Analisis Karakteristik Termal Permukaan dan Kondisi Vegetasi menggunakan LST dan NDVI di Kabupaten Timor Tengah Utara Tahun 2021–2022
DOI:
https://doi.org/10.59632/magnetic.v6i2.882Keywords:
Land Surface Temperature (LST), Normalized Difference Vegetation Index (NDVI), Penginderaan Jauh, Timor Tengah Utara, Lahan KeringAbstract
Kabupaten Timor Tengah Utara (TTU), Provinsi Nusa Tenggara Timur, merupakan wilayah lahan kering dengan keterbatasan ketersediaan air, dan curah hujan musiman yang mempengaruhi kondisi permukaan bumi. Penelitian ini bertujuan untuk menganalisis karakteristik termal permukaan, kondisi vegetasi di Kabupaten TTU melalui pemetaan, dan analisis spasial parameter Land Surface Temperature (LST), serta Normalized Difference Vegetation Index (NDVI) menggunakan data citra Landsat 8 OLI/TIRS tahun 2021 dan 2022. Metode pengolahan data meliputi: konversi Digital Number (DN) menjadi brightness temperature, kalkulasi NDVI, estimasi fractional vegetation cover (PV), land surface emissivity (LSE), hingga koreksi LST. Hasil penelitian menunjukkan bahwa nilai LST tahun 2021 berkisar antara 14,35–36,14 °C, dengan nilai rata-rata yaitu 25,25 °C sedangkan tahun 2022 meningkat menjadi 13,95-46,93 °C, dengan nilai rata-rata yaitu 30,44 °C. Suhu maksimum mengalami kenaikan sebesar 10,79 °C. Secara spasial, LST tinggi hingga sangat tinggi terkonsentrasi di wilayah utara (seperti Kecamatan Biboki Anleu, Biboki Moenleu, dan Insana Utara), sedangkan LST rendah hingga sedang mendominasi wilayah tengah, dan selatan (seperti Miomaffo Barat, Miomaffo Timur, dan Bikomi Selatan). Nilai NDVI wilayah TTU berkisar antara -0,20 hingga 0,594 dan nilai rata-rata NDVI diperkirakan menurun dari sekitar 0,31 pada tahun 2021 menjadi 0,27 pada tahun 2022, yang menunjukkan adanya penurunan kerapatan vegetasi di beberapa area pada tahun 2022. Analisis spasial menunjukkan adanya hubungan berbanding terbalik (negatif) antara NDVI dan LST, wilayah dengan NDVI tinggi/vegetasi rapat memiliki LST yang cenderung lebih rendah akibat proses evapotranspirasi, sedangkan wilayah bervegetasi jarang dengan kelembapan rendah menunjukkan LST yang lebih tinggi. Informasi ini penting sebagai data dasar geofisika lingkungan, dan pendukung pengelolaan wilayah lahan kering di Kabupaten TTU.
Downloads
References
[1] R. Maneno, A. Kadek, D. Lestari, and K. Fallo, “Pemetaan Curah Hujan Tahunan dan Keadaan Hidrogeologi di Kabupaten Timor Tengah Utara Untuk Identifikasi Potensi Kekeringan,” Magn. Res. J. Phys. It’s Apl., vol. 3, no. 2, pp. 265–270, 2023.
[2] N. S. Gunawan, M. Izzudin, Atiawati, C. Latifa, F. Febrianti, and D. Desmawan, “Dampak El Nino Terhadap Produktivitas Pertanian Analisis Sistematis Ketahanan Pangan di Wilayah Tropis,” Ekon. Bisnis Manaj. dan Akunt., vol. 5, no. 2, pp. 28–35, 2024.
[3] Z. Li, H. Wu, S. Duan, W. Zhao, H. Ren, and X. Liu, “Satellite Remote Sensing of Global Land Surface Temperature : Definition , Methods , Products , and Applications.,” Rev. Geophys., pp. 1–77, 2022, doi: 10.1029/2022RG000777.
[4] N. Arif, D. R. Nugraheni, and D. M. Husna, “International Journal for Disaster and Development Interface,” Int. J. Disaster Dev. Interface, vol. 4, no. 2, pp. 123–139, 2024, doi: 10.53824/ijddi.v4i2.85.
[5] Y. Yang, M. L. Roderick, H. Guo, D. Mirales, L. Zhang, S. Fatichi, X. Luo, and Y. Zhang, “Evapotranspiration on a greening Earth,” Nat. Rev. Earth Environ., 2023.
[6] M. Patel, D. Desai, and Z. Shah, “Satellite-Based Trends Analysis of Land Surface Temperature , Vegetation Growth , and Precipitation : Evaluating Seasonal Variation and Correlation in Ahmedabad , India,” pp. 1538–1546, 2025.
[7] E. Rahimi, P. Dong, and C. Jung, “Global NDVI-LST Correlation : Temporal and Spatial Patterns from 2000 to 2024,” enviroments, pp. 1–14, 2025.
[8] N. Wachid and W. P. Tyas, “Analisis Transformasi NDVI dan kaitannya dengan LST Menggunakan Platform Berbasis Cloud : Google Earth Engine,” J. Planol., vol. 19, no. 1, pp. 60–74, 2022.
[9] U. Avdan and G. Jovanovska, “Algorithm for Automated Mapping of Land Surface Temperature Using LANDSAT 8 Satellite Data,” vol. 2016, 2020.
[10] “USGS. Landsat Collection 2 Level-2 Science Products dan Landsat Collection 2 Surface Temperature. https://www.usgs.gov/landsat-missions/landsat-collection-2-level-2-science-products.”
[11] C. J. Crawford, D. P. Roy, S. Arab, C. Barnes, E. Vermote, G. Hulley, A. Gerace, M. Choate, C. Engebretson, E. Micijevic, G. Schmidt, C. Anderson, M. Anderson, M. Bouchard, B. Cook, R. Dittmeier, D. Howard, C. Jenkerson, M. Kim, T. Kleyians, T. Maiersperger, C. Mueller, C. Neigh, L. Owen, B. Page, N. Pahlevan, R. Rengarajan, J. Roger, K. Sayler, P. Scaramuzza, S. Skakun, L. Yan, H. K. Zhang, Z. Zhu, and S. Zahn, “The 50-year Landsat collection 2 archive,” Sci. Remote Sens., vol. 8, no. July, p. 100103, 2023, doi: 10.1016/j.srs.2023.100103.
[12] T. N. Carlson and D. A. Ripley, “On the relation between NDVI, fractional Vegetation cover, and leaf area index,” Remote Sens. Environ., vol. 62, no. 3, 2020.
