Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

(1)

MODIFIKASI FAKTOR TANAMAN DALAM MODEL ANSWERS

UNTUK MEMPREDIKSI EROSI DI DAERAH

TROPIKA BASAH

(Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

YAYAT HIDAYAT

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2009


(2)

PERNYATAAN DISERTASI

Dengan ini saya menyatakan bahwa disertasi Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) adalah karya saya dengan arahan dari Komisi Pembimbing dan karya tersebut belum pernah diajukan dalam bentuk apapun ke perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.

Bogor, Nopember 2009

Yayat Hidayat NIM. A262020011


(3)

ABSTRACT

YAYAT HIDAYAT. Modification of Crop Factor in ANSWERS Model to Predict Soil Erosion in Humid Tropical Region (Case Study of Nopu Upper Catchment Central Sulawesi). Under supervised by NAIK SINUKABAN,

HIDAYAT PAWITAN and KUKUH MURTILAKSONO

ANSWERS model is one of soil erosion models that have been widely used in Indonesia to predict soil erosion from a watershed and to evaluate the effectiveness of various soil and water conservation techniques to control soil erosion and to reduce surface runoff. The model was developed based on USLE model which combined with sediment transportation model. The ANSWERS model is event based model, while USLE is long term model (annual model). This different paradigm will cause the application of C-USLE factor in ANSWERS model is subject to debate. This research was carried out to: a) study C-ANSWERS factors as input parameter of ANSWERS model, b) establish an ANSWERS model to PCRaster models and utilize the model to simulate land use changes and soil and water conservation techniques, and c) study the impact of rainforest conversion on surface runoff, soil erosion and nutrients losses. Daily measurement of surface runoff and soil erosion were conducted on erosion plots which were installed on primary forest, secondary forest, open areas, maize, peanut, young cocoa, medium cocoa, old cocoa, and intercropping between young cacao, maize, banana and cassavas land uses. In watershed outlet surface runoff discharge were determined through measurement of water height and stream velocity using automatic water level recorder and current meter. Sediment concentration was determined in soil laboratory using sediment samples that were collected regularly. Crop and management factor (C- factor) for ANSWERS model (C-ANSWERS) is C-factors that were determined from current soil loss ratio on each plant growth phases. Using C-ANSWERS factors in ANSWERS showed better performance to predict soil erosion than those using USLE C-factors. The PCRaster type of ANSWERS model (ANSWER-PCRaster) is more accurate to predict soil erosion and surface runoff than ANSWERS model (ANSWERS-Fortran) particularly on high rainfall intensity. Rainforest conversion to agricultural areas increased surface runoff, soil erosion and nutrients losses. Eventhough nutrient content on sediment and surface runoff from natural forest were higher than those from agricultural areas, but total nutrients losses from natural forest were lower. Agroforsetry systems and ridge terraces are very important on agricultural areas to control surface runoff and soil erosion to ensure sustainability of agriculture and watershed functions. Simulation of these best management practices reduced surface runoff and sediment volume effectively up to 58.4-74.6%.

Key words: A NSW ERS-Fortran, A NSW ERS-PCRaster, C-A NSW ERS, C-USLE, Nutrient loss, Rainforest conversion, Soil erosion, Surface runoff.


(4)

RINGKASAN

YAYAT HIDAYAT. Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) di bawah bimbingan NAIK SINUKABAN, HIDAYAT PAWITAN, dan KUKUH MURTILAKSONO.

Model ANSWERS (Areal Non point Source W atershed Environment Response Simulation) merupakan model prediksi erosi berdasar proses dengan pendekatan parameter terdistribusi berbasis kejadian hujan. Model tersebut mempunyai struktur model relatif sederhana dan telah digunakan pada beberapa penelitian dan perencanaan pengelolaan DAS di Indonesia. Model ANSWERS dikembangkan berlandaskan model USLE (Universal Soil Loss Equation) dikombinasikan dengan model transportasi sedimen. Penggunaan parameter faktor C (faktor pengelolaan tanaman) pada sub model produksi sedimen dalam model ANSWERS yang diadopsi dari model USLE kontradiktif dengan filosofis model ANSWERS yang mensimulasikan erosi per-kejadian hujan. Nilai faktor C-USLE merupakan nilai faktor C rataan tahunan yang ditentukan berdasarkan hasil pengamatan erosi jangka panjang dengan berbagai variasi jumlah dan intensitas hujan serta variasi jenis dan pola tanam.

Penelitian bertujuan untuk: a) mendefinisikan faktor C-ANSWERS untuk meningkatkan keakuratan model ANSWERS dalam memprediksi erosi di daerah tropika basah, b) menyusun script model ANSWERS-PCRaster yang mampu mensimulasikan penerapan teknik konservasi tanah dan air dan perubahan penggunaan lahan, dan c) mengkaji dampak perambahan hutan terhadap aliran permukaan, erosi dan kehilangan unsur hara.

Serangkaian penelitian telah dilakukan di lapangan dan laboratorium. Penelitian lapang terdiri atas pengukuran erosi dan aliran permukaan pada skala plot (plot erosi) dan skala DAS (outlet DAS/Sub DAS) serta pengukuran dan pengamatan parameter input model ANSWERS (karakteristik tanah, penggunaan lahan, topografi dan hidrologi). Pengukuran erosi harian dilakukan pada plot erosi yang dibangun pada lahan hutan primer, hutan sekunder, lahan terbuka, jagung, kacang tanah, kakao muda, kakao sedang, kakao dewasa, serta tumpang sari kakao muda dengan jagung, ketela pohon dan tanaman pisang. Pada skala DAS debit


(5)

iv

aliran permukaan ditentukan melalui pengukuran tinggi muka aliran dan kecepatan aliran menggunakan automatic waterlevelrecorder (AWLR) dan current meter. Volume sedimen ditentukan melalui pengambilan sampel sedimen pada berbagai tinggi muka aliran. Karakteristik tanah yang diamati meliputi kedalaman profil tanah dan zona kontrol infiltrasi, tekstur (pipet), bobot isi (gravimetri), porositas total, kadar air kapasitas lapang dan permeabilitas tanah (guelph permeameter). Parameter penggunaan lahan terdiri dari jenis penggunaan lahan, tutupan tajuk vegetasi (analisis citra digital), kekasaran permukaan (profilometer) dan faktor pengelolaan tanaman. Karakteristik hidrologi terdiri atas curah hujan (penakar hujan otomatis), intersepsi hujan, dimensi saluran dan koefisien kekasaran Manning. Penelitian laboratorium terdiri dari analisis sifat fisik dan kimia tanah, sedimen dan aliran permukaan, serta penyusunan model ANSWERS-PCRaster.

Hasil penelitian menunjukkan bahwa nilai faktor C-ANSWERS adalah nilai faktor C yang nilainya ditentukan berdasarkan nisbah erosi harian pada setiap fase pertumbuhan tanaman dari plot erosi dengan penggunaan lahan dan pengelolaan tertentu terhadap erosi dari plot erosi terbuka yang diolah bersih dan tidak ditanami secara terus menerus. Pada tanaman semusim (jagung dan kacang tanah) nilai faktor C-ANSWERS bervariasi sejalan dengan pertumbuhan tanama n. Ketika tutupan tajuk tanaman masih rendah (periode awal pertumbuhan tanaman) nilai faktor C-ANSWERS relatif tinggi. Nilai tersebut menurun sejalan dengan meningkatnya tutupan tajuk tanaman sampai tutupan tajuk tanaman maksimum, dan meningkat kembali akibat penurunan tutupan tajuk tanaman akibat fase pematangan dan panen. Nilai faktor C-ANSWERS juga bervariasi dengan tutupan basal diatas permukaan tanah dan jumlah curah hujan yang jatuh pada setiap hari hujan.

Model ANSWERS dengan parameter input faktor C-ANSWERS memberikan keluaran erosi yang lebih akurat dengan koefisien determinasi (R2) sebesar 0.89 dan efisiensi model (Nash-Sutcliffe coefficient) sebesar 0.86. Model ANSWERS-PCRaster dapat memprediksi erosi yang lebih baik dibanding dengan model ANSWERS-Fortran seperti ditunjukkan oleh nilai root mean square error


(6)

(ANSWERS-v

Fortran), walaupun secara statistik keluaran kedua model tersebut tidak berbeda nyata dengan koefisien determinasi 0.83-0.95 dan efisiensi model 0.81-0.93.

Model ANSWERS-PCRaster memberikan hasil prediksi yang cukup akurat pada curah hujan tinggi. Pada kisaran curah hujan >40.0-88.5 mm keluaran model hanya mengalami penyimpangan sekitar 15.0-23.3% untuk debit puncak DRO, 18.2-35.1% (volume DRO), 20.1-22.3% (debit puncak sedimen) dan 19.0-22.8% untuk volume sedimen.

Konversi hutan menjadi lahan pertanian menyebabkan peningkatan aliran permukaan, erosi, dan kehilangan unsur hara sebagai akibat berkurangnya/hilangnya tutupan tajuk vegetasi, berkurangnya intersepsi air hujan dan menurunnya kapasitas infiltrasi tanah. Walaupun konsentrasi unsur hara dalam sedimen dan aliran permukaan dari lahan hutan lebih tinggi dibanding lahan pertanian, total kehilangan unsur hara dari lahan pertanian jauh lebih tinggi dibanding dari lahan hutan. Kalsium merupakan kation hara dominan yang hilang melalui sedimen dan kalium melalui aliran permukaan.

Simulasi model ANSWERS-PCRaster menunjukkan penerapan teknik

agroforestry yang dikombinasikan teras gulud pada lahan pertanian merupakan

best management pactice terpilih untuk mempertahankan dan meningkatkan fungsi- fungsi hidrologi DAS Nopu Hulu. Simulasi tersebut pada AGFTG12.5 (kombinasi agrofoerstry dan teras gulud dengan interval 12.5 m) efektif menurunkan debit puncak DRO, volume DRO, debit puncak sedimen dan volume sedimen masing- masing sebesar 68.5, 58.4, 74.6 dan 68.2%.


(7)

Penguji pada Ujian Tertutup: Dr. Ir. Suria Darma Tarigan, MSc. Prof. Dr. Ir. Asep Sapei, MS

Penguji pada Ujian Terbuka: Prof. Dr.Ir. Asep Sapei, MS Dr. Ir. Undang Kurnia, MS


(8)

MODIFIKASI FAKTOR TANAMAN DALAM MODEL ANSWERS UNTUK MEMPREDIKSI EROSI DI DAERAH

TROPIKA BASAH

(Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

YAYAT HIDAYAT

Disertasi

sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Ilmu Pengelolaan Daerah Aliran Sungai

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2009


(9)

Judul Disertasi : Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

Nama : Yayat Hidayat NIM : A262020011

Disetujui

Komisi Pembimbing

Prof. Dr. Ir. Naik Sinukaban, M.Sc. Ketua

Prof. Dr. Ir. Hidayat Pawitan, M.Sc. Dr. Ir. Kukuh Murtilaksono, M.S. Anggota Anggota

Mengetahui

Ketua Program Studi Dekan Sekolah Pascasarjana Ilmu Pengelolaan DAS

Prof. Dr.Ir. Naik Sinukaban, M.Sc Prof. Dr.Ir. Khairil A. Notodiputro, M.S


(10)

PRAKATA

Puji dan syukur penulis panjatkan ke hadirat Illahi Robbi, atas karunia, rahmat dan hidayah-Nya penelitian dan penulisan disertasi ini berhasil diselesaikan. Disertasi dengan judul Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) merupakan hasil penelitian lapang, analisis laboratorium dan penyusunan model yang dilaksanakan sejak Juli 2004 sampai dengan Desember 2007.

Model prediksi erosi merupakan salah satu model yang digunakan sebagai alat bantu dalam pengelolaan daerah aliran sungai (DAS). Model tersebut terutama digunakan dalam proses penyusunan perencanaan, monitoring dan evaluasi program-program konservasi tanah dan air yang diterapkan dalam suatu DAS agar sumberdaya lahan dan lingkungan dalam DAS tersebut dapat dimanfaatkan secara optimal, dan secara bersamaan fungsi- fungsi hidrologi, ekologi dan ekonomi DAS dalam menunjang dinamika kehidupan dapat dilestarikan.

Pendefinisian nilai faktor C-ANSWERS yang sesuai dengan karakteristik model ANSWERS sangat diperlukan untuk meningkatkan keakuratan model tersebut dalam memprediksi erosi tanah, sehingga keluaran model dapat dijadikan sebagai landasan pertimbangan bagi pihak-pihak terkait dengan penerapan teknik konservasi tanah dan air serta pengelolaan DAS. Selain itu, perbaikan dan pengembangan model yang sesuai dengan karakteristik biofisik lahan di Indonesia dan peningkatan kemampuannya untuk mensimulasikan teknik konservasi tanah dan air adaptif di daerah tropika basah sangat membantu pengembangan dan penggunaan model prediksi erosi di Indonesia.

Semoga hasil penelitian ini bermanfaat bagi semua pihak yang memer-lukannya.

Bogor, Nopember 2009 Yayat Hidayat


(11)

MODIFIKASI FAKTOR TANAMAN DALAM MODEL ANSWERS

UNTUK MEMPREDIKSI EROSI DI DAERAH

TROPIKA BASAH

(Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

YAYAT HIDAYAT

SEKOLAH PASCASARJANA

INSTITUT PERTANIAN BOGOR

BOGOR

2009


(12)

PERNYATAAN DISERTASI

Dengan ini saya menyatakan bahwa disertasi Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) adalah karya saya dengan arahan dari Komisi Pembimbing dan karya tersebut belum pernah diajukan dalam bentuk apapun ke perguruan tinggi manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir disertasi ini.

Bogor, Nopember 2009

Yayat Hidayat NIM. A262020011


(13)

ABSTRACT

YAYAT HIDAYAT. Modification of Crop Factor in ANSWERS Model to Predict Soil Erosion in Humid Tropical Region (Case Study of Nopu Upper Catchment Central Sulawesi). Under supervised by NAIK SINUKABAN,

HIDAYAT PAWITAN and KUKUH MURTILAKSONO

ANSWERS model is one of soil erosion models that have been widely used in Indonesia to predict soil erosion from a watershed and to evaluate the effectiveness of various soil and water conservation techniques to control soil erosion and to reduce surface runoff. The model was developed based on USLE model which combined with sediment transportation model. The ANSWERS model is event based model, while USLE is long term model (annual model). This different paradigm will cause the application of C-USLE factor in ANSWERS model is subject to debate. This research was carried out to: a) study C-ANSWERS factors as input parameter of ANSWERS model, b) establish an ANSWERS model to PCRaster models and utilize the model to simulate land use changes and soil and water conservation techniques, and c) study the impact of rainforest conversion on surface runoff, soil erosion and nutrients losses. Daily measurement of surface runoff and soil erosion were conducted on erosion plots which were installed on primary forest, secondary forest, open areas, maize, peanut, young cocoa, medium cocoa, old cocoa, and intercropping between young cacao, maize, banana and cassavas land uses. In watershed outlet surface runoff discharge were determined through measurement of water height and stream velocity using automatic water level recorder and current meter. Sediment concentration was determined in soil laboratory using sediment samples that were collected regularly. Crop and management factor (C- factor) for ANSWERS model (C-ANSWERS) is C-factors that were determined from current soil loss ratio on each plant growth phases. Using C-ANSWERS factors in ANSWERS showed better performance to predict soil erosion than those using USLE C-factors. The PCRaster type of ANSWERS model (ANSWER-PCRaster) is more accurate to predict soil erosion and surface runoff than ANSWERS model (ANSWERS-Fortran) particularly on high rainfall intensity. Rainforest conversion to agricultural areas increased surface runoff, soil erosion and nutrients losses. Eventhough nutrient content on sediment and surface runoff from natural forest were higher than those from agricultural areas, but total nutrients losses from natural forest were lower. Agroforsetry systems and ridge terraces are very important on agricultural areas to control surface runoff and soil erosion to ensure sustainability of agriculture and watershed functions. Simulation of these best management practices reduced surface runoff and sediment volume effectively up to 58.4-74.6%.

Key words: A NSW ERS-Fortran, A NSW ERS-PCRaster, C-A NSW ERS, C-USLE, Nutrient loss, Rainforest conversion, Soil erosion, Surface runoff.


(14)

RINGKASAN

YAYAT HIDAYAT. Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) di bawah bimbingan NAIK SINUKABAN, HIDAYAT PAWITAN, dan KUKUH MURTILAKSONO.

Model ANSWERS (Areal Non point Source W atershed Environment Response Simulation) merupakan model prediksi erosi berdasar proses dengan pendekatan parameter terdistribusi berbasis kejadian hujan. Model tersebut mempunyai struktur model relatif sederhana dan telah digunakan pada beberapa penelitian dan perencanaan pengelolaan DAS di Indonesia. Model ANSWERS dikembangkan berlandaskan model USLE (Universal Soil Loss Equation) dikombinasikan dengan model transportasi sedimen. Penggunaan parameter faktor C (faktor pengelolaan tanaman) pada sub model produksi sedimen dalam model ANSWERS yang diadopsi dari model USLE kontradiktif dengan filosofis model ANSWERS yang mensimulasikan erosi per-kejadian hujan. Nilai faktor C-USLE merupakan nilai faktor C rataan tahunan yang ditentukan berdasarkan hasil pengamatan erosi jangka panjang dengan berbagai variasi jumlah dan intensitas hujan serta variasi jenis dan pola tanam.

Penelitian bertujuan untuk: a) mendefinisikan faktor C-ANSWERS untuk meningkatkan keakuratan model ANSWERS dalam memprediksi erosi di daerah tropika basah, b) menyusun script model ANSWERS-PCRaster yang mampu mensimulasikan penerapan teknik konservasi tanah dan air dan perubahan penggunaan lahan, dan c) mengkaji dampak perambahan hutan terhadap aliran permukaan, erosi dan kehilangan unsur hara.

Serangkaian penelitian telah dilakukan di lapangan dan laboratorium. Penelitian lapang terdiri atas pengukuran erosi dan aliran permukaan pada skala plot (plot erosi) dan skala DAS (outlet DAS/Sub DAS) serta pengukuran dan pengamatan parameter input model ANSWERS (karakteristik tanah, penggunaan lahan, topografi dan hidrologi). Pengukuran erosi harian dilakukan pada plot erosi yang dibangun pada lahan hutan primer, hutan sekunder, lahan terbuka, jagung, kacang tanah, kakao muda, kakao sedang, kakao dewasa, serta tumpang sari kakao muda dengan jagung, ketela pohon dan tanaman pisang. Pada skala DAS debit


(15)

iv

aliran permukaan ditentukan melalui pengukuran tinggi muka aliran dan kecepatan aliran menggunakan automatic waterlevelrecorder (AWLR) dan current meter. Volume sedimen ditentukan melalui pengambilan sampel sedimen pada berbagai tinggi muka aliran. Karakteristik tanah yang diamati meliputi kedalaman profil tanah dan zona kontrol infiltrasi, tekstur (pipet), bobot isi (gravimetri), porositas total, kadar air kapasitas lapang dan permeabilitas tanah (guelph permeameter). Parameter penggunaan lahan terdiri dari jenis penggunaan lahan, tutupan tajuk vegetasi (analisis citra digital), kekasaran permukaan (profilometer) dan faktor pengelolaan tanaman. Karakteristik hidrologi terdiri atas curah hujan (penakar hujan otomatis), intersepsi hujan, dimensi saluran dan koefisien kekasaran Manning. Penelitian laboratorium terdiri dari analisis sifat fisik dan kimia tanah, sedimen dan aliran permukaan, serta penyusunan model ANSWERS-PCRaster.

Hasil penelitian menunjukkan bahwa nilai faktor C-ANSWERS adalah nilai faktor C yang nilainya ditentukan berdasarkan nisbah erosi harian pada setiap fase pertumbuhan tanaman dari plot erosi dengan penggunaan lahan dan pengelolaan tertentu terhadap erosi dari plot erosi terbuka yang diolah bersih dan tidak ditanami secara terus menerus. Pada tanaman semusim (jagung dan kacang tanah) nilai faktor C-ANSWERS bervariasi sejalan dengan pertumbuhan tanama n. Ketika tutupan tajuk tanaman masih rendah (periode awal pertumbuhan tanaman) nilai faktor C-ANSWERS relatif tinggi. Nilai tersebut menurun sejalan dengan meningkatnya tutupan tajuk tanaman sampai tutupan tajuk tanaman maksimum, dan meningkat kembali akibat penurunan tutupan tajuk tanaman akibat fase pematangan dan panen. Nilai faktor C-ANSWERS juga bervariasi dengan tutupan basal diatas permukaan tanah dan jumlah curah hujan yang jatuh pada setiap hari hujan.

Model ANSWERS dengan parameter input faktor C-ANSWERS memberikan keluaran erosi yang lebih akurat dengan koefisien determinasi (R2) sebesar 0.89 dan efisiensi model (Nash-Sutcliffe coefficient) sebesar 0.86. Model ANSWERS-PCRaster dapat memprediksi erosi yang lebih baik dibanding dengan model ANSWERS-Fortran seperti ditunjukkan oleh nilai root mean square error


(16)

(ANSWERS-v

Fortran), walaupun secara statistik keluaran kedua model tersebut tidak berbeda nyata dengan koefisien determinasi 0.83-0.95 dan efisiensi model 0.81-0.93.

Model ANSWERS-PCRaster memberikan hasil prediksi yang cukup akurat pada curah hujan tinggi. Pada kisaran curah hujan >40.0-88.5 mm keluaran model hanya mengalami penyimpangan sekitar 15.0-23.3% untuk debit puncak DRO, 18.2-35.1% (volume DRO), 20.1-22.3% (debit puncak sedimen) dan 19.0-22.8% untuk volume sedimen.

Konversi hutan menjadi lahan pertanian menyebabkan peningkatan aliran permukaan, erosi, dan kehilangan unsur hara sebagai akibat berkurangnya/hilangnya tutupan tajuk vegetasi, berkurangnya intersepsi air hujan dan menurunnya kapasitas infiltrasi tanah. Walaupun konsentrasi unsur hara dalam sedimen dan aliran permukaan dari lahan hutan lebih tinggi dibanding lahan pertanian, total kehilangan unsur hara dari lahan pertanian jauh lebih tinggi dibanding dari lahan hutan. Kalsium merupakan kation hara dominan yang hilang melalui sedimen dan kalium melalui aliran permukaan.

Simulasi model ANSWERS-PCRaster menunjukkan penerapan teknik

agroforestry yang dikombinasikan teras gulud pada lahan pertanian merupakan

best management pactice terpilih untuk mempertahankan dan meningkatkan fungsi- fungsi hidrologi DAS Nopu Hulu. Simulasi tersebut pada AGFTG12.5 (kombinasi agrofoerstry dan teras gulud dengan interval 12.5 m) efektif menurunkan debit puncak DRO, volume DRO, debit puncak sedimen dan volume sedimen masing- masing sebesar 68.5, 58.4, 74.6 dan 68.2%.


(17)

Penguji pada Ujian Tertutup: Dr. Ir. Suria Darma Tarigan, MSc. Prof. Dr. Ir. Asep Sapei, MS

Penguji pada Ujian Terbuka: Prof. Dr.Ir. Asep Sapei, MS Dr. Ir. Undang Kurnia, MS


(18)

MODIFIKASI FAKTOR TANAMAN DALAM MODEL ANSWERS UNTUK MEMPREDIKSI EROSI DI DAERAH

TROPIKA BASAH

(Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

YAYAT HIDAYAT

Disertasi

sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Ilmu Pengelolaan Daerah Aliran Sungai

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR

BOGOR 2009


(19)

Judul Disertasi : Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu, Sulawesi Tengah)

Nama : Yayat Hidayat NIM : A262020011

Disetujui

Komisi Pembimbing

Prof. Dr. Ir. Naik Sinukaban, M.Sc. Ketua

Prof. Dr. Ir. Hidayat Pawitan, M.Sc. Dr. Ir. Kukuh Murtilaksono, M.S. Anggota Anggota

Mengetahui

Ketua Program Studi Dekan Sekolah Pascasarjana Ilmu Pengelolaan DAS

Prof. Dr.Ir. Naik Sinukaban, M.Sc Prof. Dr.Ir. Khairil A. Notodiputro, M.S


(20)

PRAKATA

Puji dan syukur penulis panjatkan ke hadirat Illahi Robbi, atas karunia, rahmat dan hidayah-Nya penelitian dan penulisan disertasi ini berhasil diselesaikan. Disertasi dengan judul Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) merupakan hasil penelitian lapang, analisis laboratorium dan penyusunan model yang dilaksanakan sejak Juli 2004 sampai dengan Desember 2007.

Model prediksi erosi merupakan salah satu model yang digunakan sebagai alat bantu dalam pengelolaan daerah aliran sungai (DAS). Model tersebut terutama digunakan dalam proses penyusunan perencanaan, monitoring dan evaluasi program-program konservasi tanah dan air yang diterapkan dalam suatu DAS agar sumberdaya lahan dan lingkungan dalam DAS tersebut dapat dimanfaatkan secara optimal, dan secara bersamaan fungsi- fungsi hidrologi, ekologi dan ekonomi DAS dalam menunjang dinamika kehidupan dapat dilestarikan.

Pendefinisian nilai faktor C-ANSWERS yang sesuai dengan karakteristik model ANSWERS sangat diperlukan untuk meningkatkan keakuratan model tersebut dalam memprediksi erosi tanah, sehingga keluaran model dapat dijadikan sebagai landasan pertimbangan bagi pihak-pihak terkait dengan penerapan teknik konservasi tanah dan air serta pengelolaan DAS. Selain itu, perbaikan dan pengembangan model yang sesuai dengan karakteristik biofisik lahan di Indonesia dan peningkatan kemampuannya untuk mensimulasikan teknik konservasi tanah dan air adaptif di daerah tropika basah sangat membantu pengembangan dan penggunaan model prediksi erosi di Indonesia.

Semoga hasil penelitian ini bermanfaat bagi semua pihak yang memer-lukannya.

Bogor, Nopember 2009 Yayat Hidayat


(21)

UCAPAN TERIMA KASIH

Puji dan syukur penulis panjatkan ke hadirat Illahi Robbi, atas karunia, rahmat dan hidayah-Nya penelitian dan penulisan disertasi ini berhasil diselesaikan. Disertasi dengan judul Modifikasi Faktor Tanaman dalam Model ANSWERS untuk Memprediksi Erosi di Daerah Tropika Basah (Studi Kasus DAS Nopu Hulu Sulawesi Tengah) merupakan hasil penelitian lapang, analisis laboratorium dan penyusunan model yang dilaksanakan sejak Juli 2004 sampai dengan Desember 2007.

Dengan ketulusan hati dan rasa hormat penulis menghaturkan terima kasih kepada Bapak Prof. Dr. Ir. Naik Sinukaban, MSc. sebagai Ketua Komisi Pembimbing serta Bapak Prof. Dr. Ir. Hidayat Pawitan, MSc dan Bapak Dr. Ir. Kukuh Murtilaksono, MS sebagai Anggota Komisi Pembimbing yang telah banyak memberikan pengarahan sejak penyusunan proposal, pelaksanaan penelitian dan penulisan disertasi. Ucapan terima kasih juga disampaikan kepada Bapak Dr. Ir. Suria Darma Tarigan, MSc dan Bapak Prof. Dr. Ir. Asep Sapei, MS sebagai penguji luar komisi dalam Ujian Tertutup, serta Bapak Prof. Asep Sapei, MS dan Dr. Ir. Undang Kurnia, MS sebagi penguji luar komisi dalam ujian terbuka.

Kepada Departemen Pendidikan Nasional RI melalui Rektor dan Dekan Sekolah Pascasarjana Institut Pertanian Bogor, diucapkan terima kasih atas bantuan beasiswa BPPS dan beasiswa bantuan penelitian program doktor untuk kelangsungan studi, pelaksanaan penelitian dan penulisan disertasi.

Ucapan terima kasih disampaikan kepada Rektor IPB, Dekan Sekolah Pascasarjana, Dekan dan Wakil Dekan Fakultas Pertanian, Ketua dan Sekretaris Departemen Ilmu Tanah dan Sumberdaya Lahan, serta Ketua Program Studi Ilmu Pengelolaan DAS atas ijin yang diberikan kepada penulis untuk menempuh program Doktor di Institut Pertanian Bogor. Ucapan terima kasih juga disampaikan kepada keluarga Bagian Konservasi Tanah dan Air atas pengertian dan dukungan yang diberikan.

Kepada STORMA khususnya Sub Project B2 (The influence of pedohydrological changes on the water and nutrient cycle in catchment areas),


(22)

xii

terima kasih atas dukungan dana, fasilitas lapang dan laboratorium selama kegiatan penelitian lapang. Kepada Dr. Ir. Kukuh Murtilaksono, MS dan Prof. G. H. Gerold terima kasih atas dukungan dan bimbingan dalam penelitian lapang. Kepada Dr. Sance Lipu, MSc, Dr. Kerstin, Dr. Ir. Anton Monde MP, dan Dr. Ir. Danang Widjajanto, MS terima kasih atas kebersamaanya. Kepada Bapak Risman dan keluarga, Ikram dan Agus terima kasih banyak atas segala bantuan yang telah diberikan selama penulis melakukan penelitian lapang di Desa Bulili.

Kepada Dr. Ir. Sudarmo, MS (A lm) terima kasih banyak atas dukungan yang diberikan selama penelitian yang telah memperkenalkan penulis untuk bekerja lebih baik.

Kanggo ema, bapak (alm) terima kasih atas segala dorongan dan motivasi yang diberikan yang telah mengajari penulis hingga saat ini. Kepada keluarga, istri (Fivni) ananda Hudan dan Azkia terima kasih atas pengertiannya.

Bogor, Nopember 2009 Yayat Hidayat


(23)

RIWAYAT HIDUP

Penulis dilahirkan di Tasikmalaya pada tanggal 3 Januari 1965, sebagai anak ke enam dari enam bersaudara dari ayah Udin Hasanudin (alm) dan ibu Icih. Menikah dengan Fivni dan hingga saat ini telah dikaruniai putera-puteri yang bernama Hudan Sulthani Hidayat dan Azkia Sausan Hidayat.

Menyelesaikan pendidikan dasar di Madrasah Ibtida’iyah Kereteg (1979), serta pendidikan menengah di SMPN Condong (1982) dan SMAN Ciawi (1985) di Tasikmalaya. Pada tahun 1985 penulis berkesempatan menempuh pendidikan tinggi di Jurusan Tanah, Fakultas Pertanian Institut Pertanian Bogor melalui jalur SIPENMARU dan memperoleh gelar Sarjana Pertanian pada tahun 1990. Minat penulis terhadap bidang konservasi tanah dan air serta pemodelan hidrologi dan erosi mengantarkan penulis memperoleh gelar Magister Sains pada Program Studi Ilmu Pengelolaan Daerah Aliran Sungai pada tahun 2001. Pada tahun 2002 penulis melanjutkan pendidikan program doktor pada program studi yang sama.

Sejak tahun 1992 hingga sekarang penulis bekerja sebagai staf pengajar di Departemen Ilmu Tanah dan Sumberdaya Lahan (Jurusan Tanah), Fakultas Pertanian IPB, pada bagian (laboratorium) Konservasi Tanah dan Air. Di samping melakukan kegiatan perkuliahan dan penelitian pada bagian Konservasi Tanah dan Air, penulis juga berperan aktif pada beberapa lembaga swadaya masyarakat yang memfokuskan perhatiannya pada pemberdayaan masyarakat pedesaan dan pelestarian sumberdaya lahan dan lingkungan, serta konsultasi berbagai lembaga swasta nasional dan internasional.


(24)

DAFTAR ISI

Halaman

DAFTAR TABEL………... xvi

DAFTAR GAMBAR ………... xix

DAFTAR LAMPIRAN ………... xxiv

PENDAHULUAN ………... 1

Latar Belakang ………... 1 Tujuan dan Manfaat Penelitian ………... 3 Tujuan Penelitian ………... 3 Manfaat Penelitian ………... 3 Kerangka Pemikiran ... 4 Kebaharuan Penelitian ………... 5

TINJUAN PUSTAKA ………... 7

Model Prediksi Erosi ... 7 Model ANSWERS ………... 9 Struktur Model ANSWERS ... 13 Hujan ………... 13 Infiltrasi………... 13 Simpanan Depresi Mikro………... 15 Aliran Permukaan………... 16 Sedimen………... 17 Transportasi Sedimen………... 17 Faktor Pengelolaan Tanaman dalam Model USLE dan RUSLE ... 18 Faktor Pengelolaan Tanaman dalam Model ANSWERS ... 21 Integrasi Model Erosi dan SIG………... 23

BAHAN DAN METODA ………... 25

Waktu dan Tempat ………... 25 Bahan dan Alat ………... 25 Faktor Pengelolaan Tanaman ………... 26 Parameter Masukan Model ANSWERS ………... 28 Intersepsi Air Hujan ………... 28 Kekasaran Permukaan Lahan ………... 29 Tutupan Tajuk Vegetasi………... 29 Topografi………... 31


(25)

xiv

Tanah………... 31 Hidrologi………... 32 Pengukuran Erosi dan Aliran Permukaan Skala DAS……... 32 Analisis Tanah, Sedimen dan Aliran Permukaan... 35 Penyusunan Script Model ANSWERS-PCRaster... 35 Morfologi Daerah Aliran Sungai ... 36 Curah Hujan... 37 Infiltrasi... 37 Simpanan Depresi Mikro... 37 Kelembaban Tanah... 38 Aliran Permukaan... 38 Erosi Tanah... 38 Validasi Model……... 38 Uji Korelasi... 38 Efisiensi Model... 39 Simulasi Penerapan Teknik Konservasi Tanah dan Air dan Perubahan

Penggunaan Lahan... 39

KONDISI UMUM LOKASI PENELITIAN ………. 40

Letak Geografi dan Topografi ... 40 Iklim ... 40 Tanah dan Penggunaan Lahan ... 44 Perambahan Hutan …………... 45 Instalasi Peralatan... 46

HASIL DAN PEMBAHASAN ………... 48

Faktor Pengelolaan Tanaman (Faktor C) …………... 48 Faktor C-USLE ………... 48 Faktor C ANSWERS.…... 54 Model ANSWERS-PCRaster ... 60 Deskripsi Model ………... 60 Parameter Masukan Model …………... 63 Curah Hujan ... 63 Tanah ... 65 Penggunaan Lahan ... 66 Topografi ... 67 Keluaran Model …………... 68 Aliran Permukaan ... 68


(26)

xv

Erosi Tanah ... 75 Model ANSWERS dan ANSWERS-PCRaster ... 81 Sensitivitas Model ANSWERS-PCRaster ... 83 Simulasi Teknik Konservasi Tanah dan Air dan Perubahan Penggunaan Lahan 85 Aliran Permukaan ………... 86 Erosi Tanah... 90 Dampak Konversi Hutan terhadap Aliran Permukaan, Erosi dan Kehilangan

Unsur Hara... 104 Aliran Permukaan ………... 104 Erosi Tanah ... 106 Karakteristik Aliran Permukaan dan Erosi ... 109 Aliran Permukaan ... 109 Erosi Tanah ... 110 Kehilangan Unsur Hara ... 112 KESIMPULAN DAN SARAN ... 117 Kesimpulan ... 117 Saran ... 118 DAFTAR PUSTAKA ... 119 LAMPIRAN ... 127


(27)

xvi

DAFTAR TABEL

Halaman 1. Deskripsi plot erosi... 27 2. Debit aliran hasil perhitungan dengan menggunakan persamaan weir

dankurva lengkung debit aliran ... 36 3. Jenis dan metoda analisis tanah, sedimen dan aliran permukaan... 37 4. Curah hujan di lokasi penelitian ... 43 5. Jenis peralatan yang digunakan dalam penelitian lapang dan analisis

laboratorium ... 47 6. Nilai Faktor C-USLE tanaman jagung dan kakao dewasa... 49 7. Nilai faktor C-USLE untuk berbagai penggunaan lahan... 51 8. Keragaan nilai faktor C-ANSWERS pada berbagai penggunaan lahan ... 56 9. Rataan penyimpangan model ANSWERS dalam memprediksi erosi DAS

pada beberapa kejadian hujan ... 58 10. Erosi keluaran model ANSWERS dengan parameter input faktor

C-ANSWERS dan faktor C-USLE ... 59 11. Karakteristik hujan masukan model ANSWERS pada beberapa kejadian

hujan... 64 12. Parameter tanah masukan model ANSWERS-PCRaster ... 65 13. Tutupan tajuk vegetasi (PER) pada berbagai penggunaan lahan ... 66 14. Nilai RC dan HU pada masing- masing penggunaan lahan ... 67 15. Indikator keakuratan model dalam memprediksi debit puncak dan volume

DRO ... 71 16. Indikator keakuratan model dalam memprediksi debit puncak dan volume

Sedimen... 78 17. Uji sensitivitas model ANSWERS-PCRaster terhadap perubahan parameter

masukan fc, fmax dan faktor C pada beberapa kejadian hujan ... 84 18. Pengaruh penerapan teras gulud dalam mengendalikan debit puncak dan

volume aliran langsung (DRO) pada berbagai kejadian hujan menggunakan

simulasi model ANSWERS-PCRaster ... 87 19. Efektivitas penerapan teknik agroforestry dan teras gulud pada lahan

pertanian dalam mengendalikan debit puncak dan volume aliran langsung


(28)

xvii

20. Pengaruh penerapan hutan dan teras gulud dalam mengendalikan debit puncak dan volume aliran langsung (DRO) pada berbagai kejadian hujan

menggunakan simulasi model ANSWERS-PCRaster ... 91 21. Efektivitas penerapan teknik teras gulud pada lahan pertanian dalam

mengendalikan debit puncak dan volume sedimenpada berbagai kejadian

hujan menggunakan simulasi model ANSWERS-PCRaster... 92 22. Efektivitas penerapan teknik agroforestry dan teras gulud pada lahan

pertanian dalam menge ndalikan debit puncak dan volume sedimenp ada berbagai kejadian hujan menggunakan simulasi model

ANSWERS-PCRaster ... 94 23. Pengaruh penerapan hutan dan teras gulud dalam mengendalikan debit

puncak dan volume sedimen pada berbagai kejadian hujan menggunakan

simulasi model ANSWERS-PCRaster... 96 24. Efektivitas penerapan teknik konservasi tana h dan air dan perubahan

penggunaan lahan dalam dalam menurunkan aliran permukaan dan erosi

pada curah hujan 88.5 mm dan rataannya ... 97 25. Pengaruh perubahan penggunaan lahan terhadap aliran permukaan pada

jenis tanah Typic Eutropept, kemiringan lereng 39-42% dan curah hujan

kumulatif 1696.1 mm*... 105 26. Pengaruh perubahan penggunaan lahan terhadap erosi pada jenis tanah

Typic Eutropept, kemiringan lereng 39-42% dan curah hujan kumulatif


(29)

DAFTAR LAM PIRAN

Halaman

1. a. Nilai Faktor C USLE untuk Berbagai Penggunaan Lahan di Indonesia .... 128 b. Nilai Faktor CP model USLE untuk Berbagai Penggunaan Lahan di

Indonesia ... 131 2. Nilai Faktor C-USLE beberapa penggunaan lahan di lokasi penelitian ... 132 3. Nilai faktor C-ANSWERS pada berbagai penggunaan lahan... 136 4. Script PCRaster untuk mobel ANSWERS... 138 5. Karakteristik hujan pada berbagai kejadian hujan ... 145 6. a. Aliran permukaan dan hasil sedimen keluaran model dan pengukuran

pada beberapa kejadian hujan di outlet 1... 149 b. Aliran permukaan dan hasil sedimen keluaran model dan pengukuran

pada beberapa kejadian hujan di outlet 2... 151 c. Aliran permukaan keluaran model pada beberapa kejadian hujan di

outlet 3... 152 7. Aliran permukaan langsung (DRO) dan hasil sedimen pada simulasi teras

gulud pada beberapa kejadian hujan ... 153 8. a. Aliran permukaan pada simulasi penghutanan dan penerapan teras gulud

pada beberapa kejadian hujan... 154 8. b. Hasil sedimen pada simulasi penghutanan dan penerapan teras gulud

pada beberapa kejadian hujan ... 155 9. Aliran permukaan hasil pengukuran pada plot erosi pada berbagai

penggunaan lahan dengan kemiringan lereng ±40% ... 157 10. Erosi tanah hasil pengukuran pada plot erosi pada berbagai penggunaan

lahan dengan kemiringan lereng ±40% ... 160 11. Rataan Konsentrasi unsur hara dalam aliran permukaan pada beberapa

penggunaan lahan ... 163 12. Kandungan unsur hara tanah lapisan atas dalam plot erosi sebelum dan


(30)

PEN D A HULUA N

Latar Belakang

Model prediksi erosi merupakan salah satu model yang digunakan sebagai alat bantu dalam pengelolaan daerah aliran sungai (DAS). Model tersebut terutama digunakan dalam proses penyusunan perencanaan, monitoring dan evaluasi program-program konservasi tanah dan air yang diterapkan dalam suatu DAS agar sumberdaya lahan dan lingkungan dalam DAS tersebut dapat dimanfaatkan secara optimal, dan secara bersamaan fungsi- fungsi hidrologi, ekologi dan ekonomi DAS dalam menunjang dinamika kehidupan dapat dilestarikan.

Model ANSWERS (Areal Non point Source W atershed Environment Response Simulation) merupakan model prediksi erosi berdasar proses dengan pendekatan parameter terdistribusi berbasis kejadian hujan. Model tersebut mempunyai struktur model relatif sederhana dan telah digunakan pada beberapa penelitian dan perencanaan pengelolaan DAS di Indonesia. Model ANSWERS dikembangkan berlandaskan model USLE (Universal Soil Loss Equation) dikombinasikan dengan model transportasi sedimen (Beasley dan Huggins, 1981). Aplikasi model ANSWERS di Black Creek Project menunjukkan bahwa model tersebut memberikan hasil prediksi yang cukup baik dan dapat digunakan sebagai alat bantu perencanaan dan evaluasi teknik konservasi tanah dan air yang diterapkan dalam suatu DAS (Bouraoui dan Dillaha, 1996). Penggunaan model ANSWERS di Indonesia telah dilakukan oleh Irianto (1993), Aswandi (1996), Tikno (1996), Ginting dan Ilyas (1997), Ramadhan (1998), dan Hidayat (2001).

Penggunaan model ANSWERS di wilayah tropika basah seperti di Indonesia dihadapkan pada kendala nilai parameter masukan model yang kurang optimal sebagai akibat perbedaan karakteristik biofisik dan pengelolaan lahan di wilayah tropis dan subtropis. Pola penggunaan lahan yang relatif homogen (secara spasial dan temporal) di wilayah sub tropis sangat berbeda dengan pola penggunaan lahan di wilayah tropika basah yang biasanya menggunakan pola tumpang sari (multiple cropping) dan tumpang gilir (inter cropping). Penentuan nilai parameter masukan model ANSWERS khususnya nilai faktor pengelolaan


(31)

2

tanaman (faktor C) dan parameter lain yang terkait dengan faktor pengelolaan tanaman dan penggunaan lahan seperti presentase tutupan tajuk vegetasi (PER), volume intersepsi potensial (PIT) dan koefisien kekasaran permukaan (RC) yang sesuai dengan karakteristik biofisik lahan di wilayah tropika basah, sangat diperlukan untuk meningkatkan keakuraratan model ANSWERS dalam memprediksi erosi DAS di wilayah tropika basah.

Penggunaan nilai parameter faktor C (faktor pengelolaan tanaman) pada sub model produksi sedimen dalam model ANSWERS yang diadopsi dari model USLE kontradiktif dengan filosofis model ANSWERS yang mensimulasikan erosi per-kejadian hujan. Faktor C-USLE merupakan faktor C rataan tahunan yang nilainya ditentukan berdasarkan hasil pengamatan erosi jangka panjang dengan berbagai variasi jumlah dan intensitas hujan serta variasi jenis dan pola tanam yang diusahakan. Selain digunakan dalam model ANSWERS, nilai faktor C-USLE juga digunakan dalam model prediksi erosi lainnya seperti model AGNPS, EPIC, CREAMS dan SWAT baik di negara dimana model tersebut dikembangkan (Amerika Serikat) maupun di negara lain termasuk di Indonesia.

Pendefinisian faktor C-ANSWERS (faktor C yang sesuai dengan kondisi per-tumbuha n tanaman) dalam model ANSWERS diharapkan dapat meningkatkan keakuratan model tersebut dalam memprediksi erosi tanah khususnya di daerah tropika basah. Adanya korelasi linier antara parameter input faktor C dengan erosi keluaran model ANSWERS (Hidayat, 2001) menyebabkan keragaan erosi keluaran model sejalan dengan keragaan nilai faktor C-ANSWERS (parameter input model ANSWERS).

Selain digunakan untuk memprediksi erosi DAS, model ANSWERS juga digunakan untuk mensimulasikan teknik konservasi tanah dan air (best management practice, BMP) untuk mengendalikan aliran permukaan dan erosi. BMP yang disimulasikan dalam model ANSWERS meliputi pengolahan tanah konservasi, tile outlet terrace, saluran berumput, dan kolam sedimentasi. Peningkatkan kemampuan model ANSWERS dalam mensimulasikan teras gulud (dan teknik konservasi tanah dan air lainnya) sangat diperlukan agar model ANSWERS dapat digunakan untuk mensimulasikan teknik konservasi tanah dan air yang biasa diterapkan di Indonesia (daerah tropika basah).


(32)

3

Penggunaan model ANSWERS (model prediksi erosi parameter terdistribusi) di Indonesia sangat diperlukan untuk menentukan teknik konservasi tanah dan air serta pengelolaan lahan dalam upaya merehabilitasi lahan- lahan kritis dan mengembalikan daya dukung lahan bekas perladangan dan perambahan hutan. Untuk mengidentifikasi keragaman nilai faktor C-ANSWERS pada beberapa penggunaan lahan di daerah tropika basah, mempelajari dampak perubahan penggunaan lahan terhadap aliran permukaan dan kehilangan unsur hara, serta mensimulasikan perubahan penggunaan lahan terhadap fungsi hidrologi dan erosi tanah, maka penelitian dilakukan di DAS Nopu Hulu, Desa Bulili, Kecamatan Palolo, Kabupaten Donggala, Sulawesi Tengah. Lokasi penelitian meliputi areal seluas234.2 hektar, terletak pada wilayah perbukitan di batas tepi dan dalam kawasan Taman Nasional Lore Lindu (TNLL) yang di dalamnya masih terdapat kegiatan perambahan hutan oleh masyarakat sekitar hutan.

Tujuan dan M anfaat Penelitian Tujuan penelitian

• Mendefinisikan faktor C-ANSWERS untuk meningkatkan keakuratan model ANSWERS dalam memprediksi erosi di daerah tropika basah dan evaluasinya dari data empiris.

• Menyusun skript model ANSWERS-PCRaster yang mampu mensimulasikan penerapan teknik konservasi tanah dan air dan perubahan penggunaan lahan.

• Mengkaji dampak perambahan hutan terhadap aliran permukaan, erosi dan kehilangan unsur hara.

M anfaat Penelitian

• Memperkaya khazanah ilmu pengetahuan khususnya yang berkaitan dengan pengembangan model prediksi erosi di Indonesia.

• Memberikan kontribusi terhadap pengembangan model prediksi erosi sebagai alat bantu perencanaan, monitoring dan evaluasi pengelolaan DAS di Indonesia.


(33)

4

• Memberikan masukan kepada instansi terkait dalam pengelolaan DAS Nopu Hulu di Kabupaten Donggala dan Propinsi Sulawesi Tengah (terutama Balai Taman Nasional Lore Lindu) dalam upaya mengatasi dampak perambahan hutan di sekitar Taman Nasional Lore Lindu dan wilayah lainnya dengan kondisi biofisik yang serupa.

Kerangka Pemikiran

Pensimulasian proses dan pengendalian erosi tanah dengan menggunakan model prediksi erosi telah lama dilakukan ahli-ahli konservasi tanah. Pensimulasian tersebut dilakukan mulai dari skala plot (plot erosi/lahan usahatani) dengan pendekatan lump hingga skala DAS menggunakan model parameter terdistribusi. Model USLE (Weischmeier dan Smith, 1965; 1978) merupakan model prediksi erosi empiris yang mendasari pengembangan model prediksi erosi lainnya seperti model ANSWERS, AGNPS dan SWAT. Penggunaan model prediksi erosi tersebut dalam perencanaan pengelolaan DAS sangat diperlukan untuk menentukan teknik konservasi tanah dan air guna menjamin kelestarian fungsi dan manfaat DAS.

Peningkatan keakuratan model ANSWERS dalam memprediksi erosi tanah dapat dilakukan melalui: a) pendefinisian faktor C-ANSWERS yaitu faktor C yang sesuai dengan karakteristik model ANSWERS dan kondisi pertumbuhan tanaman di lapangan, dan b) penyusunan model ANSWERS dalam format PCRaster (ANSWERS-PCRater) yang dikombinasikan dengan pendekatan penelusuran kinematic routing. Faktor C-ANSWERS didefinisikan sebagai faktor C pada setiap fase pertumbuhan tanaman yang nilainya ditentukan berdasarkan nisbah erosi dari lahan dengan penggunaan dan pengelolaan tertentu terhadap erosi dari lahan terbuka yang diolah bersih dan tidak ditanami secara terus menerus.

Penyusunan skript model ANSWERS-PCRaster dilakukan dengan mengkom-binasikan algoritma model ANSWERS dengan fungsi dan operator model PCRaster sehingga proses dan penghitungan erosi tanah serta pensimulasian tindakan konservasi tana h dan air dapat dimodelkan secara lebih baik. Penyusunan model ANSWERS-PCRaster dimaksudkan untuk mempermudah pengolahan data masukan dan penyajian keluaran model, memodifikasi algoritma model yang diperlukan, dan menambahkan kemampuan


(34)

5

model yang diperlukan untuk mesimulasikan penerapan teknik konservasi tanah dan air serta perubahan penggunaan lahan yang biasa diterapkan di daerah tropika basah. Diagram alir kegiatan penelitian disajikan pada Gambar 1.

Kebaruan Penelitian

Perbedaan pendekatan model USLE yang memprediksi rataan erosi tanah tahunan dengan model ANSWERS yang memprediksi erosi tanah per-kejadian hujan menyebabkan penggunaan parameter faktor C (faktor pengelolaan tanaman) dalam model ANSWERS yang diadopsi langsung dari model USLE (C-USLE), kontradiktif dengan paradigma kedua model yang dikembangkan. Nilai faktor C-USLE merupakan nilai rataan faktor C jangka panjang untuk suatu pola penggunaan lahan dan penge-lolaan tanaman tertentu. Oleh karena itu nilai faktor C tersebut tidak dapat merep-resentasikan keragaan nilai faktor C pada setiap fase pertumbuhan tanaman. Penggunaan nilai faktor C-ANSWERS (faktor C yang sesuai dengan kondisi pertumbuhan tanaman) sebagai masukan model ANSWERS yang dilakukan dalam penelitian ini diharapkan dapat meningkatkan keakuratan model tersebut dalam memprediksi erosi di daerah tropika basah.

Penyusunan skript model ANSWERS-PCRaster (model ANSWERS berbasis PCRaster) dengan menggunakan sistem lookup table akan mempermudah proses pengolahan parameter masukan model dan perancangan simulasi (skenario) penerapan teknik konservasi tanah dan air serta perubahan penggunaan lahan yang akan dilakukan. Penggunaan data berbasis raster yang dapat mendefinisikan sistem kurangan DAS secara lebih baik diharapkan dapat meningkatkan keakuratan model dalam memprediksi erosi tanah. Skript PCRaster untuk model ANSWERS merupakan bentuk awal pengembangan piranti lunak (software) untuk memprediksi erosi tanah dengan parameter terdistribusi di Indonesia (tropika basah). Selain itu pensimulasian teras gulud dalam model yang dikembangkan merupakan keluaran penelitian ini yang ditujukan untuk meningkatkan kemampuan model dalam mensimulasikan teknik konservasi tanah dan air yang banyak diterapkan di Indonesia.


(35)

6

Gambar 1. Diagram alir kegiatan penelitian baik baik

Input Peta Dasar DEM Karakteristik tanah Karakteristik lahan Liputan penakar hujan

Jaringan sungai Analisis II Deliniasi DAS Distribusi hujan Kemiringan lereng Ldd, Outlet PER, RC, C Erodibiltas tanah

Infiltrasi Intersepsi

Analisis III Curah hujan neto Simpanan depresi Overland flow Erosi tanah Routing aliran permukaan Kapasitas transportasi aliran Routing sedimen R2 Efisiensi Model Simulasi Perubahan penggunaan lahan dan penerapan teknik

konservasi tanah dan air ANSWERS-PCRaster Hasil Sedimen Aliran Permukaan Analisis I Faktor C-ANSWERS Faktor C-USLE tidak ANSWERS-Fortran Hasil sedimen Aliran Permukaan R2 Efisiensi Model tidak

Pengukuran Lapang II Curah hujan Karakteristik tanah Tutupan tajuk vegetasi

RC, HU Permeabilitas

Hidrologi Pengukuran Lapang I

(Plot Erosi) Erosi tanah Aliran permukaan Pengukuran Lapang III (DAS) Erosi tanah Aliran permu kaan

Kehilangan Hara Tanah Sedimen Aliran permukaan

DAS Nopu Hulu Lesatari Qmax/Qmin dan Hasil


(36)

TINJAUAN PUSTAKA M odel Prediksi Erosi

Upaya membuat model matematis untuk memprediksi erosi tanah telah dimulai lebih dari setengah abad yang lalu (sekitar tahun 1940-an) khususnya yang dilakukan di wilayah Corn Belt, Amerika Serikat bagian barat-tengah. Pengembangan model prediksi erosi dimulai dengan menganalisis variabel-variabel utama yang mempengaruhi erosi tanah oleh air. Cook (1936; dalam

Renard et al., 1996) menunjukkan tiga faktor utama yang mempengaruhi erosi yaitu : a) kepekaan tanah untuk dierosikan, b) potensi erosivitas hujan dan aliran permukaan, dan c) perlindungan tanah oleh tutupan tajuk tanaman. Beberapa tahun kemudian Zing (1940; dalam Wischmeier and Smith, 1965) mempublikasikan persamaan pertama untuk menghitung erosi tanah dari suatu lahan usahatani yang dipengaruhi oleh kemiringan dan panjang lereng. Smith (1941; dalam Wischmeier and Smith, 1965) menambahkan faktor sistem penanaman dan faktor konservasi tanah pada persamaan tersebut, serta mengemukakan konsep spesifik batas erosi tahunan dan menggunakan hasil persamaan tersebut untuk mengembangkan metoda grafis dalam menentukan faktor tindakan konservasi yang diperlukan pada suatu kondisi tanah tertentu di bagian barat-tengah Amerika Serikat.

Model prediksi erosi biasanya disajikan dalam bentuk persamaan matematis untuk menunjukkan hubungan antara berbagai faktor yang mempengaruhi erosi dan proses yang terjadi dalam suatu landscape. Faktor-faktor tersebut diantaranya meliputi topografi, curah hujan, karakteristik tanah, penggunaan dan penutupan lahan. Secara umum model prediksi erosi dibedakan ke dalam model empirik dan model fisik-teoritik (physically based model). Akan tetapi, sebagian besar model prediksi erosi merupakan model hibrid yang mengkombinasikan model fisik dan empir ik (Haan et al., 1982).

Penelitian erosi yang secara khusus ditujukan untuk mengembangkan model empirik telah mulai berkurang, dan terlihat adanya kecenderungan pengembangan model simulasi berdasar proses (Morgan, 1980; Nearing et al., 1989). Sebagian besar model prediksi erosi berdasar proses yang telah


(37)

8 dikembangkan menggunakan pendekatan lump atau semi terdistribusi untuk memodelkan komponen hidrologinya.

Model USLE (Universal Soil Loss Equation) merupakan model prediksi erosi empirik yang paling populer dan secara luas digunakan sebagai arahan perencanaan dan pemilihan teknik konservasi tanah dan air (Wischmeier dan Smith, 1965, 1978). Model tersebut dikembangkan berdasarkan pengamatan erosi jangka panjang pada skala plot dan didesain untuk memprediksi rataan erosi tahunan dari suatu lahan dengan penggunaan lahan dan kondisi pengelolaan tertentu. Jika tidak memperhatikan efek temporal, model USLE akan memberikan hasil prediksi yang salah bila digunakan untuk memprediksi erosi musiman atau erosi perkejadian hujan (Wischmeier, 1976). Secara deskriptif model USLE disajikan sebagai berikut (Wischmeier dan Smith, 1965; 1978) :

A = R K L S C P

A : jumlah tanah tererosi per-unit area/tahun (ton/ha/tahun)

R : faktor erosivitas hujan : energi kinetik hujan (E) dikalikan dengan intensitas hujan maksimum selama 30 menit pada curah hujan normal.

K : faktor erodibilitas tanah : laju erosi per-unit indeks erosi hujan untuk tanah yang terus menerus diberakan (diolah bersih menurut lereng dan tidak ditanami) dengan kemiringan lereng 9% dan panjang lereng 22 m.

L : faktor panjang lereng : nisbah erosi tanah dari lahan dengan panjang lereng tertentu terhadap erosi tanah dari lahan dengan panjang lereng 22 m, dengan jenis tanah dan pengelolaan yang serupa.

S : faktor kemiringan lereng : nisbah erosi tanah dari lahan dengan kemiringan lereng tertentu terhadap erosi tanah dari lahan dengan kemiringan 9% dan pengelolaan yang serupa.

C : faktor dan pengelolaan tanaman : nisbah erosi tanah dari lahan dengan tanaman dan pengelolaan tanaman tertentu terhadap erosi tanah dari lahan yang diolah bersih dan tidak ditanami secara terus menerus.

P : faktor tindakan konservasi tanah : nisbah erosi dari lahan dengan tindakan konservasi tertentu terhadap erosi tanah dari lahan yang diolah dan ditanami secara baris menurut lereng.


(38)

9 Pada awalnya model USLE dikembangkan sebagai alat perencanaan konservasi tanah (soil conservation planning tool). Namun demikian karena belum adanya model prediksi erosi skala DAS telah menyebabkan penggunaan model ini untuk memprediksi erosi DAS tanpa dibarengi modifikasi yang berarti (Kinnell dan Risse, 1998).

Meskipun model prediksi erosi USLE telah digunakan secara luas, baik di Indonesia maupun negara lain di Asia, Afrika, dan Eropa, ketepatan penggunaannya dalam memprediksi erosi dari suatu wilayah (DAS) masih diragukan (Kurnia, 1997). Hal ini disebabkan karena metoda USLE hanya dapat memprediksi rataan kehilangan tanah dari erosi lembar (sheet erosion), dan erosi alur (rill erosion). Di samping itu model erosi USLE tidak dapat memprediksi pengendapan (deposition) dan tidak menghitung hasil sedimen (sediment yield) dari erosi parit (gully erosion), tebing sungai (stream bank erosion) dan dasar sungai (streambed erosion) (Wischmeier, 1976). Hasil pendugaan erosi tidak menggambarkan keadaan erosi suatu wilayah yang luas, melainkan hanya dari lahan usahatani yang sempit dengan kemiringan lereng tunggal dan belum memper- hitungkan pengendapan tanah yang tererosi dari lahan di atasnya (Wischmeier, 1976).

M odel ANSW ERS

Model ANSWERS (Areal Nonpoint Source W atershed Environment Response Simulation) merupakan model hidrologi dengan parameter terdistribusi yang men-simulasikan hubungan hujan-aliran permukaan dalam memprediksi hasil sedimen. Model ANSWERS pertama kali dikembangkan oleh Beasley (1977, dalam

Beasley dan Huggins, 1981) untuk mensimulasikan pengaruh tata guna lahan dan pengelolaan lahan terhadap kualitas air aliran permukaan. Model tersebut terinspirasi oleh model Huggins dan Monke (1966) yang pertama kalinya mengembangkan model parameter terdistribusi. Perkembangan selanjutnya didukung oleh US EPA (Environment Protection Agency) dan Departemen Penelitian Pertanian, Purdue University (Beasley dan Huggins, 1981).

Model ANSWERS merupakan model parameter terdistribusi, untuk kejadian hujan tunggal (event based model), yang dirancang untuk mengevaluasi


(39)

10 pengaruh BMPs (Best Management Practices) terhadap aliran permukaan dan kehilangan sedimen dari suatu DAS dengan penggunaan lahan utama pertanian. Model ANSWERS membagi DAS kedalam grid sel bujur sangkar, dengan penggunaan lahan, kemiringan lereng, karakteristik tanah, unsur hara, tanaman dan pengelolaannya diasumsikan seragam di dalam setiap sel. Perbedaan antara sel menyebabkan model mampu mempertimbangkan heterogenitas DAS secara alami. Ukuran sel biasanya berukuran 1–4 ha, dengan ukuran sel yang lebih kecil menyebabkan hasil simulasi yang lebih akurat (Ricardo, 1998).

Di dalam sel, model mensimulasikan intersepsi, retensi permukaan, infiltrasi dengan menggunakan metoda Holtan (Holtan, 1961; dalam Beasley dan Huggins, 1981), aliran permukaan, perkolasi melalui zona kontrol infiltrasi, penghancuran partikel tanah menjadi sedimen dan pengangkutan sedimen. Aliran permukaan bergerak menuju downslope melalui aliran sel tetangganya atau sel lain yang mempunyai saluran. Model ANSWERS dapat digunakan untuk mensimulasikan beberapa BMPs, seperti pengolahan tanah konservasi, kolam,

paralel tile outlet, grass waterways dan tile drainage (Beasley dan Huggins. 1981) dan tindakan lainnya yang mempengaruhi parameter input model berdasar fisik.

Kelemahan utama model ANSWERS terletak pada model erosi yang sebagian besar bersifat empiris dan hanya mensimulasikan transportasi total sedimen. Model transportasi sedimen diperbaharui oleh Dillaha et al. (1988) untuk mensimulasikan penghancuran dan transportasi sedimen pada berbagai ukuran partikel sedimen dengan menggunakan metoda Yalin’s (1963). Pembaharuan model lainnya dilakukan oleh Sichani (1982) dan Storm et al. (1988,

dalam Dillaha et al, 1998) yang menambahkan komponen transportasi fosfor, dan Dillaha et al. (1988) yang menambahkan sub model transportasi nitrogen. Transportasi unsur hara yang dipertimbangkan meliputi fosfor terlarut dan teradsorbsi, nitrat dan amonium terlarut dan teradosrbsi serta total nitrogen (Ricardo, 1998).

Walaupun telah divalidasi secara sukses untuk mengevaluasi BMPs (Sichani, 1982; Storm et al., 1988; De Roo et al., 1992) model tersebut mempunyai beberapa keterbatasan diantaranya : a) menggunakan persamaan Holtan untuk menduga infiltrasi, b) model hanya mensimulasikan kejadian hujan tunggal, c)


(40)

11 tidak mampu mensi- mulasikan keefektifan BMPs dalam jangka panjang dalam pengendalian non-point pollution, dan d) tidak mensimulasikan transportasi unsur hara dan penulusurannya. Untuk mengatasi keterbatasan tersebut, ANSWERS 93 dikembangkan oleh Bouraoni (1993, dalam Ricardo, 1998) dengan spesifikasi perbaikan :

• Menggabungkan model infiltrasi berdasar proses fisik untuk merepresentasikan pengaruh BMPs terhadap infiltrasi dan aliran permukaan secara lebih baik.

• Mengembangkan model transportasi fosfor dan penelusurannya untuk mensi-mulasikan transport fosfor organik terlarut dan terikat sedimen.

• Mengembangkan model transportasi nitrogen dan penelusurannya untuk mensi- mulasikan transportasi nitrogen terlarut dan terikat sedimen.

• Mengkonversi penilaian non-point pollution ke dalam skala waktu yang panjang dan kontinyu dengan mengintegrasikan komponen pertumbuhan tanaman, kelembaban tanah dan evapotranspirasi.

ANSWERS 2000 (Bouraoni dan Dillaha, 1996) merupakan model simulasi kontinyu dengan time step yang lebih singkat (30 detik). Pada versi ini sub model unsur hara telah dimasukkan dan dilakukan perbaikan model infiltrasi (model infiltrasi Green & A mpt), kelembaban tanah dan komponen pertumbuhan tanaman telah ditambahkan untuk memungkinkan simulasi kontinyu jangka panjang. Walaupun komponen pertumbuhan tanaman telah dimasukkan ke dalam model ANSWERS 2000, hasil sedimen keluaran model (simulasi data 1973-1975, di Southern Piedmont Conservation Research Center in W atskinville, Georgia) masih mengalami penyimpangan yang sangat besar yaitu sekitar 86.2% (Byne, 2000).

ANSWERS 2000 mensimulasikan transformasi dan interaksi antara 4 bentuk nitrogen yang meliputi N-organik stabil, N-organik aktif, nitrat dan amonium. Transformasi nitrogen melalui mineralisasi disimulasikan sebagai kombinasi amo-nifikasi dan nitrifikasi, denitrifikasi, dan serapan nitrat dan amonium oleh tanaman. Model ini mempertahankan kesetimbangan dinamik antara bentuk nitrogen stabil dan nitrogen aktif, dan 4 bentuk fosfor yang disimulasikan meliputi P-stabil, P- labil, P-aktif, dan P-organik. Kesetimbangan dipertahankan antara mineral stabil dan mineral aktif dan antara mineral


(41)

P-12 aktif dan mineral labil. Serapan tanaman akan labil dan mineralisasi P-organik juga disimulasikan (Ricardo, 1998).

Model ANSWERS 2000 telah diujicobakan pada 2 DAS di W atkinsvile, Georgia dan menunjukkan performa yang baik dalam memprediksi aliran permukaan, sedimen, nitrat, amonium terlarut, total nitrogen terikat sedimen, dan kehilangan fosfor terlarut pada kedua DAS tersebut. Akan tetapi model tersebut kurang baik dalam memprediksi kehilangan amonium terikat sedimen. Secara praktis, penggunaan model ANSWERS 2000 telah dilakukan dalam 8 tahun di Sub DAS Nomini Creek seluas 225 ha di Virginia, yang ditujukan untuk mengevaluasi keefektifan BMPs (pengolahan tanah konservasi) dalam mempertahankan kualitas air.

Pembaharuan ANSWERS 2000 terutama berhubungan dengan user interface. Interface berbasis ArcInfo telah dihubungkan dengan model ANSWERS untuk memfasilitasi pemasukan input data, pengolahan dan interpretasi data

output (Wolfe et al., 1995). Sistem pend ukung keputusan FARM SCALE, merupakan sistem berdasar pengetahuan (knowledge based) untuk membantu pengguna dalam memilih parameter dan membuat data base. Interface

memfasilitasi :

• Pemilihan area wilayah yang akan dianalisis program GIS.

• Akses otomatis pada file parameter tanah dengan pilihan untuk mengganti nilai parameter umum dengan informasi spesifik.

• Pembuatan data iklim sintetik, jika diinginkan.

• Menjalankan model.

• Mendisplay output

Integrasi model ANSWERS dan GRASS telah dik embangkan Rewert dan Engle (1991, dalam Ricardo, 1998 ) untuk menfasilitasi input nilai parameter dan penyajian hasil model ANSWERS event based. Perkembangan terakhir, komponen

groundwater telah ditambahkan pada model ANSWERS 2000. Model versi ini telah divalidasi pada tingkat lokal pada skala usahatani dan DAS (Ricardo, 1998).


(42)

13

Struktur M odel ANSW ERS

Model ANSWERS merupakan model deterministik yang didasarkan pada hipotesis bahwa setiap titik dalam DAS mempunyai hubungan fungsional antara laju aliran permukaan dan beberapa parameter hidrologi yang mempengaruhi aliran seperti intensitas hujan, infiltrasi, topografi, jenis tanah dan beberapa faktor lainnya. Laju aliran yang terjadi digunakan untuk memodelkan fenomena pindah masa seperti erosi dan polusi dalam wilayah DAS (Beasley dan Huggins, 1981).

Daerah aliran sungai dimodelkan dengan membangun strukturnya secara konseptual oleh kumpulan elemen bujur sangkar, sehingga derajat variabilitas spasial dalam DAS dapat terakomodasi. Variabilitas spasial tersebut diberikan oleh nilai parameter setiap elemen DAS. Elemen diartikan sebagai suatu areal yang mempunyai parameter hidrologi yang sama, dan setiap elemen akan memberikan kontribusi sesuai dengan karakteristik yang dimiliki. Dengan demikian model ANSWERS ini melakukan analisis pada setiap satuan elemen (Beasley dan Huggins, 1981).

Hujan

Sebagian air hujan yang jatuh diatas permukaan lahan bervegetasi diintersepsi oleh tutupan tajuk vegetasi. Model ANSWERS menggunakan simpanan intersepsi potensial (PIT, dalam mm) sebagai input. PIT menggambarkan volume air hujan yang tertahan sebagai air intersepsi jika suatu lahan tertutupi sempurna oleh tanaman atau penggunaan lahan tertentu. Jumlah air hujan dikalikan dengan porsi elemen yang tertutupi vegetasi (PER) menghasilkan intersepsi incremental (RIT). Simpanan intersepsi potensial ditentukan untuk setiap kejadian hujan dan untuk setiap jenis tanaman. Karena sangat sedikit data intersepsi yang dipublikasikan, simpanan intersepsi potensial sering diprediksi menggunakan persamaan Horton (De Roo, 1993).

Infiltrasi

Model ANSWERS mensimulasikan infiltrasi air ke dalam tanah dengan menggunakan persamaan Holtan’s (1961) yang dimodifikasi Everton (1964), dengan persamaan :


(43)

14       TP PIV A + FC = FMAX P

FMAX : kapasitas infiltrasi dengan permukaan tanah tergenang (cm/jam), FC : kapasitas infiltrasi konstan (cm/jam),

A : kapasitas infiltrasi maksimum - FC (cm/jam), TP : porositas total di dalam zona kontrol infiltrasi (%),

PIV : volume air yang dapat ditahan dalam zona kontrol hingga jenuh(cm), p : koefisien empirik yang menunjukkan penurunan laju infiltrasi dengan

meningkatnya kelembaban tanah.

Infiltrasi dihitung berdasarkan 6 parameter fisik tanah yang meliputi porositas total, kadar air kapasitas lapang, zona kontrol infiltrasi, koefisien A dan P. Walaupun telah digunakan secara luas persamaan tersebut mempunyai keterbatasan terutama dalam penetapan zona kontrol infiltrasi pada suatu tanah dan penentuan nilai A dan P. Nilai koefisien A dan P dapat ditentukan dengan menggunakan data literatur atau ditentukan dengan menggunakan metoda pengepasan (fitting) infiltrasi hasil prediksi dan data infiltrasi hasil pengukuran (Bouraoui, 1994).

Suatu pendekatan zona kontrol kedalaman infiltrasi ditentukan sebagai kedalaman horizon A (De Roo, 1993). Smith (1976) menyatakan bahwa persamaan Holtan tidak bersesuaian dengan prinsip hidrolik dimana laju infiltrasi tergantung kepada zona kontrol infiltrasi. Baun et al. (1986) menunjukkan bahwa volume aliran permukaan sangat sensitif terhadap pemilihan zona kontrol kedalaman. Penurunan zona kontrol kedalaman 33% meningkatkan volume aliran permukaan 87%, dan peningkatan zona kontrol kedalaman 33% menurunkan volume aliran permukaan 28%.

Dalam model ANSWERS, jika zona kontrol kedalaman infiltrasi telah terisi dengan air, maka air yang lebih dari kapasitas lapang akan terdrainase ke lapisan bawah dengan menggunakan persamaan Huggins dan Monke (1966) :

      GWC PIV -1 FC = DR 3

DR : laju drainase air dari zona kontrol (cm/jam), GWC : air gravitasi dari zona kontrol (cm)


(44)

15 Untuk mengatasi kelemahan model infiltrasi Holtan, Bouraoui (1994) mengintroduksi persamaan infiltrasi Green-Ampt ke dalam model ANSWERS. Hal tersebut dilakukan dengan alasan : a) model Green-Ampt merupakan model berdasar fisik sehingga hasil dugaannya akan menjadi lebih baik, b) penghitungan yang dilakukan lebih efisien, dan c) parameter dapat ditentukan secara mudah dari informasi data tanah dan tutupan yang tersedia.

Simpanan Depresi M ikro

Laju infiltrasi aktual tergantung kepada area permukaan tanah yang tertutupi oleh air. Laju infiltrasi yang terjadi akan lebih kecil dari laju infiltrasi yang didefinisikan diatas, jika tidak seluruh permukaan tanah tertutup air dan instensitas hujan lebih kecil dari kapasitas infiltrasi. Oleh karena itu diasumsikan bahwa hanya bagian permukaan tanah yang tertutup air yang mempunyai kapasitas infiltrasi maksimum. Infiltrasi pada areal permukaan lainnya tergantung kepada intensitas hujan, dimana laju infiltrasi sama dengan instensitas hujan neto.

Area permukaan yang tertutupi air (FWA) dan simpanan permukaan potensial (DEP) dihitung menggunakan persamaan Huggins dan Monke (1966) :

FWA = RC 1

HU H

   

DEP = HU*RC* RC

1

HU H

   

FWA : fraksi tutupan air

DEP : volume air yang tersimpan di permukaan (mm)

H : kedalaman fisik air tersimpan (stored water) diatas elevasi terendah atau datum (mm)

HU : ketinggian maksimum relief mikro /ketinggian diatas datum (mm) RC : eksponen yang menunjukkan frekuensi kekasaran permukaan

Jika H = HU, maka FWA =1 dan DEP = HU*RC. Jika RC =1, maka DEP = HU. Kapasitas infiltrasi kemudian dihitung :

FILT = FWA*f + (1-FWA)*R FILT : laju infiltrasi (mm/jam)

f : laju infiltrasi dimana seluruh permukaan tertutupi air (mm/jam) R : intensitas hujan neto (mm/jam) setelah dikoreksi intersepsi


(45)

16

HU : ketinggian maksium mikro relief/ketinggian diatas datum (mm)

Variabel HU mudah diukur di lapangan, sebaliknya variabel RC pengukurannya relatif sulit dilakukan di lapangan dan biasanya digunakan data sekunder yang disajikan Beasley dan Huggins (1981). Retensi permukaan dihitung dengan mengasumsikan maksimum ketinggian air diatas datum dengan sudut aliran = 0 (H = 0,1*HU), sehingga retensi permukaan maksimum dihitung :

MAXDEP = HU*RC*

[ ]

0,10 RC1 −1

MAXDEP : maksimum volume simpanan retensi (mm)

Akumulasi air yang melebihi kapasitas simpanan retensi (simpanan depresi mikro) akan menghasilkan aliran permukaan.

Aliran Permukaan

Respon hidrolik setiap elemen dihitung sebagai fungsi dari waktu secara eksplisit melalui penyelesaian backward difference pada persamaan kontinuitas :

I - Q =

dt dS

I : Laju aliran masuk (inflow) pada suatu elemen dari curah hujan dan elemen tetangganya (m3/dt)

Q : Laju aliran keluar (outflow) (m3/dt)

S : Volume air yang terseimpan dalam elemen (m3)

t : Waktu (dt)

Persamaan tersebut diselesaikan dengan persamaan Manning dalam hubungan

stagedischarge untuk kinematic overland flow dan channel routing sederhana. Radius hidrolik pada persamaan Manning diasumsikan sama dengan kedalaman retensi pada masing- masing sel.

Elemen yang mempunyai saluran dianggap sebagai 2 elemen. Elemen tersebut berperan sebagai elemen overland flow dengan kekecualian semua overland flow yang keluar dari elemen masuk kedalam segmen saluran. Aliran air dalam saluran bergerak menuju saluran yang lebih rendah, dimana aliran air pada saluran tersebut besumber dari saluran lain yang terkoneksi dan dari overland flow elemen.


(46)

17

Sedimen

Erosi tanah dalam model ANSWERS dimodelkan dalam 2 tahapan proses. Proses pertama adalah penghancuran partikel tanah dan proses berikutnya adalah transportasi sedimen. Penghancuran partikel tanah disebabkan karena pukulan butir hujan dan aliran air di permukaan tanah, sedangkan transportasi sedimen hanya disebabkan karena aliran air yang mengalir di permukaan tanah. Penghancuran partikel tanah akibat pukulan butir hujan dan aliran permukaan digambarkan oleh model yang dikembangkan oleh Meyer dan Wischmeier (1969,

dalam Beasley dan Huggins, 1981) :

DR = 0,108*CDR*SKDR*AI*R2

DR : efek pukulan air hujan terhadap penghancuran partikel tanah (kg/menit) CDR : faktor pengelolaan tanaman (dari USLE)

SKDR : faktor erodibilitas tanah (dari USLE) AI : luas area sel (m2)

R : intesitas hujan neto dalam interval waktu tertentu (mm/menit) Do = 0,9*CDR*SKDR*AI*SL*qo

DO : laju penghancuran partikel tanah olehoverland flow (kg/menit) SL : kecuraman lereng (m/m)

qo : debit aliran per unit lebar (m2/menit)

Transportasi Sedimen

Model ANSWERS membedakan kapasitas transportasi aliran berdasarkan jenis aliran yang terjadi pada landscap laminar atau turbulent (Beasley dan Huggins, 1981). Pada aliran laminar, kapasitas transportasi aliran diasumsikan proporsional terhadap akar kuadrat dari debit aliran, sedangkan pada aliran

turbulent kapasitas transportasi aliran proporsional kuadrat terhadap debit aliran. Kapasitas transportasi aliran tersebut dimodelkan berdasarkan persamaan Yalin’s (1963) yang dimodifikasi Foster dan Meyer (1972) dan disajikan sebagai berikut :

TF = 161*SL*Q0,5 jika Q < 0,046 m2/ menit

TF = 16320*SL*Q2 jika Q > 0,046 m2/ menit TF : laju transportasi sedimen potensial (kg/menit/m)

Q : debit aliran per unit lebar (m2/menit/m) SL : kemiringan lereng


(47)

18 Pergerakan sedimen menuju outlet di routing bersamaan dengan overland flow dan channel flow dengan menggunakan fungsi gelombang kinematik sederhana (Beasley et al., 1980). Kapasitas transportasi aliran dalam ANSWERS 2000 menggunakan persamaan Yalin (1963, dalam Hessel, 2002) yang didefinisikan dengan persamaan :

TF = Ps Sg ρw g d V*

Ps = 0,635δ

    + σ σ) 1 ln( 1

σ = 2.45 Sg-0,4 Ycr 0,5δ

δ =     cr Y Y

-1, δ = 0 jika Y < Ycr

Y =

[

]

gd ) 1 S ( V g 2 * − V* = (g R S) 0,5 TF : kapasitas transportasi aliran (kg s-1) Ps : jumlah partikel yang ditransportasikan

w

ρ : massa jenis air (kg m-3)

Ycr : critical shear stress dari shield diagram; V* : shear velocity (m s

-1 )

Sg : particle specipic gravity (kg m-3) S : kemiringan lereng

R : radius hidrolik sama dengan kedalaman aliran (m) d : diamter partikel (m)

g : percepatan gravitasi (m s-2)

Faktor Pengelolaan Tanaman dalam M odel USLE dan RUSLE

Wischmeier dan Smith (1965; 1978) mendefinisikan faktor pengelolaan tanaman (faktor C) sebagai nisbah erosi dari suatu lahan dengan penggunaan dan pengelolaan tertentu terhadap erosi dari lahan terbuka yang diolah bersih menurut lereng dan tidak ditanami secara terus menerus. Faktor tersebut mengukur kombinasi pengaruh faktor- faktor yang mempengaruhi erosivitas hujan, tutupan tajuk vegetasi dan pengelolaan tanaman yang dilakukan.

Dalam model USLE nilai faktor C (faktor C-USLE) ditentukan dengan mempertimbangkan fase pertumbuhan tanaman (tutupan tajuk tanaman) dan


(48)

19 energi kinetik hujan yang mempengaruhi erosi pada setiap fase pertumbuhan tanaman (Wischmeier dan Smith, 1978; Arsyad, 2000). Untuk tanaman semusim, fase pertumbuhan tanaman yang dipertimbangkan:

§ Fase SB (seed bed) : fase pengolahan tanah untuk persiapan penanaman bibit sampai tanaman berkembang dan tutupan tajuk mencapai ±10%.

§ Fase I (establishment): akhir fase SB sampai perkembangan tutupan tajuk tanaman ±50% (untuk tanaman kapas tutupan tajuk tanaman ±35%).

§ Fase II (development): akhir fase I sampai perkembangan tutupan tajuk tanaman ±75% (untuk tanaman kapas tutupan tajuk tanaman ±60%).

§ Fase III (maturing crop): akhir fase II sampai tanaman dipanen

§ Fase IV (residue or stubble) : setelah tanaman dipanen sampai pengolahan tanah berikutnya.

Nilai faktor C-USLE merupakan nilai tunggal untuk masing- masing penggunaan lahan dan ditentukan berdasarkan hasil penelitian jangka panjang. Oleh karena itu nilai tersebut merupakan rataan tahunan atau rataan dari beberapa musim tanaman (Weischmeier, 1978). Beberapa nilai faktor C-USLE yang diperoleh dari berbagai hasil penelitian di Indonesia dan di Amerika Serikat disajikan pada Tabel La mpiran 1.

Dalam model RUSLE (Renard et al., 1996) nilai faktor C diidentifikasi dengan menggunakan konsep soil loss ratio (SLR) yang dipengaruhi oleh pengaruh tanaman dan pengelolaan sebelumnya (prior land use; PLU), perlindungan permukaan tanah oleh penutupan vegetasi (canopy cover; CC), pengurangan erosi akibat penutupan permukaan (surface cover; CC), kekasaran permukaan (surface roughness; SR), dan pengaruh rendahnya kelembaban tanah (soil moisture; SM) terhadap pengurangan aliran permukaan pada hujan intensitas rendah. Masing-masing parameter dinilai sebagai sub faktor, dan pengkalian subfaktor tersebut menghasilkan nilai SLR ( SLR = PLU * CC * SC * SR * SM ). Nilai- nilai sub faktor SLR dihitung pada setiap periode waktu yang diasumsikan nilai- nilai tersebut relatif konstan. Nilai SLR yang diperoleh kemudian dikombinasikan dengan fraksi indek erosi hujan dan aliran permukaan (EI) untuk mendapatkan nilai faktor C.


(49)

20 Subfaktor penggunaan lahan sebelumnya (PLU) menunjukkan pengaruh

subsurface residue (residu tanaman dibawah permukaan tanah) akibat penggunaan laha n sebelumnya terhadap erosi, dan pengaruh tindakan pengolahan tanah terhadap konsolidasi tanah, seperti disajikan dalam persamaan :

PLU = Cf * Cb * exp[(-cur * Bur) + (cus * Bus/ Cfcuf)] PLU : Subfaktor pengunaan lahan sebelumnya (0-1)

Cf : Konsolidasi tanah permukaan

Cb : Efektivitas relatif subsurface residu terhadap konsolidasi tanah Bur : Kerapatan (densitas) akar tanaman hidup dan akar tanaman mati

yang ditemukan pada tanah lapisan atas (lb acre-1 in-1) Cuf : Pengaruh konsolidasi tanah terhadap efektivitas residu yang

dimasukan ke dalam tanah

cur,cus : Koefisien kalibrasi yang menunjukkan pengaruh subsurface residue.

Subfaktor penutupan tajuk tanaman menunjukkan efektivitas penutupan vegetasi dalam mengurangi energi pukulan butir air hujan di permukaan tanah. Walaupun sebagian besar air hujan yang diintersepsi tajuk tanaman yang secara berangsur akan mencapai permukaan tanah, tetapi biasanya air hujan tersebut turun dengan energi yang lebih rendah dibandingkan jika hujan tidak diintersepsi. Subfaktor penutupan tajuk tanaman dihitung sebagai berikut :

CC = 1 – Fc * exp(-0,1 * H) CC : Subfaktor penutupan tajuk tanaman (0-1)

Fc : Bagian permukaan lahan yang ditutupi tajuk tanaman H : Jarak butir hujan jatuh setelah melewati canopy tanaman (ft)

Penutupan permukaan (surface cover) mempengaruhi erosi dengan mengurangi kapasitas transportasi aliran air (Foster, 1982), menyebabkan terjadinya deposisi sedimen pada daerah penggenangan, dan dengan menurunkan luasan permukaan yang terkena pengaruh pukulan butir air hujan. Penutupan permukaan meliputi sisa tanaman di permukaan, batuan, dan bahan lainnya yang kontak di permukaan tanah yang susah dierosikan. Pengaruh penutupan permukaan terhadap erosi tanah disajikan dalam persamaan :

SC = exp

              − 08 , 0 p Ru 24 , 0 * S * b


(50)

21

SC : Subfaktor penutupan permukaan b : Koefisien empiris

Sp : Persentase luasan tanah yang ditutupi oleh penutupan permukaan Ru : Kekasaran permukaan (in) yang didefinisikan dengan persamaan :

Ru = 0,24 + [Dr(Ri – 0,24)]

Ru : Kekasaran permukaan sebelum pengolahan tanah Ri : Keksaran permukaan awal (in)

Dr : Roughness decay coeficient :

Dr = exp [1/2(-0,14 * Pt) + ½(-0,012 * EIt)] Pt : Total hujan (in) sejak pengolahan terakhir

EIt : Total jumlah EI selama operasi pengolahan yang sama.

Kekasaran permukaan secara langsung mempengaruhi erosi, dan berpengaruh secara tidak langsung melalui efektivitas sisa tanaman dalam menghambat aliran permukaan. Permukaan yang kasar mempunyai banyak depresi dan barrier, yang akan menjebak air dan sedimen bila terjadi hujan. Peningkatan kekasaran permukaan akan menurunkan kapasitas transportasi aliran dan aliran permukaan yang dihasilkan karena menurunnya kecepatan aliran. Subfaktor kekasaran permukaan dihitung dengan persamaan :

SR = exp[-0,66(Ru – 0,24)] SR : Subfaktor kekasaran permukaan Ru : Kekasaran permukaan

Kandungan air tanah awal secara substansial mempengaruhi infiltrasi dan aliran permukaan, dan oleh karenanya mempengaruhi erosi tanah. Pengaruh kelembaban tanah terhadap erosi tanah ditunjukkan oleh bervariasinya erodibilitas tanah sepanjang tahun (Renard et al., 1996).

Faktor Pengelolaan Tanaman dalam M odel ANSW ERS

Model ANSWERS menggunakan faktor C-USLE sebagai sala h satu parameter input model dalam menghitung jumlah sedimen yang dihasilkan pada setiap sel yang kemudian ditransportasikan oleh aliran permukaan (Beasley dan Hugins, 1981; Bouraoui, 1994; Bouraoui dan Dillaha, 1996; Byne, 2000). Dengan menggunakan nilai faktor C-USLE, model ANSWERS memberikan


(51)

22 keluaran yang cukup baik (Ramadhan, 1998; Hidayat, 2001; dan Hidayat et al., 2005).

Jumlah sedimen yang siap ditransportasikan dalam model ANSWERS dihitung sebagai erosi percik yang diakibatkan oleh pukulan butir air hujan terhadap permukaan tanah seperti digambarkan dalam model yang dikembangkan Meyer dan Wischmeier (1969, dalam Beasley dan Huggins, 1981) :

DR = 0,108*CDR*SKDR*AI*R2

DR. : Efek pukulan air hujan terhadap penghancuran partikel tanah (kg/menit) CDR : Faktor dan pengelolaan tanaman (dari USLE)

SKDR : Faktor erodibilitas tanah (dari USLE) AI : Luasan area sel (m2)

R : Intesitas hujan neto dalam interval waktu tertentu (mm/menit)

Persamaan Meyer dan Wischmeier (1969) yang digunakan dalam model ANSWERS, validitasnya masih dipertanyakan (De Roo, 1993) karena persamaan tersebut menggunakan nilai C dan K yang bersumber dari model USLE. Selain disebabkan karena adanya perbedaan paradigma kedua model (ANSWERS dan USLE), penggunaan nilai faktor C-USLE juga tidak sesuai dengan karakteristik pertumbuhan tanaman. Parameter faktor K dalam model USLE juga merupakan ukuran erodibilitas tanah permukaan lahan (interrill), sehingga erosi tanah yang terjadi dalam saluran (rill dan gully ) belum dipertimbangkan dalam model ANSWERS.

Selain digunakan dalam model ANSWERS, faktor C-USLE juga digunakan dalam model AGNPS (Young et al., 1994) dan model SWAT (Neitsch

et al., 2001). Erosi tanah dalam model AGNPS dihitung dengan persamaan:

SL = EI*K*LS*CP*SSF SL : Kehilangan tanah

EI : Hasil kali energi kinetik hujan dengan intensitas hujan maksimum 30 menit (dari USLE)

K : Faktor erodibilitas tanah (dari USLE)

LS : Faktor panjang dan kemiringan lereng (dari USLE) C : Faktor pengelola an tanaman (dari USLE)


(52)

23

SSF : Faktor penyesuaian bentuk lereng dalam sel

Dalam model SWAT erosi tanah dihitung dengan menggunakan model USLE-M (Williams, 1995, dalam Neitsch, et al., 2001):

Sed = 11.8(Qsurf*qpeak*areahru)0.56*KUSLE*CUSLE*LSUSLE*CFRG Sed : Hasil sedimen pada hari tertentu (ton)

QSurf : Volume aliran permukaan (mm/ha) qpeak : Debit puncak aliran permukaan (m

3 /dt) areahru : Luas hydrology response unit (ha) KUSLE : Faktor erodibilitas tanah

CUSLE : Faktor penutupan dan pengelolaan lahan LSUSLE : Faktor panjang dan kemiringan lereng CFRG : Faktor kekasaran permukaan lahan

Integrasi M odel Erosi dan SIG

Erosi tanah dipengaruhi berbagai faktor yang diantaranya adalah heterogenitas keruangan (spatial heterogenity) dari topografi, vegetasi, karakteristik tanah dan penggunaan lahan. Sebagian besar model prediksi erosi belum mempertimbangkan aspek-aspek tersebut sehingga Sistem Informasi Geografi (SIG) akan menjadi alat yang sangat menunjang perbaikan model prediksi erosi. SIG sangat bermanfaat dalam menganalisis data spasial dan menghubungkan data dari berbagai sumber dalam proses pemodelan erosi. Beberapa keuntungan mengintegrasikan model prediksi erosi dengan SIG adalah :

• Mempercepat penyiapan data masukan model untuk mensimulasikan beberapa skenario.

• Meningkatkan kemampuan simulasi dengan menggunakan banyak fixel (khususnya DAS berukuran besar) sehingga DAS dapat disimulasikan secara lebih detil (De Roo, 1996).

• Memfasilitasi visualisasi keluaran model terutama penyajian dan penganimasian peta/gambar keluaran model secara berurut berdasar waktu dan keruangan, sehingga penyajian tersebut mampu menampilkan obyek dari berbagai perspektif.


(53)

24 Dikenal tiga pendekatan dalam permodelan erosi dengan SIG yaitu : loose coupling, tight coupling and embeded coupling/fully integrated (Wesseling et al., 1996; Pullar dan Springer, 2000). Dalam loose coupling, SIG dan model prediksi erosi terpisah, dimana SIG digunakan dalam pengolahan awal data spasial ke dalam format file input model yang diinginkan dan menvisualisasikan keluaran model. SIG menyediakan interface bersama (shared interface) untuk memindahkan data spasial antara SIG dan permodelan erosi yang terpisah (tight coupling ). Dalam

embeded coupling/fully integrated, model secara utuh terintegrasi sebagai komponen dalam aplikasi SIG.

Sebagian besar integrasi model erosi dengan SIG saat ini tergolong ke dalam loose dan tyght coupling. Integrasi utuh antara model dan SIG masih belum banyak dilakukan karena kurang efisiennya dimensi temporal pada kebanyakan sistem SIG (Kaden, 1993; Doe, 1999).

Terdapat kecenderungan model prediksi erosi saat ini dioperasikan dengan SIG. Beberapa contoh integrasi model erosi dengan SIG adalah : De Roo et al.

(1989) mengintegrasikan ANSWERS dengan GIS, yang kemudian mengintegrasikan LISEM (De Roo, 1996) dan LISFLOOD (De Roo, 2000). Mitchel et al (1993) menginteg-rasikan AGNPS dengan GIS.

Walaupun banyak software SIG yang sangat maju dalam pemrosesan dan penyajian data, SIG kurang mampu dalam permodelan proses berdasar fisik (physically based modelling). Hingga saat ini, pensimulasian transportasi air dan

pollutan melalui suatu landscap masih merupakan masalah dalam SIG. Sejumlah metoda routing tertentu dibutuhkan SIG untuk permodelan hidrologi, seperti penyelesaian numerik persamaan Saint-Venant, dan pendekatan gelombang kinematik untuk transportasi aliran permukaan dalam suatu landscape (De Roo, 2003). Penyajian elevasi suatu permukaan (permukaan topografi) merupakan kunci pokok analisis geomorphologi sehingga penyajian topografi dalam bentuk DEM (digital elevation model) menjadi sangat penting.


(1)

Gambar Lampiran 1. Profil tanah di DAS Nopu Hulu

Typic Eutropept

Fluventic Eutropept


(2)

165

Gambar Lampiran 2. Pengukuran permeabilitas tanah menggunakan

Guelp Permeameter

Tanaman Jagung

Kacang Tanah

Kakao

Vanili


(3)

(4)

167

Gambar Lampiran 4. Satuan peta tanah DAS Nopu Hulu (raster sel 50 m x 50 m)

Typic Eut ropept , kakao dew asa (KK) Typic Eut ropept , kakao sedang (KS) Typic Eut ropept , kakao muda (KM )

Aquic Eut ropept , campuran

Typic Eut ropept , KM +Jagung(J)+Ket ela pohon(K) Fluvent ic Eut ropept , KM , KD, J, K

Typic Eut ropept , vanili Typic Eut ropept , KM +J Typic Eut ropept , jagung/ padi

Typic Eut ropept , jagung/ kacang t anah Typic Eut ropept , jagung, semak/ jagung Lithic Eutropept, vanili

Typic Eut ropept , Lit hic Eut ropept , pembukan hut an Typic Eut ropept , hut an

Typic Eut ropept , pemukiman Typic Eut ropept , jalan

Typic Eut ropept , semak belukar

Aquic Tropsamment , coklat dewasa

Lit hic Eut ropept , hut an


(5)

(6)

169

Gambar Lampiran 6. Kemiringan lereng DAS Nopu Hulu

(raster sel 50 m x 50 m)