Prediksi Produktivitas Tanaman Padi dengan Analisa Citra Satelit

LATAR BELAKANG PENGENALAN TANAMAN PADI DAN LAHAN SAWAH PRODUKTIVITAS TANAMAN PADI PENDUGAAN UMUR PADI PENGAMATAN PRODUKSI PADI DENGAN CITRA SATELIT LANDSAT A. Pemantauan Produksi Padi B. Pendugaan Produksi Padi dan Luas Panen SATELIT INDRAJA LAIN YANG MENDUKUNG BIDANG PERTANIAN

Tanaman padi (Oryza sativa, sp) termasuk kelompok tanaman pangan yang sangat penting dan bermanfaat bagi kehidupan masyarakat Indonesia. Sampai saat ini, lebih dari 50% produksi padi nasional berasal dari areal sawah di Pulau Jawa. Sehingga apabila terjadi penurunan tingkat produksi dan produktivitas padi di Jawa secara drastis, maka dapat mempengaruhi ketersediaan beras nasional dan akan berdampak negatif terhadap sektor-sektor lainnya. Produksi padi di Indonesia sampai saat ini belum diketahui secara pasti berapa besarnya. Data luasan tanaman padi sangat tidak akurat karena dibuat berdasarkan sensus dengan metoda sampling yang sederhana dan jumlah sample yang sangat kecil. Disamping itu data yang ada bukan dari pengukuran tapi berdasarkan masukan yang diberikan oleh petani, yang sering tidak mencerminkan data sesungguhnya. Berbagai metoda prediksi produksi padi telah diterapkan, termasuk dengan teknologi penginderaan jauh (remote sensing). Salah satu alternatif solusi yang tengah dikembangkan untuk mengatasi masalah tersebut adalah dengan

menggunakan teknologi remote sensing yang lebih maju. Dengan teknologi ini diharapkan informasi tentang produksi padi maupun mengenai kandungan nutrisinya bisa diprediksi relatif lebih cepat dan presisi. Sampai saat ini estimasi produksi padi dilaksanakan oleh beberapa instansi antara lain: Badan Urusan Logistik (BULOG), Badan Pusat Statistik (BPS) dan Dirjen Bina Produksi Tanaman Pangan dan Hortikultura, Departemen Pertanian. BULOG memperkirakan produksi padi menggunakan pendekatan ekonometrik. Parameter yang digunakan untuk menduga antara lain data luas area panen, produktivitas, curah hujan dan harga. Informasi disajikan per catur wulan (Mulyana et al., 1998). BPS melakukan perkiraan produksi padi berdasarkan data lapangan yang dihimpun dari mantri tani disetiap kecamatan berdasarkan hasil ubinan secara acak terpilih. Data produksi diperoleh dari parameter luas area panen dan produktivitas padi per hektar (Maksum et al., 1998). Departemen pertanian memperkirakan produksi padi dengan mempertimbangkan parameter luas area tanam/panen, jumlah benih yang disebar petani, perhitungan produktivitas dengan memanfaatkan struktur kelembagaan dibawahnya yaitu Mantri Tani dan Penyuluh Pertanian Lapangan dan informasi luas baku sawah dari BPS (Napitupulu et al., 1998). Oleh karena cara pendekatan, kriteria penilaian dan metode yang digunakan berbeda maka informasi yang diperoleh juga berbeda. Hal ini menyulitkan pengguna informasi dalam pemanfaatannya.

PENGENALAN TANAMAN PADI DAN LAHAN SAWAH Siklus pemanfaatan lahan sawah untuk bercocok tanam padi mempunyai karakteristik yang khas sehingga dapat dijadikan sebagai dasar untuk membedakan dari jenis tanaman lainnya. Pada masa pengolahan tanah, lahan memerlukan kondisi basah digenangi (flooding). Pada awal pertumbuhan tanaman padi (transplanting), areal sawah selalu digenangi air dan kenampakan yang dominan adalah kenampakan air (fase air). Sejalan dengan pertumbuhannya kondisi lahan sawah akan berubah didominasi oleh daun-daun padi. Pada saat puncak pertumbuhan vegetatif terjadi tingkat kehijauan yang tinggi disebabkan oleh tingginya kandungan klorofil. Setelah masa tersebut, tingkat kehijauan akan menurun, timbul bungabunga padi sampai menguning. Fase pertumbuhan akan diakhiri dengan masa panen dan lahan dibiarkan kosong selama jangka waktu tertentu (bera) tergantung pola tanamnya. Sehubungan dengan itu, fase pertumbuhan tanaman padi dapat dikelompokkan kedalam 4 kategori, yaitu fase air, fase pertumbuhan vegetatif, fase pertumbuhan generatif dan fase beras. Dengan diawali mempelajari karakteristik spektral (spectral reflectance) fase-fase pertumbuhan tanaman padi sejak awal tanam sampai siap panen, yang kemudian digunakan sebagai kunci interpretasi dalam mengenali tanaman padi, fase-fase tersebut dapat dipantau dengan menggunakan citra satelit. Berdasarkan pemikiran tersebut, maka pemantauan tanaman padi dapat dilakukan dengan menggunakan data citra satelit yang diarahkan untuk memprediksi luas

areal tanam, umur tanaman padi, luas areal panen dan estimasi produktivitasnya. Mengingat wilayah Indonesia yang cukup luas, terdiri dari banyak pulau dan banyak diantaranya yang terpencil, dengan menggunakan citra satelit dari beberapa tanggal perekaman secara berurutan (seri multi temporal data), monitoring luas areal tanaman padi dan produktivitasnya dapat dilakukan lebih akurat dan lebih tepat waktu. PRODUKTIVITAS TANAMAN PADI Tingkat produktivitas tanaman pangan khususnya produktivitas padi dapat diperkirakan melalui dua faktor antara lain tingkat produktivitas tanaman perhektar dan luas panen. Kedua faktor tersebut dapat ditentukan melalui pemanfaatan data penginderaan jauh. Perkiraan luas panen dilakukan dengan menggunakan model pendugaan umur tanaman padi yaitu dengan mengkorelasikan antara indeks kehijauan tanaman dari data satelit dengan umur tanaman padi (Parsa dkk., 1997). Perhitungan prediksi produktivitas tanaman pangan melalui data satelit penginderaan jauh memperhitungkan faktor fisik tanaman dan cuaca, serta berdasarkan indeks kehijauan tanaman yang merupakan transformasi data satelit penginderaan jauh melalui formula indeks vegetasi tanaman. Berdasarkan fisiologi tanaman, tingkat produktivitas padi ditentukan oleh aktivitas fotosintesa tanaman padi, dimana pada proses fotosintesa tersebut melalui sel hijau (klorofil daun) dengan energi radiasi matahari dari air dan CO 2 dapat dihasilkan glukosa yang sangat berguna untuk pertumbuhan dan produksi tanaman. Berdasarkan hal tersebut dalam pemantauan kondisi dan produktivitas tanaman, secara umum faktor yang mempengaruhi produktivitas padi dapat dibedakan menjadi faktor cuaca dan faktor fisik tanaman. Pada padi dengan usaha tani yang baik, pertumbuhan dan produktivitas padi lebih banyak ditentukan oleh intensitas radiasi surya.

PENDUGAAN UMUR PADI Tingkat kehijauan tanaman padi yang dapat diukur melalui analisis citra satelit disebut dengan Nilai NDVI. Nilai NDVI antara 1 hingga +1, dimana nilai (-) menunjukkan obyek air atau lahan bera dan basah dan nilai (+) menunjukan obyek vegetasi. Parameter ini diperoleh dengan mengekstrak nilai spektral band infra merah dengan band merah pada hasil rekaman citra satelit. Nilai-nilai NDVI adalah parameter dasar yang diturunkan dari data penginderaan jauh optic seperti citra satelit Landsat Thematic Mapper (TM ), yang digunakan untuk mendeteksi nilai kehijauan vegetasi termasuk tanaman padi (Lillesand and Keifer, 1994 dan Thiruvengadachari et al., 1997). Untuk tanaman padi sawah, NDVI baru dapat diukur setelah tanaman padi mencapai umur 3-4 MST, karena sebelum umur tersebut kenampakan tanaman padi di lahan sawah masih didominasi kenampakan genangan air (Malingreau, 1981). Nilai NDVI yang rendah berarti tingkat kehijauan tanamannya (aktivitas klorofil) juga rendah, sedangkan nilai yang semakin tinggi menunjukkan bahwa tanaman tersebut semakin

lebat/hijau. Nilai NDVI tanaman padi sawah hasil analisis citra satelit beberapa daerah di Jawa dan kaitannya dengan umur tanaman padi disajikan pada Tabel dan Gambar berikut: Tabel 1. Nilai NDVI dan Tingkat Kehijauan Tanaman

PENGAMATAN PRODUKSI PADI DENGAN CITRA SATELIT LANDSAT Citra Landsat sangat bermanfaat dalam mebantu pekerjaan manusia dalam hal inventarisasi SDA (Sumber Daya Alam). Satelit Landsat telah lebih dari sepuluh tahun dimanfaatkan oleh pengguna di Indonesia untuk berbagai sektor kegiatan. Oleh karena itu sampai saat ini masih banyak pengguna data inderaja yang bergantung pada data Landsat,beberapa pemanfaatan dari Citra Landsat antar lain : C. Pemantauan Produksi Padi Pemantauan luas panen padi sa-ngat penting untuk mengeta-hui potensi luas panen dan produksipadi di suatu daerah. Pemanfaatanteknologi penginderaan jauh citra satelit Landsat Thematic Mapper(TM) merupakan alternatif yang te-pat untuk wilayah Indonesia dalamusaha memperoleh informasi sum-ber daya pertanian, khususnya luas tanaman pertanian secara cepatdan akurat.Satelit Landsat TM dilengkapidengan sensor yang dapat mere-kam setiap objek di permukaanbumi yang memantulkan atau memancarkan energi elektromagnetikdari ketinggian tertentu. Satelit tersebut merekam daerah yang samasetiap 16 hari sekali dengan ca-kupan wilayah 185 km x 185 km.Rekaman tersebut setelah diprosesmenghasilkan data digital yang dapat diinterpretasi dengan perangkatkomputer, atau berupa data visualcitra tercetak yang sangat miripdengan foto berwarna yang dapatdiinterpretasi secara manual. 1. Pemantauan Fase-fasePertumbuhan Padi Kunci interpretasi citra Landsat yangpaling penting untuk mengenali la-han sawah adalah mengetahui fase-fase pertumbuhan tanaman padi.Lahan sawah mempunyai ciri-ciri yang unik sehingga mudah dibedakan dengan lahan lainnya. Lahan sawah berbentuk petakan-petakan,memerlukan genangan air, umumnya terletak pada daerah yang relatif datar. Di daerah yang berlereng,lahan sawah selalu berteras, petak-annya memanjang mengikuti kon-tur, dengan tanaman utama padidan sebagian diselingi dengan taaman palawija atau tebu dan tem-bakau. Dari ciri-ciri yang terlihat da-lam citra Landsat tersebut, lahansawah dapat dibedakan dengan penggunaan lahan yang lain.Pengenalan jenis penutup lahanseperti padi, kedelai, dan jagung pada citra Landsat dilakukan dengan mempelajari karakteristik reflektan (spectral signature) dari pertumbuhan tanaman yang akan diidentifikasi.

Vegetasi/tanaman yangberbeda akan memantulkan energielektromagnetik (spectral reflec-tance) yang berbeda sehingga gam-bar yang terekam (image) dan tam-pak pada citra Landsat juga berbe-da. Karakteristik reflektan tersebut merupakan suatu pola tingkatan in-tensitas reflektan suatu objek yangdinyatakan dalam nilai pixel (pictureelement) pada citra satelit. Dengan demikian, nilai pixel merupakan unsur interpretasi utama dalam me-ngenali objek, termasuk tanamanpertanian, yang direkam citra Landsat. Fase-fase kondisi penutupan lahanselama masa pertumbuhan tanamanpadi dan kenampakannya pada citraLandsat dapat dijelaskansebagaiberikut : a. Fase awal pertumbuhan padi, dimana lahan sawah didominasi oleh air karena penggenangan. Pada citra Landsat TM dengan komposisi warna true color composite (TCC), lahan sawah akan tampak berwarna biru. b. Fase pertumbuhan vegetatif, ditandai dengan semakin lebatnya daun tanaman padi yang menutupi seluruh lahan sawah. Pada fase ini, penutupan lahan didominasi oleh warna hijau. Warna hijau ini akan tampak hijau pada citra. c. Fase pertumbuhan generatif, dimana lahan sawah yang semula didominasi oleh daun yang berwarna hijau akan digantikan dengan butir-butir padi yang berwarna kuning pucat pada TCC

d. Fase panen. Pada fase ini lahan menjadi bera selama jangka waktu tertentu. Pada kondisi ini lahan sawah akan tampak berwarna coklat kemerahan pada komposisi warna TCC. Perkiraan

Panen Padi Perkiraan masa panen padi dapat dilakukan dalam tiga periode pemantauan, yaitu: Januari-April: untuk perkiraanpanen bulan Februari, Maret, April, dan Mei. Mei-Agustus: untuk perkiraanpanen bulan Juni, Juli, Agustus,dan September. September-Desember: untuk perkiraan panen bulan Oktober, November, Desember, dan Januari.

2. Perkiraan Masa Panen Padi Dengan pemantauan yang berurutan dan mengacu kepada umurpadi yang berkisar antara 110-120hari, maka fase (masa) panen dapat diperkirakan. Fase panen dapatdiperkirakan apabila awal masatanam sudah dapat terpantau, yaitu adanya perubahan dari fase beramenjadi fase air (pengolahan tanah/ penggenangan), dan lebih yakin lagi bila diikuti oleh perubahan dari fase air menjadi fase vegetatif. Prediksi panen padi dapat dilakukan sampai 3 bulan sebelum panen. Perkiraan masa panen padi ditentukan berdasarkan umur padi yang diperoleh dari hasil transformasi nilai indeks vegetasi menjadi umur padi. Nilai indeks vegetasin tersebut diperoleh dari hasil analisis digital citra Landsat. Perkiraan panen padi 1 bulan sebelum panen ditentukan berdasarkan umur padi lebih dari 13 minggu. Panen padi 2 bulan yang akan datang ditentukan berdasarkan umur padi antara 812 minggu, sedangkan panen padi 3 bulan yang akan datang ditentukan berdasarkan umur padi antara 5-7 minggu. Panen padi yang terjadi 1 bulan sebelumnya ditentukan berdasarkan kenampakan lahan bera pada citra Landsat. B. Pendugaan Produksi Padi dan Luas Panen Fase generatif merupakan fase per-tumbuhan optimum tanaman padi,yaitu pada saat padi berumur 11-13 minggu setelah tanam. Pada saat itu, tanaman padi mempunyai nilai indeks vegetasi yang optimumpada citra satelit yang dinyatakan dengan Normalized Difference Vegetation Index (NDVI). Tanaman padi yang mempunyai nilai NDVI optimum tersebut kemudian pada waktu panen diubin atau dihitung produksinya untuk mengetahui produktivitasnya (ton per hektar). Berdasarkan data ubinan tersebut maka untuk daerah lain yang mempunyai nilai NDVI yang sama dapat diduga pula produktivitasnya. Untuk menduga luas areal panendilakukan dengan cara menghitung jumlah pixel yang mempunyai warna kuning pucat pada komposisi warna TCC. Satu pixel berukuran 30 m x 30 menjadi lapangan merupakan satuan luasan terkecil yang dapat terekam dalam citra Landsat. Dengan mempertimbangkan terjadinya risiko kekeringan maupun serangan hama dan penyakit, maka padi muda yang berumur kurang dari 5 minggu tidak digunakan untuk perkiraan luas panen, terutama pada musim kemarau. Perhitungan luas areal panen dapat dilakukan berdasarkan batas wilayah provinsi atau kabupaten, sehingga dapat diketahui informasi luas panen padi untuk setiap provinsi dankabupaten di Indonesia

Gambar 1. Identifikasi sayur mayur di pangalengan (a), dan prediksi hasil panen padi jawa barat (b).

SATELIT INDRAJA LAIN YANG MENDUKUNG BIDANG PERTANIAN

1. Satelit GMS Data satelit GMS (Geostationery Meteorological Satellite) yang memiliki resolusi spasial 4 km dan resolusi temporal 1 jam dapat digunakan untuk mengamati perubahan cuaca dan iklim (Nanik dkk., 1999). Kemudian dari perubahan cuaca atau iklim yang dipantau melalui satelit tersebut dikaji dalam kaitan pengaruhnya terhadap tingkat produktivitas tanaman padi (Erna dkk., 1999, Desi, 1999). 2. Satelit NOAA-AVHRR Perhitungan produksi padi juga didekati melalui besarnya indeks kehijauan tanaman padi dari satelit NOAA-AVHRR yang menggambarkan jumlah klorofil sebagai sarana aktivitas fotosintesa tanaman padi (Dony, 1991).

Gambar Satelit NOAA-AVHRR Hasil prediksi produktivitas padi dari data satelit penginderaan jauh NOAA-AVHRR memiliki akurasi yang cukup baik karena tidak jauh berbeda dengan perhitungan yang dilakukan secara konvensional, meski ada sedikit perbedaan. Perbedaan produktivitas padi tersebut disebabkan karena asumsi yang dipergunakan dalam perhitungan data satelit yaitu semua varietas padi sama, tidak ada masalah irigasi, pemupukan dilakukan dengan baik dan tidak ada serangan hama penyakit tanaman. Sedangkan pada perhitungan prediksi produktivitas padi hanya didasarkan pada akumulasi kondisi fisik tanaman melalui indeks kehijauan tanaman dan kondisi cuaca dalam hal ini besarnya intensitas radiasi yang diterima tanaman. Satelit lain : Quickbird, MODIS,

outline

Latar belakang (oline)

PENGENALAN TANAMAN PADI DAN LAHAN SAWAH (zaky) PRODUKTIVITAS TANAMAN PADI (chintya) PENDUGAAN UMUR PADI (chintya) Pemantauan Produksi Padi DENGAN CITRA SATELIT LANDSAT (josh) Pendugaan Produksi Padi dan Luas Panen DENGAN CITRA SATELIT LANDSAT (deni) SATELIT INDRAJA LAIN YANG MENDUKUNG BIDANG PERTANIAN (naufal) LATAR BELAKANG PENGENALAN TANAMAN PADI DAN LAHAN SAWAH PRODUKTIVITAS TANAMAN PADI PENDUGAAN UMUR PADI PENGAMATAN PRODUKSI PADI DENGAN CITRA SATELIT LANDSAT D. Pemantauan Produksi Padi E. Pendugaan Produksi Padi dan Luas Panen SATELIT INDRAJA LAIN YANG MENDUKUNG BIDANG PERTANIAN

Notes:

Untuk slide buat masing2 per bagian, setiap orang buat slide sesuai bagian2nya. Pembuatan slide boleh ditambah gambar atau video, jumlah slide tidak dibatasi Slide dibuat menggunakan powerpoint Dikumpul bsk minggu siang pukul 12.00, 2-12-2012 ke chintyafitrianingtyas@gmail.com Thx tmn2