ESTIMASI CADANGAN KARBON HUTAN AKASIA
MELALUI PENDEKATAN NERACA ENERGI DENGAN
MENGGUNAKAN DATA CITRA LANDSAT-5 TM
ROSALINA
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Estimasi Cadangan Karbon Hutan Akasia melalui Pendekatan Neraca Energi dengan menggunakan Data Citra Landsat-5 TM 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
ABSTRAK
ROSALINA. Estimasi Cadangan Karbon Hutan Akasia melalui Pendekatan Neraca Energi dengan menggunakan Data Citra Landsat-5 TM. Dibimbing oleh TANIA JUNE.
Acacia mangium merupakan salah satu jenis tanaman yang cepat tumbuh (fast growing species) sehingga tingkat penyerapan karbon di udara oleh tanaman menjadi lebih cepat dibanding spesies lain. Tujuan penelitian ini adalah menentukan hubungan antara NDVI dan LAI serta menduga nilai cadangan karbon hutan Acacia mangium Willd di BKPH Parung Panjang KPH Bogor. Pendugaan nilai cadangan karbon dilakukan dengan mengekstraksi nilai-nilai radiasi yang ditangkap oleh citra satelit Landsat-5 TM melalui pendekatan neraca energi. Hubungan NDVI dan LAI hasil pendugaan berkorelasi positif dengan koefisien korelasi mendekati 1. Biomassa dan cadangan karbon yang tersimpan dalam hutan diduga dengan pendekatan nilai LAI berdasarkan Hukum Beer-Lambert. Cadangan karbon potensial hutan tanaman A. mangium tahun 2000 dan 2009 berturut-turut adalah 6.05 – 23.33 (ton/ha) dan 5.70 – 26.47 (ton/ha) dengan jumlah cadangan karbon total berturut-turut 57,388 ton dan 57,127 ton.
Kata kunci: Acacia mangium, cadangan karbon, neraca energi
ABSTRACT
ROSALINA. Estimating Carbon Stock of Acacia Forest by Energy Balance Approach using Landsat-5 TM Image Data. Supervised by TANIA JUNE.
Acacia mangium is a fast-growing plant species with its CO2 absorption rate for photosynthesis is higher than other species. Estimation of biomass and carbon accumulation of this fast growing plants was conducted using Landsat-5 TM year 2000 and 2009 on BKPH Parung Panjang KPH Bogor. Estimation of carbon stock of the surface planted by Acacia mangium was conducted by extracting values of the radiation variables reflected by plant canopy and captured by Landsat-5 TM satellite sensors. It was found that NDVI and LAI has positively correlated with a significant correlation coefficient. Biomass and carbon stored in the forest is estimated through estimating LAI using the radiation Beer-Lambert Law. It was found that potential carbon stock of Acacia mangium are 6.05 to 23.33 (ton/ha) and 5.70 to 26.47 (ton/ha) for 2000 and 2009 with a total amount of carbon reserves 57,388 ton and 57,127 ton respectively. It was concluded that the approach are feasible and can be used for other type of canopy cover.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
ESTIMASI CADANGAN KARBON HUTAN AKASIA
MELALUI PENDEKATAN NERACA ENERGI DENGAN
MENGGUNAKAN DATA CITRA LANDSAT-5 TM
ROSALINA
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Judul Skripsi : Estimasi Cadangan Karbon Hutan Akasia melalui Pendekatan Neraca Energi dengan menggunakan Data Citra Landsat-5 TM Nama : Rosalina
NIM : G24090044
Disetujui oleh
Dr Ir Tania June, MSc Pembimbing
Diketahui oleh
Dr Ir Rini Hidayati, MS Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia-Nya sehingga penulis berhasil menyelesaikan karya ilmiah berjudul Estimasi Cadangan Karbon Hutan Akasia melalui Pendekatan Neraca Energi dengan menggunakan Data Citra Landsat-5 TM. Karya ilmiah ini merupakan salah satu syarat kelulusan di program studi Meteorologi Terapan, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor.
Selama penulisan karya ilmiah ini penulis telah banyak menerima bantuan dari berbagai pihak. Oleh karena itu, ungkapan terima kasih patut penulis sampaikan pada seluruh pihak yang telah membantu dalam penyusunan karya ilmiah ini yaitu :
1. Kedua orangtua tercinta, kakak dan adik tersayang serta keluarga besar atas doa, kasih sayang dan dukungannya
2. Dr Ir Tania June, MSc selaku pembimbing yang telah memberikan arahan dan bimbingan serta saran dan kritik selama penelitian dan penulisan karya ilmiah ini
3. Dr Ir Sobri Effendy, Msi dan Yon Sugiarto, SSi MSc selaku dosen penguji yang telah memberikan saran dan kritik mengenai karya ilmiah ini
4. Dr Ir Rini Hidayati, MS selaku ketua Departemen Geofisika dan Meteorologi serta segenap staf pengajar yang telah senantiasa memberikan ilmu yang bermanfaat bagi penulis dan pegawai Departemen Geofisika dan Meteorologi atas dukungannya
5. Pihak Perum Perhutani atas izin penggunaan data pengukurannya serta staf SPH Bogor, Pak Alek, Pak Fajar, Pak Ato, Pak Deden, Kang Dodi dan lainnya yang telah banyak membantu dalam penyediaan informasi dan data pengukuran lapang hutan akasia
6. Sahabat tercinta Lia, Fira serta rekan seperjuangan (Silvi, Dissa, Santi, Noya, Alin, Dieni, Ima, Zia, Bang Nowa, Dodik, Ijal, Ipin, Edo, Wengky, Didi, Kresna dan lainnya yang tidak bisa saya sebutkan satu persatu ) yang telah memberi dukungan dan semangat
7. Teman-teman yang telah banyak membantu mas Eko, kak Fauzan, Muha, Bambang, Jame, Tommy, Winda, Pahmi, Kak Henny, Ghalib
8. Seluruh teman-teman GFM 46 tersayang, kakak GFM 44 dan GFM 45, adik GFM 47 dan GFM 48 serta semua pihak yang telah berjasa selama penelitian dan penyusunan skripsi ini yang tidak dapat saya sebutkan satu per satu.
Semoga karya ilmiah ini dapat memberikan manfaat.
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
Latar Belakang 1
Tujuan Penelitian 1
TINJAUAN PUSTAKA 2
Radiasi Matahari 2
Neraca Energi 2
Interaksi Radiasi Matahari dengan Kanopi Tanaman 2
NDVI dan LAI 3
Karakteristik Acacia mangium Willd 4
Profil Wilayah Kajian 4
METODE 5
Bahan 5
Alat 5
Prosedur Analisis Data 5
Pengolahan Awal Data Citra Satelit 5
Perhitungan NDVI 6
Perhitungan fAPAR 7
Perhitungan Komponen Neraca Energi 7
Perhitungan nilai sifat optikal kanopi 8
Perhitungan LAI 8
Perhitungan Biomassa dan Karbon 9
Perhitungan Biomassa dan Karbon Data Pengukuran 9
HASIL DAN PEMBAHASAN 9
Komponen Neraca Energi 9
Penyerapan radiasi A. mangium 10
LAI 11
NDVI dan LAI 11
Biomassa dan Karbon 12
Hasil Perhitungan Data Pengukuran 13
Biomassa dan karbon 13
Perbandingan Hasil Pendugaan dengan Observasi 14
SIMPULAN DAN SARAN 15
Simpulan 15
Saran 16
DAFTAR PUSTAKA 16
DAFTAR TABEL
1 Persamaan hubungan NDVI dengan parameter tanaman 4 2 Parameter pendugaan albedo dan radiasi gelombang pendek yang
dipantulkan 8
3 Nilai komponen neraca energi 10
4 Nilai fAPAR per umur pada tanaman A. mangium 11
5 Hubungan LAI dan NDVI untuk Acacia mangium 12
6 Nilai biomassa dan cadangan karbon 13
DAFTAR GAMBAR
1 Diagram alir penelitian 6
2 Analisis regresi NDVI dengan LAI tahun 2000 (kiri) dan tahun 2009
(kanan) 12
3 Jumlah biomassa dan karbon potensial hutan tanaman A. mangium
berdasarkan data observasi 14
4 Validasi biomassa dan cadangan karbon total A. mangium 15
DAFTAR LAMPIRAN
1 Peta sebaran nilai NDVI hutan A. mangium Parung Panjang tahun 2000
dan tahun 2009 19
2 Peta sebaran biomassa potensial hutan A. mangium Parung Panjang
tahun 2000 dan tahun 2009 20
3 Peta sebaran cadangan karbon hutan A. mangium Parung Panjang tahun
2000 dan tahun 2009 21
4 Metadata citra Landsat-5 TM, Juli 2000 22
PENDAHULUAN
Latar Belakang
Karbon tersimpan di daratan dalam bentuk biomassa pada tumbuhan dan bahan organik mati ataupun sedimen (fosil tumbuhan dan hewan). Alih fungsi lahan melalui pembakaran hutan mengakibatkan karbon tersimpan (biomassa) lepas ke atmosfer. IPCC (1995) memperkirakan emisi karbon dari deforestrasi hutan tropis pada tahun 1990-an sekitar 1.6 miliar ton C/tahun. Hal tersebut sebanding dengan 20% dari emisi karbon secara global yang menyebabkan perubahan iklim. Aliran karbon dari atmosfer ke vegetasi merupakan aliran yang bersifat dua arah, yaitu pengikatan CO2 ke dalam biomasa melalui fotosintesis dan pelepasan CO2 ke atmosfer melalui proses dekomposisi dan pembakaran.
Hutan sangat berperan penting sebagai penyimpan karbon di daerah daratan serta berfungsi sebagai penyerap karbon yang paling efisien khususnya vegetasi hutan tropis (IPCC 1995). Acacia mangium Willd merupakan salah satu jenis tanaman dengan pertumbuhan yang cepat dan tajuknya berpotensi cepat dalam menutup permukaan tanah sehingga mampu menekan pertumbuhan tumbuhan lain disekitarnya. Tingkat pertumbuhan tanaman yang cepat menyebabkan penyerapan karbon oleh tanaman di udara menjadi lebih cepat dibandingkan pertumbuhan tanaman yang lambat. Penelitian mengenai pendugaan jumlah cadangan dan penyerapan karbon oleh hutan tanaman telah banyak dilakukan. Data dan informasi cadangan karbon di berbagai tipe hutan tersebut telah dibukukan oleh Kemenhut (2010). Cadangan karbon oleh hutan tanaman Acacia mangium sebesar 91,2 ton C/ha (Gintings 1997), sedangkan Heriansyah dan Siregar (2002) melaporkan cadangan karbon untuk A. mangium umur hutan 3, 5, 8 dan 10 tahun berturtut-turut adalah 110.97, 176.84, 233.08 dan 280.89 ton CO2/ha.
Upaya mitigasi perubahan iklim perlu melibatkan sektor perubahan tutupan lahan dan kehutanan. Hutan tropis dapat mengandung biomassa dalam jumlah yang besar sehingga merupakan tempat penyimpanan karbon yang sangat potensial di dunia. Pendugaan cadangan karbon hutan pada penelitian ini akan dilakukan dengan teknologi penginderaan jauh menggunakan pendekatan neraca energi dimana mempertimbangkan energi yang diterima dan dilepaskan oleh vegetasi.
Tujuan Penelitian
Penelitian ini bertujuan :
1. Menganalisis hubungan antara NDVI dan LAI (pendekatan neraca energi) hutan tanaman Acacia mangium Willd tahun 2000 dan 2009
2
TINJAUAN PUSTAKA
Radiasi Matahari
Neraca Energi
Neraca energi merupakan kesetimbangan antara masukan energi dari matahari dengan kehilangan energi oleh permukaan setelah melalui proses-proses yang kompleks. Neraca energi dapat digunakan sebagai penciri kondisi iklim lokal suatu lokasi yang memberikan informasi nilai masing-masing komponen radiasi yang terkonversi menjadi fluks pemanasan laten, fluks pemanasan udara dan fluks pemanasan tanah. Nilai radiasi netto (Rn) dapat dihitung dari persamaan (Imrak et al. 2003),
Rn = Rns + Rnl (1)
dimana Rn adalah radiasi netto (Wm-2), Rns adalah radiasi netto gelombang pendek (Wm-2) dan Rnl adalah radiasi netto gelombang panjang (Wm-2). Radiasi netto gelombang pendek merupakan selisih antara radiasi yang datang dengan radiasi yang dipantulkan,
Rns = (1 –α)Rs (2)
dimana α albedo permukaan dan Rs adalah total radiasi gelombang pendek yang datang (Wm-2).
Interaksi Radiasi Matahari dengan Kanopi Tanaman
Radiasi matahari mempunyai peran penting dalam pemanasan dan fotosintesis tanaman serta dalam proses pertumbuhan dan perkembangan tanaman. Radiasi matahari yang sampai pada kanopi tanaman sebagian akan diserap, dipantulkan dan diteruskan atau masuk melalui celah daun hingga sampai pada lantai hutan (Pinty et al. 1997). Ketiga variabel tersebut merupakan komponen dasar dari hukum kekekalan energi. Jika bagian yang dipantulkan (refleksi) dari tanah di bawah kanopi adalah nol, maka hukum kekekalan energi dapat dinyatakan sebagai (Huang et al. 2006):
r( ) + a( ) + t( ) = 1 (3)
Persamaan 3 diatas menunjukkan bahwa radiasi yang diserap (absorbsi), dipantulkan (refleksi) dan diteruskan (transmisi) sama dengan insiden radiasi pada kanopi. Adanya proses-proses tersebut menyebabkan terjadinya perubahan spektrum dari radiasi matahari dipuncak, tengah dan dasar kanopi.
3 (dengan masing-masing adalah 38 %, 20 % dan 32 %). Tersedianya kanal-kanal ini dapat merepresentasikan 90 % nilai fAPAR yang terukur pada tanaman aslinya. Hasil ini merupakan pengukuran terbaik pada perkiraan total fAPAR yang diserap oleh tanaman (Myneni and Williams 1994). Berdasarkan hubungan tersebut dapat diketahui bahwa penyerapan radiasi (fAPAR) dapat diukur berdasarkan nilai panjang gelombang yang dipancarkan oleh tanaman yaitu melalui indeks vegetasi. Pada Landsat-5 TM panjang gelombang 0.401-0.513 m terdapat pada kanal 1, 0.535-0.587 m terdapat pada kanal 2 dan 0.589-0.685 m terdapat pada kanal 3.
NDVI dan LAI
NDVI (Normalized Difference Vegetation Index) merupakan indeks vegetasi yang menggunakan band NIR dan band merah untuk membedakan tutupan vegetasi dan non-vegetasi. Sedangkan LAI (Leaf area Index) merupakan nisbah antara luas daun dengan luas lahan tegakan yang diproyeksikan tegak lurus terhadap penutupan tajuk (Nemani and Running 1989).
NDVI hasil ekstraksi citra Landsat dapat menggambarkan distribusi vegetasi dan memetakannya berdasarkan pola karakteristik reflektansi klorofil serta perbedaan jumlah vegetasi pada tiap pikselnya (Jensen 2000). Nilai NDVI aplikasinya tersendiri. Band 3 dengan panjang gelombang 0.63-0.69 m berfungsi untuk memisahkan vegetasi, saluran pada serapan klorofil dan memperkuat kontras vegetasi dan bukan vegetasi, sedangkan band 4 dengan panjang gelombang 0.76-0.9 m memiliki sifat tanggap biomassa vegetasi serta berfungsi mengidentifikasi tipe vegetasi dan memperkuat kontras tanah-tanaman dan lahan air (Lillesand and Kiefer 1997). Pertimbangan rasio indeks dari band NIR dan IR didasarkan pada kuatnya perbedaan respon dari band tersebut dalam peningkatan Leaf Area Index (LAI) di kondisi tidak bervegetasi dan beberapa pengaruh dari variasi reflektansi disebabkan oleh perbedaan sensor geometri permukaan matahari (Chen and Cihlar 1996; Hall et al. 1995).
4
Karakteristik Acacia mangium Willd
Akasia mangium (Acacia mangium Willd.) termasuk ke dalam submarga Mimosoideae marga Leguminosae. Jenis mangium tumbuh secara alami di hutan tropis lembap di Australia bagian timur, Papua Nugini dan Kepulauan Maluku bagian timur Indonesia. Tanaman ini juga mudah beradaptasi pada berbagai jenis tanah dan kondisi lingkungan. Pada lahan dengan tingkat nutrisi yang rendah, bahkan pada tanah asam dan terdegradasi mangium dapat tumbuh cepat. Namun, mangium akan tumbuh kerdil dan kurus jika ditanam di bawah naungan (National Research Council 1983). Jenis ini juga tidak toleran terhadap lingkungan salin (asin).
Adaptasi A. mangium yang baik membuat A. mangium dapat tumbuh hingga ketinggian 800 mdpl (Atipanumpai 1989). Tanaman ini dapat tumbuh pada tempat dengan jumlah curah hujan tahunan yang bervariasi dari 1,000 mm hingga lebih dari 4,500 mm dengan rata-rata curah hujan tahunan antara 1,446 dan 2,970 mm. Di habitat alaminya, suhu minimum rata-rata berkisar 12–16 oC dan suhu maksimum rata-rata sekitar 31–34 oC (National Research Council 1983). Mangium dapat mengalami kematian jika terkena kekeringan yang parah atau musim dingin yang berkepanjangan sehingga mangium sangat sesuai tumbuh pada wilayah tropis seperti Indonesia.
A. mangium merupakan salah satu jenis tanaman yang cepat tumbuh (fast growing species). Secara umum, laju pertumbuhan mangium akan meningkat cepat pada tegakan berumur kurang dari 3 tahun yang terlihat pada pertambahan ukuran diameter batang rata-rata hingga 15 cm. Laju pertumbuhan kemudian melambat setelah tahun ke-lima dan pada umur 8 tahun diameter mulai tetap pada kisaran 25 cm. Pertumbuhan tinggi tanaman juga menunjukkan kecenderungan yang sama seperti pertumbuhan diameter. Pada umur 2-3 tahun, tinggi tanaman meningkat sedang hingga 10-15 m dan kemudian meningkat tajam hingga 25 m pada umur sekitar 5 tahun. Tinggi mulai tetap setelah umur 8 tahun (Krisnawati et al 2011).
Profil Wilayah Kajian
Penelitian ini dilakukan pada wilayah kajian BKPH Parung Panjang. Secara geografis BKPH Parung Panjang yang juga termasuk dalam KP Akasia mangium terletak pada 106°26’03” – 106°35’16” BT dan 06°20’5λ” – 06°27’01” LS. Kawasan hutan BKPH Parung Panjang terbagi dalam 3 Resort Pemangkuan Hutan
Tabel 1 Persamaan hubungan NDVI dengan parameter tanaman
Persamaan R2 Referensi Keterangan
5 (RPH) seluas 5,397.24 ha yaitu RPH Tenjo seluas 1.536,15 ha, RPH Maribaya seluas 2,127.39 ha dan Jagabaya seluas 1,733.70 ha (Pers. com. Perhutani).
Kawasan hutan A. mangium di BKPH Parung Panjang termasuk dalam tipe iklim A (Schmidt and Ferguson) dengan curah hujan rata-rata 3,000 mm/tahun. Suhu harian tertinggi mencapai 25.50 °C dan suhu terendah mencapai 18 °C berdasarkan ratio bulan basah dan bulan kering setiap tahun. Kawasan hutan ini memiliki konfigurasi lapangan yang bervariasi mulai dari datar (0-8 %) hingga agak curam (15-25 %) (Pers. com. Perhutani).
METODE
Bahan
Bahan-bahan yang digunakan adalah sebagai berikut:
a. Citra Landsat path/row 122/65 akuisisi 20 Juli 2000 dan 2 November 2009 (sumber: USGS)
b. Peta kelas hutan A. mangium Willd BKPH Parung Panjang KPH Bogor, Perum Perhutani tahun 2000, digunakan untuk pemotongan wilayah kajian. (dimodifikasi dari Dahlan 2005)
c. Data inventarisasi keliling tanaman kelas perusahaan A. mangium Willd BKPH Parung Panjang KPH Bogor (sumber : PT. Perhutani SPH Bogor)
Alat
Alat yang digunakan adalah seperangkat komputer yang dilengkapi dengan perangkat lunak ER Mapper, Arc GIS, spreadsheet dan beberapa perangkat lunak penunjang lainnya.
Prosedur Analisis Data
Langkah-langkah penelitian setiap tahapan secara umum disajikan dalam bentuk diagram alir pada Gambar 1.
Pengolahan Awal Data Citra Satelit
6
Gambar 1 Diagram alir penelitian
Keterangan :
7
Perhitungan fraction ofAbsorbed Photosynthetically Active Radiation (fAPAR) Nilai absorbsi tanaman dapat diduga dari nilai fAPAR yang diperoleh dari pengamatan NDVI data satelit (Landsat TM) dengan persamaan (Ochi and Shibasaki 1999 dalam June et al. 2006),
fAPAR = 1.075 NDVI – 0.08 (5)
Perhitungan Komponen Neraca Energi
Unsur-unsur neraca energi yang digunakan pada penelitian ini hanya unsur dengan radiasi gelombang pendek yang diturunkan dari nilai specrtral radiance kanal 1, 2, dan 3 data citra. Menurut Risdiyanto dan Setiawan (2007), komponen neraca energi yang digunakan untuk menduga nilai LAI adalah radiasi gelombang pendek netto dan albedo.
a. Konversi nilai digital number menjadi spectral radiance
Radiasi gelombang pendek dan albedo diestimasi berdasarkan nilai spectral radiance yang diperoleh dari nilai digital number (USGS 2009), persamaannya adalah
b. Albedo, Radiasi Gelombang Pendek dan Panjang
Radiasi panjang gelombang pendek yang dipantulkan objek diterima oleh citra satelit Landsat pada kanal visible (1, 2 dan 3). lbedo (α) merupaka perbandingan jumlah radiasi surya yang dipantulkan dengan jumlah energi radiasi surya yang diterima oleh suatu permukaan. Sensor yang digunakan untuk menghitung albedo adalah sensor yang menerima panjang gelombang pendek. Pendugaan albedo dari citra Landsat dalam USGS (2009) dipengaruhi oleh beberapa parameter seperti yang tertera pada Tabel 2. Albedo dan radiasi gelombang pendek yang keluar dapat ditentukan menggunakan persamaan (USGS 2009),
= S . o .L .d (7)
R out = L d ba d1 (8)
keterangan :
= albedo (unitless)
d = jarak astronomi bumi matahari
ESUN = rataan nilai solar spectral irradiance pada band (Wm-2sr-1 m-1) L = spektral radiance (Wm-2sr-1 m-1)
o Ө = sudut zenith matahari 1
8
Nilai d2 dihitung berdasarkan JD (julian day) yang dihitung dari tanggal 1 Januari sampai tanggal akuisisi data citra satelit dengan persamaan,
d = (1-0.0167 o (0.λ856( - ))) (9) Berdasarkan pendugaan nilai albedo dan jumlah radiasi gelombang pendek yang dipantukan dari data satelit, maka jumlah energi radiasi gelombang pendek yang diterima permukaan didapatkan dengan persamaan,
R R outα (10)
Perhitungan nilai sifat optikal kanopi
Nilai sifat optikal kanopi terdiri dari nilai refleksivitas, absorbsivitas dan transmisivitas kanopi.
1. Radiasi refleksivitas (Iρ)
Nilai energi yang direfleksikan dari permukaan dihitung berdasarkan nilai dari radiasi surya yang dipantulkan pada kisaran gelombang pendek (Risdiyanto dan Setiawan 2007).
2. Rad a ab orb ( α)
Radiasi absorbsi diduga melalui pendekatan nilai fAPAR dengan mempertimbangkan besarnya nilai NDVI kanopi,
α = R R (11)
keterangan :
= energi radiasi matahari yang diabsorbsi kanopi (Wm-2) = fraksi radiasi fotosintesis aktif yang diabsorbsi
Rs in = nilai radiasi gelombang pendek yang datang (Wm-2) 3. Rad a ya g d tra m ( τ)
Nilai transmisivitas dapat diperoleh dari pendekatan hukum kekekalan energi. Maka n la rad a matahar ya g d tra m ka oleh uatu permukaa ( τ) dapat diperoleh menggunakan persamaan,
τ = R – R out – α (12)
Perhitungan LAI
Pendugaan nilai LAI dilakukan dengan pendekatan neraca energi. LAI dapat dihitung melalui hukum Beer-Lambert. Prinsip kerja hukum Beer-Lambert adalah hubungan empiris dari cahaya yang meradiasi sebuah optik (permukaan homogen) dan optik tersebut menyerap (absorbsi) serta meneruskan (transmisi) radiasi dari cahaya tersebut. Asumsi yang digunakan dalam perhitungan LAI dengan pendekatan hukum Beer-Lambert diantaranya adalah bahwa tajuk tumbuhan adalah homogen (dapat dipenuhi oleh sifat komposit nilai pixel satelit yang digunakan), semua radiasi matahari langsung mengenai permukaan daun, langit dalam kondisi isotropik, dan nilai koefisien pemadaman (k) adalah konstan.
Tabel 2 Parameter pendugaan albedo dan radiasi gelombang pendek yang dipantulkan
2009 0.984523 27.1700978
9 Koefisien pemadaman untuk tanaman akasia sebesar 0.45 (Meinzer et al. 1996). Berdasarkan besarnya radiasi surya yang diabsorbsi dan ditransmisi oleh kanopi hutan akasia serta nilai dari suatu koefisien pemadaman, nilai LAI dapat diketahui dengan pendekatan hukum Beer-Lambert (Pierce and Running 1988) :
I = Ioe
Produksi biomassa potensial dihitung berdasarkan hasil kali antara efisiensi penggunaan radiasi surya dengan radiasi intersepsi (Qint). Efisiensi penggunaan radiasi surya pada tanaman A. mangium sebesar 1.75 x10-3 kg MJ-1 (Khasanah et al. 2006).
Bb = ε t =10( ε (1- e-k LAI) Rs in ) (14) Keterangan :
Bb = Produksi biomassa potensial (ton ha-1) ε = Efisiensi penggunaan radiasi (kg MJ-1) Qint = Radiasi intersepsi (MJ m-2)
10 = Faktor konversi (1 kg m-2 = 10 ton ha-1) LAI = Leaf Area Index(unitless)
k = Koefisien pemadaman
Rs in = Radiasi surya di atas tajuk tanaman (W m-2)
Nilai karbon dapat diduga berdasarkan biomassa potensial tanaman dengan persamaan (Brown 1997) :
C = 0.5*Biomassa (ton C ha-1`) (15)
Perhitungan Biomassa dan Karbon Data Pengukuran
Perhitungan biomassa dan karbon berdasarkan data pengukuran dapat dilakukan dengan menggunakan metode allometrik. Penelitian sebelumnya yang dilakukan Purwitasari (2011) menghasilkan persamaan allometrik biomassa dan cadangan karbon Acacia mangium di BKPH Parung Panjang sebagai berikut :
W = 0.140928 D2.31 , R2 = 98.7% (16) C = 0.5 W
keterangan :
W = Biomassa (kg)
D = Diameter tanaman setinggi dada (Dbh) (cm)
HASIL DAN PEMBAHASAN
Komponen Neraca Energi
Beer-10
Lambert. Besarnya radiasi matahari yang datang sangat mempengaruhi komponen neraca energi lainnya. Nisbah antara radiasi yang datang dan yang dipantulkan disebut albedo (Dobos 2003). Pendekatan neraca energi dilakukan dengan mengekstraksi nilai-nilai radiasi yang tertangkap oleh satelit. Komponen neraca energi yang digunakan untuk menduga LAI pada penelitian ini adalah albedo, radiasi gelombang pendek yang masuk dan yang dipantulkan kanopi. Nilai komponen neraca energi pada vegetasi A. mangium tahun pengamatan 2000 dan 2009 disajikan dalam Tabel 3.
Nilai albedo pada wilayah kajian (Tabel 3) berada pada kisaran albedo untuk vegetasi hutan sebesar 0.05-0.20 (Dobos 2003). Dobos (2003) juga menjelaskan bahwa jenis dan kondisi vegetasi memiliki pengaruh yang kuat terhadap albedo permukaan. Vegetasi hutan dengan kanopi yang bertingkat memiliki nilai albedo kecil yang disebabkan radiasi matahari yang datang masuk ke dalam kanopi hutan dan terjerat pemantulan antara cabang dan daun pepohonan di bawah kanopi. Pernyataan tersebut menjelaskan bahwa semakin besar LAI suatu kanopi maka nilai albedo akan semakin kecil.
Hasil perhitungan komponen neraca energi pada Tabel 3 menunjukkan radiasi matahari yang datang lebih besar terjadi pada tahun 2009. Hal tersebut kemungkinan disebabkan oleh faktor kondisi data citra yang digunakan terkait tanggal akuisisi citra. Data citra tahun 2009 diambil pada 2 November yaitu ketika matahari berada pada wilayah daerah tropis bagian selatan, sehingga radiasi yang diterima wilayah kajian lebih besar dibandingkan tahun 2000 yang diambil pada 20 Juli dimana matahari berada di daerah subtropis. Hal tersebut dijelaskan pula oleh Weng et al. (2004) bahwa nilai suhu permukaan dapat dipengaruhi oleh kondisi atmosfer saat pemotretan citra, kondisi vegetasi dan tutupan lahan serta perbedaan pencahayaan radiasi matahari.
Penyerapan radiasi A. mangium
Secara teorities bila dilihat dari persamaan Ochi and Shibasaki (1999), nilai fAPAR berkorelasi positif dengan NDVI dan secara tidak langsung menunjukkan kerapatan vegetasi. Kerapatan vegetasi ini mengindikasikan besarnya biomassa yang terkandung dalam vegetasi. Sehingga seiring pertambahan terjadi pula pertumbuhan tanaman yang menyebabkan biomassa tanaman meningkat dan mempengaruhi kerapatan tajuk tanaman.
Fraksi penyerapan radiasi untuk fotosintesis tanaman akasia pada setiap umur disajikan dalam Tabel 4. Terdapat beberapa nilai fAPAR yang tidak sesuai dengan peningkatan umur yaitu nilai fAPAR pada umur 3, 5 dan 7 tahun. Penurunan nilai fAPAR dari umur 3 sampai 4 tahun terjadi karena proses penjarangan tanaman
11 dalam pengelolaan hutan. Sedangkan penurunan nilai fAPAR dari umur 5 - 6 tahun dan umur 7 - 8 tahun kemungkinan terjadi karena adanya penebangan liar yang menyebabkan kerapatan tajuk berkurang.
LAI
Pendekatan metode neraca energi telah kerap kali dilakukan untuk menduga nilai LAI, potensi biomassa dan karbon di setiap penutupan lahan. Risdiyanto dan Setiawan (2007) menggunakan metode neraca energi untuk menduga nilai LAI pada penutupan lahan hutan alam, agroforest karet dan monokultur karet. Lastri (2011) menduga potensi biomassa dan karbon pada penutupan lahan perkebunan sawit dan membandingkannya dengan pendekatan nilai NDVI sawit. Hasil penelitian tersebut menunjukkan hubungan LAI (pendekatan neraca energi) berkorelasi negatif dengan LAI (pendekatan nilai NDVI) pada perkebunan sawit. Hal tersebut kemungkinan disebabkan oleh penggunaan asumsi radiasi absorbsi sama dengan radiasi emisi. Pendugaan LAI melalui pendekatan neraca energi pada penelitian ini dilakukan dengan asumsi radiasi absorbsi tidak sama dengan radiasi emisi. Radiasi absorbsi diketahui dari hasil kali radiasi gelombang pendek yang datang dengan nilai fAPAR yang diduga melalui nilai NDVI.
Kisaran nilai LAI hutan A. mangium tahun 2000 dan 2009 berturut-turut adalah 0.5 – 2.7 dan 0.4 – 2.3 dengan keragaman data yang lebih besar pada tahun 2000. Jika dibandingkan dengan hutan monokultur lainnya seperti karet, nilai LAI akasia lebih kecil dibanding nilai LAI karet yang berkisar 1.4 – 3.4 (Djumhaer 2003). Secara umum, nilai LAI hutan A. mangium tahun 2000 lebih besar dibandingkan tahun 2009. Hal tersebut terjadi karena pada tahun 2009 mulai mewabah serangan hama ulat kantong (Pteroma sp. dan Psyce sp.) yang menyebabkan warna daun kuning dan kering, sehingga rasio luas daun dengan luas lahan tegakan tajuk sedikit berkurang (Surat Keputusan Perhutani 2012).
NDVI dan LAI
Hubungan LAI dan NDVI berdasarkan Gambar 2 dan persamaan linier (Tabel 5) di bawah adalah berbanding lurus atau berkorelasi positif. Beberapa penelitian terkait korelasi LAI dengan indeks vegetasi menyatakan LAI berkorelasi positif dengan NDVI (Devagiri et al. 2013; Edirisinghe et al. 2012;
Tabel 4 Nilai fAPAR per umur pada tanaman A. mangium
Umur fAPAR
2 0.2469
3 0.4358
4 0.3639
5 0.4343
6 0.3578
7 0.4485
12
Twele et al. 2006). Hubungan antara dua variabel ini memiliki korelasi yang cukup kuat yang ditunjukkan dengan nilai korelasi pada setiap persamaannya. Persamaan linier pada tahun 2000 dinilai lebih baik dari tahun 2009 berdasarkan nilai korelasinya. Persamaan linier ini dapat digunakan untuk menduga nilai LAI tanaman akasia berdasarkan nilai NDVI dari data citra satelit. Namun, perlu juga mempertimbangkan kondisi lapang yang sebenarnya sehingga dapat mengurangi kesalahan dari faktor error data citra.
Biomassa dan Karbon
Berdasarkan hasil pendugaan nilai LAI melalui pendekatan neraca energi, estimasi nilai biomassa hutan tanaman A. mangium dilakukan menggunakan modifikasi persamaan Beer-Lambert dan estimasi nilai cadangan karbon adalah setengah dari biomassa (Brown 1997). Nilai biomassa dan cadangan karbon pada hutan tanaman A. mangium dapat dilihat pada Tabel 5. Jumlah potensial biomassa serta cadangan karbon tahun 2009 lebih besar dibandingkan tahun 2000. Hal ini terkait dengan besarnya radiasi matahari yang datang pada bulan November di tahun 2009. Kisaran nilai karbon hasil pendugaan melalui pendekatan neraca energi ini mendekati kisaran nilai pada referensi (Tabel 6), pendugaan Dahlan (2005) menggunakan pendekatan indeks vegetasi, Hidayah (2006) menggunakan model empirik dan Purwitasari (2011) menggunakan pendekatan allometrik dengan data pengukuran diameter batang di lapang.
Jumlah potensial biomassa dan karbon pada hutan tanaman akasia yang cukup tinggi dalam periode tanam yang singkat ini dipengaruhi oleh karakteristik pertumbuhan tanaman yang cepat. Karakteristik tersebut diimbangi dengan penyerapan radiasi yang besar walaupun tegakan daun sedikit vertikal. Hutan tanaman akasia Parung Panjang Perum Perhutani memiliki periode tanam 8 tahun dengan pertumbuhan optimum pada umur 8 tahun. Hal ini dijelaskan pula oleh
Tabel 5 Hubungan LAI dan NDVI untuk Acacia mangium
Tahun Persamaan Linier Korelasi (r) Stdev
2000 LAI = 4.326NDVI – 0.403 0.98 0.61
2009 LAI = 3.112NDVI + 0.102 0.82 0.55
13 Krisnawati et al. (2011) bahwa pertumbuhan tanaman akasia mulai melambat dan berhenti setelah berumur 5 dan 8 tahun. Secara keseluruhan hutan tanaman akasia memiliki potensi penyerapan karbon yang cukup tinggi, dimana penyerapan karbon secara optimum terjadi pada tanaman berumur 1 hingga 4 tahun dengan potensi penyerapan 110.97-176.84 ton CO2/ha/tahun (Heriansyah dan Siregar 2002 dalam Kemenhut 2010).
Biomassa total yang terkandung dalam hutan tanaman akasia Parung Panjang tahun 2000 dan 2009 berturut-turut adalah 114,422 ton dan 114,253 ton, sedangkan nilai cadangan karbon total berturut-turut adalah 57,388 ton dan 57,127. Biomassa total dan karbon tahun 2009 sedikit menurun dari tahun 2000. Hal ini terjadi karena nilai LAI tahun 2009 lebih kecil dibanding tahun 2000 yang disebabkan oleh serangan hama ulat kantong.
Hasil Perhitungan Data Pengukuran
Biomassa dan karbon
Kandungan biomassa dan karbon pada tegakan umur A. mangium berdasarkan persamaan allometrik disajikan pada Gambar 3. Grafik pada Gambar 3 menunjukkan hubungan yang linear antara pertumbuhan umur tanaman dengan kandungan biomassa dan karbon dengan korelasi mendekati satu. Hal ini menjelaskan bahwa seiring bertambahnya umur, kandungan biomassa dan karbon pada tanaman A. mangium akan bertambah pula. Perbedaan data dua tahun ini dapat dilihat berdasarkan jumlah potensial biomassa dan karbon tanaman berumur 4 tahun yang terdapat pada kedua data. Pola penurunan pada data pendugaan jumlah potensial biomassa dan karbon dari tahun 2000 – 2009 juga terjadi pada data pengukuran yang cenderung menurun dari tahun 2000 ke 2010.
Penurunan jumlah biomassa dan karbon ini menegaskan kembali bahwa serangan hama benar mempengaruhi jumlah biomassa hutan sehingga diperlukan penanganan khusus dalam penanggulangan dan antisipasi serangan hama ini agar tidak terjadi lagi di waktu yang akan datang. Namun penurunan yang cukup besar ini kemungkinan juga disebabkan oleh faktor lainnya yang mempengaruhi penurunan ini seperti berkurangnya area hutan yang ditanami serta terjadi penebangan liar dalam area hutan yang tidak terkontrol oleh pihak Perhutani. Sebaiknya dilakukan pengamatan lebih lanjut terkait penurunan jumlah biomassa dalam hal pengelolaan hutan.
Tabel 6 Nilai biomassa dan cadangan karbon
14
Perbandingan Hasil Pendugaan dengan Observasi
Validasi data pendugaan dari citra Landsat dilakukan dengan menggunakan data parameter diameter batang setinggi dada melalui pendekatan allometrik. Purwitasari (2011) telah menyusun persamaan allometrik yang menghubungkan antara diameter dan biomassa pada hutan tanaman A. mangium dengan korelasi mendekati 1. Pengukuran data lapang ini dilakukan setiap lima tahun oleh Perum Perhutani dengan keluaran buku risalah hutan pada setiap periodenya. Berdasarkan ketersediaan data tersebut, data pendugaan citra Landsat tahun 2000 divalidasi dengan data pengukuran tahun 2000 sedangkan data citra tahun 2009 divalidasi dengan data pengukuran tahun 2010.
Hasil pendugaan nilai biomassa dan karbon dari data citra tidak sesuai dengan hasil perhitungan data pengukuran di lapang yang disajikan pada Gambar 4. Perbedaan nilai ini kemungkinan disebabkan oleh model allometrik yang digunakan tidak mempertimbangkan jumlah cadangan karbon pada akar tanaman dan serasah yang terdapat di lantai hutan sedangkan pendugaan melalui data citra mempertimbangkan kedua komponen tersebut. Namun, pola penurunan nilai biomassa dan karbon dari tahun 2000 ke tahun 2009 hasil pendugaan citra sudah cukup mengikuti pola penurunan hasil perhitungan data pengukuran dengan asumsi kedua komponen tersebut diperhitungkan dalam model allometrik.
Penurunan nilai hasil pendugaan dari tahun 2000 ke 2009 hanya sekitar 0.15% sedangkan penurunan nilai hasil perhitungan sekitar 20.59%. Persentase penurunan nilai pada hasil pendugaan ini kemungkinan disebabkan oleh nilai efisiensi penggunaan radiasi surya , yang digunakan untuk menduga nilai biomassa, besarnya sama pada setiap tahun. Pada kenyataannya pada tahun 2009 terjadi serangan hama sehingga kemungkinan besar menyebabkan efisiensi penggunaan radiasi surya oleh tanaman akasia menurun. Berdasarkan hal tersebut perlu dilakukan koreksi nilai efisiensi penggunaan radiasi surya di tahun 2009 sesuai dengan penurungan biomassa dan karbon yang terjadi akibat serangan hama dan faktor lainnya. Faktor iklim dan cuaca seperti curah hujan juga perlu dipertimbangkan dalam penentuan bulan basah dan bulan kering sehingga mempengaruhi nilai efisiensi penggunaan radiasi surya yang digunakan dalam perhitungan biomassa.
Gambar 3 Jumlah biomassa dan karbon potensial hutan tanaman A. mangium berdasarkan data observasi
15
Validasi nilai pendugaan cadangan karbon tidak jauh berbeda dengan nilai biomassa. Secara keseluruhan nilai hasil pendugaan selalu lebih besar dari nilai hasil peritungan data pengukuran (over estimate) sehingga nilai pendugaan tidak sama dengan nilai pengukuran di lapang. Seperti yang telah dijelaskan sebelumnya bahwa faktor cadangan karbon yang terdapat pada akar dan serasah tidak dipertimbangkan pada hasil perhitungan data pengukuran . Namun sudah terbentuk penurunan biomassa dan cadangan karbon yang sama antara data pendugaan maupun data observasi lapang. Hal ini menunjukkan bahwa pendugaan cadangan karbon melalui pendekatan neraca energi dengan menggunakan data satelit cukup mewakili perhitungan sample data lapang.
SIMPULAN DAN SARAN
Simpulan
Hubungan NDVI dan LAI hasil pendugaan pendekatan neraca energi berkorelasi positif dengan persamaan LAI = 4.326NDVI – 0.403 (r 0.98) pada tahun 2000 dan LAI = 3.112NDVI + 0.102 (r 0.82) pada tahun 2009. Biomassa potensial hutan tanaman A. mangium tahun 2000 dan 2009 berturut-turut adalah 12.09 – 46.65 (ton/ha) dan 10.76 – 52. 94 (ton/ha) dengan jumlah biomassa total berturut-turut 114,422 ton dan 114,253 ton. Cadangan karbon potensial hutan tanaman A. mangium tahun 2000 dan 2009 berturut-turut adalah 6.05 – 23.33 (ton/ha) dan 5.70 – 26.47 (ton/ha) dengan jumlah cadangan karbon total berturut-turut 57,388 ton dan 57,127 ton. Hasil validasi menunjukkan pendugaan cadangan karbon melalui pendekatan neraca energi dengan menggunakan data satelit cukup mewakili perhitungan sample data lapang.
Gambar 4 Validasi biomassa dan cadangan karbon total A. mangium
16
Saran
Nilai fAPAR pada penelitian ini diduga dari nilai NDVI sehingga dalam hubungan LAI dan NDVI masih terdapat variabel yang saling mempengaruhi. Sebaiknya dilakukan pengukuran nilai fAPAR di lapang secara langsung sehingga terbentuk hubungan LAI dan NDVI sesuai kondisi lapang. Model neraca energi ini dapat digunakan dengan mempertimbangkan nilai efisiensi penggunaan radiasi yang mungkin berbeda pada setiap tahun pengamatan.
DAFTAR PUSTAKA
Atipanumpai L. 1989. Acacia mangium: studies on the genetic variation in ecological and physiological characteristics of a fast-growing plantation tree species. Acta Forestalia Fennica. 206: 1–92.
Brown S. 1997. Estimating biomass and biomass change of tropical forest. A Primer. FAO. (US). Forestry Pp 134.
Chen JM and Cihlar J. 1996. Retrieving leaf area index of boreal conifer forests using Landsat TM images. Remote Sens Environ. 55: 153–162.
Dahlan. 2005. Pendugaan Kandungan Karbon Tegakan Acacia mangium Willd menggunakan Citra Landsat ETM+ dan Spot-5 (Studi Kasus di BKPH Parung Panjang KPH Bogor). [tesis]. Bogor (ID): Institut Pertanian Bogor.
Devagiri GM, Money S, Singh S, Dadhawal VK, Patil P, Khaple A, Devakumar AS, Hubballi S. 2013. Assessment of above ground biomass and carbon pool in different vegetation types of south western part of Karnataka, India using spectral modeling. Trop Eco. 54(2): 149-165.
Djumhaer M. 2003. Pendugaan Leaf Area Index dan Luas Bidang Dasar Tegakan Menggunakan Landsat 7 ETM+ (studi kasus di Kabupaten Bungo Propinsi Jambi). [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Dobos E. 2003. Albedo. Encyclopedia of soil science. doi:10.1081/E-ESS 120014334.
Edirisinghe A, Clark D, Waugh D. 2012. Spatio-temporal modeling of biomass of intensively grazed perennial dairy pastures using multispectral remote sensing. Int. J App Earth Observ Geoinform. 16(2012): 5 – 6.
Gintings A Ng. 1997. Pendugaan biomasa karbon pada berbagai tipe hutan tanaman. Bogor (ID): Kerjasama JIFPRO dengan Puslitbang Hutan dan Konservasi Alam.
Hall FG, Townshend JR, Engman ET. 1995. Status of remote sensing algorithms for estimation of land surface state parameters. J Remote Sens Environ. 51:138–156.
Hidayah M. 2006. Leaf area index (LAI) and carbon stock estimation of Acacia mangium Willd using remote sensing technology. [tesis]. Bogor (ID): Institut Pertanian Bogor.
17 Imrak S, Imrak A, Jones JW, Howell TA, Jacobs JM, Allen RG, Hoogenboom G. 2003. Predicting Daily Net Radiation Using Minimun Climatological Data. J Irri Drain Engi. 129(4): 256 – 269. doi: 10.1061/(ASCE) 0733-9437(2003)129: 4(256)
[IPCC] Intergovernmental Panel on Climate Change (GB). 1995. The IPCC send assessment report: Scientific-technical analyses of impacts, adaptation, and mitigation of climate change. Cambridge (GB): Cambridge Univ Pr. p 427-467. Jensen J. 2000. Remote sensing of the environment : an earth resource perspective.
New Jersey (US): Prentice Hall.
June T, Ibrom A, Gravenhorst G. 2006. Integration of NPP semi mechanistic – modeling, remote sensing and CIS in estimating CO2 absorption of forest vegetation in Lore Lindu National Park. Biotropia. 13(1): 22 – 36.
[Kemenhut] Kementerian Kehutanan (ID). 2010. Cadangan karbon pada berbagai tipe hutan dan jenis tanaman di Indonesia. Bogor (ID): Pusat Penelitian dan Pengembangan Perubahan Iklim dan Kebijakan.
Khasanah N, Wijaya T, Vincent G, Noordwijk VM. 2006. Water status and radiation environment in rubber Hevea braziliensis systems: a comparison between monoculture and mixed rubber-Acacia mangium plots. In. ICRAF 9p. Bogor (ID) : CIFOR.
Krisnawati H, Kallio M, Kanninen M. 2011. Acacia mangium Willd.: ecology, silviculture and productivity . Bogor (ID): CIFOR.
Lillesand TM and Kiefer WR. 1997. Penginderaan Jauh dan Interpretasi Citra. Dulbahri, Prapto Suharsono, Hartono, Suharyadi, penerjemah. Yogyakarta (ID): Gajah Mada University Pr.
Lo CP. 1995. Penginderaan Jauh Terapan. Bambang Purbowaseso, penerjemah. Jakarta (ID): UI Press.
Meinzer FC, Fownes JH, Harrington RA. 1996. Growth indices and stomatal control of transpiration in Acacia koa stands planted at different densities. Tree Physio. 16: 607 – 615.
Myneni RB and Williams DL. 1994. On the relationship between fAPAR and NDVI. J Remote Sens Environ. 49: 200–211.
National Research Council. 1983. Mangium and other fast-growing Acacias for the humid tropics., Washington DC (US): National Academy Pr.
Nemani RR and Running SW. 1989. Testing a theoretical climate soil leaf area hydrologic equilibrium of forests using satellite data and ecosystem simulation. Agric For Meteor. 44: 245 – 260.
Pinty B, Verstraete MM, Govaerts. 1997. A Semidiscrete model for the scattering of Light by Vegetation. J Geophys Res. 102 (D8) : 9431-9446.
Pierce LL and Running SW. 1988. Rapid estimation of coniferous forest leaf area index using a portable integrating radiometer. Ecology. 69: 1762-1767.
Purwitasari H. 2011. Model Persamaan Allometrik Biomassa dan Massa Karbon Pohon Akasia Mangium (Acacia mangium Willd.) (Studi Kasus pada HTI Akasia mangium di BKPH Parung Panjang, KPH Bogor, Perum Perhutani Unit III, Jawa Barat dan Banten) [skripsi]. Bogor (ID): Institut Pertanian Bogor. Risdiyanto I dan Setiawan R. 2007. Metode neraca energi untuk perhitungan
18
Twele A, Erasmi S, Martin K. 2006. Estimation leaf area index under dense kanopi conditions using hemispherical photography and optical earth observation data: Prediction capabilities of spectral indices and artifical neural networks. Gottingen (DE): Workshop STORMA.
[USGS] United State Geological Survey (US). 2009. Landsat 7 science data users handbook [Internet]. [diunduh 2012 Feb 24]. Tersedia pada: http://Landsathandbook.gsfc.nasa.gov/handbook/handbook_htmls/chapter11/ch apter11.html.
19 Lampiran 1 Peta sebaran nilai NDVI hutan A. mangium Parung Panjang tahun
20
21 Lampiran 3 Peta sebaran cadangan karbon hutan A. mangium Parung Panjang
22
Lampiran 4 Metadata citra Landsat-5 TM, Juli 2000 GROUP = L1_METADATA_FILE
GROUP = METADATA_FILE_INFO
ORIGIN = "Image courtesy of the U.S. Geological Survey" REQUEST_ID = "0101209188131_00002"
LANDSAT_SCENE_ID = "LT51220652000202DKI00" FILE_DATE = 2012-09-18T11:14:26Z
STATION_ID = "EDC"
PROCESSING_SOFTWARE_VERSION = "LPGS_12.1.0" DATA_CATEGORY = "NOMINAL"
END_GROUP = METADATA_FILE_INFO GROUP = PRODUCT_METADATA DATA_TYPE = "L1T"
DATA_TYPE_L0RP = "TMR_L0RP" ELEVATION_SOURCE = "GLS2000" OUTPUT_FORMAT = "GEOTIFF" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "LANDSAT_5" SENSOR_ID = "TM"
SENSOR_MODE = "SAM" WRS_PATH = 122
WRS_ROW = 065
DATE_ACQUIRED = 2000-07-20
SCENE_CENTER_TIME = 02:37:33.9280940Z CORNER_UL_LAT_PRODUCT = -6.26891 CORNER_UL_LON_PRODUCT = 105.80909 CORNER_UR_LAT_PRODUCT = -6.26141 CORNER_UR_LON_PRODUCT = 107.92059 CORNER_LL_LAT_PRODUCT = -8.17650 CORNER_LL_LON_PRODUCT = 105.81249 CORNER_LR_LAT_PRODUCT = -8.16668 CORNER_LR_LON_PRODUCT = 107.93284
CORNER_UL_PROJECTION_X_PRODUCT = 589500.000 CORNER_UL_PROJECTION_Y_PRODUCT = -693000.000 CORNER_UR_PROJECTION_X_PRODUCT = 823200.000 CORNER_UR_PROJECTION_Y_PRODUCT = -693000.000 CORNER_LL_PROJECTION_X_PRODUCT = 589500.000 CORNER_LL_PROJECTION_Y_PRODUCT = -903900.000 CORNER_LR_PROJECTION_X_PRODUCT = 823200.000 CORNER_LR_PROJECTION_Y_PRODUCT = -903900.000 REFLECTIVE_LINES = 7031
REFLECTIVE_SAMPLES = 7791 THERMAL_LINES = 7031 THERMAL_SAMPLES = 7791
23 GROUND_CONTROL_POINT_FILE_NAME =
"LT51220652000202DKI00_GCP.txt"
REPORT_VERIFY_FILE_NAME = "LT51220652000202DKI00_VER.txt" BROWSE_VERIFY_FILE_NAME = "LT51220652000202DKI00_VER.jpg" METADATA_FILE_NAME = "LT51220652000202DKI00_MTL.txt" CPF_NAME = "L5CPF20000701_20000930.06"
END_GROUP = PRODUCT_METADATA GROUP = IMAGE_ATTRIBUTES
CLOUD_COVER = 5.00 IMAGE_QUALITY = 9
SUN_AZIMUTH = 50.55102110 SUN_ELEVATION = 45.49109690
GROUND_CONTROL_POINTS_MODEL = 1 GEOMETRIC_RMSE_MODEL = 4.221 GEOMETRIC_RMSE_MODEL_Y = 2.521 GEOMETRIC_RMSE_MODEL_X = 3.386 GROUND_CONTROL_POINTS_VERIFY = 1625 GEOMETRIC_RMSE_VERIFY = 0.161
END_GROUP = IMAGE_ATTRIBUTES GROUP = MIN_MAX_RADIANCE
24
CORRECTION_GAIN_BAND_2 = "CPF" CORRECTION_GAIN_BAND_3 = "CPF" CORRECTION_GAIN_BAND_4 = "CPF" CORRECTION_GAIN_BAND_5 = "CPF"
CORRECTION_GAIN_BAND_6 = "INTERNAL_CALIBRATION" CORRECTION_GAIN_BAND_7 = "CPF"
CORRECTION_BIAS_BAND_1 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_2 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_3 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_4 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_5 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_6 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_7 = "INTERNAL_CALIBRATION" END_GROUP = PRODUCT_PARAMETERS
GROUP = RADIOMETRIC_RESCALING RADIANCE_MULT_BAND_1 = 0.766 RADIANCE_MULT_BAND_2 = 1.448 RADIANCE_MULT_BAND_3 = 1.044 RADIANCE_MULT_BAND_4 = 0.876 RADIANCE_MULT_BAND_5 = 0.120 RADIANCE_MULT_BAND_6 = 0.055 RADIANCE_MULT_BAND_7 = 0.066 RADIANCE_ADD_BAND_1 = -2.286
END_GROUP = RADIOMETRIC_RESCALING GROUP = PROJECTION_PARAMETERS MAP_PROJECTION = "UTM"
DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 48
GRID_CELL_SIZE_REFLECTIVE = 30.00 GRID_CELL_SIZE_THERMAL = 30.00 ORIENTATION = "NORTH_UP"
RESAMPLING_OPTION = "CUBIC_CONVOLUTION" MAP_PROJECTION_L0RA = "NA"
END_GROUP = PROJECTION_PARAMETERS END_GROUP = L1_METADATA_FILE
25 Lampiran 5 Metadata citra Landsat-5 TM, November 2009
GROUP = L1_METADATA_FILE GROUP = METADATA_FILE_INFO
ORIGIN = "Image courtesy of the U.S. Geological Survey" REQUEST_ID = "9990907120001_05196"
LANDSAT_SCENE_ID = "LT51220652009306BKT00" FILE_DATE = 2012-09-11T01:21:00Z
STATION_ID = "EDC"
PROCESSING_SOFTWARE_VERSION = "LPGS_12.1.0" DATA_CATEGORY = "NOMINAL"
END_GROUP = METADATA_FILE_INFO GROUP = PRODUCT_METADATA DATA_TYPE = "L1T"
DATA_TYPE_L0RP = "TMR_L0RP" ELEVATION_SOURCE = "GLS2000" OUTPUT_FORMAT = "GEOTIFF" EPHEMERIS_TYPE = "DEFINITIVE" SPACECRAFT_ID = "LANDSAT_5" SENSOR_ID = "TM"
SENSOR_MODE = "BUMPER" WRS_PATH = 122
WRS_ROW = 065
DATE_ACQUIRED = 2009-11-02
SCENE_CENTER_TIME = 02:50:44.9820310Z CORNER_UL_LAT_PRODUCT = -6.29874 CORNER_UL_LON_PRODUCT = 105.82270 CORNER_UR_LAT_PRODUCT = -6.29090 CORNER_UR_LON_PRODUCT = 107.97763 CORNER_LL_LAT_PRODUCT = -8.18732 CORNER_LL_LON_PRODUCT = 105.82613 CORNER_LR_LAT_PRODUCT = -8.17710 CORNER_LR_LON_PRODUCT = 107.99003
CORNER_UL_PROJECTION_X_PRODUCT = 591000.000 CORNER_UL_PROJECTION_Y_PRODUCT = -696300.000 CORNER_UR_PROJECTION_X_PRODUCT = 829500.000 CORNER_UR_PROJECTION_Y_PRODUCT = -696300.000 CORNER_LL_PROJECTION_X_PRODUCT = 591000.000 CORNER_LL_PROJECTION_Y_PRODUCT = -905100.000 CORNER_LR_PROJECTION_X_PRODUCT = 829500.000 CORNER_LR_PROJECTION_Y_PRODUCT = -905100.000 REFLECTIVE_LINES = 6961
REFLECTIVE_SAMPLES = 7951 THERMAL_LINES = 6961 THERMAL_SAMPLES = 7951
26
GROUND_CONTROL_POINT_FILE_NAME = "LT51220652009306BKT00_GCP.txt"
REPORT_VERIFY_FILE_NAME = "LT51220652009306BKT00_VER.txt" BROWSE_VERIFY_FILE_NAME = "LT51220652009306BKT00_VER.jpg" METADATA_FILE_NAME = "LT51220652009306BKT00_MTL.txt" CPF_NAME = "L5CPF20091001_20091231.09"
END_GROUP = PRODUCT_METADATA GROUP = IMAGE_ATTRIBUTES
CLOUD_COVER = 8.00 IMAGE_QUALITY = 7
SUN_AZIMUTH = 108.51464612 SUN_ELEVATION = 63.12781693
GROUND_CONTROL_POINTS_MODEL = 1 GEOMETRIC_RMSE_MODEL = 4.294 GEOMETRIC_RMSE_MODEL_Y = 2.882 GEOMETRIC_RMSE_MODEL_X = 3.183 GROUND_CONTROL_POINTS_VERIFY = 650 GEOMETRIC_RMSE_VERIFY = 0.372
END_GROUP = IMAGE_ATTRIBUTES GROUP = MIN_MAX_RADIANCE
27 CORRECTION_GAIN_BAND_2 = "CPF"
CORRECTION_GAIN_BAND_3 = "CPF" CORRECTION_GAIN_BAND_4 = "CPF" CORRECTION_GAIN_BAND_5 = "CPF"
CORRECTION_GAIN_BAND_6 = "INTERNAL_CALIBRATION" CORRECTION_GAIN_BAND_7 = "CPF"
CORRECTION_BIAS_BAND_1 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_2 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_3 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_4 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_5 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_6 = "INTERNAL_CALIBRATION" CORRECTION_BIAS_BAND_7 = "INTERNAL_CALIBRATION" END_GROUP = PRODUCT_PARAMETERS
GROUP = RADIOMETRIC_RESCALING RADIANCE_MULT_BAND_1 = 0.766 RADIANCE_MULT_BAND_2 = 1.448 RADIANCE_MULT_BAND_3 = 1.044 RADIANCE_MULT_BAND_4 = 0.876 RADIANCE_MULT_BAND_5 = 0.120 RADIANCE_MULT_BAND_6 = 0.055 RADIANCE_MULT_BAND_7 = 0.066 RADIANCE_ADD_BAND_1 = -2.286
END_GROUP = RADIOMETRIC_RESCALING GROUP = PROJECTION_PARAMETERS MAP_PROJECTION = "UTM"
DATUM = "WGS84" ELLIPSOID = "WGS84" UTM_ZONE = 48
GRID_CELL_SIZE_REFLECTIVE = 30.00 GRID_CELL_SIZE_THERMAL = 30.00 ORIENTATION = "NORTH_UP"
RESAMPLING_OPTION = "CUBIC_CONVOLUTION" MAP_PROJECTION_L0RA = "NA"
END_GROUP = PROJECTION_PARAMETERS END_GROUP = L1_METADATA_FILE
28
RIWAYAT HIDUP
Penulis lahir pada 28 April 1991 di Bogor, Jawa Barat, dari pasangan Kusnadi dan Yeti Rosmiyati. Penulis merupakan anak kedua dari tiga bersaudara. Penulis menyelesaikan pendidikan menengah pertama di SMP Negeri 2 Bogor tahun 2006. Pada tahun 2009 penulis lulus dari SMA Negeri 6 Bogor dan pada tahun yang sama diterima di IPB melalui jalur Undangan Seleksi Masuk Institut Pertanian Bogor (USMI) untuk program studi Meteorologi Terapan, Departemen Geofisika dan Meteorologi (GFM), Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA).
Selama menjadi mahasiswa, penulis aktif di beberapa kegiatan mahasiswa yaitu Himpunan Profesi Mahasiswa Agrometeorologi (HIMAGRETO) periode 2011 dan 2012, Himpunan Mahasiswa Meteorologi Indonesia (HMMI) periode 2011 – 2012. Penulis juga ikut serta sebagai volunteer dalam kegiatan mengajar di Indonesian Climate Student Forum (ICSF) pada tahun 2011. Tahun 2012 penulis melakukan kegiatan magang di Center for Climate Risk and Opportunity Management (CCROM) Southeast Asia and Pacific (SEAP) IPB.
