REGIONAL:
Suara.com - Untuk memetakan spesies pohon dari citra satelit selama ini bukan pekerjaan mudah. Kondisi medan yang curam, tutupan awan tebal, hingga kebutuhan komputasi yang besar membuat pemetaan hutan dengan skala luas masih menjadi tantangan.
Namun, saat ini peneliti dari Universitas Cambridge tengah mengembangkan pendekatan berbasis kecerdasan buatan (AI) yang mampu memetakan spesies pohon menjadi lebih akurat dengan mengandalkan komputer. Temuan ini berpotensi dalam meringankan pengeluaran biaya operasional dan memperluas pemantauan hutan.
Penelitian yang diterbitkan dalam jurnal Science of Remote Sensing itu memanfaatkan Tessera,sebuah model dasar geospasial untuk mengolah data satelit. Melalui teknologi tersebut, para peneliti berhasil memetakan persebaran 18 spesies pohon dan kelompok spesies di wilayah Trentino, Pegunungan Alpen, Italia.
Seorang peneliti pascadoktoral di Institut Penelitian Konservasi Cambridge sekaligus penulis utama studi ini, James Ball, menjelaskan bahwa pendekatan ini bisa membuka peluang untuk menghasilkan peta hutan berskala benua dengan biaya yang jauh lebih rendah dibandingkan metode konvensional.
"Tessera menjadi kekuatan yang mendemokratisasi penggunaan data satelit," kata James.
Menurutnya, dengan hadirnya teknologi tersebut dapat dimanfaatkan oleh berbagai wilayah yang tidak memiliki akses terhadap prasarana komputasi canggih.
"Tim yang tidak memiliki sumber daya komputasi besar tetap dapat menerapkannya untuk inventarisasi dan pemetaan hutan tanpa membutuhkan biaya maupun upaya yang besar," tambahnya.
Selama ini pemetaan spesies pohon dari luar angkasa menjadi tantangan terbesar. Hal ini disebabkan oleh perbedaan karakteristik yang dimiliki setiap pohon sehingga sulit dibedakan hanya dari satu citra satelit.
Salah satu wilayah yang menghadapi tantangan ini adalah pegunungan seperti di Trentino. Wilayah tersebut memiliki lereng yang curam dan sering tertutup awan. Parahnya adalah penggunaan satelit dengan sensor hiperspektral tidak selalu berhasil mengidentifikasi spesies dengan akurat.
Keunggulan dari Tessera adalah teknologi ini mampu menganalisis kumpulan citra satelit selama satu tahun penuh. Model ini akan menangkap perubahan musiman pada tajuk pohon, meliputi masa berbunga, menghasilkan biji, menggugurkan daun, hingga menumbuhkan kembali daun.
Perubahan pola tersebut ditangkap dan diolah menjadi representasi data yang dapat dimanfaatkan AI untuk membedakan spesies pohon.
Hasilnya memperlihatkan pendekatan ini berhasil mencapai tingkat keakuratan sekitar 82 persen. Angka tersebut melampau metode pemetaan hutan tradisional yang memiliki akurasi sekitar 73 hingga 79 persen.
Dalam penelitian yang sama, kemampuan Tessera juga dibandingkan dengan model dasar geospasial lain, yaitu AlphaEarth milik Google. Namun, Tessera dinilai lebih unggul dalam mengidentifikasi spesies pohon langka sekaligus memprediksi proporsi spesies pada setiap unit peta dengan lebih akurat.
Salah satu penulis penelitian sekaligus ahli ekologi hutan dari Fondazione Edmund Much Italia, Michele Dalponte, menjabarkan bahwa pemetaan tersebut mempunyai nilai penting bagi pengelolaan hutan di Trentino.
Sekitar tiga perempat kawasan hutan di wilayah itu merupakan milik publik dan dikelola secara aktif, sedangkan seperempat lainnya milik pribadi sehingga datanya sangat minim dianalisis.
"Teknologi ini memberi informasi mengenai komposisi spesies di lahan pribadi yang selama ini kurang terdokumentasi, sekaligus menambah detail spasial pada hutan publik," kata Dalponte.
Menurutnya, temuan ini menjadi alat penting bagi dinas kehutanan untuk mengidentifikasi spesies bernilai ekonomi maupun dalam menemukan titik-titik keanekaragaman hayati.
Selain menghasilkan peta yang lebih akurat, penelitian ini juga menyoroti pendekatan pembelajaran mesin bernama soft labels. Berbeda dengan metode pelatihan AI pada umumnya, teknik ini tetap memanfaatkan informasi yang diperoleh dengan memperhitungkan proporsi masing-masing spesies.
Menurut James, pendekatan tersebut memungkinkan AI untuk mendapatkan lebih banyak informasi dari data yang sebelumnya dianggap terlalu rumit untuk digunakan.
James berharap pendekatan ini dapat dikembangkan untuk menghasilkan pemetaan hutan otomatis dalam skala benua, sehingga mendukung pengelolaan hutan, konservasi keanekaragaman hayati, serta pemantauan karbon secara lebih efisien.
Ia sendiri telah menerapkan metode yang sama pada jaringan lebih dari 11.000 lokasi hutan di Amerika Latin.
"Hal ini membuka peluang untuk mengintegrasikan lebih banyak data dan melihat sejauh mana kita dapat mendorong hal ini untuk pemetaan hutan skala benua secara otomatis yang dapat mewakili lebih banyak ciri menariknya," pungkasnya dikutip dalam laman Phys.org, Jumat (31/7).
Penulis: Chairunisa
TERPOPULER
