Perubahan iklim adalah ancaman terbesar yang dihadapi Bumi saat ini! Planet kita, rumah bagi pertumbuhan populasi lebih dari 7,8 miliar orang dan spesies flora dan fauna yang tak terhitung jumlahnya, telah berubah secara signifikan selama beberapa dekade terakhir. Perubahan lingkungan yang meluas ini telah mendorong pemerintah dan badan publik untuk meningkatkan investasi dalam konservasi alam dalam upaya untuk menahan dan mungkin membalikkan efek dari perubahan iklim yang merajalela. Penelitian menunjukkan bahwa sekitar USD 50 miliar
[1]
mengalir ke proyek Konservasi Alam setiap tahun. Diyakini bahwa Revolusi Industri Keempat
[2
berkontribusi pada bagian utama dari ketidakstabilan yang terkait dengan perubahan iklim. Oleh karena itu, sekarang ada seruan yang berkembang bagi organisasi untuk menyeimbangkan antara keuntungan dan dampak sosial.
Penginderaan jauh melibatkan pemahaman perubahan di daratan yang luas melalui deteksi dan pemantauan karakteristik fisik atau kimia suatu daerah dengan mengukur dari jarak radiasi yang dipantulkan atau dipancarkan oleh daerah yang diperiksa. Sekarang digunakan oleh pemerintah dan pemerhati lingkungan di seluruh dunia untuk mendapatkan pemahaman yang akurat tentang bumi saat membuat keputusan kebijakan, terutama dari perspektif diskusi yang sedang berlangsung seputar perubahan iklim. Meskipun penerapannya relevan untuk beberapa industri, tidak ada yang menghasilkan dampak seperti di bidang pertanian dan kehutanan yang berkelanjutan. Bagaimana kita menghasilkan makanan kita memiliki dampak besar pada sumber daya Bumi! Dengan menambah data ini dengan sensor tanah, ini dapat membantu petani kami untuk merencanakan penaburan, pengelolaan, pemanenan, dan penjualan hasil panen mereka dengan lebih baik.
Ada sejumlah besar citra satelit yang tersedia dalam dekade terakhir yang berada pada berbagai tingkat resolusi spasial dan temporal. Namun, pada tahun 2017, perusahaan Earth Imaging swasta, Planet Labs, mengerahkan sekawanan satelit pada roket Indian Space Research Organization (ISRO). Mereka membantu memindai Bumi setiap hari, pada resolusi spasial tinggi 3-5m dengan cakupan geografis yang lebih luas. Kami juga baru-baru ini memulai kemitraan kami dengan Planet Labs untuk menguji coba data mereka untuk beberapa aplikasi yang berdampak seperti itu.
Penginderaan Jauh dan Konservasi
Saat ini, dampak terbesar ada di kawasan konservasi. Data satelit telah terbukti bermanfaat dalam pengelolaan DAS dan digunakan di India untuk cekungan sungai Krishna, Yamuna, dan Tapi. Sebuah proyek tingkat nasional, Misi Terpadu untuk Pembangunan Berkelanjutan (IMSD), yang dilakukan oleh Departemen Luar Angkasa, mencakup area seluas sekitar 84 juta hektar yang tersebar di 175 distrik di India
[3]
. Di daerah aliran sungai terpilih di bawah proyek, penerapan pemanenan air hujan menunjukkan sejumlah manfaat, salah satunya adalah peningkatan pembangunan pertanian di daerah yang dulunya tandus.
Rekomendasi untuk Pendekatan Multi-Disiplin dalam Konservasi
CropIn telah menggabungkan citra satelit dengan algoritma pembelajaran mesin (ML) untuk menyusun strategi dan mengimplementasikan proyek konservasi sungai skala besar di India Tengah. Proyek konservasi sungai sangat penting dalam ekonomi berbasis pertanian seperti India, di mana para petani beralih dari ketergantungan mereka pada kondisi cuaca yang tidak pasti dan hujan yang jarang. Sungai adalah sumber kehidupan bagi para petani ini dan merupakan sumber utama air untuk irigasi! Namun, proyek konservasi sungai harus direncanakan dengan baik dan tepat waktu. Ini juga bisa menjadi semakin mahal. Ada kebutuhan untuk mengembangkan sistem yang dapat memantau aktivitas di sepanjang DAS, mendorong petani untuk terus mengadopsi praktik berkelanjutan, dan memberikan kepercayaan kepada pembuat kebijakan untuk melanjutkan upaya.
Menyelidiki dan membandingkan data historis masa lalu dengan data saat ini yang berasal dari citra satelit di lokasi-lokasi ini memungkinkan kami untuk menyelidiki dampak penanaman pohon di sepanjang daerah aliran sungai. Rencana tersebut memperhitungkan batas DAS bersama dengan rencana perkebunan untuk memantau perubahan kapasitas air, kerapatan pohon, kekeringan, dan curah hujan selama periode empat tahun. Mengukur kapasitas air saja merupakan analisis dampak yang tidak akurat karena hal ini mungkin disebabkan oleh perubahan singkat dalam kondisi cuaca atau mungkin karena karakteristik intrinsik dari zona geografis tertentu. Algoritme memantau perubahan di setiap elemen ini selama periode waktu tertentu untuk menentukan dampak penanaman pohon pada tanaman pertanian di area yang diteliti.
Mengukur Dampak Nyata dan Mengarahkan Perubahan
Ada beberapa indeks dan turunan yang dapat diperoleh dari citra optik selain NDVI . yang populer
(indeks perbedaan vegetasi yang dinormalisasi) untuk kesehatan vegetasi. CropIn menggunakan fitur turunan dari data satelit, data sensor tanah, data cuaca, dan model ML yang dibuat khusus di atasnya untuk terus memantau dari waktu ke waktu dan menganalisis perubahan kerapatan pohon selama empat tahun di sepanjang DAS di 15 kabupaten .
Perubahan kerapatan pohon diperkirakan menggunakan model agregasi berbasis citra satelit yang hasilnya kemudian dikorelasikan dengan statistik perkebunan yang diperoleh selama perjalanan perkebunan untuk memperkirakan wilayah di mana perkebunan bertahan dan tumbuh selama bertahun-tahun. Di wilayah-wilayah yang teridentifikasi ini, analisis lebih lanjut dilakukan untuk mengetahui faktor-faktor yang berkontribusi besar terhadap perubahan air permukaan. Perubahan air permukaan itu sendiri diukur dengan menggunakan data satelit historis yang tersedia dari wilayah tersebut. Ini melibatkan pendeteksian luas sungai, diikuti dengan pengukuran perubahan luas permukaan menggunakan indeks turunan satelit. Model ML dibangun untuk menilai perubahan luas permukaan air dan retensi air karena faktor-faktor berikut:a) perubahan tutupan pohon, b) perubahan curah hujan, dan c) kondisi kekeringan. Citra resolusi tinggi dari area yang diteliti lebih lanjut memvalidasi hasil ini. Kita juga dapat menentukan kenaikan atau penurunan lahan budidaya dari waktu ke waktu, memberikan indikasi korelasi antara peningkatan kerapatan pohon, tingkat air, dan memacu kegiatan pertanian di daerah tersebut. Ada beberapa tantangan terbuka dengan deteksi perubahan ketinggian air, aktivitas pertanian, dan kerapatan pohon. Salah satu isu penting adalah pengaruh variabel pengganggu yang terkait dengan perubahan curah hujan musiman, tahunan, dan jangka panjang di wilayah tersebut. Efek dari variabel pengganggu ini harus dihilangkan selama analisis untuk mengukur dampak nyata.
Biasanya, diperlukan waktu, mungkin, beberapa dekade untuk memastikan ROI dan dampak proyek ini, tetapi sekarang kami dapat melakukannya dengan lebih cepat dan lebih akurat.
Kami percaya bahwa wawasan dan metrik juga dapat memberikan kepada pemerintah dan badan kebijakan dalam memprioritaskan dan melaksanakan proyek dengan efisiensi yang lebih besar, dan dengan harapan baru!
Hubungi kami untuk mengetahui lebih lanjut tentang bagaimana CropIn menggunakan teknologi untuk membantu pemerintah dan lembaga pembangunan memerangi perubahan iklim dengan pertanian yang lebih cerdas dan berkelanjutan.
Tonton video ini untuk mempelajari tentang Analisis Penggunaan Lahan yang didukung oleh SmartRisk
®
Referensi
[1] CPIC merilis cetak biru baru untuk meningkatkan investasi dalam konservasi alam. Fasilitas Lingkungan Global, 2020.
[2] Revolusi Industri Keempat. Deloitte, 2020
[3] Penanggulangan Bencana. Dunia Geospasial, 2010
