Pemantauan Pertumbuhan Tanaman Padi dengan SPOT Vegetation Marina C.G. Frederik1, Retno A. Ambarini1, Fanny Meliani1,Yoke F.A. Oktofan1 1 Pusat Teknologi Inventarisasi Sumberdaya Alam (PTISDA), BPPT Gedung 2 BPPT, Lantai 19, Jl. M.H. Thamrin No. 8, Jakarta 10340, Indonesia Telepon: (62)(21)3169732, Faks: (62)(21)3144815 email:
[email protected]
Abstrak Beras merupakan salah satu bahan makanan pokok penduduk Indonesia dimana setiap tahunnya diperlukan informasi hasil produksi padi berupa jumlah panen dan luas area tanam. Pemantauan kondisi tanaman padi dan prakiraan hasil panen merupakan informasi penting yang dapat didukung oleh teknologi inderaja. BPPT bekerjasama dengan ERSDAC, Jepang, sejak tahun 2008 melakukan penelitian pemantauan tanaman padi dengan teknologi inderaja menggunakan berbagai sensor (optik dan radar), berbagai resolusi spektral (multi spektral dan hiperspektral), dan berbagai wahana (di lokasi, pesawat, dan satelit). Daerah penelitian pemantauan tanaman padi ini adalah Kabupaten Indramayu dan Subang, Jawa Barat. Makalah ini membahas tentang pemantauan tanaman padi menggunakan citra satelit resolusi spasial rendah namun beresolusi temporal yang tinggi, SPOT Vegetation. Sensor ini telah beroperasi sejak tahun 1998 dan dapat mengakuisisi citra setiap hari. Citra tersedia secara gratis 3 bulan setelah akuisisi dalam produk komposit 10 harian yang dilengkapi dengan citra NDVI (VGT S10). Program pemantauan tanaman padi menggunakan citra SPOT Vegetation sejak 2008 memberikan informasi seperti: jadwal tanam, indeks vegetasi (NDVI), dan fase pertumbuhan. Selain itu juga dilakukan analisa korelasi NDVI dan LAI dari data survey lapangan. Dari 8 pengamatan LAI dan NDVI dan menggunakan analisis regresi linear, didapat korelasi yang rendah. Hal ini kemungkinan karena minimnya jumlah pengamatan. Pemantauan tanaman padi menggunakan citra SPOT Vegetation merupakan bagian dari kegiatan BPPT dalam membangun model prakiraan produksi panen. Kata kunci: padi, SPOT Vegetation, NDVI
Abstract Rice is one of the staples of food for Indonesian people, where each year there is a need for rice production information and area of rice plant. Monitoring of paddy condition and rice production estimation may be supported by remote sensing technology. BPPT in cooperation with ERSDAC, Japan, has been conducting a paddy monitoring program since 2008 using various sensors (optic and radar), with various spectral resolution (multispectral to hyperspectral), and using various instrument (in-situ, airborne, and satellite). The location of research is the District of Indramayu and Subang, West Java. This paper presents an activity on monitoring of paddy plant using images of low spatial resolution but high temporal resolution, SPOT Vegetation. SPOT Vegetation images have been available since 1998 and have a temporal resolution of 1 day. The images are available for download 3 months after acquisition date in 10 day composit product, including the NDVI image (VGT S10). The program of monitoring paddy plant since 2008 yield information such as: planting time, vegetation index (NDVI), and growth phase. Moreover, a study on correlation between LAI (in-situ) and NDVI (VGT S10) was conducted. Using 8 observation of LAI data, and NDVI, a simple linear regression was performed. The analysis yield a weak correlation, which may be due to the small number of observation. This monitoring of paddy plant using SPOT Vegetation is part of BPPT’s program, which main goal is to build a model for prediction of rice production. Keywords: paddy, SPOT Vegetation, NDVI
66
1. Pendahuluan Pemantauan pertumbuhan tanaman padi dan prediksi produksi padi sangatlah penting bagi Indonesia mengingat beras merupakan makanan pokok penduduk indonesia. Kabupaten Indramayu dan Subang merupakan dua lokasi studi sentra padi di Jawa Barat sejak tahun 2008. Program pemantauan tanaman padi di kedua kabupaten ini merupakan kerjasama penelitian antara BPPT (Badan Pengkajian dan Penerapan Teknologi) dan ERSDAC (Earth Remote Sensing Data Analysis Center), Jepang. Dalam penelitian ini dilakukan pengamatan tanaman padi menggunakan berbagai wahana inderaja, seperti in-situ menggunakan spectroradiometer, pesawat udara dan satelit dengan berbagai resolusi spasial dan temporal, serta sensor optik dan radar dengan berbagai resolusi spektral, dari multispektral hingga hiperspektral. Tujuan akhir program kerjasama ini adalah membangun sebuah model prediksi produksi padi. Tulisan ini memaparkan salah satu bagian dalam kegiatan kerjasama tersebut, yaitu pemantauan tanaman padi menggunakan citra NDVI (Normalize Difference Vegetation Index), produk sensor SPOT (Système Pour l'Observation de la Terre) Vegetation (VGT S10) selama 1 musim tanam di tahun 2010. Penelitian ini menggunakan citra tahun 2008 lebih kepada kajian melihat efek tutupan awan terhadap pemantauan lahan padi. Gambar 1 menampilkan dinamika nilai NDVI untuk beberapa lokasi di Kabupaten Indramayu. Sejak akhir bulan Januari hingga Maret 2008, nilai NDVI terlihat tidak beraturan. Hal ini disebabkan karena tingkat tutupan awan yang tinggi pada bulan-bulan tersebut, sehingga pengamatan tidak dapat dilakukan dengan baik. Pada gambar ini juga dapat dilihat jadwal waktu pengairan setiap lokasi yang bertepatan dengan jadwal golongan pengairan. Secara umum, terlihat 3 golongan pengairan di lokasi-lokasi pengamatan tersebut dengan terlihatnya 3 puncak kurva antara bulan Mei hingga Agustus. 1
0.9
0.8
0.7 IN11 0.6
IN09 IN10
0.5
IN07 IN06
0.4
IN04 IN02
0.3
IN01
0.2
0.1
0 01/01/2008 01/02/2008 01/03/2008 01/04/2008 01/05/2008 01/06/2008 01/07/2008 01/08/2008 01/09/2008 01/10/2008 01/11/2008 01/12/2008
Gambar 1. Dinamika pertumbuhan tanaman padi untuk beberapa lokasi pengamatan di Kabupaten Indramayu
67
Makalah ini menyampaikan hasil pengamatan tanaman padi menggunakan citra SPOT Vegetation, produk NDVI (VGT S10) untuk 1 musim tanam pada tahun 2010 antara bulan April dan Agustus, pengamatan lapangan, serta analisis korelasi antara LAI (Leaf area index) lapangan dan NDVI. Seperti yang diketahui, LAI merupakan salah satu parameter biofisik yang penting untuk mengetahui dinamika pertumbuhan tanaman. Selain itu adanya korelasi antara LAI dengan biomassa dan produktivitas tanaman telah ditemukan pada berbagai penelitian. 2.Bahan dan Metoda Satellite SPOT yang pertama diluncurkan pada Februari 1986 merupakan satelit yang dilengkapi dengan sensor optik dengan resolusi spasial tinggi. Hingga kini, sudah diluncurkan satelit ke lima, SPOT 5, pada Mei 2002. Sensor Vegetation dipasang sejak SPOT 4. Sensor ini memiliki 4 band spektral, dengan resolusi spasial 1 km dan resolusi temporal 1 hari. Gambar 2 menampilkan konfigurasi berbagai sensor yang terdapat pada satelit SPOT. Terlihat sensor Vegetation terletak bersebelahan dengan sensor HRS (High Resolution Stereoscopic imaging).
Gambar 2. Satelit SPOT dengan sensor Vegetation (ref. SPOT Image) Tabel 1. menampilkan karakteristik sensor Vegetation. Saat ini, citra Vegetation komposit 10-harian dapat diunduh secara gratis setelah 3 bulan tanggal akuisisi. Setiap bulan, diproduksi 3 citra komposit 10 harian, yang mencakup tanggal 1-10, tanggal 11-20, dan tanggal 21-31. Citra tersebut sudah terkoreksi geometrik dan tersedia dalam beberapa cakupan geografis, misalnya untuk wilayah Indonesia adalah cakupan Asian Islands. Citra VGT S10 tersedia dalam format HDF dan terdiri dari citra NDVI, dan citra status map yang menjelaskan tentang kualitas radiometric, dll.
B0 (blue) B2 (red) B3 (near IR) MIR (SWIR)
Panjang gelombang (µm) 0.43-0.47 0.61-0.68 0.78-0.89 1.58-1.75 Tabel 1. Sensor SPOT Vegetation
Resolusi spasial 1 km 1 km 1 km 1 km
68
Setiap citra NDVI (produk S10) yang diunduh perlu dilakukan konversi dari nilai digital ke nilai NDVI sebenarnya, dengan menggunakan persamaan berikut: NDVI = a * DN + b di mana a= 0.004, b= -0.1, DN= digital number Pemprosesan citra menggunakan perangkat lunak ENVI. Setelah dikonversi, informasi NDVI selama perioda bulan April hingga Agustus 2010 diekstrak untuk setiap lokasi pengamatan. Selama tahun 2010, lokasi pengamatan menggunakan citra SPOT Vegetation difokuskan pada Kabupaten Indramayu. Survey lapangan dilakukan sebanyak 3 kali, yaitu pada tanggal 26 April–2 Mei, 14–19 Juni, dan 12 – 17 Juli. Lokasi pengamatan dipilih menurut daerah sesuai jadwal pengairan, antara golongan pengairan 1 dan IV. Terpilih 5 lokasi pengamatan, yaitu: - Golongan pengairan I: segmen 66303 (Desa Kedungdawa, Gabuswetan) dan segmen 66204 (Desa Sidodadi, Haurgelis) - Golongan pengairan II: segmen 62206 (Desa Sumbon, Kroya) - Golongan pengairan III: semen 66401 (Desa Kendayakan, Terisi) - Golongan pengairan IV: segmen 70504 (Desa Soge, Kandanghaur) Setiap segmen berukuran 500x500 meter, terdiri dari 25 quadrat yang berukuran 100x100 meter. Pada survey lapangan, dalam setiap segmen ditentukan secara acak 7 quadrat, dan dalam setiap quadrat terdapat 3 titik pengamatan, sehingga seluruh titik pengamatan berjumlah 105. Pada setiap titik pengamatan, dicatat informasi fase pertumbuhan padi, varietas padi, dan kondisi tanaman padi. Selain itu, dilakukan beberapa pengukuran, yaitu: tinggi tanaman, panjang dan lebar kanopi, jumlah daun per rumpun, tinggi air, kandungan klorofil dengan alat SPAD, dan berat basah/kering rumpun. Pengukuran LAI di tiap segmen dilakukan sesuai fase pertumbuhan, menurut klasifikasi IRRI (International Rice Research Institute), dari fase stem elongation hingga fase mature. Pada survey pertama (26 April – 2 Mei), pengukuran LAI dilakukan hanya pada 2 segmen karena segmen lainnya masih dalam tahap persiapan lahan atau vegetative. Pada survey ke dua (14 – 19 Juni), pengukuran LAI dilakukan untuk 4 segmen, dan pada survey ke tiga (12 – 17 Juli) dilakukan pengukuran pada 4 segmen. Karena resolusi spasial SPOT vegetation adalah 1 km, maka LAI hasil pengukuran yang dipakai adalah nilai maximum LAI dalam setiap segmen. Sehingga jumlah data LAI hasil pengukuran dari ke tiga survey tersebut adalah 10.
Gambar 3. Komposit warna semu citra SPOT Vegetation (RGB: b3:b2:b0), Kabupaten Indramayu dalam poligon warna putih Gambar 3 menunjukkan 3 citra SPOT Vegetation selama bulan April 2010 dengan komposit warna semu (RGB=b3:b2:b0). Dengan komposit warna semu, warna merah menunjukkan tutupan vegetasi sehat. Kabupaten Indramayu terletak dalam
69
poligon berwarna putih. Dinamika pertumbuhan tanaman padi selama bulan April terlihat dengan perubahan rona warna merah. Berdasarkan survey lapangan, pada bulan April, mayoritas tanaman padi di kabupaten ini adalah dalam fase harvest atau mature bahkan ada yang dalam fase persiapan lahan (setelah dipanen), pada akhir bulan April terlihat hampir seluruh tanaman padi telah dipanen. 3. Hasil dan Pembahasan Gambar 4 memperlihatkan dinamika pertumbuhan tanaman padi di lima segmen pengamatan di Kabupten Indramayu. Kurva pertumbuhan dari akhir bulan Januari hingga akhir September menunjukkan 2 musim tanam. Segmen yang termasuk dalam golongan pengairan I hingga III pada musim tanam pertama terlihat berdekatan pertumbuhannya sedangkan kurva pertumbuhan segmen 70504 yang terletak di golongan pengairan IV terlihat berbeda beberapa minggu kemudian. Namun pada musim tanam ke dua yang dimulai sekitar bulan Mei, terlihat lebih jelas perbedaan pertumbuhan antara berbagai golongan pengairan tersebut. Jika dibandingkan dengan Gambar 1, maka dapat disimpulkan bahwa pada bulan Februari dan Maret tahun 2010 lebih sedikit tutupan awannya dibanding dengan tahun 2008 untuk ke lima segmen tersebut. Tentang korelasi jadwal tanam dengan jadwal pengairan golongan I hingga III, kemungkinan pada tahun 2010, jadwal pengairan tersebut berdekatan pada saat musim tanam pertama. Pada survey lapangan pertama di akhir bulan April, terlihat hanya segmen 70504 yang masih dalam fase pertumbuhan akhir, walaupun di lapangan, didapat beberapa area di segmen 66204 yang masih dapat disurvey.
Gambar 4. Dinamika pertumbuhan tanaman padi tahun 2010 di 5 segmen Seperti telah disebut diatas, salah satu pengukuran yang dilakukan selama survey adalah luas kanopi tanaman dengan mengukur panjang dan lebar 3 rumpun padi di setiap titik pengamatan. Nilai LAI didapat menggunakan rumus: luas daun dibagi luas kanopi rumpun. Tabel 2 menampilkan hasil perhitungan LAI di lapangan dan nilai NDVI berdasarkan citra SPOT Vegetation. Nilai NDVI dari citra komposit 10 harian untuk setiap segmen ditentukan sesuai kurun waktu pelaksanaan survey. Dari 10 total segmen yang dilakukan pengukurannya pada 1 musim tanam tersebut, 8 yang dapat dipergunakan untuk analisis selanjutnya
70
Tabel 2. Nilai NDVI dan LAI Gambar 5 menampilkan grafik NDVI versus LAI, garis hitam menunjukkan hasil analisis regresi linear. Dalam gambar ini ditampilkan juga persamaannya. Analisis ini memberikan nilai R2 yang sangat rendah. Hal ini mungkin disebabkan oleh jumlah pengamatan yang minim dan jangka waktu antara pengamatan yang terlalu lama. Rendahnya korelasi ini tidak sesuai dengan hasil penelitian di berbagai tempat, baik untuk tanaman padi maupun tanaman gandum. Penelitian menggunakan citra NDVI SPOT Vegetation seperti yang telah dilakukan sebelumnya (Dadhwal, 2004, Xiao, et al, 2002), memberikan hasil yang baik sehingga citra NDVI dari SPOT Vegetation sangat berguna untuk memprediksi LAI tanaman yang kemudian memberikan informasi tentang produktivitas tanaman. 4.000 3.500
y = 5.5374x - 2.0665
LAI (in-situ)
3.000
2
R = 0.33
2.500 2.000 1.500 1.000 0.500 0.000 0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
NDVI (SPOT Vgt)
Gambar 5. Korelasi antara NDVI dan LAI 4. Kesimpulan Tulisan ini memaparkan kegiatan pemantauan pertumbuhan tanaman padi menggunakan citra NDVI dari SPOT Vegetation untuk beberapa lokasi di Kabupaten Indramayu. Analisis korelasi antara NDVI dan LAI menggunakan persamaan regresi linear dengan 8 pengamatan ditemukan korelasinya masih rendah. Hal ini mungkin disebabkan karena minimnya jumlah pengamatan dan jangka waktu antara pengamatan yang terlalu lama. Namun berdasarkan penelitian tanaman padi di daerah lain menunjukkan korelasi yang baik antara LAI dan NDVI, sehingga penggunaan NDVI dari citra SPOT Vegetation berguna untuk memprediksi LAI tanaman. Kegiatan pemantauan tanaman padi ini masih berlanjut di tahun 2011 dengan penambahan wilayah pengamatan. Citra SPOT Vegetation dengan resolusi temporal yang tinggi sangat mendukung pemantauan tanaman padi karena siklus pertumbuhan yang sekitar 90-110 hari dan tiap fase pertumbuhannya sekitar 7-10 hari saja. Wilayah tropis katulistiwa seperti Indonesia yang sering ditutupi awan 71
memerlukan citra satelit dengan resolusi temporal yang tinggi agar dapat meningkatkan kemungkinan mendapatkan citra bebas awan. Lebih dari itu, fasilitas unduh gratis untuk data arsip (3 bulan setelah akuisisi) sangat mendukung kegiatan penelitian. Daftar Pustaka Dadhwal, V.K., 2004, Crop growth and productivity monitoring and simulation using remote sensing and GIS, Satellite RS and GIS Application in Agriculture Meteorology, pp. 263-289. Xiao, X., et al., 2002, Quantitative relationships between field-measured leaf area index and vegetation index derived from VEGETATION images for paddy rice fields, IJRS, vol. 23, no. 18, pp. 3595-3604 Spot on its orbit,Spot satellite technical data, The Spot payload, SPOT Image
72
