Analisis Faktor Meteorologi terhadap Kebakaran Hutan dan Lahan di Pulau Kalimantan Periode 2019-2023

Malinda Budi Oktaviani; Emilya Nurjani; Utia Suarma; Andung Bayu Sekaranom

doi:10.22146/mgi.109314

Analisis Faktor Meteorologi terhadap Kebakaran Hutan dan Lahan di Pulau Kalimantan Periode 2019-2023

https://doi.org/10.22146/mgi.109314

Malinda Budi Oktaviani⁽¹⁾, Emilya Nurjani⁽²⁾, Utia Suarma⁽³⁾, Andung Bayu Sekaranom^(4*)

(1) Departemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Bulaksumur Yogyakarta, Indonesia
(2) Departemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Bulaksumur Yogyakarta, Indonesia
(3) Departemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Bulaksumur Yogyakarta, Indonesia
(4) Departemen Geografi Lingkungan, Fakultas Geografi, Universitas Gadjah Mada, Bulaksumur Yogyakarta, Indonesia
(*) Corresponding Author

Abstract

Abstrak. Pulau Kalimantan merupakan wilayah dengan tingkat kejadian kebakaran hutan dan lahan (karhutla) yang tinggi, terutama pada kawasan bergambut yang luas. Penelitian ini bertujuan: (1) Mengidentifikasi distribusi spasial dan frekuensi temporal hotspot Pulau Kalimantan khususnya pada lahan gambut dan non-gambut, (2) Menganalisis variasi spasial dan temporal bulanan dari curah hujan, suhu udara, serta kelembapan tanah di lahan gambut dan non-gambut, (3) Menganalisis variabel yang paling berpengaruh terhadap jumlah hotspot di lahan gambut dan non-gambut. Data hotspot diperoleh dari citra MODIS beresolusi 1 km, sedangkan data curah hujan dan temperatur udara 2 m berasal dari ERA5 (resolusi 0,25°), dan data kelembapan tanah diambil dari SMAP L4 Global 9-km Surface and Root Zone Soil Moisture. Analisis regresi binomial negatif digunakan untuk menilai pengaruh faktor meteorologis terhadap intensitas hotspot. Hasil penelitian menunjukkan bahwa hotspot lebih terkonsentrasi pada lahan gambut (6.184 titik) dibandingkan non-gambut (4.848 titik). Kelembapan tanah terbukti sebagai faktor paling signifikan yang memengaruhi peningkatan jumlah hotspot, diikuti oleh curah hujan. Sebagian besar hotspot terjadi pada wilayah dengan curah hujan <100 mm/bulan, suhu >25°C, dan kelembapan tanah 10–30%. Secara keseluruhan, kenaikan suhu tidak selalu diikuti oleh lonjakan jumlah hotspot yang signifikan. Akan tetapi, apabila dilihat secara spasial suhu tetap memiliki peran karena hotspot lebih banyak terdistribusi pada wilayah-wilayah dengan suhu yang relatif tinggi. Temuan ini memberikan dasar ilmiah bagi pengembangan sistem peringatan dini karhutla berbasis parameter meteorologis serta mendukung pengelolaan adaptif lahan gambut untuk mengurangi risiko kebakaran di Pulau Kalimantan.

Abstract Kalimantan Island is a region with a high frequency of forest and land fires (known as karhutla), particularly in its extensive peatland areas. This study aims to: (1) identify the spatial distribution and temporal frequency of hotspots across Kalimantan Island, particularly on peatland and non-peatland areas; (2) analyze the monthly spatial and temporal variations of rainfall, air temperature, and soil moisture on peatland and non-peatland; and (3) determine the meteorological variables that most influence the number of hotspots in peatland and non-peatland areas. Hotspot data were obtained from MODIS imagery with a 1 km resolution, while rainfall and 2 m air temperature data were derived from ERA5 (0.25° resolution), and soil moisture data were obtained from SMAP L4 Global 9-km Surface and Root Zone Soil Moisture. A negative binomial regression analysis was used to assess the influence of meteorological factors on hotspot intensity. The results show that hotspots were more concentrated on peatland (6,184 points) than on non-peatland (4,848 points). Soil moisture was found to be the most significant factor influencing the increase in hotspot numbers, followed by rainfall. Most hotspots occurred in areas with rainfall <100 mm/month, temperature >25°C, and soil moisture ranging from 10–30%. Overall, temperature increases were not always followed by significant rises in hotspot numbers; however, spatially, temperature still played a role, as hotspots were more frequently distributed in areas with relatively high temperatures. These findings provide a scientific basis for developing an early warning system for forest and land fires based on meteorological parameters and support adaptive peatland management to reduce fire risks in Kalimantan Island.

Submitted: 2025-07-16 Revisions: 2025-09-21 Accepted: 2024-09-11 Published: 2025-11-07

Keywords

Hotspo; Meteorologi; Lahan Gambut; Lahan Non-gambut; Regresi Binomial Negatif

Full Text:

PDF

References

Aflahah, E., Hidayati, R., Hidayat, R., & Alfahmi, F. (2019). Pendugaan hotspot sebagai indikator kebakaran hutan di Kalimantan berdasarkan faktor iklim. Jurnal Pengelolaan Sumberdaya Alam dan Lingkungan (Journal of Natural Resources and Environmental Management), 9(2), 405-418.

Dicelebica, T. F., Akbar, A. A., & Jati, D. R. (2022). Identifikasi dan Pencegahan Daerah Rawan Bencana Kebakaran Hutan dan Lahan Gambut Berbasis Sistem Informasi Geografis di Kalimantan Barat. Jurnal Ilmu Lingkungan, 20(1), 115-126.

Fadhila, H. N. 2025. Studi Kebencanaan Kritis terhadap Konstruksi Gagasan Bencana Kebakaran Hutan dan Lahan Kalimantan Tengah. Majalah Geografi Indonesia, 39(2), 140-147.

Field, R. D., van der Werf, G. R., & Shen, S. S. (2009). Human amplification of drought-induced biomass burning in Indonesia since 1960. Nature Geoscience, 12(9), 724-731.

Glover, R., & Smith, J. (2018). The impact of meteorological conditions on peatland fire risk in Indonesia. Journal of Tropical Ecology, 34(2), 115-130.

Goffin, B. D., Aryal, A., Deppert, Q., Ross, K. W., & Lakshmi, V. (2024). Mapping Extreme Wildfires Using a Critical Threshold in SMAP Soil Moisture. Remote Sensing, 16(13), 2457.

Ihwan, A., Tsabita, T. K., & Adriat, R. (2024). Analisis kekeringan meteorologi di wilayah iklim hutan hujan tropis pada saat El-Niño kuat tahun 2015. Jurnal Agrotek Tropika, 12(2).

Joosten, H. (2017). The role of peatlands and their carbon storage function in the context of climate change. In M. A. Adams & J. M. C. B. V. Edwards (Eds.), Advances in Bioclimatology (pp. 239-253). Springer.

Kenne Pagui, E. C., Salvan, A., & Sartori, N. (2022). Improved estimation in negative binomial regression. Statistics in Medicine, 41(13), 2403-2416.

Kusuma, A. R., Shodiq, F. M., Hazim, M. F., & Laksono, D. P. (2021). Hasil studi pola kebakaran lahan gambut melalui citra satelit Sentinel-2 dengan pengimplementasian machine learning metode Random Forest: Kajian literatur. Journal of Geospatial Information Science and Engineering, 4(2), 81-85.

Mareta, L., Hidayat, R., Hidayati, R., & Latifah, A. L. (2019). Pengaruh faktor alami dan antropogenik terhadap luas kebakaran hutan dan lahan di Kalimantan. Jurnal Tanah Dan Iklim, 43(2), 147-155.

Ningsih, S. R., Putra, Y. S., & Zulfian, Z. (2023). Studi daerah rawan kebakaran lahan gambut berdasarkan nilai Keetch Byram Drought Index di Kalimantan Barat. Prisma Fisika, 10(3).

Oztig, L. I., & Askin, O. E. (2020). Human mobility and coronavirus disease 2019 (COVID-19): A negative binomial regression analysis. Public Health, 185, 364–367.

Pandapotan, I. B., Ngurah, S. K., & Widagda, I. (2021). Smoke distribution patterns analysis on meteorological conditions on Kalimantan Island related to forest and land fires: A case study of forest fires in September 2019. Buletin Fisika, 23(1), 19-25.

Putra, I. A., Heryanto, E., & Haryoko, U. (2019). Sebaran spasial dan temporal titik panas (hotspot) di Indonesia dari satelit MODIS dengan metode gridding. In Seminar Nasional Geomatika, 3(2007), 1123.

Putri, T. T. A. (2017). Pengelolaan sumberdaya lahan gambut di Kubu Raya Kalimantan Barat menuju lahan tanpa bakar. Jurnal Penelitian Agrosamudra, 4(2), 92-109.

Qamariyanti, Y., Usman, R., & Rahmawati, D. (2023). Pencegahan dan penanggulangan kebakaran lahan gambut dan hutan. Jurnal Ilmu Lingkungan, 21(1), 132–142.

Riyanto, I. A., Cahyadi, A., Kurniadhini, F., Bachtiar, H., Apriyana, D., & Caraka, K. A. 2020. Understanding Forest Fire Management in Indonesia from a Global Perspective. Asean Journal of Science and Technology for Development, 17(1), 1-6.

Rustan, R., & Handayani, L. (2020). Analisis distribusi suhu maksimum dan kelembaban rata-rata untuk mitigasi kebakaran hutan dan lahan (Studi kasus: Kabupaten Muaro Jambi). Jurnal Ilmu Fisika dan Pembelajarannya (JIFP), 4(1).

Sudibyakto. 2003. Anomali Iklim dan Mitigasi Kebakaran Hutan di Indonesia. Majalah Geografi Indonesia, 17(1), 71-80.

Wasserman, T. N., & Mueller, S. E. (2023). Climate influences on future fire severity: A synthesis of climate-fire interactions and impacts on fire regimes, high-severity fire, and forests in the western United States. Fire Ecology, 19(1), 1-23.

Widodo, A. M., Dulbahri, & Hartono. 2017. Penggunaan Data Penginderaan Jauh dan Sistem Informasi Geografis untuk Pembuatan Prototipe Perangkat Lunak Simulasi Penyebaran Kebakaran Hutan. Majalah Geografi Indonesia, 31(1), 12-21.

Winata, H. M. (2023). Mengatasi overdispersi dengan regresi binomial negatif pada angka kematian ibu di kota bandung. Jurnal Gaussian, 11(4), 616-622.

Yulianti, R., Marsono, D., & Yunianto, T. 2010. Analisis Vegetasi Hutan Rawa Gambut Pascakebakaran di Wilayah Desa Sebangau dan Desa Taruna Jaya. Majalah Geografi Indonesia, 24(1), 54-62.

Zahra, R. A., Nurjani, E., & Sekaranom, A. B. (2023). The analysis of fire hotspot distribution in Kalimantan and its relationship with ENSO phases. Quaestiones Geographicae, 42(1), 75–86.

DOI: https://doi.org/10.22146/mgi.109314