Profil Wilayah Kajian
Provinsi Jambi adalah sebuah provinsi Indonesia yang terletak di pesisir timur di bagian tengah pulau sumatera. Secara geografis wilayah kajian berada pada 0.450 Lintang utara - 2.450 Lintang Selatan dan 101.100 – 104.550 Bujur Timur. Batas-batas Provinsi Jambi yaitu sebelah Utara berbatasan dengan Provinsi Riau, sebelah Timur dengan Laut Cina Selatan, sebelah Selatan berbatasan dengan Provinsi Sumatera Selatan dan sebelah Barat dengan Provinsi Sumatera Barat dan Provinsi Bengkulu. Kondisi geografis yang cukup strategis di antara kota-kota lain di provinsi sekitarnya membuat peran provinsi ini cukup penting terlebih lagi dengan dukungan sumber daya alam yang melimpah. Berdasarkan data Pemerintah Provinsi Jambi 2013, topografi Provinsi Jambi bervariasi. Provinsi Jambi berada di bagian tengah Pulau Sumatera dengan topografi wilayah yang bervariasi mulai dari ketinggian 0 meter diatas permukaan laut (mdpl) di bagian timur sampai pada ketinggian di atas 1.000 meter diatas permukaan laut (mdpl), ke arah barat kontur lahannya semakin tinggi dimana di bagian barat merupakan kawasan Sumatera Barat yang merupakan bagian dari kawasan Taman Nasional Kerinci Seblat.
Luas wilayah Provinsi Jambi tercatat 53.435,92 Km2 yang terbagi atas luas daratan 48.989,98 Km2 dan luas lautan 4.445,94 Km2. Iklim Provinsi Jambi bertype A berdasarkan klasifikasi Schmidt dan Ferguson dengan curah hujan rata-rata 1.903.200 mm/tahun dan rata-rata-rata-rata curah hujan 116-154 hari pertahun. Klasifikasi Schmidt dan Ferguson ditentukan dengan memperhatikan unsur iklim curah hujan dan memerlukan data hujan bulanan paling sedikit 10 tahun. Kriteria yang digunakan adalah menentukan bulan kering dengan curah hujan dibawah 60 mm, bulan lembab dengan curah hujan 60 -100 mm dan bulan basah dengan curah hujan diatas 100 mm pada masing-masing bulan setiap tahun. Tipe A pada klasifikasi Schmidt dan Ferguson mencirikan daerah sangat basah dengan vegetasi hutan hujan tropis. Provinsi Jambi mengalami musim hujan pada bulan oktober sampai dengan april dan musim kemarau pada bulan mei sampai september.
9
Gambar 1 Wilayah kajian
Perubahan Luasan Penutupan Lahan
Penutupan lahan pada wilayah kajian diklasifikasikan dengan menggunakan metode klasifikasi tidak terbimbing. Metode klasifikasi tidak terbimbing menggunakan cara pengelompokan piksel-piksel menjadi beberapa kelas dengan menggunakan analisis cluster. Kelas klasifikasi dibagi atas empat kelas yang terdiri dari badan air, lahan vegetasi, lahan terbuka dan awan. Alasan pembagian kelas klasifikasi lahan dibagi empat dikarenakan penelitian ini fokus melihat perubahan lahan di Provinsi Jambi yang mayoritas hutan yang berubah menjadi lahan terbuka. Badan air termasuk dalam kelas klasifikasi dikarenakan Provinsi Jambi memiliki area lahan gambut yang akan mempengaruhi komposisi penutupan lahan. Lahan vegetasi dalam kelas klasifikasi dibagi atas semak, belukar, hutan dan lahan pertanian. Lahan terbuka dalam kelas klasifikasi dibagi atas area pembukaan lahan, bangunan dan perumahan dan jalan. Dalam pengolahan kelas klasifikasi lahan data yang digunakan yaitu data band pada citra satelit landsat yaitu band 542. Kombinasi band 542 dapat mendeteksi dan membedakan hasil pemotretan citra secara visual dengan menempatkan band 542 pada ruang tiga warna primr (red green blue)secara berurutan. Kombinasi band 542 merupakan band yang terdiri dari gelombang mid IR dengan panjang gelombang 1.55-1.75 m yang peka terhadap pantulan batuan dan kelembaban tanah, gelombang NIR dengan panjang gelombang 0.75-0.90 m yang peka terhadap pantulan struktur internal daun sehingga dapat menentukan kandungan biomassa dan tipe vegetasi dan gelombang hijau yang peka terhadap kesuburan dan pantulan nilai hujau vegetasi dengan panjang gelombang 0.525-0.605 m (EROS data center 1995).
10
Gambar 2 Persentase kelas tutupan lahan dengan data citra Landsat
Persentase badan air dari tahun 1997 sampai 2013 tidak mengalami perubahan yang signifikan, rata-rata persentase berada pada angka 17,75 hal ini dikarenakan perubahan lahan badan air tidak terlalu dimanfaatkan sehingga relatif stabil dan perubahan lahan yang terlihat signifikan pada lahan vegetasi dan lahan terbuka. Pada tahun 1997 persentase lahan vegetasi cenderung rendah dan persentase lahan terbuka cenderung meningkat hal ini menunjukkan bahwa adanya area pembukaan lahan hutan yang dimanfaatkan oleh pihak terkait. Menurut Lubis I dan Surya 2001 Adanya konflik kepentingan menyebebkan adanya kebakaran hutan yang panjang disumatera pada tahun 1990-an. Provinsi Jambi mengalami dampak yang sangat serius pada kebakaran hutan lahan gambut dengan jumlah titik api 440 titik pada bulan juli sampai otober 1997. Memasuki tahun 2000 terlihat adanya peningkatan persentase luas lahan vegetasi sebesar 6% dari tahun 1997-2000. Hal ini disebabkan oleh kondisi lahan yang sebelumnya terbakar mengalami suksesi yang berasal dari vegetasi lantai hutan seperti semak dan perdu serta pemanfaatan oleh pihak-pihak terkait dalam penanaman kelapa sawit. Kondisi ekosistem hutan yang terbakar akan merubah dari tipe hutan yang tertutup dengan formasi hutannya yang terdiri dari strata pohon sampai strata paling bawah atau lantai hutan menjadi lahan terbuka dan membentuk vegetasi pionir dan rintisan. Tidak tertutup kemungkinan kondisinya akan berubah menjadi ekosisitem padang rumput dan ekosistem rawa terbuka (Lubis I dan Surya 2001). Akibatnya persentase luas lahan terbuka mengalami penurunan sebesar 7%. Pada tahun 2009 persentase luas lahan vegetasi mengalami penurunan sebesar 4% dibandingkan tahun 2000 dan persentase lahan terbuka mengalami kenaikan sebesar 4%. Hal ini dikarenakan pada tahun 2009 diduga perkebunan kelapa sawit mengalami akhir pemanenan sehingga terjadi pergantian tanaman kelapa sawit baru dan aktivitas pembangunan yang meningkat. Namun persentase luas lahan
18 17 18 18 46 52 48 42 37 30 34 40 1997 2000 2009 2013
Persentase Lu
a
s La
ha
n
Badan Air Lahan Vegetasi Lahan Terbuka11 vegetasi mengalami penurunan kembali pada tahun 2013 sebesar 6% dan persentase luas lahan terbuka mengalami kenaikan sebesar 6%, hal ini dikarenakan pembukaan perkebunan kelapa sawit yang terus melonjak dan pembukaan lahan besar-besaran untuk di jadikan area industri dan bandara. Perkembangan dan pembangunan infrastruktur yang semakin meningkat sebesar 80% pada pembangunan rumah sederhana (Rahman 2010). Luasan tiap tutupan lahan diwilayah kajian tidak sepenuhnya menunjukkan kondisi di lapangan karena faktor error spasial saat proses klasifikasi dilakukan.
Distribusi Spasial Albedo
Albedo adalah rasio total radiasi matahari yang di pantulkan (RS out) terhadap total radiasi yang masuk (RS in) (stull 2000). Nilai albedo dapat memberikan informasi fisik pada suatu objek yang mendapat radiasi. Nilai albedo diekstraksi dari data citra landsat dengan menggunakan band visible yaitu band 3, band 2, dan band 1 yang memiliki kisaran panjang gelombang pendek (band 3 = 0.63-0.6λ m, band 2 = 0.52-0.60 m, band 1 = 0.45-0.52 m).
Tabel 1 Nilai albedo hasil ekstraksi data citra landsat dan literatur Albedo Ekstraksi dari citra
Albedo Literatur Klasifikasi Lahan 1997 2000 2009 2013
Badan Air 0.054 0.050 0.052 0.056 0.05-0.09 * Lahan Vegetasi 0.092 0.083 0.089 0.098 0.06-0.20 ** Lahan Terbuka 0.187 0.118 0.106 0.134 0.07-0.40 *** Keterangan : * Stull (2000) ** Dobos (2003) ***Post et al (2000)
Nilai albedo berkisar antara 0 sampai 1 yang berarti ketika bernilai 0 maka objek menyerap seluruh panjang gelombang yang datang sedangkan bernilai 1 maka objek memantulkan seluruh panjang gelombang yang datang. Albedo yang dihasilkan tiap permukaan bervariasi berdasarkan tipe tutupan lahan (Wen 2009). Albedo dipengaruhi oleh nilai gelombang pendek yang datang (Rs In) dan gelombang pendek yang dipantulkan (Rs Out) oleh suatu objek. Nilai Rs In untuk semuat tutupan lahan yaitu 534,4 – 586,3 Wm-2 untuk tahun 1997, 540,2 – 597,9 Wm-2 untuk tahun 2000, 630,1 – 679,4 Wm-2 untuk tahun 2009 dan 612,3 – 640,2 Wm-2 untuk tahun 2013. Nilai Rs Out tiap tutupan lahan berbeda-beda yaitu badan air (35,1 – 40,2 Wm-2), lahan vegetasi (52,9 – 72 Wm-2), dan lahan terbuka (79 – 193 Wm-2). Nilai albedo (Tabel 1) yang terkecil pada lahan badan air dan tertinggi pada lahan terbuka. Hal ini menunjukkan bahwa badan air meyerap lebih banyak radiasi yang datang sedangkan lahan terbuka memantulkan radiasi yang datang. Tabel 1 terlihat kisaran nilai albedo dari ekstraksi citra satelit landsat masuk kedalam rentang nilai dari hasil penelitan sebelumnya. Nilai albedo tiap klasifikasi
12
lahan berbeda yang dipengaruhi oleh faktor-faktor seperti kandungan air, warna dan kekasaran permukaan. Albedo pada tutupan lahan vegetasi memeiliki nilai yang lebih kecil dibandingkan dengan lahan terbuka. Radiasi yang didapatkan pada lahan cenderung sama namun radiasi yang dipantulkan cenderung berbeda. Radiasi yang dipantulkan pada permukaan vegetasi lebih rendah dari pada penutupan lahan non vegtasi (Dobos 2003).
Gambar 3 Distribusi Nilai Albedo
Gambar 3 menunjukkan sebaran nilai albedo pada tiap-tiap tahun. Tahun 1997 terlihat nilai albedo dominan berada pada kisaran nilai 0,3-0,7. Tahun 2000 terlihat nilai albedo dominan lebih rendah dari tahun sebelumnya pada kisaran nilai 0,3 -0,5. Pada tahun 2009 terlihat nilai albedo mengalami kenaikan yang dominan pada nilai 0,2-0,6. Pada tahun 2013 terlihat nilai albedo mengalami puncak penyebaran dengan dominan pada nilai 0,15-0,72. Nilai albedo yang besar menunjukkan radiasi gelombang pendek yang dipantulkan permukaan juga besar sedangkan albedo yang kecil menunjukkan radiasi gelombang pendek yang dipantulkan permukaan tersebut rendah. Selain itu nilai albedo yang besar menunjukkan radiasi gelombang pendek yang diserap kecil sedangkan nilai albedo yang kecil menunjukkan radiasi gelombang pendek yang diserap besar. Dari gambar 3 menunjukkan bahwa adanya perubahan lahan yang cenderung besar yang puncaknya pada tahun 2013 dimana nilai albedo pada kisaran yang nilai yang besar menjelaskan bahwa objek memantulkan radiasi yang datang. Lahan vegetasi lebih banyak menyerap radiasi yang datang sedangkan lahan terbuka lebih banyak memantulkan radiasi yang datang.
13
Gambar 4 Hubungan Albedo, Suhu permukaan dan suhu udara
Albedo merupakan perbandingan sinar datang dan sinar dipantulkan dari suatu objek. Sinar datang yang mengenai objek akan membuat objek menyerap energi/radiasi sehingga meningkatkan suhu permukaan pada objek tersebut, suhu permukaan akan mempengaruhi suhu udara yang berada diatas objek tersebut. Gambar 4 terlihat adanya hubungan antara albedo, suhu permukaan dan suhu udara. Suhu permukaan mengalami kenaikan maka suhu udara dan albedo relatif mengikuti untuk naik. Nilai albedo erat kaitannya dengan suatu objek, nilai albedo dan suhu permukaan suatu benda tergantung dengan sifat fisik permukaan objek diantaranya emisivitas, kapasitas panas jenis dan kondutivitas termal. Emisivitas adalah kemampuan suatu objek untuk menyerap radiasi. Kapasitas panas adalah besaran yang menggambarkan banyaknya kalor yang diperlukan untuk menaikkan suhu suatu objek. Konduktivitas termal adalah suatu besaran yang menunjukkan kemampuannya untuk mengahantarkan panas. Suatu objek mendapatkan radiasi dan objek memiliki emisivitas dan kapasitas panas yang besar dan konduktivitas termal yang rendah maka radiasi cenderung diserap yang menunjukkan nilai albedo kecil dan suhu permukaan objek tersebut akan menurun dan suhu udara yang berada diatas suhu permukaan akan cenderung mengalami penurunan contohnya pada badan air, sedangkan emisivitas dan kapasitas panas yang rendah dan konduktivitas termal besar maka radiasi akan dipantulkan yang berarti nilai albedo besar dan suhu permukaan akan meningkat contohnya pada lahan terbuka berupa bangunan/daratan (Sutanto 1994).
Distribusi Spasial Suhu Permukaan
Suhu permukaan merupakan suhu terluar dari suatu objek (suhu permukaan air pada badan air, kanopi vegetasi pada lahan vegetasi dan permukaan tanah/bangunan pada lahan terbuka). Suhu permukaan pada citra landsat
y = 1.335x + 18.44 R² = 0.900 y = 0.460x + 19.44 R² = 0.882 15 20 25 30 35 40 45 0.05 0.05 0.06 0.08 0.09 0.09 0.09 0.09 0.09 0.12 0.16 0.20 0.20 0.21 0.21 0.22 0.24 Suh u (Ce lci u s) Albedo Suhu Permukaan Suhu Udara
14
mengunakan band 6 yaitu band thermal. Band 6 dengan panjang gelombang 10.4-12.5 m dapat mendeteksi gejala alam yang berhubungan dengan panas sehingga dapat digunakan untuk pemetaan dan informasi geologi thermal (Eros Data Center 1995). Suhu permukaan didapat dari ekstraksi spectral radiance kemudian menjadi suhu kecerahan dan diturunkan menjadi suhu permukaan.
Gambar 5 Distribusi Suhu Permukaan di Provinsi Jambi (0C)
Hasil suhu permukaan rataan hasil ekstraksi data citra satelit Landsat pada lahan badan air, lahan vegetasi dan lahan terbuka berturut-turut adalah Nilai minimum dari pengolahan data citra yaitu 36oC, 38 oC, 41 oCuntuk tahun 1997, 31 o
C, 35 oC, 38 oC untuk tahun 2000, 31 oC, 33 oC, 38 oC untuk tahun 2009, 32 oC, 36 o
C, 41 oC untuk tahun 2013. Peningkatan suhu permukaan dari lahan badan air, lahan vegetasi dan lahan terbuka disebabkan oleh perbedaan emisivitas, kapasitas panas dan kondutivitas termal. Gambar 5 terlihat sebaran dan nilai rata-rata suhu permukaan tiap tahun. Tahun 1997 memiliki sebaran yang luas namun suhu permukaan rata-rata cenderung kecil, hal ini disebabkan oleh adanya awan sehingga memiliki nilai minus. Tahun 2000 memiliki sebaran yang normal dengan suhu permukaan rata-rata meningkat dari tahun sebelumnya. Tahun 2009 suhu permukaan rata-rata cenderung menurun namun penyebaran lebih banyak pada sisi atas kotak. Tahun 2013 memiliki sebaran yang padat pada suhu yang tinggi dengan nilai suhu permukaan rata-rata yang besar yaitu 31.8 yang menunjukkan bahwa kemampuan wilayah dalam menyimpan panas yang berasal dari radiasi mengalami penurunan dan lebih banyak memantulkan radiasi yang datang.
semakin besar kotak pada tiap-tiap tahun menunjukkan perubahan lahan cenderung besar. Tahun 2013 perubahan lahan terlihat jelas hal ini disebabkan nilai suhu permukaan rata besar dan memiliki kotak yang besar. Nilai
rata-15 rata suhu permukaan berbeda-beda hal ini dipengaruhi oleh tanggal akuisisi dari data yang digunakan. Tanggal akuisisi data mempengaruhi besar radiasi yang datang. Weng et al. (2001, 2004) juga menjelaskan bahwa kondisi amtosfer saat pemotretan citra, kondisi vegetasi, biomassa vegetasi, tutupan lahan, serta perbedaan pencahayaan radiasi matahari pada data citra dapat mempengaruhi nilai suhu permukaan.
Pengolahan data pada suhu permukaan dipengaruhi oleh suhu permukaan awan. Data citra satelit yang digunakan tidak terlalu bersih dari awan sehingga nilai suhu permukaan dari awan dihapus dari data. Dikarenakan permukaan dibawah awan tidak diketahui berapa nilai suhu permukaannya sehingga diambil batas yaitu sebesar 0 (0C), hal ini diakibatkan oleh nilai minimum pada hasil pengolahan data. Perubahan suhu permukaan dipengaruhi berbagai faktor-faktor yaitu emisivitas, kapasitas panas jenis, dan konduktivitas termal pada lahan tersebut. Suatu objek dipermukaan yang memiliki emisivitas dan kapasitas panas jenis rendah sedangkan konduktivitas termalnya tinggi maka objek tersebut akan mendapat suhu permukaan yang lebih tinggi. Terlihat badan air memiliki emisivitas dan kapasitas panas jenis paling tinggi dibandingkan lahan vegetasi dan lahan terbuka sehingga suhu akan lebih rendah dibandingkan lahan vegetasi dan lahan terbuka. Emsivitas badan air, lahan vegetasi dan lahan terbuka yaitu 0.98,0.95,0.92. Selain itu nilai NDVI dari badan air, lahan vegetasi dan lahan terbuka semakin berkurang, menurut Weng et al (2004) menyatakan bahwa suhu permukaan berkorelasi negatif dengan NDVI.
Gambar 6 Nilai Spesifik Suhu permukaan terhadap luas area (ppm OC/Ha) Nilai spesifik suhu permukaan merupakan nilai yang didapat dari nilai rata-rata suhu permukaan dibagi luas area. Nilai spesifik suhu permukaan digunakan untuk melihat faktor perubahan lahan. Gambar 6 menjelaskan nilai spesifik suhu permukaan pada masing-masing tahun yang dibagi luas lahan. Nilai spesifik suhu
11.15 10.19 11.08 16.92 0 2 4 6 8 10 12 14 16 18 1997 2000 2009 2013 Sp esi fi k Su h u P erm u kaan ( p p m C/Ha)
16
permukaan pada tahun 1997 sebesar 11.15 ppm oC/Ha dengan nilai suhu permukaan rata-rata yaitu 27.8 oC. Tahun 2000 nilai suhu permukaan rata-rata sebesar 24 oC dan spesifik suhu permukaan mengalami penurunan. Pada tahun 2009 nilai suhu permukaan mengalami kenaikan yaitu 26.2 oC dan peningkatan puncak pada tahun 2013 dengan nilai suhu permukaan rata-rata yaitu 31.4 oC dan nilai spesifik suhu permukaan yaitu 16.92 ppm oC/Ha. Dilihat dari tahun 1997 – 2000 menunjukkan penurunan nilai spesifik suhu permukaan yang menjelaskan bahwa faktor perubahan lahan diwilayah kajian cenderung menurun. Sedangkan dilihat dari tahun 2000 – 2013 menunjukkan kenaikan nilai spesifik suhu permukaan yang menjelaskan bahwa faktor perubahan lahan diwilayah kajian meningkat. Peningkatan terlihat ditahun 2013 apabila dibandingkan dengan tahun lainnya. Gambar 2 terlihat pada tahun 2000 – 2009 lahan vegetasi mengalami penurunan dan lahan terbuka mengalami peningkatan. Peningkatan lahan terbuka sebesar 4 % (165250 Ha) dengan nilai spesifik suhu permukaan yaitu 7.94x106 o
C/Ha. Pada tahun 2009 – 2013 persentase luas lahan vegetasi mengalami penurunan dan lahan terbuka mengalami peningkatan sebesar 6 % (341331,25 Ha) dengan nilai spesifik suhu permukaan yaitu 9,03x106oC/Ha.
Distribusi Spasial Suhu Udara
Suhu udara adalah tingkat atau derajat panas dari kegiatan molekul dalam atmosfer. Suhu udara dipengaruhi oleh suhu permukaan dikarenakan suhu udara di atmosfer dipengaruhi oleh permukaan wilayah tersebut. suhu udara tidak dipengaruhi oleh suatu objek yang terkena radiasi matahari, namun suhu udara dipengaruhi oleh partikel-partikel/molekul yang berada pada wilayah tersebut dan dipengaruhi oleh angin. Semakin kasar molekul/partikel disuatu tempat maka suhu udara cenderung meningkat sedangkan semakin kecil molekul/partikel disuatu tempat maka suhu udara cenderung menurun. Dikarenakan tidak dipengaruhi objek sehingga suhu udara dapat di interpolasi dengan metode IDW. Interpolasi IDW (Inverse Distance Weighting) adalah teknik interpolasi lokal deterministik yang menghitung nilai rata-rata sebagai jarak poin terdekat terhadap sampel. Poin lebih dekat terhadap sample memiliki pengaruh yang lebih besar dari bobot yang terjauh. Teknik interpolasi IDW tidak menghasilkan puncak, lubang, dan lembah dari input sample dan menyesuaikan dengan struktur data input. Teknik intrpolasi didasarkan pada prinsip-prinsip autokorelasi spasial. Prinsip interpolasi mengasumsikan bahwa poin lebih dekat lebih mirip dibandingkan poin yang terjauh
17
Tahun 1997 Tahun 2000
Tahun 2009 Tahun 2013
Gambar 7 Peta hasil nilai suhu udara menggunakan Interpolasi IDW Perubahan suhu udara diakibatkan perubahan lahan di permukaan. Perubahan lahan dari lahan vegetasi ke lahan terbuka membuat suhu cenderung naik. Gambar 7 menunjukkan sebaran nilai suhu udara dengan menggunakan interpolasi IDW. Tahun 1997 suhu cenderung rendah dikarenakan pada tahun 1997 baru pembukaan lahan menjadi perkebunan. Suhu cenderung meningkat dengan bertambahnya tahun. Puncak dari meningkatnya suhu udara yaitu pada tahun 2013. Penyebaran suhu terlihat semakin bertambah dibagian timur provinsi jambi, hal ini dikarenakan bagian timur provinsi jambi merupakan daerah ibukota provinsi jambi yang terdapat pusat pemukiman dan aktivitas kerja sehingga pembangunan dan deforestasi hutan meningkat. Bagian utara juga mengalami peningkatan suhu dikarenakan di daerah ini pada tahun 2013 mengalami pembukaan lahan perkebunan dan untuk pembangunan daerah seperti pembuatan bandara dan pemukiman.
18
Gambar 8 Distribusi perubahan nilai Suhu Udara
Gambar diatas menggambarkan distribusi perubahan nilai suhu udara dari tahun sekarang dengan tahun sebelumnya. Tahun 1997 menjadi tahun pembanding yang akan dibandingkan dengan tahun selanjutnya. Terlihat perubahan tahun 1997 dan 2000 mempunyai hasil berkorelasi negatif, hal ini menunjukkan tahun 1997 sebaran nilai suhu udara lebih besar dari nilai suhu udara tahun 2000. Tahun 2000 dan tahun 2009 mempunyai hasil berkorelasi normal yang menunjukkan bahwa tahun 2000 dan tahun 2009 memiliki nilai suhu udara yang hampir sama atau memiliki perbedaan cenderung kecil. Tahun 2009 dan tahun 2013 mempunyai hasil berkorelasi positif yang menunjukkan bahwa tahun 2013 memilki nilai suhu udara yang lebih besar dari tahun 2009. Semakin besar range dari selisih tahun nilai suhu udara maka dianggap bahwa daerah tersebut cenderung memiliki kondisi kenyamanan yang kurang baik. Suhu udara merupakan suhu yang terdapat di atmosfer dan tidak dapat pengaruh dari suatu objek tertentu. Faktor yang mempengaruhi suhu udara yaitu radiasi dari sinar matahari dan topografi. Suhu udara sangat di pengaruhi oleh permukaan bumi atau tutupan lahan dari suatu tempat.
Hubungan suhu udara dan klasifikasi lahan menunjukkan pengaruh yang signifikan, ketika lahan vegetasi berkurang maka suhu udara cenderung naik, sebaliknya ketika lahan vegetasi bertambah maka suhu udara cenderung turun. Perubahan suhu dari tahun 1997 sampai 2013 terjadi secara berurutan. Suhu udara tahun 1997 yaitu 29 0C, tahun 2000 yaitu 27 0C, tahun 2009 yaitu 28 0C dan tahun 2013 yaitu 290C. Tahun 1997 cenderung lahan vegetasi berkurang sehingga suhu udara cenderung naik yang disebabkan pembukaan perkebunan kelapa sawit, sedangkan tahun 2000 suhu cenderung mengalami penurunan dan perkubunan
19 mulai berkembang sehingga lahan vegetasi mengalami pertumbuhan. Tahun 2013 beberapa daerah di provinsi jambi membuka lahan secara besar besaran sehingga lahan vegetasi cenderung berkurang yang berdampak naiknya suhu udara