Tinjauan Pustaka tentang Pemantauan Kelembaban Tanah

1. Klasifikasi Teknologi Pemantauan Kelembaban Tanah

Teknologi pemantauan kelembaban tanah dapat dibagi menjadi tiga kategori menurut skala dan prinsip pemantauan: teknologi pengukuran titik berbasis darat, teknologi penginderaan proksimal, dan teknologi pemantauan penginderaan jauh. Masing-masing dari ketiga teknologi tersebut memiliki fokusnya masing-masing, yang mencakup seluruh kebutuhan aplikasi mulai dari pengukuran titik lokal hingga pemantauan skala global.

(1) Teknologi Pengukuran Titik Berbasis Darat

Teknologi pengukuran titik berbasis tanah berpusat pada pengukuran sensor tanah kontak langsung, yang dapat mewujudkan pengumpulan data kelembaban tanah secara terus menerus atau pada titik tetap dan merupakan sarana dasar pemantauan kelembaban tanah. Ini terutama mencakup probe resistensi, Time Domain Reflectometry (TDR), sensor kapasitansi, probe neutron dan jenis lainnya. Sensor yang berbeda sangat bervariasi dalam hal akurasi, biaya, dan skenario yang dapat diterapkan.

(2) Teknologi Penginderaan Proksimal

Teknologi penginderaan proksimal terutama diterapkan pada skala lapangan atau daerah aliran sungai. Ia memperoleh karakteristik distribusi spasial kelembaban tanah melalui cara non-invasif, sehingga menutupi keterbatasan lokal pengukuran titik di darat. Teknologi umum termasuk Induksi Elektromagnetik (EMI), Radar Penetrasi Tanah (GPR), Probe Neutron Sinar Kosmik (CRNP), dll. Diantaranya, teknologi CRNP dapat mewujudkan pengukuran non-invasif terhadap kelembaban tanah rata-rata regional di wilayah yang luas, dan telah menjadi jembatan utama yang menghubungkan pengukuran titik di darat dan penginderaan jauh satelit.

(3) Teknologi Pemantauan Penginderaan Jauh

Teknologi penginderaan jarak jauh mewujudkan pemantauan dinamis terhadap kelembaban tanah berskala besar (regional hingga global) melalui platform seperti satelit dan pesawat terbang. Menurut pita penginderaan jauh, penginderaan jauh dapat dibagi menjadi penginderaan jauh optik, penginderaan jauh inframerah termal, dan penginderaan jauh gelombang mikro. Diantaranya, penginderaan jarak jauh gelombang mikro telah menjadi teknologi utama untuk pemantauan kelembaban tanah skala besar karena sensitivitasnya yang rendah terhadap kondisi cuaca dan kemampuannya untuk menembus vegetasi dan permukaan tanah. Hal ini dapat dibagi lagi menjadi penginderaan jauh gelombang mikro aktif (seperti Synthetic Aperture Radar, SAR) dan penginderaan jauh gelombang mikro pasif (seperti radiometer).

2. Prinsip dan Perbandingan Kinerja Teknologi Pemantauan Utama

(1) Perbandingan Kinerja Sensor Pengukuran Titik Berbasis Tanah

Jenis Sensor	Keuntungan	Kekurangan	Skenario yang Berlaku	Indeks Akurasi
Pemeriksaan Resistensi	1. Dapat dikombinasikan dengan data logger untuk pengukuran berkelanjutan; 2. Harga terendah; 3. Konsumsi daya rendah	1. Akurasi buruk, nilai kalibrasi bervariasi menurut jenis tanah dan kandungan garam; 2. Sensor rentan terhadap penuaan	Skenario yang hanya perlu menilai perubahan kadar air dan memiliki persyaratan akurasi yang rendah	Akurasi Rendah
Pemeriksaan TDR	1. Dapat melakukan pengukuran terus menerus; 2. Akurasi tinggi (2-3%) setelah kalibrasi spesifik tanah; 3. Tidak peka terhadap salinitas (sampai sinyal hilang); 4. Pengakuan akademis yang tinggi	1. Kompleksitas operasional yang lebih tinggi dibandingkan sensor kapasitansi; 2. Pemasangan memerlukan pembuatan parit, yang memakan waktu; 3. Tidak valid di lingkungan dengan salinitas tinggi; 4. Konsumsi daya tinggi (membutuhkan baterai isi ulang yang besar)	Laboratorium dilengkapi dengan sistem relevan yang memerlukan pengukuran presisi tinggi	Akurasi Tinggi (2-3%)
Sensor Kapasitansi	1. Dapat melakukan pengukuran terus menerus; 2. Instalasi mudah untuk beberapa jenis; 3. Akurasi tinggi (2-3%) setelah kalibrasi; 4. Konsumsi daya rendah (baterai kecil sudah cukup); 5. Harga murah, memungkinkan pengukuran multi-titik	1. Akurasi menurun di lingkungan bersalinitas tinggi (konduktivitas listrik ekstrak jenuh > 8 dS/m); 2. Buruknya kinerja merek-merek berkualitas rendah	Skenario yang memerlukan pengukuran multi-titik, penerapan dan pemeliharaan sistem sederhana, serta konsumsi daya rendah	Akurasi Tinggi (2-3%)
Pemeriksaan Neutron	1. Volume pengukuran besar; 2. Tidak peka terhadap salinitas; 3. Pengakuan akademis yang tinggi (teknologi matang); 4. Tidak terpengaruh oleh masalah kontak sensor tanah	1. Mahal; 2. Pengoperasiannya memerlukan sertifikasi radiasi; 3. Sangat memakan waktu; 4. Tidak dapat melakukan pengukuran terus menerus	Skenario dengan peralatan dan sertifikasi yang ada yang memerlukan pengukuran tanah liat dengan salinitas tinggi atau tanah liat yang menyusut secara ekspansif	Akurasi Rendah (ditingkatkan setelah kalibrasi lapangan)
CRNP (Probe Neutron Sinar Kosmik)	1. Rentang pengukuran yang sangat besar (volume pengaruh dengan diameter 800m); 2. Pengukuran otomatis; 3. Cocok untuk validasi data satelit di lapangan (menghaluskan variabilitas skala besar); 4. Tidak terpengaruh oleh masalah kontak sensor tanah	1. Harga tertinggi; 2. Definisi volume pengukuran yang tidak jelas, bervariasi tergantung kelembaban tanah; 3. Akurasi dibatasi oleh faktor perancu seperti vegetasi	Skenario yang memerlukan nilai rata-rata kelembaban skala besar dan validasi data satelit di lapangan	RMSE ≈ 0,032 cm³/cm³ (setelah kalibrasi)

Jenis Sensor	Keuntungan	Kekurangan	Skenario yang Berlaku	Indeks Akurasi
Pemeriksaan Resistensi	1. Dapat dikombinasikan dengan data logger untuk pengukuran berkelanjutan; 2. Harga terendah; 3. Konsumsi daya rendah	1. Akurasi buruk, nilai kalibrasi bervariasi menurut jenis tanah dan kandungan garam; 2. Sensor rentan terhadap penuaan	Skenario yang hanya perlu menilai perubahan kadar air dan memiliki persyaratan akurasi yang rendah	Akurasi Rendah
Pemeriksaan TDR	1. Dapat melakukan pengukuran terus menerus; 2. Akurasi tinggi (2-3%) setelah kalibrasi spesifik tanah; 3. Tidak peka terhadap salinitas (sampai sinyal hilang); 4. Pengakuan akademis yang tinggi	1. Kompleksitas operasional yang lebih tinggi dibandingkan sensor kapasitansi; 2. Pemasangan memerlukan pembuatan parit, yang memakan waktu; 3. Tidak valid di lingkungan dengan salinitas tinggi; 4. Konsumsi daya tinggi (membutuhkan baterai isi ulang yang besar)	Laboratorium dilengkapi dengan sistem relevan yang memerlukan pengukuran presisi tinggi	Akurasi Tinggi (2-3%)
Sensor Kapasitansi	1. Dapat melakukan pengukuran terus menerus; 2. Instalasi mudah untuk beberapa jenis; 3. Akurasi tinggi (2-3%) setelah kalibrasi; 4. Konsumsi daya rendah (baterai kecil sudah cukup); 5. Harga murah, memungkinkan pengukuran multi-titik	1. Akurasi menurun di lingkungan bersalinitas tinggi (konduktivitas listrik ekstrak jenuh > 8 dS/m); 2. Buruknya kinerja merek-merek berkualitas rendah	Skenario yang memerlukan pengukuran multi-titik, penerapan dan pemeliharaan sistem sederhana, serta konsumsi daya rendah	Akurasi Tinggi (2-3%)
Pemeriksaan Neutron	1. Volume pengukuran besar; 2. Tidak peka terhadap salinitas; 3. Pengakuan akademis yang tinggi (teknologi matang); 4. Tidak terpengaruh oleh masalah kontak sensor tanah	1. Mahal; 2. Pengoperasiannya memerlukan sertifikasi radiasi; 3. Sangat memakan waktu; 4. Tidak dapat melakukan pengukuran terus menerus	Skenario dengan peralatan dan sertifikasi yang ada yang memerlukan pengukuran tanah liat dengan salinitas tinggi atau tanah liat yang menyusut secara ekspansif	Akurasi Rendah (ditingkatkan setelah kalibrasi lapangan)
CRNP (Probe Neutron Sinar Kosmik)	1. Rentang pengukuran yang sangat besar (volume pengaruh dengan diameter 800m); 2. Pengukuran otomatis; 3. Cocok untuk validasi data satelit di lapangan (menghaluskan variabilitas skala besar); 4. Tidak terpengaruh oleh masalah kontak sensor tanah	1. Harga tertinggi; 2. Definisi volume pengukuran yang tidak jelas, bervariasi tergantung kelembaban tanah; 3. Akurasi dibatasi oleh faktor perancu seperti vegetasi	Skenario yang memerlukan nilai rata-rata kelembaban skala besar dan validasi data satelit di lapangan	RMSE ≈ 0,032 cm³/cm³ (setelah kalibrasi)

(2) Prinsip Inti dan Kinerja Teknologi Pemantauan Penginderaan Jauh

Teknologi pemantauan penginderaan jauh mengambil kelembaban tanah dengan mendeteksi karakteristik refleksi, emisi atau hamburan tanah terhadap radiasi elektromagnetik pada pita yang berbeda. Kedalaman pengukuran, resolusi spasial, dan skenario teknologi yang dapat diterapkan pada pita yang berbeda sangat bervariasi:

• Penginderaan Jauh Inframerah Optik dan Termal: Penginderaan jarak jauh optik (cahaya tampak, inframerah dekat, inframerah gelombang pendek) mengambil kelembapan tanah pada lapisan permukaan yang sangat tipis (≤1mm) melalui perubahan warna tanah (tanah lembab lebih gelap); penginderaan jauh inframerah termal secara tidak langsung mencerminkan kondisi kelembaban dengan memantau perubahan suhu permukaan tanah. Keduanya rentan terhadap cuaca dan tutupan vegetasi serta memiliki kedalaman pengukuran yang dangkal.

• Penginderaan Jauh Gelombang Mikro: Mengambil kelembapan dengan mengukur konstanta dielektrik volumetrik tanah (konstanta dielektrik air sekitar 80, jauh lebih tinggi dibandingkan padatan tanah dan udara), yang dibagi menjadi tipe aktif (radar mengirimkan sinyal untuk mengukur gema) dan pasif (mengukur radiasi gelombang mikro alami). Di antara pita gelombang mikro, pita L dan pita P memiliki kemampuan yang kuat untuk menembus vegetasi dan cocok untuk memantau kelembaban tanah di dekat permukaan dan zona akar; C-band cocok untuk tanah gundul atau area yang jarang bervegetasi.

Perbandingan Kinerja Misi Satelit Penginderaan Jauh Gelombang Mikro Arus Utama

Misi Satelit	Jenis Sensor	Pita	Resolusi Spasial	Periode Kunjungan Kembali	Keuntungan Inti	Indeks Akurasi
SMOS (Satelit Kelembaban Tanah dan Salinitas Laut)	Radiometer Gelombang Mikro Pasif	L-band	25 km (Kisi EASE-2)	3 hari	Misi satelit pertama khusus untuk memantau kelembaban tanah, mampu mengambil Vegetation Optical Depth (VOD)	Median R²=0,75, RMSE=0,023 m³/m³
SMAP (Satelit Pasif Aktif Kelembaban Tanah)	Radar Aktif + Radiometer Pasif (Radar gagal)	L-band	36 km (Standar), 9 km (Ditingkatkan)	2-3 hari	Saat ini produk kelembaban tanah global paling akurat, mampu menyediakan data kelembaban zona akar (0-100cm).	ubRMSE=0,035-0,038 cm³/cm³ (lapisan permukaan); 0,026-0,03 cm³/cm³ (zona akar)
Penjaga-1	Radar Aperture Sintetis Aktif (SAR)	C-band	10-20 m	6 hari	Resolusi spasial tinggi, dapat digabungkan dengan data SMAP untuk menghasilkan produk resolusi 3km	RMSE<0,046 cm³/cm³
ESA CCI (Inisiatif Perubahan Iklim)	Fusi Microwave Aktif + Pasif	Multi-band	Berbagai Resolusi	Tergantung pada sumber data	Menyediakan data kelembaban tanah global jangka panjang yang berkelanjutan sejak tahun 1978	Akurasi komprehensif sedang, cocok untuk penelitian perubahan iklim jangka panjang

3. Faktor Kunci yang Mempengaruhi Akurasi Pemantauan Kelembapan Tanah

Berdasarkan hasil meta-analisis Sastra 3, keakuratan pemantauan kelembaban tanah dipengaruhi oleh berbagai faktor seperti jenis sensor, metode pemodelan, dan kondisi lingkungan. Faktor-faktor inti yang mempengaruhi adalah sebagai berikut:

(1) Sensor dan Konfigurasi Teknis

• Jenis Sensor: Keakuratan sensor gelombang mikro aktif dan pasif sebanding bila digunakan sendiri (median R²=0,7 untuk keduanya), namun hanya ada sedikit penelitian mengenai penggunaan gabungan keduanya. Bukti saat ini menunjukkan bahwa akurasi fusi belum meningkat secara signifikan (median R²=0,59), sehingga memerlukan penelitian dan pengoptimalan lebih lanjut.

• Mode Polarisasi: Di ​​antara sensor gelombang mikro aktif, kombinasi polarisasi ganda VV+VH memiliki akurasi tertinggi (median R²=0,76, RMSE=0,035 m³/m³), diikuti oleh polarisasi HH, dan polarisasi VH memiliki akurasi terendah.

• Kedalaman Pengukuran: Penginderaan jarak jauh dengan gelombang mikro terutama cocok untuk memantau kelembaban tanah pada lapisan permukaan (0-5cm). Kelembapan di lapisan dalam (>20cm) perlu diambil secara tidak langsung melalui model pembelajaran mesin. Saat ini, jumlah sampel data untuk akurasi pemantauan lapisan dalam masih sedikit, dan kesimpulannya belum jelas.

(2) Metode Pemodelan dan Pengolahan Data

Metode pemodelan inversi dalam memantau data secara signifikan mempengaruhi keakuratan:

• Model Pembelajaran Mesin (khususnya jaringan neural) memiliki akurasi tertinggi, dengan median R²=0,73 dan RMSE=0,035 m³/m³; di antaranya, jaringan LSTM memiliki akurasi tertinggi (median R²=0,86) karena dapat menangkap ketergantungan temporal.

• Model Semi-Empiris (seperti Model Awan Air (WCM), Model τ-ω) banyak digunakan, dan akurasinya sedikit lebih rendah dibandingkan pembelajaran mesin (median R²=0,71, RMSE=0,042 m³/m³).

• Kombinasi pembelajaran mesin dan model semi-empiris dapat lebih meningkatkan akurasi (median R²=0,79, RMSE=0,030 m³/m³).

(3) Kondisi Lingkungan dan Permukaan

• Tipe Iklim: Akurasi pemantauan di wilayah kering dan semi-kering (dengan median R² lebih tinggi) lebih baik dibandingkan di wilayah lembab dan semi-lembab. Karena wilayah lembab memiliki vegetasi yang lebat dan fluktuasi kelembapan yang besar, yang kemungkinan besar akan mengganggu sinyal.

• Tekstur Tanah: Lempung berpasir memiliki akurasi pemantauan tertinggi (median R²=0,75); sensor pasif bekerja lebih baik pada tanah lempung dan tanah liat, sedangkan sensor aktif bekerja lebih baik pada tanah lempung berpasir dan lempung berpasir.

• Tutupan Lahan: Lahan pertanian (gandum, jagung, kedelai, dll.) merupakan skenario penelitian utama. Kepadatan vegetasi mempengaruhi penetrasi sinyal gelombang mikro, sehingga mempengaruhi akurasi, namun perbedaan akurasi pemantauan antara musim yang berbeda tidak signifikan, yang mencerminkan stabilitas teknologi gelombang mikro.

4. Sistem Aplikasi dan Sumber Data Pemantauan Kelembaban Tanah

(1) Internet of Things (IoT) dan Sistem Manajemen Data

Sistem ZENTRA yang diusulkan dalam Sastra 1 adalah solusi khas IoT untuk pemantauan kelembaban tanah. Ini mengintegrasikan sensor, pencatat data, dan platform cloud (ZENTRA Cloud) untuk mewujudkan instalasi yang disederhanakan, pengunduhan data jarak jauh, peringatan dini kesalahan waktu nyata, dan penggabungan data multi-situs. Hal ini dapat secara signifikan mengurangi beban kerja peneliti dan meningkatkan efisiensi pengelolaan data.

(2) Jaringan Pemantauan Global dan Regional

• Jaringan COSMOS: Jaringan pengamatan kelembaban tanah global berdasarkan teknologi CRNP. Saat ini, terdapat sekitar 194 stasiun permanen di seluruh dunia, meliputi wilayah seperti Amerika Serikat, Jerman, Australia, dan Inggris. Hal ini dapat mengisi kesenjangan skala spasial antara pengukuran titik berbasis darat dan penginderaan jauh satelit.

• International Soil Moisture Network (ISMN): Mengintegrasikan data kelembaban tanah in-situ dari berbagai stasiun di seluruh dunia, mencakup berbagai teknologi pengukuran, dan merupakan sumber data dasar yang penting untuk validasi data penginderaan jauh.

• Jaringan TERENO: Jaringan Observatorium Lingkungan Terestrial Jerman, yang mencakup 20 stasiun CRNP untuk pemantauan dinamis kelembaban tanah pada skala daerah aliran sungai.

(3) Produk Data dan Platform Berbagi

• Data SMOS: Tersedia dari situs resmi ESA dan platform CATDS, termasuk kelembapan tanah permukaan, VOD, kelembapan tanah zona akar, dan produk lainnya.

• Data SMAP: Dirilis oleh Pusat Data Salju dan Es Nasional (NSIDC) Amerika Serikat, termasuk produk kelembaban tanah permukaan dan zona akar dengan akurasi tertinggi.

• Data ESA CCI: Menyediakan data kelembaban tanah global jangka panjang (tiga jenis produk: aktif, pasif, dan menyatu) sejak tahun 1978, yang dapat diperoleh dari situs resmi ESA Soil Moisture CCI.

5. Kesimpulan Penelitian dan Arah Masa Depan

Ketiga literatur tersebut secara konsisten menunjukkan bahwa teknologi pemantauan kelembaban tanah telah membentuk sistem skala penuh mulai dari pengukuran titik di darat hingga penginderaan jauh global. Diantaranya, penginderaan jarak jauh gelombang mikro adalah teknologi inti untuk pemantauan skala besar, dan model pembelajaran mesin telah meningkatkan akurasi inversi secara signifikan. Tantangan inti dari teknologi saat ini meliputi: optimalisasi akurasi perpaduan sensor gelombang mikro aktif dan pasif, verifikasi metode pemantauan kelembaban tanah dalam, dan peningkatan akurasi pemantauan di vegetasi kompleks dan wilayah lembab. Penelitian di masa depan harus fokus pada arah ini, sambil terus meningkatkan metode asimilasi data, memperkuat kombinasi data penginderaan jauh dan observasi lapangan, dan mendorong penerapan data kelembaban tanah secara mendalam di berbagai bidang seperti pengelolaan irigasi pertanian, peringatan dini kekeringan dan banjir, serta penelitian perubahan iklim.