Pemantauan Suhu Permukaan Laut Menggunakan Teknologi Penderiaan Jauh
Suhu Permukaan Laut (SST) merupakan salah satu parameter oseanografi yang paling penting kerana ia memainkan peranan langsung dalam mengawal selia dinamik iklim, cuaca, produktiviti perikanan dan intensiti bencana hidrometeorologi. Perubahan kecil dalam SST boleh menjejaskan pembentukan awan, corak angin, arus laut dan taburan organisma marin. Dalam era perubahan iklim, keperluan untuk data SST yang tepat dan jangka panjang semakin mendesak. Salah satu pendekatan paling berkesan untuk menjalankan pemantauan SST yang meluas dan mampan adalah melalui teknologi penderiaan jauh berasaskan satelit.
kenapa Suhu Permukaan Laut Penting?
SST adalah suhu lapisan paling atas permukaan laut yang berinteraksi langsung dengan atmosfer. Nilai SST berkaitan erat dengan pertukaran panas dan uap air antara laut dan udara. Ketika SST meningkat, penguapan cenderung meningkat, yang dapat memicu pembentukan awan konvektif dan hujan ekstrem. Di sisi lain, SST yang lebih rendah dapat menghambat pembentukan awan hujan pada wilayah tertentu.
Dalam skala global, variasi SST menjadi indikator utama fenomena iklim seperti El Niño–Southern Oscillation (ENSO) dan Dipol Lautan Hindi (IOD). ENSO, misalnya, dapat mengubah pola hujan di Indonesia: El Niño sering dikaitkan dengan musim kemarau lebih panjang, sedangkan La Niña cenderung memicu curah hujan tinggi dan banjir. Karena itu, pemantauan SST menjadi fondasi penting untuk peringatan dini iklim dan cuaca.
Di bidang kelautan dan perikanan, SST membantu memetakan daerah potensial penangkapan ikan, terutama bila dikombinasikan dengan data klorofil-a, arus, dan tinggi muka laut. Banyak spesies ikan pelagis berkumpul di zona pertemuan massa air (front) yang sering terdeteksi dari gradien suhu. Pemantauan SST juga penting untuk menilai risiko pemutihan terumbu karang (coral bleaching) yang dipicu oleh anomali suhu tinggi yang berlangsung lama.
Konsep Penderiaan Jauh untuk Mengukur SST
Penderiaan jauh ialah teknik mendapatkan maklumat tentang objek tanpa sentuhan langsung, biasanya melalui sensor yang menangkap sinaran elektromagnet. Bagi SST, sensor satelit biasanya menggunakan dua jenis panjang gelombang:
1. Inframerah termal (Thermal Infrared/TIR)
Sensor TIR mengukur sinaran haba yang dipancarkan oleh permukaan laut. Kaedah ini popular kerana ia dapat memberikan resolusi spatial yang agak tinggi dan perincian halus. Walau bagaimanapun, kelemahannya ialah ia sangat dipengaruhi oleh litupan awan, kerana awan menyekat isyarat inframerah dari permukaan laut.
2. Gelombang mikro (Microwave)
Sensor gelombang mikro boleh menembusi awan nipis hingga sederhana, membolehkan pemerhatian SST di bawah keadaan mendung. Walau bagaimanapun, resolusi ruangnya biasanya lebih kasar daripada sensor inframerah dan ia lebih mudah terdedah kepada gangguan permukaan seperti hujan lebat atau angin kencang yang mengubah pancaran permukaan lautan.
Secara teknis, satelit tidak mengukur “temperatur” secara langsung, tetapi mengukur radiansi yang kemudian dikonversi menjadi suhu melalui algoritma yang mempertimbangkan emisivitas permukaan laut, kondisi atmosfer, dan kalibrasi sensor. Hasil yang diperoleh bisa berupa skin temperature (suhu “kulit” permukaan paling atas, diukur oleh inframerah) atau sub-skin/bulk temperature (lebih mendekati suhu beberapa milimeter hingga sentimeter, sering diaproksimasi oleh gelombang mikro). Perbedaan ini penting ketika data SST digunakan untuk studi tertentu, misalnya model cuaca, analisis panas laut, atau validasi in situ.
Sumber Data Satelit untuk Pemantauan SST
Pelbagai satelit menyediakan data SST yang boleh diakses untuk penyelidikan dan operasi. Beberapa contoh yang biasa digunakan termasuk:
– MODIS (Terra/Aqua) : menyediakan produk SST berbasis inframerah dengan cakupan global dan resolusi relatif baik, tetapi sangat dipengaruhi awan.
– VIIRS (Suomi NPP/NOAA-20) : penerus MODIS dengan kualitas radiometrik tinggi dan kinerja bagus untuk pemantauan harian.
– Sentinel-3 (SLSTR) : membawa sensor termal yang dirancang untuk pengukuran suhu permukaan dengan akurasi tinggi.
– AVHRR (NOAA series) : salah satu seri sensor klasik untuk SST jangka panjang, penting untuk studi tren iklim.
– AMSR2 (GCOM-W) dan sensor microwave lain: berguna untuk mengurangi “blind spot” akibat awan di wilayah tropis.
Selain produk tunggal, banyak lembaga menyediakan produk gabungan (multi-sensor blending) seperti analisis SST harian atau mingguan yang mengombinasikan inframerah, microwave, dan data in situ. Produk gabungan ini penting untuk meningkatkan cakupan data, mengurangi noise, dan memperbaiki akurasi.
Proses Pemprosesan Data SST daripada Satelit
Pemantauan SST menggunakan penderiaan jauh biasanya melalui peringkat berikut:
1. Akuisisi data
Data diperoleh daripada portal rasmi (cth. NASA, NOAA, EUMETSAT, Copernicus) dalam format seperti NetCDF atau HDF.
2. Pra-pemprosesan
Peringkat ini merangkumi pembetulan geometri, pemilihan jalur/saluran, pemotongan kawasan kajian dan pemeriksaan kualiti data menggunakan bendera kualiti.
3. Masking awan dan gangguan atmosfer
Untuk data inframerah, penyamaran awan merupakan langkah penting. Algoritma pengesanan awan biasanya menggunakan gabungan saluran dan ambang tertentu.
4. Konversi radiansi ke SST
Menggunakan algoritma tertentu (cth. tetingkap berpecah) yang menggabungkan berbilang saluran inframerah untuk mengurangkan kesan atmosfera.
5. Validasi dengan data in situ
Data pelampung, pelampung ARGO atau ukuran kapal digunakan untuk memeriksa bias dan ketepatan, dan untuk membuat pembetulan jika perlu.
6. Analisis spasial-temporal
Data dapat dianalisis untuk melihat pola musiman, tren jangka panjang, anomali SST, atau kejadian ekstrem seperti marine heatwave.
Cabaran dalam Pemantauan SST
Walaupun sangat bermanfaat, pemantauan SST berbasis penginderaan jauh memiliki sejumlah tantangan. Pertama, tutupan awan di wilayah tropis seperti Indonesia menyebabkan banyak data inframerah menjadi kosong (data gap). Kedua, perbedaan definisi suhu (skin vs bulk) dapat menimbulkan bias jika tidak disesuaikan dengan kebutuhan analisis. Ketiga, kondisi permukaan laut seperti hujan, angin, atau gelombang dapat memengaruhi pembacaan sensor microwave. Keempat, resolusi spasial dan temporal yang berbeda antar-sensor membuat proses penggabungan data memerlukan teknik statistik dan pemodelan yang baik.
Tambahan pula, kawasan pesisir pantai memberikan cabaran unik disebabkan oleh pengaruh daratan, kekeruhan, dan variasi suhu yang cepat dan kompleks. Piksel satelit yang mencampurkan isyarat darat dan laut (piksel campuran) boleh menyebabkan ralat anggaran suhu berhampiran garis pantai. Oleh itu, memilih produk dan resolusi yang betul adalah penting dalam kajian pesisir pantai.
Aplikasi Pemantauan SST di Indonesia
Indonesia sebagai negara kepulauan memiliki kepentingan besar terhadap informasi SST. Di sektor perikanan, peta SST harian dapat membantu nelayan dan otoritas menentukan zona potensial ikan. Dalam pengelolaan lingkungan, anomali SST yang tinggi dapat digunakan untuk memantau risiko pemutihan karang di wilayah seperti Bali, Nusa Tenggara, atau Raja Ampat. Untuk kebencanaan, pemantauan SST juga relevan dalam memahami kondisi yang mendukung pembentukan siklon tropis atau hujan ekstrem di perairan sekitar Indonesia.
Selain itu, SST berperan penting dalam studi dinamika monsun, upwelling di selatan Jawa–Nusa Tenggara, serta interaksi arus seperti Arus Lintas Indonesia (Indonesian Throughflow/ITF). Dengan memanfaatkan data satelit multi-temporal, peneliti dapat mengidentifikasi kapan dan di mana proses upwelling terjadi, yang umumnya ditandai oleh penurunan SST dan peningkatan produktiviti perairan.
penutup
Pemantauan Suhu Permukaan Laut menggunakan teknologi penginderaan jauh telah menjadi pilar utama dalam riset oseanografi modern dan layanan informasi kelautan. Dengan cakupan luas, pembaruan yang cepat, serta tersedia dalam arsip jangka panjang, data SST satelit memungkinkan analisis yang sulit dilakukan hanya dengan pengukuran in situ. Meski masih terdapat tantangan seperti gangguan awan, perbedaan jenis suhu, dan keterbatasan resolusi di wilayah pesisir, kemajuan sensor, algoritma, dan produk gabungan terus meningkatkan kualitas informasi SST.
Ke depan, integrasi data satelit dengan pengukuran in situ dan model osean-atmosfer akan semakin memperkuat kemampuan prediksi dan peringatan dini. Bagi Indonesia, pemanfaatan SST berbasis penginderaan jauh bukan hanya penting для riset, tetapi juga strategis untuk ketahanan pangan laut, mitigasi bencana, dan pengelolaan sumber daya kelautan yang berkelanjutan. Jika dikelola dengan baik, informasi SST dapat menjadi dasar pengambilan keputusan yang lebih tepat dalam menghadapi tantangan iklim dan dinamika laut yang semakin kompleks.
