Hubungan Antara Indeks Pengindraan Jauh Dengan Tingkat Pencemaran Udara di Kota Jakarta Pasca Pandemi:

Muhammad Ramdhan; Olivia  Maftukhaturrizqoh; Taslim  Arifin; Dini  Purbani; Rudhy  Akhwady; Yulius Yulius; Rinny Rahmania; Dino Gunawan; Abdul  Asyiri; Syamsul Hidayat

doi:10.37439/jurnaldrd.v16i2.91

Muhammad Ramdhan Pusat Riset Geospasial, ORKM-BRIN https://orcid.org/0000-0002-6921-6024
Olivia Maftukhaturrizqoh BRIN
Taslim Arifin BRIN
Dini Purbani BRIN
Rudhy Akhwady BRIN
Yulius Yulius BRIN
Rinny Rahmania BRIN
Dino Gunawan BRIN
Abdul Asyiri BRIN
Syamsul Hidayat BRIN

DOI: https://doi.org/10.37439/jurnaldrd.v16i2.91

Citations :

Keywords: Indeks Vegetasi, Jakarta, Pengindraan Jauh, Pencemaran Udara, PM2.5

Abstract

Penelitian ini bertujuan untuk mengkaji hubungan antara indeks pengindraan jauh (Burn Area Index/BAI, Normalized Difference Vegetation Index/NDVI, dan Enhanced Vegetation Index/EVI) dengan tingkat pencemaran udara, khususnya konsentrasi PM2.5, di kota Jakarta pasca pandemi. Data diambil dari berbagai stasiun pemantau kualitas udara (SPKUA) di Jakarta selama tahun 2022. Hasil analisis menunjukkan variasi signifikan dalam konsentrasi PM2.5 yang berkaitan erat dengan fluktuasi BAI, NDVI, dan EVI. Peningkatan BAI selama musim kemarau bertepatan dengan peningkatan konsentrasi PM2.5, menandakan aktivitas kebakaran yang lebih intensif. Sebaliknya, NDVI dan EVI yang lebih tinggi selama musim penghujan berkorelasi dengan penurunan konsentrasi PM2.5, menunjukkan kondisi vegetasi yang lebih baik dapat membantu mengurangi polusi udara. Analisis Principal Component Analysis (PCA) lebih lanjut mengungkapkan bahwa bulan-bulan dengan karakteristik musim yang sama memiliki pola pencemaran udara dan indeks vegetasi yang serupa. Temuan ini menekankan pentingnya strategi mitigasi polusi udara dan manajemen lingkungan yang tepat untuk meningkatkan kualitas udara dan kesehatan lingkungan di Jakarta.

References

[BPS] Badan Pusat Statistik, (2023), Provinsi DKI Jakarta dalam Angka 2023, Jakarta: BPS Provinsi DKI Jakarta.

Chuvieco, E., M. Pilar Martin, and A. Palacios, (2002), Assessment of Different Spectral Indices in the Red-Near-Infrared Spectral Domain for Burned Land Discrimination, Remote Sensing of Environment, 112, 2381-2396."

Crippen, R.E., (1990). Calculating the vegetation index faster: Remote sensing of Environment, 34, 71-73.

[DLH DKI Jakarta], (2021), Laporan Akhir, Kegiatan Pemantauan Kualitas Udara Provinsi DKI Jakarta Tahun 2021, Departemen Geofisika Dan Meteorologi, Fakultas Matematika Dan Ilmu Pengetahuan Alam, IPB University.

Hardianto, Jaya L. M. G., Nurgiantoro, Khairisa N. H. (2021), Perbandingan Metode Indeks Vegetasi NDVI, SAVI dan EVI Terkoreksi Atmoafer iCOR, Jurnal Geografi Aplikasi Dan Teknologi, 5(1), 53-62.

Hatulesila, J., Mardiatmoko, G., & Irwanto, I. (2019). Analisis Nilai Indeks Kehijauan (Ndvi) Pada Pola Ruang Kota Ambon, Provinsi Maluku. Jurnal Hutan Pulau-Pulau Kecil, 3(1), 55-67. Retrieved from https://ojs3.unpatti.ac.id/index.php/jhppk/article/view/1321

Jiang Z., Huete A. R., Didan K., Miura T., (2008), Development of a two-band enhanced vegetation index without a blue band, Remote Sensing of Environment, 112, 3833–3845, Doi:10.1016/j.rse.2008.06.006.

Pun V.C., Kazemiparkouhi F., Manjourides J., Suh H. H., (2017). Long-Term PM2.5 exposure and Respiratory, Cancer, and Cardiovascular Mortality in Older US Adults. Am J Epidemiol. 186(8):961–969. DOI: 10.1093/aje/kwx166

Ramdhan, M., & Ntoma, I. A. (2022). Deteksi Pemanfaatan Ruang Terbuka Biru di Wilayah Utara Jakarta: Detection of Blue Open Space Utilization in North Jakarta. Jurnal Riset Jakarta, 15(1), 11-18. https://doi.org/10.37439/jurnaldrd.v15i1.61

Turyanti A., Salmayenti R., Rohmawati F. Y., Fauziyah N., Yulian N. I., (2022), Laporan Akhir, Kegiatan Pemantauan Kualitas Udara Provinsi DKI Jakarta Tahun 2022, Departemen Geofisika Dan Meteorologi, Fakultas Matematika Dan Ilmu Pengetahuan Alam, IPB University.

Wang B., Eum K. D., Kazemiparkouhi F., Li C., Manjourides J., Pavlu V., Suh H. (2020). The impact of long-term PM2.5 exposure on specific causes of death: exposure-response curves and effect modification among 53 million U.S. Medicare beneficiaries. Environmental Health, 19(20). https://doi.org/10.1186/s12940-020-00575-0

Wardlow, B.D., Egbert, S.L. , Kastens, J.H., (2007), Analysis of time-series MODIS 250 mvegetation index data for crop classification in the U.S. Central Great Plains. Remote Sensing of Environment, 108, pp. 290–310

[WHO] World Health Organization, (2022a). Air pollution. Compendium of WHO and other UN guidance on health and environment 2022 update. Geneva: WHO.

[WHO] World Health Organization, (2022b). Air pollution data portal. Global Health Observatory [Internet]. Diunduh pada https://www.who.int/data/gho/data/themes/air-pollution . Geneva: WHO.

[WMO] World Meteorological Organization, (2012), Impacts of Megacities on Air pollution and Climate, GAW Report No. 205, Geneva: WMO.

Hubungan Antara Indeks Pengindraan Jauh Dengan Tingkat Pencemaran Udara di Kota Jakarta Pasca Pandemi

Correlation Between Remote Sensing Index and Air Pollution Levels in the City of Jakarta Post-Pandemic

Abstract

References