ESTIMASI CADANGAN KARBON VEGETASI TEGAKAN DI KOTA YOGYAKARTA DAN SEKITARNYA BERBASIS ALOS AVNIR-2
|
|
- Ida Irawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI CADANGAN N VEGETASI TEGAKAN DI KOTA YOGYAKARTA DAN SEKITARNYA BERBASIS ALOS AVNIR-2 E. Willy Margaretha 1, Projo Danoedoro 1, 2, Sigit Heru Murti 2 1 Remote Sensing Postgraduate Program, Faculty of Geography, Gadjah Mada University, Yogyakarta Indonesia Centre for Remote Sensing and Integrated Survey (PUSPICS), Faculty of Geography, Gadjah Mada University, Yogyakarta Indonesia willy_margaretha@mail.ugm.ac.id 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. δ est 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
2 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
3 Studi Area Gambar 2. Research procedure to get the most accurate single band or vegetation index Kota Yogyakarta terletak antara 110 o 24 19" o 28 53" Bujur Timur di antara 07 o 15 24" - 07 o 49 26" Lintang Selatan Total luas daerah penelitian adalah 107,45 km 2. Selain lahan terbangun di pinggiran, juga dipilih lahan vegetasi lainnya sebagai bahan perbandingan estimasi karbon vegetasi dengan batas bagian terluar outer ringroad. METODE Hubungan antara biomasa dan karbon Gambar 3. Study Area in Yogyakarta Indonesia 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
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. Plot Sampel Biomasa = 42,69 12,8 (DBH) + 1,242 (DBH 2 ) (5) 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 Penentuan kelas kerapatan vegetasi berdasarkan beberapa acuan. N o Tabel 1. Penentuan Plot Sampel Landcover Classification Class Vegetation Density 1 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 Commercial/builtup area 3 Agricultural 2.1 Lahan Terbangun Komersial Vegetasi Gundul <10% 2.2 Lahan Terbangun Komersial Vegetasi Jarang >10% - 30% 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% 3.1 Lahan Pertanian Vegetasi Gundul <10% 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 (20 th June 2009) dan penelitian di lapangan, mengakibatkan bertambahnya riap diameter, sehingga 434
5 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: Where : P = Spatial resolution L = RMSE Sample Plot Area = P(1+2L) (6) 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 (R 2 ) hasil persamaan regresi adalah sebagai berikut : Tabel 2. Hasil R 2 pada Plot Sampel Modelling ALOS AVNIR-2 (Masked) ALOS AVNIR-2 (Non Masked) At-sensor Reflect-ance At-surface Reflec-tance At-sensor Reflec-tance At-surface Reflec-tance Blue R² = 0,01 R² = 0,09 R² = 0,35 R² = 0,39 Green R² = 3E-05 R² = 0,07 R² = 0,25 R² = 0,3 Red R² = 0,05 R² = 0,2 R² = 0,35 R² = 0,44 NIR R² = 0,43 R² = 0,27 R² = 0,27 R² = 0,42 SR R² = 0,45 R² = 0,36 R² = 0,46 R² = 0,55 NDVI R² = 0,52 R² = 0,39 R² = 0,52 R² = 0,6 TVI R² = 0,64 R² = 0,39 R² = 0,51 R² = 0,7 MSAVI-2 R² = 0,69 R² = 0,39 R² = 0,51 R² = 0,7 EVI R² = 0,65 R² = 0,38 R² = 0,51 R² = 0,7 EVI-2 R² = 0,68 R² = 0,38 R² = 0,51 R² = 0,69 ARVI R² = 0,48 R² = 0,38 R² = 0,4 R² = 0,57 GEMI R² = 0,55 R² = 0,2 R² = 0,44 R² = 0,59 VARI-Green R² = 0,56 R² = 0,47 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 R 2 >0,58. Melihat hasil regresi pada plot sampel modeling dan membandingkan nilai R 2 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 R 2 < 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 R 2 < 0,58. Perbedaan tampak pada citra tidak dimasking pada At-surface 435
6 Reflectance. Nilai R 2 < 0,58 didapat pada semua saluran tunggal. Ada pun indeks vegetasi yang memiliki R 2 < 0,58 adalah ARVI dan SR. Nilai R 2 >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, MSAVI- 2, 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 : δ est = Ʃ( ) (7) Where : σ est Y Y' N = 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
7 Plot Total Karbon (Y) Tabel 3. Jumlah Cadangan Karbon Berdasarkan Indeks Vegetasi Per Piksel N NDVI N TVI N MSAVI-2 N EVI N EVI-2 N VARI N GEMI 11C 0, C 0, C 0, C 0, C 0, C 0, C 0, C 0, C 0, C 1, C 0, C 0, C 0, ,527 34C 0, ,263 35C 0, ,504 41C 0, ,219 42C 0, ,542 43C 0,357 1,805 2,109 2,236 2,186 2,166 2,288 2,263 44C 0,245 1,83 1,096 1,006 1,06 1,049 3,311 0,655 45C 1,937 1,37 1,594 1,506 1,52 1,494 1,585 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 Y 1 adalah perkiraan cadangan karbon berdasarkan indeks vegetasi. Hasil Uji Akurasi pada masing-masing indeks vegetasi adalah sebagai berikut: Tabel 4. Hasil Uji Akurasi δ est TON/PIKSEL δ est TON/HA EVI-2 0,862 86,2 MSAVI-2 0,866 86,6 EVI 0,887 88,7 NDVI 0,894 89,4 GEMI 0,898 89,8 TVI 0,901 90,1 VARIGreen 1, ,6 Hasil uji akurasi dengan metode Standard Error of the Estimate menunjukkan bahwa EVI-2 memiliki nilai δ est terendah, yaitu ± 0,862 ton per piksel ALOS AVNIR-2 atau 86,2 ton per hektar. Nilai δ est EVI-2 terpaut tipis dengan δ est MSAVI-2. δ est MSAVI-2 ±0,866 ton per piksel atau 86,6 ton per hektar. δ est tertinggi adalah VARIGreen sebesar ± 1,246 ton per piksel. 437
8 Estimasi Karbon Berdasarkan Penutup Lahan Gambar 4. Carbon Class Distribution Based on EVI-2 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 Konversi Ke Karbon EVI-2 Karbon = (EVI )/ MSAVI-2 Karbon = (MSAVI )/ EVI Karbon = (EVI )/ NDVI Karbon = (NDVI )/ VARIGreen Karbon = (VARIGreen )/ TVI Karbon = (TVI )/ GEMI Karbon = (GEMI )/ Tabel 6. Estimasi Karbon di Kota Yogyakarta dan Sekitarnya Indeks vegetasi Total Karbon (Ton) VARIGreen ,6 NDVI ,8 EVI ,8 EVI ,1 MSAVI ,9 TVI ,3 GEMI ,8 438
9 Pada Tabel 6. tampak bahwa cadangan karbon di Kota Yogyakarta dan sekitarnya berdasarkan indeks vegetasi EVI-2 adalah ,8 ton. Perbedaan mencolok cadangan karbon ada pada VARIGreen dengan estimasi karbon sebanyak ,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: 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): 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., 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: 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:
10 Rowntree, R. A. and D. J. Nowak (1991). Quantifying the Role of Urban Forests in Removing Atmospheric Carbon Dioxide. Journal of Arboriculture 17(10): 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) : Steininger, M. K. (2000). Satellite Estimation of Tropical secondary Forest Above-ground Biomass : Data From Brazil and Bolivia. International Journal Remote Sensing 21(6): 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
METODE PENELITIAN. Penelitian ini dilaksanakan pada bulan Juli-November Penelitian ini
METODE PENELITIAN Waktu dan Tempat Penelitian ini dilaksanakan pada bulan Juli-November 2012. Penelitian ini dilaksanakan di lahan sebaran agroforestri yaitu di Kecamatan Sei Bingai, Kecamatan Bahorok,
Lebih terperinciESTIMASI STOK KARBON MENGGUNAKAN CITRA ALOS AVNIR-2 DI HUTAN WANAGAMA KABUPATEN GUNUNGKIDUL. Agus Aryandi
ESTIMASI STOK KARBON MENGGUNAKAN CITRA ALOS AVNIR-2 DI HUTAN WANAGAMA KABUPATEN GUNUNGKIDUL Agus Aryandi agusaryandi0812@gmail.com Zuharnen dt_harnen21@yahoo.co.id Intisari Permasalahan efek rumah kaca
Lebih terperinciPENGARUH METODE KOREKSI RADIOMETRIK CITRA ALOS AVNIR-2 TERHADAP AKURASI HASIL ESTIMASI KARBON VEGETASI TEGAKAN DI WILAYAH KOTA SEMARANG BAGIAN TIMUR
PENGARUH METODE KOREKSI RADIOMETRIK CITRA ALOS AVNIR-2 TERHADAP AKURASI HASIL ESTIMASI KARBON VEGETASI TEGAKAN DI WILAYAH KOTA SEMARANG BAGIAN TIMUR Projo Danoedoro 1,2 Gerry Kristian 2 Khalifah Nur Insan
Lebih terperinciBAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa :
3.1 Data BAB III PEMBAHASAN Data yang digunakan dalam penelitian ini berupa : 1. Citra Landsat-5 TM, path 122 row 065, wilayah Jawa Barat yang direkam pada 2 Juli 2005 (sumber: LAPAN). Band yang digunakan
Lebih terperinciOleh : Hernandi Kustandyo ( ) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Oleh : Hernandi Kustandyo (3508100001) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Ekosistem mangrove adalah salah satu obyek yang bisa diidentifikasi
Lebih terperinciPEMANFAATAN CITRA LANDSAT 8 UNTUK ESTIMASI STOK KARBON HUTAN MANGROVE DI KAWASAN SEGARA ANAKAN CILACAP JAWA TENGAH
PEMANFAATAN CITRA LANDSAT 8 UNTUK ESTIMASI STOK KARBON HUTAN MANGROVE DI KAWASAN SEGARA ANAKAN CILACAP JAWA TENGAH Hernandea Frieda Forestriko hernanda@gmail.com Hartono hartono_ge@ugm.ac.id ABSTRACT This
Lebih terperinciForest Inventory Data. Journal of Environmental Management 113, Sidiq, Wahid Pemanfaatan Penginderaan Jauh dan Sistem Informasi
DAFTAR PUSTAKA Aguaron, Elena., McPherson, E.G. 2012. Comparison of Methods for Estimating Carbon Dioxide Storage by Sacramento s Urban Forest. Carbon Sequestration in Urban Ecosystems. DOI 10.1007/978-94-007-2366-
Lebih terperinciAPLIKASI CITRA ALOS AVNIR-2 UNTUK ESTIMASI VOLUME TEGAKAN PINUS DI WILAYAH KOPENG. Hanafiah Yusuf
APLIKASI CITRA ALOS AVNIR-2 UNTUK ESTIMASI VOLUME TEGAKAN PINUS DI WILAYAH KOPENG Hanafiah Yusuf yusuf@gmail.com Sigit Heru Murti BS sigit@geo.ugm.ac.id ABSTRACT Remote sensoring with spatial and spectral
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Era Teknologi merupakan era dimana informasi serta data dapat didapatkan dan ditransfer secara lebih efektif. Perkembangan ilmu dan teknologi menyebabkan kemajuan
Lebih terperinciMODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA
MODEL PENDUGA BIOMASSA MENGGUNAKAN CITRA LANDSAT DI HUTAN PENDIDIKAN GUNUNG WALAT HARLYN HARLINDA DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI
Lebih terperinciSarono Sigit Heru Murti B.S
ESTIMASI PRODUKSI PADI DENGAN MENGGUNAKAN NDVI (NORMALIZED DIFFERENCE VEGETATION INDEXS) PADA LAHAN SAWAH HASIL SEGMENTASI CITRA ALOS DI KABUPATEN KARANGANYAR Sarono sarono34@gmail.com Sigit Heru Murti
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh yaitu berbagai teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut berbentuk radiasi elektromagnetik
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciSebaran Stok Karbon Berdasarkan Karaktristik Jenis Tanah (Studi Kasus : Area Hutan Halmahera Timur, Kab Maluku Utara)
Sebaran Stok Karbon Berdasarkan Karaktristik Jenis Tanah (Studi Kasus : Area Hutan Halmahera Timur, Kab Maluku Utara) Eva Khudzaeva a a Staf Pengajar Fakultas Sains dan Teknologi Universitas Islam Negeri
Lebih terperinciAplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan)
Aplikasi Penginderaan Jauh Untuk Monitoring Perubahan Ruang Terbuka Hijau (Studi Kasus : Wilayah Barat Kabupaten Pasuruan) Ardiawan Jati, Hepi Hapsari H, Udiana Wahyu D Jurusan Teknik Geomatika, Fakultas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kandungan air kanopi (Canopy Water Content) sangat erat kaitannya dalam kajian untuk mengetahui kondisi vegetasi maupun kondisi ekosistem terestrial pada umumnya. Pada
Lebih terperinciAPLIKASI CITRA SPOT 7 UNTUK ESTIMASI PRODUKSI HIJAUAN RUMPUT PAKAN DI TAMAN NASIONAL BALURAN JAWA TIMUR (Kasus Padang Rumput Bekol)
APLIKASI CITRA SPOT 7 UNTUK ESTIMASI PRODUKSI HIJAUAN RUMPUT PAKAN DI TAMAN NASIONAL BALURAN JAWA TIMUR (Kasus Padang Rumput Bekol) Habib Sidiq Anggoro sidiqanggoro@gmail.com Sigit Heru Murti B S sigit@geo.ugm.ac.id
Lebih terperinciAnalisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur)
JURNAL TEKNIK POMITS Vol. X, No. X, (Apr, 2013) ISSN: 2301-9271 1 Analisis Indeks Vegetasi Menggunakan Citra Satelit FORMOSAT-2 Di Daerah Perkotaan (Studi Kasus: Surabaya Timur) Agneszia Anggi Ashazy dan
Lebih terperinciKegiatan konversi hutan menjadi lahan pertambangan melepaskan cadangan
Kegiatan konversi hutan menjadi lahan pertambangan melepaskan cadangan karbon ke atmosfir dalam jumlah yang cukup berarti. Namun jumlah tersebut tidak memberikan dampak yang berarti terhadap jumlah CO
Lebih terperinciKajian Nilai Indeks Vegetasi Di Daerah Perkotaan Menggunakan Citra FORMOSAT-2 Studi Kasus: Surabaya Timur L/O/G/O
Sidang Tugas Akhir Kajian Nilai Indeks Vegetasi Di Daerah Perkotaan Menggunakan Citra FORMOSAT-2 Studi Kasus: Surabaya Timur Agneszia Anggi Ashazy 3509100061 L/O/G/O PENDAHULUAN Latar Belakang Carolita
Lebih terperinciPEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU
PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU Ajun Purwanto Program Sudi Pendidikan Geografi Fakultas Ilmu
Lebih terperinciKOMPARASI INDEKS VEGETASI UNTUK ESTIMASI STOK KARBON HUTAN MANGROVE KAWASAN SEGORO ANAK PADA KAWASAN TAMAN NASIONAL ALAS PURWO BANYUWANGI, JAWA TIMUR
KOMPARASI INDEKS VEGETASI UNTUK ESTIMASI STOK KARBON HUTAN MANGROVE KAWASAN SEGORO ANAK PADA KAWASAN TAMAN NASIONAL ALAS PURWO BANYUWANGI, JAWA TIMUR (Comparison of Vegetation Indices for Mangrove Carbon
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
1.1. Latar Belakang BAB I PENDAHULUAN Teh merupakan salah satu komoditi subsektor perkebunan yang memiliki berbagai peranan dan manfaat. Teh dikenal memiliki kandungan katekin (antioksidan alami) yang
Lebih terperinciANALISIS PERUBAHAN CADANGAN KARBON DI KAWASAN GUNUNG PADANG KOTA PADANG
ANALISIS PERUBAHAN CADANGAN KARBON DI KAWASAN GUNUNG PADANG KOTA PADANG Rina Sukesi 1, Dedi Hermon 2, Endah Purwaningsih 2 Program Studi Pendidikan Geografi, Fakultas Ilmu Sosial, Universitas Negeri Padang
Lebih terperinciANALISIS KESESUAIAN LAHAN PERUMAHAN KELAS MENENGAH MENGGUNAKAN DATA PENGINDERAAN JAUH DENGAN SISTEM INFORMASI GEOGRAFIS DI KOTA SURABAYA
ANALISIS KESESUAIAN LAHAN PERUMAHAN KELAS MENENGAH MENGGUNAKAN DATA PENGINDERAAN JAUH DENGAN SISTEM INFORMASI GEOGRAFIS DI KOTA SURABAYA Artan Niki Alunita artan_niki@yahoo.com Projo Danoedoro projo.danoedoro@yahoo.com
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris dimana sebagian besar penduduknya bekerja sebagai petani. Berdasarkan sensus penduduk tahun 2010, jumlah penduduk yang bermata pencaharian
Lebih terperinciANALISIS INDEKS VEGETASI MANGROVE MENGGUNAKAN CITRA SATELIT ALOS AVNIR-2 (Studi Kasus: Estuari Perancak, Bali)
ANALISIS INDEKS VEGETASI MANGROVE MENGGUNAKAN CITRA SATELIT ALOS AVNIR-2 (Studi Kasus: Estuari Perancak, Bali) ANALYSIS OF MANGROVE VEGETATION INDEX USING AN ALOS AVNIR-2 SATELLITE (A case study: Estuari
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Lahan merupakan sumberdaya alam yang bersifat langka karena jumlahnya tidak bertambah, tetapi kebutuhan terhadap lahan selalu meningkat. Alih fungsi lahan pertanian
Lebih terperinciJURNAL TEKNIK POMITS Vol. x, No. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1
JURNAL TEKNIK POMITS Vol. x,. x, (2014) ISSN: xxxx-xxxx (xxxx-x Print) 1 Pemanfaatan Data Penginderaan Jauh untuk Identifikasi Kerusakan Hutan di Daerah Aliran Sungai (DAS) (Studi Kasus : Sub DAS Brantas
Lebih terperinciPENYUSUNAN MODEL PENDUGAAN DAN PEMETAAN BIOMASSA PERMUKAAN PADA TEGAKAN JATI
PENYUSUNAN MODEL PENDUGAAN DAN PEMETAAN BIOMASSA PERMUKAAN PADA TEGAKAN JATI (Tectona grandis Linn.F) MENGGUNAKAN CITRA ALOS PALSAR RESOLUSI 50 M DAN 12,5 M (Studi Kasus : KPH Kebonharjo Perhutani Unit
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciBAB I PENDAHULUAN. Tanaman kelapa sawit (Elaeis guineensis jacq) merupakan tanaman yang
1 BAB I PENDAHULUAN A. Latar Belakang Masalah Tanaman kelapa sawit (Elaeis guineensis jacq) merupakan tanaman yang berasal dari Afrika dan Amerika Selatan, tepatnya Brasilia. Tanaman kelapa sawit awalnya
Lebih terperinciPENDUGAAN KANDUNGAN KARBON DI ATAS PERMUKAAN TANAH PADA KAWASAN ARBORETUM UNIVERSITAS RIAU
PENDUGAAN KANDUNGAN KARBON DI ATAS PERMUKAAN TANAH PADA KAWASAN ARBORETUM UNIVERSITAS RIAU ESTIMATION OF THE CARBON POTENTIAL IN THE ABOVE GROUND AT ARBEROTUM AREA OF RIAU UNIVERSITY Ricky Pratama 1, Evi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Hutan merupakan suatu kesatuan ekosistem berupa hamparan lahan berisi sumber daya alam hayati yang didominasi pepohonan dalam persekutuan alam lingkungannya, yang satu
Lebih terperinciBAB I PENDAHULUAN I.1. Latar Belakang
BAB I PENDAHULUAN I.1. Latar Belakang Ilmu penginderaan jauh berkembang sangat pesat dari masa ke masa. Teknologi sistem sensor satelit dan berbagai algoritma pemrosesan sinyal digital memudahkan pengambilan
Lebih terperinciESTIMASI PRODUKSI PADI BERBASIS PEMROSESAN CITRA LANDSAT 8 OLI DI KABUPATEN PONOROGO
ESTIMASI PRODUKSI PADI BERBASIS PEMROSESAN CITRA LANDSAT 8 OLI DI KABUPATEN PONOROGO M. Randy Aswin mrandyaswin@gmail.com Sigit Heru Murti B. S. sigit@geo.ugm.ac.id Abstract This study aims to: 1) Determine
Lebih terperinciBAB I PENDAHULUAN. Sistem penambangan batubara pada umumnya di Indonesia adalah sistem
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem penambangan batubara pada umumnya di Indonesia adalah sistem tambang terbuka (open pit mining) dengan teknik back filling. Sistem ini merupakan metode konvensional
Lebih terperinciAplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2
Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2 Tunjung S. Wibowo tjswibowo@gmail.com R. Suharyadi suharyadir@ugm.ac.id Abstract The
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Ancaman perubahan iklim sangat menjadi perhatian masyarakat dibelahan dunia manapun. Ancaman dan isu-isu yang terkait mengenai perubahan iklim terimplikasi dalam Protokol
Lebih terperinciA JW Hatulesila. Analisis Spasial Ruang Terbuka Hijau (RTH) untuk Penanganan Perubahan Iklim di Kota Ambon. Abstrak
A123-04-1-JW Hatulesila Analisis Spasial Ruang Terbuka Hijau (RTH) untuk Penanganan Perubahan Iklim di Kota Ambon Jan Willem Hatulesila 1), Gun Mardiatmoko 1), Jusuph Wattimury 2) 1) Staf Pengajar Fakultas
Lebih terperinciJURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA
Lebih terperinciJurnal Tanah dan Sumberdaya Lahan Vol 5 No 1 : , 2018 e-issn:
HUBUNGAN PENDUGAAN CADANGAN KARBON PADA TEGAKAN JATI MENGGUNAKAN PENGINDERAANN JAUH DAN PENGUKURAN LAPANGAN Relationship of Carbon Stock Estimation on Teak Using Remote Sensing and Field Measurement Izzuddin
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperinciPENDEKATAN MULTIREGRESI INDEKS VEGETASI UNTUK PENDUGAAN STOK KARBON
PENDEKATAN MULTIREGRESI INDEKS VEGETASI UNTUK PENDUGAAN STOK KARBON TUGAS AKHIR Karya tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh Muhammad Ilham NIM. 15107004 PROGRAM STUDI TEKNIK
Lebih terperinciBab IV Hasil dan Pembahasan
Bab IV Hasil dan Pembahasan 4.1. Hasil 4.1.1. Digitasi dan Klasifikasi Kerapatan Vegetasi Mangrove Digitasi terhadap citra yang sudah terkoreksi dilakukan untuk mendapatkan tutupan vegetasi mangrove di
Lebih terperinciBAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian 3.2 Bahan dan Alat
21 BAB III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan di KPH Kebonharjo Perum Perhutani Unit I, Jawa Tengah. Meliputi Bagian Hutan (BH) Tuder dan Balo, pada Kelas Perusahaan Jati.
Lebih terperinci4. HASIL PENELITIAN DAN PEMBAHASAN
61 4. HASIL PENELITIAN DAN PEMBAHASAN 4.1 Identifikasi Degradasi Hutan di Lapangan 4.1.1 Identifikasi Peubah Pendugaan Degradasi di Lapangan Identifikasi degradasi hutan di lapangan menggunakan indikator
Lebih terperinciESTIMASI STOK KARBON HUTAN DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2 DI SEBAGIAN KECAMATAN LONG PAHANGAI, KABUPATEN KUTAI BARAT
ESTIMASI STOK KARBON HUTAN DENGAN MENGGUNAKAN CITRA ALOS AVNIR-2 DI SEBAGIAN KECAMATAN LONG PAHANGAI, KABUPATEN KUTAI BARAT Annisa Pambudhi apambudhi51@gmail.com Sigit Heru Murti B.S. sigit@geo.ugm.ac.id
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1. 1. Latar Belakang Kota-kota di Indonesia saat ini berkembang sangat pesat, hal ini tidak terlepas dari pengaruh pertumbuhan penduduk sebagai dampak dari arus urbanisasi. Kenyataan
Lebih terperinciBAB II. TINJAUAN PUSTAKA
DAFTAR ISI Halaman HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xii ABSTRACT... xiii
Lebih terperinciAnalisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel 5) digunakan analisis separabilitas. B
Tabel 5 Matriks Transformed Divergence (TD) 25 klaster dengan klasifikasi tidak terbimbing 35 36 4.1.2 Analisis Separabilitas Untuk mengetahui tingkat keterpisahan tiap klaster dari hasil klastering (Tabel
Lebih terperinciGeo Image 5 (2) (2016) Geo Image.
Geo Image 5 (2) (2016) Geo Image http://journal.unnes.ac.id/sju/index.php/geoimage ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIKPENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA PANGAN Ahmad Yazidun
Lebih terperinciPerubahan Penggunaan Tanah Sebelum dan Sesudah Dibangun Jalan Tol Ulujami-Serpong Tahun di Kota Tangerang Selatan
Perubahan Penggunaan Tanah Sebelum dan Sesudah Dibangun Jalan Tol Ulujami-Serpong Tahun 2000-2016 di Kota Tangerang Selatan Aisyah Desinah 1, Mangapul P. Tambunan 2, Supriatna 3 1 Departemen Geografi.
Lebih terperinciGeo Image 6 (1) (2017) Geo Image.
Geo Image 6 (1) (2017) Geo Image http://journal.unnes.ac.id/sju/index.php/geoimage KAJIAN KERAPATAN VEGETASI HUTAN LINDUNG GUNUNG UNGARAN JAWA TENGAH TAHUN 2016 MENGGUNAKAN METODE INDEKS VEGETASI Nuansa
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian ini dilaksanakan di KPH Banyumas Barat (Bagian Hutan Dayeuluhur, Majenang dan Lumbir). Penelitian ini dilakukan dengan mengolah dan menganalisis
Lebih terperinciAPLIKASI PENGINDERAAN JAUH UNTUK ESTIMASI PRODUKSI TANAMAN KARET (Hevea Brasiliensis) DI KOTA SALATIGA, JAWA TENGAH
APLIKASI PENGINDERAAN JAUH UNTUK ESTIMASI PRODUKSI TANAMAN KARET (Hevea Brasiliensis) DI KOTA SALATIGA, JAWA TENGAH Wenang Anurogo wenanganurogo@gmail.com Sigit Heru Murti BS sigit.heru.murti@ugm.ac.id
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pemanfaatan penggunaan lahan akhir-akhir ini semakin mengalami peningkatan. Kecenderungan peningkatan penggunaan lahan dalam sektor permukiman dan industri mengakibatkan
Lebih terperinciEVALUASI PERUBAHAN TUTUPAN LAHAN WILAYAH PERAIRAN PESISIR SURABAYA TIMUR SIDOARJO DENGAN MENGGUNAKAN CITRA SATELIT MULTITEMPORAL
EVALUASI PERUBAHAN TUTUPAN LAHAN WILAYAH PERAIRAN PESISIR SURABAYA TIMUR SIDOARJO DENGAN MENGGUNAKAN CITRA SATELIT MULTITEMPORAL Grace Idolayanti Moko 1, Teguh Hariyanto 1, Wiweka 2, Sigit Julimantoro
Lebih terperinciABSTRAK. Kata kunci: Ruang Terbuka Hijau, Penginderaan Jauh, Citra Landsat 8, Indeks Vegetasi (NDVI, MSAVI2 dan WDRVI) vii
ABSTRAK Ruang Terbuka Hijau kota adalah bagian dari ruang-ruang terbuka (open space) suatu wilayah perkotaan yang diisi oleh tumbuhan dan berbagai jenis Vegetasi lainnya. Keanekaragaman suatu Vegetasi
Lebih terperinciI Ketut Putrajaya. PENDAHULUAN
TERSEDIA SECARA ONLINE http://journal2.um.ac.id/index.php /jpg/ JURNAL PENDIDIKAN GEOGRAFI: Kajian, Teori, dan Praktek dalam Bidang Pendidikan dan Ilmu Geografi Tahun 22, No. 1, Januari 2017 Halaman: 49-59
Lebih terperinciII. TINJAUAN PUSTAKA 2.1. Usahatani Padi dan Mobilitas Petani Padi
II. TINJAUAN PUSTAKA 2.1. Usahatani Padi dan Mobilitas Petani Padi Usahatani merupakan organisasi dari alam, kerja, dan modal yang ditujukan kepada produksi lapangan pertanian (Hernanto, 1995). Organisasi
Lebih terperinciStudi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau)
A758 Studi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau) Agita Setya Herwanda, Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan
Lebih terperinciLatar belakang. Kerusakan hutan. Perlu usaha: Perlindungan Pemantauan 22/06/2012
Deteksi Kesehatan Hutan Menggunakan Data Penginderaan Jauh di Hutan Lahan Kering SIGIT NUGROHO Latar belakang Kerusakan hutan Perlu usaha: Perlindungan Pemantauan Efisien waktu Efektif Hemat biaya Mudah
Lebih terperinciKAJIAN AKURASI INTERPRETASI HIBRIDA MENGGUNAKAN EMPAT INDEKS VEGETASI UNTUK PEMETAAN KERAPATAN KANOPI DI KAWASAN HUTAN KABUPATEN GUNUNGKIDUL
KAJIAN AKURASI INTERPRETASI HIBRIDA MENGGUNAKAN EMPAT INDEKS VEGETASI UNTUK PEMETAAN KERAPATAN KANOPI DI KAWASAN HUTAN KABUPATEN GUNUNGKIDUL Monica Mayda Pratiwi monica.m.pratiwi@gmail.com Hartono hartonogeografi@yahoo.co.id
Lebih terperinciBAB I PENDAHULUAN. Gambar 1.1. Persebaran Lahan Produksi Kelapa Sawit di Indonesia Sumber : Badan Koordinasi dan Penanaman Modal
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Indonesia merupakan sebuah negara kepulauan dengan jumlah penduduk pada tahun 2014 sebanyak 237.641.326 juta jiwa, hal ini juga menempatkan Negara Indonesia
Lebih terperinciEvaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan
Sukristiyanti et al. / Jurnal Riset Geologi dan Pertambangan Jilid 17 No.1 ( 2007) 1-10 1 Evaluasi Indeks Urban Pada Citra Landsat Multitemporal Dalam Ekstraksi Kepadatan Bangunan SUKRISTIYANTI a, R. SUHARYADI
Lebih terperinciJurnal Manajemen Hutan Tropika Vol. 6 No. 1 : 1-5 (2000)
Jurnal Manajemen Hutan Tropika Vol. 6 No. 1 : 1-5 (2000) Artikel (Article) PENDUGAAN BIOMASSA POHON BERDASARKAN MODEL FRACTAL BRANCHING PADA HUTAN SEKUNDER DI RANTAU PANDAN, JAMBI Fractal Branching Model
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinciI Ketut Putrajaya. PENDAHULUAN
TERSEDIA SECARA ONLINE http://journal2.um.ac.id/index.php /jpg/ JURNAL PENDIDIKAN GEOGRAFI: Kajian, Teori, dan Praktek dalam Bidang Pendidikan dan Ilmu Geografi Tahun 22, No. 1, Januari 2017 Halaman: 49-59
Lebih terperinciGambar 1. Peta DAS penelitian
Gambar 1. Peta DAS penelitian 1 1.1. Proses Penentuan Model Kemiringan Lereng Kemiringan lereng ditentukan berdasarkan informasi ketinggian dan jarak pada data DEM yang berbasis raster (piksel). Besarnya
Lebih terperinciANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS
ANALISA KESEHATAN VEGETASI MANGROVE BERDASARKAN NILAI NDVI (NORMALIZED DIFFERENCE VEGETATION INDEX ) MENGGUNAKAN CITRA ALOS Oleh : Tyas Eka Kusumaningrum 3509 100 001 LATAR BELAKANG Kawasan Pesisir Kota
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciDAFTAR TABEL. No. Tabel Judul Tabel No. Hal.
DAFTAR ISI Halaman Judul... No Hal. Intisari... i ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... ix DAFTAR GAMBAR... x DAFTAR LAMPIRAN... xi BAB I... 1 1.1. Latar Belakang... 1 1.2.
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
Lebih terperinciTINJAUAN PUSTAKA. Lillesand dan Kiefer (1997), mendefenisikan penginderaan jauh sebagai
TINJAUAN PUSTAKA Penginderaan Jarak Jauh Lillesand dan Kiefer (1997), mendefenisikan penginderaan jauh sebagai ilmu dan seni untuk memperoleh informasi tentang objek, daerah atau gejala dengan jalan menganalisis
Lebih terperinciNorida Maryantika 1, Lalu Muhammad Jaelani 1, Andie Setiyoko 2.
ANALISA PERUBAHAN VEGETASI DITINJAU DARI TINGKAT KETINGGIAN DAN KEMIRINGAN LAHAN MENGGUNAKAN CITRA SATELIT LANDSAT DAN SPOT 4 (STUDI KASUS KABUPATEN PASURUAN) rida Maryantika 1, Lalu Muhammad Jaelani 1,
Lebih terperinciGambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321
V. HASIL DAN PEMBAHASAN 5.1. Analisis Spektral Citra yang digunakan pada penelitian ini adalah Citra ALOS AVNIR-2 yang diakuisisi pada tanggal 30 Juni 2009 seperti yang tampak pada Gambar 11. Untuk dapat
Lebih terperinciLatar Belakang. Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan.
SIDANG TUGAS AKHIR PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN RUNGKUT SURABAYA) Oleh Dewi Nur
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Belakang Sumberdaya alam ialah segala sesuatu yang muncul secara alami yang dapat digunakan untuk pemenuhan kebutuhan manusia pada umumnya. Hutan termasuk kedalam sumber daya
Lebih terperinciTEKNIK PENGUKURAN DIAMETER POHON DENGAN BENTUK YANG BERBEDA. Bentuk pohon Diagram Prosedur pengukuran. Pengukuran normal
TEKNIK PENGUKURAN DIAMETER POHON DENGAN BENTUK YANG BERBEDA Bentuk pohon Diagram Prosedur pengukuran Normal Pengukuran normal Normal pada lahan yang miring Jika pohon berada pada lahan yang miring, posisi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kelapa sawit (Elaeis guineensis Jacq.) merupakan tanaman perkebunan utama di Indonesia. Kelapa sawit menjadi komoditas penting dikarenakan mampu memiliki rendemen
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. 23 LAMPIRAN
23 LAMPIRAN 24 Lampiran 1 Diagram Alir Penelitian Data Citra LANDSAT-TM/ETM Koreksi Geometrik Croping Wilayah Kajian Kanal 2,4,5 Kanal 1,2,3 Kanal 3,4 Spectral Radiance (L λ ) Albedo NDVI Class Radiasi
Lebih terperinciBangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S
Interpretasi Hibrida Untuk Identifikasi Perubahan Lahan Terbangun dan Kepadatan Bangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S anggitovenuary@outlook.com
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciPEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO. Risma Fadhilla Arsy
PEMANFAATAN CITRA ASTER DIGITAL UNTUK ESTIMASI DAN PEMETAAN EROSI TANAH DI DAERAH ALIRAN SUNGAI OYO Risma Fadhilla Arsy Abstrak : Penelitian di Daerah Aliran Sungai Oyo ini bertujuan mengesktrak parameter
Lebih terperinciPemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo)
Pemanfaatan Data Landsat-8 dan MODIS untuk Identifikasi Daerah Bekas Terbakar Menggunakan Metode NDVI (Studi Kasus: Kawasan Gunung Bromo) Nurul Aini Dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas
Lebih terperinciAnalisis Rona Awal Lingkungan dari Pengolahan Citra Landsat 7 ETM+ (Studi Kasus :Daerah Eksplorasi Geothermal Kecamatan Sempol, Bondowoso)
JURNAL TEKNIK POMITS Vol. X, No. X, (Mar, 2013) ISSN: 2301-9271 Analisis Rona Awal Lingkungan dari Pengolahan Citra Landsat 7 ETM+ (Studi Kasus :Daerah Eksplorasi Geothermal Kecamatan Sempol, Bondowoso)
Lebih terperinciInterpretasi Citra Satelit Landsat 8 Untuk Identifikasi Kerusakan Hutan Mangrove di Taman Hutan Raya Ngurah Rai Bali
Interpretasi Citra Satelit Landsat 8 Untuk Identifikasi Kerusakan Hutan Mangrove di Taman Hutan Raya Ngurah Rai Bali I WAYAN RUMADA A. A. ISTRI KESUMADEWI *) R. SUYARTO Program Studi Agroekoteknologi,
Lebih terperinciIII. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian
III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan
Lebih terperinciI. PENDAHULUAN 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Kemampuan hutan dan ekosistem didalamnya sebagai penyimpan karbon dalam bentuk biomassa di atas tanah dan di bawah tanah mempunyai peranan penting untuk menjaga keseimbangan
Lebih terperinciBAB II METODE PENELITIAN
BAB II METODE PENELITIAN 2.1 Waktu dan Tempat Penelitian ini dimulai pada bulan Agustus 2010 sampai dengan bulan Nopember 2010. Lokasi penelitian terletak di Kabupaten Simalungun dan sekitarnya, Provinsi
Lebih terperinciPENDUGAAN CADANGAN KARBON HUTAN TANAMAN
PENDUGAAN CADANGAN KARBON HUTAN TANAMAN Eucalyptus grandis TAHUN TANAM 2004 DAN 2005 DI AREAL HPHTI PT TPL SEKTOR AEK NAULI MENGGUNAKAN CITRA LANDSAT TM SKRIPSI Oleh: NORA V. BUTARBUTAR 051201030 DEPARTEMEN
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciTINJAUAN PUSTAKA. Pendugaan Cadangan Karbon pada Berbagai Tingkat Lahan. Menurut Hairiah 2001 menyatakan bahwa pada ekosistem daratan,
TINJAUAN PUSTAKA Pendugaan Cadangan Karbon pada Berbagai Tingkat Lahan Menurut Hairiah 2001 menyatakan bahwa pada ekosistem daratan, cadangan karbon disimpan dalam 3 komponen pokok, yaitu: 1. Bagian hidup
Lebih terperinciPerubahan Nilai Konsentrasi TSM dan Klorofil-a serta Kaitan terhadap Perubahan Land Cover di Kawasan Pesisir Tegal antara Tahun
Perubahan Nilai Konsentrasi TSM dan Klorofil-a serta Kaitan terhadap Perubahan Land Cover di Kawasan Pesisir Tegal antara Tahun 1994-2012 Miftah Farid 1 1 Departemen Geografi, FMIPA UI, Kampus UI Depok
Lebih terperinciFakultas Geografi, Universitas Gadjah Mada, Yogyakarta, Indonesia 123
ISSN 0125-1790 (print), ISSN 2540-945X (online) Majalah Geografi Indonesia Vol. 31, No.1, Maret 2017 (65-72) 2017 Fakultas Geografi UGM dan Ikatan Geograf Indonesia (IGI) Pemanfaatan Citra Landsat 8 Multitemporal
Lebih terperinciII. TINJAUAN PUSTAKA
3 II. TINJAUAN PUSTAKA 2.1. Biomassa Biomassa adalah jumlah bahan organik yang diproduksi oleh organisme (tumbuhan) per satuan unit area pada suatu saat. Biomassa bisa dinyatakan dalam ukuran berat, seperti
Lebih terperinci