Peta global mudah diunduh, tetapi sulit dinilai. Satu lapisan bisa tajam, terbaru, dan gratis, namun tetap keliru untuk plot Anda. Cara menilainya yang jujur adalah membaca laporan validasi, jika ada, lalu melihat apa yang sebenarnya diukur.
Artikel ini merangkum angka-angka terpublikasi dari beberapa produk yang banyak dipakai. Polanya konsisten: akurasi bergantung pada kelas, lokasi, dan pertanyaan yang diajukan.
Angka Akurasi Terpublikasi
76,7%
akurasi keseluruhan global ESA WorldCover 2021 (v200)
50%
rata-rata galat baku CCI Biomass di hutan hujan tropis pada 100 m
1 km
resolusi produk biomassa grid GEDI L4B
ESA WorldCover: baik secara keseluruhan, tidak merata antarkelas
ESA WorldCover 2021 (versi 200) adalah peta tutupan lahan global 10 m dengan 11 kelas, dibuat dari citra Sentinel-1 dan Sentinel-2. Laporan validasinya menyebut akurasi keseluruhan 76,7 ± 0,5%, berdasarkan 2,16 juta unit sampel di 21.624 lokasi. Versi 2020 (v100) mencatat 74,4%.
Beberapa detail dalam laporan lebih penting daripada angka utamanya:
- Akurasi tiap benua di atas 72%, dengan nilai tertinggi di Asia sebesar 82,1%. - Tutupan pohon, lahan pertanian, perairan permanen, salju dan es, serta lahan terbuka atau vegetasi jarang memiliki akurasi kelas yang tinggi. - Semak, lahan basah herbaseus, serta lumut dan lumut kerak jauh lebih rendah. - Pada skala global, peta ini sedikit melebihkan luas pohon. - Peta 2020 dan 2021 memakai versi algoritma yang berbeda, sehingga selisih keduanya mencampur perubahan nyata dengan perubahan algoritma.
Poin terakhir inilah yang sering menjebak. Mengurangi satu tahun WorldCover dengan tahun lainnya tidak menghasilkan peta perubahan yang bersih.
CCI Biomass: sebuah target, dan galat yang bergantung pada skala
Proyek ESA Climate Change Initiative (CCI) Biomass memetakan biomassa di atas permukaan tanah (AGB) pada 100 m. Target yang dinyatakan adalah galat relatif di bawah 20% pada area dengan AGB di atas 50 Mg per hektare. Peta tahunan tersedia untuk 2005 hingga 2012 dan 2015 hingga 2024, lengkap dengan lapisan simpangan baku per piksel.
Anggaran ketidakpastian proyek itu sendiri lebih berhati-hati. Untuk hutan hujan tropis, rata-rata galat baku sekitar 50% pada resolusi 100 m dan sekitar 35% pada 1.000 m. Merata-ratakan area yang lebih luas menurunkan galat, karena galat acak saling meniadakan sebagian. Peta tidak dimasker ke hutan, dan pengguna diingatkan untuk memvalidasi perubahan serta tidak mengandalkan satu piksel.
AGB di sini didefinisikan sebagai massa kering oven seluruh bagian tumbuhan di atas tanah, tidak termasuk tunggul dan akar, sehingga belum menjadi stok karbon sebelum Anda menerapkan fraksi karbon dan menambahkan kumpulan karbon lainnya.
GEDI L4B: berbasis sampel, bukan cakupan penuh
LiDAR GEDI milik NASA mengambil sampel permukaan dalam jejak sekitar 25 m, dengan jarak sekitar 60 m sepanjang lintasan dan sekitar 600 m melintang. Produk L4B (versi 2) mengubah sampel tersebut menjadi kerapatan biomassa rata-rata 1 km untuk 19 April 2019 hingga 4 Agustus 2021, dengan galat baku yang mencerminkan pengambilan sampel sekaligus model di balik setiap estimasi jejak.
Sel 1 km berguna untuk gambaran regional. Ini bukan jawaban tingkat plot.
Target yang lebih kecil: kelapa sawit dan kakao
Pemetaan tanaman dan perkebunan menunjukkan seberapa besar hasilnya bergantung pada target dan usianya.
- Peta kelapa sawit 30 m di Indonesia, Malaysia, dan Thailand untuk 2017 memakai radar Sentinel-1 dan deret waktu Landsat. Peta ini mencatat tahun deteksi, dan penulisnya menyebut bahwa perkebunan muda baru dapat terdeteksi setelah beberapa tahun. - Di Riau, peta kelapa sawit dewasa yang hanya memakai Sentinel-1 tanpa memisahkan tipe mencapai akurasi keseluruhan 93,5%. - Di Ghana, random forest yang menggabungkan Sentinel-1 dan Sentinel-2 mengungguli masing-masing satelit, dengan akurasi keseluruhan 90,3% untuk kelapa sawit industri. - Dalam studi di Thailand, pengklasifikasi pesawat udara nirawak (UAV) mengungguli Sentinel-2 untuk kelapa sawit sehat, dengan akurasi keseluruhan 76,77%, dan untuk area campuran, dengan 67,22%. - Untuk kakao di Afrika Barat, evaluasi terhadap 14 set data menemukan bahwa peta resmi Ghana dan Pantai Gading paling akurat.
Setiap angka berasal dari lokasi, kelas, dan metode yang berbeda. Angka-angka itu tidak dapat dibandingkan satu sama lain, dan tidak ada yang menjadi jaminan umum untuk lokasi Anda.
Yang Masih Belum Ada
Riset di balik artikel ini mencari validasi per biom untuk beberapa lapisan populer, termasuk Hansen Global Forest Change, JRC Tropical Moist Forests, dan Dynamic World, dan tidak menemukannya dalam sumber yang dapat dibaca. Tidak adanya angka dalam pencarian singkat bukan berarti tidak ada studi. Namun, Anda sebaiknya tidak mengutip angka akurasi untuk lapisan tersebut tanpa membuka makalah di baliknya.
Cara Singkat Membaca Peta Apa Pun
1. Cari laporan validasi, bukan halaman produk. 2. Periksa kelas yang Anda butuhkan, bukan angka keseluruhan. Akurasi keseluruhan bisa menyembunyikan kelas yang lemah. 3. Periksa skalanya. Galat yang dapat diterima untuk satu kabupaten bisa tidak dapat diterima untuk satu plot. 4. Periksa tahun dan versi algoritma sebelum menghitung perubahan. 5. Siapkan sampel lapangan untuk menguji peta di lokasi Anda.
Artikel kami tentang validasi biomassa satelit dengan plot lapangan membahas sisi lapangannya, dan perbandingan sumber data satelit terbuka membahas masukan datanya.
Pertanyaan yang Sering Diajukan
Versi 2021 (v200) memiliki akurasi keseluruhan global 76,7 ± 0,5%, menurut laporan validasinya. Versi 2020 mencatat 74,4%. Akurasi berbeda menurut kelas dan benua.
Memilih Peta untuk Pemeriksaan Kepatuhan?
Angka akurasi utama baru sebatas awal. Jika Anda sedang menentukan lapisan mana yang layak dipercaya untuk pemeriksaan tingkat plot, kami siap membahas pertimbangannya bersama Anda.



