Abstract

Mapping forest and land fires can be used as a benchmark for restoration activities, carbon emission estimates, local law enforcement and other relevant agencies. Forest fire impact information can be obtained quickly, easily and cheaply by remote sensing. The method to identify burnt areas using dNBR channeling is an effective method because the spectral transformation of dNBR used is derived from the results of the NIR and SWIR effects of Sentinel 2 imagery. The results of the dNBR severity classification highlight the unburned area of 5.15 ha, low 128.96 ha, medium-low 961.34 ha, medium-high 1333.66 ha, high 185 ha. The results of the classification accuracy of the dNBR transformation reduced by the burned areas delineated from the visual interpretation of the RGB composite sentinel 2 image after burning show an overall accuracy of about 91.5% and a kappa accuracy of about 0.89 or 89.58% (almost perfect).

Keywords: dNBR, Impact of forest and land fires, Sentinel 2

Abstrak

Pemetaan kebakaran hutan dan lahan dapat dijadikan sebagai tolak ukur untuk kegiatan restorasi, estimasi emisi karbon, penegak hukum setempat dan instansi terkait lainnya. Informasi dampak kebakaran hutan dapat diperoleh dengan cepat, mudah dan murah dengan penginderaan jauh. Metode untuk mengidentifikasi wilayah terbakar dengan perkanalingan dNBR merupakan salah satu cara yang efektif karena kemampuan transformasi spektral dNBR yang digunakan berasal dari hasil pengaruh NIR dan SWIR dari citra Sentinel 2. Hasil klasifikasi tingkat keparahan dNBR menyoroti wilayah tidak terbakar seluas 5.15 ha, rendah 128.96 ha, sedang-rendah 961.34 ha, sedang-tinggi 1333.66 ha, tinggi 185 ha. Hasil akurasi klasifikasi transformasi dNBR yang dikurangi wilayah-wilayah terbakar hasil delineasi dari interpretasi visual citra sentinel 2 komposit RGB setelah terbakar menunjukkan akurasi keseluruhan sekitar 91.5% dan akurasi kappa sekitar 0,89 atau 89.58% (Peluang akurasi sangat baik)..

Kata kunci: dNBR, Dampak Karhutla, Sentinel 2