PEMANFAATAN DATA PENGINDERAAN JAUH YANG BEBAS DIUNDUH UNTUK MENDAPATKAN BEBERAPA PARAMETER LAHAN
T.M. Basuki & N. Wahyuningrum BPTKPDAS
1. PENDAHULUAN Penutupan lahan dan lereng penting dalam monev kinerja DAS Estimasi erosi Penentuan kelas kemampuan penggunaan lahan (KPL) Penutupan lahan bersifat dinamis, sementara monev harus dilakukan secara kontinyu
Penutupan lahan: Sensor pasif Land sattelite (Landsat) -5 TM dan -7ETM+ Satellite Probatoire d'Observation de la Terre (SPOT) Moderate resolution imaging radiometer (MODIS) Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) IKONOS QuickBirds Hyperion-hyperspectral Worldview Citra yang diunduh dari Google Earth (misalkan QuickBirds) Landsat 8: http://landsat.usgs.gov/LDCM_Landsat8.php
Data collected by the Operational Land Imager (OLI) and the Thermal Infrared Sensor (TIRS) onboard the Landsat 8 satellite are available to download at no charge from GloVis, EarthExplorer, or via the LandsatLook Viewer.
Aktif sensor:
Shuttle Imaging Radar-C (SIR- C band) Phase Arrayed L-band Synthetic Aperture Radar (PalSar)
Kemiringan lereng DEM Shuttle Radar Topography Mission (SRTM)
DEM ASTER Light Detection and Ranging (LIDAR)
Tujuan studi: Mengkaji pemanfaatan citra dari Google Earth dan DEM-ASTER untuk mendapatkan informasi penutupan lahan
dan informasi praktek konservasi tanah serta kemiringan lahan Memprediksi erosi dan evaluasi kelas KPL
2. LOKASI DAN METODE
Lokasi Lokasi di Sub-DAS Samin, Kab. Karanganyar dan Sukoharjo, Hulu: berbukit-bukit, kelerengan curam sd sangat curam penutupan lahan hutan lindung, kebun sayur, pemukiman Tengah dan hilir: penutupan lahan didominasi tegal/sawah dan pemukiman dengan kemiringan lahan landai hingga datar.
Tahapan kegiatan Lereng diakses dari DEM ASTERpreprocessing ---> klasifikasi kelas lereng accuracy asessment Penutupan lahan diperoleh dari QuickBirds yang diunduh dari Google Earth. Software yang digunakan adalah Google-earth-4.2.0196-Beta, GE_jpgextractor, dan Gesticher preprocessing klasifikasi accuracy assessment Overlay peta-peta untuk prediksi erosi Prediksi erosi per unit lahan dengan rumus USLE A = RKLSCP Overlay peta-peta yang digunakan untuk
Tabel 1. Kriterian kelas kemampuan penggunaan lahan No Hambatan 1 Kontan
Kelas I e 100
V 20-60
VI 10-40
VII 1-20
VIII 1-20
Sedang Berat
-
-
-
-
Sedang Cepat
Sangat cepat -
-
-
-
-
-
-
-
-
-
s
Granula Granular r kasar halus > 90 60-90
LS, Si, S SC, C, SiC Blocky Blocky -platy 30-60 15-30 0-15
s s s
> 200 -
100-200 -
80-100 60-80 1-10
40-60 1-10 10-20
20-40 10-20 20-40
10-20 <10 20-60 >60 40-80 >80
7-12
7-9 atau 5-6
3-4 atau 0-2 0-3
0-2
0-1
c
0-1
2-3 atau 0-1
7-8 atau 2-6 0-1
7-9
-
g
0-8
-
3-4 5-6 atau 3-4 2-6 2-6 atau 01 8-15 15-25
-
>45
-
2
Tingkat Erosi e
3
Drainase
4
Tekstur tanah s
5
Struktur tanah Kedalaman tanah (cm) Regolith(cm) Gravel (%) Prosentase singkapan (%) Iklim
6. 7 8 9 10.
Bulan basah > 200 mm Kering <100 mm 11.
Slope (%)
w
s
II 100
Terabai Ringan kan Terham Agak bat terhambat L, SiL SL, SCL, CL, SiCL
III 60-80
IV 60-80
c
25-45
3. HASIL
Kelas lereng
Sebaran kelas lereng Sub-DAS Samin
Tabel 2. Matrik kesalahan klasifikasi lereng Sub-DAS Samin Klasifikasi lereng yang dihasilkan dari DEM ASTER Total klasifikas Akurasi 0-8% 8-15% 15-25% 25-45% > 45% i produsen 36 1 0 0 0 37 97,3% 8 16 0 0 0 24 66,7% 0 0 2 0 0 2 100% 3 1 1 3 0 8 37,5% 0 0 0 2 5 7 71,4%
Pengukura n lapangan 0-8% 8-15% 15-25% 25-45% >45% Keseluruh an kelas 47 Akurasi pengguna 76,6%
18
3
5
5
88,9%
66,7%
60%
100%
Akurasi total (Overall accuracy): 79.5%
78
Penutupan lahan
Tabel 3. Matrik kesalahan klasifikasi penutupan lahan Sub-DAS Samin Klasifikasi citra dari Google Earth
Pengecekan lapangan Keselu (Ground Kebun Pemu ruhan Akurasi check) Hutan campur kiman Sawah Tegal klasifikasi Produsen Hutan 10 1 11 90,0% Kebun 3 18 1 1 23 78,3% Pemukiman 3 3 100,0% Sawah 2 2 3 7 42,9% Tegal 5 4 11 20 55,0% Keseluruhan kelas Akurasi Pengguna
13 76,9%
26
5
8
12
69,2% 60,0%
37,5%
91,7%
Overall accuracy (Akurasi total): 70,3%
64
Tabel 3. Penutupan lahan pada berbagai kelas lereng di Sub-DAS Samin Penutup an lahan
Persentase luas penutupan lahan terhadap luas SubDAS pada berbagai kelas lereng 0 – 8 % 8 – 15% 15 – 25 % 25 – 45 %
>45 %
Total
Hutan
2,13
1,32
1,20
2,72
2,72
10,09
Kebun Campur
3,63
2,12
1,95
3,39
1,99
13,08
Pemukiman
16,27
4,83
1,90
0,77
0,11
23,87
Sawah
22,16
6,79
2,87
1,96
0,62
34,41
Tegal
10,22
3,88
1,45
1,39
0,42
17,36
0,85
0,28
0,06
0,01
0,01
1,20
55,25
19,21
9,43
10,24
5,86
100,00
Tubuh air
Konservasi tanah
(a)
(b)
(c)
(d)
Prediksi erosi menggunakan USLE pada berbagai penutupan lahan Persentase luasan pada masing-masing tingkat erosi Penutupan lahan
< 15 ton/ha/th
15-60 ton/ha/th
60-180 ton/ha/th
180-480 ton/ha/th
> 480 ton/ha/th
Hutan
2,1
1,7
1,2
5,2
0,0
Kebun Campur
3,6
2,9
1,9
4,6
0,0
Permukiman
0,0
16,0
5,1
1,9
0,9
30,4
2,1
2,0
0,0
0,0
0,0
14,1
1,5
1,6
0,2
Sawah Tegal
Prediksi erosi
Prediksi erosi menggunakan USLE di Sub-DAS Samin
Kemampuan penggunaan lahan
Persentase KPL terhadap luas Sub-DAS
30 25 20
Hutan
15
Kebun Campur 10
Pemukiman Sawah
5
Tegal 0 IIIc
IIIg
IVs
IVg
Vs
VIg
VIIg
Kelas kemampuan penggunaan lahan
Kondisi aktual penutupan lahan pada berbagai kelas kemampuan penggunaan lahan
4. KESIMPULAN Klasifikasi kelas lereng dengan menggunakan DEM ASTER menghasilkan akurasi total sebesar 79,5 % dengan nilai Kappa 0,67 Akurasi total 70% dengan Kappa 0,60 diperoleh pada klasifikasi penutupan lahan menggunakan citra Quickbird yang diunduh dari Google Earth Teknik konservasi tanah yang dapat diidentifikasi pada citra dari Google Earth hanya bersifat umum. Detil teknik konservasi tanah hanya bisa diperoleh dari hasil pengamatan di lapangan Tingkat erosi berat tidak hanya terjadi pada areal tegalan, namun juga dijumpai di hutan maupun pemukiman
KPL di Sub-DAS Samin didominasi oleh kelas IV dengan lereng sebagai faktor penghambat. Pemanfaatan citra yang dapat diunduh secara gratis dan memberikan hasil klasifikasi dengan akurasi yang baik merupakan salah satu alternatif untuk memperbaharui informasi penutupan lahan yang dinamis. Hal ini juga akan mengurangi anggaran pengumpulan data dalam rangka monitoring kinerja DAS.
