Triple Level Digital Monitoring (3LDM) - Solusi penginderaan jarak jauh dan TI untuk memantau Restorasi Ekosistem Hutan (RENTANG)
Solusi Lengkap
Pelatihan drone di Madagaskar
© Forests4Future, GIZ
Proyek Forests4Future (F4F) dari GIZ mendukung Restorasi Ekosistem dan Tata Kelola Hutan (RENTANG) di beberapa negara seperti Ethiopia, Madagaskar, dan Togo. Sistem pemantauan RENTANG yang ada saat ini menghadapi masalah akurasi dan kelengkapan. Untuk mengatasi hal ini, F4F memprakarsai pengembangan sistem pemantauan yang dapat diandalkan dan mengujicobakan prosedur operasi standar. Dengan memanfaatkan keahlian dari perusahaan data geospasial eksternal, F4F memperkenalkan Sistem Pemantauan Digital Tiga Tingkat (Triple Level Digital Monitoring System, 3LDM). Sistem ini menyempurnakan pemantauan dengan mengintegrasikan tiga tingkat data:
1. Data berbasis lapangan
2. Data berbasis drone
3. Data satelit
Pendekatan 3LDM melacak hektar yang dipulihkan, biomassa pohon di atas permukaan tanah, dan keanekaragaman pohon di lokasi RENTANG yang dipilih
Pembaruan terakhir: 30 Sep 2025
814 Tampilan
Galeri foto dan video
Konteks
Tantangan yang dihadapi
Tantangan lingkungan:
Pencitraan satelit, seperti Sentinel atau Landsat, dapat melewatkan pohon-pohon yang lebih kecil karena resolusi yang rendah sehingga mempengaruhi evaluasi hutan yang akurat, terutama untuk pertumbuhan muda atau di bawah kanopi. Sistem 3LDM, dengan menggunakan data drone beresolusi tinggi, mengukur tinggi kanopi dan dengan persamaan alometrik, menyempurnakan perhitungan biomassa. Drone, yang mensurvei area yang luas, meningkatkan akurasi dan efisiensi data.
Tantangan sosial:
Pemantauan hutan tradisional membutuhkan tenaga kerja manual, sehingga menimbulkan gangguan bagi masyarakat setempat. 3LDM, dengan memanfaatkan teknologi drone dan satelit, memantau secara luas dengan gangguan minimal, melestarikan adat istiadat setempat. Program ini juga mendorong pengembangan keterampilan terkait drone dan peluang kerja lokal.
Tantangan ekonomi:
Inventarisasi hutan secara manual membutuhkan biaya yang besar dan lambat. 3LDM memberikan solusi yang ekonomis. Pengumpulan data dengan drone, yang lebih cepat dan luas, mengurangi biaya kerja lapangan. Menggunakan citra sumber terbuka dapat menekan biaya, membuat pemantauan menjadi terjangkau dan dapat diadaptasi untuk berbagai proyek.
Lokasi
Madagaskar
Ethiopia
Togo
Afrika Barat dan Tengah
Afrika Timur dan Selatan
Proses
Ringkasan prosesnya
Sinergi yang rumit dari tiga mekanisme pengumpulan data-data lapangan, citra drone, dan tangkapan satelit-menjadi tulang punggung kerangka kerja pemantauan program kami. Setiap mekanisme memberikan kekuatan yang unik: sementara data lapangan memberikan wawasan yang lebih rinci di permukaan tanah, citra drone memberikan perspektif udara yang mendetail, dan tangkapan satelit memberikan gambaran yang lebih luas dari luar angkasa. Ketika digabungkan, ketiganya menciptakan permadani data yang kuat yang meningkatkan keandalan dan akurasi data.
Pendekatan sinergis ini sangat penting untuk pemantauan holistik strategi RENTANG. Dengan semakin kompleksnya upaya restorasi lingkungan, maka sangat penting untuk memiliki pandangan yang beragam. Melacak indikator kunci seperti biomassa. Selain itu, indikator sekunder seperti tinggi pohon, diameter setinggi dada (DBH), komposisi hutan, dan diferensiasi spesies juga sangat penting untuk pemahaman yang lebih mendalam mengenai upaya restorasi. Keindahan dari sistem tiga tingkat ini adalah ketangguhannya: jika ada tantangan yang muncul yang membatasi keampuhan salah satu metode, dua metode lainnya dapat membantu dengan mulus, memastikan tidak ada kesenjangan dalam hal kualitas data atau wawasan. Saling ketergantungan ini menjamin data yang komprehensif, sehingga menghasilkan strategi yang lebih terinformasi dan hasil RENTANG yang sukses.
Blok Bangunan
Data Lapangan
Citra satelit dan drone, meskipun kontribusinya tidak dapat disangkal untuk pemantauan, masih terbatas pada tahun-tahun awal upaya RENTANG. Pengumpulan data di tingkat lapangan merupakan hal yang krusial pada tahun-tahun pertama proyek.
Pengumpulan data di tingkat lapangan dibagi menjadi tiga pendekatan partisipatif:
- Plot pengambilan sampel permanen: Petak-petak tetap, dimana tinggi pohon, DBH, dan tingkat kelangsungan hidup pohon akan diestimasi. Petak contoh permanen akan dinilai dalam interval 3 tahun, karena membutuhkan banyak tenaga kerja dan waktu.
- Perencanaan penggunaan lahan: putaran diskusi untuk penilaian informasi, serta identifikasi spesies yang terancam punah menurut Daftar Merah Spesies Terancam oleh World Conservation Union (IUCN). Proses ini terintegrasi ke dalam proses perencanaan tata guna lahan lainnya, dan dengan demikian, tidak memiliki interval penilaian yang pasti.
- Transek: Identifikasi spesies floristik dan faunistik, serta komposisi struktur hutan, dalam selang waktu penilaian selama tiga bulan
Semua indikator yang relevan yang termasuk dalam tiga pendekatan partisipatif dikumpulkan dengan menggunakan KOBO Toolbox. Perangkat lunak ini menawarkan kondisi yang sesuai dan mudah dioperasikan, selaras dengan tujuan pemantauan proyek.
Faktor-faktor pendukung
Pendekatan partisipatif sangat penting untuk menjamin pemantauan jangka panjang terhadap kawasan yang dipulihkan. Simbiosis antara pengetahuan lokal dan pelatihan/peningkatan kapasitas staf lokal dan mitra regional merupakan inti dari pendekatan ini. Mengidentifikasi kebutuhan masyarakat, mengorganisir putaran diskusi, melibatkan masyarakat lokal dalam pengembangan dan pengujian sistem pemantauan, mendorong kesadaran dan hubungan dengan lanskap yang dipulihkan.
Pelajaran yang dipetik
-
Prioritas Data Lapangan: Pada tahap awal RENTANG, pengumpulan data di tingkat lapangan lebih efektif daripada hanya mengandalkan citra satelit dan drone.
-
Pendekatan Partisipatif: Menggunakan metode partisipatif seperti plot pengambilan sampel permanen, perencanaan tata guna lahan, dan transek yang melibatkan masyarakat lokal dan meningkatkan pemantauan.
-
Teknologi Tepat Guna: Menggunakan alat yang mudah digunakan seperti KOBO Toolbox yang selaras dengan tujuan proyek dan menyederhanakan pengumpulan data.
-
Keterlibatan Masyarakat Lokal: Melibatkan dan melatih masyarakat setempat memastikan keberhasilan jangka panjang dan menumbuhkan hubungan dengan lanskap yang dipulihkan.
Data Satelit
Data satelit menjadi dasar dari sistem 3LD-Monitoring, dengan memanfaatkan kemampuan citra sumber terbuka dari satelit Copernicus Sentinel-2 dan LANDSAT. Sebuah algoritma yang dikembangkan dengan cermat oleh Remote Sensing Solutions (RSS) GmbH, merevolusi proses ini. Pengguna dapat dengan mudah mengirimkan shapefile dari area yang mereka minati, mendorong algoritma untuk secara otomatis mengambil dan menganalisis data yang relevan. Spektrum analisis yang kuat dilakukan termasuk tren vegetasi 5 tahunan menggunakan NDVI untuk menilai keuntungan atau kerugian vegetasi, analisis kelembaban vegetasi 5 tahunan melalui NDWI, dan evaluasi tren curah hujan 5 tahunan. Selain itu, algoritme ini juga memfasilitasi visualisasi perubahan vegetasi sejak awal proyek, sehingga memperkuat kerangka kerja pemantauan dengan wawasan dinamis. Data satelit, komponen penting dari sistem Pemantauan 3LDM, memanfaatkan citra sumber terbuka dari misi Copernicus Sentinel-2 dan satelit LANDSAT. Untuk area yang telah ditentukan sebelumnya, data ini secara otomatis diambil dan dianalisis untuk parameter tertentu. Analisis utama meliputi tren vegetasi 5 tahunan menggunakan NDVI sebagai proksi untuk keuntungan atau kerugian vegetasi, tren kelembaban vegetasi 5 tahunan melalui NDWI, dan tren curah hujan 5 tahunan. Selain itu, perubahan vegetasi dari awal proyek juga dapat divisualisasikan.
Faktor-faktor pendukung
Penggunaan yang efektif dari blok bangunan ini bergantung pada pengguna yang menggambar dan menyimpan area dalam platform GIS seperti QGIS. Selain itu, penyempurnaan shapefile dengan informasi spesifik proyek, seperti tanggal dimulainya proyek dan tipe RENTANG, akan mengoptimalkan analisis. Pelatihan yang tepat mengenai keterampilan ini memastikan input data yang akurat dan pemantauan yang sesuai, sehingga peningkatan kapasitas di bidang-bidang ini menjadi penting jika tidak ada.
Pelajaran yang dipetik
Meskipun data satelit, terutama yang bersumber terbuka, menawarkan wawasan yang luas, kemampuannya untuk identifikasi spesies sangat terbatas, bahkan tidak dapat dicapai. Keterbatasan ini menekankan peran yang sangat penting dari kerja lapangan dalam melihat komposisi dan karakteristik spesies. Selain itu, memahami keterbatasan citra satelit, terutama pada hutan tanaman muda, memperkuat perlunya mengintegrasikan data lapangan dan data drone untuk mendapatkan gambaran yang komprehensif mengenai medan hutan.
Data Drone
Drone memainkan peran penting dalam sistem Pemantauan 3LD, melengkapi metode pengumpulan data lainnya, Drone merupakan alat penting di negara-negara mitra untuk memperkuat keterampilan teknis di antara staf lokal. Keterampilan ini mencakup perencanaan penerbangan, navigasi, dan evaluasi gambar. Pemantauan drone bertujuan untuk memberdayakan staf proyek dalam mengambil data yang disesuaikan untuk analisis fotogrametri, yang kemudian menghasilkan informasi geografis yang penting.
Metodologi pemetaan drone mencakup lima tahap, dengan dua tahap pertama berfokus pada pengoperasian drone:
- Persiapan misi pemetaan (pekerjaan desktop)
- Pelaksanaan misi pemetaan (kerja lapangan)
- Pengembangan Model Permukaan Digital (DSM) & pembuatan Orthomosaic (pekerjaan desktop)
- Analisis dan penyempurnaan data (pekerjaan desktop)
- Integrasi ke dalam sistem data yang ada (pekerjaan desktop)
Data drone membantu dalam mengevaluasi indikator-indikator yang terkait dengan karbon/biomassa, seperti tingkat kematian dan jenis hutan. Khususnya, dengan penerapan persamaan alometrik dan karakterisasi yang tepat dari tipe lahan, estimasi biomassa pohon di atas permukaan tanah dapat ditentukan.
Faktor-faktor pendukung
Drone dengan kemampuan perencanaan penerbangan yang sudah diatur sebelumnya, memastikan pembuatan ortofoto yang mulus dari masing-masing gambar. Hal ini memungkinkan setiap jepretan foto digabungkan dengan mulus menjadi sebuah ortofoto (foto udara yang dikoreksi dari distorsi, sehingga memungkinkan pengukuran yang akurat). Penting juga untuk mempertimbangkan ketersediaan drone ini di pasar lokal negara mitra. Memanfaatkan pengetahuan lokal dengan melibatkan akademisi lokal adalah hal yang sangat penting dalam proses ini. Mereka dapat memberikan persamaan alometrik yang penting, yang didasarkan pada tinggi pohon, yang memfasilitasi perhitungan biomassa yang tepat.
Pelajaran yang dipetik
Drone menghasilkan gambar beresolusi tinggi, yang memungkinkan gambaran rinci mengenai perubahan tutupan lahan, kelangsungan hidup pohon, dan tingkat erosi. Dikombinasikan dengan data lapangan, pemantauan berbasis drone menjadi lebih kuat, sehingga menjamin pemantauan yang baik.
Heterogenitas pohon dan kerapatan vegetasi sering kali menghalangi ekstraksi titik-titik kunci yang sama di antara citra, yang diperlukan untuk memperkirakan ketinggian dan indikator lainnya. Dalam hal ini, meningkatkan tumpang tindih antara gambar hingga minimal 85% tumpang tindih depan dan samping dapat meningkatkan ekstraksi titik-titik kunci. Selain itu, dengan meningkatkan ketinggian terbang drone, akan mengurangi distorsi perspektif, yang memudahkan pendeteksian kemiripan visual di antara gambar yang tumpang-tindih. Namun demikian, terlalu banyak tumpang-tindih, yaitu persentase tumpang-tindih yang tinggi menghasilkan jumlah data yang lebih banyak, sehingga pemrosesan data menjadi lebih intensif.
Aspek lain yang telah disebutkan adalah ketersediaan drone yang sesuai di negara mitra. Mengimpor drone ke masing-masing negara itu sulit, dan hambatan birokrasi tetap ada.
Dampak
Ketiga sumber data tersebut (satelit, drone, dan lapangan) diproses dan diintegrasikan ke dalam sebuah platform dasbor yang dapat diakses melalui situs web pemantauan proyek. Situs web ini memungkinkan:
Secara internal:
- Evaluasi kegiatan proyek
- Pemantauan perubahan sebagai dasar untuk perencanaan lebih lanjut
- Pengelolaan kegiatan proyek (fungsi pengarahan)
- Pelaporan kegiatan proyek
- Membandingkan dan merangkum intervensi RENTANG
Secara eksternal:
- Pelacakan kegiatan proyek
- Harmonisasi kegiatan antara proyek dan mitra
- Belajar dari pengalaman proyek
- Pelaporan dan komunikasi hasil
- Transparansi kegiatan RENTANG
Dasbor platform memiliki dua atribut unik:
1. Spesifik area: analisis dan visualisasi otomatis langsung dari data satelit selama 5 tahun terakhir
2. Integrasi data lapangan, drone, dan satelit, yang menggabungkan berbagai lapisan informasi untuk memberikan gambaran menyeluruh mengenai upaya restorasi
Penerima manfaat
- Penanggung Jawab dan Sekretariat AFR100
- Kementerian (Kementerian Kehutanan/Lingkungan Hidup dan Pertanian)
- Petugas administrasi
- Lembaga Swadaya Masyarakat (LSM)
- Teknisi dan peminat restorasi
- Masyarakat lokal
- Tim proyek Forests4Future dan proyek RENTANG lainnya
Tujuan Pembangunan Berkelanjutan
SDG 15 - Kehidupan di darat
TPB 17 - Kemitraan untuk mencapai tujuan
Cerita
Maxim memimpin implementasi sistem 3LDM di Madagaskar. Menggunakan drone untuk menilai Restorasi Bentang Alam Hutan di Madagaskar berarti juga memantau hutan bakau. Pemantauan tradisional di daerah yang padat dan berawa-rawa ini cukup menakutkan, tetapi dengan protokol drone 3LDM yang memiliki citra resolusi tinggi, pemantauan menjadi lebih efisien dan terperinci.
Dalam sebuah survei drone, tim Maxim menemukan penghuni yang tak terduga: seekor buaya yang sedang berjemur. Citra yang tajam tidak hanya menyoroti keefektifan teknologi ini, tetapi juga menggarisbawahi keunggulan keamanannya dibandingkan dengan survei dengan berjalan kaki.
Selain perjumpaan dengan satwa liar yang tak terduga, 3LDM juga memberikan wawasan mengenai dinamika pertumbuhan bakau. Meskipun sistem ini memiliki tantangan, seperti drone yang harus beradaptasi dengan kondisi berangin, namun hasilnya lebih besar daripada rintangannya.
