Aplikasi Model Weather Research and Forecasting (WRF) untuk Deteksi Dini Kebakaran Lahan Gambut Sumatera

Abstract

Indonesia merupakan negara yang memiliki lahan gambut tropis terluas di dunia, dengan perkiraan luas mencapai 20,69 juta ha. Lahan gambut tropis merupakan sumberdaya alam yang memiliki fungsi lingkungan dalam skala regional ataupun global karena lahan gambut tropis merupakan salah satu cadangan karbon organik terestrial dekat permukaan terbesar, sehingga kualitas dan kuantitasnya memiliki implikasi penting bagi perubahan iklim. Akan tetapi, dibalik peran lahan gambut dalam menjaga cadangan karbon, gambut juga rentan terbakar terutama dalam kondisi kering, baik secara alamiah ataupun akibat aktivitas manusia. Berbagai metode dalam upaya tindakan preventif mencegah kejadian kebakaran lahan gambut telah banyak dilakukan. Salah satu metode yang umum dalam menjaga tinggi muka air gambut adalah sistem pembasahan ulang (rewetting) dengan membuat sekat kanal. Pendekatan lain yang dapat dilakukan yaitu dengan pemanfaatan model Weather Research and Forecasting (WRF) sebagai model prediksi cuaca untuk selanjutnya diintegrasikan dengan model kekeringan dan kebakaran. Penelitian ini bertujuan mengintegrasikan luaran model WRF dengan model kekeringan modified Keetch Byram Drought Index (mKBDI) untuk memperoleh prediksi tingkat kekeringan lahan gambut di Pulau Sumatera, yaitu pada Provinsi Riau, Jambi, dan Sumatera Selatan. Sebelum digunakan, model WRF dilakukan proses parameterisasi untuk memilih parameter fisik yang paling sesuai untuk kondisi iklim tropis menggunakan metode stepwise calibration, serta dilakukan proses koreksi bias dengan data pengukuran lapang. Variabel cuaca yang digunakan untuk kebutuhan model mKBDI adalah curah hujan yang dikoreksi dengan metode Polygon Thiessen dan IDW, suhu udara, dan kelembaban tanah yang dikoreksi dengan metode rescaling. Pada penelitian ini, model disimulasikan untuk data harian sepanjang tahun 2019. Alasan pemilihan waktu tesebut adalah karena pada tahun 2019 terjadi kebakaran lahan gambut di Pulau Sumatera. Hasil simulasi model potensi kebakaran lahan gambut pada pada tahun 2019 menunjukkan performa “sangat baik” (PBIAS<5) pada hasil koreksi curah hujan dan suhu udara. Proses rescaling turut membuat variabel kelembaban tanah memiliki rentang nilai yang sesuai dengan hasil pengukuran lapang. Selain itu, pengujian terhadap kemunculan hotspot menunjukkan bahwa 56.3% dari titik hotspot sesuai dengan munculnya kelas “Bahaya” pada model prediksi kebakaran lahan gambut pada penelitian ini. Artinya, apabila model ini dapat diterapkan sebagai model yang kontinyu dengan prediksi terjauh hingga 16 hari kedepan dan telah memberikan informasi kelas “Bahaya”, maka pada lokasi tersebut diduga akan menjadi hotspot dengan confidence level >80%.