Penilaian kekeringan meteorologi menggunakan metode SPI dengan Citra Satelit CHIRPS di Kabupaten Tulungagung

Anang Ma’ruf; Ike Sari Astuti; Ferryati Masitoh

doi:10.17977/um063v3i6p682-696

Authors

Anang Ma’ruf Universitas Negeri Malang
Ike Sari Astuti Universitas Negeri Malang
Ferryati Masitoh Universitas Negeri Malang

DOI:

https://doi.org/10.17977/um063v3i6p682-696

Keywords:

kekeringan meteorologi, Climate Hazards Group Infrared Precipitation with Stations (CHIRPS), Standardized Precipitation Index (SPI)

Abstract

Kekeringan di Kabupaten Tulungagung sering terjadi. Sebanyak 11 kejadian kekeringan yang tercatat sepanjang Tahun 2001-2020. Kabupaten Tulungagung memiliki luasan lahan pertanian sebanyak 70 persen dari tolal wilayah. Pemantauan kekeringan diperlukan sebagai langkah awal dalam menghadapi bencana kekeringan . Metode SPI digunakan dalam analisis kekeringan di Kabupaten Tulungagung. Data yang digunakan adalah curah hujan bulanan dari CHIRPS dan curah hujan bulanan dari Stasiun Hujan di Kabupaten Tulungagung rentang tahun 2010-2018. Analisis dilakukan menggunakan software ArcGIS. Analisis kekeringan dilakukan pada Bulan Mei-September Tujuan ditulisnya artikel ini, petama melakukan pemantauan kekeringan meteorologi menggunakan indeks SPI yang berasal dari Data CHIRPS. Kedua, memberikan informasi nilai perbandingan antara nilai SPI 1 Bulanan dari Data CHIRPS dengan nilai SPI 1 Bulanan dari data stasiun hujan. Ketiga, memberikan informasi terkait pengaruh kekeringan meteorologi dengan produksi padi gogo yang diasumsikan bahwa sumber air pada padi gogo sepenuhnya berasal dari air hujan. Hasil menunjukkan bahwa kekeringan meteorologi di Kabupaten Tulungagung adalah berada pada kategori Normal (0,99 sampai -0,99) hingga Agak kering (-1,00 sampai -1,49). Nilai perbandingan antara SPI 1 Bulanan dari data CHIRPS dengan SPI 1 Bulanan dari data stasiun hujan adalah 0,69. Sehingga data SPI 1 Bulanan dari CHIRPS dapat dipakai dalam analisis kekeringan meteorologi di Kabupaten Tulungagung. Pengaruh yang kuat terjadi antara kekeringan meteorologi terhadap produksi padi gogo di Kabupaten Tulungagung. Terlihat dari Nilai koefisien determinansi sebesar 0,69 yang menunjukkan bahwa 69 persen produksi padi gogo di pengaruhi oleh kekeringan meteorologi. Nilai korelasi yang kuat sebesar 0,83 antara kejadian kekeringan dengan produksi padi gogo. Kesimpulan dari penelitian ini adalah Data CHRIPS dapat digunakan dalam memantau kekeringan meteorologi di Kabupaten Tulungagung serta produksi padi gogo sangat dipengaruhi oleh adanya kejadian kekeringan meteorologi.

References

Auliyani, D., & Wahyuningrum, N. (2021, October). Rainfall variability based on the Climate Hazards Group InfraRed Precipitation with Station Data (CHIRPS) in Lesti watershed, Java Island, Indonesia. In IOP Conference Series: Earth and Environmental Science (Vol. 874, No. 1, p. 012003). IOP Publishing.

BNPB. (2020). Data Informasi Bencana Indonesia (DIBI). (Online) (https://bnpb.cloud/dibi/laporan5), diakses pada 24 Desember 2021

BPS Kabupaten Tulungagung. (2020). Kabupaten Tulungagung Dalam Angka 2011. BPS Kabupaten Tulungagung

Du, T. L. T., Bui, D. D., Nguyen, M. D., & Lee, H. (2018). Satellite-based, multi-indices for evaluation of agricultural droughts in a highly dynamic tropical catchment, Central Vietnam. Water, 10(5), 659.

Faisol, A., Indarto, I., Novita, E., & Budiyono, B. (2022). Assessment of agricultural drought based on CHIRPS data and SPI method over West Papua-Indonesia. Journal of Water and Land Development.

Gao, F., Zhang, Y., Ren, X., Yao, Y., Hao, Z., and Cai, W. (2018). Evaluation of CHIRPS and its application for drought monitoring over the Haihe River Basin, China. Natural Hazards, 92(1), 155-172.

Gumma, M. K., Nelson, A., & Yamano, T., 2019. Mapping drought-induced changes in rice area in India. International journal of remote sensing, 40(21), 8146-8173.

Ina, J., Bayong, T. H., & Mezak, A. R. (2006). Periode Curah Hujan Dominan dan Hubungannya dengan Topografi. Jurnal Sains dan Teknologi Modif. Cuaca, UPT Hujan Buatan BPPT, 7(2).

Ji, T., Li, G., Yang, H., Liu, R., & He, T. (2018). Comprehensive drought index as an indicator for use in drought monitoring integrating multi-source remote sensing data: A case study covering the Sichuan-Chongqing region. International Journal of Remote Sensing, 39(3), 786-809.

Lesik, E. M., Sianturi, H. L., Geru, A. S., & Bernandus, B. (2020). Analisis Pola Hujan dan Distribusi Hujan Berdasarkan Ketinggian Tempat di Pulau Flores. Jurnal Fisika: Fisika Sains dan Aplikasinya, 5(2), 118-128.

LIPI. (2018). Budidaya Padi Gogo LIPI. Bogor: Pusat Penelitian Bioteknologi LIPI.

Narulita, I., Fajary, F. R., Mulyono, A., Kusratmoko, E., & Djuwansah, M. R. (2021, June). Application of Climate Hazards Group InfraRed Precipitation with Station (CHIRPS) satellite data for drought mitigation in Bintan island, Indonesia. In IOP Conference Series: Earth and Environmental Science (Vol. 789, No. 1, p. 012052). IOP Publishing.

NOAA. (2006). Drought Public Fact Sheet. (Online). (https://gml.noaa.gov)

Rivera, J. A., Hinrichs, S., & Marianetti, G. (2019). Using CHIRPS dataset to assess wet and dry conditions along the semiarid central-western Argentina. Advances in Meteorology, 2019.

Sandeep, P., Reddy, G. O., Jegankumar, R., & Kumar, K. A. (2021). Monitoring of agricultural drought in the semi-arid ecosystem of Peninsular India through indices derived from time-series CHIRPS and MODIS datasets. Ecological Indicators, 121, 107033.

Sulasdi, I. W. N., & Harto, I. A. B. (2009). Pemantauan Kekeringan Menggunakan Data Penginderaan Jauh dengan Basis Model SEBAL (Surface Energy Balance Algorithm for Land).

Surmaini, E., Runtunuwu, E., & Las, I. (2011). Upaya sektor pertanian dalam menghadapi perubahan iklim. Jurnal Litbang Pertanian, 30(1), 1-7

Svoboda, M. D., & Fuchs, B. A. (2016). Handbook of drought indicators and indices (Vol. 2). Geneva, Switzerland: World Meteorological Organization.

Szewczak, K., Łoś, H., Pudełko, R., Doroszewski, A., Gluba, Ł., Łukowski, M., ... & Usowicz, B. (2020). Agricultural drought monitoring by MODIS potential evapotranspiration remote sensing data application. Remote Sensing, 12(20), 3411.

United Nations, Economic and Social Commission for Asia and the Pacific (ESCAP). (2020). The Disaster Riskscape across South-East Asia: Key Takeaways for Stakeholders. ST/ESCAP/2885. Bangkok: UN

van Loon, A. F. (2015). Hydrological drought explained. Water, 2(4), 359-392.

West, H., Quinn, N., & Horswell, M. (2019). Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities. Remote Sensing of Environment, 232, 111291.

Wilhite, D. A., Scvoboda, M. D., & Hayes, M. J. (2007). Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness. Water Resour Manage, 21(5), 763-774.

Wilhite, D. A., & Svoda, M. D. (2000). Drought Early Warning System in the Context of Drought Preparedness and Drought Management. Proceedings of an Expert Group Meeting of the World Meteorological Organization (WMO).

WMO. (2012). Standardized Precipitation Index User Guide. WMO-No.1090.

WMO. (2020). Drought. (Online), (https://public.wmo.int/en/resources/world-meteorological-day/previous-world-meteorological-days/climate-and-water/drought)

Zhu, Q., Luo, Y., Zhou, D., Xu, Y. P., Wang, G., & Gao, H. (2019). Drought monitoring utility using satellite-based precipitation products over the Xiang River Basin in China. Remote Sensing, 11(12), 1483.