Estimasi Kelembaban Permukaan Tanah Gambut Pasca Kebakaran Lahan di Kabupaten Kepulauan Meranti

Abstract

Kabupaten Kepulauan Meranti didominasi oleh lahan gambut yang mencapai 80% area dengan sejarah kebakaran lahan gambut yang berulang. Hal tersebut dikonfirmasi oleh titik api (hotspots) yang terkonsentrasi pada lahan gambut. Kebakaran hutan dan lahan gambut terkait erat dengan kelembaban permukaan tanah. Penelitian ini bertujuan mengestimasi sebaran area kebakaran hutan dan lahan gambut dan mengestimasi kelembaban permukaan tanah pada lahan gambut sebelum dan sesudah kebakaran dengan studi kasus di Kabupaten Kepulauan Meranti. Pendekatan yang digunakan berdasarkan teknik penginderaan jauh dengan memanfaatkan Google Earth Engine untuk mengolah data citra satelit Sentinel. Areal kebakaran dideteksi dengan indeks Normalized Burn Ratio (NBR) yang diturunkan dari citra Sentinel-2, sedangkan nilai kebasahan permukaan tanah gambut diduga dengan indeks Normalized Difference Water Index (NDWI). Hasil penelitian menunjukkan bahwa kelembaban permukaan tanah gambut keluaran Sentinel-1 berkorelasi kuat dengan kelembaban tanah aktual (RMSE = 0,87, R2 = 97%). Hal ini menunjukkan bahwa hasil keluaran Sentinel-1 dapat digunakan untuk mengestimasi kelembaban permukaan tanah gambut ketika pengukuran langsung tidak tersedia. Hasil analisis menunjukkan bahwa kejadian kebakaran 2018-2020 terjadi secara berulang dan dapat dideteksi dengan NBR. Pasca kebakaran, kelembaban permukaan tanah gambut lebih kering berdasarkan deteksi indeks NDWI. Temuan penelitian ini menunjukkan kegunaan satelit sentinel untuk monitoring kelembaban gambut pada jangkauan yang luas dan area terpencil.

Meranti Islands Regency is dominated by peatland, which covers approximately 80% of the area, and has experienced recurrent peat fires. The fires are confirmed by fire hotspots occurrences, which are concentrated on peatlands. Peat fires are closely related to the level of moisture at the peat surface. This study aims to estimate the distribution of burnt areas and to predict the moisture at peat surface with the condition of pre-fire and post-fire events. Meranti peatland was chosen as a study site to test the applicability of Google Earth Engine for assessing peat fires. The approach applied the Google Earth Engine to process Sentinel satellite imagery data from 2018-2021 based on Normalized Burn Ratio (NBR) and Normalized Difference Water Index (NDWI). NBR index was used to detect the burnt area from Sentinel-2 imagery, whereas NDWI was used to predict peat moisture. The results showed that the predicted peat moisture based on Sentinel-1 strongly correlated with actual soil moisture (RMSE = 0.87, R2 = 97%). This suggests that the Sentinel-1 output can be used to estimate peat soil surface moisture when there are no direct measurements at the fields. Also, the findings show that the 2018-2020 fire incidents occurred repeatedly and could be detected with NBR. After the fire, drying peat was prevalent, as detected by the NDWI index. Further, the findings demonstrate the usefulness of sentinel satellites for monitoring peat moisture over a wide range and remote areas.