Mencari Sinyal Deforestasi Tercepat? Aktifkan Peringatan Terintegrasi GFW

Mar 09, 2022|
Anika Berger, Teresa Schofield, Amy Pickens, Johannes Reiche and Yaqing Gou
|5 minutes
Planet satellite imagery of primary forest removal in Kalimantan Barat, Indonesia on GFW map

Primary forest removal in Kalimantan Barat, Indonesia. Image © 2022 Planet Labs Inc. Accessed through GFW.

Category
  • Data & Tools
Topics
  • Deforestation Alerts

Global Forest Watch (GFW) berkomitmen untuk memberikan data hutan terakurat dan secepat mungkin kepada pengguna. Kami terus memperbanyak peringatan deforestasi hampir seketika yang tersedia di platform GFW dan dengan senang hati memperkenalkan lapisan data terbaru. Lapisan peringatan deforestasi terintegrasi menggabungkan kemampuan analitik peringatan deforestasi GLAD, GLAD-S2, dan RADD, untuk menyediakan tampilan gangguan hutan yang lebih cepat dan terpercaya dibandingkan sistem individu lainnya. Menanggapi umpan balik dari pengguna, pembaruan ini menyederhanakan alur kerja dan memanfaatkan keunggulan dari masing-masing jenis peringatan untuk mendukung berbagai tujuan pemantauan.

Sistem Peringatan Mana Saja yang Diintegrasikan?

GFW saat ini menawarkan tiga sistem peringatan deforestasi individu. GLAD-L (sering disebut “GLAD”) adalah produk peringatan GFW terlama dari lab Global Land Analysis and Discovery (GLAD) Universitas Maryland (UMD) dan menggunakan citra satelit Landsat dari NASA. UMD memperkenalkan peringatan GLAD-S2 dengan resolusi yang lebih tinggi pada May 2021 dengan menerapkan metodologi yang mirip dengan GLAD-L, tetapi menggunakan satelit Sentinel-2 dari European Space Agency. Dan terakhir, peringatan Radar for Detecting Deforestation (RADD) yang diproduksi oleh Universitas Wageningen menggunakan data radar Sentinel-1. Peringatan ini memiliki kemampuan lebih dalam mendeteksi perubahan hutan yang tertutup awan yang seringkali menghalangi pandangan satelit lain.

Lapisan Peringatan Deforestasi yang Terdapat di GFW

Apa yang Ditawarkan Lapisan Peringatan Terintegrasi?

Lapisan “peringatan deforestasi terintegrasi” menggabungkan kemampuan analitik peringatan deforestasi GLAD, GLAD-S2, dan RADD

Ketiga sistem ini memberikan data peringatan perubahan hutan yang terjadi di berbagai belahan dunia, mengumpulkan data dengan tingkat resolusi yang berbeda, dan pembaruan data pada frekuensi yang berbeda-beda. Opsi yang terintegrasi memungkinkan pengguna untuk memperoleh ringkasan statistik yang bermanfaat, yang merupakan gabungan dari setiap sistem individu. Penggunaan grid yang sama pada ketiga sistem peringatan, memungkinkan lapisan terintegrasi untuk mengetahui adanya peringatan yang dilaporkan oleh beberapa sistem di wilayah tertentu, serta menampilkannya dalam bentuk tingkat kepercayaan:

Tingkat Kepercayaan Peringatan Deforestasi Terintegrasi

Lapisan baru ini hadir dengan pembaharuan penting: kami sekarang melaporkan luas wilayah yang terdampak peringatan dan bukannya jumlah piksel peringatan. Karena peringatan terintegrasi dihasilkan dari beberapa sistem dengan resolusi spasial yang berbeda, maka penting untuk melaporkannya dalam luasan wilayah dan bukannya jumlah piksel peringatan. Namun, perlu diperhatikan bahwa peringatan-peringatan tersebut dirancang untuk mengidentifikasi gangguan hutan secara cepat, dan bukannya menggambarkan wilayah hilangnya hutan secara tepat – akibatnya, luasan wilayah yang ditampilkan di GFW dapat lebih besar atau lebih kecil dari luasan kehilangan hutan sebenarnya.

Penggabungan peringatan memberikan beberapa keuntungan:

1. Informasi Terkini Akan Selalu Tersedia Bagi Pengguna

Dengan menggabungkan ketiga sistem peringatan ke dalam satu lapisan, kami memanfaatkan perbedaan waktu perekaman satelit untuk meningkatkan peluang pengamatan hutan yang lebih gamblang dan oleh karena itu mendeteksi perubahan lebih cepat. Para pengguna yang memantau peringatan terintegrasi di Peru sejak tahun 2020 akan mendapatkan peringatan kehilangan hutan rata-rata 11 hari lebih awal dibandingkan hanya bergantung ke satu sistem saja. Peningkatan ketepatan waktu ini berbeda-beda di setiap wilayah dan antar musim, karena sistem-sistem peringatan ini saling melengkapi satu sama lain dengan kelebihan masing-masing. Misalnya, di wilayah yang terus menerus tertutup awan, kelebihan sistem peringatan berbasis radar mampu menembus awan untuk mendeteksi hilangnya hutan. Namun, di wilayah yang secara umum musim kemarau, waktu kunjungan ulang yang lebih sering dari sistem peringatan optik memberikan peluang yang lebih sering juga untuk mendeteksi gangguan setiap 5-8 hari, di mana sistem radar mungkin memerlukan waktu hingga 12 hari untuk mendeteksi perubahan.

2. Saling Melengkapinya Beberapa Sistem Meningkatkan Kepercayaan untuk Memprioritaskan Peringatan

Jika dua atau lebih sistem peringatan mendeteksi perubahan di lokasi yang sama, kita akan memiliki keyakinan tertinggi bahwa peringatan ini menunjukkan gangguan yang nyata. Untuk sistem individu, terdapat waktu tunda sebelum deteksi pertama dapat diverifikasi oleh perekaman satelit berikutnya dan mencapai nilai “kepercayaan tinggi”. Tampilan lapisan terintegrasi di mana beberapa sistem saling melengkapi, menghasilkan tingkat kepercayaan lebih tinggi dan lebih cepat dibanding menunggu sistem individu mencapai kepercayaan tinggi melalui data perekaman satelit tambahan, yang mana dapat memakan waktu hingga berminggu-minggu atau berbulan-bulan. Untuk pemantau hutan yang mengandalkan peringatan dengan tingkat kepercayaan tinggi untuk menindaklanjuti kegiatan deforestasi, kami berharap lapisan baru ini memfasilitasi penggunaan berbagai sistem peringatan secara bersama dan dapat mendukung tindak lanjut yang lebih cepat melalui identifikasi peringatan dengan tingkat kepercayaan tertinggi, segera setelah sistem kedua mendeteksi gangguan yang sama.

3. Berbagai Jenis Kehilangan Tutupan Pohon Direkam di Berbagai Bentang Alam

Opsi peringatan terintegrasi membantu memperbaiki kekurangan yang mungkin dihasilkan oleh penggunaan satu sistem saja. Salah satu kelebihan terbaik peringatan RADD dan GLAD-S2 dengan resolusi lebih tinggi adalah kemampuan untuk menangkap perubahan hutan yang berukuran lebih kecil dibandingkan produk GLAD-L beresolusi 30 meter. Kelebihan ini menjanjikan perkembangan yang lebih baik dalam mendeteksi kehilangan kanopi berukuran kecil akibat dari aktivitas penebangan yang tersebar luas di seluruh Lembah Amazon. Saat ini, dengan tersedianya ketiga sistem tersebut di wilayah lembah Amazon, ketiganya dapat digunakan secara bersama untuk mengidentifikasi kegiatan ilegal dengan cepat dan dengan tingkat kepercayaan tertinggi yang dimungkinkan, alat penting untuk penegakan hukum dan Masyarakat Adat serta komunitas lokal yang bekerja untuk memerangi deforestasi.

Lapisan peringatan deforestasi terintegrasi menunjukkan kemampuan beberapa sistem peringatan untuk mendeteksi perubahan kecil, seperti penebangan pohon di sepanjang jalan tebang di Amazon Peru.

Mulai Menggunakan Peringatan Terintegrasi

Dengan tiga sistem peringatan untuk dipilih, kami bertujuan untuk menyederhanakan alur kerja pengguna dalam mengidentifikasi peringatan prioritas. Lapisan terintegrasi memberikan informasi terbaik tentang perubahan hutan terbaru bagi pengguna yang ingin mendapatkan peringatan akan hilangnya hutan dengan keyakinan setinggi mungkin. Meskipun kami melihat sistem ini saling melengkapi satu sama lain, pengguna masih dapat memilih sistem individu untuk pemberitahuan dan analisis peringatan jika memang sesuai dengan kebutuhan mereka.

Apa Selanjutnya?

Lapisan peringatan deforestasi terintegrasi ini hanyalah langkah pertama dalam menggabungkan potensi berbagai sistem peringatan. Kajian yang lebih komprehensif mendatang akan mengidentifikasi bagaimana mengintegrasikan sistem lebih lanjut ke dalam satu kumpulan data yang dapat diunduh, menilai bagaimana sistem yang berbeda bervariasi di seluruh wilayah, dan memperhitungkan piksel terdekat yang mendeteksi gangguan yang sama. Nantikan perbaikan mendatang di bidang pemantauan hutan.

Untuk tampilan mendalam tentang bagaimana lapisan terintegrasi dirancang dan bagaimana menggunakannya, lihat Pusat Bantuan.


Amy Pickens adalah seorang pascadoktoral di University of Maryland dan mengoperasikan sistem peringatan GLAD.

Johannes Reiche adalah profesor di Universitas Wageningen dan mengoperasikan sistem peringatan RADD.

Yaqing Gou adalah seorang pascadoktoral di Universitas Wageningen dan meneliti berbagai sistem peringatan.
Category
  • Data & Tools
Topics
  • Deforestation Alerts

Explore More Articles

Net forest greenhouse gas flux 2001-2022
Apr 26, 2024|Data & Tools|11 minutes

What’s New With GFW’s Forest Carbon Monitoring

Carbon monitoring data on GFW provides information on where forests are gaining or losing carbon. We updated the model in 2023 and 2024.

Aerial footage of palm oil and the forest in Sentabai Village, West Kalimantan, 2017.
Apr 04, 2024|Data & Tools|6 minutes

Global Forest Watch’s 2023 Tree Cover Loss Data Explained

New data shows persistent primary forest loss in 2023. What does the data measure and how does it compare to other official estimates of deforestation?

Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data & Tools|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

Two new data-driven resources provide a shared view of priority areas in West Africa and can help realize a a deforestation-free cocoa sector.

Explore More Articles
Net forest greenhouse gas flux 2001-2022
Apr 26, 2024|Data & Tools|11 minutes

What’s New With GFW’s Forest Carbon Monitoring

Aerial footage of palm oil and the forest in Sentabai Village, West Kalimantan, 2017.
Apr 04, 2024|Data & Tools|6 minutes

Global Forest Watch’s 2023 Tree Cover Loss Data Explained

Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data & Tools|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

fetching comments...