Deteksi Kerapatan Vegetasi dan Suhu Permukaan Tanah Menggunakan Citra Landsat 8 (Studi Kasus: Stasiun Penelitian Pasir Batang Taman Nasional Gunung Ciremai)

Dede Kosasih, Iing Nasihin, Elditama Rezky Zulkarnain

Abstract


Vegetasi pembentuk hutan merupakan komponen alam yang mampu mengendalikan iklim melalui pengendalian fluktuasi unsur-unsur iklim misalnya suhu, kelembaban, angin dan curah hujan, serta menentukan kondisi iklim mikro. Informasi kondisi vegetasi dan fisik ekosistem hutan menjadi penting dalam pengelolaan lahan. meskipun kondisi vegetasi dan fisik dapat dipantau dengan inventarisasi tradisional, penginderaan jauh satelit telah menyediakan informasi dalam jumlah yang besar mengenai distribusi geografis kondisi biofisik hutan. Landsat 8 telah sangat luas digunakan untuk berbagai penelitian dan aplikasi, termasuk untuk penentuan kerapatan vegetasi dan suhu permukaan tanah. Deteksi kerapatan vegetasi dan suhu permukaan tanahdapat diekstrasi dari data citra Landsat 8. Kerapatan vegetasi ditentukan berdasarkan nilai NDVI menggunakan reflektansi dari band merah dan inframerah, sedangkan suhu permukaan tanah dianalisis berdasarkan nilai radiasi pada band termal. Penelitian ini bertujuan untuk menentukan kerapatan vegetasi dan suhu permukaan tanah di lokasi Stasiun Penelitian Pasir Batang Taman Nasional Gunung Ciremai menggunakan Landsat 8. Sebaran nilai NDVI sebesar 0,51079 6–0,753647 yang mengindikasikan sebagai tutapan hutan yang dibagi menjadi tiga kelas kerapatan. Kerapan vegetasi didominasi kerapatan sedang dengan luas sebesar 68.23 ha (64%), sedangkan keraparan tinggi dan sedang masing masing sebesar 23,10 ha (21,71%) dan 15,10 ha (14.19%). Suhu permukaan tanah memiliki rentang 19,17–21,33 oC. Korelasi suhu permukaan tanah dan NDVI sebesar -0,26. Hal ini membuktikan nilai suhu permukaan dan kerapatan vegetasi saling bertolak belakang, dimana suhu yang rendah dapat dijumpai pada area dengan kerapatan tinggi dan sebaliknya.


Full Text:

PDF

References


Beg A. 2018. Assessment of land surface temperature variation over Rusafa side of Baghdad city. Iraq. MATEC Web of Conferences. https://doi.org/10.1051/matecconf/201816203032 BCEE3-2017

Bodart C. Eva H. Beuchle R. Rasi R. Simonetti D. Stibig HJ. Brink A. Lindquist A. Achard F. 2011. Pre-processing of a sample of multi-scene and multi-date Landsat imagery used to monitor forest cover changes over the tropics. ISPRS Journal of Fotogrametri dan Remote Sensing 66: 555–563.

Dede M, Pramulatsih GP, Agung Widiawaty MA, Yanuar Rizky Ramadhan YR, Ati A. Dinamika Suhu Permukaan dan Kerapatan Vegetasi Di Kota Cirebon. 2019. Jurnal Meteorologi Klimatologi dan Geofisika: Vol. 6 (1) Maret 2019.

Faizal A, Amran MA. 2005. Model transformasi indeks vegetasi yang efektif untuk prediksi kerapatan mangrove rhizophora mucronata. Pertemuan Ilmiah Tahunan MAPIN XIV ”Pemanfaatan Efektif Penginderaan Jauh Untuk Peningkatan Kesejahteraan Bangsa”

Guo Z. Wang N. Natalie M. Kehrwald. Mao R. Wu H. Wu Y. Jiang X. 2014. Temporal and spatial changes in Western Himalayan firn line altitudes from 1998 to 2009. Global and Planetary Change 118: 97–105

Indriyanto.2006. Ekologi Hutan. Cetakan I. Jakarta: Bumi Aksara

Jaya, INS. 2014. Analisis Citra Digital. Bogor: IPB Press.

Lakitan B. 2002. Dasar-Dasar Klimatologi. Jakarta: Raja Grafindo Persada

Lillesand TM, Kiefer RW. 1997. Penginderaan Jauh dan Interpretasi Citra. Yogyakarta: Gadjah Mada University Press.

Melesse, A.M., Weng, Q., Thenkabail, P.S., and Senay, G.B., 2007, Remote sensing sensors and applications in environmental resources mapping and modeling: Sensors, v. 7, p. 3209–3241.

Nixon, P.R., Escobar, D.E., and Menges, R.M., 1985, A multiband video system for quick assessment of vegetal condition and discrimination of plant species: Remote Sensing of Environment, v. 17, p. 203–208.

Rahayu. Candra DS. 2014. Koreksi radiometrik citra landsat-8 kanal Multispektral menggunakan Top of Atmosphere (ToA) untuk mendukung klasifikasi penutup lahan. Seminar Nasional Penginderaan Jauh 2014.

Roy DP. Wulder MA. Loveland TR. Woodcock CE et al. 2014. Landsat-8: Science and product vision for terrestrial global change research. Remote Sensing of Environment 145:154–172

Si ST. Thi LP. and Van CP. 2009. Land cover change analysis using change vector analysis method in DuyTien District. Ha Nam Province in Vietnam.7th FIG Regional Conference.

Tucker CJ. 1979. Red and Photographic Infrared Linear Combinations for Monitoring Vegetation. Remote Sensing of Environment. 8:127-150

[USGS] Department of the Interior U.S. Geological Survey. 2018. Landsat 8 (L8) Data Users Handbook. Sioux Falls. South Dakota.

Verhulst N and Govaerts B. 2010. The normalized difference vegetation index (NDVI) GreenSeekerTM handheld sensor: Toward the integrated evaluation of crop management. Part A: Concepts and case studies. Mexico. D.F. CIMMYT


Refbacks

  • There are currently no refbacks.