MK: Penginderaan Jauh dan SIG untuk Kelautan dan Pengelolaan

Pesisir

REVIEW PAPER

ENVIRONMENTAL MONITORING

KELOMPOK II

MUHAMMAD MUHAIMIN (15/387554/PGE/01214)

LAODE MUHAMAD IRSAN (16/402676/PGE/01263)
IKA NUR FAIDAH (16/402672/PGE/01259)

PROGRAM STUDI S2 PENGINDERAAN JAUH

FAKULTAS GEOGRAFI

UNIVERSITAS GADJA MADA

2016/2017
 PEMANFAATAN CITRA LANDSAT SEBAGAI DASAR PEMETAAN
SPASIAL DAN TEMPORAL DI HUTAN MANGROVE

Abstrak
Hutan mangrove mengalami degradasi dan deforestasi sangat cepat
karena, berlebihan pengambilan sumber daya hutan secara komersil dan izin
penggunaan lahan hutan mangrove sebagai alternative lahan baru yang
dikonversi menjadi tambak garam, pertanian, perikanan, dan pariwisata.
Menganalisa dinamika perubahan hutan mangrove secara spasial dan temporal
membutuhkan akurasi yang tinggi untuk mengukur, memetakan area hutan
mangrove, dan monitoring perubahan (change detection) hutan mangrove secara
temporal. Penggunaan citra Landsat untuk menganalisa dinamika hutan
mangrove secara spasial dan temporal dapat dilakukan dengan klasifikasi citra
Landsat yang digunakan terdiri dari: MSS, TM, ETM+, dan OLI yang waktu
perekamannya berbeda. Citra Landsat memiliki akurasi yang baik untuk
memetakan distribusi area hutan mangrove, karena memiliki resolusi spektral,
spasial, dan temporal yang baik, kecuali citra MSS dengan resolusi spasial 80 m
dan hanya memiliki 4 band spektral sehingga memiliki kualitas rendah.
Monitoring perubahan hutan mangrove multi-temporal dapat menggunakan citra
Landsat, karena memiliki data perekaman yang lama lebih dari 40 tahun dan
telah teruji dengan baik digunakan untuk mengidentifikasi, mengukur,
menganalisa dinamika, pemetaan dan pemantauan yang diperlukan untuk
strategi manajemen ekosistem mangrove.

Kata kunci: Dinamika Mangrove, Landsat, Klasifikasi Citra, dan Deteksi

Perubahan

Pendahuluan

Hutan mangrove mengalami degradasi atau deforestasi yang

menjadi masalah serius terhadap lingkungan seperti di Honduras, Amerika
Tengah, Madagaskar, Kenya, Zhanjiang, Cina Selatan, Filipina, & Delta
Zambezi, Afrika (Chen et al. 2013; Giri & Mhlhausen. 2008; Jones et al.
2016; Kirui et al. 2013; Li et al. 2013; Long & Giri. 2011 & Shapiro et al.
2015). Pemantauan distribusi spasial dan temporal hutan mangrove
sangat penting untuk mendapatkan informasi rinci, akurat, dan update
perubahan hutan mangrove sehingga diperlukan citra penginderaan jauh
temporal untuk pemetaan tren perubahan yang terjadi di hutan mangrove
(Jones et al. 2016; Giri & Mhlhausen. 2008; Shapiro et al. 2015; Chen et
al. 2013; Kirui et al. 2013; Li et al. 2013; Long & Giri. 2011).

Tujuan dari penulisan term paper ini adalah untuk menganalisa

dinamika perubahan hutan mangrove secara spasial dan temporal (Chen
et al. 2013; Giri & Mhlhausen. 2008; Shapiro et al. 2015; Li et al. 2013 &
Long et al. 2011). Analisis dinamika perubahan hutan mangrove dengan
citra sangat penting, karena laju degradasi dan deforestasi yang sangat
cepat, hal ini membutuhkan akurasi untuk mengukur area hutan
mangrove, memetakan distribusi spasial hutan mangrove, dan digunakan
untuk monitoring perubahan hutan mangrove secara temporal (Chen et
al. 2013; Giri & Mhlhausen. 2008; Jones et al. 2016; Kirui et al. 2013; Li
et al. 2013; Long & Giri. 2011 & Shapiro et al. 2015).

Pokok bahasan yang akan dibahas pada term paper ini adalah: 1)
penilaian akurasi citra hutan mangrove (Li et al. 2013 & Chen et al. 2013).
2) Klasifikasi hutan mangrove pada citra Landsat (Chen et al. 2013; Jones
et al. 2016; Giri & Mhlhausen. 2008; Shapiro et al. 2015; Kirui et al. 2013
& Li et al. 2013). 3) Analisis ditribusi spasial dan temporal hutan
mangrove (Jones et al. 2016; Shapiro et al. 2013 & Chen et al. 2013). 4)
Analisis perubahan tutupan hutan mangrove (Change Detection) (Kirui et
al. 2013; Li et al. 2013 & Chen et al. 2013).

Pembahasan

Dampak dari degradasi dan deforestasi hutan mangrove, yaitu

semakin menurunnya kualitas lingkungan, perubahan iklim terkait gas
rumah kaca, meningkatnya suhu laut yang mengakibatkan badai,
perubahan karbon sink, meningkatnya erosi pantai, mengakibatkan
wabah penyakit yang pada akhirnya dapat menyebabkan kegagalan
produksi aquakultur, mengakibatkan perubahan tutupan mangrove,
perubahan garis pantai, dan pendangkalan akibat sedimentasi (Chen et al.
2013; Jones et al. 2016; Li et al. 2013; Long & Giri. 2011 & Shapiro et al.
2015).

Data citra Landsat multi temporal selama beberapa dekade dapat

digunakan untuk analisis perubahan jangka panjang hutan mangrove.
Pendekatan klasifikasi digunakan untuk mengekstraksi informasi hutan
mangrove di daerah penelitian berdasarkan analisis empiris citra Landsat
(Chen et al. 2013; Giri & Mhlhausen. 2008; Jones et al. 2016; Kirui et al.
2013; Li et al. 2013). Citra Landsat telah teruji dapat digunakan untuk
memetakan dan memonitor ekosistem hutan mangrove dengan baik,
yaitu untuk mengidentifikasi hutan mangrove, mengukur area distribusi
hutan mangrove, analisis dinamika perubahan hutan mangrove,
pemetaan hutan mangrove, dan pemantauan ekosistem hutan mangrove
(Chen et al. 2013; Giri & Mhlhausen. 2008; Jones et al. 2016; Kirui et al.
2013; Li et al. 2013; Long & Giri. 2011 & Shapiro et al. 2015).

Penilaian akurasi citra Landsat untuk hutan mangrove

Citra Landsat yang digunakan dalam penelitian ini adalah yang

bebas terhadap tutupan awan. Jenis citra Landsat yang digunakan antara
lain: (1) Multispektral Scanner Scene (MSS), dengan resolusi spasial 80 m;
(2) Thematic Mapper (TM) memiliki tujuh band spektral, dengan resolusi
28,5 m untuk band 1-5 dan 7. TM Band 6 (inframerah termal) resolusi 120
m; (3) Enhanced Thematic Mapper Plus (ETM +), resolusi 28,5 m untuk
band 1-7. ETM + Band 6 (inframerah termal) resolusi 60 m; (4) TM
memiliki tujuh band spektral, resolusi 30 m. Data Landsat 8 memiliki
sembilan band spektral dengan resolusi spasial 30 m untuk band 1-7 dan
9. ETM + dan OLI Band 8 (Band pankromatik) memiliki resolusi spasial 15
m. Band spektral umumnya antara daerah optik dan panjang gelombang
pendek-inframerah, kecuali untuk band 9 dari data Landsat 8, yang
memiliki panjang gelombang cirrus antara 1,36 dan 1,38 m (Li et al. 2013
& Chen et al. 2013).
Klasifikasi hutan mangrove pada citra Landsat

Proses klasifikasi dapat meningkatkan daya penjelas dan membantu

lebih lanjut membagi kelas yang ada berdasarkan degradasi hutan
mangrove. Teknik klasifikasi pada citra dilakukan untuk tutupan lahan.
Salah satu metode klasifikasi yang digunakan adalah algoritma
maksimum likelihood, karena parametrik metode ini memiliki dasar
teoritis yang berkembang dengan baik (Chen et al. 2013; Jones et al.
2016; Giri & Mhlhausen. 2008; Shapiro et al. 2015; Kirui et al. 2013 & Li
et al. 2013).

Algoritma klasifikasi memerlukan training sampel yang diperoleh

langsung dari citra untuk melakukan klasifikasi. Semua kelas dipetakan
dengan memisahkan nilai spektral menggunakan bagian tertentu dari
spektrum elektromagnetik yang diwakili oleh band-band Landsat tertentu.
Proses ekstraksi informasi hanya hutan mangrove dan bukan hutan
mangrove dari citra Landsat multi temporal selama beberapa dekade
untuk analisis perubahan jangka panjang hutan mangrove. Peta hasil
klasifikasi dapat diketahui tingkat perubahan hutan mangrove selama
periode yang ditentukan (Chen et al. 2013; Jones et al. 2016; Giri &
Mhlhausen. 2008; Shapiro et al. 2015; Kirui et al. 2013 & Li et al. 2013).

Klasifikasi citra Landsat untuk tutupan lahan penggunaannya selalu

memiliki tingkat kesalahan dan tingkat akurasi tertentu. Analisis
perubahan hutan mangrove dan pola fragmentasi dari penelitian
dipengaruhi oleh kesalahan dalam klasifikasi. Kesalahan terjadi, karena
kelalaian yang akan menyebabkan tingkat ketidakdetilan statistik
kawasan hutan mangrove dan pola distribusi. Hal ini terjadi terutama,
citra MSS dengan resolusi spasial 80 m dan hanya memiliki empat band
spektral. Mengklasifikasikan citra MSS kemungkinan menghasilkan produk
klasifikasi "kualitas rendah" dibandingkan dengan citra yang berasal dari
TM / ETM +, yang memiliki tujuh band spektral dengan resolusi 30 m (Li et
al. 2013 & Giri & Mhlhausen. 2008).
Analisis distribusi spasial dan temporal hutan mangrove

Pemantauan distribusi spasial dan temporal hutan mangrove sangat

penting untuk pengelolaan sumber daya alam ekosistem mangrove.
Penelitian ini menganalisa perubahan spasial (luasan) dan temporal
(rentang waktu perubahan) hutan mangrove menggunakan citra Landsat
selama periode tertentu (Jones et al. 2016; Shapiro et al. 2013 & Chen et
al. 2013).

Citra Landsat dapat digunakan untuk menganalisa secara temporal

karena memiliki data perekaman yang lama lebih dari 40 tahun dan telah
teruji dengan baik digunakan untuk mengidentifikasi, mengukur,
menganalisa dinamika, pemetaan dan pemantauan yang diperlukan untuk
strategi manajemen ekosistem mangrove. Memahami perubahan spasial
dan temporal hutan mangrove dapat memberikan informasi yang
berharga untuk meningkatkan strategi manajemen untuk ekosistem
mangrove (Jones et al. 2016 & Shapiro et al. 2013)

Proyeksi spasial dan temporal hutan mangrove untuk prediksi tahun

berikutnya dibuat berdasarkan matriks probabilitas transisi, meski
perubahan spasial dan temporal hutan mangrove dipengaruhi oleh
berbagai faktor penentu termasuk faktor sosial ekonomi dan kebijakan
yang terkait (Chen et al. 2013 & Jones et al. 2016). Hasil dapat berfungsi
sebagai dasar yang berguna untuk memahami dampak dari
perkembangan budidaya di masa depan. Langkah-langkah institusional
dapat diambil untuk menyesuaikan tren perubahan tutupan lahan dan
untuk meningkatkan pengelolaan ekosistem mangrove di wilayah
penelitian (Jones et al. 2016; Shapiro et al. 2013 & Chen et al. 2013).

Analisis perubahan tutupan hutan mangrove (Change Detection).

Penginderaan jauh banyak diterapkan untuk pemantauan hutan dan

deteksi perubahan multi-temporal dan telah terbukti alat yang sangat
diperlukan untuk perencanaan bentang lahan karena kemampuannya
dapat membantu menganalisa spasial dan temporal tutupan lahan. Data
tutupan lahan hutan mangrove sangat penting untuk menganalisa
interaksi antara perubahan penggunaan lahan dan pertumbuhan
penduduk dengan model skenario yang berbeda. Menganalisa perubahan
tutupan hutan mangrove dengan menerapkan analisis change detection
melalui citra Landsat multi-temporal (Kirui et al. 2013; Li et al. 2013 &
Chen et al. 2013).

Hasil change detection multi-temporal dapat digunakan untuk

memetakan perubahan hutan mangrove selama periode yang ditentukan.
Analisa tren persentase perubahan hutan mangrove akibat dari konversi
hutan menjadi lahan budidaya. Prediksi interval tahun berikutnya hutan
mangrove akan mengalami peningkatan degradasi apabila tidak ada
intervensi kelembagaan atau kebijakan yang dapat diperhitungkan untuk
meningkatkan pengelolaan hutan mangrove di wilayah penelitian (Kirui et
al. 2013; Li et al. 2013 & Chen et al. 2013).

Penutup

Hutan mangrove mengalami degradasi dan deforestasi karena,

berlebihan pengambilan sumber daya hutan secara komersil dan izin
penggunaan lahan hutan mangrove sebagai alternative lahan baru yang
dikonversi menjadi tambak garam, pertanian, perikanan, dan pariwisata.
Pemantauan distribusi spasial dan temporal hutan mangrove sangat
penting untuk mendapatkan informasi rinci, akurat, dan update tentang
perubahan hutan mangrove sehingga diperlukan citra penginderaan jauh
temporal untuk pemetaan tren perubahan yang terjadi di hutan
mangrove. Penggunaan citra Landsat untuk menganalisa dinamika hutan
mangrove secara spasial dan temporal dapat dilakukan dengan klasifikasi
citra Landsat yang waktu perekamannya berbeda. Analisa dinamika
change detection hutan mangrove secara spasial dari interval tahun
perekaman citra mengalami perubahan luasan area yang disebabkan oleh
perubahan fungsi lahan menjadi lahan budidaya dan prediksi tahun
interval berikutnya hutan mangrove mengalami penurunan signifikan dari
segi kualitas dan kuantitas apabila tidak ada upaya konservasi.

Daftar Acuan

Chen, C. F, S. Nguyen-Thanh, C, Ni-Bin, C. Cheng-Ru, C. Li-Yu, M. Valdez, G.

Centeno, C. A. Thompson, & J. L. Aceituno. 2013. Multi Decadal
Mangrove Forest Change Detection and Prediction in Honduras,
Central America, with Landsat Imagery and a Markov Chain Model.
Remote Sensing 5: 6408-6426.

Giri, C., & J. Mhlhausen. 2008. Mangrove Forest Distributions and

Dynamics in Madagascar (19752005). Sensors 8: 2104-2117.

Jones, T. G, L. Glass, S. Gandhi, L. Ravaoarinorotsihoarana, A. Carro, L.

Benson, H. R. Ratsimba, C. Giri, D. Randriamanatena, & G. Cripps.
2016. Madagascars Mangroves: Quantifying Nation-Wide and
Ecosystem Specific Dynamics, and Detailed Contemporary Mapping
of Distinct Ecosystems. Remote Sensing 8: 106.

Kirui, K. B, J. G. Kairo, J. Bosire, K. M. Viergever, S. Rudra, M. Huxham, & R.

A. Briers. 2013. Mapping of mangrove forest land cover change along
the Kenya coastline using Landsat imagery. Ocean & Coastal
Management 83: 19-24.

Li, M. S, Mao L. J, Shen W. J, Liu S. Q, & Wei A. S. 2013. Change and

Fragmentation trends of Zhanjiang mangrove forest in southern
China using multi-temporal Landsat imagery (1977-2010). Estuarine,
Coastal and Shelf Science 130: 111-120.

Long, J. B., & C. Giri. 2011. Mapping the Philippines Mangrove Forests
Using Landsat Imagery. Sensors 11: 2972-2981.

Shapiro, A. C, C. C. Trettin, H, Kchly, S. Alavinapanah, & S. Bandeira.

2015. The Mangroves of the Zambezi Delta: Increase in Extent
Observed via Satellite from 1994-2013. Remote Sensing 7: 16504-
16518.