PROSPEK PEMETAAN LAHAN GAMBUT TERBAKAR SECARA …
Transcript of PROSPEK PEMETAAN LAHAN GAMBUT TERBAKAR SECARA …
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)