1 }utnat06:36-49 MODEL SPASIAL INDEKS LUAS DAUN (ILD) PADI MENGGUNAKAN DATA TM-LANDSAT UNTUK PREDIKSI PRODUKSI PADI Gokmaria Sitanggang, Dede Dirgahay...
MODEL SPASIAL INDEKS LUAS DAUN (ILD) PADI MENGGUNAKAN DATA TM-LANDSAT UNTUK PREDIKSI PRODUKSI PADI Gokmaria Sitanggang, Dede Dirgahayu Domiri, Ita Carolita, Heru Noviar Pcncliti Pusal Pcngembangan Pcmanfatan dan Teknologi Penginderaan Jaulj, LAPAN
ABSTRACT The spatial model for irrigated paddy yield acreage a n d yield prediction u s e t h e Landsat-TM of remote sensing data which h a s been produced by LAPAN using the Vegetation Index (VI) as a single parameter. Verification of the model mentioned above h a s also been done for J a v a Island showing t h a t t h e accuracy result is acceptable for t h e operational although there are some limitations of the model. The objective of this research is to develop a spatial model for t h e paddy yield acreage a n d the yield prediction using Landsat-TM data, based on another parameter i.e t h e single parameter of Leaf Area Index (LAI), or u s i n g both parameters of LAI and VI to improve the accuracy prediction, compared to the accuracy using the single parameter of VI. The spatial model based on the Leaf Area Index ( LAI ) reduces dynamic factor of t h e parameters which control the growth stage of the paddy in the field s u c h as the soil moisture (level of water) a n d t h e weather condition s u c h as the temperature a n d the solar radition, pests a n d diseases. In this research p h a s e , the profile of LAI against the paddy age based on the field m e a s u r e m e n t shows t h a t the LAI value increases a long with t h e vegetative growth a n d reaches t h e peak value of 4,567 at the maximum vegetative index ( 8 - 9 weeks after the planting time). Furthermore, the LAI value decreases a long with t h e generative growth. The LAI value at the maximum vegetative phase can be used to predict t h e paddy production. The relation between the LAI a n d the spectral bands combination of Landsat-TM can be obtained by u s i n g the Power Regression Model as follows : LAI = 0,2219 * (TM4/TM3) 2 I 0 0 5 (R 2 = 0,95) where LAI m e a n s t h e value Leaf of Area Index on t h e paddy object at the paddy field area, which represents the pixel in t h e image spatial distribution. While TM3 m e a n s the digital n u m b e r (gray level value) of the pixel in t h e spectral b a n d 3 of Landsat-TM image data which represents the paddy object at t h e paddy field area, and TM4 means the digital number of the pixel in the spectral band 4 of Landsat-TM image data, which represents the paddy object at the paddy field area. The research also shows the application example of the model or the algorithm which is obtained in this research by using Landsat-TM. The LAI spatial of t h e paddy field area in Kabupaten S u b a n g / S u k a m a n d i West J a v a can be produced. ABSTRAK Model spasial u n t u k prediksi u m u r d a n luas areal panen a t a u produksi panen t a n a m a n padi s a w a h irigasi menggunakan data inderaja TM-Landsat yang telah dihasilkan oleh LAPAN menggunakan parameter Indeks Vegetasi. Verifikasi model u n t u k wilayah Pulau J a w a menghasilkan keakuratan yang diperoleh masih dalam b a t a s - b a t a s yang dapat diterima meskipun masih a d a batasanbatasan model u n t u k dapat dioperasionalkan. Tujuan penelitian ini adalah u n t u k mengembangkan s u a t u model spasial u n t u k prediksi u m u r d a n luas p a n e n t a n a m a n padi a t a u produksi padi menggunakan data 36
^ — —
i—1
— ^ ^ ^ ^ 'ModefSpasiif IndekgCuas
TM-Landsat berdasarkan parameter lain yaitu parameter tunggal Indeks Luas D a u n (ILD) atau menggunakan kedua parameter secara serentak (berganda) yaitu parameter ILD dan NDVI, u n t u k memperbaiki keakuratan prediksi dibandingkan dengan keakuratan menggunakan parameter tunggal NDVI. Model spasial berdasarkan Indeks Luas D a u n (ILD) ini d i m a k s u d k a n u n t u k mengurangi pengaruh dinamika faktor-faktor pengendali dari perkembangan t a n a m a n di lapangan, yaitu a n t a r a lain faktor-faktor ketersediaan u n s u r h a r a d a n air, kondisi cuaca seperti s u h u d a n radiasi surya, h a m a d a n penyakit. Pada t a h a p penelitian ini dapat diperoleh hasil profil ILD t e r h a d a p u m u r tanaman padi berdasarkan pengukuran di lapangan, di m a n a nilai ILD meningkat dengan bertambahnya u m u r selama p e r t u m b u h a n vegetatif d a n mencapai p u n c a k dengan nilai sebesar 4,567 p a d a vegetatif m a k s i m u m (umur 8 - 9 minggu setelah tanam). Selanjutnya m e n u r u n sejalan dengan p e r t u m b u h a n generatif. Nilai ILD p a d a fase vegetatif m a k s i m u m dapat digunakan menduga produktivitas t a n a m a n padi. Hubungan a n t a r a ILD dengan kombinasi kanal-kanal spektral dapat diperoleh dengan model persamaan Power Regression, sebagai b e r i k u t : ILD = 0,2219 * (TM4/TM3) 2.1005 (R2 = o,95) dengan ILD adalah nilai Indeks Luas D a u n pada s u a t u obyek padi di daerah t a n a m a n padi, yang menggambarkan titik citra p a d a sebaran spasial data TM-Landsat, sedangkan TM3 adalah nilai tingkat keabuan titik citra p a d a sebaran spasial kanal 3 TM-Landsat, yang mewakili objek padi di daerah t a n a m a n padi, dan TM4 adalah nilai tingkat keabuan titik citra pada sebaran spasial kanal 4 TM-Landsat, yang mewakili objek padi di daerah tanaman padi. Penelitian ini m e n u n j u k k a n p u l a s u a t u contoh aplikasi dari model a t a u algoritma yang dihasilkan dengan menggunakan data TM-Landsat. Dapat dihasilkan sebaran spasial ILD p a d a lahan padi sawah daerah Kabupaten S u b a n g / S u k a m a n d i Jawa Barat. Kata kunci: Model spasial, Indeks Luas Daun, Prediksi produksi padi 1 PENDAHULUAN Penelitian-penelitian pemanfaatan data inderaja satelit baik optik (seperti TM-Landsat, HRV-SPOT, OPS-JERS-1, AVHRR-NOAA) m a u p u n r a d a r (seperti SAR^JERS-1, SAR-ERS1/2) untuk asesmen tanaman padi, seperti estimasi luas d a n produksi t a n a m a n padi, p e m a n t a u a n / prakiraan u m u r d a n luas panen serta prediksi produksi padi telah dikembangkan oleh LAPAN secara b e r t a h a p d a n berkesinambungan, t e r u t a m a sejak dioperasikannya S t a s i u n Bumi Satelit Sumber Alam Pare-pare oleh LAPAN pada b u l a n September 1993 yang lalu. Stasiun Bumi tersebut mampu menerima data optik TM-Landsat, HRV-SPOT, OPSJERS-ldan d a t a r a d a r SAR-JERS-1, SAR-ERS1/2. Data resolusi temporal tinggi AVHRR-NOAA d a n GMS dapat
pula diterima pada Stasiun Bumi Satelit Lingkungan dan Cuaca Pekayon, Pasar Rebo, J a k a r t a Timur. Verifikasi dan validasi dari model a t a u p u n teknik d a n metoda yang dihasilkan dari penelitian-penelitian, dilakukan pula secara berkesinambungan dalam menguji keakuratan, d a n memodifikasi atau mengembangkan model atau metoda sampai ditemukan model a t a u teknik dan metoda a t a u prosedur dengan keakuratan yang dapat diterima oleh pengguna u n t u k dapat dioperasionalkan. Sejalan dengan ini LAPAN telah menghasilkan dan mengembangkan model d a n teknik prakiraan u m u r d a n luas areal panen padi secara spasial berdasarkan parameter Indeks Vegetasi (NDVI) dengan menggunakan d a t a TM-Landsat (Dirgahayu dkk., 1998). Model spasial yang diperoleh adalah model u n t u k 37
Jumjf(pengiideman3au6VoC)
areal sawah irigasi Pulau J a w a , yaitu model Sigmoid u n t u k t a n a m a n padi berumur 0 - 1 minggu hingga 12 minggu (Indeks Vegelasi Maksimum), d a n model kuadratik u n t u k u m u r 12 sampai 17 minggu. Hasil regresi menunjukkan nilai koefisien determinan yang sangat tinggi, yaitu R=0,98 u n t u k model Sigmoid d a n R=0,99 u n t u k model kuadratik. Demikian pula halnya dengan menggunakan data AVHRR-NOAA, telah diperoleh model prediksi produksi padi dengan menggunakan parameter Indeks Vegetasi yang diekstrak dari data inderaja tersebut (Parwati dkk, 1998). Model spasial menggunakan data AVHRR-NOAA, dengan parameter Indeks Vegetasi u n t u k prakiraan masa panen (umur padi), telah p u l a dikembangkan oleh BIOTROP bersama-sama dengan LAPAN, PUSLiTTANAK dalam rangka m e n d u k u n g SARI PROJECT oleh BPPT (Siregar dkk, 1999 ). Diperoleh model regresi Sigmoid u n t u k t a n a m a n padi 0 minggu sampai dengan 1 1 - 1 2 minggu, d a n model regresi kuadratik u n t u k u m u r padi lebih besar dari 12 minggu. Hasil regresi menunjukkan nilai koefisien (R2) bervariasi a n t a r a 4 7 % hingga 6 3 , 1 % . Verifikasi dari model prakiraan u m u r d a n luas areal panen padi secara spasial berdasarkan parameter Indeks Vegetasi (NDV1) dengan menggunakan d a t a TM-Landsat yang dihasilkan LAPAN yang disebutkan di a t a s telah dilakukan pula (Sitanggang dkk, 1999 dan 2000) dengan menggunakan areal Pulau J a w a sebagai d a e r a h uji. Penerapan model dilakukan u n t u k wilayah Pulau J a w a berdasarkan data TM-Landsat akuisisi J a n u a r i 1998 d a n Desember 1997. Keakuratan prakiraan diverifikasi dengan cara membandingkannya terhadap has0 pengumpulan data lapangan Angka Sementara Luas Panen (BPS). Diperoleh perbedaan sebesar (- 4.1%) u n t u k wilayah J a w a Barat, Jawa Tengah sebesar (18,7%) di Yogyakarta sebesar (19,9%) serta di J a w a Timur sebesar (-5,5%). Hasil verifikasi menunjukkan bahwa keakuratan yang diperoleh masih 38
SVlx
I
Juiti200&36-49
dalam b a t a s - b a t a s yang dapat diterima untuk dioperasionalkan, meskipun masih a d a kendala yang h a r u s diperhatikan, yaitu model ini belum teruji u n t u k sawah non irigasi. Keterbatasan lainnya adalah penerapan model menggunakan data monotemporal. Untuk p e n y e m p u r n a a n model tersebut di atas perlu dilakukan pengembangan model spasial ini dengan menggunakan beberapa parameter lain secara serentak (berganda) seperti misalnya Indeks Luas Daun, S u h u d a n Kadar Air Tanah (KelengasanTanah/Lahan). Tujuan penelitian ini adalah untuk memperoleh model spasial Indeks Luas Daun berdasarkan data TM-Landsat u n t u k prediksi u m u r dan luas panen t a n a m a n padi a t a u p r o d u k s i p a n e n padi. Selanjutnya melakukan verifikasi dengan data yang terbaru dan hasilnya dibandingkan dengan p e n g e c e k a n / p e ngumpulan data lapangan p a d a lokasilokasi yang diteliti sebagai daerah uji. Lebih lanjut dibandingkan dengan model terdahulu (parameter tunggal NDVI) u n t u k dapat mengevaluasi perbaikan keakuratan. Penelitian berdasarkan hipo-tesa adanya korelasi yang tinggi a n t a r a Indeks Luas Daun (ILD) dengan perkembangan d a n p e r t u m b u h a n tanaman padi, yang dipengaruhi oleh dinamika faktor-faktor pengendali dari perkembangan t a n a m a n di lapangan yaitu a n t a r a lain u n s u r h a r a dan air, kondisi c u a c a seperti s u h u dan radiasi surya, h a m a d a n penyakit. Karenanya ILD merupakan indikator u t a m a u n t u k me-ngatasi kelemahan penggunaan indikator NDVI (dapat terjadi NDVI yang sama pada umur tanaman yang berbeda). Selanjutnya model spasial untuk pemantauan/prakiraan umur d a n luas areal panen, serta produksi dengan menggunakan pasangan parameter NDVI d a n ILD, d a p a t memperbaiki k e a k u r a t a n dan model tidak terbatas u n t u k s a w a h irigasi.
•ModefSpasiatlndefy tuas
2 TINJAUAN PUSTAKA 2.1 I n d e k s Luas Daun (ILD) Salah s a t u cara u n t u k menyederhanakan hubungan antara perkembangan tanaman dengan ciri reflektansi adalah dengan mentransformasikan data reflektansi masing-masing kanal spektral menjadi satu atau lebih peubah baru, kemudian melihat h u b u n g a n a n t a r a fase p e r t u m b u h a n dengan s a t u a t a u lebih peubah baru ini. H u b u n g a n ini digambarkan sebagai trayektori spektraltemporal perkembangan t a n a m a n . Kekhasan h u b u n g a n u n t u k setiap jenis tanaman m e m u n g k i n k a n u n t u k mengidentiflkasi t a n a m a n dengan lebih teliti (Malila et aL, 1980, dalam Rambe, 1989). Nilai baru dalam citra yang dihasilkan, m e r u p a k a n transformasi nilainilai reflektansi dari satu a t a u beberapa kanal citra menjadi s u a t u bilangan. Sebagai contoh dapat berupa Indeks Vegetasi (NDV1), Indeks Luas Daun (ILD). Pukuhara et aL (1970) menyebutkan variasi dari karakteristik spektral yang disebabkan oleh p e r u b a h a n pertumbuhan p e n u t u p a n vegetasi, serta perubahan kondisi t a n a h bisa diidentifikasi berdasarkan h u b u n g a n a n t a r a panjang gelombang m e r a h d a n infra merah. Selanjutnya dikatakan bahwa perbandingan antara panjang gelombang infra merah dan merah, sangat peka terhadap pertumbuhan vegetasi, biomasa, dan p e n u t u p a n t a n a m a n . Di samping itu perbandingan tersebut cenderung mcnormalkan efek berbagai tipe t a n a h , kandungan b a h a n organik d a n kelembaban t a n a h . Indeks Luas D a u n (ILD) adalah perbandingan antara luas daun terhadap luas p e r m u k a a n lahan yang menjadi tempat t u m b u h s u a t u t a n a m a n . Indeks Luas D a u n tidak mempunyai s a t u a n , karena m e r u p a k a n perbandingan a n t a r a dua l u a s a n p e r m u k a a n , a t a u dapat disebutkan dalam s a t u a n hektar per hektar. ILD juga dapat digunakan u n t u k menduga berbagai informasi penting berkaitan dengan vegetasi seperti laju
((jofaariaSilangganj eU aL)
fotosintetis, laju transformasi d a n laju respirasi, alokasi karbon di a t a s d a n di bawah p e r m u k a a n tanah, serta laju dekomposisi nitrogen d a n mineral. Selain itu ILD adalah variabel penting dalam perhitungan proses biogeokimia h u t a n seperti: evaporasi d a n intersepsi tajuk, transpirasi, dan kandungan nitrogen tajuk (Running and Neman, 1991, dalam Siregar et al, 1999). ILD m e r u p a k a n peubah s t r u k t u r tunggal yang banyak digunakan u n t u k menghitung karakteristik pertukaran energi d a n masa dari s e b u a h ekosistem teresterial. Nilai ILD padi akan meningkat dengan berkembangnya t a n a m a n padi d a n mencapai nilai m a k s i m u m pada s a a t awal m a s a generatif. Nilai ILD bervariasi tergantung pada cara bertanam, misalnya m e n a n a m dengan j a r a k yang r a p a t d a n dengan pemberian Nitrogen tinggi, m a k a nilai ILD dapat mencapai 10 a t a u lebih besar. Berdasarkan telah kembali hubungan a n t a r a ILD, tingkat respirasi p e r t u m b u h a n t a n a m a n {Crop Growth Rate/CGR), disimpulkan bahwa tidak a d a nilai optimum ILD u n t u k CGR. Sebagai contoh u n t u k padi jenis IR 8, CGR mencapai m a k s i m u m n y a sekitar nilai 6 dan padi jenis Peta maksimumnya mencapai 4 (Yoshida, 1983, dalam Siregar etal, 1999). 2 . 2 Penentuan Padi
Nilai
ILD
Tanaman
Nilai ILD t a n a m a n padi dapat ditentukan melalui pengukuran, dengan d u a cara, yaitu secara langsung dan tidak langsung. Pengukuran secara langsung dilakukan dengan mengukur di lapangan luas setiap helai d a u n padi pada setiap r u m p u n kemudian dibagi dengan luas areal pertanaman padi yang digunakan sebagai media t u m b u h . Pengukuran langsung memberikan nilai ILD yang lebih akurat, namun memerluk a n waktu, tenaga dan biaya yang c u k u p besar (Fassnech et al, 1994, dalam Siregar et AL, 1999). Pengukuran secara tidak langsung menggunakan data satelit penginderaan jauh. E>engan cara ini dapat diduga besarnya nilai ILD. 39
JurnaC'PengincferaanJauli'P'oC 3 iVb. 1 Juni 2006:36-49
2.2.1 Pengukuran ILD secara langsung di lapangan P e n g u k u r a n nilai ILD s e c a r a langsung di lapangan dapat dilakukan dengan d u a pendekatan yaitu pendekatan alometris dan pendekatan radiasi (Siregar etal, 1999). • Pendekatan alometris, adalah pendekata n yang m e n g g u n a k a n p a r a m e t e r t u m b u h a n seperti luas d a u n d a n berat u n t u k mendapatkan nilai luas d a u n spesifik, k e m u d i a n melalui prosedur penimbangan dan pengukuran jarak tanaman maka diperoleh hasil perhitungan nilai Indeks Luas Daun. • Pendekatan Optis, adalah dengan cara mengukur perbedaan nilai intensitas radiasi p a d a d u a ketinggian yang berbeda, sekaligus menunjukkan kem a m p u a n penetrasi radiasi atau sifatsifat tipe vegetasi. Penetrasi radiasi didalam tajuk t u m b u h a n merupakan sebuah fangsi ketinggian tajuk yang dinyatakan dalam akumulasi indeks luas d a u n (ILD). Hal ini dapat dijelaskan dengan mengikuti Hukum BeerLambert, yaitu: Iz=Ioe-k(iLD)
(2-1)
dengan Iz adalah intensitas cahaya p a d a s u a t u ketinggian (z) dalam tajuk, Io adalah intensitas cahaya di atas tajuk a t a u komunitas t a n a m a n , k adalah koefisien penyinaran radiasi. H u k u m itu mengasumsikan bahwa tajuk t u m b u h a n adalah homogen d a n s e m u a cahaya yang datang diserap oleh daun. 2.2.2 Pengukuran ILD inderaja satelit
melalui
data
Nilai ILD diestimasi berdasarkan p a n t u l a n energi yang mengenai canopi vegetasi. Besarnya intensitasnya sangat tergantung p a d a panjang gelombang (X.) d a n komponen vegetasi, seperti daun, s u b s t r a t d a n bayangan. Daun memantulkan energi p a d a A, biru dan merah, n a m u n m e m a n t u l k a n luas p a d a "k infra m e r a h dekat. Pantulan substrat dari vegetasi bervariasi m e n u r u t sifat sub40
stratnya, seperti misalnya t a n a h mineral m e m a n t u l k a n energi tinggi a t a u w a r n a cerah p a d a citra, s e d a n g k a n t a n a h organik m e m a n t u l k a n energi r e n d a h , a t a u t a m p a k gelap p a d a citra (Plo, 1986, dalam Siregar et. ah, 1999). Bayangan canopi dari t a n a m a n terlihat sangat gelap p a d a panjang gelombang sinar tampak. Hal ini terjadi k a r e n a d a u n menyerap radiasi sangat besar. Pada infra m e r a h dekat, bayangan canopi t a n a m a n c u k u p gelap oleh k a r e n a absorsi oleh d a u n lebih ringan. Luas relatif ketiga komponen tersebut menentukan p a n t u l a n dari total kanopi. Nilai ILD Vegetasi berkorelasi negatif d e n g a n p a n t u l a n merah. Penelitian-penelitian t e r d a h u l u m e n g g u n a k a n d a t a inderaja satelit men u n j u k k a n a d a n y a korelasi nyata a n t a r a ILD u n t u k v e g e t a s i a l a m d e n g a n kombina-si NIR/RED. (Running a n d Nemani, 1991, dalam Siregar et.. ah, 1999). Parameter NDVI yang d i t u r u n k a n dari data inderaja satelit dapat digunakan u n t u k m e n d u g a ILD (Rambe, 1989). F u k u h a r a et. at (1970) d a n Miller (1981) menginventarisasi 12 m a c a m metoda transformasi Indeks Vegetasi m e n g g u n a k a n d a t a satelit Landsat, yang biasa digunakan u n t u k identifikasi d a n p e m a n t a u a n t a n a m a n pertanian, seperti padi, jagung, singkong, kacang kedelai d a n lain sebagainya. Salah s a t u dari metoda t e r s e b u t u n t u k m e n e n t u k a n Indeks Luas D a u n dengan menggunakan d a t a TM-Landsat diformulasikan sebagai berikut: ILD= 2,677 -3,694 (TM1/TM2) - 2,309 (TM1/TM3) + 5,751TM1/2*TM4) + 0,043 (TM2/TM3)-2,692 (TM2/2 * Tm4) + 3 , 0 7 1 ( ( T M 1 / TM2)(TM1/2*TM4))*(TM1/TM2) (2-2) Keterangan: TM1, TM2, TM3, TM4 adalah nilai digital (tingkat keabuan) dari t a n a m a n p a d a citra Landsat ber-turut-turut p a d a k a n a l 1,2,3, d a n 4.
•ModelSpasu{lndeli$Cuds$)aun(IC
Menurut Zhangshi et aL (1997, dakun Siregar et aL, 1999) H u b u n g a n antara nilai NDVI d a n ILD d a p a t diturunkan dengan asumsi sebagai berikut: • Bahwa h u b u n g a n a n t a r a ILD d a n NDVI adalah linier • Bahwa nilai NDVI m a k s i m u m yang ditransformasikan dari citra sesuai dengan nilai m a k s i m u m ILD dari t a n a m a n yang diamati. Berdasarkan k e d u a asumsi tersebut, Zhangshi et at. (1997, dalam Siregar et aL, 1999), membangun model empiris NDVI-ILD u n t u k m e n d a p a t k a n nflai ILD dari nilai NDVI, seperti persamaan di bawah i n i : ILD= ILD m a k s * (NDVI-NDVI maks)/ (NDVI m a k s - NDVI min) (2-3) 3 METODOLOGI 3.1 Lokasi Penelitian Daerah penelitian yang dipilih adalah d a e r a h penghasil padi di wilayah Jawa Barat, yaitu Kabupaten S u b a n g / Sukamandi, Indramayu d a n Kuningan, dengan mempertimbangkan ketersediaan data lapangan (peta t a n a m / l u a s padi, masa t a n a m / u m u r padi, varietas padi) pada Perum Sang Hyang Seri Sukamandi dan Dinas T a n a m a n Padi p a d a tingkat Kecamatan. 3.2 Data yang Digunakan 3.2.1 Data inderaja (raster) Data inderaja yang digunakan adalah data TM-Landsat multitemporal terkoreksi sistematik sebanyak 3 scene, Yaitu Path/ Row 122/64, akuisisi tanggal 18 J u l i 1999, tanggal 03 Agustus 1999 dan tanggal 03 Juli 2000. - Untuk ekstraksi NDVI, digunakan data kanal 3 d a n 4 dari TM-Landsat, u n t u k ekstraksi ILD, digunakan data kanal 1, 2, 3, d a n 4 TM-Landsat. - Data yang digunakan adalah multitemporal y a n g d a p a t meliputi siklus musim t a n a m (Data Awal Tanam, Vegetatif, Generatif, sebeium masa panen).
3 . 2 . 2 Data lapangan Data lapangan yang diperlukan p a d a lokasi-lokasi daerah sampel adalah peta areal t a n a m a n padi, masa t a n a m , varietas padi, data produktivitas d a n produksi t a n a m a n padi serta Indeks Luas Daun. Parameter-parameter
yang
diukur/
diamati a) Fase pertumbuhan tanaman padi: fase air, vegetatif, generatif, siap p a n e n serta bera. b) Umur T a n a m a n dalam MST (minggu setelah tanaman) berdasarkan w a k t u / jadwal tanam. c) Pola Tanam : frekuensi t a n a m padi serta palawija. d) J a r a k Tanam rata-rata : j a r a k t a n a m a n t a r a r u m p u n dalam arah yang berbeda. ,e) Kadar Air Tanah: k a n d u n g a n air p a d a setiap f a s e / u m u r t a n a m a n padi. f) Luas Daun contoh : luas d a u n pada 3 helai d a u n / rumpun u n t u k pendugaan ILD (Indeks Luas Daun). g) Kondisi Tanaman: Apakah terkena serangan h a m a , penyakit a t a u kekeringan. 3 . 3 Prosedur dan Metode Pengukuran/ Pengamatan Data Lapangan a) Umur a t a u fase t a n a m a n dapat diketahui berdasarkan pengamatan langsung di lapangan terhadap ciriciri p e r t u m b u h a n t a n a m a n padi, misalnya mulai keluar malai adalah pada saat 9 MST atau langsung bertanya p a d a petani k a p a n mulai t a n a m n y a a t a u panennya. b) Pola tanam dapat diketahui berd a s a r k a n informasi dari petani a t a u petugas di Dinas Pertanian T a n a m a n Pangan Kabupaten. c) J a r a k Tanam (JT) a n t a r a 4 r u m p u n dalam arah yang berbeda d i u k u r mengggunakan penggaris atau meteran, sehingga dapat diketahui rata-ratanya. d) Kadar Air Tanah: secara langsung dapat diamati kondisi kebasahannya, yaitu basah, lembab, d a n kering. Sedangkan secara kuantitatif dapat 41
Juma(
diketahui melalui pengukuran dilaboratorium fisika tanah. Untuk tujuan tersebut, m a k a perlu diambil contoh tanah secukupnya. Jika ingin diketahui berapa Kadar Air Tanah pada Kapasitas Lapang dan Titik Layu Permanen, maka pengambilan contoh tanah h a r u s menggunakan ring sample. e) Pengukuran luas d a u n contoh di lakukan dengan cara pengambilan beberapa helai daun pada beberapa rumpun, misalnya 4 r u m p u n yang m e m b e n t u k j a r a k tanam. Contoh d a u n tersebut lalu diplotkan ke kertas mm blok u n t u k diukur luasnya menggunakan Planimeter. Luas untuk 1 r u m p u n dihitung berdasarkan hasil kali luas daun r a t a a n 1 helai d a u n contoh dengan j u m l a h helai setiap r u m p u n (LD). LDr m e r u p a k a n nilai r a t a a n LD dari 4 rumpun. Selanjutnya ILD dapat diduga dengan rumusan sebagai berikut: ILD = LDr/JT. Cara lain u n t u k m e n g u k u r ILD adalah dengan mengukur radiasi yang datang diatas tajuk dan ditransmisikan di bawah tajuk t a n a m a n menggunakan sepasang alat Tube Solarimeter. 3 . 4 P r o s e d u r d a n Metode Pengolahan Data Inderaja (Raster) Diagram Blok aliran data d a n proses yang dibangun di dalam pembuatan dan verifikasi model spasial u n t u k p e m a n t a u a n / u m u r d a n luas area! serta prediksi produksi padi menggunakan parameter NDVI d a n ILD dari TMLandsat ditunjukkan dalam Gambar 3-1. 3.4.1 Koreksi radiometrik Proses koreksi radiometrik yang perlu diperhatikan adalah standarisasi citra dari keseluruhan data multitemporal yang digunakan dalam m e n y u s u n model u n t u k memastikan bahwa per u b a h a n yang a d a pada tingkat keabuan dari titik citra (lokasi sampel) adalah karena perubahan informasi pertumbuhan dan perkembangan t a n a m a n b u k a n karena kesalahan radiometrik a t a u kondisi atmosfer.
42
W* 1 Juni 200&S6-49
3.4.2 Koreksi geometrik Perlu dilakukan koreksi geometrik presisi/geocoded u n t u k m e n y a m a k a n sistem koordinat data citra dengan sistem koordinat peta yang digunakan sebagai referensi yaitu peta topografi, skala 1: 250.000. Prosedur koreksi geometrik yang dilaksanakan adalah menggunakan transformasi geometri polinomial orde linier menggunakan sejumlah Ground Control Point (GCP) dari peta topografi yang digunakan. Proses resampling dilakukan dengan metode Nearest Neighbourhood. 3 . 4 . 3 Masking a r e a ! s a w a h Tujuan masking areal sawah adalah memberikan batasan wilayah sawah d a n non sawah dengan cara membuat poligon. Dengan adanya p e m b a t a s a n poligon sawah dan non sawah m a k a luas areal d a n posisi sawah dapat diketahui. 3.4.4 E k s t r a k s i n i l a i NDVI d a n ILD Ekstraksi nilai NDVI dari data Land sat TM yang dilakukan adalah dengan cara transformasi Indeks Vegetasi (NDVI) y a n g d i h i t u n g m e n g g u n a k a n kombinasi kanal Infra Merah Dekat (TM4) dan k a n a l Merah (TM3) (Sitanggang dkk., 2000). Mengikuti formula : NDVI=(TM3-TM4)/(TM3+TM4) NDVIt=100+100*NDVl
(3-la) ( 3-lb)
Nilai NDVIt berkisar dari -1 s.d * sedangkan nilai NDVIt dari 0 s.d 200.
1,
Pendugaan u m u r padi dilakukan dengan menggunakan parameter NDVI yang memiliki korelasi dengan u m u r . Prosedur Ekstraksi Nilai NDVI d a n ILD adalah sebagai berikut: a) Formulasi u n t u k p e r h i t u n g a n indeks Vegetasi m e n g g u n a k a n p e r s a m a a n (3-la) d a n (3-lb), s e d a n g k a n u n t u k m e n g h i t u n g Indeks Luas D a u n (ILD) m e n g g u n a k a n formula p e r s a m a a n (2-2). b) P a d a d a e r a h kajian d i g u n a k a n d a t a monotemporal d a n a t a u d a t a multitemporal dari masing-masing lokasi
ModeCSpasiaC Indeks Luas (Daun (IL(D) <Padi (gofynaria Sitanggang et. aC)
sample t a n a m a n padi yang dapat mewakili fase-fase p e r t u m b u h a n padi. c) Posisi lokasi dari titik-titik sample di lapangan, disesuaikan dengan posisi lokasi d a n titik-titik sample p a d a citra. d)Ekstraksi nilai NDVI dari Citra NDVI berasal dari titik-titik sampel dilapangan, dilakukan dengan formula
yang disebutkan di atas, sehingga diperoleh nilai indeks vegetasi (-1 s.d 1) a t a u nilai digital (0 s.d 200). e) Plot nilai Indeks Vegetasi d a n nilai Indeks Luas D a u n masing-masing vs u m u r padi di setiap titik sampel dapat diperoleh berdasarkan nilai NDVI d a n nilai ILD yang diekstrak dari data citra NDVI, d a n citra ILD.
Gambar 3 - 1 : Diagram alir d a t a d a n p r o s e s d a l a m p e m b u a t a n d a n verifikasi k e a k u r a t a n model spasial p e m a n t a u a n / prediksi u m u r , luas areal p a n e n / p r o d u k s i padi berdasarkan data NDVI, ILD dari TM-Landsat 43
JurwCVenginderaanJaufiVoL 3 No. 1 Juni 2006:36-49
4 HASIL DAN PEMBAHASAN 4.1 HASIL Pengukuran ILD (Indeks Luas Daun) dilakukan p a d a lahan padi sawah di Sang Hyang Seri d a n sekitarnya p a d a b u l a n Maret d a n Agustus t a h u n 1999,
serta bulan Agustus t a h u n 2000. Nilai akhir yang digunakan adalah nilai Median dari beberapa seri p e n g u k u r a n . Hasil rekapitulasi p e n g u k u r a n disajikan p a d a Tabel 4 - 1 . Profil ILD selama pert u m b u h a n t a n a m a n padi disajikan p a d a Gambar 4 - 1 .
Tabel 4 - 1 : INDEKS LUAS DAUN (ILD) TANAMAN PADI BERDASARKAN UMUR
Gambar 4 - l : H u b u n g a n ILD dengan u m u r t a n a m a n padi
44
ModeCSpasiaClndefts Luas (Daun (IL
Gambar 4-2: H u b u n g a n a n t a r a ILD dengan rasio kanal 4 / 3 TM-Landsat Pada penelitian ini a k a n dilihat hubungan antara rasio kanal 4 / 3 TM-Landsat (R4/3) dengan nilai ILD. Hasil plot data p e n g u k u r a n ILD dengan nilai R 4 / 3 d a p a t d i l i h a t p a d a Gambar 4-2. Trend kurva t a m p a k non linier d a n m e n g h a s i l k a n m o d e l persamaan Power Regression sebagai berikut: y = 0.2219*X 2.1005
(R 2 = 0 . 9 5 )
Dengan melakukan subsitusi sumbu Y dengan ILD, d a n s u m b u X dengan TM4/ TM3, diperoleh: ILD = 0,2219 * (TM4/TM3) 2,1005 ( R2 = 0,95) (4-1) dengan ILD
adalah nilai Indeks Luas D a u n dari obyek t a n a m a n padi p a d a daerah
TM3
TM4
lahan tanaman padi yang menggambarkan titik citra p a d a sebaran spasial d a t a citra. adalah nilai tingkat keabuan (graylevel) titik citra (pixel) pada sebaran spasial data citra kanal-3 TMLandsat. yang mewakili objek padi pada daerah lahan t a n a m a n padi adalah nilai tingkat keabuan (graylevel) titik citra (pixel) pada sebaran spasial data citra kanal-4 TMLandsat. yang mewakili objek padi pada daerah lahan t a n a m a n padi
Contoh aplikasi model a t a u algoritma yang diperoleh dari penelitian ini dapat dilihat p a d a Gambar 4-3, dengan cara diaplikasikan p a d a data TM-Landsat u n t u k menghasilkan sebaran spasial ILD pada lahan padi sawah.
45
\JurnaC
107.4
107.4
06.18
06.20
06.22
06.24
107.42
107.4
107.4
Gambar 4-3:Sebaran spasial ILD lahan padi sawah di Sang Hyang Seri Subang dan sekitarnya (Citra Tanggal 18 Juli 1999) 4 . 2 Pembahasan Berdasarkan kurva dalam Gambar 4-1 terlihat bahwa nilai ILD meningkat dengan bertambahnya u m u r selama p e r t u m b u h a n vegetatif d a n mencapai p u n c a k dengan nilai sebesar 4,567 pada vegetatif maksimum (umur 8 - 9 MST) dan selanjutnya m e n u r u n sejalan dengan perkembangan fase generatif k a r e n a terjadi penguningan d a n pengurangan d a u n . Nilai ILD p a d a fase vegetatif m a k s i m u m a t a u p a d a u m u r 7 - 1 0 MST dapat digunakan unruk menduga kualitas produktivitas t a n a m a n padi, k a r e n a m e r u p a k a n akumulasi dari p e n i m b u n a n 46
energi yang digunakan u n t u k pembentukkan malai dan pengisian biji. Semakin tinggi nilai ILD p a d a vegetatif Maksimum, m a k a a k a n semakin tinggi pula produktivitas tanaman. Dalam contoh aplikasi dari model a t a u algoritma yang diperoleh dari penelitan (Gambar 4-3), dapat diperoleh s e b a r a n s p a s i a l ILD l a h a n p a d i sawah di Sang Hyang Seri S u b a n g d a n sekitarnya (citra tanggal 18 Juli 1999). Berdasarkan profil ILD selama p e r t u m b u h a n t a n a m a n padi yang disajikan p a d a Gambar 4 - 1 , lebih lanjut
MoifefSpasidf IntGrfe tuasQ>aun (I£
dapat d i l a k u k a n t r a n s f o r m a s i ILD terhadap u m u r t a n a m a n padi, sehingga dapat diperoleh citra sebaran spasial atau pela u m u r t a n a m a n padi. Metode ini menunjukkan b a h w a dengan menggunakan parameter ILD dapat diperoleh citra a t a u sebaran spasial perkiraan umur dan luas t a n a m a n padi. Dengan memperoleh data produksi d&ri beberapa sampel pada daerah uji, dapat dihasilkan peta perkiraan produksi t a n a m a n padi pada daerah uji. Model atau algoritma yang diperoleh masih terbatas p a d a d a e r a h uji. Untuk operasionalisasi model masih diperlakukan verifikasi model dan validasi model p a d a daerah uji u n t u k masa tanam yang lain. Lebih lanjut perlu dilakukan pengujian atau pengembangan model tersebut pada daerah uji lain. Keakuratan model dibandingkan dengan model spasial menggunakan parameter tunggal NDVI, dan parameter ganda (secara serentak NDVI d a n ILD) masih perlu pula dilanjutkan. Pada daerah-daerah sawah yang sangat berpotensi u n t u k tertutup awan atau persentase liputan awannya sepanjang t a h u n selalu besar dapat diperrimbangkan penggunaan model menggunakan d a t a r a d a r atau dengan teknik fusi data radar d a n optik. Aplikasi data Radar JERS-1 SAR secara terpadu (fusi) dengan data optik resolusi tinggi LandsatTM u n t u k m e m a n t a u u m u r d a n luas areal t a n a m a n padi s a w a h irigasi j u g a telah dilakukan oleh LAPAN. Hasilnya menunjukkan bahwa dengan cara fusi tersebut diperoleh perbaikan identifikasi dan penambahan/pemisahan kelas-kelas umur padi yang c u k u p berarti terutama pada fase awal tanam fase vegetatif, dibandingkan dengan menggunakan data optik saja (Sitanggang et aL , 1999, 2000). Dengan prosedur dan metoda fusi data yang dilaksanakan dapat diidentifikasi 9 kelas u m u r padi, dengan ketelitian klasifikasi 84,41 % sedangkan dengan hanya menggunakan data Landsat-TM. hanya dapat diidentifikasi 7 kelas u m u r padi dengan ketelitian 98,48 %.
5 KESIMPULAN Berdasarkan hasil penelitian yang dapat dicapai p a d a t a h a p ini, d a p a t disimpulkan bahwa. • Profil ILD selama pertumbuhan t a n a m a n padi berdasarkan hasil pengukuran dapat diperoleh di m a n a nilai ILD meningkat dengan pertambahan u m u r selama pertumbuhan vegetatif d a n mencapai p u n c a k dengan nilai 4,567 pada vegetatif m a k s i m u m d a n m e n u r u n pada fase generatif karcna terjadi penguningan d a n pengurangan d a u n . Nilai ILD m a k s i m u m p a d a u m u r 8-9 MST (vegetatif maksimum). • Nilai ILD pada fase vegetatif maksimum (umur 7-10 MST), d a t a digunakan u n t u k menduga kualitas produktivitas t a n a m a n padi, karena m e r u p a k a n akumulasi dari p e n i m b u n a n energi yang digunakan u n t u k p e m b e n t u k a n malai dan pengisian biji. • H u b u n g a n antara nilai ILD dengan kombinasi kanai TM-Landsat yang dihasilkan adalah ILD - 0,2219" (TM4/TM3) 2.1005 {R2 = 0,93) dapat diaplikasikan untuk menghasilkan sebaran spasial ILD p a d a padi lahan sawah. • Dapat dihasilkan a t a u ditunjukkan s a t u contoh aplikasi model atau algoritma yang diperoleh dari penelitan ini yaitu Sebaran Spasial ILD L a h a n Padi Sawah di Sang Hyang Sen Subang dan sekitarnya (Citra TM-Landsat, tanggal 18 Juli 1999) dengan cara diterapakan p a d a data TM-Landsat tersebut u n t u k menghasilkan sebaran spasial ILD pada lahan padi sawah. • Berdasarkan profil ILD selama pert u m b u h a n t a n a m a n padi yang diperoleh, lebih lanjut dapat dilakukan transformasi ILD terhadap u m u r tanaman padi, sehingga dapat diperoleh citra sebaran spasial a t a u peta u m u r tanaman padi. Metode ini menunjukkan dengan menggunakan parameter ILD dapat diperoleh citra atau peta perkiraan u m u r d a n luas t a n a m a n padi. Dengan memperoleh d a t a produksi dari beberapa sampel pada daerah uji, 47
Jum^
dapat dihasilkan peta perkiraan produksi t a n a m a n padi p a d a daerah uji. 6 SARAN Model yang diperoleh masih terbatas pada daerah uji. Untuk operasionalisasi model m a s i h diperlakukan veriflkasi model d a n validasi model pada d a e r a h uji u n t u k masa t a n a m yang lain. Lebih lanjut perlu dilakukan pengujian a t a u pengembangan model tersebut pada daerah uji lain. Keakuratan model dibandingkan dengan model spasial m e n g g u n a k a n parameter tunggal NDVI, d a n parameter ganda {secara serentak NDVT d a n ILD) masih perlu dilanjutkan. Pada daerah-daerah yang sangat berpotensi u n t u k tertutup a w a n a t a u persentase liputan awannya sepanjang t a h u n selalu besar dapat dipertimbangkan p e n e r a p a n / p e n g e m b a n g a n model mengg u n a k a n data radar dengan teknik fusi data r a d a r dan optik. DAFTAR RUJUKAN Dirgahayu, D., H. Arief I Made Parsa, I. Carolita, Arifin, S., d a n Kustiyo, 1998. Asesmen Luas Parxen Sawah Irigasi di Pulau Jawa (Inventarisasi Periode Januari-AprU 1998 ), Laporan Akhir, Kegiatan Penelitian Proyek Pemanfaatan Data Penginderaan J a u h u n t u k Inventarisasi Sumber Daya Alam d a n Lingkungan, LAPAN, Jakarta. F u k u h a r a , M., S. Hayashi, Y. Yasuda, I. Asamuna, Y. Emon, J. Litsaka, 1979. Extraction of Soil Information from Vegetated Area, Scientific Centre Report IBM G318-1506-0, Tokyo, Japan. Miller, G. E. ( 1 9 8 1 . A Look At The Used Landsat Vegetation Indeces. AGRISTARS Report No. EW-L1-04134, JTC-17413, NASA, Washington, D.C., USA. Parwati, E., H. Arif, I. Prasasti, I. Effendy, S.H. Pramono, W.H. Harsanugraha, T. Suhartini, dan Suhartono, 1998. Penentuan Spesifikasi Standar Model 48
WO. 1 Jam201)6:36-49
Estimosi Produksi Tanaman Padi Benia&arkan Indeks Vegetasi, Laporan Akhir, Kegiatan Proyek Penelitian d a n Pengembangan Pemanfaatan Pengolahan Data Penginderaan J a u h Satelit, LAPAN, J a k a r t a . Rambe, A., 1989. Analisis Digital Data Satelit Untuk Menduga Luas Areal Tanaman Padi J u r u s a n Ilmu-Ilmu Pertanian, Fakultas Pascasarjana, Institut Pertanian Bogor, Disertasi, Unpublished. Siregar, V. P., Wahyu, Sri Harini, Syukri M. Nur, Djokosoegito, M., Sitanggang, G-, I. Setyawan, Saptajadi, D. P. Nugroho, I- Setiawan, Dirgahayu, D., Mujiyanto, Siregar, D. F, 1999b. Konstruksi Prediksi Produksi Padi Beniasarkan Model Spasial, Laporan Akhir, Kegiatan Proyek Teknologi Inventarisasi Sumber Daya Alam fTISDA)-BPPT, SEAMEO BIOTROP, Bogor. Sitanggang, G, Dirgahayu, D., Carolita I., NoviarH., 1999. Verifikasi Keakuratan Pemantauan/Prakiraan Luas Panen Padi dan Data Inderaja, Laporan Akhir, Kegiatan Proyek Penelitian d a n Pengembangan Pemanfaatan Pengolahan Data Penginderaan J a u h Satelit-LAPAN, J a k a r t a . Sitanggang, G, Dirgahayu, D., Parwati, E., Carolita, I., Djaiz, E. D., 2000. Verifikasi Keakuratan Monitoring Tanaman Padi, Prosiding Seminar Intemasional Penginderaan J a u h dalam Pengembangan dan Pelestarian Lingkungan, Vol U, ISBN: 97995466-2-1, Hotel Kartika Candra, Jakarta, 11-12 April 2000, PUSFATJA-LAPAN, J a k a r t a . Sitanggang, G, Carolita, I., Noviar H., Surlan, d a n Djaiz, E. D., 1999. Verifikasi Model Aplikasi Data Inderoja Satelit Radar SAR JERS-1 Secara Terpadu (Fusi) dengan Optik Resolusi Tinggi TM Landsat untuk Pemantauan Umur dan Luas Areal Tanaman Padi, Laporan Akhir, Kegiatan Proyek Penelitian dan Pengembangan Pemanfaatan Peng-
ModtfSpasuf IndtfyCuas
olahan Data Penginderaan J a u h Satelit- LAPAN, J a k a r t a . Sitanggang, G, Carolita, I., Noviar, H., Surlan, d a n Djaiz, E.D., 2000. Pengembangan Aplikasi Fusi Data SAR JERS-1 dengan LANDSAT-TM
(gofaariaSitaiygan^ eL aC)
Landsat untuk Pemantauan Umur dan Luas Areal Tanaman Padi Sawah Irigasi, Majalah LAPAN Edisi Penginderaan J a u h , Vol. 02 No. 01 Hal. 33-46. Bulan Maret, ISSN 0126-0480, J a k a r t a .
