Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Teluk Kelabat merupakan perairan semi terutup yang dapat dibagi ke dalam dua bagian yaitu Teluk Kelabat bagian Luar (T Luar) yang berbatasan langsung dengan laut Natuna dan Teluk Kelabat bagian Dalam (T Dalam) berhadapan pemukiman penduduk dan lima muara sungai. Penelitian tentang kandungan logam dalam tiga komponen ekosistem Teluk Kelabat (air, sedimen dan biota) dilakukan pada bulan Maret 2006 (musim barat) dan Juli 2006 (musim tenggara). Analisis logam berat terlarut, di sedimen dan biota menggunakan Spektofotometer Serapan Atom dengan nyala (Flame AAS). Hasil penelitian menunjukkan bahwa logam berat terlarut umumnya relatif rendah dengan kisaran sebagai berikut, Pb (1,0 ? 26,0 µg L-1 ), Cd (<0,1? 3,0 µg L-1 ), Cu (1?2,0 µg L-1 ) dan Zn (1,0?4,0 µg L-1 ). Konsentrasi rata-rata logam berat dalam sedimen Pb (11.46 mg kg-1 ), Cd (0,10 mg kg-1 ), Cu (2,50 mg kg-1 ) dan Zn (13,64 mg kg-1 ). Konsentrasi logam Pb, Cu dan Zn di sedimen T Dalam dapat mencapai dua kali lipat lebih tinggi dibanding T Luar, namun demikian ketiga konsentrasi logam tersebut tidak dipengaruhi oleh musim. Sebaliknya, konsentrasi logam Cd cenderung merata di sedimen dan sangat dipengaruhi musim. Konsentrasi logam Pb, Cd, Cu dan Zn pada ikan umumnya lebih rendah dibanding pada jenis kerang-kerangan. Akumulasi Pb dan Cu tertinggi oleh siput gonggong Strombus canarium, dan Cd dan Zn tertinggi oleh kerang darah Anadara sp.

Abstrak :
Banjir di perkotaan merupakan bencana yang signifikan karena banyaknya penduduk yang terkena dampaknya. Dalam kebanyakan kasus, banjir terjadi bersamaan dengan hujan lebat, sehingga jika diamati dari satelit yang menggunakan sensor optik, daerah tersebut tertutup awan. Penelitan ini mengusulkan framework baru untuk klasifikasi banjir daerah perkotaan menggunakan sensor satelit penginderaan jauh Synthetic Aperture Radar (SAR) yang mempunyai kemampuan menembus awan. Framework ini dikembangkan untuk mengklasifikasi daerah banjir dengan mempertahankan variasi temporalnya. Studi kasus yang digunakan adalah wilayah Jakarta menggunakan metode 3D CNN multi-sensor pada data Sentinel-1 (S-1) multi-temporal dan curah hujan rata-rata Climate Hazard Infrared Precipitation Sensor (CHIRPS). Data terdiri atas 24 scene S-1 dengan polarisasi ganda VV dan VH antara bulan Maret 2019-Februari 2020 yang terdiri dari 20 citra co-polarized dan cross-polarized yang terdiri dari 2 citra co-event, 18 citra pre-event, dan 4 citra post-event sebagai testing data dan data curah hujan dari CHIRPS. Training dilakukan dengan menggunakan hyperparameter 150 epoch, batch size sebesar 100, learning rate sebesar 0,001 dan komposisi data set training/testing digunakan 80/20. Hasil pengujian 3D CNN memberikan rata-rata overall accuracy sebesar 70,3% dengan waktu pemrosesan 113 detik untuk setiap epoch. Dengan hasil tersebut metode 3D CNN diharapkan mampu membantu mengestimasi luas area banjir yang akurat dan mengidentifikasi daerah yang berpotensi mengalami banjir dalam rangka deteksi dini/pencegahan banjir kota-kota lain di masa mendatang. ......Urban flooding is a significant catastrophe due to its widespread impact on the population. Typically, floods occur concurrently with heavy rainfall, rendering the affected area obscured by clouds when observed through optical sensors on satellites. To address this issue, a novel approach is proposed in this study, aiming to classify flooded urban areas using a remote sensing synthetic aperture radar (SAR) sensor on a satellite. Unlike optical sensors, SAR has the ability to penetrate clouds. The framework was developed by employing the 3D Convolutional Neural Network (CNN) method to preserve the temporal variability, which processed multi-temporal SAR data from Sentinel-1 (S-1) and average rainfall data from the Climate Hazards Infrared Precipitation Sensor (CHIRPS). The dataset used in this research comprised 24 S-1 scenes with Dual VV and VH polarization, covering the period between March 2019 and February 2020 divided into 2 co-event images, 18 pre-event images, and 4 post-event images, along with rainfall data from CHIRPS. The training phase employed hyperparameters of 150 epochs, batch size of 100, and learning rate at 0,001, with training/testing data split of 80/20. The 3D CNN achieved an average overall accuracy of 70.3%, with maximum accuracy at 71,4% and each epoch taking 113 seconds on average to process. These results demonstrate the potential of the 3D CNN method to accurately estimate the extent of flooding and identify areas at risk of flooding, thereby aiding early detection and flood prevention efforts in other cities in the future.

Abstrak :
Banjir merupakan bahaya hidrometeorologis dengan risiko paling tinggi dan luas secara global termasuk di Indonesia. DAS Citarum Hulu yang berada di Provinsi Jawa Barat, memiliki kondisi fisik dan iklim yang berpengaruh terhadap kejadian banjir. Model Soil and Water Assessment Tool (SWAT) merupakan semi-distributed dan continuous-time model mampu memperhitungkan bahaya banjir secara spasial dan temporal. Tujuan penelitian ini adalah menganalisis variasi spasial dan temporal debit aliran hasil simulasi model SWAT dan tingkat bahaya banjir di DAS Citarum Hulu periode 2000-2020. Pengolahan data berlangsung pada model SWAT dengan menggunakan variabel iklim, penggunaan lahan, jenis tanah, dan topografi. Model SWAT menghasilkan debit aliran untuk pengolahan tingkat bahaya banjir menggunakan Flood Exceedance Probability Index. Analisis spasial dan temporal adalah variasi debit dan tingkat bahaya banjir antara sub-sub DAS, serta antara periode simulasi (2000-2010 dan 2010-2020). Hasil pengolahan data menunjukkan bahwa debit hasil simulasi tertinggi berada di Sungai Citarum dengan variabilitas tertinggi berada di elevasi tertinggi dari DAS Citarum Hulu. Periode simulasi 2000-2010 memiliki variabilitas lebih tinggi. Variasi spasial tingkat bahaya banjir menunjukkan bahwa tingkat bahaya banjir tertinggi berada pada sepanjang Sungai Citarum, sub-sub DAS Cikapundung, serta hulu sub-sub DAS Ciwidey. Secara temporal, terjadi kenaikan dan penurunan tingkat bahaya banjir dari periode 2000-2010 hingga 2010-2020. ......Flood is a hydrometeorological hazard with the highest and most widespread risk globally, including in Indonesia. The Citarum Upper Watershed in West Java Province, has physical and climatic conditions that influence flood events. The Soil and Water Assessment Tool (SWAT) model is a semi-distributed and continuous-time model capable of calculating flood hazard spatially and temporally. The purpose of this study was to analyze the spatial and temporal variations in flow discharge from the SWAT model simulation and the level of flood hazard in the Upper Citarum watershed for the 2000-2020 period. Data processing takes place in the SWAT model using climate, land use, soil type, and topography variables. The SWAT model generates flow rates for processing flood hazard levels using the Flood Exceedance Probability Index. Spatial and temporal analysis is the variation of discharge and flood hazard level between sub-watersheds, as well as between simulation periods (2000-2010 and 2010-2020). The results of data processing show that the highest discharge from the simulation results is in the Citarum River with the highest variability in the highest elevation of the Upper Citarum watershed. The 2000-2010 simulation period has higher variability. Spatial variations in the level of flood hazard indicate that the highest level of flood hazard is along the Citarum River, the Cikapundung sub-watershed, and the upstream of the Ciwidey sub-watershed. Temporarily, there has been an increase and decrease in the level of flood hazard from the 2000-2010 to 2010-2020 period.