Klasifikasi Mangrove Berbasis Objek dan Piksel Menggunakan Citra Satelit Multisensor di Sungai Liong, Bengkalis, Provinsi Riau
View/ Open
Date
2018Author
Rosmasita
Siregar, Vincentius Paulus
Agus, Syamsul Bahri
Metadata
Show full item recordAbstract
Mangrove merupakan salah satu sumberdaya pesisir yang memiliki fungsi
sebagai sistem ekologis dan sumber ekonomi. Upaya perlindungan dan pengelolaan
ekosistem mangrove perlu menjadi perhatian serius dari berbagai pihak. Data
pengindraan jauh telah terbukti secara luas dalam memantau dan memetakan
ekosistem mangrove yang terancam.
Penelitian ini dilaksanakan di kawasan mangrove Sungai Liong, Pulau
Bengkalis, Provinsi Riau. Pengamatan lapang dilaksakan pada bulan Januari-
Februari 2018 menggunakan pesawat tanpa awak (unmanned aerial vehicle/UAV).
Bahan yang digunakan pada penelitian ini yaitu: citra Sentinel-2B, seri Landsat dan
data transek tahun 2013. Adapun langkah-langkah dalam penelitian ini, yaitu: (i)
persiapan data, (ii) pra pengolahan data pengindraan jauh, (iii) rancangan
pengambilan data lapangan, (iv) survei lapangan, (v) skema klasifikasi untuk
pemetaan mangrove, (vi) pemetaan mangrove (vii) uji akurasi (viii) deteksi
perubahan tutupan mangrove.
Skema klasifikasi penutup lahan pada penelitian dibangun oleh 9 kelas,
yaitu : badan air (BA), daerah pertanian (DN), kebun karet (KT), kebun kelapa (KA),
lahan terbangun (LN), mangrove (ME), semak belukar (SB), kebun kelapa sawit
(KS) dan vegetasi transisi (VI). Penggunaan UAV sebagai alat untuk pengamatan
tutupan lahan sangat efektif digunakan karena mampu menempuh wilayah yang
sulit untuk di jangkau dan memepercepat kerja di lapangan.
Sruktur komunitas mangrove sungai Liong dibangun oleh 27 spesies
tumbuhan mangrove yang terdiri dari 13 spesies mangrove sejati dan 14 spesies
ikutan. Rhizophora apiculata, Lumnitzera racemosa, dan Xylocarpus granatum
merupakan komunitas dominan dan selalu dijumpai di lokasi studi dibandingkan
dengan jenis-jenis lainnya. Berdasarkan analisis AHC, komunitas mangrove hanya
mampu membentuk 2 kelas, yaitu kelas komunitas 1 dan kelas komunitas 2.
Hasil akurasi keseluruhan (OA) yang diperoleh untuk klasifikasi penutup
lahan berbasis objek dan piksel berturut-turut, yaitu 78,7% dan 66,9% Sedangkan
akurasi keseluruhan (OA) untuk komunitas mangrove dengan teknik klasifikasi
berbasis objek dan piksel berturut-turut yaitu 76,6% dan 75,0%. Sekitar 12%
peningkatan akurasi keseluruhan (OA) untuk penutup lahan dengan tingkat
signifikan 2,84 dan sekitar 1,6% untuk komunitas mangrove dengan metode
klasifikasi berbasis objek. Hasil penelitian ini menunjukkan bahwa metode OBIA
dapat menjadi pilihan yang menjanjikan untuk pemetaan mangrove.
Berdasarkan deteksi perubahan penutup lahan mangrove, kawasan
mangrove Sungai Liong mengalami penurunan dari tahun ke tahun. Penurunan
tersebut disebabkan oleh faktor antropogenik dan faktor alam. Sekitar 4,2%
penurunan mangrove dari tahun 1990 ke tahun 2017. Ekploitasi mangrove terbesar
tejadi pada tahun 2007 dengan laju penurunan sebesar 31,5%.
Collections
- MT - Fisheries [3011]