Detection method of forest degradation using landsat satelite image at dry land forest in Gunung Halimun Salak National Park

Abstract

The study examined forest canopy density (FCD), maximum likelihood, fuzzy and belief dempster shafer for detecting forest degradation. Identification of forest degradation includes a) identification of terrestrial stand variable (stand density, basal area and volume) by evaluating their correlation with optical based stand variables (LAI, CSI, CDI, VCR and canopy density); b) accuracy analysis; c) post classification analysis and; d) forest degradation detection. The study found that the best method to detect four stand density classes is FCD method having 61% of overall accuracy. The other three methods provide 57% for maximum likelihood, 49% for fuzzy and only 45% for belief dempster shafer. The study concludes that medium size spatial resolution namely Landsat image, could be usefull to detect two degradation classes having accuracy of 74% using FCD method. Less accurate detection of forest degradation is provided when three degradation classes were used.

Indonesia merupakan salah satu negara yang mempunyai laju deforestasi yang tinggi yaitu 1,1 juta Ha/th (Dephut 2008). Indonesia telah mengakomodasi pentingnya pengurangan degradasi hutan untuk mengurangi emisi melalui Reducing Emissions from Deforestation and Forest Degradation (REDD) sejak tahun 2009. Deteksi degradasi hutan menggunakan teknologi penginderaan jauh masih menjadi masalah yang krusial untuk mendukung prosedur operasional monitoring, reporting and verification (MRV) REDD. Deteksi degradasi belum mempunyai metode standar klasifikasi perubahan kelas tutupan hutan pada citra maupun keadaan di lapangan. Berkenaan dengan hal tersebut maka pada penelitian ini dikaji beberapa metode klasifikasi berbasis piksel serta kelas-kelas degradasi hutan yang terukur dilapangan untuk deteksi degradasi hutan. Tujuan utama penelitian ini adalah mengidentifikasi metode dan membangun prosedur yang tepat untuk deteksi degradasi hutan. Tujuan khususnya adalah 1) mengidentifikasi peubah yang dapat digunakan sebagai indikator degradasi hutan di lapangan, 2) mengevaluasi tingkat akurasi klasifikasi kerapatan hutan menggunakan metode FCD, maximum likelihood, fuzzy dan belief-dempster shafer, 3) mengevaluasi tingkat akurasi deteksi degradasi hutan di Taman Nasional Gunung Halimun Salak (TNGHS). Metode deteksi degradasi hutan yang diuji adalah metode berbasis piksel dengan menggunakan metode post classification comparison (PCC). Metode klasifikasi citra yang digunakan adalah forest canopy density, maximum likelihood, fuzzy dan belief –dempster shafer. Metode identifikasi peubah kelas degradasi hutan dilapangan adalah dengan menggunakan analisis korelasi antara indikator tegakan yaitu volume, lbds dan kerapatan tegakan dengan indikator tajuk yaitu Crown Size Index (CDI), Crown Damage Index (CDI), Visual Crown Rating (VCR) dan Leaf Area Index (LAI) dan kerapatan tajuk. Uji hasil klasifikasi kerapatan hutan dan degradasi hutan menggunakan overall accuracy dan analisis Kappa. Hasil analisis regresi antara indikator tajuk dengan luas bidang dasar dan volume mempunyai koefisien determinasi yang rendah. Hasil analisis regresi antara indikator tajuk dengan kerapatan tegakan mempunyai koefisien determinasi yang lebih baik sehingga indikator kerapatan tegakan terpilih sebagai indikator deteksi degradasi hutan dilapangan.