| dc.identifier.citation | Croft, H., Kuhn, N.J., Anderson, K., 2012. On the use of remote sensing techniques for monitoring spatio-temporal soil organic carbon dynamics in agricultural systems. Catena 94: 64 – 74. Foody, G.M., D.S. Boyd, and M.E.J. Cutler. 2003. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between region. Remote Sensing of Environment, 85: 463-474. Lu, D., E. Moran, and M. Batistella. 2003. Linear mixture model applied to Amazonian vegetation classification. Remote Sensing of Environment 87: 456-469. Ndomba, P.M., Mtalo, F., Killingtveit, A. 2009. Estimating gully erosion contribution to large catchment sediment yield rate in Tanzania. Physics and Chemistryy of the Earth 34: 741 – 748. Ojigi, L.M., 2006. Analysis of spatial variations of Abuja Land use and land cover from image classification algorithms. ISPRS Commision VII Mid-Term Symposium, 8 – 11 May 2006. Enschede, The Netherlands. Olthof, I. And R.H. Fraser. 2007. Mapping northern land cover fractions using Landsat ETM+. Remote Sensing of Environment 107: th 496 – 509. Paimin, Sukresno, dan Purwanto. 2010. Sidik Cepat Degradasi Sub DAS. Edisi kedua. Puslitbang Hutan dan Konservasi Alam. Bogor. Paimin, I.B. Pramono, Purwanto, dan D.R. Indrawati. 2012. Sistem Perencanaan Pengelolaan Daerah Aliran Sungai. Puslitbang Konservasi dan Rehabilitasi. Badan Litbang Kehutanan. Kementerian Kehutanan Rosenqvist, Å., A. Milne, R. Lucas, M. Imhoff, andC. Dobson. 2003. A review of remote sensing technology in support of the Kyoto Protocol. Environmental Science & Policy 6: 441-455. Taruvinga, K., 2006. Gully mapping using remote sensing: Case study in KwaZulu-Natal, South Africa. MSc thesis. Univ. Waterlo, Canada. Vrieling, A., 2006. Sattelite remote sensing for water erosion assessment: A review. Catena 65: 2 – 18. Yuan, F., K.E. Sawaya, B.C. Loeffelholz, and M.E. Bauer. 2005. Land cover classification and change analysis of the Twin Cit ies (Minnesota) metropolitan area by multitemporal Landsat remote sensing. Remote Sensing of Environment 98: 317 – 328. | en_US |
| dc.description.abstract | Penilaian kerentanan lahan diperlukan sebagai dasar dalam perencanaan pengelolaan Daerah Aliran Sungai (DAS). Informasi tingkat
kerentanan lahan dapat memberikan tingkat kerusakan lahan yang sangat berguna dalam perencanaan pengeloalaan DAS.
Pemanfaatan Sistem Informasi Geografis (SIG) dan penginderaan jauh dalam penilaian kerentaan lahan tidak saja memberikan
informasi tingkat kerusakan lahan, namun juga memberikan informasi spasial yang sangat berguna untuk penyelarasan perencanaan
pengelolaan DAS dan Rencana Tata Ruang Wilayah. Untuk itu telah dilakukan studi pemanfaatan SIG di DAS Musi, yang wilayahnya
meliputi sebagian Propinsi Lampung, Bengkulu, Jambi, dan wilayah terbesar di Propinsi Sumatera Selatan. Untuk menilai tingkat
kerentanan lahan terhadap degradasi didasarkan kepada sistem tipologi lahan, yang merupakan interaksi antara penutupan dan
sistem lahan. Hasil penelitian menunjukkan bahwa hampir semua Sub-DAS di DAS Musi mempunyai tingkat kerentanan lahan sedang
dengan skor dari 2,61 (Sub DAS Semagus) sampai 3,43 (yang hampir termasuk kategori dengan tingkat kerentanan tinggi) di Sub
DAS Musi Hulu. Untuk Sub-DAS Deras dan Baung termasuk kategori agak rentan dengan skor masing-masing 2,32 dan 2,52. | en_US |
