PROSPEK PEMETAAN LAHAN GAMBUT TERBAKAR SECARA SISTEMATIS

Pengujian metode dengan satu variable dan multi variabelYenni Vetrita, Suwarsono, Any Zubaidah, dan Mark A. Cochrane

Sinasja 2018

Presentasi

1. Latar belakang

2. Metode

3. Hasil dan pembahasan

4. Kesimpulan/saran

Foto: http://life.108jakarta.com

“Filling a critical gap MRVkarbon Indonesia untukmendukung REDD+ “

Foto: thinkstock

Lokasi kebakaran

Emisi karbon dari kebakaran di lahan (hutan) gambutDampak kebakaran yang meluasdan merugikan masyarakat

Apakah tidak ada data sama sekali??

Emisi karbon dari kebakaran di lahan (hutan) gambut

Ketersediaanproduk, data,

dan model BA

Kriteria Resolusimenengah-rendah

Resolusimenengah-tinggi

Ada

Periode Panjang Pendek/kasus

Validasi Ind. Jarang Jarang

Akurasi Rendah Lebih tinggi

Model Tersedia (threshold index, Random forest,

Boosting Reg. Trees, Spectral Mix. Analysis)

Tujuan penelitian

1. Membandingkan dua metode yaituindeks Normalized Burn Ratio (NBR) dan model Random Forest (RF)

2. Membahas penggunaan keduametode ini untuk memetakankebakaran di daerah gambutIndonesia secara sistematis

Area studi

120°E115°E110°E

5°N

0°

5°S

Kalimantan Tengah

Sebelum kebakaran (Juli 2014) Setelah kebakaran (Okt 2014)

Data

• Landsat 7 ETM+ dan Landsat 8 OLI, tahun 2014

• Citra SPOT 5, bulanSeptember 2014 (Referensi)

• Surface reflectance• Brightness Temperature• Indices: NBR, NBR2, NDVI,

EVI, NDMI, SAVI, MSAVI

Perolehan data1 Cloud masking dan kompositcitra

2

Input data model BA3

Post fire indices and brightness temperatures, difference, training samples

Post fireMin. value

Annual images composite

RGB composite

Difference

Pre fireMax. value

Training samplesTerbakar dan tidak terbakar

Landsat pre-processing

Variabel Abbr. FormulaNormalized difference vegetation index NDVI (band4 − band3) / (band4 + band3)

Normalized difference moisture index NDMI (band4 − band5) / (band4 + band5)

Normalized burn ratio NBR (band4 − band7) / (band4 + band7)

Normalized burn ratio 2 NRB2 (band5 − band7) / (band5 + band7)

Soil adjusted vegetation index SAVI ((Band 4 – Band 3) / (Band 4 + Band 3 + 0.5)) * (1.5)

Modified soil adjusted vegetation index MSAVI(2 * Band 4 + 1 – sqrt ((2 * Band 4 + 1)2 – 8 * (Band

4 – Band 3))) / 2

Landsat-indeks yang digunakan dalam model

Metode NBR threshold

𝑑𝑁𝐵𝑅 = 𝐵1𝑁𝐵𝑅 − 𝐵2𝑁𝐵𝑅𝐵𝐴𝑁𝐵𝑅 = 𝑑𝑁𝐵𝑅 ≥ 0.0943, 𝑑𝑎𝑛 𝐵2𝑁𝐵𝑅 ≥ 0.22

dNBR: selisih nilai NBR sebelum B1 dan sesudah B2Zubaidah dkk (2017)

Random forest model

Gambar: Wikipedia

Source: Wikipedia

Hasil dan pembahasan

NBR thresholdRandom forest model

Biru: daerah terbakar berdasarkan Landsat hingga November 2014

Merah: daerah terbakar hingga akhirSeptember 2014, SPOT-5 (referensi)

Optimal trees

Top-5“high importance variables”

dNBR, NBR, EVI, NBR2, NDMI

Urutan tidak selalu samauntuk tiap kasus

Random Forest

Perbandingan hasil

• Random Forest (RF) model lebihtinggi nilai akurasinya dibandingkanNBR indeks saja (97% and 77%).

• NBR sebagai variable yang paling penting dalam RF model untukmemisahkan daerah terbakar.

• Aspek kemudahan pengolahan dan proses secara sistematis

Kesimpulan dan saran

•Untuk pendekatan BA-sistematis:• Metode NBR-threshold: akurasi lebih rendah

tapi lebih praktis

• RF model: akurasi bisa lebih tinggi, namun perlusample yang mencukupi

• Random forest model sangatmenjanjikan untuk memetakankebakaran hutan/lahan gambut dalamskala yang lebih besar

Terima kasih:1. Pusfatja, LAPAN2. RisetPro, kemenristekdikti3. NASA-CMS project

(NNX13AP46G)