<![CDATA[Kebakaran hutan di Kalimantan Selatan menunjukkan peningkatan tajam dalam frekuensi kejadian pada tahun 2023, bertepatan dengan kondisi kering yang terkait dengan fenomena El Niño. Meskipun jumlah kejadian kebakaran tinggi, tingkat keparahan kebakaran bervariasi di berbagai lokasi. Penelitian ini menganalisis faktor lingkungan yang mempengaruhi tingkat keparahan kebakaran hutan menggunakan Geographically Weighted Regression (GWR) untuk memodelkan variasi spasial. Keparahan kebakaran diukur menggunakan Differenced Normalized Burn Ratio yang diperoleh dari citra satelit. Prediktor lingkungan meliputi suhu udara, curah hujan total, ketinggian, dan kelembaban vegetasi, yang diperoleh dari data reanalisis ERA5 Land, SRTM, dan citra Landsat. Hasil menunjukkan bahwa keparahan kebakaran menunjukkan korelasi spasial positif, menunjukkan hubungan yang bervariasi secara spasial antara faktor lingkungan dan keparahan kebakaran. Dibandingkan dengan model Ordinary Least Squares global, model GWR memberikan daya penjelas yang lebih baik dan mengurangi autokorelasi spasial pada residual. Curah hujan total dan kelembaban vegetasi menunjukkan pengaruh spasial yang paling konsisten terhadap tingkat keparahan kebakaran, sementara suhu dan ketinggian memiliki efek yang lebih lemah dan lebih lokal. Temuan ini menunjukkan bahwa pemodelan spasial berguna untuk memahami variasi tingkat keparahan kebakaran hutan dan untuk mendukung strategi pengelolaan kebakaran yang spesifik lokasi.]]>
Copyrights © 2026
