Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
ESTIMASI CADANGAN KARBON VEGETASI TEGAKAN DI KOTA YOGYAKARTA DAN SEKITARNYA BERBASIS ALOS AVNIR-2 E. Willy Margaretha1, Projo Danoedoro1, 2, Sigit Heru Murti2 1
Remote Sensing Postgraduate Program, Faculty of Geography, Gadjah Mada University, Yogyakarta – Indonesia 55281 2
Centre for Remote Sensing and Integrated Survey (PUSPICS), Faculty of Geography, Gadjah Mada University, Yogyakarta – Indonesia 55281
[email protected]
ABSTRAK Peranan vegetasi di kekotaan menarik untuk dipelajari, karena berhubungan erat dengan keseimbangan oksigen dan karbondioksida. Tujuan penelitian ini membahas estimasi cadangan karbon berdasarkan tutupan lahan di wilayah Kota Yogyakarta dan sekitarnya dengan memanfaatkan data penginderaan jauh ALOS AVNIR-2. Metode yang digunakan adalah persamaan alometrik dan model regresi. dari data spektral dari saluran tunggal ALOS AVNIR-2 dan indeks vegetasi simple ratio (SR), normalized difference vegetation index (NDVI), triangular vegetation index (TVI), modified soil-adjusted vegetation index - 2 (MSAVI-2), enhanced vegetation index (EVI), EVI-2, visible atmospherically resistant vegetation index (VARIGreen), global environment monitoring index (GEMI), and atmospherically resistant vegetation index (ARVI). Plot sampel di lapangan ditentukan berdasarkan persentase kerapatan vegetasi pada tutupan lahan. Hasil penelitian ini menunjukkan bahwa seluruh saluran tunggal citra ALOS AVNIR-2 dan indeks vegetasi SR dan ARVI pada level koreksi radiometrik At-sensor Reflectance dan At-surface Reflectance tidak dapat dilanjutkan ke penelitian berikutnya, karena menunjukkan hubungan spektral yang lemah terhadap karbon (r<0,76). Uji akurasi dengan metode Standard Error of the Estimate menunjukkan bahwa EVI-2 merupakan indeks vegetasi terbaik untuk estimasi cadangan karbon vegetasi. δest EVI-2 adalah 0,862 tonC/piksel. Cadangan karbon vegetasi terbesar ditemukan pada lahan vegetasi seperti hutan rakyat yang terletak di sepanjang aliran sungai dan hutan kota. Kesimpulan penelitian ini adalah penggunaan data citra dengan resolusi spasial menengah untuk estimasi cadangan karbon vegetasi kota harus mempertimbangkan piksel-piksel campuran, karena dengan tingkat kerapatan vegetasi yang rendah, dominasi nilai spektral lahan non vegetasi mempengaruhi nilai spektral vegetasi. Kata Kunci: penginderaan jauh, cadangan karbon kekotaan, indeks vegetasi, Yogyakarta, ALOS-AVNIR-2
PENDAHULUAN Latar Belakang Perkembangan kekotaan tidak terlepas dari bertambahnya jumlah penduduk, berkembangnya jumlah kendaraan dan meluasnya aktifitas industri. Akibatnya kekotaan menjadi sumber utama emisi karbondioksida (Svierejeva-Hopins et al., 2004 dalam Hutyra et al., 2011). Berkurangnya lahan vegetasi merupakan salah satu penyumbang utama meningkatnya emisi karbon secara signifikan, karena vegetasi memegang peranan penting dalam penyimpanan karbon (Rowntree dan Nowak, 1991). Perhitungan cadangan karbon, sebaran dan perubahan lahan vegetasi penting dilakukan untuk mengetahui peranan vegetasi. Pemanfaatan citra satelit untuk perhitungan cadangan karbon dan sebarannya dianggap lebih baik, karena relatif lebih murah dan lebih cepat dalam pemetaan karbon (Myeong et al., 2006). Seperti kebanyakan kota berkembang lainnya di dunia, Kota Yogyakarta juga berkembang pesat sejalan dengan meningkatnya jumlah penduduk dan aktifitas di dalamnya. Lahan vegetasi semakin berkurang dengan berubahnya penggunaan lahan. Akibatnya cadangan karbon pun mengalama degradasi yang signifikan dalam beberapa tahun terakhir. Penelitian estimasi cadangan karbon di Kota Yogyakarta dan sekitarnya ini memanfaatkan data spektral dari ALOS AVNIR-2 yang mempunyai resolusi spasial menengah – 10 meter. 431
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Salah satu hal terpenting dari penelitian estimasi cadangan karbon kekotaan dengan penginderaan jauh ini adalah tingkat akurasi. Pemanfaatan citra resolusi spasial menengah, yaitu ALOS AVNIR-2 dan mempertimbangkan tingkat kerapatan bangunan kekotaan yang cenderung lebih padat, kemungkinan memberikan tingkat akurasi yang berbeda sehingga menarik untuk diteliti lebih jauh. Sebaran vegetasi di kekotaan juga cenderung sporadis, heterogen, umur vegetasi yang beragam, dan dalam kelompok yang tidak terlalu luas, kecuali pada tutupan lahan hutan kota. Masalah lain yang dihadapi dalam estimasi cadangan karbon kekotaan secara spasial dengan penginderaan jauh adalah luasan lahan vegetasi yang lebih sempit dibanding lahan terbangun, sehingga nilai spektral piksel lahan terbangun cenderung mendominasi nilai spektral vegetasi. Dominasi piksel campuran ini kemungkinan mempengaruhi tingkat akurasi estimasi cadangan karbon di kekotaan.
Gambar 1. High density residential area along the Code River in the city
Penelitian ini membandingkan tingkat akurasi estimasi cadangan karbon kekotaan pada semua saluran tunggal citra ALOS AVNIR-2 dan beberapa indeks vegetasi, seperti TVI (Triangular Vegetation Index), MSAVI-2 (Modified Soil Advanced Vegetation Index-2), SR (Simple Ratio), NDVI (Normalized Difference Vegetation Index), EVI (Enhanced Vegetation Index), EVI-2, VARIGreen (Visible Atmospherically Resistant Index), ARVI (Atmospheric Resistant Vegetation Index) and GEMI (Global Environment Monitoring Index). VARIGreen, ARVI and GEMI dipilih karena kondisi atmosferik kekotaan Yogyakarta yang mengalami polusi dari manusia dan dari alam yaitu debu Gunung Merapi. Seluruh saluran tunggal dan indeks vegetasi diteliti pada level koreksi radiometric At-sensor Reflectance dan At-surface sensor untuk mendapatkan tingkat akurasi tertinggi pada masing-masing saluran dan indeks. ALOS AVNIR-2 pada lokasi kajian juga dilakukan 2 masking yaitu citra yang dimasking pada daerah persawahan, herba, dan rumput dan citra yang sama sekali tidak dimasking. Masking untuk persawahan, herba, dan rumput dimaksudkan untuk menghilangkan vegetasi non tegakan, karena penelitian ini hanya menghitung karbon vegetasi tegakan.
432
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Gambar 2. Research procedure to get the most accurate single band or vegetation index
Studi Area Kota Yogyakarta terletak antara 110o24’19" - 110o28’53" Bujur Timur di antara 07o15’24" 07 49’26" Lintang Selatan Total luas daerah penelitian adalah 107,45 km2. Selain lahan terbangun di pinggiran, juga dipilih lahan vegetasi lainnya sebagai bahan perbandingan estimasi karbon vegetasi dengan batas bagian terluar outer ringroad. o
Gambar 3. Study Area in Yogyakarta – Indonesia
METODE Hubungan antara biomasa dan karbon Hubungan antara penginderaan jauh dengan biomasa dinyatakan oleh Anaya et al. (2009) bahwa penginderaan jauh merupakan pendekatan terbaik untuk estimasi biomasa di tingkat regional di mana data lapangan sulit didapat dan bisa didapat data terbaru. Meskipun begitu, Steininger (2000) menemukan kelemahan estimasi biomasa melalui penginderaan jauh, karena sampel plot di lapangan tidak didesain untuk data penginderaan jauh dan adanya saturasi pada tajuk rapat, sehingga mempengaruhi nilai biomasa. Hairiah dan Rahayu (2007), menyatakan bahwa rata-rata konsentrasi karbon adalah 46% dari biomasa. Hal ini hampir sama dengan Wicaksono (2011), yang menyatakan bahwa terdapat 0,464 gC 433
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
per 1 g biomasa atau 46,4% karbon dari biomasa. Potter et al. (2008) dalam Ren (2011), berpendapat bahwa pada biomasa terkandung 50% karbon. Untuk penelitian ini akan menggunakan 46% cadangan karbon yang terkandung dalam setiap 100% biomasa, sesuai dengan penelitian Hairiah dan Rahayu (2007). Analisis Regresi dan Persamaan Alometrik Persamaan regresi berhubungan dengan variabel independent seperti DBH, biomasa dan biasanya menghasilkan estimasi yang relatif akurat (Phillips et al., 2002 dalam Singh et al., 2011). Persamaan regresi tidak tergantung pada spesies vegetasi. Penelitian ini memanfaatkan persamaan regresi linier sederhana. Persamaan biomasa mengacu pada persamaan Brown. Brown dalam penelitiannya tidak digunakannya tinggi tegakan sebagai bagian dari estimasi biomasa tegakan. Brown hanya memanfaatkan diameter pohon. Biomasa = 42,69 – 12,8 (DBH) + 1,242 (DBH2)
(5)
Plot Sampel Penentuan titik sample didasarkan pada tutupan lahan dari citra ALOS AVNIR-2 dan persentase vegetasi pada tutupan lahan tersebut yang diturunkan dari citra Quickbird tahun 2005 dan Google Earth tahun 2007. Penentuan kelas kerapatan vegetasi berdasarkan beberapa acuan. Tabel 1. Penentuan Plot Sampel N o 1
Landcover
Classification Class
Vegetation Density Residential 1.1 Lahan Pemukiman Vegetasi Gundul <10% 1.2 Lahan Pemukiman Vegetasi Jarang >10% - 30% 1.3 Lahan Pemukiman Vegetasi Sedang >30% - 50% 1.4 Lahan Pemukiman Vegetasi Rapat >50% - 70% 1.5 Lahan Pemukiman Vegetasi Sangat Rapat >70% 2 Commer2.1 Lahan Terbangun Komersial Vegetasi Gundul <10% cial/built2.2 Lahan Terbangun Komersial Vegetasi Jarang >10% - 30% up area 2.3 Lahan Terbangun Komersial Vegetasi Sedang >30% - 50% 2.4 Lahan Terbangun Komersial Vegetasi Rapat >50% - 70% 2.5 Lahan Terbangun Komersial Vegetasi Sangat Rapat >70% 3 Agricultu3.1 Lahan Pertanian Vegetasi Gundul <10% ral 3.2 Lahan Pertanian Vegetasi Jarang >10% - 30% 3.3 Lahan Pertanian Vegetasi Sedang >30% - 50% 3.4 Lahan Pertanian Vegetasi Rapat >50% - 70% 3.5 Lahan Pertanian Vegetasi Sangat Rapat >70% 4 Forest 4.1 Lahan Hutan Vegetasi Gundul <10% 4.2 Lahan Hutan Vegetasi Jarang >10% - 30% 4.3 Lahan Hutan Vegetasi Sedang >30% - 50% 4.4 Lahan Hutan Vegetasi Rapat >50% - 70% 4.5 Lahan Hutan Vegetasi Sangat Rapat >70% Sumber : Persentase kerapatan vegetasi dimodifikasi dari Howard (1996), Lillesand et al (2007), UU No. 26 tahun 2007 tentang Tata Ruang, dan Peraturan Pemerintah RI No. 63 tahun 2002 tentang Hutan Kota
Unit pemetaan berdasarkan tutupan lahan dan persentase tutupan vegetasi. Tiap plot sampel ini dihitung biomasa tegakan berdasarkan diameter batang setinggi dada (DBH). Vegetasi tegakan dengan diameter kurang dari 5 cm tidak diambil sebagai sampel. Perbedaan tahun perekaman citra (20th June 2009) dan penelitian di lapangan, mengakibatkan bertambahnya riap diameter, sehingga 434
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
seluruh diameter tegakan di lapangan dikurang 3.25 cm dengan perhitungan rata-rata pertumbuhan diameter per tahun adalah 1 cm. McCoy (2005) menyatakan tidak ada aturan khusus untuk untuk menentukan jumlah plot sampel di lapangan, namun Congalton dan Green (2009) menganggap jumlah 20 plot sampel merupakan jumlah minimal per kelas. Untuk penelitian ini akan mengambil 20 plot sampel untuk membangun model dan 20 plot untuk uji akurasi. Ukuran plot di lapangan ditentukan dengan mengikuti persamaan McCoy (2005) yaitu: Sample Plot Area = P(1+2L)
(6)
Where : P = Spatial resolution L = RMSE Luas plot sampel untuk penelitian ini adalah 50m X 50 m, sehingga untuk perhitungan masing-masing piksel baik nilai piksel maupun nilai karbon per piksel akan dilakukan nilai rata-rata dari plot sampel.
Perbandingan Indeks Vegetasi atau Saluran Tunggal Citra pada Masing-masing Level Koreksi Radiometrik Persamaan regresi menunjukkan derajat kekuatan hubungan nilai spektral saluran tunggal atau indeks vegetasi terhadap jumlah karbon per piksel hasil perhitungan di lapangan. Koefisien Determinasi (R2) hasil persamaan regresi adalah sebagai berikut :
Tabel 2. Hasil R2 pada Plot Sampel Modelling ALOS AVNIR-2 (Masked)
Blue Green Red NIR SR NDVI TVI MSAVI-2 EVI EVI-2 ARVI GEMI VARI-Green
At-sensor Reflect-ance R² = 0,01 R² = 3E-05 R² = 0,05 R² = 0,43 R² = 0,45 R² = 0,52 R² = 0,64 R² = 0,69 R² = 0,65 R² = 0,68 R² = 0,48 R² = 0,55 R² = 0,56
At-surface Reflec-tance R² = 0,09 R² = 0,07 R² = 0,2 R² = 0,27 R² = 0,36 R² = 0,39 R² = 0,39 R² = 0,39 R² = 0,38 R² = 0,38 R² = 0,38 R² = 0,2 R² = 0,47
ALOS AVNIR-2 (Non Masked) At-sensor At-surface Reflec-tance Reflec-tance R² = 0,35 R² = 0,39 R² = 0,25 R² = 0,3 R² = 0,35 R² = 0,44 R² = 0,27 R² = 0,42 R² = 0,46 R² = 0,55 R² = 0,52 R² = 0,6 R² = 0,51 R² = 0,7 R² = 0,51 R² = 0,7 R² = 0,51 R² = 0,7 R² = 0,51 R² = 0,69 R² = 0,4 R² = 0,57 R² = 0,44 R² = 0,59 R² = 0,55 R² = 0,68
Langkah selanjutnya adalah seleksi derajat kekuatan korelasi (r). Nilai r yang akan dimanfaatkan untuk penelitian lanjutan adalah r > 0,76 atau R2>0,58. Melihat hasil regresi pada plot sampel modeling dan membandingkan nilai R2 maka dapat dilihat bahwa seluruh indeks vegetasi dan saluran tunggal ALOS AVNIR-2 yang dimasking pada level koreksi At-sensor Reflectance dan Atsurface Reflectance menunjukkan nilai R2 < 0,58. Pada citra yang tidak dimasking, seluruh saluran tunggal ALOS AVNIR-2 dan indeks vegetasi pada level koreksi At-sensor Reflectance juga menunjukkan nilai R2 < 0,58. Perbedaan tampak pada citra tidak dimasking pada At-surface 435
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Reflectance. Nilai R2 < 0,58 didapat pada semua saluran tunggal. Ada pun indeks vegetasi yang memiliki R2 < 0,58 adalah ARVI dan SR. Nilai R2 >58 atau r >0,76 menunjukkan hubungan yang sangat kuat atau hampir sempurna antara nilai indeks vegetasi dan jumlah karbon di lapangan per piksel. Seluruh saluran tunggal ALOS AVNIR-2 tidak digunakan untuk penelitian selanjutnya. GEMI, NDVI, VARIGreen, EVI-2, MSAVI2, TVI dan EVI menunjukkan nilai r>0.76 sehingga indeks vegetasi inilah yang digunakan untuk penelitian. Accuracy Assessment Estimasi Standar Error merupakan metode pengukuran prediksi akurasi. Garis regresi adalah garis yang menimilasisasi prediksi jumlah akar kuadrat deviasi (sum of square error). Algoritma Standard Error of the Estimate adalah sebagai berikut :
δest = Where : σest Y Y' N
Ʃ(
)
(7)
= Standard error of the estimate = Field Carbon = Carbon estimated based on reversed spectral value = Number of samples
Plot-plot untuk uji akurasi merupakan set plot yang berbeda dengan plot-plot modelling. Jumlah plot untuk uji akurasi adalah 20 plot yang tersebar merata ke semua kelas. Persamaan regresi yang diperoleh dari persamaan (6) dibalik untuk mendapatkan estimasi cadangan karbon. Mengacu pada Tabel 3. terlihat pada plot sampel 11C, 12C, 14C, 21C, 22C, dan 23C memiliki cadangan karbon negatif di semua indeks vegetasi. Kemungkinan hal ini disebabkan oleh perhitungan nilai piksel rata-rata pada setiap plot sampel yang mempengaruhi nilai indeks vegetasi. Selanjutnya, nilai indeks vegetasi ini berpengaruh pada jumlah cadangan karbon per piksel. Penyumbang cadangan karbon dengan nilai negatif terletak pada lahan pemukiman dan lahan komersial. Pada kenampakan citra ALOS AVNIR-2 kedua lahan terbangun mendominasi sebagian besar daerah kajian. Dominasi piksel campuran pada wilayah kajian inilah yang kemungkinan mempengaruhi nilai rata-rata vegetasi pada piksel sampel.
436
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Tabel 3. Jumlah Cadangan Karbon Berdasarkan Indeks Vegetasi Per Piksel
Plot
Total Karbon (Y)
KARBO N NDVI (Y1)
KARBO N TVI(Y1)
11C 12C 13C 14C 15C 21C 22C 23C 24C 25C 31C 32C 33C 34C 35C 41C 42C 43C 44C 45C
0,017 0,274 0,072 0,154 0,552 0,249 0,057 0,43 0,569 1,081 0,223 0,338 0,926 0,146 0,269 0,034 0,124 0,357 0,245 1,937
-1.011 -1.273 0.36 -0.376 1.485 -1.074 -0.986 -0.145 0.732 1.281 -0.232 0.817 0.964 0.214 1.434 0.002 0.861 1,805 1,83 1,37
-0.867 -1.33 0.32 -0.174 1.039 -1.266 -1.121 -0.198 0.337 0.913 0.085 1.111 1.298 0.28 1.561 0.071 1.195 2,109 1,096 1,594
KARBO N MSAVI-2 (Y1) -0.96 -1.14 0.224 -0.321 1.075 -0.757 -0.994 -0.308 0.201 1.019 0.037 1.055 1.334 0.2 1.5 -0.168 1.304 2,236 1,006 1,506
KARBO N EVI (Y1)
KARBO N EVI-2 (Y1)
KARBO N VARI (Y1)
KARBO N GEMI (Y1)
-0.972 -1.219 0.285 -0.28 1.122 -0.891 -1.052 -0.285 0.271 1.017 -0.003 1.032 1.263 0.231 1.647 -0.131 1.262 2,186 1,06 1,52
-0.974 -1.165 0.246 -0.316 1.101 -0.779 -1.007 -0.292 0.241 1.04 0.036 1.052 1.318 0.217 1.491 -0.149 1.285 2,166 1,049 1,494
-0.743 -1.432 0.212 -0.322 1.82 -1.873 -1.213 -0.207 0.882 0.989 -0.526 0.459 0.415 -0.031 2.108 0.169 0.158 2,288 3,311 1,585
-1.025 -1.206 0.219 -0.252 0.902 -0.571 -1.115 -0.372 -0.01 0.922 0.265 1.213 1,527 0,263 1,504 -0,219 1,542 2,263 0,655 1,545
Langkah selanjutnya setelah didapat jumlah cadangan karbon per piksel, adalah melakukan uji akurasi. Uji akurasi dilakukan dengan metode Standard Error of the Estimate. Nilai Y adalah cadangan karbon di lapangan per piksel (10 X 10 meter) dan nilay Y1 adalah perkiraan cadangan karbon berdasarkan indeks vegetasi. Hasil Uji Akurasi pada masing-masing indeks vegetasi adalah sebagai berikut: Tabel 4. Hasil Uji Akurasi EVI-2 MSAVI-2 EVI NDVI GEMI TVI VARIGreen
δest TON/PIKSEL 0,862 0,866 0,887 0,894 0,898 0,901 1,246
δest TON/HA 86,2 86,6 88,7 89,4 89,8 90,1 124,6
Hasil uji akurasi dengan metode Standard Error of the Estimate menunjukkan bahwa EVI-2 memiliki nilai δest terendah, yaitu ± 0,862 ton per piksel ALOS AVNIR-2 atau 86,2 ton per hektar. Nilai δest EVI-2 terpaut tipis dengan δest MSAVI-2. δest MSAVI-2 ±0,866 ton per piksel atau 86,6 ton per hektar. δest tertinggi adalah VARIGreen sebesar ± 1,246 ton per piksel.
437
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Gambar 4. Carbon Class Distribution Based on EVI-2
Estimasi Karbon Berdasarkan Penutup Lahan Kelas klasifikasi multispektral untuk penutup lahan pada penelitian ini terdiri atas : tutupan vegetasi, lahan terbangun, lahan terbuka dan tubuh air. Post classification menggunakan metode Maximum Likehood. Hasil kelas klasifikasi multispektral menjadi acuan klasifikasi visual untuk mendapatkan luas wilayah penutup lahan. Estimasi jumlah karbon pada masing-masing penutup lahan diperoleh dengan mengkonversikan nilai indeks vegetasi berdasarkan persamaan regresi dari plot sampel modeling non masking pada citra ALOS AVNIR-2. Estimasi cadangan karbon diperoleh dengan mengkonversikan persamaan regresi pada plot sample modeling.
Tabel 5. Konversi Persamaan Regresi untuk Estimasi Cadangan Karbon Indeks Vegetasi EVI-2 MSAVI-2 EVI NDVI VARIGreen TVI GEMI
Konversi Ke Karbon Karbon = (EVI2- 0.1744)/ 0.082 Karbon = (MSAVI2 - 0.1547)/0.0805 Karbon = (EVI - 0.3773)/0.1817 Karbon = (NDVI - 0.5274)/0.1663 Karbon = (VARIGreen - 0.1313)/0.3216 Karbon = (TVI - 6.2535)/3.2061 Karbon = (GEMI - 0.4197)/0.0705
Tabel 6. Estimasi Karbon di Kota Yogyakarta dan Sekitarnya Indeks vegetasi VARIGreen NDVI EVI-2 EVI MSAVI-2 TVI GEMI
Total Karbon (Ton) 118.496,6 303.667,8 313.332,8 313.449,1 314.889,9 318.621,3 331.248,8
438
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Pada Tabel 6. tampak bahwa cadangan karbon di Kota Yogyakarta dan sekitarnya berdasarkan indeks vegetasi EVI-2 adalah 313.332,8 ton. Perbedaan mencolok cadangan karbon ada pada VARIGreen dengan estimasi karbon sebanyak 118.496,6 ton. Estimasi cadangan karbon yang rendah pada VARIGreen kemungkinan disebabkan karena banyaknya piksel campuran antara lahan terbangun dengan vegetasi dan resolusi spasial citra ALOS AVNIR-2 yang mempengaruhi nilai spektral saluran merah dan saluran hijau, sehingga serapan klorofil tidak terdeteksi dengan maksimal. Akibatnya, piksel-piksel campuran tersebut dianggap sebagai lahan terbangun tanpa vegetasi. Tabel 7. Kelas Karbon untuk Penutup Lahan Kelas Karbon Ton/Piksel ALOS AVNIR-2 Rendah <0,46 Sedang <0,46 s/d >1,56 Tinggi >1,56 Sumber : Perhitungan Karbon Lapangan Per Plot Sampel
Sebaran cadangan karbon tertinggi dengan nilai >1,56 ton per piksel ditemukan di lahan hutan rakyat di sepanjang aliran sungai dan hutan kota. Pada aliran sungai di tengah Kota Yogyakarta, estimasi cadangan karbon sangat rendah. Hasil dari survey lapangan menunjukkan, pada aliran sungai di tengah kota tersebut dipenuhi oleh pemukiman padat dengan jumlah tegakan sangat rendah pada luasan plot sampel. Sebaran cadangan karbon terendah pada lahan pemukiman. Mengacu pada hasil penelitian di lapangan, kepadatan bangunan di Kota Yogyakarta terhitung tinggi dengan sedikitnya jumlah tegakan dan rapatnya jarak antar bangunan pemukiman.
REKOMENDASI Pemanfaatan semua saluran tunggal ALOS AVNIR-2 pada level koreksi At-sensor Reflectance dan At-surface Reflectance, baik pada citra yang dimasking atau tidak dimasking tidak disarankan, karena hasil penelitian ini menunjukan hubungan yang tidak kuat antara nilai spektral citra terhadap estimasi cadangan karbon. Resolusi ALOS AVNIR-2 seluas 10 X 10 m mempengaruhi jumlah piksel campuran, terutama di wilayah kekotaan. Piksel campuran ini mempengaruhi nilai spektral vegetasi, yang pada akhirnya mempengaruhi estimasi cadangan karbon secara keseluruhan. Pengambilan sampel pada plot seluas 5 X 5 piksel untuk kemudian dirata-ratakan menjadi 1 X 1 piksel menjadi bahan pertimbangan untuk penelitian estimasi cadangan karbon di Kota Yogyakarta. Hal ini dikarenakan banyaknya piksel campuran yang mempengaruhi nilai spektral piksel secara keseluruhan.
REFERENCES Anaya, J. s. A., E. Chuvieco, et al. (2009). Aboveground Biomass Assessment in Colombia: A Remote Sensing Approach. Forest Ecology and Management 257: 1237–1246. Brown, S., A. J. R. Gillespie, et al. (1989). Biomass Estimation Methods for Tropical Forests with Applications to Forest Inventory Data. Forest Science 35(4): 881 - 902. Hairiah, K. and S. Rahayu, Eds. (2007). Pengukuran Karbon Tersimpan di Berbagai Macam Penggunaan Lahan, World Agroforestry Centre ICRAF Southeast Asia Regional Office. Howard, J. A. (1996). Penginderaan Jauh untuk Sumber Daya Hutan : Teori dan Aplikasi. Yogyakarta, Gadjah Mada University Press. Lillesand, Thomas M., R.W.Kiefer, J.W. Chipman (2007). Remote Sensing and Image Interpretation. United State of America, John Wiley and Sons. McCoy, Roger M., 2005. Field Methods in Remote Sensing. The Guilford Press, Myeong, S., D. J. Nowak, et al. (2006). A temporal analysis of urban forest carbon storage using remote sensing. Remote Sensing of Environment 101: 277 – 282. Ren, Y., X. Wei, et al. (2011). Relationship between vegetation carbon storage and urbanization: A case study of Xiamen, China. Forest Ecology and Management 261: 1214–1223.
439
Prosiding Simposium Nasional Sains Geoinformasi ~ III 2013 ISBN 978-979-98521-4-4
Rowntree, R. A. and D. J. Nowak (1991). Quantifying the Role of Urban Forests in Removing Atmospheric Carbon Dioxide. Journal of Arboriculture 17(10): 269 - 275. Russell G. Congalton, K. G. (2009). Assessing the Accuracy of Remotely Sensed Data : Principles and Practices. Boca Raton, USA, Taylor & Francis Group Singh, Vishal, Tewari, A., Kushawaha, S.P.S. dan Dadhwal, V.K., 2011, Formulating Allometric Equations for Estimating Biomass and Carbon Stock in Small Diameter Trees, Forest Ecology and Management (261) : 1945–1949 Steininger, M. K. (2000). Satellite Estimation of Tropical secondary Forest Above-ground Biomass : Data From Brazil and Bolivia. International Journal Remote Sensing 21(6): 1139 - 1157. Wicaksono, Pramaditya, Danoedoro, P., Hartono, Nehren, U. dan Ribble, L., 2011, Prelimenary Work of Mangrove Ecosystem Carbon Stock Mapping in Small Islands Using Remote Sensing : Above and Below Ground Carbon Stock Mapping on Medium Resolution Satellite Image. Remote Sensing for Agriculture, Ecosystems and Hydrology (XIII)
440