Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017

421

Analisis Spektral Asap dari Kebakaran Hutan/Lahan di Sumatera dan Kalimantan dari Data Advanced Himawari Imager

Spectral Analysis of Smokes from Forest / Land Fires in Sumatera and

Kalimantan from Advanced Himawari Imager Data

Sayidah Sulma*), Hana Listi Fitriana, Any Zubaidah, Suwarsono, Indah Prasasti

Pusat Pemanfaatan Penginderaan Jauh LAPAN

*)E-mail: sayidah.sulma@lapan.go.id

ABSTRAK- Himawari-8 merupakan satelit geostastioner yang dilengkapi dengan sensor Advanced Himawari Imager (AHI) dan memiliki berbagai kelebihan sehingga dapat dimanfaatkan dalam pemantauan sebaran atau trajektori asap kebakaran hutan. Dalam pengembangan metode deteksi asap secara digital dari data AHI, maka terlebih dahulu perlu dikaji karakteristik spektral asap pada setiap kanal data yang digunakan. Penelitian ini bertujuan untuk menganalisis karakteristik spektral objek asap kebakaran hutan dan lahan dari data AHI. Penelitian dilakukan untuk wilayah kebakaran Sumatera dan Kalimantan pada tahun 2015. Tahap penelitian terdiri dari pengolahan data dan analisis karakteristik spektral berdasarkan nilai reflektansi dan Brightness Temperature (BT) objek asap dan bukan asap. Berdasarkan analisis spektral objek asap dari data AHI dapat disimpulkan bahwa reflektansi asap memiliki nilai yang tinggi pada Band 1 hingga Band 4. Reflektansi objek asap secara umum berbeda dengan objek awan, air dan vegetasi terutama pada band sinar tampak (band 1, 2 dan 3), namun memiliki nilai yang berdekatan atau hampir berhimpitan dengan awan tipis. Pola BT objek asap memiliki kemiripan dengan objek lainnya namun nilainya sangat berbeda dengan objek awan, dimana objek asap memiliki nilai BT lebih tinggi dibandingkan BT awan hampir di seluruh band inframerah. Berdasarkan nilai Normalized Distance (D), reflektansi band sinar tampak dan inframerah dekat baik untuk pemisahan objek asap dengan air dan vegetasi. Sementara itu, BT baik untuk pemisahan asap terhadap awan. Dengan demikian, dalam melakukan klasifikasi atau pemisahan asap dengan objek non asap yang terdiri dari air, vegetasi dan awan perlu menggunakan gabungan parameter reflektansi maupun BT.

Kata kunci: spektral asap, kebakaran hutan/lahan, Advanced Himawari Imager

ABSTRACT- Himawari-8 is the geostastioner satellite equipped with Advanced Himawari Imager (AHI) that has many advantages so it can be utilized in monitoring the distribution or trajectory of forest fire smoke. In the development of the method of smoke detection digitally from the AHI data, then first need to study the spectral characteristics of smoke on each data channel used. This study aims to anallyse the spectral characteristics of forest and land fire smoke from AHI data. The research was conducted for Sumatera and Kalimantan fires in 2015. The research phase consisted of data processing and analysis of spectral characteristics based on reflectance value and Brightness Temperature (BT) smoke and non-smoke objects. Based on the spectral analysis of smoke objects from AHI data it can be concluded that smoke reflectance has a high value in Band 1 to Band 4. The reflectance of smoke objects is generally different from cloud, water and vegetation objects especially in visible bands (band 1, 2 3), but have values adjacent or almost coincide with a thin cloud. The pattern of BT the smoke object has similarities to the other objects but its value is very different from the cloud object, where the smoke object has a higher BT value than BT clouds almost in all infrared bands. Based on Normalized Distance (D) values, visible and nearinfrared band reflectance is good for separating smoke objects with water and vegetation, while BT is good for smoke separation with cloud. So in doing the classification or separation of smoke with non-smoke objects consisting of water, vegetation and clouds need to combine from the reflectance and BT parameter.

Keywords: spectral of smoke, forest/land fire, Advanced Himawari Imager

1. PENDAHULUAN

Kebakaran hutan dan lahan dan Sumatera dan Kalimantan hampir terjadi setiap tahun terutama saat musim kemarau. Dampak langsung yang dapat dirasakan dari kebakaran hutan dan lahan adalah masuknya partikel yang berasal dari asap ke dalam atmosfer yang dapat mempengaruhi kualitas udara serta mengganggu kesehatan dan aktifitas masyarakat baik di wilayah kebakaran maupun wilayah sekitarnya. Secara luas kebakaran hutan dan lahan di Indonesia seringkali mengakibatkan asap lintas batas yang dapat merugikan masyarakat di wilayah lain bahkan di negara tetangga terdekat seperti Singapura, Malaysia dan Brunei Darussalam (Putra, 2015).

Analisis Spektral Asap dari Kebakaran Hutan/Lahan di Sumatera dan Kalimantan dari data Advanced Himawari Imager (Sulma, dkk)

422

Pemanfaatan data satelit penginderaan jauh merupakan metode yang sangat efektif untuk memantau dan melihat sebaran asap kebakaran. Penelitian dan pengembangan pemanfaatan data penginderaan jauh untuk pemantauan asap dibagi dalam 2 (dua) bagian, yaitu pemantauan sebaran asap dan pemantauan kondisi dan kualitas udara akibat asap (Khomarudin, 2014). Saat ini pemantauan trayektori asap menggunakan data penginderaan jauh di Indonesia masih terbatas pada metode analisis visual. Zubaidah dkk (2014) dan Priyatna dkk (2014) menggunakan citra komposit MODIS secara visual untuk pengamatan kabut asap di beberapa wilayah di Indonesia. Di wilayah lain, Chung dan Le (1984) telah memperkenalkan citra komposit false color RGB kanal 1,2 dan 4 dari citra AVHRR untuk mendeteksi kabut asap kebakaran di hutan Canada. Chung dan Kim (2008) juga menggunakan data AVHRR komposit RGB 124 untuk pemantauan asap kebakaran hutan di Korea Utara dan Korea Selatan. Penelitian terbaru dari Fatkhuroyan dkk (2017) menggunakan citra komposit RGB 346 dari Himawari-8 untuk deteksi asap kebakaran hutan di Sumatera dan Kalimantan.

Himawari-8 merupakan generasi satelit geostasioner yang diluncurkan oleh Jepang pada tahun 2015. Himawari-8 dilengkapi dengan sensor yang diberi nama Advanced Himawari Imager (AHI) memiliki resolusi radiometrik, spektral dan spasial yang lebih tinggi dibandingkan seri satelit geostasioner sebelumnya, dimana AHI ini memiliki 16 kanal dengan resolusi spasial 1.5 km atau 1 km untuk kanal visible dan infra merah dekat, serta 2 km untuk kanal infra merah. Kelebihan lainnya adalah resolusi temporal satelit yaitu memiliki waktu perulangan setiap 10 menit sehingga dapat digunakan untuk identifikasi dan traking perubahan cuaca secara cepat (Bessho dkk, 2016; Kushardono, 2012). Dengan berbagai kelebihan yang dimiliki, maka data satelit Himawari-8 sangat baik untuk dimanfaatkan dalam pemantauan sebaran atau trajektori asap kebakaran hutan.

Berdasarkan beberapa penelitian yang telah dilakukan dengan metode visual, citra komposit dapat digunakan untuk membedakan secara visual asap dari tutupan lainnya seperti vegetasi, awan dan air. Namun, pendekatan ini hanya dapat memberikan informasi umum, tetapi tidak dapat digunakan dalam prosedur deteksi asap secara otomatis atau digital. Dalam pengembangan metode deteksi asap secara digital, maka terlebih dahulu perlu dikaji karakteristik spektral asap pada setiap kanal data yang digunakan. Penelitian ini bertujuan untuk menganalisis karakteristik spektral objek asap kebakaran hutan dan lahan dari data AHI. Hasil analisis iniselanjutnya diharapkan dapat digunakan untuk menyusun metode pemisahan asap kebakaran terhadap awan secara digital yang selama ini relatif sulit.

2. METODE

Analisis dilakukan di wilayah kebakaran hutan dan lahan Sumatera dan Kalimantan pada tahun 2015. Berdasarkan data hotspot tahun 2015-2016 diketahui bahwa puncak kebakaran di Indonesia terjadi pada bulan Juli-Oktober 2015, sehingga data yang digunakan adalah data pada periode tersebut. Data yang digunakan pada penelitian ini adalah data AHI Himawari 8 level 1 berupa data reflektansi kanal 1-6 dan brightness temperature (BT) kanal 7-16. Data AHI level 1 diperoleh melalui ftp JAXA Himawari Monitor dalam format netcdf. Disamping itu digunakan data hotspot dari MODIS untuk mengkonfirmasi saat terjadinya kebakaran hutan/lahan.

Tahap penelitian terdiri dari pengolahan data dan analisis data. Pengolahan awal meliputi reproyeksi dan konversi data reflektansi dan BT menjadi format .tif menggunakan IDL. Kemudian dilakukan pembuatan citra komposit pada citra terkoreksi. Berdasarkan citra komposit RGB dilakukan analisis visual untuk objek asap dan non asap dibantu dengan data Hotspot yang di-overlay-kan pada citra untuk mengetahui konsentrasi daerah kebakaran.

Sebelum menganalisis pola spektral setiap objek maka terlebih dahulu dilakukan ekstraksi nilai reflektansi dan BT pada setiap objek. Ekstraksi dilakukan dengan membuat training sample untuk beberapa objek meliputi objek asap yang berada di atas daratan, asap di atas air/laut, awan, awan tipis, vegetasi dan air. Kemudian dari nilai reflektansi dan BT yang diperoleh, dihitung nilai rata-rata untuk setiap objek dan diplotkan dalam tabel dan grafik.

Secara kuantitatif untuk menganalisis kemampuan masing-masing kanal dalam memisahkan asap dengan kelas lainnya maka dilakukan perhitungan nilai separabilitas atau Normalized Distance (D). Nilai D dihitung dengan persamaan (1) (Kaufman and Remer, 1994; Li dkk 2014; Li dkk 2015):

𝐷 =| |

( ) ............................................................................................................................................. (1)

dengan µ1 dan µ2 adalah nilai rata-rata kelas 1 dan kelas 2, sementara σ1 dan σ2 adalah standar deviasi. Semakin besar D akan semakin baik membedakan antara kelas 1 dan kelas 2.

Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017

423

3. HASIL DAN PEMBAHASAN

Dalam analisis visual objek asap dan non asap digunakan citra AHI Himawari 8 komposit RGB 346. Gambar 1 memperlihatkan citra komposit RGB 346 AHI tanggal 10 September 2015 jam perekaman 09.00 WIB (Gambar 1a) dan jam 13.00 WIB (Gambar 1b). Citra komposit tersebut di-overlay dengan data Hotspot Terra/Aqua MODIS. Data yang digunakan dalam analisis karakteristik spektral asap adalah data AHI saat kejadian kebakaran hutan tahun 2015, dan untuk analisis awal digunakan data tanggal 10 September 2015 dimana pada tanggal tersebut terlihat kerapatan hotspot yang cukup tinggi dan objek asap dapat dideteksi secara visual. Objek asap terlihat berwarna kecoklatan yang menyebar di sekitar kumpulan titik hotspot. Fatkhuroyan dkk (2017) menyebutkan bahwa pada tanggal 10 September 2015 kondisi cuaca di beberapa wilayah seperti Pekanbaru, Rengat, Palembang, Palangkaraya, Pangkalan Bun, Muara Teweh dan Sampit berada pada kondisi berasap.

(a) (b) Gambar 1. (a) Citra AHI Himawari 8 Komposit RGB 346 tanggal 10 September 2015 pukul 09.00 WIB dan

(b) pukul 13.00 WIB

Pengambilan training sample dilakukan untuk beberapa objek asap dan non asap seperti vegetasi, asap di atas darat, asap di atas perairan, awan tipis, awan tebal dan air. Gambar 2 merupakan contoh objek yang dianalisis. Ekstraksi nilai reflektansi dan BT dilakukan pada sampel objek tersebut untuk mengetahui perbedaan karakteristik spektral tiap objek di semua band. Hasil ektraksi nilai reflektansi beberapa objek dapat dilihat pada Tabel 1 (data pukul 09.00 WIB) dan Tabel 2 (data pukul 13.00 WIB). Sementara itu, hasil ekstraksi nilai BT dapat dilihat pada Tabel 3 dan Tabel 4.

Gambar 2. Objek asap dan non asap

Berdasarkan analisis pola spektral objek asap pada data liputan pukul 09.00 WIB yang ditampilkan pada

Gambar 1, terlihat bahwa nilai reflektansi objek asap (merah) secara umum dapat dibedakan dengan objek awan, air dan vegetasi terutama pada kanal 1, kanal 2 dan kanal 3. Nilai reflektansi asap berada terpisah di antara reflektansi objek air dan vegetasi serta awan tebal yaitu dengan kisaran 0.31 – 0.37 pada Kanal 1, 0.29-

Analisis Spektral Asap dari Kebakaran Hutan/Lahan di Sumatera dan Kalimantan dari data Advanced Himawari Imager (Sulma, dkk)

424

0.36 pada Kanal 2, dan 0.25-0.34 pada Kanal 3 (Tabel 1). Namun nilai reflektansi ini memiliki nilai yang berdekatan atau hampir berhimpitan dengan awan tipis. Jika melihat pola spektral pada data siang pukul 13.00 WIB (Gambar 2), pola spektral setiap objek hampir sama dengan data pagi, dimana nilai reflektansi objek asap secara umum berada terpisah dengan objek awan, air dan vegetasi terutama pada kanal 1, kanal 2 dan kanal 3, namun reflektansi asap di atas darat dan di atas perairan/laut hampir berhimpitan dan berdekatan dengan reflektansi awan tipis. Nilai reflektansi asap yang berhimpit dengan awan tipis akan menyulitkan dalam membedakan asap dan awan tipis secara digital.

Dari kedua waktu peliputan, dapat dilihat bahwa baik reflektansi asap di atas darat dan di atas perairan memiliki nilai yang tinggi pada Kanal 1 hingga Kanal 4, kemudian menurun secara tajam pada Kanal 5 hingga Kanal 6. Reflektansi tertinggi asap di atas daratan adalah pada Kanal 4 sedangkan asap yang berada di atas perairan nilai reflektansi tertinggi pada Kanal 1, sedangkan nilai reflektansi terendah adalah pada Kanal 6.

Tabel 1. Nilai reflektansi objek asap dan non asap

(data tanggal 10 September 2015, pukul 09.00 WIB)

Kelas Rata-rata Reflektansi

Kanal 1 Kanal 2 Kanal 3 Kanal 4 Kanal 5 Kanal 6

Asap 0.369 0.359 0.345 0.376 0.234 0.107

Asap atas laut 0.312 0.291 0.251 0.210 0.092 0.038

Vegetasi 0.141 0.118 0.088 0.363 0.230 0.094

Awan Tipis 0.358 0.336 0.316 0.336 0.140 0.158

Awan 0.547 0.527 0.521 0.560 0.246 0.237

Air 0.129 0.099 0.044 0.021 0.007 0.003

Tabel 2. Nilai reflektansi objek asap dan non asap (data tanggal 10 September 2015, pukul 13.00 WIB)

Kelas Rata-rata reflektansi

Kanal 1 Kanal 2 Kanal 3 Kanal 4 Kanal 5 Kanal 6

Asap 0.399 0.389 0.369 0.404 0.183 0.067

Asap atas laut 0.392 0.380 0.346 0.287 0.124 0.060

Vegetasi 0.106 0.090 0.068 0.229 0.128 0.051

Awan tipis 0.364 0.339 0.315 0.313 0.159 0.163

Awan 0.646 0.625 0.619 0.651 0.237 0.287

Air 0.108 0.086 0.054 0.042 0.031 0.022

Gambar 3. Pola reflektansi objek asap dan non asap (data tanggal 10 September 2015, pukul 09.00 WIB)

0

0,1

0,2

0,3

0,4

0,5

0,6

1 2 3 4 5 6

Refle

ktan

si

Kanal

VEGETASI

AWANTIPISAWAN

AIR

ASAP

ASAP LAUT

Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017

425

Gambar 4. Pola reflektansi objek asap dan non asap (data tanggal 10 September 2015, pukul 13.00 WIB)

Selanjutnya hasil ekstraksi nilai BT untuk beberapa objek yang dianalisis dapat dilihat pada Tabel 3 dan

Tabel 4 serta Gambar 3 dan Gambar 4. Berdasarkan data tersebut dapat dilihat bahwa pola dan nilai BT objek asap (merah) memiliki kemiripan dengan objek vegetasi dan air namun sangat berbeda dengan objek awan, dimana objek asap memiliki nilai BT lebih tinggi dibandingkan BT awan hampir di seluruh kanal inframerah thermal. Nilai BT tertinggi untuk objek asap adalah pada Kanal 7 yaitu sekitar 300° K, sedangkan nilai BT terendah adalah pada Kanal 8 yaitu sekitar 240 °K. Jika membandingkan antara waktu peliputan yang berbeda yaitu pagi (pukul 09.0 WIB) dan siang (pukul 13.00), maka nilai BT cenderung memiliki pola dan kisaran nilai yang sama, artinya suhu objek-objek tersebut yang terdeteksi pada data pagi dan siang memiliki nilai yang sama.

Tabel 3. Nilai Brightness Temperature (BT) objek asap dan non asap

(data tanggal 10 September 2015, pukul 09.00 WIB)

Kelas

Rata-rata Brightness Temperature (°K)

Kanal 7 Kanal 8 Kanal 9 Kanal 10

Kanal 11

Kanal 12

Kanal 13

Kanal 14

Kanal 15

Kanal 16

Asap 300.90 244.72 254.57 262.92 292.08 271.43 294.94 294.61 291.26 276.14

Asap atas laut 298.22 237.94 248.55 258.25 290.70 269.16 293.15 292.43 288.32 272.61

Vegetasi 305.03 237.36 248.96 259.26 295.09 273.69 297.79 296.39 291.31 275.16

Awan Tipis 258.11 222.58 226.61 229.36 235.52 233.16 235.65 234.25 233.31 230.14

Awan 271.68 226.29 232.67 237.52 244.43 238.27 245.14 244.21 243.20 239.42

Air 297.25 242.34 253.60 263.86 293.66 272.35 296.47 296.36 293.29 277.48

Tabel 4. Nilai Brightness Temperature (BT) objek asap dan non asap

(data tanggal 10 September 2015, pukul 13.00 WIB)

Kelas

Rata-rata Brightness Temperature (°K)

Kanal 7 Kanal 8 Kanal 9 Kanal 10

Kanal 11

Kanal 12

Kanal 13

Kanal 14

Kanal 15

Kanal 16

Asap 301.00 245.51 255.33 263.49 293.39 272.46 296.46 295.92 292.16 276.64

Asap atas laut 301.57 239.76 249.79 258.75 290.57 269.48 293.30 292.40 288.25 272.69

Vegetasi 303.66 247.46 257.14 264.42 296.17 274.76 298.73 297.75 293.54 277.63

Awan tipis 273.56 224.45 230.71 236.27 249.95 241.75 249.83 246.81 243.77 237.76

Awan 260.57 219.80 222.98 224.96 228.38 229.42 228.63 226.92 226.28 224.53

Air 299.98 246.03 257.25 266.16 293.44 272.31 296.09 295.99 293.01 277.55

Berdasarkan perbedaan antara nilai BT asap dan awan, maka nilai BT dapat digunakan untuk membedakan

objek asap dengan awan. Pada grafik di Gambar 5 dan Gambar 6 dapat dilihat secara umum Kanal 11 hingga Kanal 16 memiliki perbedaan yang signifikan antara BT asap dan awan. Sehingga nilai BT pada kanal tersebut

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

1 2 3 4 5 6Re

flekt

ansi

Kanal

AIR

VEGETASI

AWANTIPISAWAN

ASAP

ASAPLAUT

Analisis Spektral Asap dari Kebakaran Hutan/Lahan di Sumatera dan Kalimantan dari data Advanced Himawari Imager (Sulma, dkk)

426

sangat penting dalam deteksi objek asap secara digital, khususnya untuk membedakan objek asap dan awan dimana jika menggunakan nilai reflektansi masih ada percampuran antara asap dan awan tipis.

Gambar 5. Pola Brightness Temperature (BT) objek asap dan non asap

(data tanggal 10 September 2015, pukul 09.00 WIB)

Gambar 6. Pola Brightness Temperature (BT) objek asap dan non asap

(data tanggal 10 September 2015, pukul 13.00 WIB)

Selanjutnya kemampuan masing-masing kanal dalam memisahkan asap dengan kelas lainnya dilihat dari hasil analisis nilai separabilitas atau Normalized Distance (D). Berdasarkan hasil perhitungan nilai D pada Tabel 5 dapat dilihat bahwa secara umum reflektansi kanal sinar tampak dan inframerah dekat (kanal 1-4) memiliki kemampuan yang baik untuk pemisahan objek asap dengan air dan vegetasi karena memiliki nilai D yang tinggi (angka ditebalkan), namun memiliki kemampuan yang rendah untuk pemisahan asap dan awan. Objek asap dengan awan dapat dibedakan dengan baik menggunakan BT karena nilai D paling besar ditemukan pada parameter BT kanal inframerah. Sehingga dalam melakukan klasifikasi atau pemisahan asap dengan objek non asap yang terdiri dari air, vegetasi dan awan perlu menggunakan gabungan dari parameter reflektansi maupun BT.

200

220

240

260

280

300

320

7 8 9 10 11 12 13 14 15 16

Brig

htne

ss T

empe

ratu

re (°

K)

Kanal

VEGETASI

AWAN TIPIS

AWAN

AIR

ASAP

ASAP LAUT

200

220

240

260

280

300

320

7 8 9 10 11 12 13 14 15 16

Brig

htne

ss T

empe

ratu

re (°

K)

Kanal

AIR

VEGETASI

AWAN TIPIS

AWAN

ASAP

ASAP LAUT

Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017

427

Tabel 5. Nilai Normalized Distance (D) reflektansi (kanal 1-kanal 6) dan brightness temperature (kanal 7-kanal 16)

Kelas Normalized Distance (D)

Kanal1 Kanal2 Kanal3 Kanal4 Kanal5 Kanal6

Asap vs Air 9.70 9.77 8.08 9.78 4.47 2.14

Asap vs Vegetasi 4.80 5.07 5.19 2.24 1.34 0.67

Asap vs Awan 2.23 2.09 1.97 1.89 0.82 3.67

Asap vs Awan tipis 0.35 0.48 0.45 0.71 0.45 1.71

Asap atas laut vs Air 5.36 5.16 4.17 3.10 3.21 2.53

Asap atas laut vs Vegetasi 3.40 3.41 3.12 0.48 0.11 0.50

Asap atas laut vs Awan 1.90 1.76 1.73 2.10 1.85 4.20

Asap atas laut vs Awan tipis 0.23 0.32 0.21 0.15 0.73 2.06

Kelas Normalized Distance (D)

Kanal7 Kanal8 Kanal9 Kanal10 Kanal11 Kanal12 Kanal13 Kanal14 Kanal15 Kanal16

Asap vs Air 0.33 0.10 0.38 0.62 0.02 0.06 0.10 0.02 0.21 0.26

Asap vs Vegetasi 0.84 0.20 0.20 0.12 0.45 0.56 0.34 0.23 0.16 0.14

Asap vs Awan 6.73 2.56 2.67 2.99 4.75 5.73 4.84 4.58 4.37 3.73

Asap vs Awan tipis 2.61 3.39 3.56 3.61 4.02 4.29 4.20 4.38 4.44 4.17

Asap atas laut vs Air 0.29 1.00 1.31 1.71 0.91 1.14 0.78 0.89 1.14 1.43

Asap atas laut vs Vegetasi 0.38 0.72 0.78 0.72 0.91 1.27 0.83 0.69 0.60 0.69

Asap atas laut vs Awan 4.94 1.81 2.11 2.62 4.58 5.29 4.66 4.36 4.08 3.45

Asap atas laut vs Awan tipis 2.19 2.12 2.54 2.97 3.79 3.85 3.96 4.09 4.04 3.76

4. KESIMPULAN

Berdasarkan analisis spektral objek asap dari data AHI Himawari-8 dapat disimpulkan bahwa asap memiliki nilai reflektansi yang tinggi pada Kanal 1 hingga Kanal 4 (sinar tampak dan inframerah dekat). Reflektansi objek asap secara umum berbeda dengan objek awan, air dan vegetasi terutama pada kanal sinar tampak yaitu kanal 1, kanal 2 dan kanal 3, namun memiliki nilai yang berdekatan atau hampir berhimpitan dengan awan tipis. Pola BT, objek asap memiliki kemiripan dengan vegetasi, air dan awan, namun nilainya sangat berbeda dengan objek awan. Objek asap memiliki nilai BT lebih tinggi dibandingkan BT awan hampir di seluruh kanal inframerah. Hasil perhitungan nilai D, reflektansi kanal sinar tampak dan inframerah dekat baik untuk pemisahan objek asap dengan air dan vegetasi. BT sangat baik digunakan untuk pemisahan asap dengan awan. Sehingga dalam melakukan klasifikasi atau pemisahan asap dengan objek non asap yang terdiri dari air, vegetasi dan awan dapat dilakukan menggunakan gabungan dari parameter reflektansi dan BT.

5. UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada Kepala Pusat Pemanfaatan Penginderaan Jauh LAPAN yang telah memfasilitasi penelitian ini.

6. DAFTAR PUSTAKA

Bessho, K., Date K., Hayashi, M. (2016). An Introduction to Himawari-8/9 – Japan’s New-Generation Geostrationary Meteorological Satellite. Journal of the Meteorological Society of Japan, 94(2), 151-183.

Chung, Y.S. dan Le, H.V (1984). Detection of Forest-fire Smoke Plumes by Satellite Imagery. Atmospheric Environment, Volume 18, Issue 10, 1984, 2143-2151.

Chung, Y.S. dan Kim, H.S. (2008). Satellite Monitoring of Forest Fires and Associated Smoke Plumes Occuring in Korea. Air Qual Atmos Health 2008, 1(1), 111-118.

Analisis Spektral Asap dari Kebakaran Hutan/Lahan di Sumatera dan Kalimantan dari data Advanced Himawari Imager (Sulma, dkk)

428

Fatkhuroyan, Trinahwati, Panjaitan A. (2017). Forest Fires Detection in Indonesia using Satellite Himawari-8 (case study: Sumatera and Kaliamntan on August-October 2015). IOP Conf. Series: Earth and Environemntal Science 54 (2017) 012053.

Kaufman Y.J, Remer L.A. (1994). Detection of Forest Fire using MidIR Reflectance and Application for Aerosols Study, IEEE Transactions on Geoscience and Remote Sensing 32(3): 672-683.

Khomarudin, M.R. (2014). Sekapur Sirih Pemanfaatan Penginderaan Jauh untuk Pemantauan, Deteksi dan Kajian Lingkungan. Bunga Rampai Pemanfaatan Data Penginderaan Jauh untuk Pemantauan, Deteksi dan Kajian Lingkungan. Crestpent Press.

Kushardono, D. (2012) Study of new generation remote sensing weather satelite himawari 8 and 9. Jurnal Inderaja 03 December 2012.

Li, X.L., Wang, J., Song, W.G., Ma, J., Telesca, L., Zhang, Y.M. (2014). Automatic smoke detection in modis satellite data based on k-means clustering and fisher linear discrimination. Photogramm. Eng. Remote Sens. 2014, 80, 971–982.

Li, X., Song, W., Lian, L., Wei, X. (2015). Forest Fire Smoke Detection Using Back-Propagation Neural Network Based on MODIS Data. Remote Sensing 2015, 7, 4473-4498, doi: 10.3390/rs70404473

Priyatna, M., Khomarudin, M.R., Sukowati, K.A.D. (2014). Spasial Pemantauan Kabut Asap (Haze) di Propinsi Riau dengan Menggunakan Google Earth. Bunga Rampai Pemanfaatan Data Penginderaan Jauh untuk Pemantauan, Deteksi dan Kajian Lingkungan. Crestpent Press.

Putra, A.K. (2015). Transboundary Haze Pollution dalam Perspektif Hukum Lingkungan Internasional. Jurnal Ilmu Hukum, 2015.

Zubaidah, A., Vetrita, Y., Priyatna, M. (2014). Pemanfaatan Data Penginderaan Jauh untuk Pemantauan Kebakaran Hutan/Lahan di Sumatera. Bunga Rampai Pemanfaatan Data Penginderaan Jauh untuk Pemantauan, Deteksi dan Kajian Lingkungan. Crestpent Press.