Bagi para pencinta Tanah atau mungkin lebih senang di sebut Soilers, ada kabar gembira buat para Soilers ini. setelah lama mencari-cari dan mengubek-ubek dunia maya yang sangat luas ini akhir didapatkan juga mbahnya buku untuk prediksi erosi. ya bukunya si mbah eyang Walter H. Wischmeier dan Dwight D. Smith, buku yang selalu menjadi patokan para peneliti yang memprediksi erosi menggunakan metode USLE (Universal Soil Loss Equation). Buku yang melegenda tersebut berjudul “Predicting rainfall erosion losses – A guide to conservation planning”.

seperti yang sudah disebutkan disini, Metode USLE (Universal Soil Loss Equation) merupakan metode yang umum digunakan untuk memperediksi laju erosi. Selain sederhana, metode ini juga sangat baik diterapkan di daerah-daerah yang faktor utama penyebab erosinya adalah hujan dan aliran permukaan. Wischmeier mengatakan bahwa metode USLE didesain untuk digunakan memprediksi kehilangan tanah yang dihasilkan oleh erosi dan diendapkan pada segmen lereng bukan pada hulu DAS, selain itu juga didesain untuk memprediksi rata-rata jumlah erosi dalam waktu yang panjang.

Selain bukunya mbah eyang Walter H. Wischmeier dan Dwight D. Smith yang berjudul “Predicting rainfall erosion losses – A guide to conservation planning” tersebut, ada buku lain dari mereka, buku yang lahirsebelum buku tersebut. Adapun judul buku tersebut adalah “Predicting Rainfal-Erosion Losses from Cropland East of The Rocky Mountains: Guide for Selection of Practices for Soil and Water Conservation”.

Nah mudah-mudahan kedua buku ini menjadikan kita lebih bisa belajar lebih baik karena buku aslinya sudah punya. Dan juga buku ini bisa menjadikan kita bisa memiliki refrensi asli dari mbah eyang Walter H. Wischmeier dan Dwight D. Smith dan ga terus menerus menulis refresinya seperti Wischmeier, W.H., and D.D. Smith. 1978. Predicting rainfall erosion losses – A guide to conservation planning. U.S. Department of Agriculture. Agricultural Handbook 537, U.S. Government Printing Office, Washington, DC. Tapi ternyata bukunya tidak ada . Bukunya bisa di download di (klik judul buku):

Wischmeier, W.H., and D.D. Smith. 1978. Predicting rainfall erosion losses – A guide to conservation planning. U.S. Department of Agriculture. Agricultural Handbook 537, U.S. Government Printing Office, Washington, DC.

Wischmeier, W.H., and D.D. Smith. 1965. Predicting Rainfall-Erosion Losses from Cropland East of the Rocky Mountains: Guide for Selection of Practices for Soil and Water Conservation. U.S. Department of Agriculture. Agricultural Handbook 282, U.S. Government Printing Office, Washington, DC.

Peta Sebaran Gas Metan Secara Global

Selain gas CO2, gas metan merupakan gas yang sangat penting dalam hubungannya sebagai gas rumah kaca (GRK). Gas ini mampu memerangkap panas 21 kali lebih kuat dibandingkan dengan gas CO2 (nilai GWP – The Greenhouse Warming Potential – gas metan adalah 21, CO2 nilai GWPnya 1 sedangkan NO2 nilai GWPnya adalah 310) (Hardy, 2003), akan tetapi masa hidup gas ini di atmosfer cukup pendek yaitu 7,9 tahun dan bila kita bandingkan dengan gas CO2 yang mencapai 50-200 tahun, NO2 adalah 120 tahun, CFC-11 adalah 50 tahun, dan CFC-12 adalah 102 tahun (Lelieveld et al., 1998; Hardy, 2003).

Gas metan diproduksi oleh mikrobia dalam keadaan anaerob. Secara alamiah lahan gambut, rawa dan sediment di daerah pantai merupakan sumber utama dari gas metan di atmosfer (Hardy, 2003), akan tetapi manusia juga berperan penting terhadap peningkatan gas metan di atmosfer, terutama sejak jaman pra industri yaitu melalui kegiatan-kegiatan peternakan, pertanian padi sawah, sampah, pembakaran batubara dan penggunaan minyak bumi.

Sebagian besar gas metan di atmosfer hilang bersama proses oksidasi oleh hydroxyl radikal (OH) di troposfer dan sekitar 7-11% hilang di stratosfer, selain itu CH4 yang dikonsumsi oleh bakteri ditanah menyumbang menghilangkan CH4 atmosfer sekitar 1-10% (Lelieveld et al., 1998)

Jumlah gas metan (CH4) di atmosfer adalah sekitar 4850 Tg CH4 (1 Tg = 10E12 g = 1 juta ton) dan rata-rata emisi gas metan secara global adalah sekitar 500-600 Tg per tahun (Yamaji et al., 2003; Butenhoff and Khalil, 2007). Dari 600 Tg CH4 yang diemisikan tersebut 24,17 persen (145 Tg) berasal dari lahan gambut, penggunaan energi sekitar 18,33 persen (110 Tg), emisi dari padi sawah sekitar 13,33 persen (80 Tg) dan Peternakan sekitar 13,33 persen (80 Tg) (Lelieveld et al., 1998).

Hasil hitung-hitungan oleh Yamaji et al. (2003) terhadap emisi gas metan dari seluruh kegiatan peternakan di Asia Tenggara, Asia Selatan, dan Asia Timur menunjukkan bahwa emisi gas metan untuk wilayah ini mencapai 29,9 Tg CH4 per tahun atau sekitar 32 persen dari total emisi peternakan yang dihasilkan secara global. Dimana Negara India merupakan penyumbang tersebesar gas ini yaitu sebesar 11,77 Tg pertahun dan Cina menempati urutan kedua yaitu 10,40 Tg per tahun. Urutan ketiga ditempati oleh Pakistan yaitu sebesar 1,85 Tg per tahun, dan urutan ke empat oleh Negara Banglades sebesar 0,94 Tg per tahun.

Indonesia berada di urutan ke lima yaitu sebesar 0,85 Tg CH4 per tahun dimana peternakan sapi menyumbang emisi CH4 paling besar untuk wilayah Indonesia yaitu sebesar 0,55 Tg per tahun. Yamaji et al. (2003) juga membuat peta sebaran emisi yang disumbangkan oleh kegiatan peternakan yang dapat dilihat pada gambar di bawah. Satuan emisinya adalah dalam Gg CH4 per tahun (1 Gg = 10E9 = 1000 Ton).

Keppler et al. (2006) menghitung emisi gas metan yang disebabkan oleh tanaman pada kondisi aerobik, dan hasil estimasinya menunjukkan bahwa vegetasi mengemisikan gas metan sebesar 149 Tg CH4 per tahun dimana hutan tropis sebagai penyumbang paling besar yaitu sekitar 78,2 Tg per tahun dan padang rumput tropis sebagai penyumbang terbesar kedua yaitu sebesar 29.2 Tg per tahun. Akan tetapi hasil perhitungan Parsons et al. (2006), vegetasi secara global menyumbang emisi CO2 hanya sebesar 52,7 Tg CH4 per tahun. Perhitungan ini lebih dekat dengan hasil perhitungan Butenhoff and Khalil (2007) untuk vegetasi yaitu sebesar 14-60 Tg CH4 pertahun.

Pertanian padi sawah, khususnya sawah teririgasi juga merupakan penyumbang terbesar gas metan ke atmosfer. Secara global diperkirakan sekitar 18 sampai 280 Tg gas metan per tahun dilepas ke atmosfer oleh pertanian padi sawah (Bachelet and Neue, 1993). Sedangkan IPCC (1992) memperkirakan sekitar 100 Tg gas metan per tahun yang dilepas oleh lahan padi sawah di seluruh dunia (Neue et al., 1996; Wassmann et al, 1993). Kondisi lahan sawah yang tergenang menyebabkan kondisi lingkungan yang sangat baik bagi terbentuknya gas metan. Dari 18 negara penghasil beras di Asia, Indonesia menempati urutan ke enam penghasil gas metan bersama Negara Myanmar, dimana setiap tahunnya Indonesia menghasilkan 3,7 Tg gas metan setiap tahunnya (Bachelet and Neue, 1993). Akan tetapi hasil estimasi Husin et al. (1995) total emisi gas metan oleh Indonesia adalah 4 Tg per tahun. Kondisi ini masih jauh dari emisi gas metan yang dihasikan oleh India dan Cina dimana setiap tahunnya negara-negara tersebut mengemisikan gas metan sebesar 27,6 Tg dan 21,6 Tg per tahun (Bachelet and Neue, 1993).

Pada tahun-tahun sebelumnya sumber gas metan dari geologi biasanya tidak dipertimbangkan, akan tetapi akhir2 ini sumber gas tersebut dipertimbangkan khususnya dari kegiatan geothermal dan letusan gunung api. Dari hasil letusan gunung api diperkirakan sekitar 5 – 13 Tg per tahun gas metan dilepaskan ke atmosfer (Etiope and Milkov, 2004 dalam Etiope, 2004), sedangkan dari proses geothermal emisi gas metan per tahunnya diperkirakan sekitar 2,5-6,3 Tg (Etiope and Klusman, 2002 dalam Etiope et al., 2007). Di Eropa, diperkiran gas metan yang dilepaskan dari proses letusan gunung api dan geothermal adalah sekitar 4000-16000 ton per tahun dimana hanya sekitar 720 ton yang berasal dari letusan gunung api (Etiope et al., 2007). Dan dari seluruh kegitan geologi secara global, gas metan yang diemisikan di udara adalah sekitar  40-60 Tg per tahun (Etiope, 2004).

Mudah-mudahan sekelumit informasi ini berguna bagi semua orang agar kita selalu waspada akan bencana pemanasan global dan perubahan iklim. Serta agar kita senantiasa bisa memperikirakan efek dari apa yang kita perbuat dan kita rencanakan.

Daftar Pustaka

Bachelet, D., and H.U. Neue .1993. Methane Emissions from Wetland Rice Areas of Asia. Chemosphere, Vol.26, Nos. 1-4, pp 219-237

Butenhoff, C.L., and M.A.K. Khalil. 2007. Global Methane Emissions from Terrestrial Plants. Environ. Sci. Technol, 41. 4032-4037.

Etiope, G. 2004. New Directions: GEM-Geologic Emissions of Methane, the missing source in the atmospheric methane budget. Atmospheric Environment, 38. 3099–3100

Etiope, G., T. Fridriksson, F. Italiano, W. Winiwarter, and J. Theloke. 2007. Natural emissions of methane from geothermal and volcanic sources in Europe. Journal of Volcanology and Geothermal Research, 165. 76–86

Hardy, J.T. 2003. Climate Change: Causes, Effects, and Solutions. John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ, England

Husin, Y.A., D. Murdiyarso, M.A.K. Khalil, R.A. Rasmussen, M.J. Shearer, S. Sabiham, A. Sunar, and H. Adijuwana. 1995. Methane Flux from Indonesian Wetland Rice: The Effects of Water Management and Rice Variety. Chemosphere, Vol. 31, No. 4, pp. 3153-3180

Keppler, F., J.T.G. Hamilton, M. Braß, and T. Ro¨ckmann. 2006. Methane emissions from terrestrial plants under aerobic conditions. Nature, 439. 187–191.

Lelieveld, J., P.J. Crutzen, and F.J. Dentener. 1998. Changing concentration, lifetime and climate forcing of atmospheric methane. Tellus, 50B. 128–150.

Neue, H.U., R. Wassmann, R.S. Lantin, MaC.R. Alberto, J.B. Aduna, and A.M. Javellana. 1996. Factors Affecting Methane Emission from Rice Fields. Atmospheric Environment, Vol. 30, Nos 10/11, pp. 1751 – 1754.

Parsons, A.J., P.C.D. Newton, H. Clark, and F.M. Kelliher. 2006. Scaling methane emissions from vegetation. Trends in Ecology and Evolution, Vol.21 No.8. 423-424.

Wassmann, R., H. Papen, and H. Rennenberg. 1993. Methane Emission from Rice Paddies and Possible Mitigation Strategies. Chemosphere, Vol.26, Nos. 1-4, pp 201-217.

Yamajia, K., T. Oharaa, and H. Akimoto. 2003. A country-specific, high-resolution emission inventory for methane from livestock in Asia in 2000. Atmospheric Environment, 37. 4393–4406.

Sebagai salah satu instutusi yang bergerak pada bidang pemetaan, BAKOSURTANAL telah mengupluad peta-peta rupabumi skala 1:10.000 untuk kepentingan penanganan gempa yang terjadi di Sumatera Barat… salut untuk bakosurtanal atas partisipasinya tersebut. peta-pata ini sangat bermanfaat sekali bagi para sukarelawan pasca gempa maupun keluarga korban gempa yang ingin tau peta Kota Padang dan sekitarnya. apalagi peta ini cukup detail dengan skala 1:10.000.

File2 tersebut bisa didownload di www.bakosurtanal.go.id yang tautannya juga saya simpan di sini. klik gambar untuk mendapatkan file pngnya. semoga bermanfaat untuk semua…

0714-6247 (1,52 MB)	0714-6248 (2,42 MB)
0714-6249 (4,06 MB)	0714-6413 (0,8 MB)
0714-6415 (0,98 MB)	0714-6416 (1,21 MB)
0714-6418 (0,93 MB)	0714-6419 (2,28 MB)
0714-6421 (2,53 MB)	0714-6422 (4,39 MB)
0714-6423 (4,37 MB)	0714-6424 (4,15 MB)
0714-6425 (5,62 MB)	0714-6427 (5,42 MB)
0714-6433 (1,34 MB)	0714-6436 (0,99 MB)
0714-6439 (0,88 MB)	0714-6441 (5,48 MB)
0714-6442 (5,68 MB)	0714-6444 (3,23)
0714-6445 (5,41 MB)	0714-6447 (4,34 MB)
0714-6448 (5,48 MB)	0715-3213 (3,15 MB)
0715-3216 (2,67 MB)	0715-3219 (3,52 MB)
0715-3221 (5,25 MB)	0715-3224 (4,52 MB)
0715-3227 (4,28 MB)	0715-3232 (1,73 MB)
0715-3233 (4,27 MB)	0715-3234 (1,04 MB)
0715-3235 (3,4 MB)	0715-3236 (4,8 MB)
0715-3237 (2,3 MB)	0715-3238 (3,4 MB)
0814-4137 (4,26 MB)	0814-4138 (4,94 MB)

Selain itu ada juga peta RBI Skala 250.000 untuk daerah Padang, Jambi, Bengkulu dan sekitarnya ( format file: jpeg)

0614 (53,1 MB)	0712 (23,6 MB)
0713 (54,8 MB)	0714 (25 MB)
0715 (26,7 MB)	0716 (27,2 MB)
0812 (25,4 MB)	0813 (58,1 MB)
0814 (29,9 MB)	0815 (25 MB)
0816 (31,2 MB)	0913 (58,3 MB)
0914 (62,3 MB)	0915 (29,1 MB)
1013 (26,7 MB)	1014 (9,06 MB)
1015 (26,2 MB)

dan tambahannya adalah Peta Lingkungan Laut Indonesia (LLN 03) dan Peta Antisipasi Penanggulangan Tsunami Kota Padang

Peta Lingkungan Laut Indonesia (LLN 03)

Peta Antisipasi Penanggulangan Tsunami

Yang paling penting dari data penginderaan jauh (PJ) adalah adanya resolusi atau tingkat kepekaan sensor (alat perekam objek) terhadap tingkat pemisahan objek dipermukaan bumi. Ada 4 jenis resolusi yaitu resolusi spasial yang berhubungan dengan besar pixel/pemisahan objek terkecil, resolusi spektral berhubungan dengan pemisahan objek berdasarkan panjang gelombang, resolusi temporal berhubungan dengan pemisahan objek berdasarkan waktu dan resolusi radiometrik yang berhubungan dengan pemisahan objek berdasarkan kekuatan sinyal. Karena kita berbicara tentang indeks vegetasi, maka yang difokuskan adalah tentang resolusi spektralnya.

Indeks vegetasi merupakan suatu persamaan matematik sederhana (sebagian besar ) yang menggabungkan beberapa band atau saluran panjang gelombang yang menghasikan satu data baru yang diasumsikan sebagai suatu nilai indeks yaitu indeks vegetasi. Kenapa dibilang “asumsi”? karena nilai indeks ini akan berbeda2 bila mengunakan persamaan indeks vegetasi yang berbeda2 pula.

Indeks vegetasi yang paling tua adalah Ratio Vegetation Index (RVI) yang dipublikasikan oleh Jordan (1969) dan yang paling terkenal adalah Normalized Difference Vegetation Index (NDVI) yang dipublikasikan oleh Deering (1978). Kedua indeks ini menggunakan band/saluran pada panjang gelombang infra merah dekat (NIR) dan merah (red). Kenapa musti NIR dan merah?

Tiga proses penting dalam PJ yaitu pemantulan cahaya oleh objek (reflectance), penyerapan cahaya oleh objek (Absorptance) dan pelolosan cahaya oleh objek (Transmittance). Tanaman, lebih spesifiknya daun juga mengalami tiga proses ini terhadap cahaya matahari yang diterimanya. Kita melihat daun bisanya berwrna hijau, kenapa? Karena dari seluruh cahaya matahari yang diterima, daun hanya memantulkan cahaya spesifik yang berwarna hijau yaitu pada panjang gelombang sekitar 0.55 µm, tapi ini yang terlihat. Sebenarnya yang terjadi, pemantulan maksimum pada daun terjadi pada panjang gelombang inframerah dekat (NIR), karena mata manusia hanya menangkap cahaya pada panjang gelombang mejikuhibiu, masih ingatkan apa itu menjikuhibiu…? atau pada panjang gelombang 0.4-0.7 µm atau juga panjang gelombang visible maka yang terlihat adalah pantulan yang berwarna hijau, sedangkan infra merah dekat, karena dah kluar dari mejikuhibiu… ga terlihat karena panjang gelombang inframerah dekat itu berada pada sekitar panjang gelombang 0.75-1.35 µm. Seandainya mata manusia bisa menangkap panjang gelombang ini, maka daun akan terlihat sangat merah karena daun memantulkan gelombang ini sekitar 60%, coba bandingkan dengan gelombang hijau yang hanya sekitar 20% (Jensen, 2000). Ga bisa dibayangkan dah bagaimana silaunya tuh daun. Contohnya pada gambar dibawah. Gambar atas adalah pengambilan gambar mengunkan panjang gelombang mejikuhibiu, gambar yang dibawah menggunakan NIR. Kelihatan merah semuakan vegetasi yang masih bagus waktu pake NIR (memantulkan cahaya NIR), sedangkan vegetasi yang dah kering kelihatan putih (menyerap cahaya NIR). Inilah dasar kenapa band/saluran NIR lebih dipilih untuk dijadikan salah satu band dalam mencari indeks vegetasi selain juga alasan2 lain seperti tingkat penyerapan cahaya oleh vegeteasi yang rendah, tingkat pelolosan cahaya oleh vegetasi yang cukup tinggi, dan pemantulan cahayanya tidak dipengaruhi oleh kloroplas didalam daun. Tingkat pemantulan cahaya yang tinggi oleh daun ini dikontrol oleh struktur daun, khususnya oleh jaringan mesofil gabus karena adanya ruang antar sel dimana ketebalan daun, adanya epiticular lilin dan umur daun juga mempengaruhi tingkat penyerapan cahaya ini (Slaton et al., 2001). Epiticular lilin dapat meningkatkan pemantulan gelombang NIR oleh daun sekitar 5-20% (Mulroy, 1979). Pada gambar dibawah terlihat dengan jelas bagaimana pengaruh ketebalan daun terhadap pemantulan gelombang NIR

Secara umum, daun tanaman memantulkan 2 jenis cahaya yaitu hijau dan NIR dan menyerap 2 jenis cahaya juga yaitu biru dan merah, seperti yang terlihat pada gambar dibawah.

Akan tetapi banyak persamaan indeks2 vegetasi yang menggunakan panjang gelombang merah dibandingkan panjang gelombang biru yang dikarenakan oleh sensitivitas panjang gelombang merah terhadap perubahan klorofil. Gelombang biru terserap oleh tanaman karena adanya pigmen klorofil-a, klorofil-b dan karotin, sedangkan gelombang merah terserap oleh tanaman karena adanya klorofil-a dan klorofil-b. Seperti terlihat pada gambar di bawah.

Ceritanya akan dilanjutkan nanti setelah dapat data2 yang bagus untuk di tampilkan…

]]> http://mbojo.wordpress.com/2009/10/02/kenapa-banyak-indeks-vegetasi-menggunakan-panjang-gelombang-merah-dan-infra-merah-dekat/feed/ 1 mbojo 2 3 4 5 http://mbojo.wordpress.com/2009/09/11/studi-tentang-proses-pertukaran-co2-dan-interaksinya-antara-atmosfer-dan-lautan-menggunakan-citra-alospalsar/ http://mbojo.wordpress.com/2009/09/11/studi-tentang-proses-pertukaran-co2-dan-interaksinya-antara-atmosfer-dan-lautan-menggunakan-citra-alospalsar/#comments Fri, 11 Sep 2009 06:51:59 +0000 La An http://mbojo.wordpress.com/?p=552 ]]>

STUDY OF AIR-SEA INTERACTION AND CO₂ EXCHANGE PROCESS BETWEEN THE ATMOSPHERE AND OCEAN USING ALOS/PALSAR
(Study Cases of Wind Wave Bubbling Process in Badung and Lombok Straits)

Ni Wayan Ekayanti, Takahiro Osawa, I Wayan Kasa, and A. Rahman As-syakur

ABSTRAK

Peningkatan CO₂ di atmosfer yang berpotensi menghasilkan pemanasan global telah menjadi perhatian bagi kehidupan manusia. Lautan mengandung lima puluh kali lebih besar CO₂ daripada atmosfer dan menjadi penyangga yang membatasi konsentrasi CO₂ dalam atmosfer. CO₂ mengalami perubahan secara terus menerus antara udara-lautan dan konsentrasi CO₂ di dalam laut dikendalikan oleh parameter fisika, kimia, dan biologi. Perubahan konsentrasi CO₂ antara udara-lautan dapat ditentukan dari interaksi gas dan perbedaan konsentrasi CO₂ antara udara-lautan. Perubahan CO₂ antara udara-lautan dapat dikaji dari studi kecepatan angin, koefisien gesekan kecepatan angin yang diperoleh dari satelit ALOS/PALSAR di daerah Selat Badung dan Selat Lombok, salinitas, dan juga dengan SST yang diperoleh dari satelit MODIS. Hasil analisis menunjukkan bahwa koefisien perubahan CO₂, perbedaan tekanan CO₂ antara udara-lautan, dan CO₂ flux antara udara-lautan secara berturut-turut adalah 0.303±0.006 (rata-rata ± standar deviasi) (mol m^-2 month^-1µatm^-1), 17.94±10.79 μatm, and 5.35±3.26 (mol m^-2 month^-1), dengan nilai maksimum dan minimum dari koefisien perubahan CO₂ secara berturut-turut terjadi pada bulan Agustus dan Februari.

Kata kunci: CO₂ flux, koefisien pertukaran CO₂, perbedaan tekanan CO₂, suhu permukaan laut (SST).

ABSTRACT

The increase of atmospheric CO₂ and the potentially resulting global warming has been a great concern for human society. Ocean contains more than fifty times carbon in the atmosphere and can be taken as a buffer limiting the concentration of CO₂ in atmosphere. CO₂ flux between atmosphere and ocean or CO₂ concentration in ocean is controlled by physical, chemical, and biological process. It can be determined from air-sea CO₂ concentration differences and CO₂ exchange process between the atmosphere and ocean. To obtain air-sea interaction and CO₂ exchange process between the atmosphere and ocean using ALOS/PALSAR of Badung and Lombok Straits, monthly sea surface temperature (SST), wind friction velocity (u*) data, and the local oceanography data of the ocean were collected and analyzed. CO₂ exchange coefficient, different partial pressures CO₂ (∆pCO₂), and Carbon dioxide (CO₂) flux at air-water interface in the strait were calculated using alkalinity, active coefficient, and sea surface temperature (SST). The CO₂ exchange coefficient, CO₂ fluxes, and ∆pCO₂ at different month and areas were estimated by concentration gradient between water and air in consideration of Schmidt numbers and wind friction velocity (u*). The results indicated that the mean values of CO₂ exchange coefficient, ∆pCO₂, and CO₂ fluxes in Badung and Lombok straits areas, were 0.303±0.006 (mean ± standard deviation) (mol m^-2 month^-1µatm^-1), 17.94±10.79 μatm, and 5.35±3.26 (mol m^-2 month^-1), respectively. Maximum and minimum CO₂ exchange coefficient distributions were found in August and February, respectively. Maximum and minimum ∆pCO₂ and CO₂ fluxes values were found on February and August, respectively, during the higher and lower SST.

Keywords: CO₂ flux, CO₂ exchange coefficient, ∆pCO₂, SST.

Selengkapnya bisa di baca pada:
Ekayanti, N.W., T. Osawa, I W. Kasa, and A.R. As-syakur. 2009. Study of Air-Sea Interaction and CO2 Exchange Process Between The Atmosphere and Ocean Using ALOS/Palsar (Study Cases of Wind Wave Bubbling Process in Badung and Lombok Straits). Jurnal Bumi Lestari, Vol 9, No 2. p 151-158

Berdasarkan laporan IPCC tahun 2007 kemungkinan manusia yang menyebabkan terjadinya perubahan iklim adalah sebesar 90%, keadaan ini lebih tinggi dari laporan terakhir dari IPCC pada tahun 2001 dimana kemungkinan manusia sebagai penyebab perubahan iklim adalah sebesar 60%. Laporan tersebut juga mengungkapkan bahwa penyebab utama terjadinya peningkatan Gas Rumah Kaca (GRK) seperti peningkatan gas Carbon Dioksida yang disebabkan oleh penggunaan bahan bakar fosil dan perubahan penggunaan dari lahan hutan menjadi lahan yang bernilai ekonomi seperti pemukiman dan perkebunan, sedangkan peningkatan gas metan dan gas dinitrogen oksida disebabkan oleh aktivitas pertanian.

Akan tetapi selain merupakan penyebab perubahan iklim, manusia juga merupakan mahluk yang berusaha menghambat perubahan iklim tersebut.

Skema pengaruh, dampak dan tanggapan manusia terhadap perubahan iklim

Meningkatnya jumlah emisi gas rumah kaca (GRK) di atmosfer disebabkan oleh kegiatan manusia di berbagai sektor, antara lain:

1. Energi

Penggunaan bahan bakar fosil seperti minyak bumi, batubara dan gas alam dalam berbagai kegiatan, misalnya pada pembangkitan listrik, transportasi dan  industri, akan memicu bertambahnya jumlah emisi GRK di atmosfer. Walaupun sama-sama menghasilkan emisi GRK, namun emisi yang dihasilkan dari penggunaan ketiga jenis bahan bakar fosil tersebut berbeda-beda. Untuk menghasilkan energi sebesar 1 kWh, pembangkit listrik yang menggunakan batubara mengemisikan sekitar 940 gram CO2. Sementara pembangkit listrik yang menggunakan minyak bumi dan gas alam, menghasilkan emisi sekitar 798 dan 581 gram CO2 (Meiviana, dkk., 2004).

Tahun 2009 pemerintah Indonesia secara resmi menetapkan kebutuhan batubara dalam negeri  sebanyak 68,3 juta ton, dimana sekitar 41,4 juta ton untuk pembangkit listrik. coba dihitung berapa banyak CO2 yg diemisikan…

Di Indonesia, di antara sektor lainnya, sektor energi menempati urutan kedua sebagai sumber GRK yaitu sekitar 25% dari total emisi. Sementara dari sisi pemanfaatan energi di Indonesia, sektor industri merupakan sektor pengemisi GRK terbesar, diikuti oleh sektor transportasi.

Emisi GRK Indonesia Tahun 1994

2. Kehutanan

Salah satu fungsi hutan adalah sebagai penyerap emisi GRK, biasa disebut carbon sink. Hutan bekerja untuk menyerap dan mengubah karbondioksida (CO2), salah satu jenis GRK, menjadi oksigen (O2) untuk kebutuhan mahluk hidup. Oleh karena itu kegiatan pengrusakan hutan, penebangan hutan, perubahan kawasan hutan menjadi bukan hutan, menyebabkan lepasnya sejumlah emisi GRK yang sebelumnya disimpan di dalam pohon.

Seharusnya dengan luasnya kawasan hutan di Indonesia, sekitar 120 juta ha (Tahun 2008), maka emisi GRK yang dapat diserap jumlahnya cukup banyak. Namun dengan laju kerusakan hutan sekitar 1.09 juta hektar per tahun untuk kurun waktu tahun 2000-2006 (SLHI, 2008), tak heran jika sektor kehutanan merupakan penyumbang emisi GRK terbesar di Indonesia. Menurut The First National Communication yang berisi inventarisasi GRK di berbagai Negara, sekitar 64% dari total emisi GRK di Indonesia dihasilkan dari sektor kehutanan (Meiviana, dkk., 2004).

3. Pertanian dan Peternakan

Sektor pertanian dan peternakan juga memberikan kontribusi terhadap peningkatan emisi GRK di atmosfer. Dari sektor pertanian, emisi GRK dihasilkan dari sawah yang tergenang, pemanfaatan pupuk, pembakaran padang savana, dan pembusukan sisa-sia pertanian. Sektor pertanian menurut The First National Communication secara umum menghasilkan emisi GRK hanya sekitar 8%. Namun sektor ini menghasilkan emisi gas metana tertinggi dibandingkan sektor lainnya.

Sementara dari sektor peternakan, emisi GRK berupa gas metana (CH4) dilepaskan dari kotoran ternak yang membusuk. Sesungguhnya untuk mengurangi emisi GRK dari sector ini, kotoran ternak dapat diolah untuk menjadi biogas, bahan bakar yg ramah lingkungan.

4. Sampah

Manusia dalam setiap kegiatannya hampir selalu menghasilkan sampah. Sampah sendiri turut menghasilkan emisi GRK berupa gas metana (CH4), walaupun dalam jumlah yang cukup kecil jika dibandingkan dengan emisi GRK yang dihasilkan dari sektor kehutanan dan energi.

Diperkirakan 1 ton sampah padat menghasilkan 50 kg gas metana. Dengan jumlah penduduk yang terus meningkat, diperkirakan pada tahun 2020 sampah yang dihasilkan per hari sekitar 500 juta kg/hari atau 190 ribu ton/tahun. Ini berarti pada tahun tersebut Indonesia akan mengemisikan gas metana ke atmosfer sebesar 9500 ton. Sampah kota perlu dikelola secara benar, agar laju perubahan iklim bisa diperlambat.

Emisi Karbon per orang di beberapa negara

Trend emisi GRK yang disebabkan oleh manusia dari tahun 1970 sampai 2004

Status Lingkungan Hidup merupakan suatu gambaran umum mengenai kondisi lingkungan yang menjabarkan segala aktifitas manusia/masyarakat dalam mengelola lingkungan yang akan berpengaruh terhadap lingkungan sosial, ekonomi, dan kesehatan. Status Lingkungan Hidup juga bermanfaat dalam meminimalkan dampak yang terjadi akibat bencana lingkungan karena Status Lingkungan Hidup memberikan informasi tentang trend-trend kondisi lingkungan daerah yang bersangkutan. secara umum tujuan penyusunan Laporan dan Basis Data status lingkungan hidup adalah : tersusunnya sebuah dokumen tentang status kondisi lingkungan hidup sebagai pedoman dan acuan bagi pemerintah daerah dan semua pihak yang berkepentingan dalam rangka merumuskan kebijakan dan program pengelolaan dan pengendalian lingkungan; tercapainya kondisi lingkungan yang baik di setiap wilayah di Kabupaten/kota dan dapat tetap terpelihara dan terjaga dengan baik, sehingga timbulnya bahaya pencemaran lingkungan baik di dalam maupun luar negeri dapat diminimalisasi sekecil mungkin; teridentifikasi dan terinventarisasinya karakteristik komponen lingkungan hidup, sebagai bahan monitoring; dan untuk menciptakan sistem pembangunan yang berwawasan lingkungan.

Laporan dan Kumpulan Data Status Lingkungan Hidup Kota Denpasar Tahun 2008 Bisa di Download pada Link di berikut

-  Laporan Status Lingkungan Hidup Kota Denpasar 2008

-  Laporan Status Lingkungan Hidup Kota Denpasar 2008 per Bab
Cover
Bab I Pendahuluan
Bab II Gambaran Umum
Bab III Media Air
Bab IV Udara
Bab V Lahan dan Hutan
Bab VI Keanekaragaman Hayati
Bab VII Pesisir dan Laut
Bab VIII Lingkungan Pemukiman
Bab IX Agenda Pengelolaan Lingkungan Hidup
Daftar Pustaka

-  Kumpulan Data Status Lingkungan Hidup Kota Denpasar 2008

Berdasarkan prediksi pada anomaly iklim El Nino dan La Nina bulan Februari 2009 oleh The International Research Institute for Climate and Society pada bulan juni ini diperkirakan anomali suhu permukaan laut samudera pasifik (Nino 3.4) akan berada di atas 0 (nol) derajat, dan keadaan itu benar2 terjadi pada bulan juni ini. Dan diperkirakan akan terus meningkat sampai pada bulan Oktober 2009. meningkatnya suhu permukaan laut di kawasan Nino 3.4 menggambarkan terjadinya kondisi El Nino untuk daerah sekitarnya. Dan untuk Indonesia, kejadian El Nino akan mengakibatkan kemarau yang berkepanjangan, kegagalan panen, hutan yang terbakar dan juga kekurangan pangan.

Hasil-hasil model prediksi tersebut dapat dilihat pada gambar di bawah. Dan semoga kita bisa merencanakan apa yang harus dilakukan untuk mengatasi masalah tersebut sehingga kerugiannya tidak terlalu besar. Misalnya dengan menyetok kebutuhan pokok seperti beras, merencanakan penanaman tanaman yg tahan kekeringan seperti jagung dan kedelai, serta berusaha menghemat air

Kompas hari Rabu 01 Juli 2009 memuat suatu berita yang berjudul ”Pertumbuhan El Nino Diselingi Hujan” adapun beritanya dapat di baca pada tulisan dibawah.

Jakarta, Kompas – Kondisi cuaca masih sulit diprediksikan. Tahap pertumbuhan El Nino saat ini yang diperkirakan membawa dampak kemarau panjang tahun 2009-2010 masih diselingi hujan deras di selatan dan barat Jakarta pada Senin malam.

Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) memperkirakan ada gangguan sirkulasi harian di perairan barat Sumatera akibat anomali suhu permukaan laut mencapai 0,8 derajat celsius di atas normal. Gangguan itu menimbulkan perubahan pola angin yang mendatangkan hujan deras. Seperti di stasiun pemantauan BMKG di Dermaga, Bogor, intensitas curah hujan tercatat 94 milimeter.

”Gangguan sirkulasi tidak akan mengubah pola besar menuju fase El Nino di wilayah Indonesia,” kata Kepala Bidang Analisis Iklim dan Kualitas Udara BMKG Soetamto, Selasa (30/6) di Jakarta.

Menurut dia, fenomena El Nino akan ditunjukkan dengan suhu muka laut yang dingin sehingga tidak menyuplai uap air yang membentuk awan hujan. Namun, saat ini masih berlangsung anomali suhu muka laut mencapai 0,8 derajat celsius di atas normal yang menunjukkan pendinginan suhu muka laut itu berjalan lamban.

Dampak yang ditimbulkan, menurut Soetamto, tahun ini musim hujan berpotensi mundur hingga beberapa bulan ke depan, sedangkan musim kemarau akan berlangsung lebih panjang daripada tahun sebelumnya.

Pembelokan arah angin

Kepala Subbidang Informasi Meteorologi Publik BMKG Hary Tirto Jatmiko mengatakan, hujan secara sporadis yang masih berlangsung di sebelah barat dan selatan Jakarta akibat terjadi pembelokan arah angin dari tenggara ke barat laut. Pembelokan yang memperbesar suplai uap air ini dipengaruhi pusaran angin yang terjadi di perairan sebelah barat Sumatera. ”Hujan di Jawa seperti terjadi di barat dan selatan Jakarta bersifat sporadis dan tidak merata,” katanya.

Menurut Hary, konsentrasi hujan di Indonesia saat ini terpusat di Sumatera bagian utara dan tengah, pesisir barat Sumatera, dan Sumatera bagian selatan. Di Kalimantan, hujan terkonsentrasi di Kalimantan Barat, Kalimantan Tengah bagian utara, serta Kalimantan Timur bagian utara dan timur.

Di Maluku Utara peluang hujan terkonsentrasi di bagian utara dan tengah, sedangkan di Papua di bagian barat, utara, dan tengah. (NAW)

1. bikin folder baru bernama “ilwisfree” di C:\program files\ atau bila mau disimpan di Drive selain C, maka bikin folder “ilwisfree” di drive yang dinginkan, seperti  C:\program files\ilwisfree atau D:\ilwisfree

2. ektrak file zip hasil download di dalam folder yang baru dibikin

3. instal setup.exe

4. di start menu akan muncul ILWIS 3.6

5. ILWIS 3.6 sekarang dah bisa dijalankan

Klo mau Download ILWIS 3.6nya

silahkan klik disini

Selamat mencoba…

ANALISIS INDEKS VEGETASI MENGGUNAKAN CITRA ALOS/AVNIR-2 DAN SISTEM INFORMASI GEOGRAFI (SIG) UNTUK EVALUASI TATA RUANG KOTA DENPASAR

A. Rahman As-syakur dan I.W. Sandi Adnyana

Abstract

Key word: vegetation index, percentage vegetation, urban planning, ALOS/AVNIR-2

Pendahuluan

Berdasarkan UU No. 26 tahun 2007 Tentang Penataan Ruang bahwa suatu wilayah kota diwajibkan memiliki ruang terbuka hijau minimal 30% dari luas kota dan minimal 20% adalah ruang terbuka hijau publik. Seiring dengan peningkatan jumlah urbanisasi dan peningkatan jumlah penduduk menyebabkan semakin tingginya perubahan penggunaan lahan yang mengakibatkan berkurangnya jumlah tutupan lahan oleh vegetasi khususnya di daerah perkotaan, keadaan ini menyebabkan menurunnya kualitas lingkungan di daerah perkotaan (Dardak, 2006).

Faktor yang sangat penting dalam permasalahan lingkungan adalah besarnya populasi manusia. Pertumbuhan penduduk merupakan faktor utama yang mempengaruhi perkembangan pemukiman dan kebutuhan prasarana dan sarana (Tinambunan, 2006). Jumlah penduduk di kota Denpasar pada tahun 2007 telah mencapai 608.595 jiwa dengan tingkat pertumbuhan rata-rata per tahun 3.34 % (BPS, 2008). Tingginya laju pertumbuhan penduduk tersebut dapat menyebabkan semakin terdesaknya alokasi ruang untuk vegetasi yang mempunyai fungsi sangat penting di daerah perkotaan.

Vegetasi perkotaan dapat mempengaruhi udara disekitarnya secara langsung maupun tidak langsung dengan cara merubah kondisi atmosfer lingkungan udara (Nowak et al., 1998). PP RI No.63/2002 menyebutkan bahwa fungsi vegetasi di perumahan ditekankan sebagai penyerap CO₂, penghasil oksigen, penyerap polutan (logam berat, debu, belerang), peredam kebisingan, penahan angin dan peningkatan keindahan. Kondisi dan keberadaan vegetasi di daerah perkotaan dapat diketahui dengan berbagai pendekatan, salah sataunya adalah pemanfaatan penginderaan jauh dengan melihat nilai indeks vegetasi (Yunhao, et al., 2005).

Nilai indeks vegetasi dapat memberikan informasi tentang persentase penutupan vegetasi, indeks tanaman hidup (Leaf Area Index), biomassa tanaman, fAPAR (fraction of Absorbed Photosynthetically Active Radiation), kapasitas fotosintesis dan estimasi penyerapan karbon dioksida (CO₂) (Horning, 2004; Ji and Peters, 2007). Nilai indeks vegetasi merupakan suatu nilai yang dihasilkan dari persamaan matematika dari beberapa band yang diperoleh dari data penginderaan jauh (citra). Band-band tersebut biasanya adalah band merah (visible) dan band infra merah dekat (Near Infra Red).

Pemanfaatan citra satelit dengan resolusi spasial yang tinggi sangat diperlukan di daerah perkotaan yang mempunyai tingkat kergaman tutupan lahan yang heterogen (Liang et al., 2007). Penelitian sebelumnya yang dilakukan oleh Yüksel, et al. (2008) menyimpulkan bahwa pemanfaatan citra Landsat dengan resolusi spasial 30m sangat efektif untuk mengklasifikasi daerah dengan tutupan lahan yang homogen, akan tetapi keakurasiannya untuk daerah yang heterogen berkurang. ALOS (Advanced Land Observing Satellite) merupakan satelit jenis baru yang dimiliki oleh Jepang setelah dua satelit pendahulunya yaitu JERS-1 dan ADEOS. ALOS yang diluncurkan pada tanggal 24 Januari 2006 mempunyai 5 misi utama yaitu untuk kepentingan kartografi, pengamatan regional, pemantauan bencana alam, penelitian sumberdaya alam dan pengembangan teknologi (JAXA, 2005). Satelit ALOS dengan sensor AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) memiliki resolusi spasial 10 m diharapakan dapat menganalisa daerah-daerah yang mempunyai tutupan lahan yang heterogen.

Penginderaan jauh tidak pernah lepas dari Sistem Informasi Geografi (SIG). Data-data spasial hasil penginderaan jauh merupakan salah satu data dasar yang dipergunakan dalam analisis SIG. Dalam perkembangannya data-data SIG juga berguna dalam pengolahan data pengideraan jauh (Barus dan Wiradisastra, 2000). Integrasi antara data spasial dan data atribut dalam suatu sistem terkomputerisasi yang bereferensi geografi merupakan keunggulan SIG. Pengolahan data penginderaan jauh dengan memanfaatkan SIG diharapkan mampu memberikan informasi secara cepat dan tepat sehingga segera dapat digunakan untuk keperluan analisis dan manipulasi.

Melihat permasalah di atas, perlu dilakukan suatu pemantauan tutupan lahan secara cepat dengan memanfaatkan teknologi yang ada seperti teknologi penginderaan jauh dan Sistem Infomasi Geografi (SIG). Tujuan dari penelitian ini adalah untuk mengetahui kemampuan citra ALOS/AVNIR-2 dalam mendeteksi vegetasi yang dihubungkan dengan persentase vegetasi dengan menggunakan Sistem Informasi Geografi (SIG) dan juga untuk mengevaluasi peta tata ruang Kota Denpasar tahun 2003 berdasarkan peta sebaran persentase vegetasi yang diperoleh dari citra ALOS/AVNIR-2.

Selengkapnya bisa di baca pada:

As-syakur, A.R. dan I W. S. Adnyana. 2009. Analisis Indeks Vegetasi Menggunakan Citra ALOS/Avnir-2 dan Sistem Informasi Geografi (SIG) Untuk Evaluasi Tata Ruang Kota Denpasar. Jurnal Bumi Lestari, Vol 9, No 1. p 1-11