| dc.description.abstract | Mitigasi banjir pada skala daerah aliran sungai (DAS) memerlukan strategi yang dapat diterapkan secara luas dan didukung oleh bukti spasial yang kuat. Konsep paddy field dam (PFD), yang memanfaatkan sawah sebagai tampungan air sementara untuk mereduksi limpasan ke hilir, mensyaratkan identifikasi lokasi sawah yang akurat dan konsisten. Namun, sawah bersifat dinamis secara temporal akibat siklus banjir–tanam–panen, sehingga pemetaan berbasis citra optik saja cenderung kurang stabil.
Studi ini mengembangkan kerangka kerja komputasi awan menggunakan Google Earth Engine dan Google Colab untuk memetakan kandidat PFD menggunakan kriteria spasial-temporal dari time-series kanal VH Sentinel-1 periode 2015–2024 (179 citra). Data diagregasi menjadi komposit bulanan untuk menghasilkan dua metrik utama, yaitu VHstdDev yang merepresentasikan dinamika musiman, dan VHmin_scene yang mencerminkan respons terhadap kondisi basah atau genangan ekstrem. Batasan fisik diterapkan berupa kemiringan lereng =5° berdasarkan SRTM, serta pengecualian badan air permanen menggunakan JRC Global Surface Water. Ambang batas berbasis persentil untuk VHstdDev dan VHmin_scene dioptimalkan melalui skema penilaian pencarian grid serta divalidasi menggunakan transformasi wavelet dan NDVI.
Hasil pemetaan menunjukkan kandidat PFD seluas 28,44 km² dengan tingkat kesesuaian 92,79% terhadap referensi lahan sawah. Estimasi kapasitas tampungan potensial pada area tersebut mencapai 7,92 juta m³ dengan skenario 30 cm. Hasil ini mengindikasikan bahwa pendekatan yang diusulkan efektif sebagai instrumen penyaringan awal dalam perencanaan mitigasi banjir, meskipun verifikasi lapangan tetap diperlukan untuk meminimalkan false positive. | |
