Ketersediaan Data Evapotranspirasi Secara Spasial dan Temporal

dan akhir tahun dari keempat tahun pengamatan, memiliki 0 ketersediaan data pada wilayah penelitian tabel 5.3.1.a. Pada tahun 2008, terdapat 0 ketersediaan data pada bulan Januari, Februari, Maret, April, Oktober, November, dan Desember. Ketersediaan data pada tahun 2008 dimulai pada bulan Mei dengan 24,2 ketersediaan data. Selanjutnya, menurun menjadi 22,6 pada bulan Juni dan meningkat menjadi 33,5 pada bulan Juli. Sementara, pada bulan Agustus dan September, ketersediaannya semakin menurun dari 8,9 menjadi 2,4. Tahun 2009 memiliki ketersediaan data yang jauh lebih baik jika dibandingkan dengan tahun 2008. Namun, ketersediaan data pada tahun 2009, baru tersedia sejak bulan Juni hingga Oktober. Pada bulan Juni 2009, ketersediaan data sebesar 18,5 dan meningkat pada bulan Juli menjadi 99,2. Selanjutnya, ketersediaannya kembali menurun pada bulan Agustus menjadi 81 dan meningkat kembali menjadi 95,2 pada bulan September. Pada bulan Oktober, data tersedia hanya mencapai 0,4. Tabel 5.3.1.a Persentase Ketersediaan Data pada Hasil Perhitungan Evapotranspirasi Potensial. Bulan Jumlah Data Tersedia Data Tersedia 2008 2009 2010 2011 2008 2009 2010 2011 Januari Februari Maret April 13 5,2 Mei 60 143 24,2 57,7 Juni 56 46 22,6 18,5 Juli 83 246 69 228 33,5 99,2 27,8 91,9 Agustus 22 201 31 207 8,9 81 12,5 83,5 September 6 236 210 2,4 95,2 84,7 Oktober 1 0,4 November Desember - - Total DataPixel 248 Tahun 2010 memiliki ketersediaan data yang paling buruk jika dibandingkan dengan ketiga tahun pengamatan lainnya. Pada tahun 2010, data mulai tersedia pada bulan April dengan ketersediaan sebesar 5,2. Kemudian, kembali menjadi 0 pada bulan Juni. Ketersediaan data tertinggi terdapat pada bulan Juli dengan ketersediaan sebesar 27,8 dan kembali menurun pada bulan Agustus menjadi 12,5. Selanjutnya, pada bulan-bulan berikutnya, ketersediaannya menjadi 0. Tahun 2011, kualitas ketersediaan data hampir sama dengan ketersediaan data pada tahun 2009. Ketersediaan data pada tahun 2011 dimulai pada bulan Mei dengan 57,7 ketersediaan data. Selanjutnya, data kembali tersedia pada bulan Juli sebesar 97,9 dan menurun pada bulan Agustus menjadi 83,5 dan sedikit meningkat menjadi 84,7 pada bulan September. Selain faktor anomali iklim, faktor error internal juga sangat berpengaruh terhadap minimnya ketersediaan data. Faktor error tersebut antara lain dipengaruhi oleh jumlah hari hujan dan hari kering pada satu bulan pengamatan. Dalam satu bulan pengamatan, dibutuhkan data LST MODIS 8 harian sebanyak 3- 4 data. Diantara 3-4 data tersebut, tentunya ada beberapa data yang memiliki hari hujan, yang sangat berpotensi pada timbulnya ‘missing data’. Dalam kalkulasi Tmean pada penelitian, hasil akhir Tmean sangat ditentukan oleh 3-4 data tersebut. Prinsip perhitungan pada kalkulasi band adalah apabila available data dikalkukalsikan dengan not avilable data, maka hasil akhir proses tersebut akan menghasilkan not available data. Sehingga, walaupun hanya terdapat satu data ‘missing’ yang terdistribusi cukup merata pada wilayah penelitian, data ‘missing’ tersebut menjadi sangat potensial untuk memberikan hasil akhir data dengan 0 ketersediaan data. Sehingga, saat dilakukan perhitungan evapotranspirasi potensial, ketersediaan datanya menjadi sangat minim bahkan mencapai 0. Distribusi Evapotranspirasi Potensial ETo Tahun 2008-2011 di DAS Cimadur, Banten 2008 2009 2010 2011 Keterangan : Evapotranspirasi dalam satuan mmhari 38 Distribusi Evapotranspirasi Potensial ETo Tahun 2008-2011 di DAS Cimadur, Banten 2008 2009 2010 2011 Keterangan : Evapotranspirasi dalam satuan mmhari Distribusi Evapotranspirasi Potensial ETo Tahun 2008-2011 di DAS Cimadur, Banten 2008 2009 2010 2011 Keterangan : Evapotranspirasi dalam satuan mmhari Gambar 5.3.1.a Distribusi Evapotranspirasi Potensial Secara Spasial dan Temporal pada Tahun 2008-2011.

5.3.2 Pola Evapotranspirasi Secara Spasial dan Temporal

Pola distribusi evapotranspirasi potensial standar ETo secara spasial dan temporal belum bisa dilakukan secara optimal, akibat tidak lengkapnya data dalam satu tahun pengamatan. Namun, jika dilihat secara umum pada setiap tahun pengamatan, wilayah bagian selatan pada DAS Cimadur umumnya memiliki nilai evapotranspirasi yang lebih tinggi dibandingkan wilayah tengah DAS Cimadur, dan berangsur-angsur kembali meningkat pada bagian utara. Pola tersebut nampak sangat jelas pada bulan September 2009. Menurut kondisi topografi wilayah penelitian Gambar 5.3.2.a, wilayah- wilayah pada bagian utara DAS Cimadur memang memiliki topografi dan elevasi yang lebih tinggi dan cenderung bergunung dibandingkan wilayah pada bagian selatan DAS Cimadur. Pada bagian tengah wilayah utara juga terlihat terdapat suatu cekungan. Kondisi ini diduga merupakan salah satu faktor yang menyebabkan tingginya suhu permukaan pada bagian selatan sehingga mempengaruhi nilai evapotranspirasi dan semakin rendahnya suhu udara menuju ke utara wilayah DAS Cimadur. a. Peta Topografi b. Peta Penggunaan Lahan Gambar 5.3.2.a Peta Topografi a dan Penggunaan Lahan b pada DAS Cimadur, Hasil dari Interpretasi Citra Google Earth dan ALOS AVNIR-2. Jika pola tersebut dikaitkan dengan penggunaan lahan yang terdapat pada DAS Cimadur gambar 5.3.2.a, terlihat bahwa pada bagian selatan dari DAS Cimadur didominasi oleh sawah, semaktegalan, dan kebun campuran. Kemudian, semakin menuju ke arah utara, hutan mulai mendominasi penggunaan lahan pada DAS Cimadur. Pada bagian utara DAS Cimadur, terlihat bahwa dibagian tengah wilayah tersebut, mulai didominasi kembali oleh sawah dan semaktegalan. Seperti yang telah dibahas sebelumnya, bahwa nilai evapotranspirasi potensial yang didapatkan pada penelitian ini, sangat terkait dengan masukan data suhu dari LST MODIS. Sehingga, jika terdapat pola evapotranspirasi potensial yang terdapat pada gambar 5.3.2.a, besar kemungkinan bahwa pola tersebut dipengaruhi oleh suhu udara. Secara umum, suhu permukaan akan meningkat seiring dengan berkurangnya vegetasi yang menutupi permukaan tanahlahan. Penelitian Hung et al. 2005 dan Sandholt et al. 2002 menunjukkan bahwa hubungan antara LST dan NDVI adalah negatif, yang berarti semakin tinggi suhu permukaan, maka indeks vegetasinya menurun. Sehingga, hal tersebut sesuai dengan apa yang ditampilkan pada Gambar 5.3.1.a, bahwa suhu permukaan jauh lebih tinggi pada bagian selatan DAS Cimadur dengan menganalogikan bahwa nilai evapotranspirasi yang terdapat pada gambar tersebut, berbanding lurus dengan suhu permukaan, akibat pola penggunaan lahannya yang cenderung dipenuhi oleh sawah, semaktegalan, dan pemukiman. Pada wilayah utara, vegetasi hutan cenderung memiliki suhusuhu yang lebih rendah. Pada wilayah tengah di sebelah utara DAS Cimadur, kenaikan suhu disebabkan oleh terdapatnya pola penggunaan lahan berupa semaktegalan dan persawahan pada wilayah tersebut gambar 5.3.2.a. Gambar 5.3.2.b menunjukkan hubungan antara elevasi dan LSTmean terhadap penggunaan lahan yang terdapat di DAS Cimadur. Hutan dan sawah dipilih sebagai pembanding terkait dengan karakteristik penggunaan lahan yang sangat berbeda diantara keduanya. Pada analisis tersebut, diambil 6 titik contoh untuk elevasi dan penggunaan lahan yang berbeda. Berdasarkan gambar 5.3.2.b, terlihat bahwa penggunaan lahan sawah memberikan nilai suhu yang lebih tinggi