Pemodelan Estimasi Cadangan Karbon di Atas Permukaan Pada Lahan Reklamasi Tambang

Kegiatan pertambangan batubara terbuka menyebabkan perubahan bentang lahan yang signifikan serta menurunkan kapasitas vegetasi di atas permukaan dalam menyimpan karbon. Pemantauan konvensional bersifat destruktif, memakan waktu, dan sulit diterapkan pada skala luas, sehingga diperlukan pendekatan pemodelan berbasis citra UAV yang mampu mengestimasi cadangan karbon secara cepat dan akurat. Penelitian ini bertujuan untuk mengevaluasi model estimasi cadangan karbon berbasis indeks vegetasi dari citra multispektral UAV serta mengestimasi cadangan karbon di atas permukaan pada lahan reklamasi PT Maruwai Coal, Kalimantan Tengah. Pengambilan data lapangan dilakukan pada 42 plot berukuran 20 × 20 m yang tersebar pada tujuh kelompok tahun tanam (2020–2026), dengan biomassa kering dihitung menggunakan persamaan allometrik dan dikonversi menjadi cadangan karbon menggunakan faktor 47%. Dua indeks vegetasi, yaitu NDVI dan SAVI, diekstraksi dari kanal Red dan Near-Infrared dan digunakan sebagai variabel prediktor dalam model Regresi Polinomial Berganda dan Random Forest, yang dievaluasi melalui 5-fold cross validation. Analisis korelasi Pearson menunjukkan hubungan positif kuat antara kedua indeks dengan biomassa (NDVI: r = 0,761; SAVI: r = 0,804). Model Random Forest menunjukkan performa terbaik dengan R² = 0,739 ± 0,161, RMSE = 5,672 ± 2,163, dan MAE = 3,612 ± 0,791, dibandingkan regresi polinomial (R² = 0,715 ± 0,073). Model terbaik diterapkan untuk menghasilkan peta sebaran spasial cadangan karbon, dengan nilai berkisar antara 0,10–38,57 ton C/ha (rata-rata 9,22 ton C/ha), dan 52,76% area tergolong kelas cadangan karbon sangat rendah. Temuan ini menunjukkan heterogenitas spasial pemulihan vegetasi pada area reklamasi serta efektivitas pendekatan machine learning untuk pemantauan karbon skala luas.