PEMANFAATAN DATA PENGINDERAAN JAUH YANG BEBAS DIUNDUH UNTUK MENDAPATKAN

BEBERAPA PARAMETER LAHAN

T.M. Basuki & N. Wahyuningrum

BPTKPDAS

1. PENDAHULUAN Penutupan lahan dan lereng penting dalam monev

kinerja DAS

Estimasi erosi Penentuan kelas kemampuan penggunaan

lahan (KPL)

Penutupan lahan bersifat dinamis, sementara monev harus dilakukan secara kontinyu

Penutupan lahan: Sensor pasif

Land sattelite (Landsat) -5 TM dan -7ETM+

Satellite Probatoire d'Observation de la Terre (SPOT)

Moderate resolution imaging radiometer (MODIS)

Advanced Spaceborne Thermal Emission and Reflection

Radiometer (ASTER)

IKONOS

QuickBirds

Hyperion-hyperspectral

Worldview

Citra yang diunduh dari Google Earth (misalkan QuickBirds)

Landsat 8: http://landsat.usgs.gov/LDCM_Landsat8.php

Data collected by the Operational Land Imager (OLI) and the

Thermal Infrared Sensor (TIRS) onboard the Landsat 8

satellite are available to download at no charge from GloVis,

EarthExplorer, or via the LandsatLook Viewer.

Aktif sensor:

Shuttle Imaging Radar-C (SIR- C band)

Phase Arrayed L-band Synthetic Aperture Radar (PalSar)

Kemiringan lereng

DEM Shuttle Radar Topography Mission (SRTM)

DEM ASTER

Light Detection and Ranging (LIDAR)

Tujuan studi:

Mengkaji pemanfaatan citra dari Google Earth dan

DEM-ASTER untuk mendapatkan informasi penutupan lahan

dan informasi praktek konservasi tanah serta kemiringan lahan

Memprediksi erosi dan evaluasi kelas KPL

2. LOKASI DAN METODE

Lokasi Lokasi di Sub-DAS Samin, Kab. Karanganyar dan Sukoharjo,

Hulu: berbukit-bukit, kelerengan curam sd sangat curam

penutupan lahan hutan lindung, kebun sayur, pemukiman

Tengah dan hilir: penutupan lahan didominasi tegal/sawah

dan pemukiman dengan kemiringan lahan landai

hingga datar.

Tahapan kegiatan

Lereng diakses dari DEM ASTERpreprocessing

---> klasifikasi kelas lereng accuracy asessment

Penutupan lahan diperoleh dari QuickBirds yang

diunduh dari Google Earth. Software yang diguna-

kan adalah Google-earth-4.2.0196-Beta, GE_jpg-

extractor, dan Gesticher preprocessing

klasifikasi accuracy assessment

Overlay peta-peta untuk prediksi erosi

Prediksi erosi per unit lahan dengan rumus USLE

A = RKLSCP

Overlay peta-peta yang digunakan untuk

menentukan kelas KPL

No Hambatan Kelas I II III IV V VI VII VIII 1 Kontan e 100 100 60-80 60-80 20-60 10-40 1-20 1-20

2 Tingkat Erosi e Terabaikan

Ringan Sedang Berat - - - -

3 Drainase w Terhambat

Agak terhambat

Sedang Cepat Sangat cepat

- - -

4 Tekstur tanah s L, SiL SL, SCL, CL, SiCL

LS, Si, SC, C, SiC

S - - - -

5 Struktur tanah

s Granular kasar

Granular halus

Blocky-platy

Blocky - - - -

6. Kedalaman tanah (cm)

s > 90 60-90 30-60 15-30 0-15

7 Regolith(cm) s > 200 100-200 80-100 60-80 40-60 20-40 10-20 <10 8 Gravel (%) s - - - - 1-10 10-20 20-60 >60 9 Prosentase

singkapan (%)

s - - - 1-10 10-20 20-40 40-80 >80

10. Iklim

Bulan basah > 200 mm

c

7-12

7-9 atau 5-6

5-6 atau 3-4

3-4

3-4 atau 0-3

0-2

0-2

0-1

Kering <100 mm

c 0-1 2-3 atau 0-1

2-6 atau 0-1

2-6 7-8 atau 0-1

2-6 7-9 -

11. Slope (%) g 0-8 - 8-15 15-25 - 25-45 >45 -

Tabel 1. Kriterian kelas kemampuan penggunaan lahan

3. HASIL Kelas lereng

Sebaran kelas lereng Sub-DAS Samin

Tabel 2. Matrik kesalahan klasifikasi lereng Sub-DAS Samin

Pengukura

n lapangan

Klasifikasi lereng yang dihasilkan dari DEM ASTER

0-8% 8-15% 15-25% 25-45% > 45%

Total

klasifikas

i

Akurasi

produsen

0-8% 36 1 0 0 0 37 97,3%

8-15% 8 16 0 0 0 24 66,7%

15-25% 0 0 2 0 0 2 100%

25-45% 3 1 1 3 0 8 37,5%

>45% 0 0 0 2 5 7 71,4%

Keseluruh

an kelas 47 18 3 5 5 78

Akurasi

pengguna 76,6% 88,9% 66,7% 60% 100%

Akurasi total (Overall accuracy): 79.5%

Penutupan lahan

Tabel 3. Matrik kesalahan klasifikasi penutupan lahan Sub-DAS Samin

Pengecekan

lapangan

(Ground

check)

Klasifikasi citra dari Google Earth

Hutan

Kebun

campur

Pemu

kiman Sawah Tegal

Keselu

ruhan

klasifikasi

Akurasi

Produsen

Hutan 10 1 11 90,0%

Kebun 3 18 1 1 23 78,3%

Pemukiman 3 3 100,0%

Sawah 2 2 3 7 42,9%

Tegal 5 4 11 20 55,0%

Keseluruhan

kelas 13 26 5 8 12 64

Akurasi

Pengguna 76,9% 69,2% 60,0% 37,5% 91,7%

Overall accuracy (Akurasi total): 70,3%

Tabel 3. Penutupan lahan pada berbagai kelas lereng di Sub-DAS

Samin

Penutup

an lahan

Persentase luas penutupan lahan terhadap luas Sub-

DAS pada berbagai kelas lereng

0 – 8 % 8 – 15% 15 – 25 % 25 – 45 % >45 % Total

Hutan 2,13 1,32 1,20 2,72 2,72 10,09

Kebun

Campur 3,63 2,12 1,95 3,39 1,99 13,08

Pemukiman 16,27 4,83 1,90 0,77 0,11 23,87

Sawah 22,16 6,79 2,87 1,96 0,62 34,41

Tegal 10,22 3,88 1,45 1,39 0,42 17,36

Tubuh air 0,85 0,28 0,06 0,01 0,01 1,20

55,25 19,21 9,43 10,24 5,86 100,00

Konservasi tanah

(a)

(b)

(c)

(d)

Prediksi erosi menggunakan USLE pada berbagai penutupan lahan

Penutupan

lahan

Persentase luasan pada masing-masing tingkat erosi

< 15

ton/ha/th

15-60

ton/ha/th

60-180

ton/ha/th

180-480

ton/ha/th

> 480

ton/ha/th

Hutan 2,1 1,7 1,2 5,2 0,0

Kebun Campur 3,6 2,9 1,9 4,6 0,0

Permukiman 0,0 16,0 5,1 1,9 0,9

Sawah 30,4 2,1 2,0 0,0 0,0

Tegal 0,0 14,1 1,5 1,6 0,2

Prediksi erosi menggunakan USLE di Sub-DAS Samin

Prediksi erosi

Kondisi aktual penutupan lahan pada berbagai

kelas kemampuan penggunaan lahan

0

5

10

15

20

25

30

IIIc IIIg IVs IVg Vs VIg VIIg

Pe

rse

nta

se K

PL

terh

adap

lu

as S

ub

-DA

S

Kelas kemampuan penggunaan lahan

Hutan

Kebun Campur

Pemukiman

Sawah

Tegal

Kemampuan penggunaan lahan

4. KESIMPULAN

Klasifikasi kelas lereng dengan menggunakan DEM ASTER

menghasilkan akurasi total sebesar 79,5 % dengan nilai Kappa

0,67

Akurasi total 70% dengan Kappa 0,60 diperoleh pada

klasifikasi penutupan lahan menggunakan citra Quickbird yang

diunduh dari Google Earth

Teknik konservasi tanah yang dapat diidentifikasi pada citra

dari Google Earth hanya bersifat umum. Detil teknik konservasi

tanah hanya bisa diperoleh dari hasil pengamatan di lapangan

Tingkat erosi berat tidak hanya terjadi pada areal tegalan,

namun juga dijumpai di hutan maupun pemukiman

KPL di Sub-DAS Samin didominasi oleh kelas IV dengan

lereng sebagai faktor penghambat.

Pemanfaatan citra yang dapat diunduh secara gratis dan

memberikan hasil klasifikasi dengan akurasi yang baik

merupakan salah satu alternatif untuk memperbaharui

informasi penutupan lahan yang dinamis. Hal ini juga akan

mengurangi anggaran pengumpulan data dalam rangka

monitoring kinerja DAS.