Penelitian yang didanai oleh dana masyarakat, Sekolah Vokasi, UGM berhasil mengungkap tantangan dan peluang dalam pemetaan stok karbon di ekosistem mangrove Pesisir Baros, Bantul, Yogyakarta. Studi ini dipimpin oleh dua peneliti dari bidang geospasial, yaitu Karen Slamet Hardjo, S.Si., M.Sc. dan Dr. Like Indrawati, S.Si., M.Sc. yang berkomitmen mendukung pencapaian Sustainable Development Goals (SDG) melalui pendekatan ilmiah dan teknologi berbasis citra penginderaan jauh.
Mangrove merupakan ekosistem pesisir yang berperan penting dalam mitigasi perubahan iklim karena kemampuannya menyimpan karbon biru dalam jumlah besar. Penelitian ini secara nyata berkontribusi pada:
- SDG 13: Penanganan Perubahan Iklim, dengan mengembangkan metode kuantifikasi karbon yang lebih akurat untuk mendukung inventarisasi karbon nasional dan strategi pengurangan emisi.
- SDG 14: Ekosistem Laut, karena mangrove juga berfungsi sebagai pelindung garis pantai dan habitat penting bagi biota laut.
- SDG 15: Ekosistem Daratan, melalui pemetaan stok karbon yang mendukung konservasi dan pengelolaan mangrove secara berkelanjutan.
- SDG 9: Industri, Inovasi, dan Infrastruktur, dengan pemanfaatan teknologi satelit resolusi tinggi dan pengujian indeks spektral inovatif seperti SR Y/RE dan SR CB/GI.
Mangrove dikenal sebagai penyerap karbon biru yang sangat efektif, namun estimasi stok karbon di atas permukaan (AGC) masih menghadapi kendala besar karena keragaman spesies dan kompleksitas struktur vegetasi. Penelitian ini mengembangkan metode integratif dengan memanfaatkan citra satelit PlanetScope SuperDove 8-band, serta menguji kombinasi kanal spektral inovatif seperti Simple Ratio Yellow/Red Edge (SR Y/RE) dan Coastal Blue/Green I (SR CB/GI).
Survei lapangan dilakukan dengan pengukuran diameter batang dan tinggi pohon untuk menghitung biomassa menggunakan persamaan alometrik spesifik-spesies. Hasilnya menunjukkan bahwa estimasi AGC generik cenderung lebih tinggi dibandingkan pendekatan spesifik-spesies yang lebih akurat karena mempertimbangkan variasi kerapatan kayu.
Namun, analisis regresi linear menunjukkan korelasi yang sangat rendah (R² < 0.06) menandakan keterbatasan indeks vegetasi optik dalam menangkap struktur vertikal hutan mangrove yang padat. SR Y/RE menunjukkan performa terbaik, meski tidak signifikan secara statistik.
Penelitian ini merekomendasikan integrasi teknologi seperti LiDAR, citra SAR, atau metode pembelajaran mesin untuk meningkatkan akurasi estimasi karbon. Temuan ini sangat relevan dalam konteks mitigasi perubahan iklim dan pelestarian ekosistem pesisir, serta menunjukkan bagaimana dana masyarakat dapat mendorong inovasi ilmiah yang berdampak langsung pada pencapaian SDG.
Dengan dukungan publik dan kolaborasi lintas sektor, penelitian ini menjadi bukti nyata bahwa sains dapat berkontribusi pada pembangunan berkelanjutan dan pengelolaan sumber daya alam yang lebih cerdas.
Gambar Peta Wilayah Penelitian dan titik sampel lapangan
Kontak:
Program Studi Sarjana Terapan Sistem Informasi Geografis
Departemen Teknologi Kebumian
Sekolah Vokasi UGM
Email: str-sig.sv@ugm.ac.id
Telepon: (0274) 551255 ; +6285740262040
Website: sig.sv.ugm.ac.id