MODEL PENDUGA KESEHATAN HUTAN TANAMAN DI
AREAL TAMBANG MENGGUNAKAN CITRA RESOLUSI
SANGAT TINGGI PESAWAT TAK BERAWAK
SRI WAHYUNI
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI DISERTASI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa tesis berjudul Model Penduga Kesehatan Hutan Tanaman di Areal Tambang Menggunakan Citra Resolusi Sangat Tinggi Pesawat Tak Berawak adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, September 2016 Sri Wahyuni
RINGKASAN
SRI WAHYUNI. Model Penduga Kesehatan Hutan Tanaman di Areal Tambang Menggunakan Citra Resolusi Sangat Tinggi Pesawat Tak Berawak. Dibimbing oleh I NENGAH SURATI JAYA dan NINING PUSPANINGSIH.
Tingginya laju kerusakan hutan di Indonesia akibat deforestasi dan degradasi salah satunya disebabkan oleh kegiatan pertambangan, terutama yang menggunakan metode penambangan terbuka (open pit mining). Hal ini dikarenakan sebagian besar kegiatan pertambangan berada di dalam kawasan hutan. Salah satu usaha dalam mengembalikan fungsi lahan dan hutan adalah dengan kegiatan reklamasi hutan. Keberhasilan reklamasi hutan sangat ditentukan oleh kegiatan monitoring dan evaluasi. Salah satu indikator yang dapat digunakan dalam monitoring keberhasilan reklamasi hutan adalah biomassa. Salah satu metode cepat dalam menduga biomassa adalah dengan menggunakan pemodelan. Penelitian ini menggunakan foto udara resolusi sangat tinggi yang diperoleh dari pesawat tanpa awak (unmanned aerial vehicle /UAV) untuk menduga biomassa atas permukaan reklamasi hutan pasca tambang.
Tujuan utama penelitian ini adalah membangun model penduga kesehatan hutan tanaman di areal tambang yang diukur dari citra UAV berdasarkan pada nilai biomassa tegakan. Biomassa sangat erat kaitannya dengan pertumbuhan dan produktivitas tanaman, sehingga biomassa dapat dijadikan indikator dalam menduga keberhasilan reklamasi. Keberhasilan reklamasi di area tambang dilakukan dengan monitoring dan evaluasi melalui penilaian kesehatan hutan. Dalam menduga nilai biomassa, data utama yang digunakan untuk pembangunan model biomassa adalah variabel tegakan yang di ukur dari citra UAV. Citra UAV yang digunakan diambil pada ketinggian 400 m di atas datum (tinggi rata-rata permukaan lahan) dengan resolusi spasial 10 cm.
Penelitian menemukan bahwa citra UAV dapat digunakan secara akurat untuk mengevaluasi kesehatan hutan tanaman dengan pendekatan biomasa tanaman. Model terbaik dari penduga biomassa menggunakan peubah kerapatan tajuk dari citra UAV adalah: AGB(ton/ha)=0.2377Cc1.3688 dengan koefisien determinasi (R2) sebesar 0,844, simpangan rata-rata (SR) 2.29, simpangan agregat (SA) -0,023, bias (e) 0,98, dan Root Mean Square Error (RMSE) sebesar 1,784 dan simpangan rata-rata (SR) <10%.
SUMMARY
SRI WAHYUNI. Model for Estimating Forest Plants Health in Mining Area Using Unmanned Aircraft Vehicle. Supervised by I NENGAH SURATI JAYA and NINING PUSPANINGSIH.
One of the cause of high rate of deforestation and forest degradation is mining activities, especially those that use open-pit mining method. This is due to most of the mining activities are located in the forest area. One of the efforts to restore forest and land function is the reclamation activities. Forest reclamation success is largely determined by the monitoring and evaluation activities. One of indicators that can be used in monitoring the success of forest reclamation is biomass. A relatively rapid and robust method in estimating biomass is modeling. This study uses very high-resolution aerial photographs obtained from a drone (unmanned aerial vehicle/UAV) for estimating above ground biomass of the ex-coal mining reclamation area.
The main objective of this research is to build an estimation model of forest plants health in the mining area as measured from the image of UAV based on above ground biomass value. To build biomass models estimation used the variable that is measured from the stands of UAV imagery. UAV imagery used was taken at an altitude of 400 m above datum (the average height of the land surface) with a spatial resolution of 10 cm.
The study found that the UAV imagery can be used to accurately evaluate the health of forest plants with above ground biomass value. The best model of biomass estimation is: AGB(ton/ha)=0.2377Cc1.3688 with the correlation coefficient of 0.844, mean deviation of 2.29, aggregate deviation of -0.023, bias of 0.98, and Root Mean Square Error (RMSE) of 1.784 and mean deviation (MD) < 10% while Cc. This research concluded that UAV imagery could be used to estimate above ground biomass accurately.
© Hak Cipta Milik IPB, Tahun 2016
Hak Cipta Dilindungi Undang-Undang
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains
pada
Program Studi Ilmu Pengelolaan Hutan
MODEL PENDUGA KESEHATAN HUTAN TANAMAN DI
AREAL TAMBANG MENGGUNAKAN CITRA RESOLUSI
SANGAT TINGGI PESAWAT TAK BERAWAK
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2016
PRAKATA
Puji syukur kehadirat Allah SWT yang telah memberikan kelancaran sehingga penulis dapat menyelesaikan karya ilmiah ini. Tema yang dipilih dalam penelitian ini adalah Model Penduga Kesehatan Hutan Tanaman di Areal Tambang Menggunakan Citra Resolusi Sangat Tinggi Pesawat Tak Berawak (UAV) yang telah dilaksanakan sejak bulan Mei 2015 di Tanjung Enim, Sumatera Selatan.
Penulis mengucapkan terima kasih kepada Prof. Dr. Ir. I Nengah Surati Jaya, M.Agr dan Dr. Nining Puspaningsih, M.Si selaku dosen pembimbing dan serta Bapak Dr Ir M Buce Saleh MS, sebagai penguji luar komisi yang telah memberikan arahan dan saran dalam penyelesaian tesis ini. Ungkapan terima kasih juga penulis sampaikan kepada kedua orang tua dan saudara serta teman-teman atas doa dan bantuan motivasinya.
Penulis menyadari bahwa masih banyak kekurangan dalam penulisan karya ilmiah ini, sehingga saran dan kritik yang membangun sangat penulis harapkan.
Semoga karya ilmiah ini dapat bermanfaat.
DAFTAR ISI
Pembuatan Titik Plot dan Pengambilan Data 6
Pendugaan Biomassa 7
DAFTAR TABEL
1
Informasi lokasi dan umur tanam areal reklamasi hutan pasca tambang
batubara PT Bukit Asam Tahun 2015 4
2 S
pesifikasi UAV 6
3 P
ersamaan alometrik penduga biomassa 7
4 N
ilai biomassa berdasarkan kelas umur di area reklamasi PTBA
tahun 2015 11
5 K
orelasi antara peubah lapangan dan peubah citra 13
6 M
odel persamaan penduga biomassa menggunakan persen penutupan
tajuk citra 14
7 K
riteria statistik pada model penduga 15
8 K
riteria statistik pada validasi model penduga biomassa 15
9 P
eringkat validasi pada model penduga biomassa 15
10 I
ndeks kesehatan hutan terhadap umur tanam dan nilai biomassa 17
DAFTAR GAMBAR
lot lingkaran di areal reklamasi dengan luas 0.1 ha, 0.04 ha dan
0.02 ha 7
4 D
iagram alur penelitian 10
5 H
ubungan antara variabel kerapatan tajuk lapangan (Cl) dan citra (Cc) 12
6 H
ubungan antara variabel jumlah pohon lapangan (Nl) dan citra (Nc) 13
7 H
ubungan antara variabel diameter tajuk lapangan (DTl) dan citra
8 N ilai indeks kesehatan hutan berdasarkan fungsi umur 16
9 S
kala grafis indeks kesehatan hutan tanaman di area reklamasi tambang
batubara 18
10 K
erapatan tajuk pada citra UAV untuk kelas kurang sehat 18
11 K
erapatan tajuk pada citra UAV untuk kelas cukup sehat 19
12 K
erapatan tajuk pada citra UAV untuk kelas sehat 19
DAFTAR LAMPIRAN
1 B
iomassa setiap plot ukur 24
2 N
ilai indeks kesehatan hutan berdasarkan biomassa model 25
3 I
1
PENDAHULUAN
Latar Belakang
Indonesia merupakan negara terbesar kedua setelah Brazil, yang mengalami laju kerusakan hutan sangat tinggi akibat deforestasi dan degradasi hutan. Sekitar 684 ribu hektar telah hilang dalam kurun waktu tahun 2010–2015 atau sama dengan laju deforestasi dari 0.7% (FAO 2015). Berkaitan dengan hal tersebut, melalui mekanisme kesepakatan kerja sama antara negara-negara di bawah Konferensi Internasional, Indonesia menyatakan komitmennya melalui deklarasi oleh Presiden Joko Widodo, untuk mengurangi emisi gas rumah kaca (GRK) sebesar 29% melalui usaha bisnis dalam negeri dan 41% dengan dukungan internasional pada tahun 2030 (INDC 2015).
Kegiatan pertambangan, terutama yang menggunakan metode penambangan terbuka (open pit mining) telah menyebabkan deforestasi dan degradasi hutan. Hal ini dikarenakan sebagian besar kegiatan pertambangan berada di dalam kawasan hutan. Pertambangan di areal hutan akan mengurangi kemampuan hutan dalam menyerap karbondioksida dari udara (Lutfi dan Antono 2014; Ahirwal dan Maiti 2016), yang ditinjau dari penurunan nilai biomassa, produktivitas hutan, tanah dan lahan hutan (Puspaningsih et al. 2010; Subowo 2011; Virah-Sawmy et al. 2014).
Salah satu kewajiban dari setiap perusahan pertambangan adalah melakukan kegiatan reklamasi seperti yang tertuang pada UU No. 4 Tahun 2009 Pasal 96 dan PP.78 Tahun 2010 Pasal 2 Ayat 1. Pada pedoman reklamasi hutan P.4/Menhut-II/2011, diatur bahwa kegiatan reklamasi wajib untuk dilaporkan, dipantau dan di evaluasi keberhasilannya. Namun, penilaian keberhasilan reklamasi yang dilakukan selama ini didasarkan pada pengamatan langsung (terestrial) yang memakan waktu, membutuhkan biaya yang cukup mahal dan kurang dapat diakses dengan cepat. Oleh karena itu, diperlukan suatu teknik yang mampu memberikan informasi secara cepat, tepat, akurat dan tidak memakan waktu lama untuk menilai suatu keberhasilan reklamasi (Puspaningsih et al. 2010).
Salah satu indikator dalam menilai keberhasilan reklamasi bekas tambang batubara adalah biomassa (Muis et al. 2016). Penelitian yang terkait dengan biomassa atas permukaan dan hubungannya dengan perubahan struktur hutan, tipe ekosistem hutan dan distribusi spasialnya telah didokumentasikan dalam beberapa artikel (Puspaningsih et al.2010; Jaya et al. 2012; Achmad et al. 2013; Muis et al. 2016). Biomassa sangat erat kaitannya dengan pertumbuhan vegetasi hutan sekunder (Rusdiana dan Lubis 2012), sehingga biomassa dapat di jadikan indikator keberhasilan tanaman. Keberhasilan reklamasi di area tambang dilakukan dengan monitoring dan evaluasi melalui penilaian kesehatan hutan.
2 biomassa atas permukaan, penduga volume tegakan dan penduga kualitas tempat tumbuh Jati menggunakan citra unmanned aerial vehicles (UAV) telah dilakukan dan menghasilkan ketelitian yang cukup tinggi (Jaya et al. 2015; Kusnadi 2016).
UAV atau yang lebih populer dengan istilah drone merupakan sebuah pesawat tanpa awak yang dipandu dengan remote control. Hal ini juga dikenal sebagai UAS (unmanned aerial systems) sebagai sistem yang kompleks (Tang dan Shao 2015). Aplikasi drone remote sensing dalam penelitian di bidang kehutanan digunakan karena memiliki banyak keunggulan dimana UAV dapat dioperasikan dimana saja dan mampu secara periodik atau berulang, terbang rendah sehingga mampu menghasilkan citra dengan resolusi sangat tinggi, biaya yang relatif lebih rendah untuk akuisisi citra serta perawatan pesawat, dapat di aplikasi secara luas dan beragam, serta relatif aman karena tidak memerlukan awak pilot (Shofiyanti 2011; Gularso et al. 2013). Keunggulan lainnya adalah menjamin kecukupan sampel dan keakuratan data sehingga gambar resolusi tinggi yang diperoleh dari UAV dapat digunakan sebagai pengambilan keputusan masukan untuk pengelolaan tegakan hutan (Pan et al. 2011; Mesas-Carrascosa et al. 2014; Chianucci et al. 2016; Jaya et al. 2015).
Model penduga kesehatan hutan tanaman berdasakan nilai biomassa di area reklamasi dengan menggunakan peubah pada citra UAV belum pernah dilakukan. Oleh karena itu diperlukan penelitian untuk membangun sebuah model penduga biomassa atas permukaan untuk membangun indeks kesehatan hutan tanaman di area reklamasi tambang bekas batubara menggunakan citra UAV.
Tujuan Penelitian
Tujuan utama dari penelitian ini adalah untuk mengembangkan model penduga kesehatan hutan tanaman di areal reklamasi tambang berdasarkan nilai biomassa, menggunakan citra dari pesawat udara tak berawak (UAV) yang memiliki resolusi spasial 10 cm.
Manfaat Penelitian
Penelitian ini diharapkan dapat memberikan informasi terbaru mengenai simpanan biomassa atas permukaan untuk menilai kesehatan hutan tanaman pada daerah reklamasi bekas tambang batubara secara cepat menggunakan citra UAV.
Ruang Lingkup Penelitian
Pada penelitian ini ruang lingkup kajian untuk mempersempit dan mengkontrol proses perhitungan dan analisa agar sesuai dengan tujuan yang diharapkan, adalah:
1. Biomassa yang diteliti adalah biomassa di atas permukaan tanah, khususnya tegakan vegetasi, sehingga biomassa di bawah permukaan diabaikan.
2. Tegakan yang dihitung adalah pada tingkat tiang (dbh ≥ 10cm ‒ < 20cm) dan
3 tiang sudah memiliki bentuk tajuk yang jelas dan tinggi yang mampu di jelaskan secara visual oleh citra.
Kerangka Penelitian
Aktivitas pertambangan sebagian besar dilakukan didalam kawasan hutan, mengakibatkan deforestasi dan degradasi lahan. Hal ini mengakibatkan berkurangnya penyerapan karbondioksida di udara. Untuk meningkatkan kembali penyerapan CO2 di atmosfer maka di area bekas tambang harus dilakukan
reklamasi hutan.
Keberhasilan reklamasi hutan sangat ditentukan oleh kegiatan monitoring dan evaluasi. Penelitian tentang metode monitoring dan evaluasi untuk menilai keberhasilan reklamasi hutan melalui penilaian kesehatan hutan di area bekas tambang sangat diperlukan. Salah satu indikator yang dapat digunakan dalam monitoring kesehatan reklamasi hutan adalah biomassa.
Metode yang akurat dalam mengumpulkan data biomassa adalah dengan melakukan pengukuran lansung di lapangan atau terestrial (Lu 2006). Namun pengukuran lansung membutuhkan waktu yang lama, biaya yang tinggi dan tenaga yang besar. Untuk itu diperlukan metode yang mampu meminimalkan biaya, waktu, dan tenaga. Beranjak dari permasalahan tersebut, teknologi remote sensing yang memiliki resolusi sangat tinggi yaitu citra UAV diharapkan dapat digunakan sebagai sumber informasi untuk pembangunan model pendugaan biomassa dalam menilai kesehatan reklamasi hutan. Kerangka pikir dari penelitian ditunjukkan pada Gambar 1.
Pengurangan penyerapan CO2 di atmosfer
Penambahan penyerapan CO2 di atmosfer
Reklamasi Hutan
4
Gambar 1 Kerangka pemikiran penelitian
2
METODE
Waktu dan Tempat Penelitian
Pra penelitian dan pengumpulan data serta informasi awal telah dilakukan pada bulan Februari 2015 di PT Bukit Asam Tbk. Kecamatan Tanjung Enim, Kabupaten Muara Enim, Provinsi Sumatera Selatan pada areal reklamasi hutan/ revegetasi di koordinat 103.40° – 103.48° BT dan 3.41° – 3.46° LS. Pengambilan data lapangan telah dilakukan pada bulan Mei – Juni 2015 dan analisis data dilakukan bulan July 2015 – Mei 2016 di Laboratorium Remote Sensing, Fakultas Kehutanan, IPB. Areal reklamasi hutan yang dilakukan pengukuran adalah pada umur 1 tahun sampai 20 tahun, kecuali umur 3, 4 dan 7 tahun (penanaman tahun 2008, 2011 dan 2014). Informasi lokasi dan umur tanam lebih jelasnya ditampilkan pada Tabel 1.
Tabel 1 Informasi lokasi dan umur tanam areal reklamasi hutan pasca tambang batubara PT Bukit Asam Tahun 2015
5 282 m diatas permuakaan laut. Jenis tanah yang terdapat di lokasi penelitian adalah jenis Grumusol, Podsolik Merah Kuning dan Mediteran.
Kondisi vegetasi di areal reklamasi hutan pasca tambang didominasi oleh sebagian besar jenis-jenis tanaman budidaya dan vegetasi hutan semak belukar dan anakannya. Ekosistem hutan yang berada di sekitar areal reklamasi merupakan hutan sekunder, dikarenakan areal hutan pernah dibuka untuk ditanamani tanaman budidaya dan perladangan. Peta lokasi penelitian ditunjukkan pada Gambar 2.
Gambar 2 Peta Lokasi Penelitian
Data dan Alat
Pengambilan dan pengolahan data penelitian terbagi dari data digital (citra UAV) dan biofisik (data lapangan). Data digital yang digunakan adalah citra pesawat tidak berawak resolusi tinggi yaitu: kerapatan tajuk (Cc), diameter tajuk (DTc) dan jumlah pohon (Nc). Citra UAV yang digunakan merupakan citra hasil potret udara yang telah dilakukan oleh PTBA. Citra diperoleh dalam format ECW dan merupakan gabungan periodik terbang dalam kurun waktu satu tahun (Lampiran 1). Spesifikasi pesawat tanpa awak yang digunakan ditunjukkan pada Tabel 2. Sedangkan data biofisik berupa: diameter pohon (dbh), tinggi pohon, tinggi bebas cabang, kerapatan tajuk (Cl),diameter tajuk (DTl), jumlah pohon (Nl), serasah dan tumbuhan bawah.
6 clinometer, tambang, phiband, pita ukur, Haga hypsometer, kompas dan tallysheet.
Tabel 2 Spesifikasi citra pesawat tanpa awak (UAV)
Karakteristik Tipe/ dimensi
Software image processing Agisoft, inpho
Band RGB
Format citra TIFF
Resolusi citra 3 – 30cm (10cm)
Pembuatan Titik Plot dan Pengambilan Data
Teknik pengambilan contoh menggunakan metode stratified sampling dengan mempertimbangkan umur tanam dan persentase tutupan tajuk. Penentuan lokasi contoh dilakukan pada citra UAV dengan membagi seluruh area ke dalam grid ukuran 40 m x 40 m. Grid bertujuan untuk memudahkan penentuan lokasi titik plot yang mewakili persentase tajuk yang sesuai. Persentasi penutupan tajuk dibagi ke dalam tiga kelas (SNI 2010), yaitu jarang (10 − 40%) sedang (40 −
70%) dan rapat (70 − 100%). Klasifikasi penutupan tajuk dilakukan dengan metode klasifikasi visual yaitu dengan melakukan digitasi on screen. Pada citra UAV, variabel berdiri diukur adalah persen penutupan tajuk (Cc), jumlah pohon (Nc) dan diameter tajuk (DTc). Cc dihitung atas dasar perbandingan antara penutupan tajuk dalam setiap plot dengan luas plot. Nc dihitung dengan menggunakan perangkat sederhana. Secara teknis, pengukuran diameter tajuk dan penghitungan jumlah pohon dapat ditemukan pada penelitian Jaya 2003, Pretzsch 2009, Wahyuni 2012, Dhani 2012 dan Septiawardani 2012. DTc dihitung dengan menggunakan rumus sebagai berikut:
Keterangan:
DTc = diamater tajuk pohon pada citra
7 Pengamatan lapangan dilakukan dengan dua metode yaitu pengecekan titik dan pembuatan plot serta pengukuran dimensi tegakan lapangan. Plot ukur didasarkan pada tahun tanam, 0.02 ha untuk tahun tanam muda (1 − 4 tahun), 0.04 ha untuk tahun tanam sedang (5 − 8 tahun) dan 0.1 ha untuk tahun tanam tua (8 − 20 tahun) yang dijelaskan pada Gambar 3. Pengukuran serasah dan tumbuhan dalam ukuran r = 0.5 m, data semai r = 1.13 m, pancang ukuran r = 2.82 m, tiang ukuran r = 5.65 m.
Gambar 3 Plot lingkaran di areal reklamasi dengan luas 0.1 ha (a), 0.04 ha (b) dan 0.02 ha (c)
Pendugaan Biomassa
Biomassa yang dihitung secara aktual di lapangan pada reklamasi hutan menggunakan rumus alometrik sebagaimana yang dirangkum pada Tabel 3. Pada reklamasi hutan jenis tegakan yang ditanam didominasi oleh jenis cepat tumbuh. Tabel 3 Persamaan alometrik penduga biomassa
Nama lokal Nama latin Alometrik Sumber
Akasia daun kecil Acacia auriculiformis W= 0.027 D2,891 BALITBANG 2012
Akasia daun lebar Acacia mangium W= 0.070 D2,58 BALITBANG 2012
Semua Jenis W= 0.11BjD2.62
Kettering et al.
2001
Puspa Schima wallichii W= 0.459 D1,364 BALITBANG 2012
Sengon Paraserianthes falcataria W= 0.148 D2,299 BALITBANG 2012
Keterangan: Bj = Berat jenis pohon, W = Biomassa, D = Diameter setinggi dada (dbh)
Identifikasi jenis yang umum di lakukan oleh PTBA adalah identifikasi menggunakan nama lokal, sehingga terdapat keterbatasan dalam mengidentifikasi. Persamaan alometrik Kettering et al. (2001) digunakan pada jenis lain dengan asumsi persamaan yang digunakan adalah konsisten sehingga tidak menyebabkan over/under estimate pada jenis tertentu. Hasil biomassa lapangan dikonversi dalam satuan ton/ha. Perhitungan biomassa tumbuhan bawah dan serasah dilakukan dengan menghitung berat kering total.
r = 17.85 m
r = 11.28 m
r = 7.98 m
8
Rumus umum yang digunakan adalah rumus dasar berbasis berat basah sebagaimana yang digunakan peneliti lainnya (Hairiah dan Rahayu 2007, Septyawardani 2012, Wahyuni 2012) yaitu:
Pengujian normalitas dilakukan untuk mengetahui apakah sebaran data menyebar secara normal. Pengujian dilakukan dengan uji Kolmogorov Smirnov menggunakan bantuan software statistik Minitab 16. Sebaran data dinyatakan normal apabilamenunjukkan nilai P-value >0.05. Uji korelasi dilakukan dengan pendekatan Pearson untuk melihat hubungan peubah tegakan pada citra (Cc, DTc dan Nc) dengan peubah tegakan pada lapangan (Cl, DTl dan Nl). Hubungan yang kuat akan ditunjukkan oleh nilai korelasi yang besar dari 0.75. Pendekatan korelasi product moment (r) digunakan untuk mengetahui adanya hubungan antara peubah citra dalam pendugaan biomassa dengan menggunakan rumus:
r = Keterangan:
r = nilai korelasi
Xi = nilai rata-rata diameter tajuk, jumlah pohon dan kerapatan tajuk dari unit
plot contoh
Yi = nilai biomassa dari unit plot contoh
n = jumlah unit plot contoh
Besarnya nilai r berkisar antara -1 sampai +1. Jika nilai r = -1 maka hubungan antara dua peubah adalah korelasi negatif sempurna. Artinya, apabila salah satu peubah nilainya menurun, maka peubah lainnya akan meningkat. Sebaliknya jika nilai r = +1 maka hubungan antara dua peubah merupakan korelasi positif sempurna. Artinya, apabila salah satu peubah meningkat, maka peubah lainnya akan meningkat pula. Bila r mendekati -1 atau +1 maka hubungan antara peubah itu kuat dan terdapat korelasi yang tinggi antara kedua peubah itu.
9 Penyusunan Model
Model penduga biomassa dikembangkan dengan menggunakan peubah yang diukur pada UAV gambar yaitu Cc, DTc dan Nc. Untuk membangun model digunakan 40 sampel plot. Pemilihan model dilakukan dengan menggunakan analisis statistik yang meliputi evaluasi koefisien determinasi (R2), root mean square error (RMSE), s (sisaan), dan P-value. Model yang dipilih memiliki R2 lebih dari 0.51, RMSE dan s mendekati nol dan P-value besar dari 0.05, sehingga peubah bebas (X) mampu menjelaskan variabilitas peubah terikatnya (Y). Model matematika yang digunakan diterangkan sebagai berikut:
1. Model linear: Y = b0 + b1X
Y = biomassa atas permukaan tanah (ton/ha)
X = nilai peubah terukur pada citra (Cc, DTc dan Nc)
Pengujian Model
Model yang dibangun dan dipilih selanjutnya dilakukan pengujian statistik untuk menilai apakah model yang terpilih diterima atau tidak. Pengujian model dilakukan dengan menggunakan pendekatan asumsi kuadrat terkecil seperti yang dilakukan dalam peneliti-peneliti sebelumnya (Adinugroho 2009, Antono 2013 Yuwono et al. 2014). Prinsip dasar metode kuadrat terkecil adalah meminimumkan jumlah kuadrat simpangan antara nilai aktual dengan nilai dugaan (Sorenson 1970). Untuk memenuhi kriteria model yang dapat diterima dilakukan dengan analisis statistik meliputi: uji F, uji t, uji normalitas (uji Kolmogorof Smirnov), non-autokorelasi (uji Durbin Watson) dan uji heteroskedastisitas (uji Glejser).
Validasi Model
10 signifikansi > 0,05 (taraf nyata 5%). Model pendugaan yang baik memiliki nilai SA diantara -1 sampai +1, SR kurang dari 10%, e dan RMSE yang paling mendekati 0.
Indeks Kesehatan Hutan Tanaman
Indeks kesehatan hutan tanaman (IKHT) dibangun berdasarkan model penduga biomassa terpilih (MAGB) sebagai peubah Y dengan umur tanam (U) sebagai peubah X menggunakan analisis regresi. Persamaan regresi dipilih dengan mempertimbangkan nilai koefisien determinasi yang besar (mendekati 1). Persamaan regresi terpilih merupakan model kesehatan hutan tanaman (MKH). Asumsi yang digunakan pada penyusunan IKHT ini adalah sebagai berikut:
1. Variasi kualitas tempat tumbuh relatif seragam. Proses persiapan lahan (re-contructing dan pemberian top-soil) menggunakan jenis tanah, tingkat kesuburan dan volume yang sama.
2. Kualitas bibit saat penanaman sama.
3. Kondisi lingkungan (cuaca) pada saat penanaman sama.
Pada kondisi ini tanaman akan di anggap sehat jika mempunyai volume biomassa yang besar, dan sebaliknya volume yang rendah menyatakan kondisi tanaman kurang sehat. Pada penelitian ini kelas IKHT dibagi menjadi 3 kelas yaitu: sehat, cukup sehat dan kurang sehat. Rentang nilai pada masing-masing kelas didasarkan pada kelas umur tanaman. Secara matematis persamaan indeks kesehatan hutan disajikan sebagai berikut:
IKHT = f (MAGB, U) Keterangan:
IKHT = indeks kesehatan hutan tanaman
11
Agar semua tahapan penelitian dapat tergambar secara jelas, selanjutnya disajikan dalam diagram alur penelitian (Gambar 4).
Rektifikasi citra UAV
Pengukuran dimensi Citra
Digitasi on screen
Pengolahan biomassa lapangan Overlay data penutupan tajuk, diameter tajuk dan jumlah pohon
Pengukuran dimensi lapangan
Uji Normalitas
Diameter Tajuk Jumlah Pohon
Persen penutupan tajuk
Pemilihan Model Penyusunan
Model
Model terbaik Tidak Erat
Uji Korelasi
Validasi Model
Ditolak
12 Gambar 4 Diagram alur penelitian
3
HASIL DAN PEMBAHASAN
Biomassa Lapangan
Biomassa lapangan diperoleh dari hasil perhitungan biomassa menggunakan rumus alometrik. Tabel 4 menerangkan total biomassa atas permukaan pada masing-masing kelas umur.
Dari Tabel 4 ada kecenderungan nilai biomassa yang besar diperoleh pada umur muda, ini disebabkan oleh perbedaan jumlah pohon dan perbedaan jenis yang ditanam. Karakteristik lahan juga sangat mempengaruhi jumlah biomassa dan karbon tegakan (Rusdiana et al. 2013). Karakteristik lahan sangat dipengaruhi oleh kesuburan tanah. Kebaharuan peraturan yang mengatur tata pelaksanaan dan proses reklamasi tambang maka PTBA merubah ketinggian top soil yang ditimbun pada areal bekas tambang. Pada tahun tanam 2009 mencapai 1 meter timbunan, sedangkan pada umur tanam sebelum tahun 2009 hanya mencapai 60 cm (PTBA 2010).
Uji Normalitas dan Uji Korelasi
13 menunjukkan bahwa data menyebar secara normal. Hasil pengujian korelasi antara variabel lapangan dengan variabel citra di jelaskan pada Tabel 5.
Tabel 5 Korelasi antara peubah lapangan dengan peubah citra
Model R
Cc dan Cl 0.871
DTc dan DTl 0.379
Nc dan Nl 0.672
Ket: Cc: Persentase penutupan tajuk citra, Cl: Persentase penutupan tajuk lapangan, DTc: Rata-rata diameter tajuk citra, DTl: Rata-Rata-rata diameter tajuk lapangan, Nc: Jumlah pohon citra, Nl: Jumlah pohon lapangan
Hubungan yang sangat erat terdapat pada nilai persen penutupan tajuk ditunjukkan oleh Tabel 5 dengan nilai korelasi sebesar 0.871. Nilai korelasi yang rendah pada diameter tajuk dan jumlah pohon disebabkan oleh relief displacement area dan efek blur akibat image motion (IM) yang tinggi. IM maksimum yang masih layak jika < 0.01mm yang terdapat pada plot pengamatan citra UAV. Grafik hubungan antara peubah kerapatan tajuk lapangan (Cl) dan citra (Cc) di tampilkan pada Gambar 5, grafik hubungan antara peubah jumlah pohon lapangan (Nl) dan citra (Nc) ditampilkan pada Gambar 6 dan grafik hubungan antara peubah diameter tajuk lapangan (DTl) dan citra (DTc)Gambar 7.
14
Gambar 6 Hubungan antara peubah jumlah pohon lapangan (Nl) dan citra (Nc) Gambar 7 Hubungan antara peubah diameter tajuk lapangan (DTl) dan citra (DTc)
Salah satu masalah utama dalam pengolahan data citra UAV adalah efek degradasi blur yang disebabkan oleh gerakan kamera, dimana rasio pergeseran gambar dengan tinggi terbang sangat besar saat akuisisi citra. Hal ini dapat disebabkan oleh pergerakan penerbangan normal UAV serta angin kencang, turbulensi atau input operator yang tiba-tiba (Sieberth et al. 2013).
Risiko relief dispacement area dan efek degradasi blur pada citra UAV menyebabkan nilai diameter tajuk dan jumlah pohon tidak akurat dalam pendugaan biomassa, sehingga peubah yang digunakan hanya persen penutupan tajuk. Persen penutupan tajuk sebagai peubah terukur pada citra memiliki pengaruh kuat terhadap terhadap biomassa, ditunjukkan dengan tingginya nilai korelasi.
Pembangunan Model
Model dibangun dengan menggunakan peubah persen penutupan tajuk yang diukur pada citra UAV. Persamaan regresi yang dihasilkan disajikan pada Tabel 6. Untuk memperkirakan simpanan biomassa, penelitian ini menemukan bahwa persen penutupan tajuk yang diukur pada citra UAV berhubungan erat dengan persen penutupan tajuk yang diukur di lapangan (Gambar 5). Hal ini sesuai dengan beberapa penelitian sebelumnya, yang menyatakan bahwa tutupan tajuk bisa diukur secara konsisten dalam citra UAV, UAS dan foto udara non-metrik (Jaya dan Cahyono 2001; Kutia et al. 2015; Zhang et al. 2016; Chianucci et al. 2016).
Tabel 6 Model persamaan penduga biomassa menggunakan persen penutupan tajuk citra
Persamaan Model Persamaan R2
Power M1 AGB = 0.237Cc1.368 0.712
Linear M2 AGB = 1.580Cc – 28.86 0.607
Eksponensial M3 AGB = 16.52e0.022Cc 0.695
Polinomial M4 AGB=286.225–7.72X+0.067Cc2 0.642
15 Logaritmik M6 AGB = 30.307log10(Cc)-341.553 0.453
Pengujian Model
Pada pengujian model hanya menggunakan satu variabel bebas sehingga pengujian kolinearitas tidak dilakukan. Hasil dari uji F dan uji t menunjukkan
bahwa enam model memiliki Sig.F < α dan P-value < α pada tingkat signifikansi
α=0.05. Hal ini berarti bahwa peubah biomassa dapat dijelaskan oleh peubah penutupan tajuk untuk semua model yang dipilih. Dari hasil pengujian keabsahan model, dihasilkan lima model penduga yang memenuhi asumsi kuadrat terkecil (normalitas data dan homoskedastis) yaitu M1, M2, M3, M4 dan M5. Hasil pengujian ditampilkan pada Tabel 7.
Tabel 7 Kriteria statistik pada model penduga
Model Sig.F P.value Normalitas Heteroskedastisitas
M1 0.00 0.00 Normal Homoskedastis
M2 0.00 0.00 Normal Homoskedastis
M3 0.00 0.00 Normal Homoskedastis
M4 0.00 0.00 Normal Homoskedastis
M5 0.00 0.00 Normal Homoskedastis
M6* 0.00 0.00 Tidak normal Heteroskedastis
*: Tidak memenuhi syarat keabsahan model
Validasi Model
Validasi model dilakukan pada semua model yang dipilih untuk menilai keabsahan model. Pada dasarnya, validasi terhadap model terbangun dilakukan dengan membandingkan nilai biomassa model dan biomassa aktual di lapangan menggunakan beberapa kriteria statistik. Kriteria statistik pada validasi model penduga biomassa ditampilkan pada Tabel 8. Model terbaik dipilih dengan menggunakan metode rangking dan memberikan nilai skoring dimana pada setiap kriteria kriteria statistik yang dihitung diberikan angka 1 untuk nilai tertinggi dan angka 5 pada nilai terendah (Tabel 9).
Tabel 8 Kriteria statistik pada validasi model penduga biomassa
Model R2 S Chi-Square SR SA e RMSE Tabel 9 Peringkat validasi model penduga biomassa
Model R2 S Chi-Square SR SA e RMSE Total skor Ranking
M1 1 2 4 4 4 1 1 17 1
16
M3 2 4 2 3 3 2 3 19 3
M4 3 1 5 5 5 5 5 29 5
M5 5 5 1 1 2 4 4 22 4
Tabel 9 menunjukkan bahwa M1 adalah model terbaik dengan skor terendah. Model terpilih adalah AGB = 0.237Cc1.368 dimana telah memenuhi kriteria statistik pada validasi model dan memenuhi asumsi kuadrat terkecil. Model terpilih juga memiliki nilai koefisien determinasi terbesar yaitu 0.712, memiliki nilai bias (e) dan RMSE terkecil yaitu 0.984 dan 1.784, nilai SA berada di interval -1 ke 1 dan SR <10%. Hasil validasi menunjukkan bahwa tutupan tajuk dapat digunakan untuk memperkirakan biomassa atas permukaan dengan nilai SR < 10%. Penelitian ini sejalan dengan pernyataan González-Roglich et al. (2014) yang melakukan penelitian menggunakan citra pankromatik CBERS, bahwa persen penutupan tajuk merupakan penduga utama dalam penduga simpanan biomassa dan karbon pohon.
Indeks Kesehatan Hutan Tanaman
Pada penelitian ini biomassa dijadikan ukuran dalam menyatakan kesehatan hutan. Merujuk pada penelitian Nuhamara dan Kasno 2001, bahwa biomassa dan kerapatan tajuk yang rendah akan berdampak pada kesehatan hutan secara keseluruhan. Model M1 yaitu AGB=0,2377Cc1,3688 sebagai model terbaik yang diperoleh dalam model penduga biomassa menggunakan kerapatan tajuk, digunakan dalam mendapatkan nilai indeks kesehatan hutan tanaman. Nilai biomassa model yang diperoleh kemudian dihubungkan dengan umur tanaman untuk memperoleh nilai rataan indeks kesehatan hutan (Lampiran 3). Model kesehatan hutan tanaman di area reklamasi adalah MKH = 22.217U0.4887 dengan grafik model yang diterangkan oleh Gambar 8.
Gambar 8 Nilai indeks kesehatan hutan berdasarkan fungsi umur
17
Nilai indeks kesehatan hutan tanaman diklasifikasikan ke dalam tiga kelas yaitu sehat, cukup sehat dan kurang sehat. Pembagian kelas kesehatan hutan mengacu pada penilaian keberhasilan reklamasi di kawasan pertambangan (Latifah et al. 2005; Muis et al. 2016 ). Rentang nilai biomassa untuk masing-masing kelas kesehatan hutan pada umur tanaman 1 sampai 20 tahun ditampilkan pada Tabel 10.
Tabel 10 Indeks kesehatan hutan terhadap umur tanam dan nilai biomassa
Umur Kurang sehat Cukup sehat Sehat
1 13.330 13.331 ~ 22.216 22.217
18
Gambar 9 Skala grafis indeks kesehatan hutan tanaman di area reklamasi tambang batubara
Dari nilai indeks kesehatan hutan yang diperoleh maka ditampilkan salah satu contoh kerapatan tajuk citra UAV yang mewakili kelas sehat (Gambar 10), cukup sehat (Gambar 11), dan kurang sehat (Gambar 12) pada umur tanam yang sama yaitu umur 13 tahun.
19
Gambar 11 Kerapatan tajuk pada citra UAV pada kelas cukup sehat
20
4
SIMPULAN DAN SARAN
Simpulan
Penelitian ini menyimpulkan bahwa citra UAV dapat digunakan secara akurat untuk mengevaluasi kesehatan tanaman dengan pendekatan bomassa tanaman. Model terpilih untuk menduga biomassa dengan menggunakan kerapatan tajuk adalah AGB = 0.2377Ci1,3688 dengan nilai R2 sebesar 0.712 dan SR < 10%. Model kesehatan hutan tanaman di area reklamasi adalah MKH = 22.217U0.4887.
Saran
Citra UAV yang dipakai dalam penduga biomassa hendaknya memiliki kualitas yang baik (tidak terdapat blur image dan relief displacement area). Setiap jenis tambang dan lokasi tambang adalah unik. Oleh karena itu, pengujian-pengujian lebih lanjut pada berbagai jenis tambang, lokasi geografis tambang dan jenis tanaman yang berbeda perlu di uji cobakan. Teknologi UAV dan kamera digital juga berkembang demikian pesat, pengujian-pengujian berbagai citra UAV lain dengan melibatkan inframerah dapat di uji cobakan untuk mengetahui kesehatan pohon dan hutan.
DAFTAR PUSTAKA
Achmad E, Jaya INS, Saleh MB, Kuncahyo B. 2013. Biomass estimation using ALOS PALSAR for identification of lowland forest transition ecosystem in Jambi Province. Journal of Tropical Forest Management. 19(2): 145-155
Adinugroho WC. 2009. Persamaan alometrik biomassa dan faktor ekspansi biomassa vegetasi hutan sekunder bekas kebakaran di PT Inhutani I Batu Ampar Kalimantan Timur. Info Hutan. VI(2): 125-132
Ahirwal J dan Maiti SK. 2016. Assessment of soil properties of different land uses generated due to surface coal mining activities in tropical Sal (Shorea robusta) forest, India. Catena. 140:155-163[FAO]. Food and Agriculture Organization of The United Nation. 2016. Global Forest Resource Assessment 2015. Rome(IT)
Antono HT. 2013. Estimasi pendugaan biomassa hutan sekunder dan daerah reklamasi menggunakan data citra ALOS PALSAR. Statistika. 13(2):93-101
21 Chianucci F, Disperati L, Guzzi D, Bianchini D, Nardino V, Lastri C, Rindinella A, Corona P. 2016. Estimation of canopy attributes in beech forests using true colourdigital images from a small fixed-wing UAV. International Journal of Applied Earth Observation and Geoinformation. 47: 60-68 Dhani FAR. 2012. Penggunaan citra resolusi tinggi untuk pendugaan sediaan
tegakan jati (Tectona grandis, Linn.F) dengan teknik double sampling di KPH Madiun Perum Perhutani Unit II Jawa Timur [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Gularso H, Subiyanto S, Sabri LM. 2013. Tinjauan pemotretan udara format kecil menggunakan pesawat model skywalker 1680 (studi kasus: Area sekitar kampus Undip). Jurnal Geodesi Undip. 2(2):78-94.
González-Roglich M, Swenson JJ, Villarreal D, Jobbagy E, Jackson, RB. 2015. Woody plant cover dynamics in Argentine savannahs from the 1880s to 2000s: The interplay of encroachment and agriculture conversion at varying scales. Ecosystems.18:481-492.
Hairiah K, Rahayu S. 2007. Pengukuran karbon tersimpan di berbagai macam penggunaan lahan. Bogor (ID): World Agroforestry Centre ‒ ICRAF, SEA Region Office.
[INDC]. Intended Nationally Determinated Contribution Repoblic of Indonesia. 2015. Jakarta(ID).
Jaya INS, Cahyono AB. 2001. Kajian teknis pemanfaatan potret udara non-metrik format kecil pada bidang kehutanan. Jurnal Manajemen Hutan Tropika. 6(2): 55-64 Technical study on the use of small format non-metric aerial on forestry field. Journal on tropical forest management, Vol VI (2): 55-64 (in indonesia)
Jaya INS. 2003. Kajian teknis penggunaan Citra IKONOS dan CASI dalam rangka inventarisasi hutan: Studi kasus di Kebun Raya Bogor. Jurnal Manajemen Hutan Tropika. 9(2): 1-18. Technical study on the use of IKONOS and CASI imageries for Forest Inventory: A case study in Bogor Botanical Garden. Journal of Tropical Forest Management. Vol IX(2):1-18 (in Indonesian)
Jaya INS, Samsuri, Lastini T, Purnama ES. 2010. Teknik Inventarisasi Sediaan Ramin di Hutan Rawa Gambut. Bogor (ID): ITTO CITES Project dan Kementerian Kehutanan.
Jaya INS, Agustina TL, Saleh MB, Shimada M, Kleinn C, Fehrmann L. 2012. Above ground biomass estimation of dry land tropical forest using ALOS PALSAR in Central Kalimantan, Indonesia. Di dalam: Fehrmann L dan Kleinn C, editor. Forest in climate change research and policy: The role of forest management and conservation in a complex international setting, 2012 28 Nov-2 Des; Dubai dan Doha. Jerman (DE): Cuvillier Verlag. p. 107-123
Jaya INS, Kleinn C, Melati D, Fehrmann L, Perez-Cruzado C, Septyawardani E, Dhani FAR, Wahyuni S. 2015. Utilizing multi-source data for sustainable forest management in Indonesia. Proceedings of the 5th International DAAD Workshop: Bridging the Gap between information needs and forest inventory capacity. Durban and Pietermaritzburg, p.163-181
22 ground tree biomass in mixed secondary forest. Forest Ecology and Management. 146:199-209.
Kusnadi. 2016. Penduga volume dan kualitas tempat tumbuh jati menggunakan citra resolusi sangat tinggi pesawat tidak berawak. [tesis]. Bogor (ID): Institut Pertanian Bogor.
Kutia JR, Stol KA, Xu W. 2015. International conference on unmanned aircraft systems (ICUAS). Colorado (US): University of Auckland
Latifah S, Setiadi Y, Kusmana C, Suhendang E. 2005. The correlation between the heightening of Acacia Mangium and growth site factors on ex-areal of tin mining. Peronema Forestry Science Journal. 1(1):26-29
Lu D. 2006. The potential and challenge of remote sensing-based biomass estimation. International Journal of Remote Sensing. 27(7):1297-1328. Lutfi M dan Antono HT. 2014. Estimasi stok karbon di kawasan penambangan
akibat perubahan luas penutupan lahan terkait dengan REDD. Statistika. 14(1): 15-24
Mesas-Carrascosa FJ, Notario-García MD, Meroño de Larriva JE, Sánchez de la Orden M, García-Ferrer Porras A. 2014. Validation of measurements of land plot area using UAV imagery. International Journal of Applied Earth Observation and Geoinformation. 33: 270-279.
Muis H, Jaya INS, Saleh MB, Murtilaksono K. 2016. Information Required for Estimating The Indicator of Forest Reclamation Success in Ex Coal-Mining Area. IAES. 3(1)
Noor’an RF, Jaya INS, Puspaningsih N. 2015. Pendugaan perubahan stok karbon di Taman Nasional Bromo Tengger Semeru. Media Konservasi. 20(20):183-192
Nuhamara ST dan Kasno. 2001. Present Status of Forest Vitality : Forest Health Monitoring to Monitor The Sustainability of Indonesian Tropical Rain Forest Volume II. Bogor(ID): ITTO, Japan and SEAMEO-BIOTROP. Pan Y, Zhang J, Shen K. 2011. Crop area estimation from UAV transect and MSR
image data using spatial sampling method: a simulation experiment. Procedia Environmental Sciences. 7: 110-115.
Pretzsch H. 2009. Forest Dynamics, Growth and Yield. Heidelberg (DE): Springer.
Puspaningsih N, Murtilaksono K, Sinukaban N, Jaya INS, Setiadi Y. 2010. Pemantauan Keberhasilan Reforestasi di Kawasan Pertambangan Melalui Model Indeks Tanah. Jurnal Manajemen Hutan Tropika.; 16(2): 53-62 Puspaningsih N. 2011. Pemodelan Spasial dalam Monitoring Reklamasi Hutan di
Kawasan Pertambangan Kawasan Pertambangan Nikel PT. Inco di Sorowako Sulawesi Selatan [disertasi]. Bogor(ID): Institut Pertanian Bogor.
Qisheng H, Erxue C, Ru A, Yong L. 2013. Above-ground biomass and biomass components estimation using Lidar data in a coniferous forest. Forests. 4:984-1002
23 Rusdiana O, Mulyana D, Willujeng CU. 2013. Pendugaan potensi simpanan karbon tegakan campuran akasia dan kayu putih di area reklamasi PT Bukit Asam (Persero) Tbk. Jurnal Silvikultur Tropika. 4(3): 183-189. Sieberth T, Wackrowa R, Chandler JH. 2013. Automatic isolation of blurred
images from uav image sequences. 2013 4-6 September; Rostock, Jerman (DE): International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences. p. 361-366
Septyawardani E. 2012. Penyusunan model penduga sediaan tegakan dan biomassa hutan jati (Tectona grandis Linn.F) menggunakan citra dijital non-metrik resolusi tinggi [skripsi]. Bogor (ID): Institut Pertanian Bogor. [SNI] Standar Nasional Indonesia. 2010. Klasifikasi penutupan lahan. Bogor (ID):
BSNi
Shofiyanti R. 2011. Teknologi pesawat tanpa awak untuk pemetaan dan pemantauan tanaman dan lahan pertanian. Informatika Pertanian. 20(2): 58-64.
Sorenson HW. 1970. Least-squares estimation: from Gauss to Kalman. IEEE Spectrum. University of California, San Diego. July 1970
Subowo G. 2011. Penambangan sistem terbuka ramah lingkungan dan upaya reklamasi pasca tambang untuk memperbaiki kualitas sumberdaya lahan dan hayati tanah. Jurnal Sumberdaya Lahan. 5(2)
Tang L, Shao G. 2015. Drone remote sensing for forestry research and practices. Journal Forestry Research. 26(4):791-797
Virah-Sawny M. Ebeling J, Taplin R. 2014. Mining and biodiversity offset; A transparent and sciene-based approach to measure “no-net-loss”. Journal of Environmental Management. 143:61-70
Wahyuni, S. 2012. Identifikasi kualitas tempat tumbuh (bonita) menggunakan citra dijital non metrik resolusi tinggi di KPH Madiun Perum Perhutani Unit II Jawa Timur. [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Walpole RE. 1995. Pengantar Statistik Edisi 3 (Introduction to statistic 3rd). Jakarta(ID): Gramedia.
Yuwono T. Model penduga massa karbon hutan rawa gambut menggunakan citra alos palsar. [tesis]. Bogor (ID). Institut Pertanian Bogor.
Yuwono T, Jaya INS, Elias. 2015. Model penduga massa karbon hutan rawa gambut menggunakan citra Alos Palsar. Jurnal Penelitian Hutan dan Konservasi Alam. 12(1): 45-58