah )
Rumusan Masalah
Bagaimana hasil nilai indeks vegetasi untuk mengidentifikasi tingkat kerapatan vegetasi hutan gambut pada citra Hymap Kalimantan Tengah tahun 2011 di daerah hutan gambut di Kabupaten Katingan dan Kabupaten Pulang Pisau provinsi Kalimantan Tengah?
Batasan Masalah
a. Citra yang digunakan adalah citra Airborne Hyperspectral Hymap Kalimantan Tengah tahun 2011 dengan wilayah Studi pada koordinat ( 1º56’29.68”LS, 113º27’27.86”BT ) – ( 1º47’58.88”LS, 113º38’3.29”BT ) pada test site 1 yang terletak di Kabupaten Katingan dan ( 2º26’3.39”LS, 113º51’13.42”BT ) – ( 2º14’13.55”LS, 114º7’38.41”BT ) pada test site 2 di Kabupaten Pulang Pisau yang terletak di Provinsi Kalimantan Tengah.
b. Metode analisa indeks vegetasi yang digunakan adalah NDVI, RDVI, dan MSR.
Tujuan
a. Menghitung nilai indeks vegetasi pada hutan gambut menggunakan NDVI, RDVI, dan MSR.
b. Membandingkan dan menganalisa hasil indeks vegetasi NDVI, RDVI, dan MSR
c. Membuat Peta Kerapatan Vegetasi pada Hutan Gambut Kabupaten Katingan dan Kabupaten Pulang Pisau Kalimantan Tengah tahun 2011.
d. Melakukan evaluasi pada hasil Peta Kerapatan Vegetasi dengan peraturan UU RKTN tahun 2011 tentang kawasan hutan gambut.
Manfaat
Manfaat dari penelitian ini adalah adanya informasi perbedaan nilai indeks vegetasi antara NDVI, RDVI, dan MSR menggunakan citra Hymap pada hutan gambut di daerah Kalimantan Tengah sehingga dapat digunakan sebagai pertimbangan untuk penggunaan penelitian sebagai informasi seberapa besar vegetasi pada area tersebut yang dapat teridentifikasi dan juga dapat menjadi pertimbangan untuk melakukan vegetasi pada hutan gambut yang lebih lanjut. Selain itu juga adanya informasi kerapatan vegetasi yang dihasilkan pada daerah hutan gambut tersebut dengan menggunakan ketiga indeks vegetasi di atas.
Crown Cover
Crown cover atau biasa disebut dengan crown closure, canopy cover, atau canopy closure dapat diartikan sebagai persen dari kanopi di atas lantai hutan. Pengertian lain dari crown cover adalah proporsi dari suatu tegakan ditutupi oleh tajuk pohon hidup. Crown cover membantu memprediksi volume, kerapatan tegakan, lebar tajuk dan faktor kompetisi tajuk.
Indeks vegetasi berkorelasi kuat dengan klorofil atau canopy nitrogen sehingga memungkinkan untuk mengidentifikasi canopy metrics seperti leaf area atau tutupannya secara penginderaan jauh ( Burak P. dan Craig M., 2009 ). Maka dari itu, penelitian ini menggunakan crown cover sebagai validator dari indeks vegetasi.
Dasar pengklasifikasian zona kerapatan yang digunakan pada penelitian ini adalah
( Brack, Chris. 1999 )
NDVI
Algoritma Normalized difference Vegetation Index (NDVI) (Rouse et al., 1974) adalah :


Indeks vegetasi berbasis NDVI mempunyai nilai yang hanya berkisar antara -1 (non-vegetasi) hingga +1 (vegetasi). Nilai NDVI yang rendah (negatif) menunjukkan tingkat vegetasi yang rendah seperti awan, air, tanah kosong, bangunan, dan unsur non-vegetasi lainnya. Sedangkan nilai NDVI yang tinggi (positif) menunjukkan tingkat vegetasi hijau yang tinggi. Jadi, nilai NDVI sebanding dengan kuantitas tutupan vegetasinya.
RDVI
RDVI dikembangkan untuk melinierisasikan hubungannya dengan variable fisik dari suatu vegetasi. Tujuan dari RDVI sendiri adalah untuk mengkombinasi manfaat dari Difference vegetation Index (DVI = NIRRed) dan NDVI untuk nilai LAI tinggi dan rendah. RDVI kurang sensitive terhadap klorofil daripada NDVI. (Driss Haboudane et al, 2003 ). Persamaannya adalah berikut ini :
Hutan Gambut
Hutan gambut juga biasa disebut dengan hutan rawa gambut karena istilah hutan rawa dan hutan gambut yang umumnya berdekatan, seringkali tidak memiliki batas yang tegas. Ciri umum tanah gambut, tidak mengalami perkembangan profil ke arah terbentuhya horizon-horizon yang berbeda, berwama coklat kelam sampai hitam, berkadar air tinggi dan berwama seperti teh serta bereaksi masam dengan pH 3,0 - 5,0 (Istomo, 1992).
Menurut Jacobs (1988), hutan rawa gambut adalah salah satu tahap suksesi dari hutan rawa dimana memiliki pH rendah, miskin mineral dan tingkat dekomposisi alami yang rendah. Pada beberapa wilayah terdapat hutan rawa gambut yang dipengaruhi oleh air sungai sehingga terdapat dekomposisi bahan organik yang tinggi.

MSR
MSR telah disarankan sebagai perbaikan dari RDVI dalam hal sensitivitas pada parameter biofisik vegetasi melalui kombinasinya dengan simple ratio (SR = NIR/Red). SR dan MSR dianggap lebih mendekati secara linear terhadap parameter vegetasi. MSR dimaksudkan untuk meningkatkan linearitas dan mengatasi batas saturasi RDVI. MSR merupakan indeks yang paling berpengaruh terhadap variable klorofil daripada NDVI dan MSR ( Driss Haboudane et al, 2003 ). Persamaannya adalah berikut ini :
BAB III
Lokasi Penelitian
Lokasi pada penelitian adalah kawasan hutan gambut Kabupaten Katingan dan Kabupaten Pulang Pisau, Kalimantan Tengah yang terletak di koordinat ( 1º56’29.68”LS, 113º27’27.86”BT ) – ( 1º47’58.88”LS, 113º38’3.29”BT ) pada test site 1 dan ( 2º26’3.39”LS, 113º51’13.42”BT ) – ( 2º14’13.55”LS, 114º7’38.41”BT ) pada test site 2.
Data
Data yang digunakan dalam penelitian ini adalah sebagai berikut :
a. Data Spasial berupa citra Hymap Kalimantan Tengah tanggal 15 Juli dan 16 Juli tahun 2011.
b. Data non spasial berupa data survai lapangan menggunakan data prosentase crown cover, dan data sekunder. Data crown cover diambil menggunakan kamera fish-eye di pusat dari setiap 10m subquadrat (Lampiran A).
Peralatan
Peralatan yang digunakan dalam penelitian ini diantaranya adalah :
a. Perangkat Keras
• Notebook
b. Perangkat Lunak
• Sistem Operasi Microsoft Windows XP Professional
• ArcGIS 10

Metodologi Penelitian
Tahap Pengolahan Data
BAB IV
Hasil dan Pembahasan
Hasil Georeferencing
Sebelum Tergeoreferensi
Sesudah Tergeoreferensi
Hasil Mosaicking
Hasil Indeks Vegetasi
Untuk menganalisa perbedaan antar nilai indeks vegetasi digunakan metode analisa regresi antara nilai indeks vegetasi dengan data persentase crown cover. Indeks vegetasi yang digunakan pada penelitian ini adalah NDVI, RDVI, dan MSR dan menggunakan panjang gelombang 705 – 750 nm dan 670 – 800 nm. Namun untuk MSR hanya menggunakan panjang gelombang 705 – 750 nm.
Hasil Regresi
Analisa Indeks Vegetasi
Nilai korelasi positif didapat dari kelima persamaan diatas menunjukkan bahwa citra Hymap pada hutan gambut mampu digunakan dalam analisa indeks vegetasi, karena persamaan tersebut menunjukkan adanya hubungan antara nilai indeks vegetasi yang diperoleh dari citra Hymap dengan persentase crown cover.
Analisa Indeks Vegetasi
Berdasarkan dari nilai koefisien determinasi yang dihasilkan dari kelima indeks vegetasi, maka indeks vegetasi NDVI memiliki keakurasian yang paling baik terhadap data crown cover. Ini disebabkan karena untuk indeks vegetasi MSR dan RDVI merupakan indeks vegetasi yang dikembangkan untuk mengatasi masalah seperti lapisan yang banyak pada kanopi dan hubungan non linier terhadap parameter biofisik pada vegetasi secara spesifik khususnya pada hutan gambut yang memiliki beragam varietas. Dan menurut Wu tahun 2008, jika dibandingkan dengan NDVI, Indeks simple ratio lebih dipengaruhi oleh faktor lingkungan seperti awan dan tanah. Dan NDVI lebih cenderung pada struktur sel daun daripada MSR. MSR juga mempunyai hubungan data yang kuat dengan data crown cover. Hal ini dapat disebabkan nilai MSR ini menggunakan panjang gelombang 705 nm dan 750 nm sehingga mempunyai nilai diferensiasi yang lebih tampak. ( Chaoyang Wu, et al. 2008 )
Dari hasil korelasi antara indeks vegetasi dan klorofil tanaman padi, Nilai indeks vegetasi NDVI pada panjang gelombang 750 – 705 nm lebih besar dibandingkan pada panjang gelombang 800 – 670 nm. Ini dapat disebabkan karena nilai absorbansi maksimum dan nilai reflektan maksimum pada panjang gelombang 750 nm dan 705 nm terletak pada derivative pertama daripada pada panjang gelombang 800 nm dan 670 nm.
Pada penelitian sebelumnya yang dilakukan oleh Purwana Edita Yudia pada tahun 2000 dengan menggunakan data Landsat TM pada ssebagian areal hutan gambut di Kalimantan Tengah dengan menggunakan algoritma NDVI, RVI, GVI, WVI, dan BVI. Pada penelitian tersebut semua indeks vegetasi berpengaruh baik terhadap canopy cover kecuali BVI, dan pada NDVI juga sangat berpengaruh baik dengan koefisien determinasi > 0.80. Namun pada penelitian tersebut NDVI mempunyai koefisien determinasi yang lebih besar.
Pada hasil regresi antara nilai indeks vegetasi dengan data crown cover yang ditunjukkan oleh tabel 4.6 terlihat bahwa indeks vegetasi yang memmiliki korelasi yang besarnya lebih dari 80% dengan data crown cover adalah MSR (705,750) yaitu sebesar 89.3%, RDVI (670,800) yaitu sebesar 82.3%, dan NDVI (705,750) yaitu sebesar 90.6%. Kemudian dari ketiga indeks vegetasi tersebut diambil satu indeks vegetasi yang memiliki hubungan korelasi paling besar, yaitu NDVI (705,750). Lalu persamaan regresi dari NDVI (705,750) digunakan sebagai algoritma untuk peta kerapatan vegetasi.
Uji Ketelitian
Sasaran akhir dari penyusunan algoritma ini adalah pembuatan peta kerapatan vegetasi pada hutan gambut di Kalimantan Tengah dengan menggunakan algoritma terbaik yang telah dibentuk. Peta distribusi ini merupakan gambaran secara spasial pada daerah studi. Dalam peta distibusi crown cover ini wilayah terpetakan adalah lahan hutan gambut daerah studi yang terbagi menjadi 2 site. Permbuatan peta distribusi ini sebagai alat untuk pengambilan keputusan terkait pemantauan terhadap kondisi vegetasi hutan gambut.
Peta Kerapatan Vegetasi
Pada penelitian ini didapatkan luas total vegetasi hutan gambut pada areal studi sebesar 85891,159 Ha. Sedangkan menurut Peraturan Menteri Kehutanan Republik Indonesia Nomor : P.49/Menhut-II/2011 Tentang Rencana Kehutanan Tingkat Nasional (Rktn) TAHUN 2011-2030, Luas total arahan kawasan hutan alam dan lahan gambut di Indonesia mencapai 28,4 juta hektar. Tujuan utama dari kawasan ini adalah diarahkan untuk stok potensi karbon. Sehingga dari luas total dari area studi di penelitian ini merupakan 0.302% dari luas total arahan kawasan hutan alam dan lahan gambut. Dan menurut Sk Menteri Kehutanan bulan Juli 2011 luas jumlah kawasan hutan Kalimantan Tengah adalah 12652822 Ha, sehingga luas area studi pada penelitian ini adalah 0.679% dari luas total jumlah kawasan hutan Kalimantan Tengah.
Evaluasi Kesesuaian dengan UU RKTN Tahun 2011
Kelas kerapatan vegetasi yang digunakan untuk evaluasi ini adalah kelas kerapatan sangat rapat (85 – 100%), rapat (70 – 84%), sedang (50 – 69%), dan rendah (30 – 49%). Untuk kelas kerapatan jarang dan sangat jarang tidak digunakan karena kelas tersebut belum mewakili adanya objek vegetasi.
Hasilnya adalah vegetasi pada test site 1 yang terletak di Kabupaten Katingan termasuk dalam 3 kawasan arahan kebijakan, yaitu sebagian kawasan pengusahaan skala besar, sebagian kawasan hutan alam dan lahan gambut, dan sebagian termasuk dalam kawasan perusahaan skala kecil. Lalu hasil pada vegetasi test site 2 yang terletak di Kabupaten Pulang Pisau termasuk dalam kawasan arahan kebijakan kawasan konservasi.
Hasil evaluasi terhadap Arahan Indikatif RKTN 2011 – 2030 adalah Pada test site 1 terdapat 0.002% dari vegetasi yang termasuk dalam kawasan hutan alam dan lahan gambut, 0.067% termasuk dalam kawasan pengusahaan kecil, dan 2.883% termasuk dalam kawasan perusahaan skala besar (HA/HT). Namun pada test site 2 84% vegetasi termasuk pada dalam kawasan arahan kebijakan. Ini menunjukkan bahwa adanya hutan gambut di Kalimantan Tengah yang tidak termasuk pada kawasan hutan alam dan lahan gambut. Sehingga diperlukan adanya evaluasi yang lebih lanjut tentang kesesuaian kawasan arahan kebijakan UU RKTN tahun 2011.
BAB V
PENUTUP
Kesimpulan
Dari penelitian ini dapat diambil beberapa kesimpulan, yaitu :
1. Rentang nilai NDVI pada panjang gelombang (670,800)nm pada citra Hymap test site 1 adalah -0.750 - 34.500, pada test site 2 lajur 1-5 adalah (-0.442 – 1.574), pada test site 2 lajur 7-16 adalah (-685.014 - 628.989). NDVI pada panjang gelombang (705,750)nm pada citra Hymap test site 1 adalah (-187.000 - 157.000), pada test site 2 lajur 1-5 adalah (-0.340 – 1.574), pada test site 2 lajur 7-16 adalah (-407.001- 469.001). Rentang nilai RDVI pada panjang gelombang (670,800)nm pada citra Hymap test site 1 adalah (-0.651- 0.976), pada test site 2 lajur 1-5 adalah (-0.270– 0.775), pada test site 2 lajur 7-16 adalah (-0.382- 6.230). sedangkan pada panjang gelombang (705,750)nm pada citra Hymap test site 1 adalah (-0.251- 0.591), pada test site 2 lajur 1-5 adalah (-0.251– 0.591), pada test site 2 lajur 7-16 adalah (-0.242- 4.690). Dan rentang nilai MSR pada panjang gelombang (705,750)nm pada citra Hymap test site 1 adalah (-19.287- 28.267), pada test site 2 lajur 1-5 adalah (-0.415– 19.698), pada test site 2 lajur 7-16 adalah (-28.496- 41.581).
2. Indeks Vegetasi NDVI pada panjang gelombang 705 – 750 nm menghasilkan hubungan korelasi yang paling baik yaitu sebesar 0.906.
3. Kelas presentase kerapatan vegetasi yang dihasilkan adalah sebanyak 6 kelas yang terdiri dari kelas sangat rapat ( NDVI : 0.995 - 1.114), rapat ( NDVI: 0.885 – 0.996), sedang ( NDVI : 0.772 – 0.886), rendah ( NDVI: 0.657 – 0.771), jarang ( NDVI: 0.542 – 0.656), dan sangat jarang ( NDVI: 0.384 – 0.541). Kelas prosentase kerapatan vegetasi yang paling dominan adalah kelas dengan zona kerapatan rendah pada test site 1 dan test site 2 pada lajur 1-5 dan zona kerapatan jarang pada test site 2 lajur 7-16. Sedangkan kelas dengan prosentase persebaran yang paling rendah adalah kelas zona kerapatan sangat rapat pada kedua test site.
4. Hasil evaluasi terhadap Arahan Indikatif RKTN 2011 – 2030 adalah Pada test site 1 terdapat 0.002% dari vegetasi yang termasuk dalam kawasan hutan alam dan lahan gambut, 0.067% termasuk dalam kawasan pengusahaan skala kecil, dan 2.883% termasuk dalam kawasan perusahaan skala besar (HA/HT). Namun pada test site 2 84% vegetasi termasuk pada kawasan konservasi dan sisanya tidak termasuk dalam kawasan arahan kebijakan.

Saran
Beberapa saran yang dapat disampaikan adalah sebagai berikut :
1. Pemilihan dan penggunaan citra beresolusi tinggi sebaiknya disesuaikan dengan tujuan interpretasi agar lebih efektif dan efisien.
2. Untuk penentuan indeks vegetasi dan panjang gelombang yang digunakan sebaiknya lebih disesuaikan dengan objek penelitian.
Full transcript