Halaman Analisis Pemanfaatan Data CMORPH-IRI untuk Estimasi Curah Hujan Wilayah di Palangka
Raya, Kalimantan Tengah dan Pekanbaru, Riau
Indah Prasasti dan Suciantini ... 1 Pengaruh Kerapatan Akar, Pupuk dan Kedalaman Muka Air Tanah terhadap Emisi CO2 dari
Tanah Gambut pada Perkebunan Kelapa Sawit
Setiari Marwanto, Supiandi Sabiham, Untung Sudadi, dan Fahmuddin Agus ... 9 Pengaruh Ameliorasi Tanah Rawa Pasang Surut untuk Meningkatkan Produksi Padi Sawah
dan Kandungan Besi dalam Beras
Subowo, N. Putu Sri Ratmini, R. Purnamayani, dan Yustisia ... 19 Status Natrium pada Tanah Tercemar Limbah lndustri Tekstil di Rancaekek, Kabupaten
Bandung
Muhamad Djuwansah ... 25 Pencemaran Nitrat pada Air Sungai Sub DAS Klakah, DAS Serayu di Sistem Pertanian Sayuran
Dataran Tinggi
Mas Teddy Sutriadi dan Sukristiyonubowo ... 35 Dinamika Aliran Bawah Permukaan pada Berbagai Kandungan Kimia Air secara Spasial dan
Temporal di dalam Daerah Aliran Sungai
Nani Heryani, Hidayat Pawitan, M. Yanuar J. Purwanto, dan Kasdi Subagyono ... 45 Karakteristik Tanah dan Kesesuaian Lahan Tanaman Tebu di Kecamatan Kunduran, Blora,
Jawa Tengah
Sofyan Ritung dan Erna Suryani ... 57
JTI Vol. 37 No. 1 Hal 1-68 Bogor, Juli 2013 ISSN 1410-7244
Jurnal TANAH dan IKLIM
Indonesian Soil and Climate Journal Volume 37 Nomor 1, Juli 2013
Terakreditasi LIPI, No. 471/AU2/P2MI-LIPI/08/2012 Ketua pengarah:
Kepala Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian
Ketua penyunting:
Dr. Yiyi Sulaeman Anggota penyunting:
Prof. Dr. Fahmuddin Agus Dr. Budi Kartiwa
Dr. Markus Anda Dr. Edi Husen Dr. Dedi Nursyamsi Dr. Rizatus Shofiyati Penyunting pelaksana:
Drs. Widhya Adhy Wahid Noegroho Mitra Bestari:
Prof. Dr. Budiman Minasny (Soil Mapping/Pedometrik, The University of Sidney, Australia)
Prof. Shamshuddin Jusop (Soil Genesis and Mineralogy, UPM, Malaysia)
Prof. Dr. Budi Indra Setyawan (Hidrologi & Fisika Tanah, IPB) Prof. Dr. Abdu Hadi (Mikrobiologi/Unlam)
Prof. Dr. Azwar Maas (Pedology, UGM)
Prof. Dr. Antonius Suwanto (Mikrobiologi/Bioteknologi, IPB) Prof. Dr. Aris Poniman (Geo Informasi Spasial & Inderaja, BIG) Dr. M. Rokhis Khomaruddin (Inderaja, LAPAN)
Dr. Ali Jamil (Kimia dan Kesuburan Tanah, Badan Litbang Pertanian)
Dr. Ai Dariah (Konservasi Tanah dan Air, Badan Litbang Pertanian)
Dr. Eleonora Runtunuwu (Agroklimatologi, Badan Litbang Pertanian)
Dr. Fadjry Djufry (Agroklimatologi/Crop modeling, Badan Litbang Pertanian)
Dr. Ladiyani Retno Widowati (Kesuburan Tanah, Badan Litbang Pertanian)
Dr. D. Subardja (Genesis & Klasifikasi Tanah, Badan Litbang Pertanian)
Dr. Sukarman (Pemetaan Tanah, Badan Litbang Pertanian) Penerbit:
Balai Besar Penelitian dan Pengembangan Sumberdaya Lahan Pertanian
Alamat Redaksi:
Jl. Tentara Pelajar No. 12 Bogor 16114 Telp. (0251) 8323012
Fax. (0251) 8311256
Email: [email protected] http://bbsdlp.litbang.deptan.go.id Frekuensi terbit:
Dua kali per tahun (Juli dan Desember)
Pengantar
Pembaca yang budiman, tampilan Jurnal Tanah dan Iklim mulai Volume 37 Nomor 1 Tahun 2013 ini mengalami sedikit pembaharuan baik pada disain sampul, penomoran maupun pada isi jurnal.
Pembaruan ini selain untuk menambah daya tarik jurnal, juga diharapkan memberi kenyamanan bagi pembaca dengan pemilihan huruf yang tepat dan sesuai.
Jurnal Tanah dan Iklim Volume 37 Nomor 1 Tahun 2013 ini menyajikan tulisan yang membahas aspek analisis pemanfaatan data CMORPH-IRI untuk estimasi curah hujan; kombinasi pengaruh kerapatan akar, pupuk, dan variasi kedalaman muka air tanah terhadap emisi CO2; ameliorasi tanah rawa pasang surut untuk meningkatkan produksi padi;
status natrium pada tanah tercemar limbah industri tekstil; pencemaran nitrat pada air sungai Sub DAS Klakah; dinamika aliran bawah permukaan pada berbagai kandungan kimia air; dan karakteristik tanah dan kesesuaian lahan tanaman tebu di Blora.
Redaksi mengucapkan terima kasih kepada para penulis yang telah memberikan kontribusi dalam pengembangan ilmu dan teknologi di bidang ilmu tanah dan iklim. Redaksi juga mengucapkan banyak terima kasih kepada para pakar (Mitra Bestari) yang telah meluangkan waktunya untuk menilai artikel yang dimuat pada edisi ini.
Redaksi mengundang para praktisi, akademisi, dan peneliti di bidang ilmu tanah dan iklim untuk mempublikasikan hasil penelitiannya maupun ide- ide atau gagasan baru yang orisinil. Kontribusi dari para pembaca dengan mengirimkan tulisan, saran dan komentar sangat diharapkan.
Sebagai media komunikasi ilmiah dalam bidang ilmu tanah dan iklim, jurnal ini berperan dalam menyebarluaskan berbagai hasil penelitian guna meningkatkan pemahaman masyarakat tentang pentingnya sumberdaya lahan bagi keberlanjutan produktivitas tanah dan tanaman.
Akhir kata, redaksi berharap semoga artikel ilmiah yang dimuat dalam jurnal ini memberi inspirasi bagi para pembaca untuk berperan aktif dalam rangka pengembangan ilmu dan teknologi terutama di bidang ilmu tanah dan iklim.
Bogor, Juli 2013
Redaksi
KETENTUAN UMUM
Jurnal ini mempublikasikan makalah-makalah penelitian dengan topik-topik penelitian terbaru dan makalah tersebut belum pernah dipublikasikan di jurnal ilmiah lainnya. Jurnal ini selalu mempertahankan standar mutu dan penelaahan (reviewing) yang ketat.
RUANG LINGKUP
Jurnal ini menerima makalah-makalah dari berbagai sumber jika memberikan kontribusi yang orisinal terhadap pemahaman teoritis dan percobaan, serta aplikasi dari teori dan metodologi dari berbagai aspek ilmu tanah dan ilmu iklim pertanian di Indonesia. Jurnal dipublikasikan dalam Bahasa Indonesia dan Bahasa Inggris dua kali dalam satu tahun.
PENGIRIMAN MAKALAH
Makalah diketik pada kertas ukuran A4 dengan spasi ganda dan pias atas, bawah, kiri, kanan 3 cm, dengan maksimum 20 halaman. Font menggunakan Time New Roman 12pt dalam format MS Word. Makalah harus diberi nomor baris.
Tabel dan gambar harus dipisahkan dari tubuh tulisan dan diletakan setelah daftar pustaka. Lokasi tabel dan gambar harus ditandai di dalam tubuh tulisan.
Untuk pengiriman, makalah harus disusun dalam urutan sebagai berikut:
1. Surat pengantar ke Editor
2. Abstrak (Bahasa Indonesia dan Bahasa Inggris) 3. Tubuh tulisan
a. Pendahuluan b. Bahan dan metode c. Hasil dan Pembahasan d. Kesimpulan
e. Ucapan terima kasih (jika ada) f. Daftar pustaka
g. Tabel dengan nomor tabel h. Gambar dengan nomor gambar i. Daftar judul tabel
j. Daftar judul gambar 4. Lampiran (jika ada)
Makalah beserta kelengkapannya dikirimkan ke alamat berikut:
Dewan Redaksi Jurnal Tanah dan Iklim
Balai Besar Litbang Sumberdaya Lahan Pertanian Jl. Tentara Pelajar 12, Cimanggu, Bogor, Indonesia
Email: [email protected]
website:
http://124.81.86.163/ojs/index.php/jti/user Untuk pengiriman makalah secara online, penulis mendaftar ke sistem yang dipandu secara online.
PENYIAPAN MAKALAH
Judul harus jelas, faktual, informatif dan terdiri atas maksimum 15 kata. Nama lengkap penulis ditulis di bawah judul yang dilengkapi dengan alamat penulis.
Abstrak meringkaskan penelitian dalam satu paragraf dan ditulis tidak lebih dari 250 kata.
Abstrak menguraikan secara singkat masalah yang dikaji, cakupan penelitian, mengindikasikan data yang penting untuk ditampilkan, dan menyajikan penemuan utama dan kesimpulan.
Makalah terdiri atas Pendahuluan, Bahan dan Metode, Hasil dan Pembahasan, Kesimpulan, dan Daftar Pustaka. Ucapan terima kasih dan Lampiran boleh ditambahkan jika perlu.
Pendahuluan meletakan penelitian dalam persfektif penulis, mengulas literatur secara singkat, dan menyatakan secara jelas tujuan dan arti penting dari penelitian. Detil yang cukup disajikan dalam Bahan dan Metode agar peneliti lain dapat menilai penelitian dan menduplikasi prosedur. Gambar dan tabel disajikan di bagian Hasil dan Pembahasan yang menguraikan hasil dalam hubungannya dengan tujuan dan hasil penelitian lainnya. Kesimpulan ditarik sesuai dengan judul, tujuan dan pembahasan hasil. Ucapan terima kasih disajikan secara singkat (kurang dari 40 kata)
Penyitiran dalam teks menggunakan sistem nama- tahun dalam dua bentuk, yaitu Subandi (1990) atau (Subandi 1990). Jika lebih dari satu sitiran, sitiran harus disebutkan bersamaan dan ditulis dalam urutan tanggal; contohnya, (Partohardjono and Adiningsih 1991; Widjaja-Adhi 1995; Muljadi 1997).
Jika lebih dari dua penulis, ditulis nama pertama dan diikuti et al. Singkatan et al. TIDAK PERNAH digunakan dalam Daftar pustaka. Semua sitiran/acuan harus disajikan dalam Daftar Pustaka.
Daftar Pustaka disusun menurut urutan alfabetis.
Masing-masing pustaka yang disitir adlah yang tercantum dalam teks. Format pembuatan pustaka adalah sebagai berikut:
Artikel Jurnal
Akhter, M. and C.H. Sneller. 1996. Yield and yield components of early maturing soybean genotypes in the mid-south. Crop Sci. 36: 877- 882.
Bosc, A.N., S.N. Ghosh, C.T. Yang, and A. Mitra. 1991.
Coastal Aquaculture Engineering. Oxford and IBH Pub. Co. Prt. Ltd., New Delhi. 365 pp.
Artikel di Buku/Bab
Powers, D.A. and P.M. Schulte.1996. A molecular approach to selectionist/neutralist controversy. p.
327-352. In J.D. Ferraris and S.R. Palumbi (Eds.) Molecular Zoology: Advances, Strategies, and Protocols. Wiley-Liss, Inc., Wilmington, Delaware (DE).
Disertasi/tesis
Simpson, B.K. 1984. Isolation, Characterization, and Some Application of Tripsin from Greenland Cod (Gadus morhua). PhD Thesis. Memorial University of Newfoundland, St. John's, Newfoundland, Canada.
179pp.
Prosiding Konferensi
Tangendjaja, B. and E. Wina. 2000. Tannins and ruminant production in Indonesia. p. 40-43. In J.D.
Brooker (Ed.) Tannins in Livestock and Human Nutrition. Proceedings of an International Workshop, Adelaide, Australia, 31 May-2 June, 1999.
ACIAR Proceedings no. 92.
Artikel Konfrensi
Chin, L.J., L.M. Tan, and K. Wegleitner. 2007. Occurrence of mycotoxins in feed samples from Asia. A continuation of the Bromin mycotoxin survey program. Paper presented in 15th Annual ASA-IM Southeast Asian Feed Technology and Nutrition Workshop, 27-30 May 2007, Bali-Indonesia.
Artikel penelitian (working paper)/laporan/artikel kerja Hanya artikel yang merupakan bagian dari serial publikasi oleh institusi yang dikelompokan sebagai artikel penelitian (Working Paper). Ini harus mencantumkan nomor artikel penelitian yang diberikan oleh institusi.
Contoh:
Heidhues, P. and B. Kassogi. 2005. The Impact of Consumer Loss Aversion on Pricing. Centre for Economic Policy Research Discussion Paper 4849.
Artikel online
Hawk, A. 2004. Mycotoxins. Proc. Grain Elevator and Processing Society (GEAPS). http://www.geaps.
com/ proceedings/2004/Hawk.ctm. (1 July 2008).
langsung: (Z.Harahap, pers. com.).
Tulisan yang telah diterima untuk publikasi tetapi belum dipublikasikan dapat disitir sebagai 'in press' dalam Daftar Pustaka, dan harus disertai dengan nama jurnal.
Contoh:
Husen, E., A.T. Wahyudi, A. Suwanto, and R.
Saraswati.2008. Prospectif use of ACC deaminase-producing bacteria for plant growth promotion and defence againstbiotic and abiotic stresses in peat-soil-agriculture. Microbiol.
Indones. (in press).
Satuan Pengukuran menggunakan sistem SI untuk semua jenis pengukuran.
Tabel harus diketik dengan spasi ganda, dinomori secara berurut, mempunyai judul yang singkat, dan diacu dalam teks. Garis vertikal tidak diperbolehkan. Catatan kaki menggunakan nomor dengan superscript.
Ilustrasi: gambar garis dibuat menggunakan tinta hitam pada kertas putih. Semua gambar disesuaikan dengan ukuran jurnal dan proporsional tanpa kehilangan detil. Gambar yang dibuat dengan microsoft office dapat dikirim dalam file utuh atau yang sudah dikonversi ke dalam bentuk file .tif.
Setiap gambar diberi judul, diikuti oleh deskripsi singkat. Simbol-simbol singkatan yang terdapat dalam gambar harus dilengkapi dengan penjelasan.
Setiap gambar dinamai dengan nama penulis, judul tulisan, dan nomor gambar. Foto yang dikirimkan harus memiliki kualitas baik dengan tingkat ketajaman yang cukup.
KOMENTAR EDITOR
Semua makalah yang dikirimkan ke Jurnal Tanah dan Iklim dinilai (di-review) oleh Dewan Editor yang terdiri atas Penyunting dan Mitra Bestari yang bertindak sebagai wasit sesuai dengan topik dan cakupan keahlian masing-masing. Para wasit akan menilai apakah makalah yang dikirimkan memberikan kontribusi yang nyata pada Ilmu Tanah dan Ilmu Iklim Pertanian di Indonesia, orisinal, dan hasil penelitian sah dan nyata.
Penolakan makalah oleh Dewan Editor bersifat final.
di Palangka Raya, Kalimantan Tengah dan Pekanbaru, Riau
Application of CMORPH-IRI Data Analysis for Rainfall Estimation on Palangka Raya, Central Kalimantan and Pekanbaru, Riau
1Indah Prasasti* dan 2Suciantini
1 Peneliti pada Pusat Pemanfaatan Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional (LAPAN), Jalan Kalisari No. 8, Pekayon, Pasar Rebo, Jakarta Timur
2 Peneliti Badan Litbang Pertanian di Balai Penelitian Agroklimat dan Hidrologi, Jalan Tentara Pelajar No. 1, Bogor 16114
INFORMASI ARTIKEL Abstrak. Ketersediaan data curah hujan observasi permukaan seringkali menjadi pembatas dalam pengembangan model, pemantauan dan kajian iklim.Oleh sebab itu, pemanfaatan data satelit menjadi salah satu alternatif solusi yang perlu dikembangkan, seperti pemanfaatan data CMORPH-IRI.Penelitian ini bertujuan menganalisis potensi pemanfaatan data curah hujan CMORPH-IRI dan mendapatkan model estimasi curah hujan dari data CMORPH-IRI di wilayah Pekanbaru, Riau dan Palangkaraya, Kalimantan Tengah. Analisis dilakukan menggunakan analisis regresi, sedangkan validasi model dengan teknik validasi silang. Keterandalan model dinilai dari nilai korelasi (r) dan RMSEP antara nilai dugaan model terhadap nilai observasi. Hasil penelitian menunjukkan bahwa data CMORPH-IRI mempunyai potensi cukup baik sebagai penduga curah hujan dengan nilai korelasi baik (r > 0,5), kecuali untuk musim hujan di Palangka Raya, dengan RMSE berkisar antara 36,4-58,4 mm. Model dugaan di masing-masing wilayah penelitian adalah sebagai berikut: Palangka Raya: Musim Kemarau: y = 0,003(CH MK)2 + 0,301(CH MK)(R2 = 54,2%); Musim Hujan: y = 0,824(CH MH) (R2 = 20,8%), sedangkan untuk Pekanbaru: Musim Kemarau: y = 0,867(CH MK) (R2 = 26,2%);
Musim Hujan: y = 0,984(CH MH) (R2 = 37,9%). Hasil validasi silang menunjukkan model tidak konsisten antar tahun akibat adanya keragaman curah hujan yang tinggi.
Abstract. Availability of rainfall data from surface observation is one of the limiting factors for model development, monitoring and studyof climate. Therefore, the application of satellite data is an important alternative to be developed, such as the application of CMORPH-IRI data. The objectives of this research were to analyze the potential application of CMORPH-IRI rainfall data and obtain the estimation model using data CMORPH-IRI in Pekanbaru, Riau and Palangkaraya, Central Kalimantan. Analysis was done using regression analysis, while the validation of the model was based on cross-validation techniques. Reliability of the model was based on the correlation coefficient and RMSEP value.The results showed that the CMORPH-IRI data has good potential to be developed as a predictor of rainfall and good correlation coefficient (r > 0.5), except for rainy season in Palangkaraya (r=0.47). RMSEP value ranged from 36.4 to 58.4 mm. The model of rainfall estimation in Palangkaraya was y = 0.003(CH-MK) 2+0.301(CH-MK) (R2=54.2%) andy = 0.824(CH-MH) (R2=20.8%)for dry and rainy seasons, respectively, while in Pekanbaru was y = 0.867(CH-MK) (R2=26.2%) and y = 0.984(CH-MH) (R2=37.9%)for dry and rainy seasons, respectively. Cross validation results indicate that the model was not consistent between years due to high rainfall variability.
Riwayat artikel:
Diterima: 28 Desember 2012 Disetujui: 7 Juni 2013
Kata kunci:
Curah hujan CMORPH-IRI Validasi silang Analisis regresi
Keywords:
Rainfall CMORPH-IRI Cross-validation Regression analysis
Pendahuluan
Di antara unsur iklim yang lain, curah hujan merupakan unsur yang sangat penting. Data curah hujan banyak dimanfaatkan dalam pengembangan model, pemantauan dan kajian iklim terutama terkait dengan
adanya isu perubahan iklim dewasa ini. Namun dalam banyak kasus, ketersediaan data seringkali menjadi faktor pembatas.
Ketersediaan data iklim, khususnya curah hujan sangat bergantung pada stasiun pengamatan. Namun, jaringan stasiun pengamatan di Indonesia masih belum mencakup seluruh wilayah. Selain itu, pengumpulan informasi ke pusat yang berjalan lambat, jumlah stasiun hujan dan tenaga ahli yang masih sangat kurang menjadi faktor
* Corresponding author : Indah Prasasti, email : [email protected]
pendukung keterbatasan data. Permasalahan utama lainnya yang dihadapi adalah format dan struktur data yang belum standar, sehingga sulit untuk dapat langsung digunakan dalam penelitian. Keadaan ini akan menyebabkan terbatasnya ketersediaan data untuk berbagai aplikasi penggunaan. Pendugaan curah hujan menggunakan data satelit dapat menjadi salah satu cara untuk menanggulangi masalah tersebut.
Kebutuhan terhadap ketersediaan data dan informasi yang aktual dan cepat untuk beberapa waktu ke depan telah mendorong berkembangnya model prediksi, baik yang berbasis statistik maupun stokastik. Berbagai jenis data curah hujan estimasi dan parameter iklim lainnya dari data satelit telah dikeluarkan oleh NOAA dengan tingkat keakuratan yang relatif cukup baik. Hal ini membuat penggunaan data estimasi curah hujan yang berasal dari satelit geostationary menjadi alternatif utama bagi peneliti dalam dan luar negeri untuk melakukan kajian iklim.
Sebagai contoh, pemanfaatan data CMORPH untuk estimasi curah hujan permukaan diharapkan dapat menjadi jalan keluar dalam masalah ketersediaan data iklim.
CMORPH (CPC MORPHing technique) merupakan salah satu teknik estimasi hujan dengan resolusi temporal yang tinggi. Teknik ini berusaha menggabungkan antara hujan estimasi yang dihasilkan oleh passive microwave dan pergerakan awan dari satelit geostationary yang berasal dari infrared 10,7 µm saat ketinggian awan 4 m (Joyce et al. 2004). Menurut Janowiak (2007), TRMM (Tropical Rainfall Measuring Mission) TMI (TRMM Microwave Image) yang digunakan CMORPH untuk estimasi penyebaran hujan memiliki kemampuan yang lebih baik dalam estimasi hujan dengan tingkat kesalahan kecil.
IRI (International Research Institute) mempublikasi data curah hujan dasarian wilayah (Provinsi dan atau Kabupaten) di Indonesia yang dibangun dari data CMORPH dalam situs http://iridl.ldeo.columbia.edu/
maproom/.Fire/, selanjutnya dalam penelitian ini data CMORPH ini disebut dengan data CMORPH-IRI. Data ini tersedia mulai Desember 2002 hingga sekarang dan bisa diakses secara gratis. Selain gratis, cara perolehannya pun relatif mudah. Namun dalam pemanfaatannya perlu penyesuaian dan faktor koreksi untuk masing-masing wilayah. Data CMORPH-IRI ini belum banyak dimanfaatkan sebagai alternatif sumber data curah hujan dalam penelitian.
Tulisan ini menganalisis potensi pemanfaatan data curah hujan CMORPH-IRI dan mendapatkan model estimasi curah hujan dari data CMORPH-IRI di wilayah Palangka Raya, Kalimantan Tengah dan Pekanbaru, Riau.
Bahan dan Metode Bahan dan Alat
Data primer yang digunakan dalam penelitian ini adalah data curah hujan CMORPH wilayah kabupaten yang diperoleh dari IRI melalui situs http://iridl.ldeo.
columbia. edu/maproom/.Fire/. Data sekunder sebagai pembanding yang digunakan adalah data curah hujan observasi dari dua stasiun pengukuran, yakni: Pekanbaru dan Palangka Raya. Data yang dianalisis adalah data tahun 2003-2009. Data curah hujan observasi diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG), Jakarta. Posisi lokasi masing-masing stasiun pengukuran hujan disajikan pada Tabel 1. Alat yang digunakan untuk proses pengolahan data adalah komputer dengan perangkat lunak Microsoft Excell dan Minitab 14.
Tabel 1. Lokasi stasiun hujan yang dikaji
Table 1. Rainfall station locations were examined
Stasiun Posisi
Ketinggian Bujur Lintang
m Pekanbaru 101o 26’ BT 00o 28’ LU 31 Palangka Raya 113o 57’ BT 02o14’ LS 27
Metode
Tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut: 1) Ekstraksi data curah hujan dasarian CMORPH-IRI wilayah penelitian melalui situs http://iridl.
ldeo.columbia.edu/maproom/.Fire/. Tahapan ini dilakukan untuk mendapatkan data curah hujan dasarian wilayah penelitian; 2) Memplotkan kedua jenis data dalam sebuah grafik. Tahapan ini dilakukan untuk menilai apakah curah hujan CMORPH mampu mengikuti perubahan curah hujan observasi; 3) Menguji korelasi antara kedua jenis data.
Tahapan ini ditujukan untuk menilai seberapa kuat hubungan antara data CMORPH dengan data observasi.
Semakin baik hubungan antara kedua data, maka potensi data CMORPH semakin baik digunakan untuk menduga curah hujan; 4) Menguji dua persamaan regresi untuk menilai perlu atau tidaknya dilakukan pemisahan antara model estimasi pada musim hujan (MH) dengan musim kemarau (MK) dengan menggunakan uji Z. Tujuan ini dicapai melalui uji dua regresi dengan membangun persamaan regresi sederhana untuk MK dan MH dan mengganggap intersep = 0 sehingga persamaannya menjadi Y = bx.
Uji dua regesi dilakukan dengan persamaan:
z = ... (2-1)
dengan b1 adalah slope persamaan 1 (musim hujan), b2 adalah slope persamaan 2 (musim kemarau), sb1 adalah SE Coef b1, dan sb2 = SE Coef b2. Jika z < taraf nyata berarti kedua persamaan tidak berbeda nyata, sehingga tidak perlu dilakukan pemisahan antara musim hujan dan musim kemarau, dan sebaliknya. Taraf nyata yang digunakan pada penelitian ini adalah 5%; 5) Analisis regresi untuk mendapatkan model estimasi curah hujan.
Untuk tujuan analisis ini dilakukan plotting kedua data dalam grafik scatter diagram (diagram pencar) guna membangkitkan model yang sesuai (linier ataukah non linier). Model persamaan penduganya dapat berupa persamaan linier atau non-linier (polinomia, eksponensial, logaritmik); 6) Validasi model. Validasi ini dilakukan dengan teknik validasi silang untuk mengukur keterandalan model. Tingkat keterandalan model ditinjau dari nilai RMSEP (Root Mean Square Error Prediction) dan korelasi (r) antara nilai dugaan model dengan nilai observasi. RMSEP menunjukkan tingkat bias pendugaan yang dilakukan oleh model pendugaan. Nilai RMSEP dihitung berdasarkan rumus:
... (2-2)
dengan n adalah banyaknya data, Xobi dan Xdgi berturut- turut adalah nilai observasi dan nilai dugaan ke-i. Korelasi antara nilai prediksi (dugaan) (Xdg) dengan nilai observasi (Xob) dihitung berdasarkan:
... (2-3)
Semakin kecil nilai RMSEP dan semakin besar nilai korelasi (r) antara nilai dugaan dengan nilai observasi, maka model semakin baik dan andal. Selain itu, penilaian akurasi hasil dugaan model terhadap nilai observasi dilakukan berdasarkan koefisien efisiensi (Nash-Sutcliffe, 1970) yang dihitung menggunakan persamaan berikut:
... (2-4)
Dengan CE adalah koefisien effisiensi, adalah nilai observasi ke-t, adalah nilai dugaan model ke-t, dan adalah nilai rata-rata observasi. Nilai CE adalah <= 1.
Nilai koefisien efisiensi 1 (CE = 1) menunjukkan hasil simulasi sempurna atau dengan kata lain model memiliki tingkat kemiripan 100% dengan observasi. Nilai CE yang semakin kecil dari 1 menunjukkan penurunan tingkat akurasi model. Nilai CE negatif menunjukkan model tidak layak untuk diaplikasikan. Nilai koefisien efisiensi dengan demikian dapat digunakan untuk menggambarkan tingkat akurasi luaran suatu model secara kuantitatif.
Hasil dan Pembahasan
Analisis hubungan curah hujan CMORPH-IRI dilakukan terhadap data curah hujan di Palangka Raya dan Pekanbaru menggunakan data tahun 2003-2009. Model dibangkitkan berdasarkan data dasarian (10 harian).
Penggunaan data dasarian dimaksudkan untuk mereduksi keragaman (fluktuasi) yang sangat besar pada data harian.
Berdasarkan pola curah hujan rata-rata bulanan dari tahun 2003-2009 hasil observasi BMKG di Palangka Raya dan Pekanbaru terlihat bahwa tinggi curah hujan rata-rata bulanan di Palangka Raya pada musim kemarau dan hujan sangat jelas perbedaannya, sedangkan di Pekanbaru tampak tidak memiliki perbedaan yang jelas antara MH dengan MK (Gambar 1). Di Palangka Raya, MK berlangsung dari bulan Mei-Oktober, sedangkan MH dari bulan November-April. Sementara itu menurut BMKG, MK di Pekanbaru berlangsung dari bulan April sampai September dan MH dari bulan Oktober hingga Maret (Gambar 1).
Gambar 1. Pola curah hujan di Pekanbaru dan Palangka Raya
Figure 1. Rainfall patterns in Pekanbaru and Palangka Raya
Hasil plotting antara curah hujan CMORPH-IRI dengan observasi di Palangka Raya dan Pekanbaru memperlihatkan bahwa curah hujan CMORPH-IRI mampu mengikuti pola perubahan curah hujan observasi permukaan (Gambar 2). Selain itu, hasil analisis korelasi menunjukkan bahwa data CMORPH-IRI mempunyai hubungan cukup erat dengan curah hujan observasi di kedua wilayah penelitian, yakni masing-masing sebesar 0,68 di Palangka Raya dan sebesar 0,60 di Pekanbaru.
Sementara itu, korelasi curah hujan CMORPH dengan observasi pada MK di Palangka Raya (r = 0,72) lebih tinggi dibandingkan dengan MH (r = 0,47), sedangkan di Pekanbaru terjadi sebaliknya korelasi pada MK (r = 0,56) lebih kecil dibandingkan pada MH (r = 0,64). Dengan demikian, data curah hujan CMORPH-IRI mempunyai potensi yang cukup baik untuk dikembangkan sebagai penduga curah hujan observasi.
Sementara itu, dari hasil uji dua persamaan regresi antara MK dan MH di kedua wilayah menunjukkan bahwa terdapat perbedaan sangat nyata antara model pendugaan musim kemarau dengan musim hujan di Palangka Raya (α (0,0000) < 5%). Di Pekanbaru, hasil uji Z menunjukkan perbedaan kecil antara musim kemarau dengan musim hujan (α (0,0082) <5%) (Tabel 2). Dengan demikian, selanjutnya dalam pembentukan model estimasi hujan akan dipisahkan antara model estimasi curah hujan pada musim hujan dengan musim kemarau.
Selanjutnya untuk mendapatkan model pendugaan curah hujan dari data CMORPH-IRI dilakukan analisis regresi antara kedua data pada masing-masing musim.
Bentuk hubungan antara data curah hujan CMORPH-IRI dengan observasi dibangkitkan dari pola diagram pencar antara kedua data. Gambar 3 menunjukkan pola hubungan antara curah hujan MH dan MK di Palangka Raya dan Pekanbaru.
Hasil analisis di Palangka Raya menunjukkan bahwa keragaman model estimasi curah hujan MK lebih baik dibandingkan dengan MH dengan R2 masing-masing
54,2% dan 20,8%. Sementara itu di Pekanbaru, keragaman model estimasi curah hujan MK (R2 = 26,2%) lebih kecil dibandingkan dengan curah hujan MH (R2 = 37,9%) (Gambar 3). Hal ini menunjukkan bahwa sekitar 54,2%
keragaman curah hujan MK di Palangka Raya dapat diwakili oleh model, sedangkan untuk curah hujan MH hanya sebesar 20,8%. Di Pekanbaru, keragaman yang dapat diwakili oleh model sekitar 26,2% pada MK dan sebesar 37,9% pada MH.
Tabel 2. Hasil uji Z pada model regresi linier MK dan MH di Palangka Raya dan Pekanbaru
Table 2. Results of Z test on a linear regression model at dry season and wet season in Palangka Raya and Pekanbaru
Pekanbaru Palangka Raya
Koefisien SE koef Koefisien SE koef
MH 0,984 0,05251 0,824 0,04009
MK 0,868 0,05488 0,672 0,04031
[MH-MK] 0,116 0,00237 0,152 0,00022
Z 2.382779 10,24784
α (tabel) 0,0082 0,0000
a. Musim Kemarau di Palangka Raya b. Musim Hujan di Palangka Raya
c. Musim Kemarau di Pekanbaru d. Musim Hujan di Pekanbaru Gambar 2. Perbandingan pola curah hujan CMORPH-IRI dengan observasi Figure 2. Comparison of rainfall patterns CMORPH-IRI with observations
Adapun model estimasi curah hujan untuk MK dan MH untuk dua wilayah penelitian adalah sebagai berikut:
Palangka Raya:
Musim Kemarau: y = 0,003(CH-MK)2 + 0,301(CH-MK)(R2 = 54,2%)
Musim Hujan: y = 0,824(CH-MH) (R2 = 20,8%)
Pekanbaru:
Musim Kemarau: y = 0,867(CH-MK) (R2 = 26,2%) Musim Hujan: y = 0,984(CH-MH) (R2 = 37,9%)
Untuk menguji keterandalan dan konsistensi model- model tersebut perlu dilakukan validasi. Validasi dilakukan dengan teknik validasi silang. Pembagian tahun untuk verifikasi model dan tahun untuk validasi seperti pada Tabel 3, khusus untuk Palangka Raya ditambah dengan periode tahun 2003-2008 untuk verifikasi model dan tahun 2009 untuk validasi.
Tabel 3. Periode data untuk verifikasi model dan validasi Table 3. Period of data for verification and validation
model
No. Periode data verifikasi model Tahun validasi
1. 2004 - 2008 2003
2. 2003, 2005 - 2008 2004
3. 2003 - 2004, 2006 - 2008 2005 4. 2003 - 2005, 2007 - 2008 2006
5. 2003 - 2006, 2008 2007
6. 2003 - 2007 2008
7. 2003 - 2008 (Palangka Raya) 2009
Berdasarkan hasil validasi silang menunjukkan bahwa kisaran korelasi antara nilai dugaan model dengan observasi di Palangka Raya berturut-turut berkisar antara 0,46-0,93 untuk MK dan 0,03-0,71 untuk MH. Korelasi terendah terjadi pada tahun 2005 dan tertinggi pada tahun 2004 untuk MK, serta terendah pada tahun 2005 dan tertinggi pada tahun 2006 untuk MH. Tingkat kesalahan estimasi (RMSEP) pada MK berkisar 25,81-54,60 mm, sedangkan pada MH sebesar 40,06-70,14 mm. Selain pada a. Musim Kemarau di Palangka Raya b. Musim Hujan di Palangka Raya
c. Musim Kemarau di Pekanbaru d. Musim Hujan di Pekanbaru
Gambar 3. Bentuk hubungan CH CMORPH-IRI pada MK dan MH di Palangka Raya dan Pekanbaru Figure 3. Relationships CMORPH CH-IRI at dry season and wet season in Palangka Raya and Pekanbaru
tahun 2004 (r = 0,93) dan 2005 (r = 0,46), korelasi dari hasil validasi dugaan model untuk MK relatif baik dan stabil (persisten) sedangkan untuk MH relatif tidak stabil (Gambar 4).
Sementara itu, hasil validasi di Pekanbaru memperlihatkan bahwa nilai korelasi antara nilai dugaan model dengan observasi pada MK berkisar antara 0,27 (pada tahun 2007) hingga 0,90 (pada tahun 2003), sedangkan pada MH berkisar antara 0,10-0,88. Korelasi terendah pada tahun 2004 dan tertinggi pada tahun 2005.
Dari hasil validasi silang ini tidak terlihat adanya konsistensi perolehan korelasi, baik pada MK maupun pada MH (Gambar 4). Kondisi ini memperlihatkan bahwa tingkat keragaman curah hujan sangat tinggi dari waktu ke waktu dan dari tempat ke tempat. Keragaman curah hujan sangat dipengaruhi oleh kondisi topografi, adanya siklon, ENSO (El-nino Southern Oscillation), MJO (Madden Julian Date), DMI (Dipole Mode Index), dan sirkulasi lokal lainnya.
Selanjutnya, hasil perbandingan antara nilai curah hujan dugaan model dengan observasi disajikan pada Gambar 5. Hasil perbandingan pola curah hujan dasarian dugaan model terhadap observasi pada MK dan MH di Palangka Raya menunjukkan bahwa model pendugaan pada MK (r = 0,74) lebih baik dibandingkan pada MH (r = 0,47). Besarnya bias (RMSE) antara nilai dugaan model terhadap nilai observasi untuk MK sebesar 36.4 mm, sedangkan untuk MH sebesar 58.4 mm. Sebaliknya di Pekanbaru, model pendugaan pada MH (r = 0,64) sedikit lebih baik dibandingkan pada MK (r = 0,56). Tingkat bias nilai dugaan model untuk MK sebesar 53,8 mm dan untuk MH sebesar 55.6 mm. Model tidak mampu menjangkau nilai curah hujan pada kondisi ekstrim. Nilai korelasi di
Palangka Raya antara MK dan MH relatif berbeda, sedangkan di Pekanbaru sedikit sekali perbedaannya.
Kondisi ini disebabkan Pekanbaru memiliki pola hujan ekuatorial dengan curah hujan hampir merata sepanjang tahun, sementara di Palangka Raya memiliki pola hujan monsun dengan perbedaan musim yang jelas.
Tabel 4. Nilai koefisien efisiensi (nilai CE) Table 4. Coefficient of efficiency value (CE value)
Musim Palangka Raya Pekanbaru
Musim Hujan (MH) 0,21 0,38
Musim Kemarau (MK) 0,72 0,26
Sementara itu, hasil penilaian efisiensi model berdasarkan nilai koefisien efisiensi menunjukkan bahwa nilai CE model pendugaan MK (CE = 0,72) di Palangka Raya lebih baik dibandingkan dengan nilai CE model pendugaan MH (CE = 0,21) (Tabel 4). Nilai CE model pendugaan MH (CE = 0,38) di Pekanbaru lebih baik dibandingkan dengan nilai CE model pendugaan MK (CE
= 0,26) (Tabel 4). Nilai CE semakin mendekati nilai 1 menunjukkan bahwa model dugaan semakin akurat.
Dengan demikian, dari hasil ini menunjukkan bahwa model pendugaan MK untuk Palangka Raya paling baik dan cukup akurat di antara model-model yang lain. Selain itu, menunjukkan pula bahwa nilai dugaan model cukup mendekati nilai observasi. Kecilnya nilai koefisien efisiensi model dugaan MH di Palangka Raya dan model dugaan MK dan MH di Pekanbaru dapat disebabkan oleh kondisi curah hujan pada musim hujan di Palangka Raya dan curah hujan musim hujan maupun musim kemarau di
a. Korelasi b. RMSE
Gambar 4. Nilai korelasi dan RMSE antara nilai dugaan model dengan observasi pada MK dan MH hasil validasi silang di Palangka Raya dan Pekanbaru
Figure 4. RMSE values and the correlation between the value of the model with observations on dry season and wet season from cross validation results in Palangka Raya and Pekanbaru
Pekanbaru yang sangat beragam dan dipengaruhi oleh banyak faktor, antara lain: faktor musim, kondisi topografi, gangguan atmosfir, dan sebagainya. Kondisi ini mengakibatkan model tidak dapat menjangkau kondisi curah hujan yang berada di luar kondisi normalnya (rata- ratanya).
Curah hujan merupakan unsur iklim yang memiliki keragaman sangat tinggi di antara unsur iklim lainnya, baik dari musim ke musim maupun tempat ke tempat.
Selain itu, kondisi Indonesia yang terletak di sekitar garis khatulistiwa, memiliki tingkat non-linieritas yang tinggi sebagai akibat dari beragamnya topografi dan pengaruh monsun, sehingga kondisi atmosfer di wilayah ini sulit diprediksi dibandingkan dengan wilayah lintang tinggi (Satiadi dan Subarna 2006; Hermawan 2005). Beragamnya topografi dan adanya pengaruh monsun yang kuat juga menyebabkan adanya perbedaan pola hujan pada wilayah- wilayah Indonesia. Keragaman curah hujan di wilayah- wilayah Indonesia lainnya juga dapat terjadi disebabkan oleh berbagai faktor yang mempengaruhi kejadian hujan di
Indonesia, antara lain monsun, ITCZ (Inter-Tropical Convergence Zone), DMI, ENSO, dan sirkulasi lokal lainnya. Menurut Junaeni (2011), koefisien keragaman curah hujan di daratan lebih tinggi dibandingkan di laut dan berbeda antar tempat satu dengan tempat lain.
Keragaman curah hujan di daratan terjadi akibat keanekaragaman kondisi permukaan daratan, sedangkan keragaman di laut relatif kecil. Keragaman curah hujan juga berbeda antara antar lokasi, seperti Pulau Jawa memiliki keragaman curah hujan lebih besar dibandingkan dengan Pulau Bali dan Lombok.
Faktor lain adalah letak Indonesia di antara benua Asia-Australia dan Samudera Pasifik-Samudera Hindia, dan secara geografis berada di sekitar ekuator dengan ribuan pulau. Kedua samudera tersebut merupakan pengendali iklim dunia. Kondisi ini menyebabkan curah hujan wilayah Indonesia sangat dipengaruhi oleh karakteristik monsun (Murakami and Matsumoto 1994;
Wu dan Kirtman 2007) yang terjadi akibat adanya perbedaan tekanan di benua Asia dan Australia secara a. Musim Kemarau di Palangka Raya b. Musim Hujan di Palangka Raya
c. Musim Kemarau di Pekanbaru d. Musim Hujan di Pekanbaru
Gambar 5. Perbandingan antara curah hujan dugaan model dengan observasi pada musim kemarau dan musim hujan di Palangka Raya (a dan b) dan di Pekanbaru (c dan d)
Figure 5. Comparison between rainfall models with observations in the dry season and the rainy season in Palangka Raya (a and b) and in Pekanbaru (c and d)
bergantian yang terjadi pada skala waktu tahunan (Ramage 1971). Musim hujan di sebagian besar wilayah Indonesia berkaitan dengan monsun Barat yang berlangsung pada Desember-Januari-Februari (DJF) dan musim kemarau berlangsung bersamaan dengan monsun Timur yang terjadi pada Juni-Juli-Agustus (JJA). Di antara monsun Barat dengan monsun Timur terdapat musim peralihan (pancaroba), yakni: yang pertama berlangsung pada bulan Maret-April-Mei, sedangkan yang kedua pada bulan September-Oktober-November (SON). Keragaman yang terjadi pada pola umum ini dipengaruhi oleh proses pemanasan global, fluktuasi fenomena ENSO (Philander 1989; Halpert and Ropelewski 1992), siklon tropis, dan faktor-faktor lokal seperti beragamnya topografi, dan sebagainya. Sementara itu intensitas, frekuensi, distribusi, dan wilayah hujan dipengaruhi oleh faktor iklim lainnya seperti angin, suhu, kelembaban udara dan tekanan atmosfer.
Kesimpulan
Data curah hujan CMORPH-IRI dasarian wilayah kabupaten memiliki potensi yang cukup baik untuk dikembangkan sebagai penduga curah hujan suatu wilayah dengan faktor koreksi yang disesuaikan untuk masing- masing tempat. Keuntungan pemanfaatan data CMORPH- IRI adalah mudah diperoleh dan bebas biaya dengan tingkat ketepatan relatif baik serta tanpa harus melakukan proses dari data mentah.
Adapun model estimasi curah hujan MK dan MH untuk dua wilayah penelitian adalah sebagai berikut:
Palangka Raya:
Musim Kemarau: y = 0,003(CH-MK)2 + 0,301(CH-MK) (R2 = 54,2%)
Musim Hujan: y = 0,824(CH-MH) (R2 = 20,8%) Pekanbaru:
Musim Kemarau: y = 0,867(CH-MK) (R2 = 26,2%) Musim Hujan: y = 0,984(CH-MH) (R2 = 37,9%)
Tingkat keragaman yang dapat diwakili model sangat dipengaruhi oleh kondisi keragaman curah hujan yang terjadi di masing-masing wilayah pada suatu waktu.
Daftar Pustaka
Halpert, M.S. and C.F. Ropelewski. 1992. Temperature patterns associated with the Southern Oscillation., J.
Climate 5: 577-593.
Hermawan, E. 2005. Karakteristik dan mekanisme osilasi Madden-Julian di atas Kototabang dan sekitarnya
berbasis hasil analisis data EAR, BLR, dan TRMM.
Dalam Intisari Hasil Penelitian 2005. Lembaga Penerbangan dan Antariksa Nasional (LAPAN) Bandung.
Janowiak, J., R.J. Joyce, and P. Xie. 2007. Kalman filter approach to CMORPH : a skill and error assessment of instantaneous and propagated passive microwave estimated rainfall. Program to Evaluate High Resolution Precipitation Product. Switzerland (3-5 Des).
Juaeni, I. 2011. Mengapa curah hujan sulit diprediksi?
Inderaja II(3): 49-57.
Joyce, R.J., J. Janowiak, and P. Xie. 2004. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution. J. Hydromet. 5:487- 503.
Murakami, T. and J. Matsumoto. 1994. Summer monsoon over the Asian continent and Western North Pasific. J.
Meteor. Soc. Japan 62:69-87.
Nash, J.E. and J.V. Sutcliffe. 1970. River flow forecasting through conceptual models part I-A discussion of principles. Journal of Hydrology 10(3):282-290.
Philander, S.G.H. 1989. El Ni˜no, La Ni˜na, and the Southern Oscillation., International Geophysical Series, Academic Press. 46:289.
Ramage, CS. 1971. Monsoon Meteorology. International Geophysics Series.Academic Press. 15:296.
Satiadi, D. dan D. Subarna. 2006. Indikasi kekritisan yang diatur-sendiri pada data pengamatan curah hujan permukaan dari penakar hujan optik di Kototabang.
Perubahan Iklim dan Lingkungan di Indonesia. Paper dipresentasikan pada Simposium Meteorologi Pertanian, Bogor.
Wu, R. and B.P. Kirtman. 2007. Roles of the Indian Ocean in the Australian Summer Monsoon-ENSO Relationship. Center for Ocean-Land-Atmosphere Studies and George Mason University. 4041 Powder Mill Road, Suite 302. Calverton, Maryland 20705.
Pengaruh Kerapatan Akar, Pupuk, dan Kedalaman Muka Air Tanah terhadap Emisi CO
2dari Tanah Gambut pada Perkebunan Kelapa Sawit
The Influence of Root Density, Fertilizer, and Water Table Depth in CO
2Emission from Peat under Oil Palm Plantation
1Setiari Marwanto*, 2Supiandi Sabiham, 2Untung Sudadi, dan 1Fahmuddin Agus
1 Peneliti Badan Litbang Pertanian padaBalai Penelitian Tanah, Jl. Tentara Pelajar No. 12 Bogor 16114
2 Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian, Institut Pertanian Bogor
INFORMASI ARTIKEL Abstrak. Emisi gas karbondioksida (CO2) dari tanah gambut di perkebunan kelapa sawit berasal dari respirasi mikroba (heterotrofik) dan dari respirasi yang berhubungan dengan aktivitas akar tanaman. Penelitian ini bertujuan untuk mempelajari kombinasi pengaruh kerapatan akar, pupuk, dan variasi kedalaman muka air tanah terhadap emisi CO2 pada perkebunan kelapa sawit. Penelitian dilaksanakan di perkebunan kelapa sawit umur 15 tahun di Kabupaten Muaro Jambi, Provinsi Jambi pada bulan Januari 2012.
Emisi CO2 diukur secara langsung dengan cara menempatkan sungkup gas pada beberapa jarak tertentu dari batang kelapa sawit. Contoh tanah diambil untuk keperluan analisis kimia dan kerapatan akar. Pengukuran kedalaman muka air tanah dilakukan pada saat pengukuran emisi CO2 dilangsungkan. Hasil penelitian menunjukkan bahwa emisi CO2 total memiliki korelasi linear terhadap kerapatan akar halus (R2 ≥ 0,9), pH dan konsentrasi hara makro (R2 ≥ 0,7) kecuali unsur N, dan kedalaman muka air tanah (R2=0,9). Dari ketiga variabel ini, kedalaman muka air tanah dan konsentrasi hara makro merupakan variabel yang berhubungan erat dengan respirasi heterotrofik. Untuk itu pengaturan kedalaman muka air tanah seminimal mungkin dan peningkatan efisiensi pemupukan diharapkan dapat menurunkan emisi dari respirasi heterotrofik tanpa mengorbankan hasil tanaman.
Abstract. Carbon dioxide (CO2) emissions from peat soils under oil palm plantations are generated by microbial (heterotrophic) respiration and root-related activities and root respiration. This research aimed to study the influence of root density, fertilizer, and water table depth on CO2 emissions at oil palm plantation. Field research was conducted in peat land under 15-year old oil palm plantation in Muaro Jambi District, Jambi Province in January 2012. The CO2 emission was measured directly by placing gas chambers at several distances from the centre of oil palm trunk. Peat samples were carried out for both soil chemical and roots density analyses, while water table depth for each chamber were measured during CO2 measurements. Research result showed that CO2 emission was linearly correlated with fine root density (R2 ≥ 0.9), soil pH and macro nutrient concentration (R2 ≥ 0.7) except for N, and water table depth (R2=0.9). From these three factors, it seems that water table depth and macro nutrient concentration mostly influence heterothrophic respiration. Therefore, keeping water table as shallow as possible and increasing nutrient efficiency would reduce CO2 emission without sacrificing crop yield.
Riwayat artikel:
Diterima: 10 Mei 2013 Disetujui: 14 Juni 2013
Kata kunci:
Kerapatan akar Pupuk
Kedalaman muka air tanah Emisi CO2
Perkebunan kelapa sawit Lahan gambut
Keywords:
Root density Fertilizer Water table depth CO2 emissions Oil palm plantation Peatland
Pendahuluan
Gas CO2 dari lahan gambut berasal dari proses respirasi heterotrofik yang dikendalikan oleh mikroba dan respirasi autotrofik yang merupakan respirasi akar.
Respirasi heterotrofik berkontribusi terhadap peningkatan konsentrasi gas rumah kaca di atmosfer, sedangkan respirasi autotrofik sebagian besar dinetralisir melalui proses fotosintesis yang menyerap CO2 dari atmosfer.
Beberapa peneliti telah berusaha memisahkan antara respirasi heterotrofik dan autotrofik untuk mengetahui kontribusi dari masing-masing variabel tersebut meskipun belum mendapatkan hasil yang dapat disepakati karena asumsi dan metodologi yang masih terus berkembang (Agus et al. 2010, Murdiyarso et al. 2010, Wang et al.
2005) .
Berbagai penelitian mengenai kontribusi perakaran tanaman terhadap emisi CO2 total pada berbagai jenis tanah dan sistem penggunaan lahan tersebut menghasilkan nilai yang lebar yaitu antara 30 hingga 93% (Agus et al.
2010, Xu et al. 2001, Ryan et al. 1997, Laudelout and
* Corresponding author : Setiari Marwanto, email : [email protected]
Thierron 1996, Bowden et al. 1993, Nakane et al. 1983).
Rentang nilai yang lebar tersebut tidak terlepas dari jenis dan karakteristik lahan, iklim, serta jenis penggunaan lahan yang berbeda. Hutan tropis yang lebat di tanah mineral akan memiliki jumlah perakaran yang banyak dan memiliki potensi menghasilkan gas CO2 yang lebih besar dibandingkan dengan lahan kering dengan tanaman budidaya semusim. Vogt et al. (1996) melaporkan bahwa perakaran memiliki kontribusi 50% dari total siklus karbon tahunan di hutan.
Pertumbuhan biomassa akar merupakan sumber C- organik tanah melalui mekanisme rhizodeposition (Rønn et al. 2003). Bahan organik yang dilepaskan dari mekanisme rhizodeposition dapat berupa eksudat, sekresi, mucilagh, mucigel, dan lysater. Bahan yang mengandung polisakarida ini akan menjadi sumber makanan bagi mikroba yang selanjutnya akan memproduksi gas CO2. Akar juga menjadi sumber C-organik dari kehilangan jaringan fungsional akar serta proses dekomposisi saat akar tersebut mati (Keith et al. 1986; van Noordwijk et al.
1994).
Jumlah, ukuran, dan volume akar tanaman kelapa sawit sangat terkait dengan jarak perakaran tersebut dari batang tanaman (Harahap, 1999). Akibat respirasi autotrofik dan heterotrofik yang sangat terkait dengan akar, maka gas CO2 yang teremisi pada daerah perakaran juga akan terpengaruh oleh jarak dari batang tanaman. Penelitian pada tanaman akasia juga menyebutkan bahwa zona yang mengemisi CO2 terbesar adalah zona terdekat dengan batang tanaman (Jauhiainen et al. 2012).
Beberapa peneliti juga telah berusaha menghubungkan emisi dari lahan gambut dengan beberapa variabel lingkungan yang mudah diamati seperti tinggi muka air tanah, suhu, dan subsidensi (Couwenberg and Hooijer, 2012; Berglund et al. 2010, Vien et al. 2010, Hooijer et al.
2009, Dinsmore et al. 2009, Dirks et al. 2000, Wösten et al. 1997). Kedalaman muka air tanah merupakan variabel yang banyak dijadikan rujukan dalam perhitungan emisi karena kemudahan dalam pengamatan dan pengaruhnya yang besar terhadap potensial redoks tanah. Kedalaman muka air tanah akan menentukan volume pori udara pada gambut sehingga pada saat muka air tanah turun menyebabkan volume pori udara meningkat. Kondisi aerobik sangat diperlukan bagi aktivitas biota dan perakaran serta proses oksidasi oleh mikroba tanah (Blodau and Moore, 2002; Jauhiainen et al. 2005).
Hubungan penurunan muka air tanah dengan emisi CO2
bukan hubungan yang kontinyu. Hanya pada kedalaman tertentu dan pada waktu tertentu saja penurunan muka air tersebut mengakibatkan emisi CO2. Penelitian di lahan rawa yang berdrainase menyebutkan bahwa penurunan muka air tanah hingga kedalaman 30-40 cm akan meningkatkan fluks CO2, sedangkan variasi kedalaman
muka air tanah di bawah 40 cm dari permukaan tanah tidak saling berbeda secara nyata (Silvola et al. 1996).
Penelitian pada contoh bahan gambut dangkal di Vietnam menyimpulkan bahwa fluks CO2 dari oksidasi gambut menurun seiring dengan peningkatan kandungan airnya hingga batas tertentu (Vien et al. 2010). Penelitian tersebut juga menyebutkan bahwa pada musim kemarau, fluks CO2
lebih disebabkan oleh respirasi akar dibandingkan dengan oksidasi gambut.
Beberapa unsur hara seperti N, P, Mg, Fe, Co, Ni, dan Mn sangat dibutuhkan oleh mikroba dalam mendekomposisi gambut (Yavitt et al. 2004). Semakin banyak kandungan hara di dalam tanah gambut maka jumlah, keragaman, dan aktivitas mikroba juga akan semakin besar dan kemungkinan gambut juga akan terdekomposisi dengan lebih cepat. Hal ini mempengaruhi asumsi bahwa pemupukan di lahan gambut dapat meningkatkan emisi CO2. Proses mineralisasi yang dapat meningkatkan pelepasan gas CO2 juga dilaporkan oleh GrØnlund et al. (2008). Meskipun penelitian tersebut dilakukan di daerah kutub (boreal), tetapi proses yang terjadi dapat menjadi acuan bagi gambut tropis.
Tujuan dari penelitian ini adalah untuk mempelajari pengaruh kerapatan akar, pupuk, dan variasi kedalaman muka air tanah terhadap emisi CO2 dari lahan gambut yang ditanami kelapa sawit. Manfaat dari penelitian ini adalah untuk menunjukkan variabel mana yang signifikan meningkatkan emisi CO2 dan apa opsi teknologi yang mungkin dikembangkan untuk menurunkan emisi CO2. Bahan dan Metode
Lokasi penelitian merupakan lahan gambut yang dikelola sebagai perkebunan sawit rakyat mulai tahun 1996; terletak di Desa Sumber Agung, Kecamatan Sungai Gelam, Kabupaten Muaro Jambi, pada koordinat 10 43’
0,7” LS 1030 52’ 56,7” BT. Penelitian lapangan dilaksanakan pada bulan Januari 2012. Lokasi merupakan blok kebun (planting block) dan dibatasi oleh saluran drainase dimana satu blok kebun berukuran 200 x 1.000 m.
Penelitian ini menggunakan tiga transek dimana masing-masing transek memiliki tiga pohon pengamatan dengan jarak rata-rata dari saluran drainase adalah 12 m (P1), 54 m (P2), dan 99 m (P3) sehingga jumlah pohon pengamatan adalah 9 pohon. Pengukuran emisi CO2
menggunakan IRGA (Infra Red Gas Analyzer) tipe LI- 820. Sungkup terbuat dari paralon berdiameter 25,5 cm dengan tinggi 25 cm, dipasang pada jarak 1 m, 1,5 m, 2 m, 2,5 m, 3 m, 3,5 m, 4 m, dan 4,5 m dari pusat batang kelapa sawit. Jumlah keseluruhan titik pengamatan adalah 72 titik. Perhitungan emisi CO2 mengikuti formula penentuan fluks CO2 dari Madsen et al. (2009). Identifikasi
karakteristik gambut meliputi ketebalan, kematangan, kandungan karbon (C), dan BD (bulk density/berat isi) gambut. Penentuan kandungan C dan kadar abu gambut dilakukan dengan metode Loss on Ignition/LOI.
Kerapatan akar dan konsentrasi hara dianalisis dari contoh tanah menggunakan bor akar dan bor gambut dengan volume masing-masing 500 cm3. Pengambilan contoh dilakukan pada dua kedalaman yaitu 0-15 dan 15- 30 cm. Contoh gambut dari bor akar dicuci dengan air dan selanjutnya akar dipisahkan dari gambut berdasarkan kenampakan visual dengan bantuan alat penyaring dan pinset. Setelah akar terkumpul, dilakukan pengeringan menggunakan oven pada suhu 70 0C selama 48 jam hingga mencapai berat konstan. Jaringan akar yang telah kering oven tersebut dipisahkan lagi berdasarkan diameter akar fungsional sebagai berikut: a) Ø>5 mm (akar primer), b) Ø 2,5 - 5 mm (akar sekunder), c) Ø 0,5-2,5 mm (akar tersier), dan d) Ø <0,5 mm (akar kuarter). Setelah dipisahkan, akar dalam keadaan kering oven tersebut selanjutnya ditimbang.
Analisis sifat kimia yang dilakukan meliputi analisis pH H2O dan unsur hara makro yang meliputi total unsur N, P, K, Ca, dan Mg. Sebelum dianalisis, contoh gambut komposit terlebih dahulu dikering-anginkan dan disaring hingga lolos ayak ukuran 2 mm. Analisis tanah dilaksanakan di laboratorium Balai Penelitian Tanah, Bogor.
Kedalaman muka air tanah ditentukan dengan cara membuat lubang hingga mencapai kedalaman muka air tanah menggunakan tongkat besi. Pembuatan lubang dilakukan pada jarak sekitar 20 cm di samping sungkup pada setiap titik pengukuran emisi CO2. Pengukuran dilakukan dengan cara memasukkan meteran tongkat.
Perhitungan kedalaman muka air dimulai dari pusat
tongkat pengukur yang dimasukkan dalam lubang hingga batas basah akibat tercelup air gambut. Data kedalaman muka air tanah dikoreksi dengan elevasi permukaan tanah dengan menggunakan metoda selang air (waterpass).
Matriks korelasi (Uji Pearson) digunakan untuk menganalisis hubungan jarak titik pengamatan dan distribusi perakaran terhadap emisi CO2. Data yang saling berhubungan dan berbeda nyata pada taraf p < 5%
selanjutnya dianalisis menggunakan regresi linear sederhana. Pengolahan data dilakukan dengan program MS Excel.
Hasil dan Pembahasan Karakteristik lokasi penelitian
Ketebalan gambut di lokasi penelitian cukup bervariasi dengan rata-rata 575 ± 66 cm. Gambut di bagian permukaan memiliki tingkat kematangan dominan saprik (matang lanjut). Gambut di bagian tengah memiliki tingkat kematangan yang bervariasi meskipun didominasi oleh tingkat kematangan fibrik. Gambut di lapisan paling bawah di dekat lapisan mineral memiliki tingkat kematangan saprik. Tanah gambut dekat lapisan mineral memiliki kandungan mineral yang tinggi akibat tercampurnya kedua bahan tersebut. Rata-rata kandungan karbon (C) gambut yang dihitung dari permukaan tanah hingga lapisan substratum sebesar 77 ± 21 kg C m-3. Nilai ini lebih besar dibandingkan hasil penelitian Page et al.
(2002) yang memperkirakan kandungan C di Asia Tenggara rata-rata sebesar 60 kg C m-3. Perbedaan hasil tersebut diakibatkan oleh skala pengamatan yang berbeda.
Dari data BD yang diambil mulai dari lapisan permukaan hingga lapisan mineral dapat diketahui bahwa pada kedalaman 0-50 cm muncul pola yang seragam Gambar 1. Penempatan sungkup dengan berbagai jarak dari tengah batang kelapa sawit
Figure 1. Placement of gas chambers at different distances from center of oil palm trunk
dimana pada lapisan gambut permukaan (0-15 cm) memiliki rata-rata BD tertinggi (0,18 g cm-3) dan kemudian menurun secara berangsur pada lapisan 15-30 cm dan 30-50 cm sebesar 0,13 g cm-3 dan 0,12 g cm-3. Hal ini menunjukkan bahwa pada lapisan permukaan telah terjadi pemadatan yang dapat diakibatkan oleh perubahan kandungan air. Pada kedalaman > 200 cm, BD relatif lebih kecil dibandingkan dengan lapisan gambut permukaan.
BD pada lapisan terbawah yang berbatasan dengan lapisan tanah mineral sudah mengalami pencampuran sehingga menyebabkan nilai BD tinggi. Lapisan permukaan tanah gambut (0-15 cm) dan pada lapisan 100-200 memiliki kadar abu yang tinggi (>3%) dan selanjutnya menurun dengan nilai yang bervariasi.
Emisi CO2 di daerah perakaran
Gambar 2 menunjukkan bahwa nilai emisi tertinggi (138±73 t CO2 ha-1 th-1) berada pada jarak terdekat (1 m) dari pusat batang kelapa sawit dan menurun mengikuti pola logaritmik hingga nilai terendah (31±12 t CO2 ha-1 th-1) pada titik terjauh (4,5 m) dari pusat batang. Dari titik 1 m hingga 3 m terjadi penurunan sangat nyata yang menun- jukkan pengaruh variabel lingkungan yang tinggi seperti variabel akar, kedalaman muka air tanah dan pemupukan.
Pengaruh variabel tersebut menjadi sangat berkurang pada titik 3 m hingga 4,5 m dari pusat batang kelapa sawit. Pola emisi CO2 terhadap jarak tanaman juga dilaporkan oleh Jauhiainen et al. (2012) di perkebunan akasia yang menghasilkan kesimpulan bahwa emisi CO2 yang tinggi terjadi pada jarak terdekat dari pusat batang akasia.
Pengaruh kerapatan akar terhadap emisi CO2
Kerapatan akar kuarter (Ø <0,5 mm) pada kedalaman 0-15 cm hingga radius 4,5 m dari pusat batang berkisar antara 0,19-1,87 g dm-3. Semakin jauh dari batang kelapa sawit kerapatan akar kuarter semakin berkurang. Akar
tersier (Ø 0,5-2,5 cm) juga mengikuti pola seperti pada akar kuarter. Kerapatan akar tersier lebih rendah dibandingkan akar kuarter yaitu antara 0,06-1,49 g dm-3 di dalam radius 4,5 m. Kerapatan akar sekunder (Ø 2,5-5,0 cm) di dalam radius 4,5 m berkisar antara 0,06-0,65 g dm-3. Akar sekunder pada kedalaman 0-15 cm hanya dijumpai dalam jumlah sedikit dan tidak menunjukkan pola yang jelas terhadap jarak titik pengamatan dari pusat batang kelapa sawit. Akar primer (Ø > 5,0 cm) sama sekali tidak dijumpai pada lapisan permukaan ini.
Pertumbuhan akar pada kedalaman 15-30 cm memiliki pola yang hampir sama dengan akar pada kedalaman 0-15 cm dimana kerapatan tertinggi pada daerah perakaran terdekat dari pusat pohon dan menurun linear dengan bertambahnya jarak. Kondisi ini kemungkinan disebabkan karena pertumbuhan akar tersier dan kuarter pada lapisan ini jauh lebih konsisten dibandingkan pada lapisan atas dan kurangnya interaksi akar dengan variabel lingkungan di atas permukaan tanah. Pada akar sekunder, akar hanya dijumpai pada jarak 1 m (0,10 g dm-3), 2 m (0,41 g dm-3), dan 2,5 m (0,114 g dm-3) dari pusat batang sawit.
Sedangkan akar primer (Ø > 5,0 cm) pada lapisan permukaan ini hanya dijumpai di titik terjauh (4,5 m).
Gambar 3 merupakan hasil rata-rata dari kerapatan akar kedalaman 0-15 dan 15-30 cm. Dari Gambar 3 dapat diketahui bahwa kerapatan akar tersier dan kuarter pada kedalaman 0-30 cm sangat berhubungan dengan jarak dari batang kelapa sawit. Sementara akar yang memiliki diameter lebih besar tidak menunjukkan hubungan yang nyata. Pola kerapatan akar ini sama dengan pola emisi CO2
yang diukur pada titik yang sama yang mencerminkan hubungan yang kuat antara aktivitas akar tersier dan kuarter dengan emisi CO2 yang terjadi.
Tabel 1. Profil BD, kandungan C, kerapatan C, dan kandungan abu gambut di lokasi penelitian Table 1. Profile of BD, C content, C density, and ash content of peat at research location
Kedalaman BD Kandungan C Kerapatan C Kandungan abu
cm g cm-3 % g cm-3 %
0-15 0,18 ± 0,04 49,47 ± 1,95 0,09 ± 0,02 3,83 ± 1,62
15-30 0,13 ± 0,03 50,48 ± 1,80 0,06± 0,02 2,00 ± 0,68
30-50 0,12 ± 0,03 50,53 ± 1,88 0,06 ± 0,02 2,14 ± 1,20
50-100 0,15 ± 0,04 50,42 ± 0,78 0,07 ± 0,02 1,90 ± 0,99
100-200 0,17 ± 0,05 50,96 ± 1,04 0,09 ± 0,02 3,16 ± 2,01
200-300 0,14 ± 0,03 51,28 ± 0,58 0,07 ± 0,01 1,25 ± 0,48
300-400 0,13 ± 0,03 51,17 ± 0,78 0,07 ± 0,02 1,29 ± 0,46
400-500 0,15 ± 0,03 49,88 ± 2,61 0,08 ± 0,01 4,01 ± 4,10
>500 0,29 ± 0,27 39,61 ± 10,30 0,09 ± 0,02 13,20 ± 9,67
Keterangan: nilai merupakan rata-rata ± standar deviasi.
Berdasarkan analisis regresi sederhana (Gambar 4), diketahui adanya hubungan nyata antara kerapatan akar dengan emisi CO2 pada lapisan 0-30 cm dengan R2 = 0,98 untuk akar tersier (Ø 0,5-2,5 cm) dan R2 = 0,87 untuk akar kuarter (Ø < 0,5 cm). Akar dengan diameter yang lebih besar tidak menunjukkan hubungan dengan emisi CO2.
Pengaruh sifat kimia tanah terhadap emisi CO2
Seluruh contoh tanah (n=72) pada kedalaman 0-30 cm menunjukkan pH dan konsentrasi hara makro yang rendah.
Hal ini dapat dipahami karena sifat asli gambut yang memang miskin hara sehingga diperlukan penambahan amelioran dan pemupukan (Agus dan Subiksa 2008).
Kebun sawit ini sudah dipupuk dua bulan sebelum pengambilan contoh tanah. pH dan kandungan hara makro total (Ca, P, Mg, dan Na) menunjukkan pola logaritmik terhadap jarak dari batang (Gambar 5). Urutan koefisien regresi dari yang terbesar adalah Ca (R2 = 0,83), disusul oleh kandungan pH (R2 = 0,80), P (R2 = 0,63), Mg (R2 = 0,63), Na (R2 = 0,61), dan terakhir adalah K (R2 = 0,56).
Konsentrasi N total tidak terpengaruh oleh jarak dari batang kelapa sawit (R2 = 0,15).
R2 = 0.95
0 50 100 150 200 250
50 100 150 200 250 300 350 400 450
Jarak dari batang kelapa sawit (cm) Fluks CO2 (t ha-1 th-1 )
Gambar 2. Emisi CO2 dari berbagai jarak titik pengamatan dari pusat batang kelapa sawit (n=76 untuk setiap titik pengamatan). Garis tegak menunjukkan standar deviasi Figure 2. CO2 flux from several observation points from the center of oil palm trunk (n=76
for each measurement point). Bars showed standard deviation
R2 = 0.91 R2 = 0.89
R2 = 0.04
-0.2 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6
50 100 150 200 250 300 350 400 450
Jarak dari batang kelapa sawit (cm)
Kerapatan akar (g dm-3 ) Ø < 0,5 mm
Ø 0,5-2,5 Ø 2,5-5 mm Linear (Ø < 0,5 mm) Linear (Ø 0,5-2,5) Linear (Ø 2,5-5 mm)
Gambar 3. Kerapatan akar pada kedalaman 0-30 cm (n=9 untuk setiap titik dan setiap kelas diameter akar) pada berbagai jarak dari pusat batang kelapa sawit
Figure 3. Root density at 0-30 depth (n=9 for each observation point and each diameter class) on several distances from the center of oil palm trunk
