Pendahuluan
Longsor merupakan salah satu bencana geologi yang paling sering terjadi di wilayah berbukit dan pegunungan di Indonesia. Faktor penyebabnya meliputi kondisi geologi, kemiringan lereng, jenis tanah, curah hujan, hingga aktivitas manusia. Untuk melakukan identifikasi dini terhadap potensi longsor, diperlukan teknologi pemetaan yang akurat dan mampu menggambarkan kondisi morfologi permukaan secara detail. GeoLiDAR (Geospatial Light Detection and Ranging) hadir sebagai teknologi pemetaan berbasis laser scanning yang menghasilkan model permukaan beresolusi tinggi. Data GeoLiDAR mampu menangkap variasi bentuk lahan, struktur lereng, dan pola aliran air, sehingga sangat efektif dalam analisis kerawanan longsor berbasis morfometri lereng.
Konsep Dasar GeoLiDAR & Morfometri Lereng
Apa itu GeoLiDAR?
GeoLiDAR adalah sistem pemetaan geospasial menggunakan laser untuk menghasilkan point cloud yang merepresentasikan permukaan bumi. Output utamanya mencakup:
- DEM (Digital Elevation Model)
- DTM (Digital Terrain Model)
- DSM (Digital Surface Model)
- Hillshade, Slope, Aspect
- Kontur resolusi tinggi
Dari data ini, analisis morfometri dapat dilakukan dengan ketelitian tinggi.
Apa itu Morfometri Lereng?
Morfometri lereng adalah analisis kuantitatif bentuk permukaan bumi, khususnya karakteristik lereng yang memengaruhi stabilitas lahan. Parameter utamanya meliputi:
- Kemiringan lereng (Slope)
- Arah lereng (Aspect)
- Kelengkungan lereng (Curvature)
- Elevation & Relief
- Pola aliran permukaan (Flow Accumulation)
- TPI (Topographic Position Index)
Analisis ini penting sebagai dasar deteksi potensi longsor.
Metodologi Evaluasi GeoLiDAR dalam Deteksi Rawan Longsor
- Akuisisi dan Pra-proses Data GeoLiDAR
Tahapan awal mencakup:
- Pengambilan data LiDAR ALS atau TLS/SLAM sesuai kebutuhan
- Filtering point cloud (ground vs non-ground)
- Klasifikasi vegetasi, bangunan, dan permukaan tanah
- Pembuatan DEM/DTM beresolusi tinggi (0.25–1 meter)
Kualitas data sangat memengaruhi ketepatan analisis morfometri.
- Ekstraksi Parameter Morfometri Lereng
Dari data DEM dilakukan perhitungan:
- Slope Map: mengidentifikasi area curam yang berpotensi runtuh
- Aspect Map: melihat arah lereng terkait pola hujan dan matahari
- Profile & Plan Curvature: mendeteksi area cekung/cembung yang mempengaruhi akumulasi air
- Flow Accumulation: memetakan jalur aliran permukaan
- Ruggedness Index: mengukur tingkat kekasaran permukaan
- TWI (Topographic Wetness Index): mengidentifikasi area rawan jenuh air
- Overlay Kerawanan Menggunakan GIS
Parameter-parameter morfometri kemudian di-overlay dengan pendekatan pembobotan:
- Weighted Overlay
- Analytic Hierarchy Process (AHP)
- Logistic Regression Spatial
- Machine Learning (Random Forest, SVM)
Output akhirnya berupa Peta Zonasi Rawan Longsor:
- Kerawanan Rendah
- Kerawanan Sedang
- Kerawanan Tinggi
Hasil Evaluasi: Keunggulan Penggunaan GeoLiDAR
- Detail Morfologi Sangat Tinggi
GeoLiDAR mampu merekam relief permukaan secara akurat meskipun tertutup vegetasi lebat. Hal ini tidak dimiliki oleh citra satelit resolusi menengah.
- Deteksi Mikro-topografi
Fitur kecil seperti:
- rekahan tanah,
- alur erosi kecil,
- tebing mikro,
- bekas longsoran lama,
dapat teridentifikasi jelas.
- Akurasi Kemiringan Lereng yang Sangat Baik
DTM LiDAR memberikan slope calculation presisi tinggi karena:
- resolusi tinggi,
- error vertikal sangat kecil (±5–10 cm).
- Efisiensi Analisis Kawasan Luas
Area ribuan hektar dapat dipetakan dalam waktu singkat.
Kesimpulan
GeoLiDAR terbukti sangat efektif dalam deteksi kawasan rawan longsor melalui analisis morfometri lereng. Dengan menghasilkan DEM beresolusi tinggi, teknologi ini mampu menggambarkan detail bentuk permukaan bumi yang menjadi faktor utama dalam kerentanan longsor. Integrasi GeoLiDAR dengan parameter morfometri dan teknik analisis spasial mulai dari slope hingga algoritma machine learning memungkinkan penyusunan peta kerawanan yang lebih akurat dan dapat dijadikan dasar perencanaan mitigasi bencana oleh pemerintah daerah maupun konsultan geoteknik.



Leave a Reply
Want to join the discussion?Feel free to contribute!