Pemodelan Spasial Kerawanan Kebakaran Hutan dan Lahan di Taman National Rawa Aopa Watumohai

Abstract

Kebakaran hutan dan lahan selalu menjadi agenda tahunan di Taman Nasional Rawa Aopa Watumohai, hal ini menimbulkan banyak dampak baik aspek sosial, ekonomi, ekologi, serta kesehatan manusia. Penelitian ini bertujuan untuk menganalisis faktor dan variabel terjadinya kebakaran hutan di TNRAW, membangun model dan peta kerawanan kebakaran hutan dan lahan di TNRAW, serta pengaruh sosial dan ekonomi masyarakat dengan kejadian kebakaran hutan dan lahan di TNRAW. Data yang digunakan untuk membangun model kerawanan kebakaran adalah data titik panas dari satelit Moderate Resolution Imaging Spectroradiometer (MODIS) dan Balai TNRAW, data variabel yang digunakan adalah data iklim, proxy from human activities, serta biofisik alam. Data variabel yang digunakan dilakukan uji multikolinearitas dan dilakukan model kebakaran hutan dan lahan menggunakan machine learning Maximum Entropy (maxent). Pengaruh ekonomi dan sosial masyarakat dilakukan dengan metode wawancara dengan pemilihan responden menggunakan snowball, wawancara dilakukan terhadap lima desa yang terdapat di dalam kawasan TNRAW dan dianalisis secara deskriptif. Berdasarkan kontribusi variabel dengan mengggunakan maxent, variabel yang memiliki pengaruh terbesar dalam kejadian kebakaran hutan di TNRAW adalah curah hujan, tutupan lahan, dan biomasa. Curah hujan yang relatif rendah di TNRAW didukung dengan tutupan lahan savana di TNRAW meningkatkan bahan bakar untuk terjadinya kebakaran hutan dan lahan. Validasi model mencapai 0,918 yang menunjukkan tingkat validitas model yang cukup baik. Berdasarkan hasil wawancara, masyarakat memiliki kebiasaan untuk memperluas lahan kebun dan masuk kedalam kawasan guna meningkatkan ekonomi masyarakat karena rendahnya peningkatan lapangan pekerjaan yang tidak sebanding dengan jumlah pertumbuhan penduduk. Pembukaan lahan dilakukan dengan cara pembakaran hutan, hal ini disebabkan karena pembakaran lahan dinilai salah satu cara yang efektif, mudah, cepat, dan relatif murah dibandingkan dengan metode lain.

Forest and land fires are always an annual agenda in the Rawa Aopa Watumohai National Park, this has many impacts on social, economic, ecological and human health aspects. This research aims to analyze the factors and variables in the occurrence of forest fires in Rawa Aopa Watumohai National Park (RAWNP), build a model and map of forest and land fire vulnerability in RAWNP, and society's social and economic influence on the occurrence of forest and land fires in RAWNP. The data used to build the fire vulnerability model is hotspot data from the Moderate Resolution Imaging Spectroradiometer (MODIS) satellite and the RAWNP. The variable data used is climate data, proxies from human activities, and biophysics. The variable data used was tested for multicollinearity, and a forest and land fire model was carried out using maximum Entropy (maxent) machine learning. The economic and social influence of the community was carried out using the interview method by selecting respondents using snowball. Interviews were conducted in five villages within the TNRAW area and will be analyzed descriptively. Based on the contribution of maxent variables, the variables that have the most significant influence on forest fires in TNRAW are rainfall, land cover, and biomass. Relatively low rainfall in TNRAW, supported by savanna land cover, increases fuel for forest and land fires. Model validation reached 0.918, showing a good model validity level. Based on the results of interviews, the community has a habit of expanding their plantation area to improve the community's economy because of the low increase in employment opportunities, which needs to be commensurate with population growth. Burning forests carry out land clearing because land burning is considered a practical, easy, fast, and relatively much more cheaper compared to other methods.