Estimasi Carbon Stock dan Sekuestrasi Karbon Menggunakan LiDAR Serta Monitoring Kesehatan Vegetasi dengan Kamera Multispektral

Ila, Qarina Putri Amelia Nuri (2025) Estimasi Carbon Stock dan Sekuestrasi Karbon Menggunakan LiDAR Serta Monitoring Kesehatan Vegetasi dengan Kamera Multispektral. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6016241004-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (12MB) | Request a copy

Abstract

Teknologi LiDAR telah berkembang pesat dalam inventarisasi pohon yang memungkinkan pemodelan objek 3D pohon dengan akurasi tinggi. Mengingat produk LiDAR compact seperti TLS memiliki harga yang mahal, teknologi Low-cost Backpack LiDAR yang terintegrasi dengan Drone LiDAR dikembangkan untuk mengatasi hal tersebut. Penelitian ini bertujuan untuk mengevaluasi integrasi data point cloud dari Drone LiDAR dan Backpack LiDAR untuk pemodelan 3D pohon serta estimasi biomassa, carbon stock, dan sekuestrasi karbon. Hasil penelitian menunjukkan bahwa proses integrasi data LiDAR berhasil dengan tingkat akurasi yang baik (RMSE 0,144 m). Estimasi biomassa dengan metode LiDAR sebesar 11.004,710 kg menghasilkan nilai yang lebih rendah dibandingkan dengan pengukuran manual yang mencapai 15.022,098 kg yang mungkin disebabkan oleh keterbatasan LiDAR dalam menangkap struktur pohon, yang berkaitan dengan kepadatan point cloud. Kepadatan yang rendah dapat menyebabkan kurang optimalnya proses ekstraksi diameter at breast height (DBH), serta mengurangi akurasi penangkapan tinggi pohon. Kondisi ini dapat memicu akumulasi kesalahan dalam estimasi biomassa. Pengukuran carbon stock dan sekuestrasi karbon juga menunjukkan pola yang sama dengan carbon stock sebesar 5.172,214 ton dan sekuestrasi karbon 18.982,02 ton CO₂ pada LiDAR, sementara pengukuran manual mencatatkan 7.060,386 ton dan 25.911,62 ton CO₂,. Analisis korelasi NDVI dan biomassa menghasilkan R² = 0,6352, serta korelasi NDVI dan carbon stock dengan R² = 0,5279. Estimasi DBH dan tinggi pohon berdasarkan luas kanopi memberikan hasil yang cukup lemah dengan R² = 0,3212 dan R²=0,2417, sehingga diperlukan variabel tambahan untuk meningkatkan akurasi model. Temuan ini menunjukkan bahwa meskipun estimasi biomassa, carbon stock, dan sekuestrasi karbon menggunakan LiDAR memiliki keterbatasan, teknologi ini tetap efektif untuk pemetaan skala besar terutama di area dengan tutupan vegetasi yang kompleks dan sulit dijangkau secara detail dengan metode manual. ================================================================================================================================
LiDAR technology has advanced rapidly in tree inventory, enabling high-accuracy 3D modeling of tree objects. Given the high cost of compact LiDAR products such as Terrestrial Laser Scanning (TLS), a low-cost Backpack LiDAR integrated with Drone LiDAR has been developed to address this issue. This study aims to evaluate the integration of point cloud data from Drone LiDAR and Backpack LiDAR for 3D tree modeling and the estimation of biomass, carbon stock, and carbon sequestration. The results show that the LiDAR data integration process was successful with a good level of accuracy (RMSE 0.144 m). Biomass estimation using the LiDAR method resulted in 11.004,710 kg, which is lower than manual measurements of 15.022,098 kg. This discrepancy is likely due to LiDAR’s limitations in capturing tree structures, particularly related to point cloud density. Low density can hinder the optimal extraction of diameter at breast height (DBH) and reduce the accuracy of tree height detection, which can lead to error accumulation in biomass estimation. Carbon stock and carbon sequestration measurements followed a similar pattern, with LiDAR-based values at 5.172,214 tons and 18.982,02 tons of CO₂, respectively, compared to manual measurements of 7.060,386 tons and 25.911,62 tons of CO₂. NDVI and biomass correlation analysis yielded an R² of 0,6352, while the correlation between NDVI and carbon stock showed an R² of 0,5279. Estimations of DBH and tree height based on canopy area resulted in weaker correlations, with R² = 0,3212 and R² = 0,2417, indicating that additional variables are needed to improve model accuracy. These findings suggest that while LiDAR-based estimations of biomass, carbon stock, and carbon sequestration have limitations, the technology remains effective for large-scale mapping, especially in areas with complex vegetation cover that are difficult to access in detail using manual methods.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Carbon stock, Aboveground carbon stock (AGB), LiDAR (Light Detection and Ranging), Sekuestrasi Karbon, Indeks Vegetasi Carbon stock, Aboveground carbon stock (AGB), LiDAR (Light Detection and Ranging), Carbon Sequestration, Vegetation Index
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing S Agriculture > SD Forestry T Technology > TA Engineering (General). Civil engineering (General) > TA590 Topographical surveying
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Qarina Putri Amelia Nuri Ila
Date Deposited:	25 Jul 2025 07:19
Last Modified:	25 Jul 2025 07:19
URI:	http://repository.its.ac.id/id/eprint/121304

Actions (login required)

View Item