Dua Dekade Kehilangan Akibat Kebakaran Dilihat dalam Resolusi yang Belum Pernah Ada Sebelumnya

Aug 17, 2022||8 minutes
Languages
Tree cover loss due to fires visualized on the GFW map, 2001-2021

Tree cover loss due to fires visualized on the GFW map, 2001-2021

Languages
Category
  • Data
Topics
  • fires

Data baru dari University of Maryland (UMD), sekarang tersedia di Global Forest Watch (GFW), memberikan pandangan yang lebih rinci tentang bagaimana kebakaran mendorong kehilangan tutupan pohon di seluruh dunia. Data kehilangan tutupan pohon akibat kebakaran yang baru menawarkan tampilan resolusi yang lebih tinggi daripada sebelumnya pada tren kehilangan akibat kebakaran selama dua dekade terakhir. Baca terus untuk mengetahui apa yang diukur oleh data baru, bagaimana kita dapat menggunakannya, dan perbedaannya dari data terkait kebakaran yang ada di GFW. 

Wawasan Baru Tentang Tren Kehilangan Tutupan Pohon Akibat Kebakaran

Data kehilangan tutupan pohon baru akibat kebakaran dikembangkan dari data kehilangan tutupan pohon tahunan yang ada dari UMD dengan memberikan konteks tambahan tentang di mana kebakaran menyebabkan kehilangan tersebut. Setiap 30-m piksel dari data kehilangan tutupan pohon tahunan dianalisis menggunakan citra satelit Landsat untuk menentukan apakah kehilangan tersebut kemungkinan disebabkan kebakaran stand-replacing (yang memusnahkan semua atau sebagian besar pohon hidup). Data ini memungkinkan kehilangan akibat kebakaran dipisahkan dari semua penyebab kehilangan tutupan pohon lainnya, seperti pertanian dan kehutanan. Dengan menggunakan data ini, pola rinci kehilangan tutupan pohon akibat kebakaran dapat dianalisis selama periode 21 tahun menggunakan definisi kehilangan hutan akibat kebakaran yang konsisten secara global untuk pertama kalinya. 

Dari data ini, kehilangan akibat kebakaran didefinisikan sebagai kebakaran alami atau yang dipicu oleh manusia yang mengakibatkan kehilangan tutupan kanopi pohon secara langsung. Hal ini dapat mencakup kebakaran hutan, dan kebakaran yang disengaja (termasuk kebakaran yang tidak disengaja yang dimulai oleh manusia terkait dengan pertanian, perburuan, rekreasi, atau pembakaran). Contoh di mana pohon ditebang dan kemudian dibakar tidak dimasukkan karena penyebab awal kehilangan dalam kasus tersebut adalah pemindahan mekanis. Kebakaran hutan berintensitas rendah dan di lapisan bawah permukaan yang tidak mengakibatkan kehilangan kanopi pohon secara substansial pada skala piksel 30-m juga dikecualikan dari definisi ini. 

Ke depannya, data ini akan diperbarui setiap tahun dan akan memungkinkan kita lebih memahami tren global, regional, dan lokal dalam kehilangan tutupan pohon seiring perkembangannya dari waktu ke waktu.  

Kehilangan tutupan pohon karena kebakaran, 2001-2021

Tree cover loss due to fires 2001-2021

Bagaimana Kita Dapat Menggunakan Data Kehilangan Tutupan Pohon Baru akibat Kebakaran?

Mengidentifikasi Area-Area dengan Kehilangan Tutupan Pohon Terbanyak Akibat Kebakaran

Pengguna dapat menggunakan data ini untuk memvisualisasikan dan menganalisis distribusi spasial kehilangan akibat kebakaran dari waktu ke waktu di Global Forest Watch. Misalnya, dasbor global dapat membantu pengguna mengidentifikasi negara dengan kehilangan tutupan pohon terbanyak akibat kebakaran pada tahun sebelumnya.  

Melihat daftar tersebut, Rusia, Kanada, dan Amerika Serikat jelas memiliki kehilangan tutupan pohon terbanyak akibat kebakaran pada tahun 2021. Setelah menganalisis data yang diunduh, kita dapat melihat bahwa ketiga negara ini secara gabungan kehilangan 7,8 juta hektare atau 84% dari seluruh kehilangan terkait kebakaran pada tahun 2021. 

Kita kemudian dapat melihat bagaimana kebakaran telah berubah dari waktu ke waktu untuk area-area ini. Misalnya, pada tahun 2021, Rusia mengalami kehilangan tutupan pohon terbesar yang pernah dialami negara tersebut dalam 21 tahun, 82% di antaranya disebabkan kebakaran. 

Pengguna juga dapat menggunakan peta GFW untuk memvisualisasikan kapan dan di mana kebakaran ini terjadi dan memilih tahun-tahun tertentu untuk menggali data lebih dalam. Misalnya, melihat peta, jelas bahwa sebagian besar kebakaran Rusia pada tahun 2021 terjadi di bagian tengah dan timur negara itu. 

Memisahkan Tren Kehilangan Tutupan Pohon Terkait Kebakaran dari Pemicu Lain

Dalam beberapa kasus, kumpulan data ini juga dapat memberikan wawasan tentang tren kehilangan hutan yang bukan karena kebakaran. Karena kerugian akibat kebakaran cenderung bervariasi secara signifikan dari tahun ke tahun tergantung pada iklim dan kondisi lainnya, hal ini dapat mengaburkan tren jangka panjang kehilangan tutupan pohon dari penyebab lain. 

Misalnya, data kehilangan tutupan pohon tahunan tentang kehilangan hutan primer di Brasil menunjukkan lonjakan tinggi pada tahun 2016 dan 2017 yang tidak terekam oleh sistem pemantauan deforestasi resmi untuk Amazon Brasil, PRODES. Dengan menggunakan data baru ini, kita dapat melihat bahwa sebagian besar lonjakan tersebut disebabkan kehilangan tutupan pohon akibat kebakaran, yang biasanya tidak ditangkap oleh sistem PRODES. Memahami di mana kebakaran menyebabkan kehilangan hutan dan yang tidak, dapat membantu memberikan lebih banyak nuansa saat menafsirkan data dan memungkinkan perbandingan yang lebih langsung dengan sumber data lain.

Apa Batasan Penggunaan Data ini?

Di blog sebelumnya, kami menjelaskan perubahan-perubahan pada data kehilangan tutupan pohon selama 21 tahun terakhir dan merekomendasikan kehati-hatian dalam membandingkan tren sebelum dan sesudah 2015. Data baru tentang kebakaran ini dibuat dengan kumpulan data kehilangan tutupan pohon yang serupa, sehingga peringatan yang sama berlaku. Meskipun perubahan-perubahan pada data kehilangan tutupan pohon telah menghasilkan perbaikan deteksi kehilangan hutan dalam beberapa tahun terakhir, termasuk deteksi kebakaran yang lebih baik di hutan boreal dan wilayah lain, namun ini juga menimbulkan ketidakkonsistenan dari waktu ke waktu.  

Terlepas dari ketidakkonsistenan ini, data baru menampilkan tingkat akurasi spasial dan temporal yang tinggi di tingkat global. Secara global, 90% area-area yang diklasifikasikan sebagai kehilangan tutupan pohon karena kebakaran diklasifikasikan dengan benar; 10% lainnya adalah positif palsu. 

Akurasi spasial bervariasi menurut wilayah tetapi tetap relatif tinggi untuk sebagian besar wilayah. Eropa dan Amerika Utara memiliki tingkat akurasi tertinggi dengan tingkat positif palsu masing-masing 7% dan 4%. Afrika memiliki akurasi terendah dan jumlah positif palsu tertinggi, dengan 39% area yang diberi label kehilangan tutupan pohon karena kebakaran salah diklasifikasikan. Tingginya angka positif palsu di Afrika kemungkinan karena kebakaran hutan di sana relatif jarang. 

WilayahTingkat Positif Palsu
Amerika Utara4%
Eropa7%
Amerika Latin26%
Asia Tenggara27%
Afrika39%
Global10%

Ada juga kasus di mana terdapat keterlambatan dalam mendeteksi kehilangan tutupan pohon akibat kebakaran, di mana kehilangan tersebut terjadi menjelang akhir tahun tetapi tidak ada citra satelit yang cukup jelas untuk mendeteksinya hingga tahun berikutnya. Hal ini penting untuk diperhatikan karena terkadang lonjakan kehilangan akibat kebakaran dapat mencerminkan tren dari tahun sebelumnya. Secara keseluruhan, 96% dari semua peristiwa kehilangan terkait kebakaran terjadi dalam satu tahun sejak tanggal kerugian yang dipetakan. 

Apa Data Kebakaran Lainnya di GFW, dan Apa Bedanya dengan Data Baru?

Data kebakaran yang tersedia di GFW terbagi dalam dua kategori: data aktivitas kebakaran dan data kontekstual. Data aktivitas kebakaran memungkinkan pengguna melihat kebakaran yang sedang berlangsung dan menganalisis tingkat kebakaran di area-area yang diminati, seperti negara atau poligon yang ditentukan pengguna. Data kontekstual dapat digunakan untuk melengkapi data aktivitas kebakaran dan membantu pengguna memahami area-area yang berisiko kebakaran dan dampak kebakaran terhadap kualitas udara.  

Perbandingan Data Kebakaran GFW

Aktivitas Kebakaran

Data Set

Resolusi

Sumber Data

Perbarui Frekuensi

Rentang Tanggal

Penggunaan Terbaik

Kehilangan Tutupan Pohon akibat Kebakaran

30m

UMD/GLAD

Tahunan

2001-2021

Menghitung luasan kebakaran hutan stand-replacing

Area-Area Terbakar MODIS*

500m

NASA

Bulanan (Keterlambatan dua bulan)

2000-Sekarang

Menghitung luas area yang terbakar untuk semua tutupan lahan

Peringatan Kebakaran VIIRS

375m

NASA

Dua kali sehari

2012-Sekarang

Mendeteksi lokasi kebakaran secara hampir seketika (siang/malam)

Peringatan Kebakaran MODIS*

500m

NASA

Dua kali sehari

2000-Sekarang

Mendeteksi lokasi kebakaran secara hampir seketika (siang)

Kontekstual

Indeks Cuaca Kebakaran Global

10km

NASA

GFWED

Harian

Sekarang

Risiko kebakaran saat ini

Indeks Kualitas Udara Global

n/a

Indeks Kualitas Udara Dunia

EPA AS

Setiap 15 menit

Sekarang

Efek terkait kebakaran pada polusi udara

*Satelit Terra yang membawa sensor MODIS akan dinonaktifkan tahun depan, bersama dengan produk terkait termasuk peringatan hampir seketika MODIS dan kumpulan data area-area yang terbakar. VIIRS akan terus menjadi sumber utama peringatan kebakaran hampir seketika.

Data Aktivitas Kebakaran

Data Kehilangan Tutupan Pohon akibat Kebakaran

Data kehilangan tutupan pohon akibat kebakaran berbeda dengan data aktivitas kebakaran lainnya pada platform GFW karena hanya berfokus pada kebakaran hutan stand-replacing, sedangkan kumpulan data kebakaran lainnya tidak membedakan antara kebakaran stand-replacing dan kebakaran lainnya. Ini penting karena hutan bertindak sebagai penyerap karbon dan mengandung sebagian besar karbon berbasis lahan di bumi, yang dilepaskan saat terbakar. 

Kehilangan tutupan pohon dari data kebakaran juga melacak kebakaran pada resolusi yang jauh lebih baik daripada data kegiatan kebakaran lainnya; namun, ini juga lebih jarang diperbarui, sehingga kurang berguna untuk memantau aktivitas kebakaran yang sedang berlangsung atau baru-baru ini. 

Data Aktivitas Kebakaran Lainnya

  • Peringatan hampir real-time (MODIS dan VIIRS): Peringatan kebakaran aktif MODIS* dan VIIRS memberikan pengguna data hampir seketika yang diperbarui setiap hari dan dapat digunakan untuk memantau dan merespons kebakaran yang sedang berlangsung. Peringatan dapat mendeteksi berbagai ukuran kebakaran tergantung pada suhu kebakaran, waktu dan keberadaan tutupan awan atau kabut tebal.
  • Luas kebakaran dari waktu ke waktu (area-area terbakar MODIS): Meskipun lebih jarang diperbarui daripada peringatan hampir seketika (bulanan, bukan harian), data area terbakar MODIS* lebih sesuai untuk menilai tren tingkat kebakaran dari waktu ke waktu daripada peringatan kebakaran karena mengidentifikasi area lahan yang telah terbakar.  

Pengguna dapat menganalisis data kegiatan kebakaran di peta dan dasbor, serta memfilter data untuk hanya melihat kebakaran yang terjadi di hutan primer atau kawasan konservasi penting lainnya. Mendaftar untuk akun myGFW juga memberi pengguna opsi untuk membuat dan menganalisis kebiasaan area-area menarik. Pengguna juga dapat tetap mengetahui kegiatan kebakaran di area-area tertentu dengan berlangganan notifikasi melalui akun myGFW mereka. 

Data Kontekstual

  • Risiko kebakaran (Indeks Cuaca Kebakaran Global): Indeks Cuaca Kebakaran Global dapat digunakan untuk mengidentifikasi area-area di mana kondisi iklim membuat lanskap lebih rentan terhadap kebakaran, memungkinkan pengguna memahami risiko kebakaran saat ini.
  • Dampak Kesehatan (Indeks Kualitas Udara Global): Indeks Kualitas Udara Global mengukur kualitas udara saat ini dari partikel yang sangat dipengaruhi oleh asap dan kabut akibat kebakaran. Dengan lebih dari 15.000 stasiun di seluruh dunia, indeks ini membantu pengguna mengukur risiko dari efek kesehatan yang terkait dengan polusi udara.   

Data kehilangan tutupan pohon baru akibat kebakaran merupakan tambahan sangat penting untuk rangkaian data terkait kebakaran yang ada di GFW dan akan memungkinkan semua pengguna melacak dengan lebih baik dampak kebakaran pada hutan di seluruh dunia untuk mengembangkan respon pengelolaan yang lebih efektif. 


Untuk menjelajahi data kebakaran di GFW, kunjungi peta dan dasbor. Tertarik untuk mempelajari lebih lanjut tentang kehilangan tutupan pohon baru dari kumpulan data kebakaran? Tonton webinar kami tentang data kebakaran GFW.

Category
  • Data
Topics
  • fires

Explore More Articles

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

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

This blog compares the forest extent in 2020 for data from UMD on GFW and the FAO Forest Resources Assessment and explains the differences.

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

We explain key differences between two data sets that track forest change in the tropics: UMD tree cover loss and JRC Tropical Moist Forest.

Explore More Articles
Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data|10 minutes

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

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

fetching comments...