ANALISIS SPASIAL TEMPORAL SUHU PERMUKAAN DARATAN/ LAND SURFACE TEMPERATURE (LST) KOTA AMBON BERBASIS CLOUD COMPUTING: GOOGLE EARTH ENGINE
Departemen Geografi, FMIPA, Universitas Indonesia
Indonesia
Article Submitted: 16 October 2022
Article Published: 11 January 2023
Abstract
Perkembangan lahan terbangun di Kota Ambon yang terus meningkat dari tahun ke tahun berpengaruh kepada meningkatnya suhu permukaan daratan yang berdampak pada sosial-ekonomi dan lingkungan yang merugikan penduduk perkotaan seperti peningkatan penggunaan air, energi yang dikeluarkan untuk pendingin ruangan, serta risiko kesehatan yang disebabkan oleh polusi. Penelitian ini bertujuan untuk mengetahui perubahan suhu permukaan daratan di Kota Ambon tahun 2002, 2012 dan 2022 dengan menggunakan Google Earth Engine berbasis cloud computing. Penelitian ini menggunakan data batas administrasi Kota Ambon dan dataset citra MODIS pada Google Earth Engine, pengolahan data dilakukan berbasis cloud computing. Hasil penelitian menunjukan bahwa di tahun 2002 diperoleh suhu rata-rata Kota Ambon yaitu suhu minimum 21°C dan maximumnya yaitu 30°C, mengalami penigkatan di tahun 2012 menjadi min 24°C dan max 31°C, dan mengalami peningkatan di tahun 2022 menjadi suhu min 23°C dan max 33 °C, disimpulkan bahwa peningkatan suhu permukaan daratan Kota Ambon berbanding lurus dengan peningkatan lahan terbangun yang terjadi dari tahun ke tahunnya.
Keywords
References
D. López-Casado, “Illegal Parcelling in Cordoba (Spain): The Result of Illegal Urban Planning or Hidden City Development?,” Dela, no. 54, pp. 125–148, Aug. 2021, doi: 10.4312/dela.54.125-148.
H. Salakory, M., Rakuasa, “Modeling of Cellular Automata Markov Chain for predicting the carrying capacity of Ambon City,” J. Pengelolaan Sumberd. Alam dan Lingkung., vol. 12, no. 2, pp. 372–387, 2022, doi: https://doi.org/10.29244/jpsl.12.2.372-387.
H. Sugandhi, N., Supriatna, S., Kusratmoko, E., & Rakuasa, “Prediksi Perubahan Tutupan Lahan di Kecamatan Sirimau, Kota Ambon Menggunakan Celular Automata-Markov Chain,” JPG (Jurnal Pendidik. Geogr., vol. 9, no. 2, pp. 104–118, 2022, doi: http://dx.doi.org/10.20527/jpg.v9i2.13880.
B. Yu, “Ecological effects of new-type urbanization in China,” Renew. Sustain. Energy Rev., vol. 135, p. 110239, Jan. 2021, doi: 10.1016/j.rser.2020.110239.
H. Rakuasa, D. A. Sihasale, and P. C. Latue, “Model Tutupan Lahan di Daerah Aliran Sungai Kota Ambon Tahun 2031: Studi Kasus DAS Wai Batu Gantung, Wai Batu Gajah, Wai Tomu, Wai Batu Merah Dan Wai Ruhu,” J. Tanah dan Sumberd. Lahan, vol. 9, no. 2, pp. 473–486, Jul. 2022, doi: 10.21776/ub.jtsl.2022.009.2.29.
H. Rakuasa, S. Supriatna, A. Karsidi, A. Rifai, M. . Tambunan, and A. Poniman K, “Spatial Dynamics Model of Earthquake Prone Area in Ambon City,” IOP Conf. Ser. Earth Environ. Sci., vol. 1039, no. 1, p. 012057, Sep. 2022, doi: 10.1088/1755-1315/1039/1/012057.
H. P. U. Fonseka, H. Zhang, Y. Sun, H. Su, H. Lin, and Y. Lin, “Urbanization and Its Impacts on Land Surface Temperature in Colombo Metropolitan Area, Sri Lanka, from 1988 to 2016,” Remote Sens., vol. 11, no. 8, p. 957, Apr. 2019, doi: 10.3390/rs11080957.
S. L. Ermida, P. Soares, V. Mantas, F.-M. Göttsche, and I. F. Trigo, “Google Earth Engine Open-Source Code for Land Surface Temperature Estimation from the Landsat Series,” Remote Sens., vol. 12, no. 9, p. 1471, May 2020, doi: 10.3390/rs12091471.
A.- Al Kafy, M. S. Rahman, A.-A.- Faisal, M. M. Hasan, and M. Islam, “Modelling future land use land cover changes and their impacts on land surface temperatures in Rajshahi, Bangladesh,” Remote Sens. Appl. Soc. Environ., vol. 18, p. 100314, Apr. 2020, doi: 10.1016/j.rsase.2020.100314.
R. Khan et al., “Monitoring land use land cover changes and its impacts on land surface temperature over Mardan and Charsadda Districts, Khyber Pakhtunkhwa (KP), Pakistan,” Environ. Monit. Assess., vol. 194, no. 6, p. 409, 2022, doi: 10.1007/s10661-022-10072-1.
T. Li, J. Cao, M. Xu, Q. Wu, and L. Yao, “The influence of urban spatial pattern on land surface temperature for different functional zones,” Landsc. Ecol. Eng., vol. 16, no. 3, pp. 249–262, 2020, doi: 10.1007/s11355-020-00417-8.
M. M. Y. Albarqouni, N. Yagmur, F. Bektas Balcik, and A. Sekertekin, “Assessment of Spatio-Temporal Changes in Water Surface Extents and Lake Surface Temperatures Using Google Earth Engine for Lakes Region, Türkiye,” ISPRS Int. J. Geo-Information, vol. 11, no. 7, p. 407, Jul. 2022, doi: 10.3390/ijgi11070407.
M. F. U. Moazzam, Y. H. Doh, and B. G. Lee, “Impact of urbanization on land surface temperature and surface urban heat Island using optical remote sensing data: A case study of Jeju Island, Republic of Korea,” Build. Environ., vol. 222, p. 109368, Aug. 2022, doi: 10.1016/j.buildenv.2022.109368.
Y. Abunnasr and M. Mhawej, “Towards a combined Landsat-8 and Sentinel-2 for 10-m land surface temperature products: The Google Earth Engine monthly Ten-ST-GEE system,” Environ. Model. Softw., vol. 155, p. 105456, Sep. 2022, doi: 10.1016/j.envsoft.2022.105456.
M. Wang et al., “An Efficient Framework for Producing Landsat-Based Land Surface Temperature Data Using Google Earth Engine,” IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens., vol. 13, pp. 4689–4701, 2020, doi: 10.1109/JSTARS.2020.3014586.
IPCC, “The Physical Science Basis Chapter 2: Observation Atmosphera and Surface,” The Intergovernmental Panel on Climate Change, 2013.
https://www.ipcc.ch/site/assets/uploads/2018/03/WG1AR5_SummaryVolume_FINAL.pdf
A. Ishtiaque, R. C. Estoque, H. Eakin, J. Parajuli, and Y. W. Rabby, “IPCC’s current conceptualization of ‘vulnerability’ needs more clarification for climate change vulnerability assessments,” J. Environ. Manage., vol. 303, p. 114246, 2022, doi: https://doi.org/10.1016/j.jenvman.2021.114246.
Departemen Geografi, FMIPA, Universitas Indonesia
