Pendugaan Biomassa Atas Permukaan Menggunakan Citra Landsat 8 Oli Di Hutan Rakyat SUB-DAS Cikalumpang, Provinsi Banten

Abstract

Hutan memiliki peran strategis dalam siklus karbon karena mampu menyerap CO2 melalui fotosintesis dan menyimpannya dalam bentuk biomassa. Pendugaan biomassa dapat dilakukan melalui penginderaan jauh. Metode ini sangat cocok digunakan untuk monitoring biomassa hutan karena memiliki beberapa keunggulan diantaranya dapat diakses dengan mudah, daerah cakupannya luas dan mampu menjangkau daerah terpencil. Penelitian ini bertujuan menduga biomassa atas permukaan di Hutan Rakyat Sub-DAS Cikalumpang menggunakan citra landsat 8 OLI. Pembuatan model penduga menggunakan gabungan peubah spektral citra landsat 8 dan lapangan, yaitu indeks vegetasi berupa NDVI, RVI, TVI, SAVI, GRVI, GNDVI dan diameter lapangan. Hasil analisis korelasi menunjukkan bahwa nilai indeks vegetasi korelasi yang tinggi dengan biomassa atas permukaan. Pemilihan model penduga biomassa atas permukaan didasarkan hasil R2 tertinggi dan simpangan baku (s), simpangan agregat (SA), bias (e), serta Root Mean Square Error (RMSE) terendah. Model terpilih adalah model power dengan peubah RVI, dengan bentuk persamaan B= 1,535 + RVI 0,390+ Diameter0,972 dengan nilai R2 sebesar 77,31%. Potensi rata-rata biomassa atas permukaan di Hutan Rakyat Sub-DAS Cikalumpang sebesar 92,02 ton/ha.

Forests play a strategic role in the carbon cycle as they are capable of absorbing CO2 through photosynthesis and storing it in the form of biomass. Biomass estimation can be conducted using remote sensing. This method is highly suitable for monitoring forest biomass due to several advantages, including its easy accessibility, broad coverage area, and ability to reach remote locations. This study aims to estimate the above-ground biomass in the Community Forest of the Cikalumpang Sub-watershed using Landsat 8 OLI imagery. The development of the estimation model utilized a combination of spectral variables from Landsat 8 imagery and field data, specifically vegetation indices such as NDVI, RVI, TVI, SAVI, GRVI, GNDVI, and field diameter. The results of the correlation analysis indicated that the vegetation index values have a high correlation with above-ground biomass. The selection of the above-ground biomass estimation model was based on the highest R² value and the lowest standard deviation (s), aggregate deviation (SA), bias (e), and Root Mean Square Error (RMSE). The selected model is a power model with the RVI variable, formulated as B = 1.535 + RVI0.390 + Diameter0.972, with an R² value of 77.31%. The average potential of above-ground biomass in the Community Forest of the Cikalumpang Sub-watershed is 92.02 tons/ha.