Identifikasi Kekeringan Lahan Kabupaten Lamongan Berdasarkan Citra Satelit

Alifah Noraini; Martinus Edwin  Tjahjadi; I Nyoman  Sudiasa

doi:10.51967/tanesa.v23i1.958

Authors

Alifah Noraini Teknik Geodesi, Institut Teknologi Nasional Malang
Martinus Edwin Tjahjadi Teknik Geodesi, Institut Teknologi Nasional Malang
I Nyoman Sudiasa Teknik Sipil, Institut Teknologi Nasional Malang

DOI:

https://doi.org/10.51967/tanesa.v23i1.958

Keywords:

Citra satelit, Identifikasi, Kekeringan lahan, Kerapatan vegetasi, NDDI, Tingkat kebasahan.

Abstract

Kekeringan lahan merupakan salah satu permasalahan masyarakat Indonesia yang terjadi pada musim kemarau. Kekeringan lahan mengakibatkan aktivitas pertanian terganggu karena pasokan air terhambat. Salah satu kabupaten yang mengalami kekeringan lahan adalah Kabupaten Lamongan. Penelitian ini bertujuan untuk mengidentifikasi wilayah yang mengalami kekeringan lahan di Kabupaten Lamongan agar dampak kekeringan dapat diminimalisir. Metode identifikasi kekeringan lahan yang digunakan berdasarkan pengolahan data penginderaan jauh, yaitu memanfaatkan data citra satelit Landsat 8 saluran 4 (merah), saluran 5 (Near InfraRed/ NIR), dan saluran 6 (Short Wavelength InfraRed/ SWIR). Sebelum proses pengolahan citra, dilakukan proses penggabungan antar scene (mosaicking). Citra Landsat 8 dipotong sesuai batas administrasi wilayah kabupaten dan diolah berdasarkan algoritma NDDI untuk mengidentifikasi kekeringan lahan. Algoritma yang digunakan terdiri dari parameter tingkat kebasahan air dan tingkat kehijauan vegetasi yang menutupi wilayah Kabupaten Lamongan. Tingkat kebasahan diperoleh dari pengolahan citra menggunakan algoritma NDWI, sedangkan tingkat kerapatan vegetasi diperoleh berdasarkan pengolahan citra menggunakan algoritma NDVI. Hasil pengolahan citra satelit Landsat 8 menunjukkan bahwa Kabupaten Lamongan didominasi oleh tingkat kebasahan kelas rendah sebesar 893,236 Km² dan kerapatan vegetasi kelas sedang sebesar 691,012 Km². Adapun hasil identifikasi kekeringan lahan di Kabupaten Lamongan didominasi oleh kelas klasifikasi kekeringan berat sebesar 62,14% atau 1.097,087 Km² dari total luas area.

References

Burapapol, K. dan Nagasawa, R. (2016). “Mapping Soil Moisture as an Indicator of Wildfire Risk Usng Landsat 8 Images in Sri Lanna National Park, Nothern Thailand”. Journal of Agricultural Science. Vol.8, No. 10.

Driptufany, D. M., Guvil, Q., dan Mardiani. (2019). “Ekstraksi Normalized Difference Index Vegetation (NDVI) pada Citra Landsat 8 untuk Identifikasi Ruang Terbuka Hijau di Kawasan Resapan Air Kota Padang”, Seminar Nasional Penginderaan Jauh ke-6 Tahun 2019, 48-53.

Hatmoko, W. dan Adidarma, W. K. (2014). “Analisa Kekeringan Untuk Pengelolaan Sumber Daya Air”, Naskah Ilmiah, Kementrian Pekerjaan Umum, Badan Penelitian dan Pengembangan, Pusat Penelitian dan Pengembangan Sumber Daya Air, diakses melalui laman https://simantu.pu.go.id

Jatim Liputan 6. (2020). BMKG Wanti-wanti Kepala Daerah untuk Tampung Air Sebelum Puncak Kemarau 2022 https://jatim.liputan6.com/read/4915483/bmkg-wanti-wanti-kepala-daerah-untuk-tampung-air-sebelum-puncak-kemarau-2022> pada tanggal 10 April 2022.

Kwarteng, A. Y. dan Small, C. (2012). “Comparative Analysis of Thermal Environtment in New York City and Kuwait City”. The International Archieves of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVI. Part 8-w7.

Lillesand, T. M., Kieffer, R. W., dan Chipman, J. W. (2004). Remote Sensing and Image Interpretation. New York: Wiley.

Moradi, M., Sahebi, M., dan Shokri., M. (2017). “Modified Optimization Water Index (MOWI) for Landsat-8 OLI-TIRS”, The International Archieves of the Photogrammetry, Remote Sensing and Spatial Information Sciences Volumes XLII-4/W4 Tehran’s Joint ISPRS Conference of GI Research, Tehran, Iran.

Munir, M., Sasmito, B., dan Haniah. (2015). “Analisis Pola Kekeringan Lahan Pertanian di Kabupaten Kendal dengan Menggunakan Algoritma Thermal Vegetation Index dari Citra Satelit Modis”. Jurnal Geodesi Undip, Oktober 2015.

Orhan, O., Ekercin, S., dan Celik, F. D. (2014). “Use of Landsat Land Surface Temperature and Vegetation Indices for Monitoring Drought in the Salt Lake Basin Area, Turkey”. Hindawi Publishing Corporation, The Scientific World Jurnal. Volume 2014, Article ID 142939.

Ozelkan, E. (2020). “Water Body Detection Analysis Using NDWI Indices Derived from Landsat-8 OLI”. Pol. J. Environ. Stud. Vol. 29, No. 2, 1759-1769.

Ozelkan, E., Papila, I., Avci, D. Z. U., dan Karaman, M. (2011). “Drought Determination by Using Land Surface Temperature and Normalized Difference Vegetation Index”, Proceding of International Archives of Photogrammetry and Remote Sensing. Issue 34.

Rahman, F., Sukomono, A., dan Yuwono, B. D. (2017). “Analisis Kekeringan pada Lahan Pertanian Menggunakan Metode NDDI dan Perka BNPB Nomor 02 Tahun 2012”, Jurnal Teknik Geodesi Undip, Oktober 2017.

Renza, D. dkk. (2010). “Drought Estimation Maps by Means of Multidate Landsat Fused Images. Department of Architecture and Technology of Computer Systems”. Polytechnic University of Madrid (Spain). EARSeL.

Rismayantika, F., Saraswati, R., Shidiq, I. P. A., dan Taqyyudin. (2020). “Identification of Dry Areas on Agricultural Land Using Normalized Difference Drought Index in Magetan Regency”. IGRSM 2020, doi: :10.1088/1755-1315/540/1/012029.

Sudjarwo, E. (2020). Krisis air bersih meluas ke 17 desa di Lamongan https://news.detik.com/berita-jawa-timur/d-5197754/krisis-air-bersih-meluas-ke-17-desa-di-lamongan?_ga=2.235979137.1861622076.1619623816-1428418586.1619533064> pada tanggal 28 April 2020.

USGS. (2013). Landsat, diakses pada tanggal 15 April 2021 pukul 14.00 WIB.

Zhao, H., Tang, Z., Yang., dan Zhao, M. (2008). The International Archieves of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7. Beijing, 2008.