Mid Template
Mid Template
Abstrak
Kebakaran lahan pada suatu daerah merupakan hal yang sangat berpengaruh terhadap kehidupan
lingkungan sekitar, yang biasanya ditandai oleh keberadaan sisa sisa abu, arang, atau keadaan
lingkungan yang berbeda dari daerah yang tidak mnegalami kebakaran. Adapun daerah bekas
kebakaran lahan tersebut diduga memiliki temperatur yang relative lebih tinggi dari lingkungan
sekitarnya. Citra landsat 8 TIRS (Thermal Infra Red Sensor) akan memproses dan menghasilkan peta
perubahan temperatur di daerah bekas kebakaran lahan dengan metode Land Surface Temperature
(LST). Peta ini dapat menunjukan perubhan temperature pada daerah bekas kebakaran di riau pada
rentang waktu 4 tahun terakhir secara konsisten.
Kata kunci: Kebakaran, Landsat 8 TIRS, Land Surface Temperature (LST), Perubahan Temperatur
Pendahuluan
Kebakaran hutan dan lahan gambut merupakan kebakaran permukaan dimana api membakar
material yang ada di atas permukaan (misalnya: serasah, pohon, semak, dll), kemudian api
menyebar secara tidak merata secara perlahan di bawah permukaan dengan membakar bahan
organik gambut (Septianingrum, 2018).
Kebakaran biomassa diakui sebagai satu dari faktor-faktor kritis yang mempengaruhi perubahan
tutupan vegetasi dan emisi karbon di seluruh dunia (Chuvieco dkk., 2008). Peristiwa kebakaran
biomassa pada suatu daerah akan menyisakan bekas-bekas kebakaran seperti arang, abu, serta
singkapan tanah pada daerah tersebut yang dikenal dengan burned area. Penerapan Teknik
penginderaan jauh sudah diakui sebagai sumber informasi yang efektif dan berbiaya murah dalam
pemetaan burned area dari skala national, regional, hingga global (Stroppiana dkk., 2012).
Salah satu citra penginderaan jauh yang dapat digunakan adalah citra Landsat 8 yang terdiri dari
Sensor Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan salah satu kegunaan
dari sensor ini adalah dapat digunakan untuk mengidentifikasi sebaran suhu dalam satu areas
(Septiangga, 2016).
Implementasi deteksi burned area di berbasiskan data citra penginderaan jauh optis sebagian besar
menggunakan variabel indeks vegetasi, indeks kebakaran, dan nilai pantulan (Suwarsono, 2014).
Kebakaran sangat terkait dengan termal, karena proses kebakaran akan menghasilkan panas yang
dapat direkam oleh sensor termal pada satelit. Penelitian ini berfokus pada kajian pemanfaatan data
termal pada sensor TIRS Landsat-8 untuk deteksi daerah-daerah bekas terbakar (Suwarsono dkk.,
2015).
Tujuan
Penelitian bertujuan untuk mengidentifikasi distribusi temperatur pada wilayah bekas kebakaran
(burned area) di Provinsi Riau menggunakan citra Landat 8 OLI/TIRS pada path/ row (127/059) tahun
2014, 2016, dan 2018 dengan metode Land Surface Temperature (LST) dan menghasilkan peta
perubahan temperature pada tahun 2014, 2016, dan 2018.
Pernyataan Masalah
Dampak dari kebakaran hutan yang berada di provinsi riau merupakan masalah yang harus
ditindaklanjuti secara serius dan tegas oleh pemerintah setempat, karena dampaknya bukan hanya di
dalam provinsi itu saja, melainkan menyebar sampai ke negara tetangga yaitu singapura dan Malaysia.
Selain itu, kebakaran lahan ini juga memberikan sumbangan CO dan CO2 lebih banyak yang dapat
merusak lapisan ozon serta juga mempercepat terjadi nya pemanasan global yang telah dibuktikan
oleh data histori kebakaran sebelumnya bahwa adanya perubahan suhu secara signifikan di daerah
bekas kebakaran lahan. Oleh karena itu metode-metode dari pengindraan jauh sangat berfungsi untuk
membantu pemerintah dalam mengatasi masalah-masalah yang berkaitan dengan alam dan
berdampak cukup besar.
Hipotesis
Penelitian ini akan menganalisis perubahan suhu dari 2014, 2016, dan 2018 yang dapat menunjukkan
perubahan suhu sebagai dampak dari ada nya kebakaran lahan yang terjadi dan juga sebagai saran
untuk pemerintah setempat untuk mengatasi masalah kebakaran lahan yang sering terjadi di provinsi
Riau.
Pra-pemprosesan
Pada tahap ini, diawali dengan membaca beberapa studi literatur tentang penggunaan citra landsat 8
untuk analisis daerah bekas kebakaran. Beberapa jurnal telah masuk sebagai refrensi penelitian ini.
Selanjutnya dilakukan proses pengunduhan data inti dan pendukung berupa Citra Landsat 8 OLI/TIRS
path 127 row 59 dengan waktu perekaman bulan desember 2014, 2016 dan 2018, kemudian dilakukan
pengunduhan peta RBI Provinsi Riau dengan skala 1:250.000. Setelah itu, dilakukan proses cropping
citra untuk area penelitian agar lebih focus kepada daerah yang bekas terbakar. Selanjutnya dilakukan
proses TOA radiance, Brightness temperature, dan TOA Reflectance untuk membantu memudahkan
ke proses inti yaitu LST dan NDVI.
Metode 1
Metode yang digunakan yaitu metode Land Surface Temperature (LST) yang dapat digunakan untuk
mengetahui temperatur permukaan bumi ketika perekaman citra oleh satelit. Perhitungan nilai LST
dicari berdasarkan radiasi TOA, temperatur kecerahan satelit, dan dengan bantuan nilai Normalized
Difference Vegetation Index (NDVI) untuk menentukan nilai emisivitas permukaan bumi (Septiangga,
2016).
Metode 2
Selain itu terdapat juga metode Normalized Diffrence Vegetation Index (NDVI). NDVI merupakan
metode standar dalam membandingkan tingkat kehijauan vegetasi pada data citra satelit (Lufilah dkk.,
2017). NDVI dapat digunakan sebagai indikator biomassa, tingkat kehijauan (greenness) relatif, dan
untuk menentukan status (kesehatan/kerapatan) vegetasi pada suatu wilayah, namun tidak
berhubungan langsung dengan ketersediaan air tanah di wilayah tersebut (Hung, 2000).
INPUT
Studi Pengambilan Citra Landsat 8 TIRS
Literatur Data perekaman bulan
Desember
2014,2016,2018
PRE-PROCESSING
Cropping Citra
TOA Radiance
Brightness
Temperature
Transformasi LST
LST
PRE-PROCESSING
Peta RBI skala
1:250.000 Scoring
Overlay
Validasi Data
OUTPUT
Peta Suhu
Permukaan
Gambar 4 Contoh Citra 3-D suhu kecerahan band 10 (atas) dan band 11 (bawah) yang memperlihatkan karakteristik suhu
(Suwarsono, 2015)
Referensi
Aprilliyanti, T., & Zainuddin, M. (2017). Pemetaan Potensi Kekeringan Lahan se-pulau Batam
menggunakan Teknik Sistem Informasi Geografis (SIG) dan Penginderaan Jauh. Majalah
Chuvieco, E., Englefield, P., Trishchenko, A. P., & Luo, Y. (2008). Generation of long time series of burn
area maps of the boreal forest from NOAA–AVHRR composite data. Remote Sensing of
Hung. (2000). MODIS Application in Monitoring Surface Parameters. Institute of Industrial Science.
Lufilah, S. N., Makalew, A. D., & Sulistyantara, B. (2017). PEMANFAATAN CITRA LANDSAT 8 UNTUK
Prayoto. (2015). Analisis kebakaran hutan dan lahan gambut Provinsi Riau tahun 2014. Seminar
Raharjo, P. D. (2011). TEKNIK PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFIS UNTUK
https://doi.org/10.7454/mst.v14i2.700
Septiangga, B. (2016). APLIKASI CITRA LANDSAT 8 UNTUK PENENTUAN PERSEBARAN TITIK PANAS
Septianingrum, R. (2018). Dampak Kebakaran Hutan di Indonesia Tahun 2015 dalam Kehidupan
Masyarakat.
Stroppiana, D., Bordogna, G., Carrara, P., Boschetti, M., Bosschetti, L., & Brivio, P. A. (2012). A method
for extracting burned areas from Landsat TM/ETM+ images by soft aggregation of multiple
Spectral Indices and a region growing algorithm. ISPRS Journal of Photogrammetry and
Suwarsono. (2014). Deteksi Daerah Bekas Kebakaran Hutan/Lahan (Burned Area) Menggunakan Citra
Wiweka, W., & Pusat Pemanfaatan Penginderaan Jauh-LAPAN, Jalan Kalisari 8 Jakarta Timur. Telp:
https://doi.org/10.20886/jklh.2014.8.1.11-22