Kekeringan pertanian merupakan penurunan kondisi lengas tanah yang dibutuhkan untuk pertumbuhan tanaman. Perhitungan neraca air adalah model kajian kekeringan pertanian yqng membutuhkan informasi Water Holding Capacity (WHC) Secara tidak langsung WHC dapat diturunkan dari penggunaan lahan dan bentuk lahan melalui pemanfaatan citra penginderaan jauh. Informasi kehijauan vegetasi dari citra penginderaan jauh dapat dijadikan indikator kekeringan pertanian. Tujuan dari penelitian ini adalah 1) mengekstrak data penggunaan lahan dan bentuk lahan dari satelit ALOS AVNIR-2, 2) mengkaji hubungan antara Normalized Difference of Vegetation Index (NDVI) dengan lengas tanah dari neraca air Thornthwaite-Mather, 3) mengkaji tingkat kekeringan pertanian dan sebarannya dengan metode Thornthwaite-Mather. Penelitian ini dilakukan dengan metode analisis citra, analisis neraca air dan analisis regresi. Analisis citra yang dilakukan adalah klasifikasi maximum likelihood untuk pemetaan penggunaan lahan, penyusunan citra komposit untuk interpretasi visual bentuk lahan dan transformasi indeks vegetasi untuk menurunkan informasi tingkat kehijauan vegetasi. Informasi WHC yang digunakan untuk analisis neraca air diperoleh melalui pemetaan tekstur tanah dengan pendekatan satuan lahan. Kekeringan pertanian diestimasi dengan perhitungan defisit lengas tanah dari neraca air yang diklasifikasi menjadi kekeringan rendah, sedang dan tinggi. Untuk menguji NDVI sebagai indikator kekeringan pertanian dilakukan analisis regresi antara lengas tanah dari neraca air dan NDVI. Sampel lengas tanah dipilih secara stratified proporsional random pada lahan sawah tadah hujan dan tegalan yang dihubungkan dengan posisi NDVI dengan nilai rata-rata 4 piksel. Hasil penelitian menunjukkan bahwa ekstraksi penggunaan lahan dan bentuk lahan dengan ketelitian klasifikasi level II masing-masing 81,65% dan 84,21%.. Hasil regresi linier lengas tanah dengan NDVI menunjukkan hubungan yang kuat dengan nilai R2 = 0,566 pada taraf kepercayaan 95%. Hasil regresi ini sejalan dengan hasil perhitungan luas peta kehijauan vegetasi yaitu 92,7% luas sawah tadah hujan dan 85,15% luas tegalan mempunyai kehijauan rendah pada kondisi kekeringan pertanian tinggi. Dengan demikian NDVI dapat dijadikan indikator kekeringan pertanian. Analisis neraca air menunjukkan bahwa pada Bulan April nilai indeks kekeringan pertanian <16,66 yang berarti belum terjadi kekeringan walaupun pada lahan tadah hujan dan tegalan mengalami defisit lengas tanah dari 0,2mm – 33,82mm. Pada Bulan Mei terjadi variasi tingkat kekeringan pertanian yaitu kekeringan sedang dengan defisit tertinggi 38,85mm dan kekeringan tinggi dengan defisit >44mm. Mulai Bulan Juni sampai Oktober terjadi kekeringan tinggi di seluruh lahan tadah hujan dan tegalan dengan defisit air mencapai 158mm.

Agricultural drought is a decrease in soil moisture condition required for plant growth. Water balance computation is model to study the agricultural drought requiring information on Water Holding Capacity (WHC). The WHC can be indirectly derived from land use and landform by utilizing remote sensing image. The information on vegetation greenness from remote sensing image can serve as the indicator of agricultural drought. The purpose of this research were to 1) extract data on land use and landform from ALOS AVNIR-2 satellite, 2) examine the relationship between the Normalized Difference of Vegetation Index (NDVI) with soil moisture from Thornthwaite-Mather water balance, 3) investigate the level and distribution of agricultural drought by using Thornthwaite-Mather method. This research was carried out by using image analysis, water balance analysis and regression analysis methods. The image analysis was performed by classifying the maximum likelihood of land use mapping, by developing composite images for the visual interpretation of landform and NDVI to classify the level of vegetation greenness. The WHC information used in water balance analysis was obtained by using soil texture mapping approach through the use of land units. Agricultural drought was estimated by computing soil moisture deficit from water balance classified into low, medium and high levels of drought. To test the NDVI as an indicator of agricultural drought, a regression analysis between soil moisture and NDVI of water balance was conducted. Stratified proportional random soil moisture samples were selected from rainfed and irrigated dry fields related to NDVI with the average value of 4 pixels. The result of the research showed that the image extraction of land use and landform with the level II of classification accuracy were 81.65% and 84.21%, respectively. The results of linear regression of soil moisture on NDVI showed a strong relationship with R value of 0.566 at 95% confidence level. The result of this regression was consistent with the computation results of vegetation greenness map of 92.7% of rainfed field area and 85.15% of dry field area had low greenness level at high agricultural drought condition. Therefore, NDVI was able to be used as the indicator of agricultural drought. Water balance analysis showed that in April the agricultural drought index value was <16.66 indicating that drought had not occurred yet although the soils of dry fields and rainfed fields underwent the moisture deficit between 0.2 mm - 33.82 mm. In May the variation of agricultural drought levels was detected, namely, moderate and high levels of drought, with the highest deficits of 38.85 mm and > 44 mm, respectively. From June to October, high level of drought across rainfed field and dry fields with water deficit reaching 158mm was found.

Kata Kunci : Kekeringan pertanian,Neraca air,Lengas tanah,NDVI