BAB 5: Jejak Api: Bekas Kebakaran, NBR, dan Titik Panas
#Studi kasus: "Titik panas bilang terbakar. Benarkah?"
Pada musim kemarau, lembaga pemantau mengirim daftar titik panas di sekitar KPH Contoh. Kepala Seksi bertanya, "Dua belas titik. Berapa hektare yang benar-benar terbakar? Titik yang mana yang palsu?" Titik panas hanya mengatakan "ada panas di sekitar sini". Luas dan lokasi bekas bakar harus Anda ukur sendiri dari citra.
#Konsep: mengenali bekas bakar dalam tiga kalimat
Tumbuhan sehat memantulkan banyak inframerah dekat (NIR) dan sedikit inframerah gelombang pendek (SWIR). Setelah terbakar, kebalikannya terjadi, seperti arang yang menyerap cahaya hijau: NIR anjlok dan SWIR naik. Indeks NBR menangkap pembalikan itu, dan selisihnya antara sebelum dan sesudah kebakaran (dNBR) menunjukkan seberapa parah terbakarnya.
Istilah baru bab ini:
- SWIR: inframerah gelombang pendek; di Sentinel-2 dipakai B11 dan B12.
- NBR: (NIR dikurangi SWIR2) dibagi (NIR ditambah SWIR2). Untuk Sentinel-2: B08 dan B12.
- dNBR: NBR sebelum dikurangi NBR sesudah. Makin besar, makin parah.
- Tingkat keparahan: kelas dNBR dari ringan sampai berat.
- Titik panas (hotspot): titik deteksi suhu tinggi oleh satelit; indikator api, bukan peta bekas bakar.
#Mengapa NBR, bukan NDVI saja?
Pada piksel terbakar di grafik, NDVI hanya turun dari sekitar 0,87 ke sekitar 0,56. NBR turun dari sekitar 0,64 ke sekitar 0,05. NBR bergerak lebih dari dua kali lebih jauh, sehingga lebih mudah dibedakan dari derau. Itu sebabnya Bab 4 dengan NDVI sempat tertipu oleh bekas bakar, sedangkan NBR langsung mengenalinya.
#Bagian A: QGIS
#Bagian A: Memetakan bekas bakar di QGIS
A.1 NBR dan dNBR (Skrip 5.1)
Rumus NBR dalam Raster Calculator untuk berkas _refl.tif adalah (band 4 - band 6) / (band 4 + band 6). Band 4 adalah B08 dan band 6 adalah B12. Skrip membuat NBR bersih untuk 24 tanggal (dengan mask SCL seperti Bab 2), lalu:
- Komposit median sebelum dan sesudah tiap kejadian. Kejadian 2024: sebelum 13 Jun sampai 12 Agu, sesudah 16 Sep sampai 16 Okt. Kejadian 2025: sebelum 18 Jun sampai 18 Jul, sesudah 17 Agu sampai 21 Sep.
- dNBR = sebelum dikurangi sesudah.
- Batasi pada hutan dan hutan tanaman menurut peta tutupan awal, dengan NBR sebelum minimal 0,5. Air dan sawah dibuang karena NBR mereka tidak stabil.
- Ambang dNBR.
# SKRIP 5.1 (cuplikan; berkas lengkap: skrip/5_1_dnbr.py)
ek = '(("R%s@4" - "R%s@6") / ("R%s@4" + "R%s@6")) / (("S%s@1" = 4) OR ("S%s@1" = 5) OR ("S%s@1" = 6))' % ((k,) * 7)
processing.run("native:rastercalc", {"LAYERS": [a, s], "EXPRESSION": ek, "OUTPUT": out})
processing.run("native:rastercalc", {"LAYERS": [la, lb], "EXPRESSION": '"pre@1" - "post@1"', "OUTPUT": d})
layak = (pre_n >= 0.5) & np.isin(awal, (1, 2)) # hanya hutan dan hutan tanaman
bakar = layak & (dn > AMBANG_BAKAR)Uji ambang (kejadian 2024 di KPH Beta; acuan 128 piksel = 1,28 ha):
| Ambang dNBR | Terdeteksi (ha) | Tepat | Salah tambah | Terlewat | Presisi | Kepekaan |
|---|---|---|---|---|---|---|
| 0,05 | 1,38 | 128 | 10 | 0 | 0,93 | 1,00 |
| 0,10 | 1,29 | 128 | 1 | 0 | 0,99 | 1,00 |
| 0,20 | 1,14 | 114 | 0 | 14 | 1,00 | 0,89 |
| 0,27 | 0,91 | 91 | 0 | 37 | 1,00 | 0,71 |
| 0,44 | 0,30 | 30 | 0 | 98 | 1,00 | 0,23 |
Pelajaran dari tabel: ambang literatur 0,27 melewatkan 37 piksel, yaitu tepi bakar yang ringan. Ambang 0,10 paling seimbang di data ini. Ambang dari buku bukan hukum. Kalibrasi dengan sampel lapangan atau citra resolusi tinggi. [terbukti: dihitung dari data sintetis]
Kejadian 2025 di KPH Gamma (acuan 23 piksel = 0,23 ha): pada ambang 0,10, semua 23 piksel terdeteksi tanpa salah tambah. Hasil per KPH dengan ambang 0,10:
| KPH | Terbakar terdeteksi | Acuan |
|---|---|---|
| Alpha | 0,01 ha | 0,00 ha |
| Beta | 1,28 ha | 1,28 ha |
| Gamma | 0,23 ha | 0,23 ha |
Satu piksel salah tambah di Alpha adalah derau. Seperti Bab 4, hasil sebersih ini khas data sintetis. [terbukti]
A.2 Mencocokkan titik panas (Skrip 5.2)
Jadikan bekas terbakar poligon dengan Polygonize dan Extract by location.
# SKRIP 5.2 (cuplikan; berkas lengkap: skrip/5_2_titik_panas.py)
processing.run("gdal:polygonize", {"INPUT": bakar, "BAND": 1, "FIELD": "DN", "OUTPUT": poli})
sumber = processing.run("native:buffer", {"INPUT": hs, "DISTANCE": 15, "SEGMENTS": 8, "OUTPUT": "TEMPORARY_OUTPUT"})["OUTPUT"]
r = processing.run("native:extractbylocation", {"INPUT": sumber, "PREDICATE": [0], "INTERSECT": lp, "OUTPUT": "TEMPORARY_OUTPUT"})["OUTPUT"]Titik panas itu titik, sedangkan citra satelit pendeteksinya jauh lebih kasar dari piksel 10 m. Karena itu uji dengan penyangga (buffer) di sekeliling titik.
| Penyangga | Titik panas di dalam bekas bakar (dari 12) |
|---|---|
| 0 m | 4 titik (HS-006, HS-009, HS-010, HS-011) |
| 15 m | 7 titik |
| 30 m | 8 titik |
Empat titik sisa, yaitu HS-001, HS-003, HS-007, dan HS-008, tetap di luar bekas bakar. Dua di antaranya (HS-001 dan HS-007) jatuh di bukaan hutan Gamma pada akhir Oktober 2024, sesuai pembukaan lahan dengan api. Satu lainnya (HS-003) berada di hutan tanpa bekas apa pun. Dua titik di Alpha (HS-008 dan HS-012, Maret 2025) tidak berbekas di citra. HS-012 hanya "cocok" pada penyangga 30 m, karena kebetulan dekat satu piksel derau di Alpha. Penyebabnya bisa api kecil di bawah ukuran piksel, atau titik palsu. Penyelidikan lapangan yang memutuskan.
Perkiraan tanggal terbakar. Pengamatan bersih pertama dengan NBR turun lebih dari 0,2 dari dasar:
| Perkiraan tanggal dari citra | Jumlah piksel |
|---|---|
| 16 September 2024 | 122 |
| 16 Oktober 2024 | 2 |
| 17 Agustus 2025 | 23 |
Tiga titik panas di dalam bekas bakar 2024 bertanggal 4 September 2024, dan satu titik di bekas bakar 2025 bertanggal 12 Agustus 2025. Selisihnya dengan tanggal citra: 12 hari untuk kejadian 2024 dan 5 hari untuk 2025. Citra hanya bisa mengatakan "sebelum tanggal ini belum terbakar, sesudahnya sudah". Titik panas memberi tanggal yang lebih tepat. Gunakan keduanya saling melengkapi. [terbukti: dihitung dari data sintetis]
Hasilnya: Anda bisa menjawab Kepala Seksi. Terbakar: sekitar 1,5 ha (1,28 ha di Beta, 0,23 ha di Gamma). Titik panas yang cocok: 4 sampai 8 dari 12, tergantung toleransi jarak. Sisanya: perlu verifikasi lapangan.
#Bagian B: ArcGIS Pro
#Bagian B: ArcGIS Pro
- NBR dan dNBR: Raster Calculator atau Band Arithmetic pada band NIR dan SWIR2. Pada Sentinel-2, itu B08 dan B12. [CEK]
- Komposit sebelum dan sesudah: Cell Statistics (Median), lalu Minus untuk selisih.
- Kelas keparahan: Reclassify (Spatial Analyst) dengan ambang pilihan Anda. [CEK]
- Poligon: Raster to Polygon.
- Titik panas: Select Layer By Location atau Spatial Join terhadap poligon bekas bakar. Untuk toleransi jarak, pakai opsi jarak pencarian atau Buffer. [CEK]
#Bagian C: ArcMap 10.8
#Bagian C: ArcMap 10.8
- NBR dan dNBR: Raster Calculator dengan band NIR dan SWIR2 sensor Anda. [CEK]
- Komposit: Cell Statistics (MEDIAN, Ignore NoData mode DATA).
- Kelas: Reclassify. Poligon: Raster to Polygon. [CEK]
- Titik panas: Select By Location dengan jarak pilihan. [CEK]
#Cek paham
- Mengapa NBR lebih peka terhadap bekas bakar daripada NDVI?
- Mengapa ambang dNBR dari literatur tidak boleh dipakai begitu saja?
- Mengapa titik panas diuji dengan penyangga, bukan hanya "di dalam atau di luar"?
Jawaban:
- Setelah terbakar, NIR turun dan SWIR naik sekaligus. NBR memakai keduanya, sehingga geraknya lebih besar daripada NDVI.
- Angka itu berasal dari ekosistem dan sensor lain. Di data ini, ambang 0,27 melewatkan 37 piksel tepi bakar.
- Titik panas ditentukan dari data satelit kasar, posisinya tidak setajam piksel 10 m. Sedikit toleransi jarak adalah wajar.
#Kesalahan umum
- Memakai NDVI untuk kebakaran. Penurunannya terlalu kecil dan bercampur dengan perubahan lain.
- Tidak membatasi pada hutan. Air dan sawah menghasilkan dNBR palsu.
- Menyamakan titik panas dengan peta bekas bakar. Titik hanya petunjuk, bukan batas.
- Memakai jendela waktu terlalu lebar. Pemulihan vegetasi mengecilkan dNBR. Pakai komposit dekat tanggal kejadian.
#Ringkasan dan latihan
Ringkasan: NBR mengukur kebakaran dengan lebih peka daripada NDVI. dNBR menunjukkan keparahan, tetapi ambangnya harus dikalibrasi. Titik panas melengkapi, bukan menggantikan, peta bekas bakar.
Latihan:
- Jalankan Skrip 5.1 dengan ambang 0,20. Berapa ha yang terdeteksi di Beta?
- Buat kelas keparahan empat tingkat dari dNBR 2024 memakai Reclassify by table. Berapa ha tiap kelas?
- Ulangi Skrip 5.2 dengan penyangga 50 m. Titik mana yang masih tertinggal?
#Tabel perbandingan: kebakaran dan titik panas
| Langkah | QGIS | ArcGIS Pro | ArcMap 10.8 | Status |
|---|---|---|---|---|
| NBR dan dNBR | Raster Calculator | Raster Calculator, Band Arithmetic | Raster Calculator | QGIS terbukti; lainnya [CEK] |
| Komposit | Cell statistics | Cell Statistics | Cell Statistics | Dokumentasi dibaca |
| Kelas keparahan | Reclassify by table | Reclassify | Reclassify | [CEK] |
| Poligon bekas bakar | Polygonize | Raster to Polygon | Raster to Polygon | QGIS terbukti; lainnya [CEK] |
| Titik panas di dalam bekas bakar | Extract by location, Buffer | Select Layer By Location | Select By Location | QGIS terbukti; lainnya [CEK] |