Model Penduga Kesehatan Hutan Tanaman Di Areal Tambang Menggunakan Citra Resolusi Sangat Tinggi Pesawat Tak Berawak

Abstract

Tingginya laju kerusakan hutan di Indonesia akibat deforestasi dan degradasi salah satunya disebabkan oleh kegiatan pertambangan, terutama yang menggunakan metode penambangan terbuka (open pit mining). Hal ini dikarenakan sebagian besar kegiatan pertambangan berada di dalam kawasan hutan. Salah satu usaha dalam mengembalikan fungsi lahan dan hutan adalah dengan kegiatan reklamasi hutan. Keberhasilan reklamasi hutan sangat ditentukan oleh kegiatan monitoring dan evaluasi. Salah satu indikator yang dapat digunakan dalam monitoring keberhasilan reklamasi hutan adalah biomassa. Salah satu metode cepat dalam menduga biomassa adalah dengan menggunakan pemodelan. Penelitian ini menggunakan foto udara resolusi sangat tinggi yang diperoleh dari pesawat tanpa awak (unmanned aerial vehicle /UAV) untuk menduga biomassa atas permukaan reklamasi hutan pasca tambang. Tujuan utama penelitian ini adalah membangun model penduga kesehatan hutan tanaman di areal tambang yang diukur dari citra UAV berdasarkan pada nilai biomassa tegakan. Biomassa sangat erat kaitannya dengan pertumbuhan dan produktivitas tanaman, sehingga biomassa dapat dijadikan indikator dalam menduga keberhasilan reklamasi. Keberhasilan reklamasi di area tambang dilakukan dengan monitoring dan evaluasi melalui penilaian kesehatan hutan. Dalam menduga nilai biomassa, data utama yang digunakan untuk pembangunan model biomassa adalah variabel tegakan yang di ukur dari citra UAV. Citra UAV yang digunakan diambil pada ketinggian 400 m di atas datum (tinggi rata-rata permukaan lahan) dengan resolusi spasial 10 cm. Penelitian menemukan bahwa citra UAV dapat digunakan secara akurat untuk mengevaluasi kesehatan hutan tanaman dengan pendekatan biomasa tanaman. Model terbaik dari penduga biomassa menggunakan peubah kerapatan tajuk dari citra UAV adalah: AGB(ton/ha)=0.2377Cc1.3688 dengan koefisien determinasi (R2) sebesar 0,844, simpangan rata-rata (SR) 2.29, simpangan agregat (SA) -0,023, bias (e) 0,98, dan Root Mean Square Error (RMSE) sebesar 1,784 dan simpangan rata-rata (SR) <10%.