(0721) 8030188    [email protected]   

Estimasi Biomassa dan Stok Karbon pada Tegakan Akasia (Acacia mangium Wild.) Melalui Fotogrametri Berbasis Deep Learning di Kawasan Institut Teknologi Sumatera


Keberadaan tegakan akasia mangium yang banyak dijumpai di kawasan hutan kampus Institut Teknologi Sumatera (Itera) memiliki peran strategis dalam mitigasi perubahan iklim, mengingat hutan mampu menyerap hingga 80% total karbon terestrial. Namun, pemantauan hutan menggunakan metode konvensional sering terbatas oleh waktu, biaya, dan tenaga. Kemajuan teknologi fotogrametri berbasis Unmanned Aerial Vehicle (UAV) membuka peluang baru untuk pengelolaan hutan yang lebih efektif, terutama dengan dukungan integrasi deep learning seperti algoritma Mask Region-based Convolutional Neural Network (Mask R-CNN). Penelitian ini bertujuan untuk menganalisis akurasi ekstraksi tegakan Akasia mangium menggunakan model deep learning berbasis indeks Intersection Over Union (IoU) dan metrik evaluasi lainnya, serta mengestimasi biomassa dan stok karbonnya dengan metode fotogrametri di kawasan Itera. Pengumpulan data primer meliputi data ortofoto dan data aktual tegakan akasia mangium melalui survei lapangan, dengan tinggi tegakan diekstraksi melalui Canopy Height Model (CHM). Data ortofoto dianotasi untuk pelatihan model Mask R-CNN dengan parameter teroptimasi. Akurasi model diuji dengan metrik evaluasi seperti IoU, precision, recall, dan F1-score. Selanjutnya, dilakukan pengembangan model regresi untuk estimasi biomassa dan stok karbon menggunakan persamaan alometrik. Hasil penelitian menunjukkan bahwa model Mask R-CNN memiliki akurasi yang sangat baik, dengan IoU sebesar 95,35%, precision 91,68%, recall 92,76%, dan F1-score 91,73%, serta probabilitas deteksi tajuk 99%. Kinerja model yang kuat ini dimanfaatkan untuk membangun model regresi antara Canopy Projection Area (CPA) dan Diameter at Breast Height (DBH) yang menghasilkan nilai R² sebesar 0,831. Di sisi lain, perbandingan estimasi biomassa berbasis fotogrametri menunjukkan korelasi yang kuat dengan nilai R² mencapai 0,851 dan deviasi hanya 1,19% dibandingkan pengukuran lapangan. Secara keseluruhan, total estimasi biomassa tegakan akasia mangium di kawasan Itera mencapai 1.961,014 ton/ha dengan stok karbon sebesar 921,676 ton/ha. Dengan demikian, metode fotogrametri berbasis UAV dengan integrasi deep learning dapat dijadikan sebagai alternatif lain dalam estimasi biomassa dan stok karbon hutan.

URI
https://repo.itera.ac.id/depan/submission/SB2502190001

Keyword
Akasia mangium Fotogrametri Deep learning Biomassa Stok karbon