PERUBAHAN KESUBURAN KAWASAN HUTAN GUNUNG
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
PERUBAHAN KESUBURAN KAWASAN HUTAN GUNUNG TIMAU
DENGAN METODE NORMALIZED DIFFERENCE
VEGETATION INDEX
Albert Zicko Johannes dan Jehunias Leonidas Tanesib
Staf Pengajar Jurusan Fisika FST Undana Kupang
ABSTRAK
Telah dilakukan penelitian berupa pengukuran kesuburan kawasan hutan di Gunung Timau,
Pulau Timor, Nusa Tenggara Timur, Indonesia dengan membandingkan perubahan indeks
vegetasi dari tutupan lahan selama 12 tahun 2005-2016 (2011 dan 2012 data tidak ada).
Metode yang digunakan adalah pengukuran Normalized Difference Vegetation Index (NDVI)
dengan menggunakan data satelit penginderaan jauh LANDSAT. Dari perbandingan hasil
selama 12 tahun terlihat perubahan kesuburan kawasan hutan gunung Timau menunjukkan
garis tren yang menurun dari tahun ke tahun. Sebagai daerah yang masih natural maka dapat
disimpulkan perubahan iklim global merupakan salah satu penyebab perubahan ini
sebagaimana beberapa tempat di dunia.
Kata kunci : indeks vegetasi, NDVI, penginderaan jauh, tingkat kesuburan, perubahan iklim
global
56
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
Gunung Timau Kecamatan Amfoang
Tengah, Kabupaten Kupang, Provinsi
Nusa Tenggara Timur adalah lokasi yang
dipilih untuk pembangunan Observatorium
Nasional.
Lokasi ini terletak pada kawasan
hutan lindung yang ditetapkan melalui SK
Menhut No.41/Menhut-II/2012 tanggal 02
Februari 2012. Kawasan ini mempunyai
luas KPLH 115.380 Ha, terdiri dari HL
97.005 Ha dan 18.375 Ha berfungsi
sebagai kawasan HPT [1]. Keberadaan
lokasi
pembangunan
Observatorium
Nasional di kawasan hutan lindung ini
wajib memiliki Analisis Mengenai
Dampak Lingkungan Hidup (AMDAL)
sesuai dengan Permen Lingkungan Hidup
No. 05 Tahun 2012 tentang Jenis Rencana
Usaha Dan/Atau Kegiatan Yang Wajib
Memiliki Analisis Mengenai Dampak
Lingkungan Hidup [2]. Anonima (2012).
Menurut Peraturan Pemerintah, No.
27 tahun 2012 Tentang Izin Lingkungan
AMDAL (Anonimb, 2012) adalah kajian
mengenai dampak penting suatu Usaha
dan / atau Kegiatan yang direncanakan
pada lingkungan hidup yang diperlukan
bagi proses pengambilan keputusan
tentang penyelenggaraan Usaha dan / atau
Kegiatan[3]. Dampak penting dari suatu
Usaha dan / atau Kegiatan pada
lingkungan hidup ini dapat berupa
perubahan vegetasi pada lokasi tersebut.
Perubahan vegetasi ini harus bisa
dipertahankan dan ditingkatkan dari
sebelumnya.
Salah
satu
cara
mengetahui
perubahan vegetasi adalah dengan
mengetahui tingkat kesuburan.
Penelitian ini bertujuan mengetahui
tingkat kesuburan lokasi kawasan hutan
Gunung Timau lebih detailnya pada
koordinat
-9o35’31.92”
sampai
9o35’59.99” LS, 123o56’ 35.88” sampai
123o57’4.32” BT.Peta lokasi penelitian
dapat dilihat pada Gambar 1.
Gambar 1. Peta Lokasi Penelitian
MATERI DAN METODE
Salah satu cara pengukuran tingkat
kesuburan dilakukan dengan mengukur
nilai indeks vegetasi. Indeks vegetasi
adalah pengukuran optis tingkat kehijauan
(greenness) vegetasi, sifat komposit dari
klorofil daun, luas daun, struktur dan
tutupan vegetasi [4]. Indeks vegetasi
banyak digunakan dalam penelitian dalam
pemetaan vegetasi serta berbagai hal
lainnya yang berhubungan dengan vegetasi
[5,6,7,8,9].
Ada
berbagai
macam
metode
dikembangkan untuk pengukuran indeks
vegetasi salah satu yang sering digunakan
adalah Normalized Difference Vegetation
Index (NDVI) [10]. NDVI efektif untuk
memprediksi sifat permukaan ketika
tutupan lahan tidak terlalu rapat dan tidak
terlalu jarang [11].
Cara perhitungan untuk NDVI [10] adalah
NDVI = (NIR-R)/(NIR+R) (1)
57
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
Tabel.1. Data LANDSAT WGS84/UTM 51S 111/67
No
Scene ID
1
LT51110672005218ASA01
2
LT51110672006189ASA00
3
LT51110672007208ASA00
4
LT51110672008211ASA00
5
LT51110672009197ASA00
6
LT51110672010200ASA00
9
LC81110672013240LGN00
10
LC81110672014211LGN00
11
LC81110672015230LGN00
12
LC81110672016169LGN00
Sumber : Landsat USGS
Dimana NIR adalah nilai spektral panjang
gelombang Near Infrared , dan R adalah
nilai spektral panjang gelombang Merah
atau Red.
Penggunaan spektral panjang gelombang
R dan NIR adalah karena pengaruh
penyerapan dan pemantulan cahaya dari
klorofil, tumbuhan yang subur cenderung
lebih banyak menyerap gelombang Merah
(sedikit
yang
dipantulkan)
dan
memantulkan banyak NIR. Sebaliknya
pada tumbuhan yang kurang subur
penyerapan gelombang Merah lebih
sedikit (banyak yang dipantulkan) dan
memantulkan lebih sedikit NIR.
Rentang nilai NDVI ini berada pada
jangkauan -1.0 dan 1.0, dimana nilai
negatif menyatakan awan, air dan salju.
Nilai mendekati nol menunjukkan tanah
kosong dan batu-batuan. Nilai lebih besar
dari 0.1 sampai dengan 1 menunjukkan
adanya vegetasi, semakin besar nilai ini
menunjukkan semakin suburnya vegetasi
daerah tersebut.
Nilai spektral NIR dan R diambil dari hasil
citra satelit penginderaan jauh satelit
LANDSAT (satelit milik U.S. Geological
Survey / USGS).
Acquisition Date
06/08/2005
08/07/2006
27/07/2007
29/07/2008
16/07/2009
19/07/2010
28/08/2013
30/07/2014
18/08/2015
17/06/2016
Cloud Cover
0
0
0
0
8
2
0
1
0
3
Citra yang diperoleh LANDSAT dapat
digunakan secara terbuka untuk umum
khusus resolusi data 1 detik (30 meter).
Dalam pengukuran NDVI citra LANDSAT
yang digunakan adalah citra nomor 3 untuk
spektral panjang gelombang R dan citra
nomor 4 untuk spektral panjang gelombang
NIR. Mulai tahun 2013 dan seterusnya
telah terjadi perubahan satelit LANDSAT
menjadi versi 8. Penomoran citra bergeser
satu tingkat. Untuk spektral panjang
gelombang R citra nomor 3 menjadi 4 dan
spektral panjang gelombang NIR citra
nomor 4 menjadi 5.
Langkah perhitungan
Perhitungan dimulai dengan mengunduh
data satelit LANDSAT untuk pulau timor
bagian barat yaitu zona dengan kode
111/67, untuk data citra dari tahun 2005
sampai dengan 2016 sebagai rentang waktu
pengamatan perubahan (Tabel 1).
Data pada tahun 2011 dan 2012 tidak
didapat karena terjadi pergantian Satelit
LANDSAT dari v7 ke v8.
Perhitungan dilanjutkan dengan pemotongan citra pada lokasi tempat penelitian
dilaksanakan yaitu koordinat -9o35’31.92”
sampai -9o35’59.99” LS, 123o56’ 35.88”
sampai 123o57’4.32” BT.
58
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
a
b
c
d
e
f
g
h
i
j
Gambar 2. Hasil Citra NDVI tahun : a) 2005, b) 2006, c) 2007, d) 2008, e) 2009, f)
2010, g) 2013, h) 2014, i) 2015, j) 2016
59
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
0.6
Nilai NDVI
Koordinat latitude dan longitude tersebut
kemudian dikonversi dalam koordinat
UTM yaitu zona WGS 84 51S dan
diperoleh batas Utara 8939530, batas
Selatan 8938660, batas Barat 603510, dan
batas Timur 604380. Dan diperoleh peta
berukuran 30 x 30 pixel dengan luasan 81
Ha. Setelah dilakukan pemotongan maka
langkah selanjutnya dilakukan perhitungan
NDVI.
0.5
Kurva Perubahan NDVI rata-rata
per Tahun
0.4
0.3
0.2
y = -0.016x + 33.44
0.1
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Tahun
NDVI rata-rata
HASIL DAN PEMBAHASAN
Perhitungan NDVI dilakukan untuk semua
citra dari tahun 2005-2016. Hasil yang
diperoleh dapat dilihat pada gambar 1.
Semua hasil citra disamakan skalanya
yaitu pada nilai NDVI 0,1 sampai dengan
0,7 , dengan demikian dapat dibandingkan
satu sama lain tingkat kesuburannya
selama periode 12 tahun ini.
Dari hasil citra dapat terbaca bahwa
kesuburan tutupan lahan pada kawasan
penelitian cenderung tidak terlalu berubah
periode 2005 sampai 2010, kemudian
cenderung berubah drastis mulai tahun
2013 dan tidak begitu berubah lagi sampai
tahun 2016.
Untuk melihat gambaran perubahan NDVI
yang lebih jelas dapat dilihat gambar 2
yang menunjukkan plot NDVI rata-rata
per
tahun.
Dimana
ordinat
(y)
menunjukkan nilai NDVI rata-rata dan
absis (x) menunjukkan tahun perhitungan.
Hasil plot data ini kemudian dicari garis
tren-nya dan diperoleh hasil :
y = -0,016x + 33,44
(2)
Linear (NDVI rata-rata)
Gambar 3. Kurva NDVI
Hasil ini menunjukkan korelasi negatif
antara NDVI rata-rata dan tahun, atau
dengan kata lain terjadi penurunan NDVI
rata-rata setiap tahun. Dari hasil ini terjadi
fenomena penurunan kesuburan selama
periode 12 tahun ini.
SIMPULAN
Tingkat kesuburan kawasan hutan gunung
Timau dari tahun ke tahun mengalami
penurunan, hal ini dapat dilihat dari
penurunan nilai NDVI rata-rata setiap
tahun. Sebagai daerah yang masih natural
maka salah satu kemungkinan penyebab
penurunan
tingkat
kesuburan
ini
diakibatkan terjadinya perubahan iklim
global seperti yang teramati di berbagai
belahan dunia lainnya [12,13,14].
Saran lebih lanjut diperlukan pemeriksaan
kesuburan dengan menggunakan metode
lainnya serta penelitian lebih detail yaitu
pemeriksaan bulanan atau harian.
60
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
DAFTAR PUSTAKA
Anonim a. 2012. Amdal. Permen Lingkungan
Hidup No. 05 Tahun 2012 tentang
Jenis Rencana Usaha Dan/Atau
Kegiatan Yang Wajib Memiliki
Analisis
Mengenai
Dampak
Lingkungan Hidup. Jakarta
Anonimb. 2012. Tentang Izin Lingkungan.
Peraturan Pemerintah, No. 27 tahun
2012. Jakarta
Boisvenue, Celine dan Running, W. Steven.
2006. Impacts of climate change on
natural forest productivity –
evidence since the middle of the 20th
century, Global Change Biology 12,
862–882.
Fobia, F. A. B., 2014, Rencana Kerja
KPLH Mutis Timau Unit XX
Propinsi NTT TA 2014-2018.
Kupang. Indonesia.
Huete, A. R. 1988. A soil-adjusted
vegetation index (SAVI), Remote
Sensing of Environment, 25, 53-70.
Huete, A., Didan, K., Leeuwen, W.V.,
Miura, T., Glenn, E. 2011. MODIS
Vegetation Indices. Land Remote
Sensing and Global Environmental
Change. Springer. New York.
Kaufman, Y. J. and D. Tanre. 1992.
Atmospherically resistant vegetation
index (ARVI) for EOS-MODIS, in
Proceedings IEEE Int. Geosci. and
Remote Sensing Symp. 92, IEEE,
New York, 261-270.
Liang, S. 2004, Quantitative Remote
Sensing of Land Surface, John
Willey & Sons Inc, New Jersey.
Lindner, M., Joanne B. Fitzgerald, Niklaus
E. Zimmermann, Christopher Reyer,
Sylvain Delzon, Ernst van der
Maaten, Mart-Jan Schelhaas, Petra
Lasch, Jeannette Eggers, Marieke
van der Maaten-Theunissen, Felicitas
Suckow,
Achilleas
Psomas
,
Benjamin Poulter, Marc Hanewinkel.
2014. Climate change and European
forests: What do we know, what are
theuncertainties, and what are the
implications for forest management?,
Elsevier, Journal of Environmental
Management 146, 69-83.
Pinty, B. and M. M. Verstraete.1992.
GEMI: A non-linear index to monitor
global vegetation from satellites,
Vegetatio, 101, 15-20.
Richardson, A. J. and C. L. Wiegand. 1977.
Distinguishing vegetation from soil
background
information,
Photogrammetric Engineering and
Remote Sensing, 43, 1541-1552.
Rouse, J.W., Haas, R.H., Schell, J.A.,
Deering,D.W.
1974.
Monitoring
vegetation systems in the Great
Plains with ERTS, Proceedings of the
Third Earth Resources Technology
Satellite-1 Symposium ,Greenbelt,
NASA SP-351,301–317.
Silleos, N.G., T.K. Alexandridis, I.Z. Gitas
& K. Perakis. 2006. Vegetation
Indices: Advances Made in Biomass
Estimation
and
Vegetation
Monitoring in the Last 30 Years,
Geocarto International, 21:4, 21-2
Wang Xiao Ying, Zhao Chun Yu, Jia Qing
Yu. 2013. Impacts of Climate Change
on Forest Ecosystems in Northeast
China, Advances in Climate Change
Research 4 issue 4, 230–241.
61
Hasil Penelitian
PERUBAHAN KESUBURAN KAWASAN HUTAN GUNUNG TIMAU
DENGAN METODE NORMALIZED DIFFERENCE
VEGETATION INDEX
Albert Zicko Johannes dan Jehunias Leonidas Tanesib
Staf Pengajar Jurusan Fisika FST Undana Kupang
ABSTRAK
Telah dilakukan penelitian berupa pengukuran kesuburan kawasan hutan di Gunung Timau,
Pulau Timor, Nusa Tenggara Timur, Indonesia dengan membandingkan perubahan indeks
vegetasi dari tutupan lahan selama 12 tahun 2005-2016 (2011 dan 2012 data tidak ada).
Metode yang digunakan adalah pengukuran Normalized Difference Vegetation Index (NDVI)
dengan menggunakan data satelit penginderaan jauh LANDSAT. Dari perbandingan hasil
selama 12 tahun terlihat perubahan kesuburan kawasan hutan gunung Timau menunjukkan
garis tren yang menurun dari tahun ke tahun. Sebagai daerah yang masih natural maka dapat
disimpulkan perubahan iklim global merupakan salah satu penyebab perubahan ini
sebagaimana beberapa tempat di dunia.
Kata kunci : indeks vegetasi, NDVI, penginderaan jauh, tingkat kesuburan, perubahan iklim
global
56
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
Gunung Timau Kecamatan Amfoang
Tengah, Kabupaten Kupang, Provinsi
Nusa Tenggara Timur adalah lokasi yang
dipilih untuk pembangunan Observatorium
Nasional.
Lokasi ini terletak pada kawasan
hutan lindung yang ditetapkan melalui SK
Menhut No.41/Menhut-II/2012 tanggal 02
Februari 2012. Kawasan ini mempunyai
luas KPLH 115.380 Ha, terdiri dari HL
97.005 Ha dan 18.375 Ha berfungsi
sebagai kawasan HPT [1]. Keberadaan
lokasi
pembangunan
Observatorium
Nasional di kawasan hutan lindung ini
wajib memiliki Analisis Mengenai
Dampak Lingkungan Hidup (AMDAL)
sesuai dengan Permen Lingkungan Hidup
No. 05 Tahun 2012 tentang Jenis Rencana
Usaha Dan/Atau Kegiatan Yang Wajib
Memiliki Analisis Mengenai Dampak
Lingkungan Hidup [2]. Anonima (2012).
Menurut Peraturan Pemerintah, No.
27 tahun 2012 Tentang Izin Lingkungan
AMDAL (Anonimb, 2012) adalah kajian
mengenai dampak penting suatu Usaha
dan / atau Kegiatan yang direncanakan
pada lingkungan hidup yang diperlukan
bagi proses pengambilan keputusan
tentang penyelenggaraan Usaha dan / atau
Kegiatan[3]. Dampak penting dari suatu
Usaha dan / atau Kegiatan pada
lingkungan hidup ini dapat berupa
perubahan vegetasi pada lokasi tersebut.
Perubahan vegetasi ini harus bisa
dipertahankan dan ditingkatkan dari
sebelumnya.
Salah
satu
cara
mengetahui
perubahan vegetasi adalah dengan
mengetahui tingkat kesuburan.
Penelitian ini bertujuan mengetahui
tingkat kesuburan lokasi kawasan hutan
Gunung Timau lebih detailnya pada
koordinat
-9o35’31.92”
sampai
9o35’59.99” LS, 123o56’ 35.88” sampai
123o57’4.32” BT.Peta lokasi penelitian
dapat dilihat pada Gambar 1.
Gambar 1. Peta Lokasi Penelitian
MATERI DAN METODE
Salah satu cara pengukuran tingkat
kesuburan dilakukan dengan mengukur
nilai indeks vegetasi. Indeks vegetasi
adalah pengukuran optis tingkat kehijauan
(greenness) vegetasi, sifat komposit dari
klorofil daun, luas daun, struktur dan
tutupan vegetasi [4]. Indeks vegetasi
banyak digunakan dalam penelitian dalam
pemetaan vegetasi serta berbagai hal
lainnya yang berhubungan dengan vegetasi
[5,6,7,8,9].
Ada
berbagai
macam
metode
dikembangkan untuk pengukuran indeks
vegetasi salah satu yang sering digunakan
adalah Normalized Difference Vegetation
Index (NDVI) [10]. NDVI efektif untuk
memprediksi sifat permukaan ketika
tutupan lahan tidak terlalu rapat dan tidak
terlalu jarang [11].
Cara perhitungan untuk NDVI [10] adalah
NDVI = (NIR-R)/(NIR+R) (1)
57
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
Tabel.1. Data LANDSAT WGS84/UTM 51S 111/67
No
Scene ID
1
LT51110672005218ASA01
2
LT51110672006189ASA00
3
LT51110672007208ASA00
4
LT51110672008211ASA00
5
LT51110672009197ASA00
6
LT51110672010200ASA00
9
LC81110672013240LGN00
10
LC81110672014211LGN00
11
LC81110672015230LGN00
12
LC81110672016169LGN00
Sumber : Landsat USGS
Dimana NIR adalah nilai spektral panjang
gelombang Near Infrared , dan R adalah
nilai spektral panjang gelombang Merah
atau Red.
Penggunaan spektral panjang gelombang
R dan NIR adalah karena pengaruh
penyerapan dan pemantulan cahaya dari
klorofil, tumbuhan yang subur cenderung
lebih banyak menyerap gelombang Merah
(sedikit
yang
dipantulkan)
dan
memantulkan banyak NIR. Sebaliknya
pada tumbuhan yang kurang subur
penyerapan gelombang Merah lebih
sedikit (banyak yang dipantulkan) dan
memantulkan lebih sedikit NIR.
Rentang nilai NDVI ini berada pada
jangkauan -1.0 dan 1.0, dimana nilai
negatif menyatakan awan, air dan salju.
Nilai mendekati nol menunjukkan tanah
kosong dan batu-batuan. Nilai lebih besar
dari 0.1 sampai dengan 1 menunjukkan
adanya vegetasi, semakin besar nilai ini
menunjukkan semakin suburnya vegetasi
daerah tersebut.
Nilai spektral NIR dan R diambil dari hasil
citra satelit penginderaan jauh satelit
LANDSAT (satelit milik U.S. Geological
Survey / USGS).
Acquisition Date
06/08/2005
08/07/2006
27/07/2007
29/07/2008
16/07/2009
19/07/2010
28/08/2013
30/07/2014
18/08/2015
17/06/2016
Cloud Cover
0
0
0
0
8
2
0
1
0
3
Citra yang diperoleh LANDSAT dapat
digunakan secara terbuka untuk umum
khusus resolusi data 1 detik (30 meter).
Dalam pengukuran NDVI citra LANDSAT
yang digunakan adalah citra nomor 3 untuk
spektral panjang gelombang R dan citra
nomor 4 untuk spektral panjang gelombang
NIR. Mulai tahun 2013 dan seterusnya
telah terjadi perubahan satelit LANDSAT
menjadi versi 8. Penomoran citra bergeser
satu tingkat. Untuk spektral panjang
gelombang R citra nomor 3 menjadi 4 dan
spektral panjang gelombang NIR citra
nomor 4 menjadi 5.
Langkah perhitungan
Perhitungan dimulai dengan mengunduh
data satelit LANDSAT untuk pulau timor
bagian barat yaitu zona dengan kode
111/67, untuk data citra dari tahun 2005
sampai dengan 2016 sebagai rentang waktu
pengamatan perubahan (Tabel 1).
Data pada tahun 2011 dan 2012 tidak
didapat karena terjadi pergantian Satelit
LANDSAT dari v7 ke v8.
Perhitungan dilanjutkan dengan pemotongan citra pada lokasi tempat penelitian
dilaksanakan yaitu koordinat -9o35’31.92”
sampai -9o35’59.99” LS, 123o56’ 35.88”
sampai 123o57’4.32” BT.
58
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
a
b
c
d
e
f
g
h
i
j
Gambar 2. Hasil Citra NDVI tahun : a) 2005, b) 2006, c) 2007, d) 2008, e) 2009, f)
2010, g) 2013, h) 2014, i) 2015, j) 2016
59
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
0.6
Nilai NDVI
Koordinat latitude dan longitude tersebut
kemudian dikonversi dalam koordinat
UTM yaitu zona WGS 84 51S dan
diperoleh batas Utara 8939530, batas
Selatan 8938660, batas Barat 603510, dan
batas Timur 604380. Dan diperoleh peta
berukuran 30 x 30 pixel dengan luasan 81
Ha. Setelah dilakukan pemotongan maka
langkah selanjutnya dilakukan perhitungan
NDVI.
0.5
Kurva Perubahan NDVI rata-rata
per Tahun
0.4
0.3
0.2
y = -0.016x + 33.44
0.1
0
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Tahun
NDVI rata-rata
HASIL DAN PEMBAHASAN
Perhitungan NDVI dilakukan untuk semua
citra dari tahun 2005-2016. Hasil yang
diperoleh dapat dilihat pada gambar 1.
Semua hasil citra disamakan skalanya
yaitu pada nilai NDVI 0,1 sampai dengan
0,7 , dengan demikian dapat dibandingkan
satu sama lain tingkat kesuburannya
selama periode 12 tahun ini.
Dari hasil citra dapat terbaca bahwa
kesuburan tutupan lahan pada kawasan
penelitian cenderung tidak terlalu berubah
periode 2005 sampai 2010, kemudian
cenderung berubah drastis mulai tahun
2013 dan tidak begitu berubah lagi sampai
tahun 2016.
Untuk melihat gambaran perubahan NDVI
yang lebih jelas dapat dilihat gambar 2
yang menunjukkan plot NDVI rata-rata
per
tahun.
Dimana
ordinat
(y)
menunjukkan nilai NDVI rata-rata dan
absis (x) menunjukkan tahun perhitungan.
Hasil plot data ini kemudian dicari garis
tren-nya dan diperoleh hasil :
y = -0,016x + 33,44
(2)
Linear (NDVI rata-rata)
Gambar 3. Kurva NDVI
Hasil ini menunjukkan korelasi negatif
antara NDVI rata-rata dan tahun, atau
dengan kata lain terjadi penurunan NDVI
rata-rata setiap tahun. Dari hasil ini terjadi
fenomena penurunan kesuburan selama
periode 12 tahun ini.
SIMPULAN
Tingkat kesuburan kawasan hutan gunung
Timau dari tahun ke tahun mengalami
penurunan, hal ini dapat dilihat dari
penurunan nilai NDVI rata-rata setiap
tahun. Sebagai daerah yang masih natural
maka salah satu kemungkinan penyebab
penurunan
tingkat
kesuburan
ini
diakibatkan terjadinya perubahan iklim
global seperti yang teramati di berbagai
belahan dunia lainnya [12,13,14].
Saran lebih lanjut diperlukan pemeriksaan
kesuburan dengan menggunakan metode
lainnya serta penelitian lebih detail yaitu
pemeriksaan bulanan atau harian.
60
Jurnal Biotropikal Sains Vol. 13, No. 3, November 2016 (Hal 56 – 61)
Hasil Penelitian
DAFTAR PUSTAKA
Anonim a. 2012. Amdal. Permen Lingkungan
Hidup No. 05 Tahun 2012 tentang
Jenis Rencana Usaha Dan/Atau
Kegiatan Yang Wajib Memiliki
Analisis
Mengenai
Dampak
Lingkungan Hidup. Jakarta
Anonimb. 2012. Tentang Izin Lingkungan.
Peraturan Pemerintah, No. 27 tahun
2012. Jakarta
Boisvenue, Celine dan Running, W. Steven.
2006. Impacts of climate change on
natural forest productivity –
evidence since the middle of the 20th
century, Global Change Biology 12,
862–882.
Fobia, F. A. B., 2014, Rencana Kerja
KPLH Mutis Timau Unit XX
Propinsi NTT TA 2014-2018.
Kupang. Indonesia.
Huete, A. R. 1988. A soil-adjusted
vegetation index (SAVI), Remote
Sensing of Environment, 25, 53-70.
Huete, A., Didan, K., Leeuwen, W.V.,
Miura, T., Glenn, E. 2011. MODIS
Vegetation Indices. Land Remote
Sensing and Global Environmental
Change. Springer. New York.
Kaufman, Y. J. and D. Tanre. 1992.
Atmospherically resistant vegetation
index (ARVI) for EOS-MODIS, in
Proceedings IEEE Int. Geosci. and
Remote Sensing Symp. 92, IEEE,
New York, 261-270.
Liang, S. 2004, Quantitative Remote
Sensing of Land Surface, John
Willey & Sons Inc, New Jersey.
Lindner, M., Joanne B. Fitzgerald, Niklaus
E. Zimmermann, Christopher Reyer,
Sylvain Delzon, Ernst van der
Maaten, Mart-Jan Schelhaas, Petra
Lasch, Jeannette Eggers, Marieke
van der Maaten-Theunissen, Felicitas
Suckow,
Achilleas
Psomas
,
Benjamin Poulter, Marc Hanewinkel.
2014. Climate change and European
forests: What do we know, what are
theuncertainties, and what are the
implications for forest management?,
Elsevier, Journal of Environmental
Management 146, 69-83.
Pinty, B. and M. M. Verstraete.1992.
GEMI: A non-linear index to monitor
global vegetation from satellites,
Vegetatio, 101, 15-20.
Richardson, A. J. and C. L. Wiegand. 1977.
Distinguishing vegetation from soil
background
information,
Photogrammetric Engineering and
Remote Sensing, 43, 1541-1552.
Rouse, J.W., Haas, R.H., Schell, J.A.,
Deering,D.W.
1974.
Monitoring
vegetation systems in the Great
Plains with ERTS, Proceedings of the
Third Earth Resources Technology
Satellite-1 Symposium ,Greenbelt,
NASA SP-351,301–317.
Silleos, N.G., T.K. Alexandridis, I.Z. Gitas
& K. Perakis. 2006. Vegetation
Indices: Advances Made in Biomass
Estimation
and
Vegetation
Monitoring in the Last 30 Years,
Geocarto International, 21:4, 21-2
Wang Xiao Ying, Zhao Chun Yu, Jia Qing
Yu. 2013. Impacts of Climate Change
on Forest Ecosystems in Northeast
China, Advances in Climate Change
Research 4 issue 4, 230–241.
61