Bunga Rampai Pemanfaatan Penginderaan Jauh
untuk Pemantauan, Deteksi, dan Kajian Lingkungan
Editor:
Dr. Bidawi Hasyim. Dr. Bambang Trisakti.
Ir. Wawan K. Harsanugraha, M.Si.
Desain sampul: M. Priyatna, S.Si., MTI.
Desain tata letak: Crestpent Press Cetakan Pertama : Desember 2014
ISBN No : 978-602-14437-3-6
Dicetak dan diterbitkan oleh :
CRESTPENT PRESS
Kantor Pusat Pengkajian Perencanaan dan Pengembangan Wilayah, Institut Pertanian Bogor (P4W-LPPM)
Kampus IPB Baranangsiang, JL. Pajajaran, Bogor 16144 Telp/Fax. (0251) 8359072, email: crestpent@gmail.com
UNDANG-UNDANG NOMOR 19 TAHUN 2012 TENTANG HAK CIPTA
1. Barang siapa dengan sengaja dan tanpa hak mengumumkan atau memperbanyak suatu ciptaan atau member izin untuk itu, dengan pidana penjara paling lama 7 (tujuh) tahun dan/atau denda paling banyak Rp 5.000.000.000,00 (lima miliar rupiah).
2. Barangsiapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual kepada umum suatu Ciptaan atau barang hasil pelanggaran Hak Cipta atau Hak Terkait sebagaimana dimaksud pada ayat (1) dipidana dengan pidana penjara paling lama 5 (lima) tahun dan/atau denda paling banyak Rp 500.000.000,00 (lima ratus juta rupiah).
Pengantar Penerbit
Puji syukur kehadirat Tuhan yang Maha Esa atas diselesaikannya buku dengan judul “Pemanfaatan Penginderaan Jauh untuk Pemantauan, Deteksi, dan Kajian Lingkungan”. Buku ini memaparkan tentang Pemanfaatan Penginderaan Jauh dalam aplikasinya di berbagai kondisi lingkungan dalam mendukung pembangunan di Indonesia
Diharapkan, buku ini memberikan pandangan mengenai kemajuan teknologi penginderaan jauh dengan data, informasi yang lebih baik dan cakupan yang lebih luas dalam pemantauan kondisi lingkungan di beberapa kawasan yang terdapat di seluruh Wilayah Indonesia,
Pada kesempatan ini, disampaikan rasa terima kasih dan penghargaan kepada seluruh pihak khususnya para peneliti Pusat Pemanfaatan Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional dari bidang Lingkungan yang telah berupaya menuangkan pemikirannya untuk menyusun buku ini . Semoga buku ini dapat berkontribusi terhadap ilmu pengetahuan dan juga dapat dimanfaatkan oleh pembacanya
KATA PENGANTAR
Indonesia dikenal sebagai salah satu negara yang rawan terhadap persoalan lingkungan. Berbagai kejadian kerusakan lingkungan mengharuskan kita untuk secara terus menerus meningkatkan kepedulian terhadap persoalan lingkungan. Kemajuan teknologi penginderaan jauh satelit yang dapat menghasilkan data dan linformasi yang realtime (up to date) dengan cakupan yang luas, dan historikal data yang baik, memungkinkan kita untuk berkontribusi dalam upaya pemantauan kondisi lingkungan di beberapa kawasan yang terdapat di seluruh Wilayah Indonesia. Berkaitan dengan hal tersebut Pusat Pemanfaatan Penginderaan Jauh, telah mencanangkan pembangunan Pusat Pemantauan Bumi Nasional dimana salah satu unsur utamanya adalah pemantauan lingkungan dan mitigasi bencana berbasiskan data penginderaan jauh. Berbagai hasil kegiatan terkait dengan pemanfaatan penginderaan jauh untuk pemantauan maupun deteksi kondisi lingkungan yang telah dan sedang dilaksanakan, beserta metodologi yang digunakan akan diuraikan dalam buku ini.
Buku ini bertujuan untuk memberikan penjelasan kepada pembaca mengenai Pemanfaatan Penginderaan Jauh dalam aplikasinya di berbagai kondisi lingkungan dalam mendukung pembangunan di Indonesia. Kritik dan saran dari pembaca sangat diharapkan tidak hanya bagi upaya penyempurnaan penulisan buku serupa di masa yang akan datang, tetapi juga bagi penentuan arah kebijakan Pusfatja untuk tahun berikutnya.
Pada kesempatan ini saya menyampaikan penghargaan kepada semua pihak, khususnya para peneliti dari Bidang Lingkungan dan Mitigasi Bencana, dan para penelaah, yang telah berupaya keras untuk menyusun dan menerbitkan buku ini.
.
Jakarta, November 2014
SEKAPUR SIRIH
Pemanfaatan Penginderaan Jauh untuk Pemantauan, Deteksi, dan Kajian
Lingkungan
Dr. M. Rokhis Khomarudin
1. STATUS PENELITIAN DAN PENGEMBANGAN PEMANFAATAN PENGINDERAAN JAUH UNTUK PEMANTAUAN LINGKUNGAN
Perubahan hutan, perluasan wilayah perkotaan, pencemaran sungai, perubahan lahan pertambangan, penurunan kualitas danau, pencemaran laut dan permasalahan lingkungan merupakan suatu masalah yang sering terjadi di negara berkembang seperti Indonesia. Pemantauan lingkungan merupakan suatu hal yang penting, untuk dapat mengetahui permasalahan lingkungan di suatu wilayah, mencari solusinya dan tidak meluas menjadi masalah yang lebih besar. Pemantauan kondisi lingkungan biasanya menggunakan pengamatan dan pengukuran langsung di lapangan, serta analisa laboratorium. Pemantauan dengan cara tersebut banyak memakan waktu, biaya dan biasanya lokasinya sangat terbatas. Teknologi penginderaan jauh yang berkembang saat ini memungkinkan digunakan untuk memantau kondisi lingkungan secara cepat dan meliputi lokasi yang luas, dengan akurasi yang memadai.
Pemanfaatan penginderaan jauh untuk pemantauan lingkungan seperti perubahan hutan, perluasan wilayah perkotaan, pencemaran laut, kebakaran hutan, ruang terbuka hijau, limbah B3, dan penurunan muka tanah (land subsidence) telah banyak dilakukan dengan bantuan teknologi penginderaan jauh. Selain keunggulan, pemanfaatan teknologi juga memiliki kelemahan, sehingga penelitian dan pengembangannya masih perlu terus dilakukan. Penelitian untuk menjawab tantangan dalam pemanfaatan teknologi ini masih terbuka dan menarik untuk dilakukan sehingga dihasilkan suatu metode yang tepat dan akurat untuk memantau lingkungan dengan penginderaan jauh.
Secara umum kegiatan penelitian dan pengembangan pemanfaatan penginderaan jauh untuk pemantauan lingkungan telah dilakukan di Indonesia, antar lain adalah kajian pemantauan degradasi hutan oleh Sofan, et. al. (2012), kajian deteksi daerah terkena limbah B3 oleh Haryani, et. al. (2013), ruang terbuka hijau oleh Haris (2006), penurunan muka tanah oleh Bayuaji et. al. (2010), lingkungan perkotaan oleh Tursilowati, et. al. (2012), pemantauan sebaran asap oleh Zubaidah, et. al. (2004), dan lingkungan habitat hewan Febriani (2009). Secara umum perkembangan kegiatan penelitian dan pengembangan ini berlangsung dengan baik karena kemanfaatannya dapat dirasakan secara langsung, baik untuk pemegang kebijakan maupun untuk keperluan penerapan di lapangan.
1.1. Degradasi Hutan
Penelitian dan pengembangan pemanfaatan data penginderaan jauh untuk deteksi atau pemantauan degradasi hutan telah banyak berkembang di dunia. Berbagai model telah dikembangkan untuk mendeteksi atau memantau degradasi hutan dengan data satelit penginderaan jauh. Salah satu model yang dikembangkan adalah model spectral mixture
analysis (Souza, et. al., 2003). Di Indonesia, penelitian dan pengembangan untuk
mendeteksi atau memantau degrasi hutan masih sedikit, namun lebih banyak untuk melihat perubahan vegetasi hutan. Salah satu penelitian yang dikembangkan di Indonesia adalah Sofan, et. al. (2012) dengan mengadopsi metode yang dikembangkan oleh Souza, et. al. (2003).
Berbagai cara lain untuk mendeteksi degradasi hutan dengan data penginderaan jauh antara lain dengan metode visual interpretation (Nandy, et. al. , 2011), change detection (Filler, et.
al. ,2009), spatio-temporal analysis (Lambin, et. al., 1999), dan automatic CLASlite method
(Asner, et. al., 2009). Berbagai metode tersebut dapat digunakan untuk mendeteksi degradasi hutan menggunakan data penginderaan jauh dengan akurasi yang memadai.
Penelitian mengenai degradasi hutan ini digunakan oleh beberapa institusi untuk menghitung perubahan penyerapan karbon dalam program REDD, seperti yang dilakukan oleh Olander,
et. al. (2008), Angelsen, et. al. (2009), Kisinger, et. al. (2012), dan Brewer, et. al. (2011).
Penginderaan jauh merupakan data utama yang digunakan dalam kegiatan Reduction
Emission From Deforestration and Forest Degradation (REDD).
Pengembangan metode untuk deteksi degradasi hutan masih perlu dilakukan sehingga menghasilkan suatu metode yang standar untuk pengolahan data penginderaan jauh, baik dengan menggunakan data resolusi spasial rendah, menengah, maupun tinggi. Penyesuaian waktu pemantauan juga merupakan suatu hal yang perlu diperhatikan, misalnya perubahan degradasi hutan per tahun dan dalam wilayah yang luas memerlukan data spasial rendah yang perolehan datanya kontinu seperti MODIS. Untuk wilayah-wilayah yang tidak luas, SPOT-6 atau Landsat-8 merupakan pilihan utama dalam mendeteksi degradasi hutan. Untuk wilayah Indonesia, selain untuk keperluan REDD, penelitian degradasi hutan sangat penting untuk dilakukan dalam kaitannya dengan bencana banjir dan longsor.
1.2. Limbah B3
Deteksi daerah terkena limbah B3 menggunakan data penginderaan jauh secara potensi dapat dilakukan. Hal ini diungkap oleh Slonecker, et. al. (2010) yang melakukan review pemanfaatan data penginderaan jauh untuk deteksi daerah yang terkena limbah B3. Dalam review diungkapkan bahwa data satelit penginderaan jauh resolusi tinggi dan multispektral memperlihatkan perubahan wilayah yang terkena limbah B3 atau tidak. Digambarkan pula dalam tulisannya bahwa wilayah yang terkena arsenik memiliki nilai reflektansi yang berbeda dibandingkan dengan wilayah yang tidak terkontaminasi arsenik. Lebih lanjut, Slonecker, et.
al. (2010) menjelaskan bahwa spectral library merupakan hal yang penting untuk
pengembangan lebih lanjut guna mendeteksi daerah terkena limbah B3.
Sebelumnya Singhroy, et. al. (1996) menggunakan penginderaan jauh untuk mendeteksi perubahan vegetasi di suatu lahan yang terkena limbah B3. Hasil yang diperoleh menunjukkan bahwa Landsat TM dan CASI dapat digunakan untuk memantau perubahan vegetasi di lahan yang terkena limbah B3. Dalam tulisannya disebutkan bahwa data penginderaan jauh dapat digunakan untuk memantau wilayah yang terkena material-material limbah berbahaya lainnya.
Faisal, et. al. (2012) juga melakukan penelitian dengan data penginderaan jauh untuk mendeteksi daerah yang terkena limbah B3. Dalam penelitiannya ditunjukkan bahwa dengan kandungan CH4 suatu wilayah berkorelasi dengan Land Surface Temperature (LST) yang diturunkan dari data Landsat. Hal sama juga ditunjukkan dalam riset ini bahwa kontur LST berkorelasi dengan suatu wilayah pembuangan yang terkontaminasi limbah B3. Penelitian ini menyimpulkan bahwa Landsat TM dapat digunakan untuk mendeteksi daerah pembuangan sampah yang terkena limbah B3.
Penelitian yang komprehensif dilakukan oleh Vijdea, et. al. (2004) menggunakan data penginderaan jauh untuk memantau kondisi wilayah Pecomines untuk memantau perkembangan limbah pertambangan. Hasil penelitian menunjukkan bahwa penginderaan jauh efektif untuk kegiatan tersebut.
Berdasarkan berbagai literatur yang ada mulai tahun 2012, Lapan mengembangkan suatu metode pemanfaatan data penginderaan jauh untuk deteksi daerah yang terkena limbah B3. Pada tahun 2013 dilakukan survey lapangan dan diskusi dengan pihak Pertamina yang menunjukkan hasil bahwa penelitian yang dilakukan Lapan sejalan dengan perlakuan penanganan Limbah B3 di wilayah mereka. Hal ini menunjukkan hal yang sangat baik, bahwa data penginderaan jauh dapat digunakan untuk memantau perubahan lahan tercemar hasil perlakukan penanganan limbah B3 di suatu wilayah dan upaya penangannya. Haryani,
et. al.(2013) juga mengungkapkan bahwa nilai spektral suatu wilayah yang terkena limbah B3 berbeda dengan wilayah yang tidak terkena limbah B3. Potensi pendeteksian limbah B3 dengan data penginderaan jauh dapat ditunjukkan dari hasil riset ini.
Berdasarkan hasil review dan saran dari penelitian yang diungkap oleh Slonecker, et. al. (2010) dan juga Haryani, et. al. (2013), bahwa hal yang penting dalam penelitian ini adalah
spectral libraryrr dari daerah yang terkena limbah B3 baik acid sludge, arsenik, maupun material berbahaya lainnya. Pengetahuan spectral library dari kondisi wilayah tersebut akan dapat memudahkan untuk mendeteksinya dengan menggunakan data penginderaan jauh.
1.3. Ruang Terbuka Hijau (RTH)
Aplikasi penginderaan jauh untuk ruang terbuka hijau merupakan pemanfataan yang sering dilakukan oleh peneliti bidang penginderaan jauh, karena vegetasi merupakan objek yang mudah diinderaja dari satelit penginderaan jauh. Aplikasi deteksi ruang terbuka hijau didorong oleh peningkatan dan perluasan berbagai wilayah perkotaan di Indonesia. Hasil pemanfaatan penginderaan jauh untuk analisis RTH digunakan untuk estimasi penambahan ruang hijau agar wilayah kota menjadi lebih nyaman dan asri. Aplikasi ini juga dapat digunakan untuk menentukan peraturan koefisien dasar bangunan, perbandingan antara bangunan dan vegetasi. Beberapa contoh aplikasi khusus tentang ruang terbuka hijau disampaikan oleh Beiranvand, et. al. (2013), Bhaskar (2012), Odindi and Mhangara (2012), Shahabi, et. al. (2012), Hoffmann, et. al. (2012), Saati, et. al. (2010), Zhou and Wang (2010), Mahmoodzadeh (2007), Ruangrit and Sokhi (2004), dan McMahan, et. al. (2002).
1.4. Penurunan Muka Tanah (Land Subsidence)
Penurunan muka tanah merupakan masalah lingkungan yang dapat menyebabkan bencana bagi suatu wilayah. Hal ini biasanya terjadi di wilayah perkotaan dengan pemanfaatan air tanah yang instensif akibat banyaknya bangunan dan perumahan yang merupakan suatu beban bagi tanah, sehingga terjadi penurunan muka tanah. Masalah yang timbul akibat hal ini adalah meluasnya daerah rawan banjir.
Pemanfaatan data penginderaan jauh sudah banyak dilakukan terutama dengan menggunakan teknik interferometri Synthetic Aperture Radar (SAR). Teknik ini dapat digunakan untuk mendeteksi perubahan bentuk lahan (deformasi) dan penurunan muka tanah (land subsidence). Ada 3 metode yang umumnya digunakan oleh para peneliti dalam melakukan pengolahan data SAR untuk kajian land subsidence, yaitu: Interferometry
Synthetic Aperture Radar (InSAR), Differential Interferometry Synthetic Aperture Radar
(DInSAR), dan Persistent/permanenet Scatter Interferometry Synthetic Aperture Radar (PSInSAR). Ismullah (2004) menyatakan bahwa InSAR merupakan teknik pencitraan yang memanfaatkan perbedaan fasa gelombang elektromagnetik untuk mendapatkan informasi tinggi di suatu daerah. DInSAR merupakan teknologi pencitraan radar dengan input prameter fase, amplitude dan panjang gelombang untuk memperoleh topografi dan deformasi (Saputro
et al, 2012). PSInSAR merupakan pengembangan dari teknik InSAR dan DInSAR dengan
menekankan pada eliminasi kesalahan akibat adanya dekorelasi temporal dan dishomogenitas atmosferik yang sering ditemui pada metode sebelumnya. Metode InSAR telah dilakukan oleh Hirose et al. (2001), Lubis et al. (2011), sedangkan DInSAR telah dikembangkan oleh Chaussard et al. (2013), Chatterjee et al. (2006), Syafiudin dan Chatterjee (2009). PSInSAR telah dilakukan oleh Yan et al. (2009), Osmanoglu et al. (2011), Hung et al. (2011), dan Ng et al. (2012).
Secara umum dengan menggunakan teknik interferometri Synthetic Aperture Radar (SAR) berbagai data SAR yang telah tersedia, penurunan muka tanah dapat dihasilkan. Hasil
penelitian dari berbagai sumber literatur di atas menunjukkan akurasi dari teknik ini cukup memadai. Perbandingan hasil pengolahan data SAR dengan pengukuran lapangan di berbagai wilayah menunjukkan pola yang sama. Secara umum penelitian penurunan muka tanah bukan pada pembuatan teknik pengolahan data SAR, namun pada penyebab terjadinya penurunan muka tanah di suatu wilayah. Penyebab turunnya muka tanah dalam beberapa riset yang telah dilakukan adalah karena tumbuhnya bangunan dan gedung di wilayah perkotaan, kawasan industri, pertambangan, karst, dan eksplorasi air tanah di berbagai wilayah.
Dalam hal pengembangan metodologi, deteksi penurunan muka tanah dengan menggunakan data SAR sudah terdapat teknik yang memadai dengan menggunakan teknik interferometri SAR. Tantangan ke depan di Indonesia adalah memetakan laju penurunan muka tanah di berbagai wilayah. Hal ini sangat bermanfaat untuk penanggulangan bencana terutama banjir.
1.5. Fenomena Pemanasan Perkotaan (Urban UU Heat IslandII dd)
Urban heat island merupakan suatu fenomena perbedaan suhu permukaan tanah di wilayah
perkotaan dibandingkan dengan suhu permukaan tanah di sekitarnya. Deteksi urban heat
island ini bermanfaat untuk mengidentifikasi tingkat kenyamanan suatu wilayah perkotaan
dan perkembangannya. Penelitian-penelitian tentang hal ini biasanya dihubungkan dengan ruang terbuka hijau dan penambahan ruang terbuka hijau yang diperlukan agar suatu kota lebih terasa nyaman.
Pemanfaatan data penginderaan jauh untuk kegiatan ini sudah banyak dilakukan sejak adanya kanal thermal di satelit penginderaan jauh seperti kanal 6 pada Landsat TM dan kanal 10-14 di Citra ASTER. Penelitian pemanfaatan penginderaan jauh untuk urban heat
island, secara umum digunakan untuk deteksi perubahan/perkembangan wilayah perkotaan
(Kaya, et. al. , 2012), hubungannya dengan penutup/penggunaan lahan (Chen, et. al., 2006), Patki dan Alange , 2009), polusi udara Feizizadeh dan Blaschke, 2013), dan kebutuhan energi (Ukwattage dan Dayawansa, 2012). Selain dengan thermal, data microwave juga dapat digunakan untuk deteksi urban heat island (Kadygrov, et. al., 2009).
Untuk pengembangan metode deteksi urban heat island lebih lanjut secara teoritis tidak begitu banyak tantangannya. Penelitian dengan satelit microwave merupakan tantangan tersendiri dalam mendeteksi urban heat island. Tantangan penelitian ini adalah menentukan hubungan antara urban heat island dengan tingkat kenyamanan kota dan juga potensi penambahan ruang terbuka hijau di wilayah perkotaan.
1.6. Pemantauan Asap Kebakaran Lahan/hutan
Kebakaran lahan dan hutan di Indonesia terjadi setiap tahun dan membawa dampak lingkungan yang sangat hebat bagi daerah lokasi kebakaran dan negara tetangga. Banyak masyarakat terkena gangguan kesehatan seperti ispa dan masalah pernafasan lainnya. Di
Singapura masalah asap kebakaran yang berasal dari Provinsi Riau menyebabkan negara tersebut meliburkan semua aktivitas bisnis dan lainnya untuk menjaga kesehatan warganya. Pemantauan kualitas udara di dua negara sudah effektif dilakukan, tetapi untuk pemantauan trayektori asap belum banyak dilakukan. Pemantauan trayektori asap akan dapat memperkirakan daerah yang akan terkena asap sehingga antisipasi dini dapat dilakukan.
Pemanfaatan data penginderaan jauh untuk memantau asap sudah dilakukan di Indonesia maupun di dunia untuk memperlihatkan asal asap, daerah yang terkena, dan arah gerakan asap. Satelit-satelit penginderaan jauh resolusi rendah seperti NOAA AVHRR dan Terra/Aqua MODIS dapat menampilkan data setiap hari, sehingga dapat mendeteksi asap dengan baik. Penelitian dan pengembangan pemanfataan data penginderaan jauh untuk pemantauan asap dibagi menjadi 2 bagian yaitu pemantauan sebaran asap (Zubaidah dan Arief, 2004) dan pemantauan kondisi atau kualitas udara akibat asap (Amanollahi, et. al., 2011), dan Noh, et. al., (2009).
Tantangan kedepan pemanfaatan data penginderaan jauh adalah klafisikasi asap secara digital untuk membedakan antara asap dan awan. Klasifikasi ini akan mempercepat proses pemantauan asap dengan data penginderaan jauh. Pembuatan haze monitoring system juga merupakan suatu tantangan agar pemantauan lebih cepat dan akurat.
1.7. Habitat Hewan dari Penutup Lahan
Habitat hewan memiliki karakteristik tersendiri untuk setiap jenis hewan. Suatu habitat nyamuk misalnya merupakan suatu wilayah dengan lingkungan yang lembab dan banyak air. Biasanya lingkungan ada di rawa, sungai, embung, dan genangan-genangan yang dapat dideteksi dari data penginderaan jauh. Mengetahui habitat hewan adalah sangat penting untuk memantau kondisi hewan dan juga menghindari masalah penyakit jika hewan tersebut menimbulkan penyakit seperti nyamuk. Pengetahuan tentang lingkungan habitat hewan akan mengetahui tingkah laku dari hewan yang dipantau. Penginderaan jauh merupakan suatu alat yang digunakan untuk memantau kondisi lingkungan habitat hewan.
Penelitian dan pengembangan penginderaan jauh untuk lingkungan habitat hewan telah banyak dilakukan seperti untuk Gajah (Tikhile, et. al. 2013; Febriani, 2009), Burung (Gottschalk, et. al. 2005), Nyamuk (Cleckner, et. al. 2011), hewan liar (Mckenzie, et. al. 2002), dan hewan langka lainnya (Ekwal, et. al. 2012). Kebanyakan riset yang terkait hal ini adalah memanfaatkan data penginderaan jauh untuk klasifikasi penutup lahannya dan kemudian digabungkan dengan informasi lainnya dalam Sistem Informasi Geografis untuk mengetahui habitat hewan yang akan di identifikasi. Hal ini menarik karena hewan-hewan langka yang mungkin masih hidup dalam hutan dapat diidentifikasi jika diketahui kondisi lingkungannya dan habitatnya.
2. PENUTUP
Buku Bunga rampai ini akan memberikan kajian dan review pemanfaatan data penginderaan jauh untuk berbagai masalah lingkungan seperti degradasi hutan, limbah B3, ruang terbuka hijau, penurunan muka tanah, pemantauan asap, lingkungan habitat hewan, serta kondisi iklim/curah hujan sebagai parameter fisik lingkungan. Potensi data penginderaan jauh dapat membantu berbagai macam kegiatan tersebut. Metode-metode pemantauannya telah dikembangkan di Indonesia maupun oleh para ilmuwan di berbagai dunia, tinggal bagaimana untuk mengembangkannya dan memanfaatkannya agar data dan metode penginderaan jauh dapat berguna bagi masyarkat.
DAFTAR PUSTAKA
Amanollahi J., Abdullah, A.M., Raml, M.F. and Pirasteh, S. 2011. Real Time Assessment of Haze and PM10 Aided by MODIS Aerosol Optical Thickness over Klang Valley, Malaysia. World Applied Sciences Journal 14 (Exploring Pathways to Sustainable Living in Malaysia: Solving the Current Environmental Issues): 08-13.
Angelsen, A., Brown, S., Loisel, C., Peskett, L., Streck, C. and Zarin, D. 2009. Reducing Emissions from Deforestation and Forest Degradation (REDD): An Options Assessment Report. The Government of Norway. Meridian Institute, Connecting People to Solve Problem.
Asner, G.P., Knapp, D.E., Balaji, A.,and Acosta, G.P. 2009. Automated mapping of tropical deforestation and forest degradation: CLASlite. Journal of Applied Remote Sensing, Vol. 3.
Bayuaji, L., Sumantyo, J.T.S., and Kuze, H. 2010. ALOS PALSAR D-InSAR for land subsidence mapping in Jakarta, Indonesia. Can. J. Remote Sensing, Vol. 36, No. 1, pp. 1–8.
Beiranvand, A., Eslambnyad, E., and Soosani, J. 2013. Evaluation of Khorramabad’s physical changes and its green space using remote sensing data. European Journal of Experimental Biology, Vol 3(3):431-438.
Bhaskar, P. 2012. Urbanization and Changing Green Spaces in Indian Cities (Case Study – City Of Pune). International Journal of Geology, Earth and Environmental Sciences ISSN: 2277-2081 (Online) An Online International Journal Available at http://www.cibtech.org/ jgee.htm 2012 Vol. 2 (2) May-August, pp.148- 156.
Brewer, C.K.; Monty, J.; Johnson, A; Evans, D; Fisk, H. 2011. Forest carbon monitoring: A review of selected remote sensing and carbon measurement tools for REDD+. RSAC-10018-RPT1. Salt Lake City, UT: U.S. Department of Agriculture, Forest Service, Remote Sensing Applications Center. 35 p.
Chen, X.L., Zhao. H.M., Li, P.X., and Yin, Z.Y. 2006. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment 104 :133–146.
Cleckner, H.L., Allen, T.R., and Bellows, A.S. 2011. Remote Sensing and Modeling of Mosquito Abundance and Habitats in Coastal Virginia, USA. Remote Sens. Vol. 3, 2663-2681; doi:10.3390/rs3122663.
Ekwal, I., Tahir, H., and Tahir, M. 2012. Modelling of Habitat Suitability Index for Muntjac (Muntiacus muntjak) Using Remote Sensing, GIS and Multiple Logistic Regression Journal of Settlements and Spatial Planning, vol.3, no. 2 : 93-102.
Faisal, K., Al Ahmad, M., and Shaker, A. 2012. Remote Sensing Techniques as a Tool for Environmental Monitoring. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXIX-B8, 2012 XXII ISPRS Congress, 25 August – 01 September 2012, Melbourne, Australia.
Febriani, R. 2009. Pemetaan Daerah Rawan Konflik Gajah Menggunakan Sistem Informasi Geografis di Taman Nasional Gunung Leuser (Studi Kasus di Resort Tangkahan, Resort Cinta Rajad dan Resort Sei Lepan. Departemen Kehutanan Fakultas Pertanian Universitas Sumatera Utara, Medan.
Feizizadeh, B and Blaschke, T. 2013. Examining Urban Heat Island Relations to Land Use and Air Pollution: Multiple Endmember Spectral Mixture Analysis for Thermal Remote Sensing. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, VoL. 6, No. 3.
Filler, C., Keenan, R.J., Allen, B.J., and McAlpine, J.R. 2009. Deforestation and forest degradation in Papua New Guinea. Ann. For. Sci. 66 : 813.
Gottschalk, T.K., Huettmann, F., and Ehlers, M. 2005. Thirty years of analysing and modelling avian habitat relationships using satellite imagery data: a review. International Journal of Remote Sensing Vol. 26, No. 12, 20: 2631–2656.
Haris, V.I. 2006. Analisis Distribusi dan Kecukupan Ruang Terbuka Hijau (RTH) dengan Aplikasi Sistem Informasi Geografis dan Penginderaan Jauh (Studi Kasus di Kota Bogor). Skripsi. IPB. Bogor.
Haryani, N.S., Sulma, S., and Pasaribu, J.M. 2013. Detection Of Acid Sludge Contaminated Area Based On Normalized Difference Vegetation Index (NDVI) Value. Proceeding. ACRS 34th Denpasar Bali.
Hoffman, P., Strobl, J., and Nazarkulova, A. 2011. Mapping Green Spaces in Bishkek—How Reliable can Spatial Analysis Be? Remote Sens. 2011, 3, 10881103; doi:10.3390/rs3061088.
Hirose, K., Maruyama, Y., Murdohardono, D., Effendi, A., and Abidin, H. 2001. Land Subsidence detection using JERS-1 SAR Interferometry. Paper presented in 22nd Asian Conference on Remote Sensing, 5-9 November 2001, Singapore.
Hung, W.-C., C. Hwang, Y.-A. Chen, C.-P. Chang, J.-Y. Yen, A. Hooper, and C.-Y. Yang, 2011. Surface deformation from persistent scatterer SAR interferometry and fusion with leveling data: A case study over the Choushui River Alluvial Fan, Taiwan.
Kadygrov, E.N., Vorobeva,E.A., Kuznetsova, I.N., Folomeev, V.V., and Miller, E.A. 2009. Application of Microwave Radiometry for Urban Heat Island Study. Progress In Electromagnetics Research Symposium Proceedings, Moscow, Russia.
Kaya, S., Basar, U.G., Karaca, M., and Seker, D.Z. 2012. Assessment of Urban Heat Islands Using Remotely Sensed Data. Ekoloji 21, 84, 107-113. doi: 10.5053/ekoloji.2012.8412
Kissinger, G., M. Herold, V. De Sy. 2012. Drivers of Deforestation and Forest Degradation: A Synthesis Report for REDD+ Policymakers. Lexeme Consulting, Vancouver Canada.
Lubis, A. M., T. Sato, N. Tomiyama, N. Isezaki, and T. Yamanokuchi, 2011. Ground Subsidence in Semarang-Indonesia Investigated by ALOS-PALSAR Satellite SAR Interferometry. Journal of Asian Earth Sciences 40:1079-1088.
Mahmoodzadeh, H. 2007. Digital Change Detection Using Remotely Sensed Data for Monitoring Green Space Destruction in Tabriz. Int. J. Environ. Res. 1 (1): 35-41, Winter.
McMahan, B., Weber, K.T., and Sauder, J.D. 2002. Using Remotely Sensed Data in Urban Sprwal and Green Space Analyses. Intermountain Journal of Sciences. Vol. 8. No. 1:30-37.
McKenzie, J.S., Morris, R.S., Pfeiffer, D.U., and Dymond, J.R. 2002. Application of Remote Sensing to Enhance the Control of Wildlife-Associated Mycobacterium bovis Infection. Photogrammetric Engineering & Remote Sensing Vol. 68, No. 2, pp. 153-159.
Nandy, S., Kushwaha, S.P.S., and Dadhwal, V.K. 2011. Forest degradation assessment in the upper catchment of the river Tons using remote sensing and GIS. Ecological Indicators 11: 509–513.
Ng, A. H., L. Ge, X. Li, H. Z. Abidin, H. Andreas, K. Zhang, 2012. Mapping land subsidence in Jakarta, Indonesia using persistent scatterer interferometry (PSI) technique with ALOS PALSAR. International Journal of Applied Earth Observation and
Geoinformation,18:232-242.
Noh, Y.M., Mueller, D., Shin, D.H., Lee, H., Jung, J.S. Lee, K.H., Cribb, M., Li, Z., and Kim, Y.J. 2009. Optical and microphysical properties of severe haze and smoke aerosol measured by integrated remote sensing techniques in Gwangju, Korea. Atmospheric Environment 43 :879–888.
Odindi, J. O. and Mhangara, P. 2012. Green Spaces Trends in the City of Port Elizabeth from 1990 to 2000 using Remote Sensing. Int. J. Environ. Res., 6(3):653-662, Summer.
Olander, L.P., Gibbs, H.K., Steininger, M., Swenson, J.J., and Murray, B.C. 2008. Reference scenarios for deforestation and forest degradation in support of REDD: a review of data and methods. Environ. Res. Lett. 3 (11pp).
Osmanoglu, B., T.H. Dixon, S. Wdowinski, E. Cabral-Cano, and Y. Jiang, 2011. Mexico City subsidence observed with persistent scatterer InSAR. International Journal of Applied
Patki, P.N. and Alange, P.R. 2009. Study of Influence of Land Cover on Urban Heat Islands in Pune Using Remote Sensing. IOSR Journal of Mechanical and Civil Engineering (IOSR-JMCE) ISSN: 2278-1684 PP: 39-43 www.iosrjournals.org.
Ruangrit, V. and Sokhi, B.S. 2004. Remote Sensing And Gis For Urban Green Space Analysis – A Case Study Of Jaipur City, Rajasthan. ITPI Journal 1 : 2 : 55-67.
Saati, M., Bagheri, M., and Zamanian, F. 2010. Application of Remote Sensing in Development of Green Space. World Academy of Science, Engineering and Technology Vol. 40.
Saputra, E.A., S. Kahar, dan B. Sasmito, Deteksi penurunan muka tanah kota Semarang dengan teknik differential interferometric synthetic aperture radar (DInSAR) menggunakan software ROI_PAC berbasis open source. Jurnal geodesi Undip. 1(1). (ISSN:2337-845X).
Shahabi, H., Zabihian, H., and Shikhi, A. 2012. Application of Satellite Images and GIS in Evaluation of Green Space Destruction in Urban Area (Case study:Boukan City). International Journal of Engineering Research & Technology (IJERT) Vol. 1 Issue 7, September.
Singhroy, V. 1996. Remote Sensing For Characterizing and Monitoring of Hazardous Waste Sites- Case Studies in Canada and Germany. International Archieves of Photogrammetry and Remote Sensing Vo. XXXI Part B7. Vienna.
Slonecker, T., Fisher, G.B., Aiello, D.P., and Haack, B. 2010. Visible and Infrared Remote Imaging of Hazardous Waste: A Review. Remote Sens. Vol 2: 2474-2508; doi:10.3390/rs2112474.
Sofan, P., Vetrita, Y., Khomarudin, M.R. 2012. Spektal Mixture Analisis untuk Identifikasi Degradasi Hutan di Kalimantan Barat Berdasarkan Data Multitemporal Landsat. Prosiding PIT XIX Masyarakat Ahli Penginderaan Jauh (MAPIN), 2012, Makassar.
Souza, C., Firestone, L., Silva, L.M., and Roberts, D. 2003. Mapping Forest Degradation in the Eastern Amazon from SPOT 4 through Spectral Mixture Models. Remote Sensing of Environment 87 : 494-506.
Syafiudin, M. F. dan R. S. Chatterjee, 2009. Potensi pemanfaatan teknologi Differential Interferometric Synthetic Aperture Radar (D-InSAR) berbasis satelit untuk pemantauan penurunan muka tanah di cekungan Bandung. Jurnal Ilmiah Geomatika, 15(1).
Tikhile, P.,Gavade,V.V., Pati, R.R., and Palkar, M. 2013. Elephant Habitat Suitability in Southern Part of Kolhapur District with Geoinformatics Approach. Academic Journal of Plant Sciences 6 (2): 82-88.
Tursilowati, L., Sumantyo, J.T.S, Kuze, H., and Adiningsih, E.S. 2012. The Integrated WRF/Urban Modeling System and Its Application to Monitoring Urban Heat Island in Jakarta, Indonesia. Journal of Urban and Environmental Engineering (JUEE), v.6, n.1, p.1-9.
Ukwattage, N.L. and Dayawansa, N.D.K. 2012. Urban Heat Islands and the Energy Demand: An Analysis for Colombo City of Sri Lanka Using Thermal Remote Sensing Data. International Journal of Remote Sensing and GIS, Volume 1, Issue 2, 124-131.
Vîjdea, A.M., Sommer, S., and Mehl. W. 2004. Use Of Remote Sensing For Mapping And Evaluation Of Mining Waste Anomalies At National To Multi-Country Scale A Case Study To Integrate Remote Sensing Information With Thematic Data Layers And National Inventories On Mining Features In Pre-Accession Countries A Report Of The Jrc Enlargement Project: Inventory, Regulations And Environmental Impact Of Toxic Mining Wastes In Pre-Accession Countries Pecomines. ISBN 92-894-7792-X.
Yan, Y., P. L-Quiroz, M-P. Doin, F. Tupin, and B. Fruneau, 2009. Comparison of two methods in multi-temporal differential SAR interferometry: Application the measurement of Mexico city subsidence. The Fifth International Workshop on the Analysis of Multi-temporal Remote Sensing Images.
Zhou, X., and Wang, Y.C. 2011. Spatial–temporal dynamics of urban green space in response to rapid urbanization and greening policies. Landscape and Urban Planning 100 : 268–277.
Zubaidah, A., and Arief, M. 2004. Distribusi Spasial Hotspot dan Sebaran Asap Indikator Kebakaran Hutan/Lahan di Pulau Sumatera dan Kalimantan Tahun 2002. Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vo. 1 No.1: 56-65.
BIOGRAFI PENULIS
Dr. rer. nat. M. Rokhis Khomarudin
Email : rokhis.khomarudin@lapan.go.id; ayah_ale@yahoo.com
Pendidikan:
x Doktor (Dr), pada Ludwig-Maximilians-Universität (LMU) Munich –Germany, 2010 x Magister Sains (M.Si.), pada program studi Agroklimatologi, Jurusan Geofisika dan
Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor (IPB), 2005.
x Sarjana Sains (S.Si.) pada program studi Agrometeorologi, Jurusan Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor (IPB). 1998
Profesi sebagai Kepala Pusat Pemanfaatan Penginderaan Jauh, Deputi Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional, sebelumnya menjabat sebagai Kepala Bidang Lingkungan dan Mitigasi Bencana, selain itu aktif sebagai fungsional peneliti Pusat Pemanfaatan Penginderaan Jauh, Deputi Penginderaan Jauh, Lembaga Penerbangan dan Antariksa Nasional, sejak 1 Maret 1999. Kegiatan penelitian yang telah dilakukan, pengembangan model diaplikasikan untuk berbagai tipe bencana. Organisasi profesi yang diikuti adalah Anggota pada Indonesian Agricultural Meteorology Society, Anggota pada Indonesian Remote Sensing Society, Anggota pada American Geoscience Union, dan Anggota pada European Geoscience Union.
DAFTAR ISI
PENGANTAR PENERBIT...ii
KATA PENGANTAR ...iii
SEKAPUR SIRIH...iv
DAFTAR ISI ... xvi
METODE UNTUK DETEKSI KAWASAN YANG TERDAMPAK LIMBAH B3 BERBASIS DATA PENGINDERAAN JAUH1 Nanik Suryo Haryani, Sayidah Sulma, Junita Monika Pasaribu, Hidayata ... 1
ANALISIS CITRA SATELIT PENGINDERAAN JAUH UNTUK MENGIDENTIFIKASI RUANG TERBUKA HIJAU DI DAERAH PERKOTAAN Nur Febrianti, Kusumaning Ayu DS, Parwati Sofan ... 13
PEMANFAATAN PENGINDERAAN JAUH UNTUK PEMANTAUAN PENURUNAN MUKA TANAH (LAND SUBSIDENCE) Junita Monika Pasaribu, Jalu Tejo Nugroho, Wiweka ... 25
PEMANFAATAN DATA SATELIT PENGINDERAAN JAUH UNTUK DETEKSI TUMPAHAN MINYAK DI PERAIRAN PANTAI DAN LAUT Sayidah Sulma, M. Rokhis Khomarudin, Nanik Suryo Haryani ... 43
PEMANFAATAN DATA MODIS DALAM MENDUKUNG INFORMASI SPASIAL PEMANTAUAN KABUT ASAP (HAZE) DI PROPINSI RIAU DENGAN MENGGUNAKAN GOOGLE EARTH Muhammad Priyatna, M. Rokhis Khomarudin, Kusumaning Ayu DS ... 55
PEMANFAATAN DATA PENGINDERAAN JAUH UNTUK PEMANTAUAN KEBAKARAN HUTAN/LAHANDI SUMATERA A Any Zubaidah, Yenni Vetrita, Muhammad Priyatna... 67
PEMANFAATAN PENGINDERAAN JAUH UNTUK PEMANTAUAN LINGKUNGAN MANGROVE Yenni Vetrita, Suwarsono, 3DUZDWL6RIDQ... 77
PEMANFAATAN PENGINDERAAN JAUH UNTUK PEMANTAUAN LINGKUNGAN PERTAMBANGAN, SUATU TINJAUAN Suwarsono dan Indah Prasasti ... 89
PENGEMBANGAN DETEKSI HEWAN DIKORELASIKAN DENGAN KERAGAMAN HAYATI MELALUI PENGINDERAAN JAUH Wiweka, Hidayat, Totok Suprapto... 101
ANALISIS CURAH HUJAN BULANAN TROPICAL RAINFALL MEASURING MISSION (TRMM) DAN STASIUN PENAKAR HUJAN DI WILAYAH PAPUA TAHUN 1998 - 2010 Jalu Tejo Nugroho, Nur Febrianti, Any Zubaidahi ... 113
43 ii iii 55 xvi 67 77 89 101 113
METODE UNTUK DETEKSI KAWASAN YANG TERDAMPAK LIMBAH B3
BERBASIS DATA PENGINDERAAN JAUH
Nanik Suryo Haryani, Sayidah Sulma, Junita Monika Pasaribu, Hidayat
Abstract
Hazardous waste from industrial and mining activity which was discarded without any treatment has led to environmental pollution. The area which has affected by hazardous waste can detected by using remote sensing data. Several method for hazardous waste detection using remote sensing data has been analyzed based on spectral and thermal value. Spectral analysis is performed by using the Normalized Difference Vegetation Index (NDVI) method and Red Edge Method, while thermal analysis is performed by using Land Surface Temperature method. Vegetation index using the NDVI method was applied to Landsat 7 ETM+, where the index was derived from the ratio of vegetation reflectance between red band and near infrared (NIR) band. Land Surface Temperature (LST) method was applied to Landsat 7 ETM+ thermal band, while the red edge method was applied also to Landsat 7 ETM+ data for visible and NIR band. The Red Edge phenomenon is characterized by the shifting of wavelength bands in red and NIR bands on the wave range of 680-760 nm.
Key word: Landsat, Hazardous waste, NDVI, LST, Red Edge
Abstrak
Limbah bahan berbahaya dan beracun (B3) yang berasal dari aktivitas industri maupun pertambangan yang dibuang tanpa adanya pengelolaan terlebih dahulu, telah menyebabkan pencemaran lingkungan. Kawasan yang terdampak limbah B3 dapat dideteksi dengan menggunakan data penginderaan jauh. Beberapa metode untuk deteksi limbah B3 berbasis data penginderaan jauh dianalisis berdasarkan spektral dan thermal. Analisis spektral dilakukan dengan menggunakan metode Normalized Difference Vegetation Index (NDVI) dan metode red edge, sedangkan analisis thermal dilakukan dengan menggunakan metode
Land Surface Temperatur(LST). Indeks vegetasi dengan menggunakan metode NDVI yang diaplikasikan pada data Landsat 7 ETM+, diperoleh dari rasio reflektansi vegetasi antara
kanal merah dan kanal inframerah dekat (NIR). Metode Land Surface Temperatur (LST)
diaplikasikan pada kanal thermal, sedangkan metode red edge dengan menggunakan data Landsat 7 ETM+ untuk kanal visible dan NIR. Fenomena red edgeditandai dengan bergesernya nilai panjang gelombang band red dan band NIR pada kisaran gelombang 680 – 760 nm.
1. PENDAHULUAN
Limbah merupakan bahan buangan yang dihasilkan dari suatu kegiatan dan proses produksi yang berasal dari industri, pertambangan maupun domestik atau rumah tangga. Berdasarkan jenis bahan buangan atau limbahnya, apabila setiap materi yang karena konsentrasi dan atau sifat dan atau jumlahnya mengandung bahan berbahaya dan beracun dan membahayakan manusia, mahluk hidup dan lingkungan disebut limbah B3.
Limbah bahan berbahaya dan beracun (B3), adalah sisa suatu usaha dan/atau kegiatan yang mengandung bahan berbahaya dan/atau beracun yang karena sifat dan/atau konsentrasinya dan/atau jumlahnya, baik secara langsung maupun tidak langsung, dapat mencemarkan dan/atau merusakkan lingkungan hidup, dan/atau dapat membahayakan kesehatan lingkungan hidup, kesehatan, kelangsungan hidup manusia serta makhluk hidup lain (PP No 18 Tahun 1999). Kegiatan deteksi kawasan yang terdampak limbah B3 sangat penting dilakukan untuk antisipasi dan penanganan dini agar dampak limbah B3 tersebut tidak meluas dan membahayakan lingkungan yang ada di sekitarnya.
Permasalahan limbah B3 dalam konteks lingkungan hidup di Indonesia menjadi fokus permasalahan lingkungan saat ini. Berbagai aktivitas industri maupun pertambangan telah menimbulkan kawasan yang terdampak oleh limbah B3. Kejadian tersebut salah satunya disebabkan oleh pembuangan limbah B3 ke lingkungan sekitarnya, walaupun sesungguhnya Peraturan Perundangan telah mengatur larangan membuang limbah B3 ke lingkungan. Beban biaya yang tinggi untuk mengelola limbah B3 sering menjadi alasan membuang limbah B3 ke lingkungan tanpa dilakukan pengolahan limbah terlebih dahulu.
Kawasan yang terdampak limbah B3 biasanya dilakukan dengan analisis lapangan daerah tercemar dan analisis laboratorium memerlukan waktu dan biaya yang relatif mahal. Perkembangan teknologi saat ini memungkinkan untuk mendeteksi kawasan terdampak limbah B3 tersebut dengan cara tidak menyentuh objek yang di analisis. Teknologi ini disebut sebagai teknologi penginderaan jauh (remote sensing). Keunggulan teknologi remote
sensing adalah cakupan yang luas, real time (up to date), historikal data yang baik, dan
memiliki karakterik spektral yang memungkinkan untuk mendeteksi kawasan terdampak limbah B3.
Penelitian ini bertujuan menganalisis beberapa metode yang digunakan untuk deteksi kawasan terdampak limbah B3 berbasis data penginderaan jauh satelit. Berdasarkan hasil penelitian yang telah dilakukan dari metode NDVI, LST dan red edge menunjukkan bahwa data penginderaan jauh satelit terutama dengan kanal merah, kanal inframerah dekat, serta kanal thermal mampu mendeteksi kawasan yang terdampak limbah bahan berbahaya dan beracun (B3) di suatu wilayah.
2. DATA DAN METODE 2.1 Data
Data yang digunakan dalam mendeteksi adanya kawasan yang terdampak oleh limbah bahan berbahaya dan beracun (B3) dalam penelitian ini adalah data Landsat dari tahun 1995 – 2012, dengan path/row 116/061, dan lokasi penelitian di Balikpapan – Kalimantan Timur.
2.2 Metode
Metode yang digunakan untuk mendeteksi adanya kawasan yang terdampak oleh limbah bahan berbahaya dan beracun (B3), antara lain: Normalized Difference Vegetation Index (NDVI), Land Surface Temperatur (LST), dan red edge.
a. Normalized Difference Vegetation Index (NDVI), dimana nilai index NDVI ini mempunyai
rentang dari -1.0 (minus 1) hingga 1.0 (positif 1). Nilai yang mewakili vegetasi berada pada rentang 0.1 hingga 0.7, diatas nilai ini menggambarkan tingkat kesehatan tutupan vegetasi. Data satelit yang dapat digunakan dalam formulasi ini, menggunakan data Landsat TM/ETM : band 3 (0.63-0.69 μm) dan band 4 (0.76-0.90 μm)
b. Land Surface Temperature (LST), dimana dalam hal ini dilakukan pengamatan kondisi suhu permukaan lahan berdasarkan data Landsat 7 ETM+ multi temporal. Tahapan meliputi pengumpulan data, penyusunan algoritma LST data Landsat 7 ETM+ dari perbandingan dengan LST data Terra-MODIS kemudian Kemudian dilakukan perhitungan statistik untuk mendapatkan korelasi antara LST MODIS dan rata-rata nilai Tb Landsat yang telah diekstraksi. Persamaan regresi yang diperoleh kemudian digunakan untuk menghitung LST dari Landsat. Selanjutnya dilakukan perhitungan LST Landsat 7 ETM+ multitemporal dan pemantauan LST pada daerah tercemar.
c. Red Edge, metode ini dilakukan dengan langkah-langkah, antara lain: koreksi data Landsat untuk sHWLDSWDQJJDOGDWDVHWHODKLWXPDVXNNDQIRUPXODGHQJDQUXPXV¨5¨ڣ selanjutnya lakukan ekstraksi reflektansi dan ekstraksi panjang gelombang.
3. HASIL DAN PEMBAHASAN
3.1 Normalized Difference Vegetation Index (NDVI)
Metode yang digunakan untuk mendeteksi adanya kawasan yang terdampak oleh limbah bahan berbahaya dan beracun (B3) adalah Normalized Difference Vegetation Index (NDVI) yaitu perbandingan antara spektral Near Infra Red (NIR) dikurangi Red (R) dibagi dengan jumlah spektral Near Infra Red (NIR) dan Red (R). Band spektral yang diproses memiliki data reflektan dan dari nilai ini dihitung NDVI. Rasio indeks ini bergantung pada perubahan reflektansi vegetasi antara panjang gelombang spektrum elektromagnetik merah dan
inframerah dekat. Perhitungan NDVI yang digunakan dengan menggunakan formula sebagai berikut:
Dimana NIR adalah nilai reflektan kanal inframerah dekat (Band 4) dan Red adalah nilai reflektan kanal merah (Band 3). Reflektan kanal merah akan berkurang dengan meningkatnya penyerapan klorofil, dimana reflektan kanal inframerah dekat bergantung pada struktur daun dan akan meningkat dengan meningkatnya biomasa tanaman hijau, jadi NDVI sangat sensitif terhadap jenis, densitas dan kondisi tutupan vegetasi. Nilai NDVI yang tinggi dapat menunjukkan kesehatan atau ketebalan daun dan rendahnya nilai NDVI menunjukkan stres vegetasi dan vegetasi yang jarang. Untuk menghitung nilai NDVI pada semua musim dicari nilai rata-rata NDVI pada musim kering dan musim basah. Hasil perhitungan rata-rata NDVI setiap musim, selanjutnya dihitung anomali NDVI. Nilai NDVI dan anomali NDVI kemudian dibandingkan dengan proses pemulihan lahan yang telah dilakukan di kawasan yang terdampak limbah B3 tersebut.
Sebagai contoh hasil pengolahan NDVI melalui citra Landsat tanggal 6 Agustus 2001 seperti pada Gambar 1 berikut ini.
Gambar 1. NDVI dari citra landsat Gambar 2. Anomali NDVI dari citra landsat
Pada Gambar 1 yang merupakan hasil pengolahan dari citra landsat tanggal 6 Agustus 2001 dapat dilihat bahwa nilai NDVI (Normalize Defference Vegetation Index) berkisar antara 0 hingga 0,8 dimana lingkaran merah menunjukkan lokasi daerah penelitian acid sludge di Balikpapan, Provinsi Kalimantan Timur (Haryani, et.al, 2013). Hasil pengolahan data yang telah dilakukan pada lokasi yang terdampak limbah B3, menggunakan data Landsat dari
tahun 1997 - 2012 pada musim penghujan (musim basah), sedangkan pengolahan data pada musim kemarau (musim kering) dari tahun 1995 - 2007. Hasil pengolahan NDVI pada musim kering berkisar antara -0,15 hingga 0,39, sedangkan hasil pengolahan NDVI pada musim basah berkisar antara -0,05 hingga 0,35. Hasil pengolahan nilai NDVI rendah, hal ini menunjukkan adanya stress vegetasi dan vegetasi yang jarang.
Hasil pengolahan data untuk anomali NDVI dihitung berdasarkan perhitungan nilai NDVI dikurangi dengan mean NDVI (Gambar 2). Hasil pengolahan data untuk anomali NDVI yang telah dilakukan pada lokasi yang terdampak limbah B3, untuk data pada musim penghujan (musim basah) berkisar antara antara -0,20 hingga 0,19, sedangkan hasil pengolahan anomali NDVI pada musim kering berkisar antara -0,12 hingga 0,13. Nilai anomali NDVI positif menunjukkan adanya aktivitas vegetasi yang tinggi, sebaliknya nilai anomali NDVI negatif menunjukkan adanya aktivitas vegetasi yang rendah.
Secara umum pola NDVI (Normalized Difference Vegetation Index) dan anomali NDVI pada musim kering memiliki hubungan yang signifikan dengan pemulihan lahan terkontaminasi limbah B3 yang telah dilakukan dibandingkan dengan pola NDVI dan anomali NDVI pada musim basah.
3.2 Land Surface Temperatur (LST)
Aplikasi panjang gelombang thermal infrared dalam citra satelit penginderaan jauh dapat digunakan untuk pemantauan lingkungan, dalam aplikasinya untuk penelitian limbah B3, dimana perbedaan temperatur merupakan ciri atau tanda yang penting untuk penentuan karakteristik permukaan dari obyek. Pemanfaatan band inframerah termal untuk pemantauan daerah terdampak limbah B3 juga telah dilakukan pada beberapa penelitian. Faisal et al (2012) melakukan kajian untuk pemantauan lokasi pembuangan limbah atau Tempat Pembuangan Akhir (TPA) di beberapa TPA di antaranya di Canada dan Kuwait. Penelitian yang dilakukan dengan cara pemantauan Land Surface Temperature (LST) atau suhu permukaan tanah menggunakan data Landsat Multi Temporal. Berdasarkan penelitian diketahui bahwa LST di lokasi penimbunan limbah memiliki nilai yang lebih tinggi rata-rata 10° C dibandingkan lingkungan sekitarnya. Hasil penelitian ini juga ditemukan beberapa daerah yang dicurigai menjadi tempat pembuangan limbah.
Jauh sebelum penelitian di atas, potensi pemanfaatan panjang gelombang inframerah termal jauh juga telah dikaji oleh banyak peneliti diantaranya Mansor et al (1994) untuk memantau pembakaran batubara di bawah permukaan tanah. Pada penelitiannya menggunakan data multispektral NOAA 9-AVHRR dan data Landsat 5-TM untuk mendapatkan informasi yang lebih rinci. Hasil penelitian ini menunjukkan daerah dengan anomali Brightness Temperature yang tinggi diduga sebagai daerah terjadinya pembakaran batubara. Berdasarkan penelitian tersebut diketahui bahwa band thtt ermal baik dari sensor AVHRR maupun TM dapat
digunakan untuk mendeteksi sumber suhu tinggi akibat pembakaran batubara di bawah permukaan tanah.
Hasil penelitian yang telah dilakukan LAPAN tahun 2013 menunjukkan kemampuan panjang gelombang inframerah termal dalam mendeteksi limbah akibat pencemaran limbah acid sludge. Pada penelitian tersebut digunakan citra Landsat 7-ETM multitemporal untuk memantau daerah yang terkena limbah, dan selanjutnya dibandingkan dengan lingkungan yang ada di sekitarnya. Pada Gambar 3 memperlihatkan contoh hasil pengolahan Land Surface Temperature, dimana pada daerah tercemar limbah pada lingkaran merah mempunyai temperatur yang lebih tinggi dibandingkan lingkungan yang berada di sekitarnya.
Gambar 3. Land Surface Temperatur (LST) dari citra Landsat
3.3 Red Edge
Red Edge ( re) didefinisikan sebagai selang/daerah dengan peningkatan tajam nilai reflektansi antara panjang gelombang 680-760 nm, yang dapat digunakan untuk menganalisis konsentrasi klorofil sebagai ukuran kondisi tanaman. Red edge dalam pengolahan data pada landsat 5, reflaktan menggunakan band 4 (near infrared) dan band 3 (infrared), sedangkan panjang gelombang menggunakan selisih panjang gelombang antara 680 – 760 nm, dengan menggunakan formulasi sebagai berikut:
Konsep dasar yang telah dikembangkan dalam analisis spektral vegetasi menjadi Red Edge, dimana untuk analisis spektral vegetasi tersebut biasanya menggunakan panjang gelombang yang berada pada nilai reflektan 720 nm. Panjang gelombang tersebut diwakili dengan kenaikan tajam pada nilai reflektan dari vegetasi antara 680 – 760 nm. Menurut penelitian yang dilakukan oleh Gates et. al., dan Guyot et al. mengemukakan bahwa semua vegetasi hijau menunjukkan pola reflektansi spektral yang serupa pada nilai reflektansi kanal visible dan kanal infrared. Pola reflektansi bimodal disebabkan oleh penyerapan klorofil pada panjang gelombang biru sebesar 450 nm dan panjang gelombang merah sebesar 680 nm, reflektansi klorofil pada panjang gelombang hijau menyebabkan puncak panjang gelombang sekitar 550 nm. Puncak reflektansi terbesar kedua adalah pada nilai reflektan 780 nm yang disebabkan struktur daun yang memiliki jumlah energi yang signifikan pada kanal near
infrared.
Menurut Horler et al., mendefinisikan Red Edge ( ) sebagai panjang gelombang maksimum ( ), dimana R adalah reflektan dan adalah panjang gelombang tertentu. Guyot et al., juga mendefinisikan Red Edge sebagai infleksi/perubahan dalam peningkatan secara tajam antara panjang gelombang 670 dan 760 nm. Selanjutnya penelitian yang dilakukan oleh Collins et al. mengamati pergeseran panjang gelombang biru pada pohon
conifer yang dipengaruhi oleh logam sulfida pada panjang gelombang antara 700 – 780 nm.
Sedangkan penelitian yang dilakukan oleh Horler menemukan pergeseran panjang gelombang biru pada pohon yang disebabkan oleh konsentrasi logam sulfida dalam tanah. Lebih lanjut penelitian yang dilakukan oleh Rock et al., menunjukkan pergeseran panjang gelombang biru sebesar 5 nm pada pohon cemara dan pohon fir di daerah Vermont dan
Germani sebagai hasil dari kontaminasi asam. Penelitian yang dilakukan oleh Reusen
(2003), melakukan pemetaan daerah yang terkontaminasi logam berat dengan mengamati
stres vegetasi dengan menggunakan sensor hyperspectral CASI dengan cara menghitung
nilai indeks vegetasi Edge Green First Derivative Normalized Difference (EGFN). Deteksi kontaminasi limbah B3 diamati dengan menggunakan band thermal dari citra hyperspectral.
Vern Singroy (1996), penelitian ini dilakukan dengan memanfaatkan teknik penginderaan jauh untuk pemantauan limbah B3 dan untuk membedakan karakteristik landfill dan limbah dikawasan pertambangan. Data penginderaan jauh yang digunakan adalah citra multispektral CASI dan Landsat TM. Penelitian ini mengamati fenomena Red Edge yang disebabkan oleh perubahan tingkat kehijauan vegetasi akibat kontaminasi limbah B3 yang menyebabkan berkurangnya tingkat klorofil atau chlorosis/chlorophyll loss. Fenomena berkurangnya klorofil pada tanaman ditandai dengan bergesernya nilai panjang gelombang
band red dan band Near Infrared (NIR) pada kisaran gelombang 0.68 – 0.75 nm. Penelitian
ini juga mengamati perbedaan temperatur daerah yang tercemar limbah B3 dan tidak tercemar. Hal ini dapat diamati dengan menggunakan band thermal citra Landsat. Citra
infrared
ii thermaltt digunakan untuk deteksi material dimana dekomposisi yang terjadi menghasilkan temperatur yang relatif tinggi jika dibandingkan dengan lingkungan sekitarnya.
Hasil penelitian yang telah dilakukan Haryani dkk. (2014), dimana penggunaan metode Red Edge untuk data resolusi spektral rendah hingga menengah seperti Landsat masih sulit diterapkan. Pergeseran nilai spektral dengan metode red edge menggunakan data Landsat belum dapat dibedakan secara jelas pergeseran spektralnya. Pada Gambar 4, merupakan contoh hasil pengolahan citra landsat tahun 1995 - 2012 menggunakan metode red edge. Hasil pengolahan menggunakan metode red edge ini hasilnya berfluktuasi dengan nilai red edge berkisar antara 10 sampai dengan 110. Nilai red edge tinggi mencapai nilai lebih besar dari 100, dicapai pada tahun 1997, tahun 2007 dan tahun 2012. Nilai red edge tinggi menunjukkan bahwa lokasi tersebut masih adanya kontaminasi logam berat atau limbah B3.
Gambar 4. Red Edge dari citra landsat
Berdasarkan ketiga metode deteksi yang telah disampaikan pada bab sebelumnya bahwa pada dasarnya data penginderaan jauh dapat digunakan untuk mendeteksi adanya pencemaran limbah bahan berbahaya dan beracun (B3), dengan menggunakan analisis spektral dan analisis thermal. Analisis spektral dengan menggunakan band merah dan infra merah, sedangkan analisis thermal menggunakan perbedaan suhu pada permukaan tanah yang disebut Land Surface Temperatur (LST).
Torrence Slonecker (2010), penelitian mengenai masalah lingkungan menggunakan data penginderaan jauh untuk mendeteksi limbah B3 dengan menggunakan metode Normalize Defference Vegetation Index (NDVI). Perhitungan NDVI menggunakan nilai reflektan band
near infraredd (Band 4) dan band red yang merupakan nilai reflektan band merah (Band 3).
Horler et al. (1983), mendefinisikan Red Edge ( ) sebagai panjang gelombang maksimum ( ), dimana R adalah reflektan dan adalah panjang gelombang tertentu, dimana panjang gelombang untuk deteksi logam berat menggunakan metode Red Edge menggunakan panjang gelombang antara 670 dan 760 nm.
Vern Singroy (1996), melakukan penelitian dengan memanfaatkan teknik penginderaan jauh untuk pemantauan limbah B3 untuk membedakan karakteristik landfill dan limbah di kawasan
pertambangan. Penelitian ini mengamati fenomena Red Edge yang disebabkan oleh perubahan tingkat kehijauan vegetasi akibat kontaminasi limbah B3 yang menyebabkan berkurangnya tingkat klorofil atau chlorosis (chlorophyll lossll s .)
4. KESIMPULAN
Berdasarkan beberapa metode yang telah disampaikan di atas, dapat disimpulkan sebagai berikut:
a. Metode yang telah disampaikan bahwa dari ketiga metode deteksi limbah bahan berbahaya beracun (B3) dapat dideteksi melalui data penginderaan jauh dari resolusi menengah hingga tinggi, dengan pendekatan analisis spektral dan analisis thermal.
b. Metode NDVI (Normalize Defference Vegetation Index) yang menggunakan data musim kemarau hasilnya menunjukkan hubungan yang lebih signifikan dibandingkan penggunaan data pada musim basah (penghujan), dimana hasil penelitian yang telah dilakukan menunjukkan bahwa setelah proses pemulihan lingkungan nilai NDVI semakin meningkat dan anomali NDVI menjadi positif.
c. Metode Land Surface Temperatur (LST) dengan pendekatan thermal infrared dalam citra satelit penginderaan jauh baik digunakan untuk pemantauan lingkungan. Berdasarkan hasil penelitian secara umum suhu di daerah tercemar cenderung lebih tinggi dibandingkan daerah tidak tercemar.
d. Penggunaan metode Red Edge masih sulit diterapkan untuk deteksi daerah yang tercemar limbah B3 dengan menggunakan data resolusi spektral rendah hingga menengah seperti citra Landsat, karena kurang terlihat adanya pergeseran spektral sehingga akan berpengaruh terhadap perubahan nilai red edge.
UCAPAN TERIMA KASIH
Kami mengucapkan terima kasih kepada Dr. Bidawi Hasyim, M.Si. dan Ir. Wawan K. Harsanugraha, M.Si., yang telah memberikan masukan dan koreksinya dalam paper ini.
DAFTAR PUSTAKA
Bapedal, 1995. Keputusan Kepala Badan Pengendalian Dampak Lingkungan No.: KEP-04/BAPEDAL/09/1995 tentang Tata Cara Persyaratan Penimbunan, Pengolahan, Persyaratan Lokasi Bekas Pengelolaan dan Lokasi Bekas Penimbunan Limbah Bahan Berbahaya dan Beracun (B3). Bapedal. Jakarta.
Baret, F., dan Guyot, G.,1991. Potentials and limits of vegetation indexes for LAI and APAR
assessment. Remote Sensing Environ 35: 161–173.
Carlson, T. N., dan Ripley, D. A., 1997. On the relation between NDVI, fractional vegetation
D’Emilio, M., Machianto, M., Ragosta, M., dan Simoniello, T., 2012. A Method for the
Integration of Satellite Vegetation Activities Observations and Magnetic Susceptibility Measurements for Monitoring Heavy Metals in Soil. Journal of Hazardous Materials 241-242 (2012) 118-126.
Faisal, K., Al Ahmad, M., dan Shaker, A, 2012. Remote Sensing Techniques as a Tool for
Environmental Monitoring. International Archives of the Photogrammetry, Remote
Sensing and Spatial Information Sciences, Volume XXXIX-B8, 2012 XXII ISPRS Congress, 25 August – 01 September 2012, Melbourne, Australia.
Guyot, G., Baret, F., dan Jacquemoud, S. 1992. Imaging Spectroscopy for vegetation studies. In Imaging Spectroscopy:Toselli, F., Bodechtel, J., Eds.; Kluwer Academic Publisher: Nowell, MA, USA, 1992; Volume 2, pp. 145-165.
Haryani, N.S., Sulma, S., dan Pasaribu, J.M. 2013. Detection of Acid Sludge Contaminated
Area Based on Normalized Difference Vegetation Index (NDVI) Value. Proceeding
ACRS (Asean Conference on Remote Sensing). 20-24 Oktober 2013. Bali.
Horler, D.N.H., Barber, J., dan Barringer, A.R., 1980. Effects of heavy metals on the
absorbance and reflectance spectra of plants. Int. J. Remote Sensing I: 121 – 136.
Horler, D.N.H., Dockray, M., dan Barber, J. 1983. The red edge of plant leaf reflectance. Int. J. Remote Sensing. 4, 273-288.
Mansor, S.B., Cracknell, A.P., Shilin, B.V., dan Gornyi, V.I., 1994. Monitoring of underground coal fires using thermal infrared data. Int. J. Remote Sensing, 15, 1675-1685.
Peraturan Pemerintah Nomor 18 Tahun 1999 tentang Pengelolaan Limbah Bahan Berbahaya dan Beracun. Lembaran Sekneg. Jakarta.
Singhroy, V., dan Kuhn, F., 1996. Remote Sensing for characterizing and Monitoring of
Hazardous Waste Sites – Case Studies in Canada and Germany. International
Archives pf Photogrammetry and Remote Sensing. Vol XXXI. Part B7. Vienna.
Slonecker, T., Fisher, G. B., Aiello, D. P., dan Haack B., 2010. Visible and Infrared Remote
Imaging of Hazardous Waste : A Review. Remote Sensing. 2010, 2, 2474-2508; doi :
10.3390/rs2112474
Lembaga Penerbangan dan Antariksa Nasional (LAPAN), 2013. Pengembangan Model Pemanfaatan Penginderaan Jauh untuk Pemantauan Limbah B3. Laporan Akhir Kegiatan Penelitian T.A. 2013. Jakarta.
Wan, Z. 1997. MODIS Land-Surface Temperature Algorithm Theoritical Basis Document rr (LST ATBD) Version 3.3. Institute for Computational Earth System Scince, University
BIOGRAFI PENULIS
Dra. Nanik Suryo Haryani, M.Si
Email :nanik.suryo@lapan.go.id; naniksuryo@yahoo.com Pendidikan:
x Magister Sains (M.Si.) pada program studi Ilmu Lingkungan, Program Paskasarjana Universitas Indonesia (UI), 1997
x Sarjana (Dra.) Jurusan Penginderaan Jauh (Remote Sensing), Fakultas Geografi, Universitas Gadjah Mada (UGM). 1983.
Nanik Suryo Haryani telah bekerja sebagai peneliti di Pusat Pemanfaatan Penginderaan Jauh LAPAN sejak tahun 1992. Penelitian yang telah dilakukan berkaitan dengan aplikasi data penginderaan jauh untuk mitigasi bencana alam yang merupakan integrasi dari berbagai disiplin ilmu, seperti cuaca dan iklim serta interaksinya dengan sumberdaya lahan (hutan dan perkebunan) dan potensinya terhadap kebencanaan (banjir, longsor, kekeringan, kebakaran hutan). Organisasi profesi yang diikuti adalah Masyarakat Penginderaan Jauh Indonesia (MAPIN).
Sayidah Sulma, S.Pi, M.Si
Email : sayidah.sulma@lapan.go.id; sulma_sayidah@yahoo.co.id Pendidikan:
x Magister Sains (M.Si) pada program studi Geografi, Fakultas
Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia. 2012
x Sarjana Perikanan (S.Pi.) pada program studi Ilmu Kelautan, Fakultas
Perikanan dan Ilmu Kelautan, Institut Pertanian Bogor (IPB). 2000
Sayidah Sulma telah bekerja sebagai peneliti di Pusat Pemanfaatan Penginderaan Jauh LAPAN sejak tahun 2003. Penelitian yang telah dilakukan berkaitan dengan aplikasi data penginderaan jauh untuk analisis sumberdaya pesisir dan laut, mitigasi bencana alam yang merupakan integrasi dari berbagai disiplin ilmu, seperti cuaca dan iklim serta interaksinya dengan sumberdaya lahan dan potensinya terhadap kebencanaan, dan analisis pencemaran lingkungan. Organisasi profesi yang diikuti adalah Masyarakat Penginderaan Jauh Indonesia (MAPIN).
Junita Monika Pasaribu, S.Si
Email : junita.monika@lapan.go.id Pendidikan:
x Sarjana Sains (S.Si.) program studi Meteorologi, Fakultas Ilmu dan Teknologi Kebumian, Institut Teknologi Bandung (ITB).
Junita Monika Pasaribu telah bekerja di Pusat Pemanfaatan Penginderaan Jauh LAPAN sejak tahun 2011. Penelitian yang telah dilakukan berkaitan dengan aplikasi data penginderaan jauh untuk bencana banjir, kekeringan dan penurunan muka tanah. Saat ini mengikuti kegiatan penelitian mengenai aplikasi penginderaan jauh untuk deteksi limbah B3.
Ir.Hidayat, MT.
Email : hidayat@lapan.go.id; hid_lpn06@yahoo.com Pendidikan:
x Program Pasca Sarjana (S2) Jurusan Kimia, Universitas Indonesia, 1995
x Sarjana Teknik (S1.) Jurusan Teknik Kimia, Fakultas Teknik, Univ. Muhammadiayah Jakarta), 1985,
Hidayat telah bekerja honorer di sejak 1972, dan diangkat CPNS tahun 1975 sebagai Teknisi Proyek TELSA LAPAN sampai Tahun 1985. Staf Peneliti di Pusat Pemanfaatan Penginderaan Jauh LAPAN sejak tahun 1985. Penelitian yang telah dilakukan berkaitan dengan aplikasi data penginderaan jauh untuk pemanfaatan data satelit sumber daya alam lahan dan mitigasi bencana alam yang merupakan integrasi dari berbagai disiplin ilmu serta interaksinya dan potensinya terhadap sumber daya alam lahan dan kebencanaan (pangan, banjir, kekeringan, dan kebakaran hutan). Organisasi profesi yang diikuti adalah Masyarakat Penginderaan Jauh Indonesia (MAPIN).
ANALISIS CITRA SATELIT PENGINDERAAN JAUH UNTUK
MENGIDENTIFIKASI RUANG TERBUKA HIJAU DI DAERAH PERKOTAAN
Nur Febrianti, Kusumaning Ayu DS, Parwati Sofan
Abstract
Green open space (RTH) is a form of land use in the area allocated for reforestation, where the extent of at least 30% of the area of the city. This study was conducted to analyze the methods and the appropriate satellite image data to identify the green open spaces in urban areas. The data used are Landsat 8 satellite data, ALOS / AVNIR-2 and SPOT 6. The method used are the landuse classification and the vegetation index. From this research it is known that the use of satellite imagery with high spatial resolution are indispensable for the identification of green space in urban areas have a higher diversity of heterogeneous land cover and narrow area. Determining the location of extensive green open spaces more easily accomplished using vegetation index method than other methods. This is because the use of high-resolution imagery and vegetation index can not directly distinguish plants with no plants, so there is no mixing with other land. The classes of vegetation cover with vegetation index method can not be compared to any type of data. Because each data (Landsat, ALOS and SPOT) have a range of different vegetation indices.
Key words : satellite data, vegetation index, Green open Space (RTH)
Abstrak
Ruang Terbuka Hijau (RTH) merupakan suatu bentuk pemanfaatan lahan pada satu kawasan yang diperuntukan untuk penghijauan, dimana luasnya minimal 30% dari luas kota. Penelitian ini dilakukan untuk menganalisis metode dan data citra satelit yang tepat untuk mengidentifikasi ruang terbuka hijau di perkotaan. Data yang digunakan adalah data satelit Landsat 8, ALOS/AVNIR-2, dan SPOT 6. Sedangkan metode yang digunakan adalah klasifikasi lahan dan indeks vegetasi. Dari penelitian ini diketahui bahwa pemanfaatan citra satelit dengan resolusi spasial yang tinggi sangat diperlukan untuk identifikasi RTH di daerah perkotaan yang mempunyai tingkat keragaman penutupan lahan yang heterogen dan luasan yang sempit. Penentuan luas lokasi ruang terbuka hijau lebih mudah dilakukan dengan menggunakan metode indeks vegetasi daripada metode lainnya. Hal ini dikarenakan penggunaan citra resolusi tinggi dan Indeks vegetasi dapat secara langsung membedakan tanaman dengan bukan tanaman, sehingga tidak terjadi percampuran dengan tutupan lahan lainnya. Kelas tutupan vegetasi dengan metode indeks vegetasi tidak dapat disamakan untuk setiap jenis data. Karena setiap data (Landsat, ALOS, dan SPOT) memiliki kisaran indeks vegetasi yang berbeda.
1. PENDAHULUAN
Undang-Undang No.26 tahun 2007 tentang Penataan Ruang menyatakan bahwa Ruang Terbuka Hijau (RTH/ Green Open spaces) merupakan area tanaman yang tumbuh mengelompok atau memanjang, tumbuhnya dapat secara alamiah ataupun di tanam. Dengan kata lain RTH merupakan suatu bentuk area lahan pada satu kawasan yang diperuntukan untuk penghijauan tanaman.
Pembuatan Ruang Terbuka Hijau di wilayah perkotaan memiliki tujuan untuk meningkatkan mutu lingkungan hidup perkotaan yang nyaman, segar, indah, bersih dan sebagai sarana pengaman lingkungan perkotaan dan menciptakan keserasian lingkungan yang berguna untuk kepentingan masyarakat (Zainuddin, 1998). RTH yang ideal untuk wilayah kota adalah 30% dari luas wilayah. Namun saat ini hampir disemua kota besar di Indonesia hanya memiliki RTH sekitar 10% dari luas wilayah kota tersebut.
Dalam Peraturan Menteri Dalam Negeri No 1 Tahun 2007 tentang Penataan Ruang Terbuka Hijau Kawasan Perkotaan, bahwa ruang terbuka hijau perkotaan adalah bagian dari ruang terbuka suatu kawasan perkotaan yang diisi oleh tumbuhan dan tanaman guna mendukung manfaat ekologi, sosial, budaya, ekonomi dan estetika.
RTH sebagai paru-paru kota dimana tanaman melaukuan proses Fotosintesis dengan mengambil Karbon dioksida (CO2) dan melepaskan Oksigen (O2) yang sangat diperlukan bagi makhluk hidup. Menurut Grey dan Deneke (1971) dalam Zoer’aini (2005), menyebutkan tanaman di bumi ini setiap tahunnya dapat melepaskan 400.000 juta ton/tahun O2 ke atmosfer. Hal ini didukung oleh Simpson dan McPherson (1999) yang menyatakan bahwa penyerapan karbon dioksida oleh hutan kota dengan jumlah 10.000 pohon berumur 16-20 tahun mampu mengurangi karbon dioksida sebanyak 800 ton per tahun.
RTH dianggab sebagai pengatur lingkungan mikro karena tanaman dapat menurukan suhu kota dan meningkatkan kelembaban udara sehingga menimbulkan hawa lingkungan yang sejuk, nyaman dan segar. Hutan kota pada siang hari di permulaan musim penghujan dapat menurunkan suhu lingkungan sekitarnya sebesar 3,46%, dan menaikkan kelembaban sebesar 0,81% (Zoer’aini, 1994).
RTH juga sebagai peredam kebisingan dimana menurut Menurut Federal Highway
Administration (FHWA) pepohonan dapat meredam kebisingan dengan cara mengabsorpsi
gelombang suara. Penanaman vegetasi pepohonan dalam bentuk memanjang, dengan penutupan yang rapat dan berlapis-lapis, dapat meredam kebisingan yang cukup besar hingga 95% dari sumbernya. Hal ini sejalan dengan hasil penelitian yang dilakukan oleh Bianpoen, et al., (1990), menemukan bahwa vegetasi mempunyai kemampuan untuk mengurangi kebisingan sekitar 25% - 80%.
Perkembangan RTH memerlukan perencanaan dan pengelolaan yang baik, agar fungsi dan peranan ruang terbuka hijau itu sendiri dapat terwujud secara optimal. Informasi yang akurat, cepat dan efisien akan sangat membantu dalam perencanaan pembangunan ruang terbuka
hijau. Penginderaan jauh mampu memberikan informasi secara lengkap, cepat dan relatif lebih akurat, serta cakupan wilayah yang luas. Kelebihan lain dari teknik penginderaan jauh dengan menggunakan satelit yaitu dapat menghasilkan data digital yang selanjutnya dapat diolah secara kuantitatif, sehingga dihasilkan informasi yang berkesinambungan.
Penggunaan penginderaan jauh untuk mengidentifikasi luas RTH di suatu kota, namun banyaknya metode yang dapat digunakan menyebabkan penentuan metode yang tepat sangatlah penting. Untuk itu dalam tulisan ini akan menganalisis beberapa metode yang sudah banyak digunakan.
2. DATA DAN METODE
Data satelit memiliki beberapa range resolusi, ada tiga tingkat ukuran resolusi yang perlu diketahui, yaitu: Resolusi spasial tinggi, berkisar : 0.6-4 m, Resolusi spasial menengah, berkisar : 4-30 m, dan Resolusi spasial rendah, berkisar : 30 - > 1000 m. Satelit dengan resolusi rendah misalnya Landsat, citra Alos yang hanya memiliki resolusi 10 m salah satu contoh data dari satelit resolusi menengah (Tabel 1), sedangkan untuk data resolusi tinggi contohnya adalah data IKONOS. Data yang digunakan dalam pengolahan adalah data Landsat 8 tahun 2013, ALOS AVNIR-2 tahun 2009, dan data SPOT 6 tahun 2013.
Beberapa metode yang dapat digunakan untuk penentuan RTH disajikan pada Tabel 2. Pada penelitian ini dilakukan pengolahan klasifikasi land use dengan metode klasifikasi terbimbing menggunakan data Landsat 8 dan SPOT 6. Selain itu juga dilakukan pengolahan indeks vegetasi menggunakan data Landsat 8, Alos AVNIR-2, dan SPOT 6.
Tabel 1. Karakteristik ALOS AVNIR-2
Number of Bands 4 Wavelength Band 1 : 0.42 to 0.50 micrometers Band 2 : 0.52 to 0.60 micrometers Band 3 : 0.61 to 0.69 micrometers Band 4 : 0.76 to 0.89 micrometers
Spatial Resolution 10m (at Nadir)
Swath Width 70km (at Nadir)
S/N >200
MTF Band 1 through 3 : >0.25
Band 4 : >0.20
Number of Detectors 7000/band
Pointing Angle - 44 to + 44 degree
Tabel 2. Data dan metodologi yang dianalisis
No. Metode Data Resolusi Sumber
1.
Klasifikasi terbimbing piksel
Landsat 8 ETM 30 m
2. SPOT 6 10 m
3. Indeks vegetasi ALOS/AVNIR-2 10 m As-syakur et al., 2009 4.
Klasifikasi terbimbing berbasis objek
Landsat 8 ETM 30 m
5. SPOT 6 10 m
6. ALOS/AVNIR-2 10 m
7. IKONOS 4 m M. Yusof, 2012 8. Digitasi pada Layar Quickbird 2,4 m Utami et al., 2012
3. HASIL DAN ANALISIS
3.1. Identifikasi Menggunakan Metode Klasifikasi Terbimbing
Klasifikasi citra merupakan proses yang berusaha mengelompokkan seluruh pixel pada suatu citra ke dalam sejumlah kelas, sedemikian hingga setiap kelas merepresentasikan suatu identitas dengan properti yang spesifik. Pada Gambar 1 menunjukkan klasifikasi tutupan lahan DKI Jakarta menggunakan data Landsat-8 ETM menggunakan metode klasifikasi terbimbing. Pada dasarnya penggunaan data Landsat-8 ETM dengan teknik multispektal ini sudah dapat memperlihatkan sebaran ruang terbuka, namun masih terjadi percampuran dengan kelas tutupan lahan lainnya.
Gambar 1. Klasifikasi tutupan lahan DKI Jakarta menggunakan Landsat 8
Keterbatasan data Landsat yaitu masih sering terjadi penggabungan kelas dengan tutupan lahan lainnya dapat ditutupi dengan penggunaan data resolusi yang lebih tinggi seperti yang ditunjukkan Gambar 2. Disini diperlihatkan dengan metode yang sama yaitu klasifikasi
