Assessment of Land Cover and its Changes Using Multi- Vegetation Indices in Litumbandyosi-Gesimasowa Game Reserve

Abstract

Ketika negara-negara Afrika sub-Sahara berusaha mengurangi deforestasi di hutan Miombo, penting untuk menggunakan instrumen yang tepat, andal, konsisten, dan hemat biaya untuk mengukur perubahan tutupan lahan. Hutan Miombo adalah hutan alam lindung terbesar di Tanzania, terhitung 90% dari kawasan lindung negara itu. Meskipun demikian, peningkatan deforestasi telah mengakibatkan konversi hutan Miombo ke tutupan lahan lainnya, menyebabkan gangguan ekologis di seluruh negeri. Beberapa hutan lindung telah rusak oleh tren deforestasi ini, termasuk Litumbandyosi-Gesimasowa Game Reserve, yang telah mengalami gangguan dalam beberapa tahun terakhir. Studi ini bertujuan untuk menilai tutupan lahan dan perubahan LGGR, dengan ruang lingkup analisis mulai dari tahun 1990 hingga 2020. Metode analisis yang digunakan adalah penginderaan jauh dan teknik GIS. Studi ini berfokus pada penggunaan penginderaan jauh gratis yang tersedia dan data dan alat GIS untuk mengekstraksi data citra satelit dan memprosesnya menjadi peta tutupan lahan untuk tahun 1990, 2011, dan 2020. Peta tutupan lahan kemudian dianalisis untuk mendapatkan peta perubahan tanah (1990-2010). Selain itu, penelitian ini menyampaikan peta zona risiko kebakaran hutan untuk LGGR, yang disampaikan dengan menggunakan analisis logistik fuzzy. Selain itu, mereka menggunakan penggunaan indeks multi-vegetasi dengan menambahkan indeks vegetasi tambahan (band tambahan) untuk meningkatkan klasifikasi di bawah pengklasifikasi Random Forests di Google Earth Engine.Data satelit multi-waktu Sentinel-2 dan Landsat-5 TM digunakan dalam penelitian ini untuk menilai tutupan lahan dan perubahannya di Litumbandyosi-Gesimasowa Game Reserve. Studi ini menggunakan Indeks Multi-Vegetasi (VI) untuk menganalisis aplikasi potensial untuk meningkatkan prosedur klasifikasi tutupan lahan dan akurasi di hutan Miombo. Indeks Vegetasi Berbeda yang Dinormalisasi (NDVI), Indeks Vegetasi Tahan Atmosfer (ARVI), Indeks Pigmen Tidak Sensitif Struktur (SIPI), Indeks Vegetasi Disesuaikan Tanah (SAVI), dan Enhanced Vegetation Index (EVI) adalah di antara Indeks Multi-Vegetasi yang digunakan. Peran utama Indeks Vegetasi adalah untuk memfasilitasi identifikasi NPV dan untuk membedakan antara jenis vegetasi yang berbeda seperti pohon, rumput, dan semak belukar. Selain itu, itu untuk membedakan antara tutupan tanah non-vegetasi, tetapi juga untuk menghilangkan efek refleksi tanah, sehingga meningkatkan kemampuan satelit resolusi rendah hingga menengah untuk mendeteksi objek di hutan Miombo. Setiap indeks vegetasi dihitung dan ditambahkan ke pita asli gambar satelit untuk melakukan Klasifikasi Hutan Acak. Hasil klasifikasi diuji secara independen, dan penilaian dilakukan berdasarkan hasil matriks kebingungan dan kinerja estimasi area. Tes statistik Freidman digunakan untuk menilai apakah ada perbedaan statistik di antara indeks vegetasi yang digunakan, dan hasilnya menunjukkan bahwa tidak ada perbedaan statistik di antara mereka. Berdasarkan literatur yang ada dan hasil akurasi kinerja, yang menunjukkan bahwa indeks ARVI dipilih sebagai indeks vegetasi paling akurat yang digunakan untuk klasifikasi tutupan lahan di Litumbandyosi-Gesimasowa Game Reserve. Studi ini menghasilkan peta tutupan lahan yang sangat akurat, dengan akurasi keseluruhan 99,53% dan koefisien kappa 98,11% pada tahun 1990, akurasi keseluruhan 99,84%, dan koefisien kappa 98,69% pada tahun 2011, akurasi keseluruhan 92,10% dan koefisien kappa 89,62% pada tahun 2020. Analisis perubahan tutupan lahan menunjukkan bahwa perubahan tersebut cukup mengkhawatirkan, dengan penurunan hutan cukup tinggi yaitu 57,75% hingga 46,98% antara tahun 1990 dan 2020. Antara tahun 1990 dan 2011, semak-semak menurun dari 27,94% menjadi 10,20% dan dengan cepat menurun menjadi 15,75% antara 2011 dan 2020. Antara tahun 1990 dan 2011, padang rumput meningkat dari 4,85% menjadi 27,75% dan dengan cepat menurun menjadi 18,20% antara 2011 dan 2020, menunjukkan penurunan 9,55% antara tahun 1990 dan 2020. Antara tahun 1990 dan 2011, lahan pertanian meningkat sebesar 4,93% dan sedikit menurun menjadi 7,86%, mewakili peningkatan 4,58% antara tahun 1990 dan 2020. Antara tahun 1990 dan 2020, lahan tandus meningkat sebesar 5,82%, sementara lahan basah menurun sebesar 0,74%. Studi ini mengidentifikasi kebakaran hutan, penggegi daging, pertanian, dan pertambangan sebagai penyebab perubahan yang signifikan. Secara umum, perubahan tutupan lahan di LGGR mengambil bentuk transisi dari hutan Miombo (pohon lebat, semak, dan padang rumput) ke tanah tandus, serta lahan dan lahan pertanian yang dibangun. Perubahan ini berdampak pada ekologi LGGR, yang mengakibatkan deforestasi, penggurunan, dan degradasi yang diinduksi. Pemantauan maksimum diperlukan, mengingat bahwa pemerintah Republik Bersatu Tanzania memberlakukan undang-undang dan kebijakan yang bertujuan untuk memastikan manajemen jangka panjang LGGR. Menurut kekuatan pendorong yang diidentifikasi untuk perubahan tutupan lahan di LGGR, sebagian besar kekuatan pendorong adalah faktor umum yang telah menjadi penyebab perubahan lahan di hutan Miombo, khususnya kehadiran kebakaran barubaru ini, kegiatan penambangan, perluasan area built-up, pertanian, dan kegiatan ekonomi lainnya. Rekomendasi penelitian diberikan berdasarkan perubahan tutupan lahan tetapi juga mempertimbangkan peta zona risiko kebakaran hutan. Rekomendasi berdasarkan zona risiko kebakaran hutan terdiri dari daerah dengan zona berisiko sangat tinggi, sementara zona lain dikelompokkan ke dalam satu strategi manajemen yang mencakup zona risiko menengah dan rendah. Rekomendasi ini juga disertai dengan kebijakan manajemen adaptif dan tindakan untuk perubahan lanskap hutan Miombo.

As sub-Saharan African countries seek to reduce deforestation in Miombo forests, it is essential to use appropriate, reliable, consistent, and cost-effective instruments to measure land cover changes. The Miombo woodlands are Tanzania's most extensive protected natural forests, accounting for 90% of the country's protected regions. Despite this, increased deforestation has resulted in the conversion of Miombo woodland to other land covers, causing ecological disruption. This deforestation has damaged several protected forests, including the Litumbandyosi-Gesimasowa Game Reserve, which has seen disturbances in recent years. The study aims to assess land cover and its changes in LGGR, with the scope of analysis ranging from 1990 until 2020. The analysis method used was remote sensing and GIS techniques. The study focused on using free, available remote sensing and GIS data and tools to extract satellite imagery data and process it into land cover maps for 1990, 2011, and 2020. The land cover map was then analyzed to map land change (1990-2010). Furthermore, the study delivered a map of forest fire risk zones for the LGGR, which was delivered using fuzzy logistics analysis. Furthermore, they employed a multi-vegetation index by adding an auxiliary vegetation index (additional band) to improve classification under the Random Forests classifier in the Google Earth Engine. Sentinel-2 and Landsat-5 TM multitime satellite data were used in the study to assess land cover and its change at the Litumbandyosi-Gesimasowa Game Reserve. The study employed the Multi- Vegetation Indices (VI’s) to analyze the potential application for improving land cover classification procedure and accuracy in Miombo woodlands. The Normalized Different Vegetation Index (NDVI), the Atmospheric Resistant Vegetation Index (ARVI), the Structure Insensitive Pigment Index (SIPI), the Soil Adjusted Vegetation Index (SAVI), and the Enhanced Vegetation Index (EVI) are among the Multi-Vegetation Indices used. The primary role of Vegetation Indices was to facilitate the identification of NPV and distinguish between different vegetation types such as trees, grasses, and shrubs. Moreover, it was to distinguish between non-vegetation land covers. Still, it was also to eliminate the effect of ground reflection, thereby improving the ability of low-to medium-resolution satellites to detect objects in Miombo woodlands. Each vegetation index was computed and added to the original bands of satellite images to perform Random Forest Classification. The classification results were tested independently, and the assessment was performed based on the confusion matrix results and the performance of the area estimation. The Freidman statistical test was employed to assess any statistical differences among the employed vegetation indices, and the results indicated no statistical differences between them. Based on the existing literature and the performance accuracy results, which showed that the ARVI index was chosen as the most accurate vegetation index used for the classification of land cover in the Litumbandyosi-Gesimasowa Game Reserve. The study produced a highly accurate land cover map, with an overall accuracy of 99.53% and a kappa coefficient of 98.11% in 1990, an overall accuracy of 99.84%, and a kappa coefficient of 98.69% in 2011, an overall accuracy of 92.10% and a kappa coefficient of 89.62% in 2020. Analysis of land cover changes shows that the changes are alarming, with forest decline relatively high at 57.75% to 46.98% between 1990 and 2020. Between 1990 and 2011, the bush declined from 27.94% to 10.20% and quickly declined to 15.75% between 2011 and 2020. Between 1990 and 2011, pastures increased from 4.85% to 27.75% and quickly declined to 18.20% between 2011 and 2020, showing a decrease of 9.55% between 1990 and 2020. Between 1990 and 2011, farmland increased by 4.93% and decreased slightly to 7.86%, representing a 4.58% increase between 1990 and 2020. Between 1990 and 2020, barren land increased by 5.82%, while wetlands decreased by 0.74%. The study identified wildfires, overgrazing, agriculture, and mining as the cause of significant change. In general, land cover change in LGGR takes the form of a transition from Miombo woodland (dense trees, shrubs, and grassland) to barrenland and built-up land and farmland. These changes have impacted the LGGR ecology, resulting in deforestation, desertification and degradation. Maximum monitoring is required, given that the United Republic of Tanzania government enacts laws and policies to ensure the LGGR's long-term management. According to the identified driving forces for land cover changes in the LGGR, the majority of the driving forces are common factors that have been the cause of land changes in Miombo woodlands, specifically the presence of recent fire, mining activities, expansion of built-up areas, farming, and other economic activities. The study recommendations are based on the land cover changes and the map of forest fire risk zones. Recommendations based on forest fire risk zones consist of areas with very high-risk zones, while the other zones were grouped into one management strategy that includes the zones of medium and low risk. These recommendations are also accompanied by adaptive management policies and actions for changes in the Miombo woodland landscape.