Peta tutupan lahan menampilkan tutupan biofisik permukaan bumi. Biasanya kelas-kelas tutupan lahan di dalamnya tidak terbatas pada perairan, lahan maju (perumahan), tandus, hutan dan semak belukar. Informasi tutupan lahan penting untuk banyak aplikasi ilmiah dan sosial, terutama ketika memantau perubahan lingkungan. Misalnya dalam Penanggulangan Bencana dan Tanggap Darurat, peta tutupan lahan sering digunakan untuk mengamati perubahan pertanian, untuk menilai dan memantau risiko kekeringan dan banjir, untuk memetakan dan membuat model risiko kebakaran/terbakar atau perubahan iklim di masa depan.
Peta tutupan lahan salah satunya dihasilkan dengan mengklasifikasikan piksel citra satelit berdasarkan pantulan spektralnya. Untuk mengklasifikasikan setiap piksel, metodologi yang diterapkan biasanya adalah penginderaan jauh khususnya klasifikasi ataupun pendekatan lainnya seperti deep learning dan sebagainya.
ESRI, bekerja sama dengan Impact Observatory, telah merilis peta tutupan lahan global terkini berdasarkan data satelit Sentinel-2 10 meter terbaru. Di dalam situs tutupan lahan terbarunya ESRI mengembangkan / menambahkan rangkaian tahun tutupan lahan dari tahun 2017 hingga 2023. Menggunakan citra dengan resolusi 10 meter yaitu citra Sentinel-2 dari Badan Antariksa Eropa (ESA) yang dihosting di Microsoft Planetary Computer dan dengan alur kerja learning machine yang dikembangkan oleh Impact Observatory.
Sesuai dengan kaidah Tobler, resolusi raster penutupan lahan dari ESRI ini jika diskalakan yaitu mengikuti rumus 10 (meter) x 2 x 1.000 = 20.000, atau bisa dijadikan peta dengan kedetailan maksimal 1 : 20.000, lumayan kan!
Seperti dikutip dari situs ESRI, klasifikasi tutupan lahannya dihasilkan melalui kecerdasan buatan (artificial intelligence / AI) yang telah ditingkatkan dengan menyatukan kumpulan data sampel besar-besaran yang terdiri dari miliaran piksel gambar berlabel manusia. Model-model ini diterapkan ke seluruh koleksi visual Sentinel-2 setiap tahunnya – yaitu lebih dari 2.000.000 observasi Bumi dari 6 pita spektral untuk menghasilkan peta.
Outputnya menyediakan peta permukaan 9 kelas, termasuk tipe vegetasi, permukaan terbuka, air, lahan pertanian, dan area terbangun. Kategori atau jenis tutupan lahan yang digunakan adalah (Tubuh) Air, Tanaman (Semusim), Salju/Es, Pohon (Kebun / Hutan), Area Terbangun, Awan, Vegetasi Tergenang, Tanah Kosong, dan Padang Rumput.
Dengan menggunakan visualisasi ini, para perencana di seluruh dunia akan lebih memahami geografi di sekitar mereka, perubahannya, dan dengan informasi terkini yang tersedia, mereka dapat mengambil keputusan yang lebih tepat.
“Pengguna mempunyai opsi untuk membuat perbandingan tutupan lahan global dari tahun ke tahun saat ini dan di masa depan,” kata Sean Breyer, manajer program ESRI untuk ArcGIS Living Atlas of the World seperti dikutip dari spatialsource.com.au.
Dengan adanya penambahan data dan juga fasilitas ini, tentu saja hal itu semakin mempermudah pengguna dalam memanfaatkan data dari situs tutupan lahan ESRI. “Organisasi seperti badan pemerintah pusat biasanya sering harus menggunakan data tutupan lahan untuk menentukan prioritas perencanaan lahan dan menentukan alokasi anggaran. Nah dengan pembaruan tahunan Sentinel-2, pemerintah, dunia usaha, dan ilmuwan kini dapat membuat perbandingan data dengan lebih andal.”
Jika anda tertarik untuk mencoba aplikasi atlas penutupan lahan ESRI ini silahkan kunjungi ArcGIS Living Atlas of the World di alamat https://livingatlas.arcgis.com/landcoverexplorer.
Di situs tersebut selain pengguna bisa mengatur tahun data penutupan lahan, hasil yang ditampilkan juga bisa diunduh ke dalam format geo-tiff (tif) yang mana nantinya bisa dibuka di software SIG desktop dan kemudian bisa dianalisis ataupun dikonversi menjadi vektor untuk berbagai keperluan.
Yang menarik, ada juga animasi dan komparasi peta tutupan lahan sesuai yang pengguna inginkan di bagian bawahnya. Selain itu di bawahnya juga terdapat dashboard yang menampilkan grafik proporsi luas masing-masing tutupan lahan pada area yang saat ini sedang ditampilkan di layar komputer.
Leave a Reply