Penilaian potensi produktivitas lahan di Belarus

Catatan: Proyek ini diselesaikan dengan dukungan dari Program Kerjasama Penelitian Bersama Aliansi Organisasi Sains Internasional (ANSO) di bawah Inisiatif Sabuk dan Jalan.

Latar Belakang Proyek

Persiapan dan penggabungan data dilakukan menggunakan Sentinel Hub dan Google Earth Engine. Sampel pelatihan diberi label menggunakan dataset, publikasi, dan interpretasi visual yang tersedia untuk umum. Metode pembelajaran terawasi OBIA-RF (Object-Oriented Random Forest) kemudian digunakan untuk mengklasifikasikan dan mengekstrak fitur tutupan lahan dari dataset pertanian dan kehutanan. Terakhir, pemetaan dan analisis statistik dilakukan. Potensi ekologis tanah dinilai dengan menggabungkan data meteorologi dan data tanah.

Artikel ini terutama memperkenalkan penilaian potensi produktivitas lahan di Belarus menggunakan model faktorial cahaya-suhu, dan juga merupakan bagian terakhir dari proyek ini.

Berdasarkan model dasar, klasifikasi penggunaan lahan dan data indeks vegetasi ditambahkan sebagai variabel tambahan, dan bobot setiap variabel dialokasikan kembali sesuai dengan data aktual yang diperoleh.

△Gambar 1. Bagan Alur untuk Penilaian Potensi Produktivitas Lahan

Proses Proyek Dasar

Model penilaian potensi produktivitas lahan:

Model faktorial suhu-cahaya

Potensi produksi fotosintesis dinilai dengan menggabungkan parameter meteorologi, tanah, dan tanaman.

Potensi produksi fotosintesis:

Pejabat Huang Bingwei:

*Huang Bingwei (1978)

YQ mewakili potensi produksi fotosintesis (kg/jam㎡).

Q mewakili total radiasi matahari (kal/cm²).

ε mewakili proporsi cahaya tampak dalam rentang panjang gelombang 0,38–0,71 μm dari radiasi matahari.

α adalah reflektivitas

β adalah tingkat kebocoran

ρ mewakili tingkat penyerapan yang tidak efektif dari organ non-fotosintetik, yang diambil sebagai 10%.

γ adalah batas saturasi cahaya

φ adalah efisiensi kuantum, yang diambil sebagai 0,224.

ω mewakili efisiensi pernapasan

H mewakili energi yang dibutuhkan untuk menghasilkan 1 g bahan kering, dengan nilai rata-rata 4,25 kkal.

8% mewakili kandungan unsur hara anorganik dalam tanaman.

Potensi produksi fototermal:

R mewakili curah hujan (mm), dan E0 mewakili penguapan (mm).

Potensi produktivitas lahan:

Nu adalah indeks nutrisi tanah, dan Om adalah indeks bahan organik tanah.

Dalam rumus tersebut: Au, Ap, Ak masing-masing adalah kandungan nitrogen tersedia, fosfor tersedia, dan kalium tersedia dalam tanah (mg/kg), dan Om adalah kandungan bahan organik dalam tanah.

Model ini dibagi menjadi dua bagian utama: penilaian tanaman dan penilaian tanah. Penilaian tanaman menggabungkan data topografi, meteorologi, dan indeks vegetasi, sedangkan penilaian tanah terutama berfokus pada kandungan nutrisi tanah. Data meteorologi historis bersumber dari dataset ERA5-Land, sementara data tanah berasal dari Global Soil Dataset for use in Earth System Models (GSDE). NDVI dihitung menggunakan satelit Sentinel-2 dan Landsat 7/8. Suhu dan curah hujan kumulatif tahunan dihitung berdasarkan data meteorologi historis per jam dan kemudian dirasterisasi. NDVI disintesis berdasarkan tahun. Terakhir, data diselaraskan menggunakan raster standar dan model faktorial cahaya-suhu diterapkan untuk menghitung dan memetakan indeks potensi produktivitas lahan tahunan.

Hasil Proyek

△ Gambar 2. Distribusi potensi produktivitas lahan di Belarus, 2014–2023

Gambar 3. Perubahan potensi produktivitas lahan di berbagai wilayah Belarus, 2014–2023

Seperti yang ditunjukkan pada Gambar 2 dan 3, distribusi spasial potensi produktivitas lahan menunjukkan variasi yang relatif kecil. Antara tahun 2014 dan 2019, potensi produktivitas lahan di setiap wilayah menunjukkan tren penurunan bertahap. Area yang mengalami peningkatan setelah tahun 2019 kemungkinan disebabkan oleh peningkatan curah hujan. Namun, potensi produktivitas lahan menurun secara signifikan pada tahun 2022 dan 2023, mungkin karena peningkatan tutupan awan memengaruhi kualitas dan ketersediaan citra satelit, yang menyebabkan nilai NDVI hilang atau sangat rendah di beberapa area, serta curah hujan yang tidak normal di wilayah lain.

Menggabungkan data distribusi potensi produktivitas lahan dengan data penggunaan dan tutupan lahan dapat memberikan referensi yang lebih mendalam, komprehensif, dan spesifik untuk pengembangan hutan regional, perumusan kebijakan pertanian regional, perencanaan penggunaan lahan jangka panjang, dan pelaksanaan proyek remediasi dan perlindungan tanah.