Dedi Irawadi Kepala Pusat Teknologi dan Data Penginderaan Jauh. KLHK, Jakarta, 25 April 2016

Transkripsi

1 Dedi Irawadi Kepala Pusat Teknologi dan Data Penginderaan Jauh KLHK, Jakarta, 25 April 2016

2 Dukungan teknologi satelit penginderaan jauh terhadap REDD+ di Indonesia Pemanfaatan penginderaan jauh sektor kehutanan Harian: Deteksi Hotspot Bulanan: Indikasi derestasi bulanan dengan MODIS Tahunan: Pemantauan deforestasi tahunan dengan Landsat Permintaan: luas kebakaran hutan Ketersediaan data penginderaan jauh di LAPAN Tantangan

3 E = A X EF E : jumlah emisi A : data aktivitas (jumlah bahan penghasil emisi) EF : faktor emisi Aktivitas dari emisi sektor lahan: Luas perubahan lahan, berupa: 1. deforestation, 2. degradation, 3. reforestation Dukungan Teknologi Penginderaan Jauh untuk data Aktivitas: 1. Penyediaan data (Optis, Radar, Lidar) 2. Metoda pengolahan data untuk menghasilkan perubahan lahan

4 LAPAN terlibat dalam kegiatan INCAS sejak 2009 dibawah kegiatan Indonesia-Australia Forest Carbon Partnership (IAFCP). Program ini terdiri dari 2 komponen teknis: a. The remote sensing component, Land Cover Change Analysis (LCCA), yang menyediakan informasi spasial detail untuk memonitor perubahan hutan untuk seluruh Indonesia melalui data satelit penginderaan jauh. b. the biomass component yang meliputi pengukuran dan modeling biomasa, forest disturbance mapping, and estimasi carbon stock untuk menghasilkan carbon accounts.

5 Kedua komponen ini adalah langkah awal untuk mentransfer mengadaptasi pengetahuan dan pengalaman yang dilakukan oleh Australia dan membangun sistem yang operasional disesuaiakn dengan kemampuan dan kondisi di Indonesia.

6 Tujuan awal: Membangun wall-to-wall of cloud-free mosaic data untuk seluruh wilayah Indonesia serta forest extent and change pada perioda menggunakan data Landsat melalui metoda yagn konsiten secara nasional Mengkaji feasibilitas untuk mengintegrasikan sumber data lain, seperti radar dan data-data satelit selain Landsat. Membangun metoda untuk mendeteksi develop methods for deforestation and forest degradation. Menghasilkan produk sebagai input untuk aktivitas carbon accounting. Update: Menghasilkan produk tahunan ( ) data cloud-free mosaic berbasis Landsat Membangun methodology untuk mengintegrasikan data Landsat-8 untuk tahun 2013 dan update selanjutnya.

7

8

9

10 Note: Picture : RGB oC 50-55oC >55oC

11 MODIS Composite MayJuly 2011 Legend : Green : Vegetation Red : Bare Soil Note : changing from green/vegetation (in 2011) to red/bare soil (in 2012) indicates vegetation loss MODIS Composite MayJuly 2012

12 Landsat--8: Landsat Landsat--8: Landsat indikasi Deforestasi dari data MODIS bulan 1-9, 2014

13 (2009) (2010) (2011) (2012) Forest/Non-Forest (2008) Forest Non-Forest

14 Forest cover change ( ) Forest ( ) Multiple change ( ) Clearing ( ) Revegetation ( ) Non-Forest ( )

15

16

17 Dibatas perkebunan Asap yang meluas Asap tebal terpantau di dekat hutan Daerah Dumai-Bengkalis-Siak

18

19 SPOT-6 Aqua Resolusi rendah ( 250 meter) Terra/Aqua SNPP NOAA-18/19 MetOp Landsat-8 Resolusi menengah (15-30 meter) Landsat-7 Landsat-8 Resolusi tinggi ( 1.5 meter) SPOT-6 SPOT-7

20 Lebar sapuan: 185 km x 170 km Resolusi spasial: Kanal 1-7 dan 9 OLI multispetral: 30 meter. Kanal 8 OLI pankromatik: 15 meter. Kanal TIRS: 100 meter tetapi diresample menjadi 30 meter agar sesuai dengan data kanal OLI multispektral. Siklus pengulangan: 16 hari Level-level pengolahan data: Standard terrain correction (L1T) Systematic terrain correction (L1Gt) Systematic correction (L1G)

21 Lebar sapuan: 60 km x 60 km (nadir) Resolusi spasial: 1.5 m (B&W) Kanal spektral: Pan: µm Blue: µm Green: µm Red: µm Near IR: µm Banda Aceh (SPOT-6, 30 Des 2015)

22 January 2014 Feb March 2014 April 2014 May 2014 June 2014

23 Mosaik Tahun 2014 Mosaik Tahun 2015

24 Jml Data Keterangan: Warna Hitam : Belum ada data yang bebas awan Jumlah data: 4616 scene Pengolahan : klasifikasi awan, yang awan diberi warna hitam

25 Data resolusi tinggi pengadaan 2013 dan 2014 (Pleiades) Data resolusi tinggi pengadaan 2015 (Pleiades, QB, WV, GeoEye) Luas total ketersediaan data: km2

26 1. Peningkatan ketelitian 2. Kecepatan pengolahan (Otomatisasi) 3. Near real time

27 Koordinasi dengan instansi terkait (KLHK), LAPAN akan mendukung pada: Pengolahan data sampai pada mosaik bebas awan Klasifikasi secara digital, dengan menggunakan Blade server yang ada Assesment ketelitian hasil Perbaikan metoda pengolahan

28