| dc.description.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. | id |
| dc.description.abstract | 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. | id |
