Analisis Spasial-Temporal Kekeringan Meteorologis Dan Pertanian Di Kabupaten Ngawi Menggunakan Data Satelit Dan Curah Hujan In-Situ

Utomo, Joko Budi (2025) Analisis Spasial-Temporal Kekeringan Meteorologis Dan Pertanian Di Kabupaten Ngawi Menggunakan Data Satelit Dan Curah Hujan In-Situ. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6016232020-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Kabupaten Ngawi adalah salah satu wilayah penghasil padi terbesar di Provinsi Jawa Timur. Pemantauan kekeringan di daerah ini sangat penting untuk memastikan keberlanjutan kegiatan pertanian dalam memproduksi padi. Penelitian ini bertujuan untuk menganalisis hubungan kausal antara kekeringan meteorologi menggunakan Standardized Precipitation Index (SPI) dan kekeringan pertanian menggunakan Normalized Difference Vegetation Index (NDVI) di Kabupaten Ngawi. Dalam pengolahan SPI, diperlukan data curah hujan (CH) secara spasial yang estimasinya bisa dilakukan secara langsung menggunakan pengamatan satelit (CH-Satelit). Namun biasanya memuat kesalahan yang relatif besar dibandingkan pengamatan CH sebenarnya didarat. Salah satu cara mengatasi masalah ini adalah dengan menggabungkan atau melakukan blending antara CH-Satelit dengan CH observasi (CH-Obs) yang diamati di pos penakar hujan menggunakan metode interpolasi Kriging with External Drift (KED), dengan nilai CH-Satelit digunakan sebagai external drift. Pada penelitian ini empat satelit CHIRP, CMORPH, GSMAP_V8, dan GPMF digunakan sebagai drift atau auxilary information, untuk mendapatkan CH-Blended bulanan pada 26 pos hujan di Kabupaten Ngawi, periode 2001-2023.
Hasil pengujian dengan menerapkan Leave One Out Cross Validation (LOOCV), CH-Blended menggunakan CHIRP (bCHIRP) memiliki akurasi lebih baik untuk skala klimatologi dengan KGE>0,3 dan TSS>0,65 mengungguli satelit lain. Namun pada skala temporal antara Januari hingga Desember, bCMORPH dan bIMERG juga menunjukkan hasil yang lebih baik. Kami simpulkan bahwa, masing-masing satelit memiliki keunggulan bergantung pada waktu dan lokasi. Oleh karena itu, kami merekomendasikan dan mengusulkan penggunaan CH-Blended terbobot dari semua satelit adalah cara optimal untuk mendapatkan CH-Blended terbaik untuk Kabupaten Ngawi. Sebagian besar hasil korelasi silang antara SPI1 dan NDVI di Kabupaten Ngawi memiliki korelasi kuat pada kondisi Lag +1, artinya adanya hubungan temporal di mana perubahan SPI pada bulan ke t dapat memengaruhi NDVI bulan t+1 (satu bulan kemudian). Sedangkan antara SPI3 dan NDVI, lag korelasi yang kuat terjadi pada waktu yang sama (lag 0) yang menunjukkan bahwa akumulasi penurunan curah hujan selama 3 bulan berpengaruh langsung terhadap NDVI. Setelah dilakukan analisis ACF pada NDVI maka hasil optimum lag NDVI ditambahkan sebagai prediktor dalam regresi antara SPI dan NDVI. Penambahan prediktor ini meningkatkan koefisien determinasi sekitar 5 hingga 20 % sehingga memperkuat model kausal SPI dan NDVI di Kabupaten Ngawi.
====================================================================================================================================
The Ngawi Region is one of the largest rice-producing areas in the East Java Province. Monitoring drought in this area is essential to ensure the sustainability of agricultural activities, particularly rice production. This study aims to analyze the causal relationship between meteorological drought, as measured by the Standardized Precipitation Index (SPI), and agricultural drought, as indicated by the Normalized Difference Vegetation Index (NDVI) in Ngawi Region. In processing SPI, spatial rainfall data (RR) is required, which can be directly estimated using satellite observations (RR-Satellite). However, this data often contains relatively large errors compared to actual ground-based RR observations. One way to address this issue is by blending RR-Satellite data with ground-based RR observations (RR-Obs) using the Kriging with External Drift (KED) interpolation method, where RR-Satellite data serves as the external drift. In this study, four satellite data sources (CHIRP, CMORPH, GSMAP_V8, and GPMF) were used as drift or auxiliary information to obtain monthly RR-Blended data at 26 rainfall stations in the Ngawi Region, East Java Province, covering the period from 2001 to 2023.
Results from tests using Leave-One-Out Cross Validation (LOOCV) showed that RR-Blended using CHIRP (bCHIRP) provided the best accuracy for climatological scales, with KGE > 0.3 and TSS > 0.65, outperforming the other satellite sources. However, at the temporal scale from January to December, bCMORPH and bIMERG also produced better results. We conclude that each satellite has its advantages depending on the time and location. Therefore, we recommend the use of a weighted CH-Blended from all satellites as the optimal method for obtaining the best RR-Blended for the Ngawi Region. Most of the cross-correlation results between SPI-1 and NDVI in the Ngawi Region showed a strong correlation at a Lag +1 condition, indicating that changes in SPI during month t can affect NDVI in month t+1 (the following month). In contrast, a strong cross-correlation between SPI-3 and NDVI occurred at the same time (Lag 0), suggesting that the accumulation of rainfall reduction over three months directly impacts NDVI. After conducting an Autocorrelation Function (ACF) analysis on NDVI, the optimal lag NDVI was added as a predictor in the regression between SPI and NDVI. The inclusion of this predictor increased the coefficient of determination by approximately 5 to 20%, thereby strengthening the causal model between SPI and NDVI in the Ngawi Region.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Blending curah hujan; Kekeringan Meteorologis; Kekeringan Pertanian; Rainfall Blending; Meteorological Drought; Agricultural Drought
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing G Geography. Anthropology. Recreation > GA Mathematical geography. Cartography > GA102.4.R44 Cartography--Remote sensing S Agriculture > S Agriculture (General) > S600.7.R35 Rain and rainfall
Divisions:	Faculty of Civil Engineering and Planning > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Joko Budi Utomo
Date Deposited:	21 Jul 2025 01:41
Last Modified:	21 Jul 2025 01:41
URI:	http://repository.its.ac.id/id/eprint/119993

Actions (login required)

View Item