MapBiomas Indonesia | Monthly Fire menyajikan data dan peta area terbakar di Indonesia secara bulanan. Rilis data pertama mencakup kebakaran tiap bulan pada Januari hingga Juni 2026, dan akan diperbaharui secara berkala. Basis data yang digunakan untuk memetakan area terbakar adalah Citra Sentinel 2 yang dikomposisikan secara bulanan. Monthly Fire dirancang untuk menangkap pola kebakaran pada resolusi waktu yang lebih tinggi, sehingga perubahan luas dan distribusi area terbakar dapat diamati dari bulan ke bulan.
Pengolahan data dilakukan dengan memanfaatkan deep learning, khususnya Deep Neural Network (DNN), untuk mengenali pola visual dan karakteristik spektral area terbakar. Proses pengolahan dilakukan dengan mengkombinasikan local server dan cloud computing melalui Google Earth Engine (GEE). Local server digunakan terutama dalam proses training sample dan klasifikasi, sementara cloud computing digunakan dalam sejumlah tahapan pemrosesan data, termasuk pemrosesan mosaik, post-classification, kuantifikasi, dan evaluasi hasil.
Secara umum, proses pemetaan area terbakar dalam Monthly Fire dilakukan melalui tahapan berikut:
Penentuan region dan penyusunan komposit citra.
Indonesia dibagi menjadi 7 region, yaitu Sumatera, Jawa, Kalimantan, Bali–Nusa Tenggara, Sulawesi, Kepulauan Maluku, dan Tanah Papua. Pembagian region dilakukan untuk mempertimbangkan karakteristik kebakaran yang berbeda pada masing-masing wilayah. Pada setiap region kemudian disusun komposit citra bulanan Sentinel-2, dengan pendekatan minimum Normalized Burn Ratio (minNBR), sebagai salah satu dasar untuk mengidentifikasi area yang memiliki karakteristik terbakar.
Pengumpulan training samples.
Training samples dikumpulkan untuk merepresentasikan dua kelas utama, yaitu area terbakar dan area tidak terbakar. Sampel tersebut digunakan sebagai data pembelajaran bagi model klasifikasi sehingga model dapat mengenali karakteristik visual dan spektral area terbakar pada citra.
Klasifikasi menggunakan Deep Neural Network (DNN).
Training samples digunakan untuk melatih model Deep Neural Network (DNN) dalam mengenali pola area terbakar. Model yang telah dilatih kemudian digunakan untuk mengklasifikasikan citra dan menghasilkan informasi mengenai lokasi area yang terindikasi terbakar. Hasil klasifikasi selanjutnya diintegrasikan dengan Google Earth Engine untuk mendukung proses pemeriksaan dan analisis visual.
Post-classification.
Hasil klasifikasi tidak langsung digunakan sebagai hasil akhir, tetapi melalui proses penyaringan untuk mengurangi kesalahan klasifikasi. Proses ini mencakup penerapan spatial filters serta masking berdasarkan kelas tutupan dan penggunaan lahan (LULC). Beberapa kelas seperti lubang tambang, permukiman, tambak, dan badan air dapat dikeluarkan dari hasil klasifikasi, dengan tambahan referensi Global Surface Water dari JRC untuk mengidentifikasi badan air permanen. Selain itu, temporal filter diterapkan untuk mengurangi kemungkinan satu kejadian kebakaran yang sama terbaca berulang pada bulan-bulan yang berdekatan.
Kuantifikasi data.
Setelah proses klasifikasi dan penyaringan selesai, hasil pemetaan digunakan untuk menghitung luas area terbakar. Data kemudian dapat dianalisis berdasarkan waktu, wilayah, serta tutupan lahan sehingga menghasilkan statistik area terbakar secara bulanan. Monthly Fire juga diintegrasikan dengan data MapBiomas Landy 4.1 untuk memungkinkan analisis area terbakar berdasarkan tutupan dan penggunaan lahan.
Evaluasi hasil.
Tahap akhir dilakukan melalui inspeksi visual dan cross-reference untuk mengevaluasi hasil klasifikasi. Pemeriksaan dilakukan dengan membandingkan hasil pemetaan dengan citra dan berbagai data referensi yang tersedia. Tahap ini diperlukan untuk memastikan hasil klasifikasi memiliki kualitas yang memadai sebelum digunakan sebagai data Monthly Fire.
Metodologi MapBiomas Indonesia | Monthly Fire selengkapnya tersaji pada Algorithm Theoretical Basis Documents (ATBD).
