Analisis Fragmentasi Hutan Menggunakan Aplikasi Fragstat
Fragmentasi hutan merupakan salah satu faktor utama yang menyebabkan berkurangnya keanekaragaman hayati di alam. Fenomena ini dapat terjadi karena hutan yang dulunya merupakan satu areal yang kompak yang kini menjadi terpecah belah karena adanya gangguan baik secara alami ataupun karena adanya aktivitas manusia. Secara alami, fragmentasi hutan dapat terjadi karena adanya bencana alam seperti longsor, gempa, dan kebakaran hutan yang terjadi karena faktor alam. Namun, faktor utama yang menyebabkan tingginya laju fragmentasi hutan khususnya di Indonesia disebabkan oleh adanya aktivitas manusia seperti pembangunan jalan, aktivitas logging, pertanian, serta perkebunan yang berada di dalam atau di sekitar kawasan berhutan.
Gambar 1. Salah satu bentuk fragmentasi Hutan (Mongabay.co.id)
Pecahnya kawasan hutan menjadi beberapa bagian ini sangat berdampak pada keberadaan flora dan fauna yang berada di dalamnya. Selain menyebabkan degradasi habitat, fragmentasi hutan juga dapat menghilangkan habitat penting organisme tertentu. Dalam jangka waktu tertentu, hal ini dapat menyebabkan pemecahan populasi suatu organisme menjadi sub-sub populasi yang dapat menyebabkan kepunahan lokal atau penurunan keanekaragaman genetik. Beberapa penelitian yang telah dilakukan telah membuktikan dampak negatif fragmentasi hutan terhadap keanekaragaman hayati.
Dalam rangka pengelolaan hutan yang mendukung kelestarian habitat flora dan fauna, fragmentasi hutan perlu diukur dan dianalisis. Gabungan software ArcGis dan Fragstat dapat digunakan untuk melakukan analisis fragmentasi yang terjadi di suatu areal tertentu khususnya di daerah berhutan. Dalam tutorial kali ini, kita akan mencoba menganalisis fragmentasi hutan yang terjadi di Taman Nasional Bukit 12 pada periode, 1990 - 2013. Dalam tutorial ini, kita akan memfokuskan untuk pengukuran beberapa variabel penting terkait fragmentasi hutan seperti luas kelas hutan ((Class Area/CA), jumlah fragmen atau patch hutan (NumP), luas rata-rata patch hutan (Mean Patch Size /MPS), Total Edge (TE), Edge Density (ED) dan Mean Shape Index (MSI).
Sebagai catatan:
II. Tutorialnya adalah sebagai berikut:
Ada banyak parameter yang bisa digunakan dalam analisis fragmentasi, dan beberapa parameter membutuhkan input data yang lebih seperti kedalaman batas (EDGE_DEPT) yang diperlukan untuk analisis Core Area. Sebagai salah satu contoh, hasil dari analisis beberapa parameter yang digunakan dalam tutorial ini untuk kelas Landscape adalah Path Number (NP), Patch Density (PD), dan Mean Shape Index (MSI), sementara untuk kelas Class adalah Class Area (CA), Total Edge (TE), Mean Patch Area (MPA). Silahkan dilihat perbedaannya. Untuk memahaminya memang tidak mudah karena dibutuhkan wawasan mengenai pengelolaan kawasan konservasi yang dalam. Namun secara logika, kita dapat menyimpulkan bahwa pada Gambar 12, fragmentasi hutan semakin tinggi dilihat dari Total Edge (TE) yang semakin tinggi dari tahun ke tahun. Semakin tinggi panjang batas hutan (TE), maka dapat dipastikan bahwa hutan tersebut telah terfragmentasi.
- Patch merupakan polygon terkecil penyusun suatu Class, contohnya satu petak sawah yang dikelilingi oleh petak sawah lainnya,
- Class adalah penyusun landscape yang terdiri dari beberapa patch yang memiliki karakter yang sama, contohnya adalah beberapa fragmen hutan di kawasan taman nasional,
- Sementara Landscape adalah penyusun suatu ekosistem terdiri dari beberapa class, contohnya adalah landscape Taman Nasional Berbak yang terdiri dari berbagai tutupan lahan.
- Seperangkat komputer dengan software ArcGis atau QGIS dan juga software Fragstat yang sudah terinstal.
- Tiga buah data tutupan lahan, kali ini menggunakan tutupan lahan hutan di Jambi pada tahun 1990, 2003, dan 2013. Data ini diperoleh dari BAPLAN.
II. Tutorialnya adalah sebagai berikut:
- Dalam proses analisis fragmentasi ini, berbagai tipe data dapat digunakan, namun kali ini kita akan menggunakan data dalam bentuk raster ("img.). Proyeksi yang digunakan adalah proyeksi UTM untuk memudahkan dalam perhitungan metriks. Kali ini kita menggunakan Proyeksi UTM-WGS84-48-S.
- Silahkan membuka program Fragstat. Lalu buka filenya seperti pada Gambar berikut. Klik Erdas Imagine (img) sebagai Data type Selection, lalu pilih data yang akan dipakai dengan mengklik tombol kanan atas. File yang akan digunakan adalah LULC_Jambi_1990_utm1.img, yakni raster yang berisikan tutupan hutan pada tahun 1990 di TN Bukit 12. Tampilan jumlah row dan colomn beserta cellsize akan tampak seperti pada gambar dibawah.
Gambar 2. Interface awal Fragstat saat membuka data awal - Setelah itu, kita perlu menyiapkan class descriptor dalam bentuk text file yang berfungsi sebagai acuan fragstat dalam menganalisis data. File teks file tersebut berisikan ID, Name, Enabled, IsBackground. ID merupakan identitas setiap fitur yang akan dianalisis (sesuaikan dengan ID pada file raster yang dianalisis), Name merupakan nama dari setiap kelas, Enabled berfungsi sebagai penentu apakah fitur tersebut akan di analisis atau tidak (True or False), sementara IsBackground berfungsi sebagai penentu apakah data tersebut digunakan sebagai background value atau tidak (True or False). Jadi tentukan apa saja yang akan kita analisis misalnya (Forest, True, False) sedangkan yang lainya yang tidak ingin dianalisis berbentuk (false, false), seperti pada gambar berikut.
Gambar 3. Class descriptor - Kemudian tentukan parameter yang akan digunakan. Klik pada Analysis parameter yang berada pada panel sebelah kanan interface, lalu pilih 8 Cell Rule, kemudian pada No Sampling strategy, centang Patch metrics, class metrics, dan landscape metrics seperti pada gambar di bawah.
Gambar 4. Penentuan parameter yang akan digunakan - Lalu tentukan metrics yang akan dianalisis. Klik pada Patch Metric dan tentukan parameter yang diperlukan seperti Patch Area (PA) dan Patch Perimeter (PP), Lalu pada Class Metrics, centang Total Area (TA), Largest Patch Index (LPI), Total Edge (TE), dan Edge Density (ED), serta Mean Patch Area (MPA). Lalu pada Landscape Metrics, centang Mean Shape Index (MSI), Number of Patch (NP), dan Patch Density (PD) seperti pada gambar berikut.
Gambar 5. Penentuan variabel (Metrics) pada Patch Metrics
Gambar 6. Penentuan variabel (Metrics) pada Class Metrics
Gambar 7. Penentuan variabel (Metrics) pada Landscape Metrics - Penting untuk diketahui bahwa jika kita ingin menganalisis CORE AREA METRIX, CONTRAST METRIX, SIMILARITY INDEX, maka kita akan membutuhkan tabel EDGE DEPTH, namun kali ini, kta tidak memerlukannya.
- Secara optional, kita dapat mengeksport parameter dan juga metrics tersebut ke dalam batchfile untuk memudahkan dan mempercepat analisis multi images/data.
- Lalu klik RUN, maka akan muncul jendela baru yang berisi informasi jumlah metrics yang akan dianalisis seperti pada gambar di bawah. Pada analisis ini terlihat bahwa kita mencoba menganalisis 10 metriks.
Gambar 8. Sesaat sebelum proses analisis di mulai - Kita dapat memonitor keberhasilan proses yang dilakukan pada jendela yang berada di kanan bawah interface fragstat termasuk waktu yang diperlukan dalam melakukan analisis. Jika berhasil, tekan tanda RESULT, maka beberapa tabel akan muncul pada setiap kelas metriks yang dianalisis (Patch, Class, Landscape) seperti pada gambar berikut.
Gambar 9. Tabel hasil analisis Fragstat - Data tersebut kemudian kita eksport ke dalam bentuk Excell. Klik pada Save Run As, lalu pilih lokasi folder tujuan, dan beri nama file sebagai Lulc_Jambi_1990. Lalu Klik Save. Pada folder output, terdapat 3 file yang berbeda yakni Patch, Class, dan Landscape. Kita dapat membukanya dengan menggunakan Ms. Excell.
- Ketika membuka file, akan muncul text import wizard, hal ini terjadi karena file yang dibuka memilik format lain selain excell. Untuk membukanya, ikutin intruksi selanjutnya.
Gambar 10. Text Import Wizard. - Centang pada tanda Delimited, lalu klik Next, kemudian beri tanda centang pada Tab dan juga Comma, lalu klik Finish. Maka data tersebut telah terkonversi ke dalam format Excell.
- Lakukan hal yang sama diatas untuk file yang lainnya yakni LULC_Jambi_2003 dan LULC_Jambi_2013. Lalu bandingkan hasilnya.
Gambar 11. Hasil analisis Fragstat untuk Landscape Metrix
Gambar 12. Hasil analisis Fragstat untuk Class Metrix
Ada banyak parameter yang bisa digunakan dalam analisis fragmentasi, dan beberapa parameter membutuhkan input data yang lebih seperti kedalaman batas (EDGE_DEPT) yang diperlukan untuk analisis Core Area. Sebagai salah satu contoh, hasil dari analisis beberapa parameter yang digunakan dalam tutorial ini untuk kelas Landscape adalah Path Number (NP), Patch Density (PD), dan Mean Shape Index (MSI), sementara untuk kelas Class adalah Class Area (CA), Total Edge (TE), Mean Patch Area (MPA). Silahkan dilihat perbedaannya. Untuk memahaminya memang tidak mudah karena dibutuhkan wawasan mengenai pengelolaan kawasan konservasi yang dalam. Namun secara logika, kita dapat menyimpulkan bahwa pada Gambar 12, fragmentasi hutan semakin tinggi dilihat dari Total Edge (TE) yang semakin tinggi dari tahun ke tahun. Semakin tinggi panjang batas hutan (TE), maka dapat dipastikan bahwa hutan tersebut telah terfragmentasi.
The End
No comments:
Post a Comment