Analisis Spasio-Temporal Hubungan Vegetasi, Land Surface Temperature, dan Urban Heat Island di Jakarta Sebelum, Saat, dan Setelah Pandemi COVID-19

Muhammad Subhan An-Nizami; Nur Fitri Rahmadani; Ahmad Ijmal Alfarossi; Imma Redha Nugraheni

doi:10.23960/jgrs.ft.unila.436

Muhammad Subhan An-Nizami Program Studi Meteorologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Nur Fitri Rahmadani Program Studi Meteorologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Ahmad Ijmal Alfarossi Program Studi Meteorologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika
Imma Redha Nugraheni Program Studi Meteorologi, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika

DOI: https://doi.org/10.23960/jgrs.ft.unila.436

Keywords: COVID-19, Jakarta, Landsat-8, land surface temperature, NDVI, urban heat island, urbanisasi

Abstract

Urban Heat Island (UHI) merupakan salah satu permasalahan lingkungan utama di wilayah metropolitan seperti Jakarta yang dipengaruhi oleh urbanisasi dan perubahan tutupan lahan. Penelitian ini bertujuan untuk menganalisis dinamika spasio-temporal UHI di Jakarta sebelum (September 2019), saat (September 2020), dan setelah (September 2023) pandemi COVID-19. Penelitian menggunakan citra Landsat-8 OLI/TIRS Collection 2 Level-1 yang diolah dengan perangkat lunak Sistem Informasi Geografis (SIG) untuk memperoleh parameter Normalized Difference Vegetation Index (NDVI), Land Surface Temperature (LST), dan distribusi UHI. Hasil penelitian menunjukkan bahwa wilayah Jakarta didominasi oleh area non-vegetasi pada seluruh periode pengamatan. Pada September 2020 terjadi peningkatan luas vegetasi dibandingkan tahun 2019, yang diikuti oleh penurunan suhu maksimum permukaan dan berkurangnya luas area UHI intensitas tinggi (UHI 2). Namun, pada September 2023 area non-vegetasi kembali meningkat disertai peningkatan area UHI 2 dibandingkan tahun 2020. Analisis korelasi NDVI dan LST menunjukkan hubungan negatif pada seluruh periode pengamatan, yang mengindikasikan bahwa wilayah dengan vegetasi lebih tinggi cenderung memiliki suhu permukaan lebih rendah. Selain itu, intensitas UHI pada wilayah suburban menunjukkan variasi spasial yang berbeda dibandingkan wilayah urban, dengan intensitas yang cenderung lebih rendah pada kawasan dengan tutupan vegetasi lebih tinggi. Meskipun analisis dilakukan pada periode pengamatan terbatas untuk meminimalkan pengaruh musiman, variabilitas kondisi meteorologis antar tahun masih dapat memengaruhi dinamika NDVI dan LST yang diperoleh. Hasil penelitian menunjukkan bahwa dinamika UHI di Jakarta dipengaruhi oleh perubahan tutupan vegetasi, distribusi suhu permukaan, dan karakteristik kawasan perkotaan. Penelitian ini diharapkan dapat menjadi dasar dalam pengembangan strategi mitigasi UHI melalui optimalisasi ruang terbuka hijau dan pengelolaan lingkungan perkotaan yang berkelanjutan.

References

Ali, G., Abbas, S., Qamer, F. M., Wong, M. S., Rasul, G., Irteza, S. M., & Shahzad, N. (2021). Environmental impacts of shifts in energy, emissions, and urban heat island during the COVID-19 lockdown across Pakistan. Journal of Cleaner Production, 291. https://doi.org/10.1016/j.jclepro.2021.125806

Chakraborty, T. C., Sarangi, C., & Lee, X. (2021). Reduction in human activity can enhance the urban heat island: Insights from the COVID-19 lockdown. Environmental Research Letters, 16(5). https://doi.org/10.1088/1748-9326/abef8e

Department of the Interior U.S. Geological Survey. (2019). Landsat 8 (L8) Data Users Handbook.

Dinas Cipta Karya, T. R. dan P. P. D. J. (2026). Jakarta Satu (Satu Peta, Satu Data, Satu Kebijakan). https://jakartasatu.jakarta.go.id/geoportal

Fajrin, F., & Driptufany, D. M. (2019). Identifikasi Urban Heat Island Kota Padang Menggunakan Teknik Pengindraan Jauh dan Sistem Informasi Geografis. Jurnal Teknik Sipil ITP, 6(1), 1–7. https://doi.org/10.21063/JTS.2019.V601.01

Hardianto, A., Dewi, P. U., Feriansyah, T., Sari, N. F. S., & Rifiana, N. S. (2021). Pemanfaatan Citra Landsat 8 Dalam Mengidentifikasi Nilai Indeks Kerapatan Vegetasi (NDVI) Tahun 2013 dan 2019 (Area Studi: Kota Bandar Lampung). Jurnal Geosains dan Remote Sensing, 2(1), 8–15. https://doi.org/10.23960/jgrs.2021.v2i1.38

Jallu, S. B., Shaik, R. U., Srivastav, R., & Pignatta, G. (2022). Assessing the effect of covid-19 lockdown on surface urban heat island for different land use /cover types using remote sensing. Energy Nexus, 5. https://doi.org/10.1016/j.nexus.2022.100056

Jatayu, A., & Susetyo, C. (2018). Analisis Perubahan Temperatur Permukaan Wilayah Surabaya Timur Tahun 2001-2016 Menggunakan Citra LANDSAT. Jurnal Teknik ITS, 6(2). https://doi.org/10.12962/j23373539.v6i2.24504

Khairu Nissa, N., Nugraha, Y., Finola, C. F., Ernesto, A., Kanggrawan, J. I., & Suherman, A. L. (2020). Evaluasi Berbasis Data: Kebijakan Pembatasan Mobilitas Publik dalam Mitigasi Persebaran COVID-19 di Jakarta. Jurnal Sistem Cerdas, 3(2), 84–94. https://doi.org/10.37396/jsc.v3i2.77

Lasaiba, M. A. (2022). Perkotaan dalam Perspektif Kemiskinan, Permukiman Kumuh dan Urban Heat Island (Suatu Telaah Literatur). GEOFORUM, 1(2), 63–72. https://doi.org/10.30598/geoforumvol1iss2pp63-72

Liu, Z., Lai, J., Zhan, W., Bechtel, B., Voogt, J., Quan, J., Hu, L., Fu, P., Huang, F., Li, L., Guo, Z., & Li, J. (2022). Urban Heat Islands Significantly Reduced by COVID‐19 Lockdown. Geophysical Research Letters, 49(2). https://doi.org/10.1029/2021GL096842

Maru, R. (2015). Urban Heat Island dan Upaya Penanganannya. https://api.semanticscholar.org/CorpusID:132427271

Ngie, A., Abutaleb, K., Ahmed, F., Darwish, A., & Ahmed, M. (2014). Assessment of urban heat island using satellite remotely sensed imagery: a review. South African Geographical Journal= Suid-Afrikaanse Geografiese Tydskrif, 96(2), 198–214.

Putra, C. D., Ramadhani, A., & Fatimah, E. (2021). Increasing Urban Heat Island area in Jakarta and it’s relation to land use changes. IOP Conference Series: Earth and Environmental Science, 737(1), 012002. https://doi.org/10.1088/1755-1315/737/1/012002

Roshan, G., Sarli, R., & Fitchett, J. M. (2022). Urban heat island and thermal comfort of Esfahan City (Iran) during COVID-19 lockdown. Journal of Cleaner Production, 352, 131498. https://doi.org/10.1016/j.jclepro.2022.131498

Saputra, A., Ibrahim, M. H. Bin, Ali, S. S. S., Gomez, C., Priyana, Y., Jumadi, Sunariya, M. I. T., Danardono, Wibowo, A. A., Sigit, A. A., Amin, C., Hadibasyir, H. Z., Priyono, K. D., Fluorida, K., Syaifudin, A., & Hafidzin, R. (2024). Jakarta and Greater Kuala Lumpur Urban Heat Island During The Pandemic of Covid-19. Geographia Technica, 19(2), 282–296. https://doi.org/10.21163/GT_2024.192.22

Saputra, A., Ibrahim, M. H., Shofirun, S., Saifuddin, A., & Furoida, K. (2022). Assessing urban heat island in Jakarta, Indonesia during the pandemic of Covid-19. IOP Conference Series: Earth and Environmental Science, 986(1), 012069. https://doi.org/10.1088/1755-1315/986/1/012069

Subzar Malik, M., Prakash Shukla, J., & Mishra, S. (2019). Relationship of LST, NDBI and NDVI using Landsat-8 data in Kandaihimmat Watershed, Hoshangabad, India. Dalam Indian Journal of Geo Marine Sciences (Vol. 48, Nomor 01).

Suharso, Y. (2014). Proses dan dampak urbanisasi. Majalah Ilmiah Pawiyatan, 21(2), 114–125.

Sultana, S., & Satyanarayana, A. N. V. (2018). Urban heat island intensity during winter over metropolitan cities of India using remote-sensing techniques: impact of urbanization. International Journal of Remote Sensing, 39(20), 6692–6730. https://doi.org/10.1080/01431161.2018.1466072

Sunaryo, D. K., & Iqmi, M. Z. (2015). Pemanfaatan citra landsat 8 untuk pendeteksian dan mengetahui hubungan kerapatan vegetasi terhadap suhu permukaan. Spectra, 13(25), 55–72.

Tsou, J., Zhuang, J., Li, Y., & Zhang, Y. (2017). Urban heat island assessment using the Landsat 8 data: a case study in Shenzhen and Hong Kong. Urban Science, 1(1), 10.

United Nations. (2018, Mei 16). 2018 Revision of World Urbanization Prospects. https://www.un.org/en/desa/2018-revision-world-urbanization-prospects

Weng, Q., Lu, D., & Schubring, J. (2004). Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies. Remote Sensing of Environment, 89(4), 467–483. https://doi.org/10.1016/j.rse.2003.11.005