Geography of Carbon Trade:
Model Perhitungan Karbon Terestrial dan Aplikasinya di Indonesia

Rokhmatuloh dan Rudy P. Tambunan
Departemen Geografi FMIPA UI
Kampus UI Depok, Gedung H FMIPA UI, Depok 16424, Indonesia
Telp./Faks.: 021-7270030
Email: rokhmatuloh.ssi@ui.edu


Abstrak

Perubahan iklim dipengaruhi oleh kegiatan-kegiatan manusia yang menghasilkan emisi gas rumah kaca (GRK) di atmosfer. Meningkatnya konsentrasi karbon dioksida (CO2) sebanyak dua kali lipat akan meningkatkan suhu bumi sebesar 1,4-5,8° C. Negara-negara industri di bagian utara menghasilkan emisi antara 10 – 1.600 juta metrik ton Karbon, jauh melebihi negara-negara di bagian selatan. Perdagangan karbon (carbon trading) adalah salah satu mekanisme yang didorong dalam Protokol Kyoto sebagai upaya mengurangi dampak pemanasan global yang berlangsung saat ini. Dalam skema REDD (Reducing Emissions from Deforestation and Forest Degradation) ada 2 (dua) parameter yang digunakan untuk menilai keberhasilan skema tersebut yaitu perubahan luas tutupan lahan (forest cover change) dan perubahan stock karbon (carbon stock change). Penelitian ini memaparkan metode perhitungan luas tutupan hutan dan estimasi stock karbon menggunakan data penginderaan jauh. Luas tutupan hutan yang didapat akan digunakan untuk menghitung CO2 yang diserap oleh vegetasi atau dilepaskan ke atmosfer. Dengan mengetahui besarnya stock karbon yang terdapat pada vegetasi hutan maka akan memperkuat posisi Indonesia dalam proses tawar menawar di pasar perdagangan karbon global yang berlangsung saat ini.


1. Pendahuluan

1.1. Latar Belakang
Perubahan iklim dipengaruhi oleh kegiatan-kegiatan manusia yang menghasilkan emisi gas rumah kaca (GRK) di atmosfer. Peningkatan suhu bumi atau sering dikenal dengan pemanasan global merupakan hal yang nyata atas sejumlah pengamatan suhu udara dan samudera yang meningkat, meluasnya salju dan es yang meleleh dan kenaikan muka air laut rata-rata (IPCC, 2007). Kenaikan suhu bumi ini menjadi ancaman bagi kehidupan manusia dalam bentuk bencana kekeringan, banjir, tenggelamnya pulau-pulau, kelaparan, kesehatan, dan lain-lain.
Sepanjang abad ke-20, benua Asia telah mencatat rekor kenaikan suhu tertinggi 1° C (IPCC, 2007). Karena emisi akan tetap berada di atmosfer dalam waktu lama, pemanasan 10 tahunan sebesar 0,2° C hingga tahun 2030 diprediksi akan terjadi (IPCC, 2007). Menurut World Bank (2007), meningkatnya konsentrasi karbon dioksida (CO2) sebanyak dua kali lipat akan meningkatkan suhu bumi sebesar 1,4-5,8° C. Di Indonesia sendiri telah terjadi peningkatan suhu udara sebesar 0, 3° C sejak tahun 1990. Sementara di tahun 1998, suhu udara mencapai titik tertinggi, yaitu sekitar 1° C di atas suhu rata-rata tahun 1961-1990 (Hulme and Sheard, 1999). Skenario konsentrasi CO2, kenaikan suhu bumi dan kenaikan muka air laut rata-rata secara global sampai tahun 2100 diperlihatkan pada Tabel 1 di bawah ini. Menurut World Bank (2007), negara-negara industri di bagian utara menghasilkan emisi antara 10 – 1.600 juta metrik ton Karbon, jauh melebihi negara-negara di bagian selatan yang menghasilkan emisi 0 – 100 juta metrik ton Karbon. Gambar 1 memperlihatkan sebaran emisi Karbon Dioksida (CO2) yang dihasilkan oleh negara-negara di dunia berdasarkan laporan World Bank tahun 2007.
Tabel 1. Konsentrasi CO2 menurut skenario IPPC tahun 2001
Sumber: IPCC, 2001
Sumber: World Bank, 2007
Gambar 1. Total emisi Karbon Dioksida (CO2) pada masing-masing negara di dunia

Protokol Kyoto merupakan sebuah kesepakatan yang menjadi kelanjutan dari berbagai kesepakatan penyelamatan bumi akibat pemanasan global. Protokol Kyoto mewajibkan sejumlah negara industri untuk menurunkan emisi GRK sebesar 5,2 persen dari tingkat emisi tahun 1990 hingga akhir tahun 2012. Untuk mencapai target pengurangan emisi GRK, Protokol Kyoto mengadopsi beberapa mekanisme yaitu perdagangan karbon (carbon trading), implementasi bersama (joint implementation), dan mekanisme pembangunan bersih (CDM-clean development mechanism). Ada dua jenis perdagangan karbon yang dikenal saat ini yaitu perdagangan emisi (emission trading) dan perdagangan kredit berbasis proyek (trading in project based credit). Gambar 2 memperlihatkan negara-negara non-Annex 1 atau negara-negara yang tidak diharuskan mengurangi emisi yang potensial untuk dijadikan lokasi kegiatan pengurangan emisi baik dalam bentuk perdagangan karbon maupun CDM (IPCC, 1995).
Perdagangan karbon (carbon trading) adalah salah satu skema yang didorong dalam upaya mengurangi dampak pemanasan global yang berlangsung saat ini. Walaupun banyak pihak yang menolak skema ini karena dianggap lebih menguntungkan negara-negara industri (negara-negara Annex 1 dalam Protokol Kyoto) yang diperbolehkan terus menghasilkan emisi asalkan memberikan kompensasi yang salah satunya dalam bentuk penanaman pohon dan pelestarian hutan di negara-negara selatan termasuk di Indonesia (skema REDD-Reducing Emissions from Deforestation and Forest Degradation dalam Bali Road Map 2007).
Vegetasi hutan tropis memiliki peran yang kuat dalam perubahan iklim lokal dan global, dan memiliki peran penting dalam fluktuasi karbon global (IPCC, 1996; Dixon et al., 1994). Vegetasi menyerap CO2 di atmosfer (carbon sink) melalui proses fotosintesis dan menyimpan karbon dalam struktur tanaman (Dixon et al., 1994). Dalam skema REDD ada 2 (dua) parameter yang digunakan untuk menilai keberhasilan skema tersebut yaitu perubahan luas tutupan lahan (forest cover change) dan perubahan stock karbon (carbon stock change) (IFCA, 2007).
Penelitian ini memaparkan metode perhitungan luas tutupan hutan dan estimasi stock karbon menggunakan data penginderaan jauh. Teknologi penginderaan jauh merupakan teknologi yang sangat bermanfaat dalam membantu melakukan kajian perubahan tutupan lahan dan estimasi stock karbon karena memiliki kemampuan melakukan observasi terhadap muka bumi yang dilakukan secara sistematik, wilayah cakupan (area coverage) yang luas mencapai ribuan kilometer, dan waktu ulang perekaman (revisit orbit) yang singkat 2-3 hari.

1.2. Tujuan Penelitian
Tujuan utama penelitian ini adalah untuk melakukan perhitungan luas hutan dan melakukan estimasi stock karbon pada hutan yang ada di Indonesia dengan menggunakan teknologi penginderaan jauh. Luas tutupan hutan yang didapat digunakan untuk menghitung CO2 yang diserap oleh vegetasi atau dilepaskan ke atmosfer. Dengan mengetahui besarnya stock karbon yang dimiliki maka akan memperkuat posisi Indonesia dalam proses tawar menawar di pasar perdagangan karbon global. Metode estimasi yang dihasilkan juga dapat digunakan untuk memonitor keberhasilan implementasi konsep REDD yang saat ini sudah mulai dilakukan di beberapa tempat di Indonesia.


Sumber: IPCC, 1995
Gambar 2. Negara-negara penandatangan Protokol Kyoto yang potensial menjadi lokasi kegiatan
pengurangan emisi karbon (Non-annex 1 countries).

2. Ekstraksi Tutupan Hutan dan Estimasi Stock Karbon

2.1. Ekstraksi Tutupan Hutan dengan Metode Regression Tree
Luas tutupan vegetasi diperoleh dengan menggunakan metode regression tree dengan data MODIS 250 meter digunakan sebagai variabel input, dan data QuickBird 60 cm digunakan sebagai data training untuk mendapatkan variable target. Model yang didapat kemudian diaplikasikan ke seluruh piksel pada area penelitian untuk mendapatkan luas tutupan vegetasi per piksel untuk seluruh wilayah Indonesia. Pendekatan utama yang dipakai dalam penelitian ini terdiri dari 5 step:
1. Menghitung luas tutupan hutan menggunakan metode klustering (unsupervised clusterring),
2. Merubah data komposit 8 harian menjadi data komposit bulanan untuk mengurangi besarnya volume data dan kecepatan analisis,
3. Membuat variabel pemrediksi seperti variabel reflektan permukaan (surface reflectance) dan NDVI (Normalized Differentiation Vegetation Index) yang diperoleh dari data MODIS,
4. Interpolasi secara spasial model yang didapat dari metode regression tree untuk seluruh area penelitian,
5. Konversi luas hutan menjadi total biomassa, estimasi karbon dan CO2 untuk wilayah Indonesia.
Metode regression tree merupakan salah satu metode pemodelan prediktif (predictive modeling) yang menghasilkan aturan if-then (if-then rule) yang mudah dipahami sehingga memudahkan proses pengkelasan yang dilakukan. Metode regression tree membagi data menjadi beberapa segmen yang disebut node terminal (terminal node) atau daun (leaves) yang homogen terkait dengan variable targetnya. Pemecahan ditentukan berdasarkan variabel input yang digunakan dan memungkinkan hubungan prediktif (predictive relationship) antara variabel input dan variabel target. Kehomogenan node terminal diukur berdasarkan persamaan berikut (Breiman et al., 1984):
D = ∑ (Yt – Yi)2
dimana D adalah total pengurangan nilai deviasi, Yt adalah variabel target dan Yi adalah nilai deviasi yang diukur dari rata-rata nilai variabel target.
Keuntungan metode regression tree adalah kemampuan menghasilkan keluaran yang sederhana sehingga memudahkan untuk dipahami dan diinterpretasi, tidak memerlukan waktu yang banyak dalam proses komputasinya, dan kemampuan mengolah data proporsi atau data kontinyu seperti data luas tutupan hutan yang memiliki kisaran 0 sampai 100 persen.

Gambar 3. Pemisahan (Splitting) data untuk membentuk subset yang homogen dalam metode regression tree.

Gambar 4. Tutupan hutan yang diperoleh dari citra MODIS

Perbandingan akurasi yang didapatkan antara metode regression tree dengan metode regresi linear sederhana menunjukkan bahwa regression tree menghasilkan kesalahan yang lebih kecil (RMSE= 11,71) bila dibandingkan dengan regresi linear sederhana yang menghasilkan RMSE= 22,13. Gambar 5 merupakan scatter plot yang menunjukkan perbandingan akurasi dari 2 (dua) metode di atas. Semakin dekat dengan garis diagonal semakin tinggi akurasi yang didapat. Keakurasian metode regression tree ditunjukkan oleh sebaran titik validasi-prediksi yang mengelompok terutama pada training data 0 - 20 persen dan 90 - 100 persen. Berbeda dengan sebaran titik validasi-prediksi yang dihasilkan oleh metode regresi linear sederhana yang tersebar menjauhi garis diagonal pada hampir semua persentase tutupan hutan.

(a)
(b)
Gambar 5. Scatter plot perbandingan akurasi antara (a) metode regression tree dengan (b) metode
regresi linear sederhana

2.2. Estimasi Stock Karbon
Stock karbon adalah jumlah absolut karbon yang berada di permukaan dan di dalam tanah dalam satu satuan waktu tertentu (Price et al., (1997), Kurz (1999), dan James (2005)). Dalam penelitian ini estimasi stock karbon dibatasi hanya yang terdapat pada vegetasi hutan. Estimasi karbon stock dilakukan dengan menggunakan data luas tutupan vegetasi dikalikan dengan data biomassa dan faktor konversi biomass-karbon (IPCC, 1996). Data luas tutupan hutan diperoleh dengan menggunakan metode regression tree seperti dibahas pada uraian sebelumnya.
Pengukuran karbon pada biomass hidup (living biomass) dilakukan dengan menkonversi luas tutupan hutan dikalikan dengan faktor volume vegetasi. Total berat karbon yang didapat dikalikan dengan faktor konversi karbon-CO2 (CFS, 2000). Persamaan-persamaan tersebut dapat dilihat seperti di bawah ini:
Total volume vegetasi = volume vegetasi x 1,454 x 0,396
Total biomass = luas tutupan vegetasi x total volume vegetasi
Total karbon = total biomass x 0,5
Total CO2 = total karbon x 3,6667

dimana 1,454 adalah faktor konversi volume dahan dan ranting vegetasi, 0,396 adalah faktor konversi volume vegetasi bawah (below-ground volume), 0,5 faktor konversi biomass-karbon, dan 3,6667 adalah faktor konversi karbon CO2 (IPCC, 1997; CFS, 2000) (lihat Gambar 6). Gambar 7 memperlihatkan keseluruhan metodologi yang digunakan dalam penelitian ini.


Gambar 6. Estimasi stock karbon Indonesia (terrestrial carbon) yang diperoleh dalam
penelitian ini

3. Kesimpulan
Negara-negara industri di bagian utara menghasilkan emisi antara 10 – 1.600 juta metrik ton Karbon, jauh melebihi negara-negara di bagian selatan yang menghasilkan emisi 0 – 100 juta metrik ton Karbon. Untuk mencapai target pengurangan emisi GRK, Protokol Kyoto mengadopsi beberapa mekanisme yaitu perdagangan karbon, implementasi bersama, dan CDM. Dalam skema REDD ada 2 (dua) parameter yang digunakan untuk menilai keberhasilan skema tersebut yaitu perubahan luas tutupan lahan (forest cover change) dan perubahan stock karbon (carbon stock change).
Metode regression tree yang digunakan untuk mendapatkan informasi luasan tutupan hutan dan estimasi stock karbon memiliki akurasi tinggi bila dibandingkan dengan metode regresi linear sederhana. Luasnya wilayah cakupan dan waktu ulang perekaman yang singkat yang didapatkan dari data penginderaan jauh sangat membantu dalam melakukan pengkajian perubahan luas tutupan hutan dan stock karbon di Indonesia. Besaran stock karbon yang telah diketahui dapat digunakan sebagai alat pembuktian ilmiah bagi Indonesia dalam proses tawar menawar di pasar perdagangan karbon global yang berlangsung saat ini.


Referensi
Breiman L., Friedman J., Olshen R., and Stone C., Classification and regression trees, Chapman and Hall, New York, 358p., 1984.
CFS (Canadian Forest Service), Carbon budget accounting at forest management level: An overview of issues and methods, Natural Resources Canada, 13p., 2000.
Dixon R.K., Brown S., Houghton R.A., Solomon A.M., Trexler M.C., and Wisniewski J., 1994, Carbon pools and flux of global forest ecosystem, Science, 263, pp. 185-190.
Hulme, M. and Sheard, N. Climate change scenarios for Indonesia. Leaflet CRU and WWF. Climatic Research Unit. UEA, Norwich, UK. 1999 .
IFCA (Indonesia Forest Climate Alliance), REDDI – Reducing emission from deforestation and degradation in Indonesia: REDD methodology and strategies, Departemen Kehutanan, Jakarta, 66p, 2007
IPCC, Climate Change 1995: A report of the interegovernmental panel on climate change, IPCC report, Geneva, Switzerland, 64p., 1995.
IPCC, Climate Change 1995: The IPCC second assessment report: Scientific-technical analyses of impacts, adaptations, and mitigation of climate change, Cambridge University Press, Cambridge, pp. 427–467, 1996.
IPCC, Stabilization of Atmospheric Greenhouse Gases: Physical, biological and socio-economic implications, IPCC Technical Paper III, Geneva, Switzerland. 41p., 1997
IPCC, Climate Change 2001: Impacts, adaptation, and vulnerability. Summary for policymakers and technical summary of the working group II report. WMO-UNDP, 2001.
James S.E., 2005, Development of forest carbon stock and stock change baselines in support of the 2004 climate action plan for Maine, Proceedings of the New England Society of American Foresters 85th Winter Meeting, March 16-18, 2005, Newtown Square, PA, USA.
Kurz, W.A., Beukema S.J., and Apps. M.J., 1998. Carbon budget implications of the transition from natural to managed disturbance regimes in forest landscapes, Mitigation and Adaptation Strategies for Global Change, 2, pp. 405–421.
Price, D.T., Halliwell, D.H., Apps. M.J., Kurz W.A., and Curry S.R., 1997, Comprehensive assessment of carbon stocks and fluxes in a Boreal-Cordilleran forest management unit, Canadian Journal Forest Reearch, 27, pp.2005-20105.
UNFCCC (United Nations Framework Convention on Climate Change), Press Release: UN Breakthrough on climate change reached in Bali. 4 p., 2007.
World Bank. Little green data book 2007: Carbon dioxide emissions on the rise, warns World Bank publication, Washington, 240 p., 2007.

LAMPIRAN
Kyoto Protocol: Annex I countries (industrialized countries) :
Australia, Austria, Belarus, Belgium, Bulgaria, Canada, Croatia, Czech Republic, Denmark, Estonia, Finland, France, Germany, Greece, Hungary, Iceland, Ireland, Italy, Japan, Latvia, Liechtenstein, Lithuania, Luxembourg, Monaco, Netherlands, New Zealand, Norway, Poland, Portugal, Romania, Russian Federation, Slovakia, Slovenia, Spain, Sweden, Switzerland, Turkey, Ukraine, United Kingdom, United States of America
Kyoto Protocol - Annex II countries (developed countries which pay for costs of developing countries):
Australia, Austria, Belgium, Canada, Denmark, Finland, France, Germany, Greece, Iceland, Ireland, Italy, Japan, Luxembourg, Netherlands, New Zealand, Norway, Portugal, Spain, Sweden, Switzerland, United Kingdom, United States of America
Catatan: USA sampai saat ini belum meratifikasi Protocol Kyoto