Curah Hujan, Anomali Sea Surface Temperature (SST), dan Kebakaran Hutan Sabana di Waingapu

Abstract

Waingapu merupakan salah satu daerah di Provinsi Nusa Tenggara Timur yang sering dilanda kebakaran hutan sabana. Pencegahan kebakaran hutan dan lahan dapat memanfaatkan data titik panas untuk dianalisis dengan Sistem Informasi Geografis (SIG). Iklim merupakan salah satu faktor alam yang memengaruhi terjadinya kebakaran hutan sabana di Waingapu. Tujuan penelitian ini adalah menganalisis hubungan antara curah hujan, anomali SST, dan kejadian kebakaran hutan sabana di Waingapu. Penelitian ini dilakukan pada bulan Februari April 2021 di Laboratorium Kebakaran Hutan dan Lahan, Departemen Silvikultur, Fakultas Kehutanan dan Lingkungan, Institut Pertanian Bogor. Data yang digunakan adalah data titik panas MODIS dan VIIRS, data curah hujan harian dan data anomali SST 3.4. Hasil penelitian menunjukan bahwa curah hujan berhubungan terbalik dengan titik panas dengan nilai korelasi negatif. Anomali SST berhubungan terbalik dengan curah hujan dengan nilai korelasi negatif. Sedangkan anomali SST dengan titik panas berbanding lurus dengan nilai korelasi positif.

Waingapu is one of the areas in Nusa Tenggara Timur Province which often suffered from savanna fires. Savanna fires prevention can be done by utilizing hotspot data for analysis using Geographic Information System (GIS). The climate is one of factors influence the occurrence of savanna fires in Waingapu. The purpose of this study was to analyze the relationship between precipitation, SST anomalies, and the occurrences of savanna fires in Waingapu. This research was conducted on February April 2021 at the Forest and Land Fires Laboratory, Department of Silviculture, Faculty of Forestry and Environment, IPB University. The data used are MODIS and VIIRS hotspot data, daily precipitation data and SST 3.4 anomaly data. The results showed that precipitation was inversely related to hotspots with a negative correlation value. SST anomaly is inversely related to precipitation a negative correlation value. While the SST anomaly with hotspots is directly proportional with a positive correlation value.