Pemanfaatan citra Landsat 7 ETM(plus) untuk menduga volume tegakan hutan rawa gambut tropika Kalimantan Tengah

AGUSWAN, Yusuf, Dr. Hartono, DEA., DESS

2008 | Tesis | S2 Penginderaan Jauh

Volume tegakan hutan adalah salah satu hasil dari inventarisasi hutan sebagai dasar pembuatan suatu rencana dalam pengelolaan hutan. Hutan rawa gambut tropika di Kalimantan Tengah sangat luas dengan medan yang sulit untuk didatangi. Inventarisasi di seluruh areal hutan gambut tersebut akan memerlukan waktu yang lama dan biaya yang tinggi. Citra penginderaan jauh adalah solusi untuk mengatasi masalah tersebut. Tujuan dari penelitian ini adalah : 1). Mengkaji liputan kanopi hutan rawa gambut menggunakan transformasi indeks vegetasi data digital citra Landsat 7 ETM+ yang dipadukan dengan kerja lapangan dan analisis statistik; 2). Menduga volume tegakan hutan rawa gambut dengan menggunakan kajian spektral liputan kanopi; 3). Menghitung tingkat ketelitian hasil pendugaan volume tegakan hutan rawa gambut yang diperoleh dari kajian spektral data digital citra Landsat 7 ETM+. Metode yang digunakan dalam penelitian ini adalah teknik penginderaan jauh dengan pengolahan citra digital yang dipadukan dengan kerja lapangan dan analisis statistik. Pengolahan citra digital tersebut dititikberatkan pada aspek transformasi indeks vegetasi yang didasarkan pada nilai piksel hasil ekstraksi dari data citra Landsat 7 ETM+. Hutan rawa gambut tropika kaya strata kanopi. Dalam pengolahan indeks vegetasi adanya strata kanopi akan menimbulkan bayangan pohon yang merupakan masalah, karena akan menimbulkan kesalahan nilai indeks. Pada kajian ini akan digunakan software yang menggunakan koreksi bayangan dan yang tidak menggunakan koreksi bayangan. Kedua software yang digunakan yaitu Forest Canopy Density (FCD) Mapper Versi 1.0 dan Enviromental for Visualizing Images (ENVI) Versi 4.2 . FCD Mapper 1.0 digunakan untuk melakukan transformasi Forest Canopy Density Index (FCDI) yang menggunakan integrasi empat buah indeks yaitu : Advances Vegetation Index (AVI), Bare Soil Index, Thermal Index dan Shadow Index. ENVI 4.2 digunakan untuk transformasi indeks vegetasi yang menggunakan penisbahan antara band merah dan inframerah dekat yaitu Ratio Vegetation Indeks (RVI), Normalized Difference Vegetation Indeks (NDVI), Transformed Vegetation Indeks (TVI), Different Vegetation Indeks (DVI), Soil Adjusted Vegetation Indeks (SAVI) dan Modified Soil Adjusted Vegetation Indeks (MSAVI). Pembagian kelas hutan tersebut didasarkan pada hasil klasifikasi digital dari masing masing transformasi indeks vegetasi. Klasifikasi multispektral yang digunakan adalah klasifikasi terselia (supervised classification) dengan menggunakan algoritma maximum likelihood (maximum likelihood algorithm). Pembagian kelas liputan kanopi menggunakan pembagian kelas menurut FCDI yang keluarkan oleh ITTO – JOFCA tahun 2003 dengan modifikasi. Survey lapangan dilakukan pada 32 lokasi contoh yang masing-masing lokasi contoh terdiri dari 9 piksel. Kerapatan kanopi pohon diukur pada 9 piksel, akan tetapi kerapatan tegakan, diameter, tinggi pohon bebas cabang, tinggi tinggi total dan tumbuhan bawah serta data lain yang diperlukan hanya diukur pada 2 piksel dari setiap lokasi contoh yang dipilih. Data hasil transformasi indeks vegetasi yang diperoleh dari citra Landsat 7 ETM+ dan parameter lapangan dianalisis dengan menggunakan model regresi-korelasi berganda. Hasil perhitungan statistik digunakan untuk melihat pengaruh parameter lapangan dalam model regresi. Model regresi yang memenuhi syarat akan digunakan untuk menghitung volume tegakan. Hasil penelitian ini menunjukan bahwa FCDI dapat digunakan untuk membedakan liputan kanopi di hutan rawa gambut tropika dengan ketelitian mencapai 85,71 %. Artinya adalah bahwa FCDI dapat digunakan untuk mengkaji hutan rawa gambut tropika dan hutan hujan tropika yang kaya lapisan kanopi. Sebaliknya dalam membedakan liputan kanopi, RVI, MSAVI, TVI, NDVI, SAVI dan DVI masing-masing secara berurutan hanya dapat memberikan ketelitian sebesar 65.01%, 64.86%, 61.41%, 61.15%, 59.14% and 55.92%. Kasus pada citra komposit 543 dan 453 juga menunjukan hal sama. Artinya kedua metode tersebut tidak dapat digunakan untuk mengkaji hutan rawa gambut tropika. Tipe hutan rawa gambut tropika daerah kajian adalah tipe hutan rawa gambut 5 dan 6 klasifikasi Whitmore yang artinya kaya akan lapisan kanopi. FCDI dapat diduga dari volume tegakan hutan dalam satu piksel landsat dengan model regresi Y = (X – 7,24)/112,84 atau Volume tegakan hutan = (FCDI – 7,24)/112,84 dengan r = 0.90. Oleh karena itu, FCDI dapat digunakan untuk melakukan analisis liputan kanopi dan struktur hutan rawa gambut serta hutan hujan tropis yang kaya dengan lapisan kanopi.

Forest-stand volume is one of basic data in planning forest management. Tropical peat swamp forest in Central Kalimantan is very huge and vast. Field study in this ecosystem is very difficult, time consuming, and high cost. Therefore remote-sensing imagery is a solution in solving these problems. The purpose of this research to: 1). study the canopy closures of tropical peat swamp forest using transformation of vegetation indices from Landsat 7 ETM+ digital imagery in combination with ground-truth study; 2). estimate forest stand volumes using spectral of canopy- closures; 3). calculate the accuracy of forest volume estimation based on the spectral data of Landsat 7 ETM+ digital imagery. The analyses were conducted based on the combinations between digitalimage analyses, ground truth, and statistical analyses. The transformation of vegetation indices using extraction of pixel values from Landsat 7 ETM+ was implemented. The tropical peat-swamp forest is rich with canopy layers which caused the problem in vegetation index analyses. The problem is due to the effect of the tree shadow, which caused the error in index values of the vegetation analyses. This study used the software of Forest Canopy Density (FCD) Mapper Version 1.0 with shadow correction in comparison with Environmental for Visualizing Images (ENVI) Version 4.2. Four indices of Advance Vegetation Index (AVI), Bare Soil Index, Thermal Index, and Shadow Index were used in transforming Forest Canopy Density Index (FCDI). The transformation used ratio of red and near infra-red bands. Those ratio were Vegetation index (RVI), Normalized Difference Vegetation Index (NDVI), Transformed Vegetation Index (TVI), Different Vegetation Index (DVI), Soil Adjusted Vegetation Index (SAVI), and Modified Soil Adjusted Vegetation Index (MSAVI). The supervised forest classification was based on the results of digital spectral values of each vegetation-index transformation using Maximum Likelihood Algorithm. The classification of canopy closure using the classification of FCDI by ITTO-JOFCA 2003 with modification. Ground truth was conducted in 32 training areas, and each of it had 9 pixels. The canopy closure densities were measured on the 9 pixels. However, the stand densities, diameters, the first tree-branch height, tree height, and forest-floor vegetation were measured on the 2 pixels of the training areas. The results from transformation vegetation indices from Landsat 7 ETM+ imagery and ground truth data were analyzed using multiple regressioncorrelation model. These results were used to further study the effect of field data in attempt to find which models were appropriate for estimation of forest-stand volume. The results showed that FCDI can be used to study canopy closure of tropical peat-swamp forest with the accuracy of 85.71% . This means that FCDI can be used to study the tropical peat-swamp forest and tropical rain forest which rich with canopy layers. In contrast, the accuracy of RVI, MSAVI, TVI, NDVI, SAVI and DVI in consecutively was 65.01%, 64.86%, 61.41%, 61.15%, 59.14% and 55.92%. The composite imageries of 543 and 453 had similar trend, which mean those composites cannot be used in studying the tropical-peat swamp forest. The forest types were peat swamp forest of 5 and 6 based on Whitmore peat swamp forest classification which rich with the canopy layers. Forest stand volume can be estimated from forest stand volumes from one pixel of Landsat using regression model Y = (X – 7,24)/112,84 or Forest Stand Volume = (FCDI – 7,24)/112,84 with r = 0.90. Thus, FCDI can be used analyze the canopy clousures and forest structrure of tropical peat-swamp forest and tropical rain forest which rich of canopy layers.

Kata Kunci : Transformasi indeks vegetasi,Integrasi indeks,Citra komposit,Lapisan kanopi, transformation of vegetation indices, integration index, composite image, canopy layers