Deteksi Dini Kerentanan Risiko Kebakaran Hutan dan Lahan Gambut di Kalimantan Barat Melalui Analisis Spasio-Temporal Distribusi dan Tingkat Kekeringan Vegetasi Menggunakan Google Earth Engine (Tahun 2025)

Asramid Yasin

doi:10.31004/riggs.v4i3.3184

Authors

Asramid Yasin Universitas Halu Oleo

DOI:

https://doi.org/10.31004/riggs.v4i3.3184

Keywords:

Kebakaran Hutan dan Lahan Gambut, Google Earth Engine, NDDI, Hotspot, Deteksi Dini, Kalimantan Barat

Abstract

Kebakaran hutan dan lahan (karhutla) merupakan bencana tahunan dengan dampak multidimensional di Indonesia, khususnya di Provinsi Kalimantan Barat yang memiliki hutan dan lahan gambut yang luas dan rentan. Penelitian ini bertujuan untuk untuk memanfaatkan kapabilitas Google Earth Engine (GEE) dalam memproses data satelit multi-temporal guna memetakan distribusi dan dinamika kekeringan vegetasi sebagai indikator kunci kerentanan kebakaran dengan melalui identifikasi dan memetakan wilayah hotspot (titik api) pada hutan dan lahan gambut di Kalimantan Barat tahun 2025, memetakan wilayah distribusi hotspot (titik api) pada hutan dan lahan gambut di Kalimantan Barat tahun 2025, dan memetakan kelas NDDI (Normalized Difference Drought Index) pada hutan dan lahan gambut di Kalimantan Barat tahun 2025. Metode yang digunakan memanfaatkan platform GEE untuk pemrosesan data satelit multi-temporal, termasuk data hotspot (titik api) dari MODIS/FIRMS dan citra Sentinel-2 untuk perhitungan NDDI. Hasil penelitian mengidentifikasi sebaran hotspot dengan tingkat kepercayaan bervariasi, mulai dari 61% hingga 99,93%, yang terkonsentrasi pada hutan dan lahan gambut. Analisis NDDI menunjukkan nilai hingga 0,46, yang mengindikasikan kondisi kekeringan berat pada vegetasi. Terdapat korelasi yang kuat antara nilai NDDI tinggi dan probabilitas hotspot yang mencapai 90,96%, mengonfirmasi hutan dan lahan gambut mengalami dehidrasi merupakan zona rawan kebakaran tertinggi. Studi ini menyimpulkan bahwa integrasi data penginderaan jauh melalui GEE dan penerapan NDDI efektif untuk memetakan kerentanan kebakaran secara spasial dan temporal. Temuan ini memberikan dasar kuat bagi pengembangan sistem peringatan dini yang akurat dan responsif, sehingga mendukung upaya pencegahan dan mitigasi karhutla yang lebih efektif di masa mendatang untuk meminimalkan dampak lingkungan, sosial, dan ekonomi.

Downloads

Download data is not yet available.

References

A. Sulova and J. Jokar Arsanjani, “Exploratory analysis of driving forces of forest fires in Indonesia: A spatio-temporal perspective,” ISPRS International Journal of Geo-Information, vol. 9, no. 11, p. 685, 2020. doi: 10.3390/ijgi9110685.

M. E. Marlier, R. S. DeFries, P. S. Kim, S. N. Koplitz, D. J. Jacob, L. J. Mickley, and S. S. Myers, “Fire emissions and regional air quality impacts from fires in oil palm, timber, and logging concessions in Indonesia,” Environmental Research Letters, vol. 10, no. 8, p. 085005, 2015. doi: 10.1088/1748-9326/10/8/085005.

E. I. Putra and H. Hayasaka, “The effect of the precipitation pattern of the dry season on peat fire occurrence in the Mega Rice Project area, Central Kalimantan, Indonesia,” Tropics, vol. 19, no. 4, pp. 145–156, 2011. doi: 10.3759/tropics.19.145.

S. E. Page, F. Siegert, J. O. Rieley, H. D. V. Boehm, A. Jaya, and S. Limin, “The amount of carbon released from peat and forest fires in Indonesia during 1997,” Nature, vol. 420, no. 6911, pp. 61–65, 2002. doi: 10.1038/nature01131.

O. Ghorbanzadeh, T. Blaschke, K. Gholamnia, and J. Aryal, “Pemetaan kerentanan dan risiko kebakaran hutan menggunakan kerentanan sosial/infrastruktur dan variabel lingkungan,” Fire, vol. 2, p. 50, 2019.

N. Gorelick, M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau, and R. Moore, “Google Earth Engine: Planetary-scale geospatial analysis for everyone,” Remote Sensing of Environment, vol. 202, pp. 18–27, 2017. doi: 10.1016/j.rse.2017.06.031.

Y. Gu, J. F. Brown, J. P. Verdin, and B. Wardlow, “A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States,” Geophysical Research Letters, vol. 34, no. 6, L06407, 2007. doi: 10.1029/2006GL029127.

T. J. Jackson et al., “Vegetation water content mapping using Landsat data derived normalized difference water index for corn and soybeans,” Remote Sensing of Environment, vol. 92, no. 4, pp. 475–482, 2004. doi: 10.1016/j.rse.2003.10.021.

H. Moayedi, M. Mehrabi, D. T. Bui, B. Pradhan, and L. K. Foong, “Ansambel fuzzy-metaheuristik untuk penilaian spasial kerentanan kebakaran hutan,” J. Environ. Manag., vol. 260, p. 109867, 2020.

E. H. Wilson and S. A. Sader, “Detection of forest harvest type using multiple dates of Landsat TM imagery,” Remote Sensing of Environment, vol. 80, no. 3, pp. 385–396, 2002. doi: 10.1016/S0034-4257(01)00318-2.

D. Renza, E. Martinez, A. Arquero, and J. Sanchez, “Drought estimation maps by means of multidate Landsat fused images,” Remote Sensing for Science, Education, and Natural and Cultural Heritage, pp. 775–782, 2010.

C. O. Justice et al., “An overview of MODIS Land data processing and product status,” Remote Sensing of Environment, vol. 83, nos. 1–2, pp. 3–15, 2002. doi: 10.1016/S0034-4257(02)00084-6.

L. Giglio, W. Schroeder, and C. O. Justice, “The collection 6 MODIS active fire detection algorithm and fire products,” Remote Sensing of Environment, vol. 178, pp. 31–41, 2016. doi: 10.1016/j.rse.2016.02.054.

J. Miettinen, C. Shi, and S. C. Liew, “Fire distribution in Peninsular Malaysia, Sumatra and Borneo in 2015 with special emphasis on peatland fires,” Environmental Management, vol. 60, no. 4, pp. 747–757, 2017. doi: 10.1007/s00267-017-0911-7.

K. G. MacDicken, “Penilaian Sumber Daya Hutan Global 2015: Apa, mengapa, dan bagaimana?,” Untuk. Ecol. Manag., vol. 352, pp. 3–8, 2015.