prediksi dampak perubahan iklim terhadap simpanan

Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
PREDIKSI DAMPAK PERUBAHAN IKLIM TERHADAP SIMPANAN
KARBON BERBAGAI JENIS POHON TROPIS DI PAPUA BARAT:
SEBUAH APLIKASI PEMODELAN DINAMIS STELLA
Sandhi Imam Maulana
Kementerian Lingkungan Hidup dan Kehutanan
Badan Litbang dan Inovasi
Balai Penelitian dan Pengembangan Lingkungan Hidup dan Kehutanan (BPPLHK) Manokwari
Jl. Inamberi-Susweni, Manokwari, Papua Barat 98313
Email: [email protected]
Abstrak
Melalui fotosintesis, ekosistem hutan tropis menyerap dan menyimpan emisi karbon dalam
bentuk biomassa dengan jumlah yang signifikan dibandingkan dengan tipe vegetasi lainnya,
sehingga kawasan hutan ini memainkan peran penting terkait isu perubahan iklim. Namun
demikian, fungsi penting tersebut sangat rentan terhadap perubahan ekstrim pada suhu dan
curah hujan karena proses penyimpanan karbon pada landskap hutan sangat terkait pada
komponen iklim tersebut. Studi ini bertujuan untuk menguji dampak perubahan iklim di
masa depan terhadap simpanan karbon atas tanah pada tiga spesies pohon di kawasan hutan
tropis, melalui pengujian skenario “jika-maka” menggunakan pendekatan Structural
Thinking and Experimental Learning Laboratory with Animation (STELLA). Hasil
penelitian ini menunjukkan bahwa secara umum terjadi penurunan kapasitas simpanan
karbon atas tanah ketika simulasi dinamis dijalankan untuk periode 50 tahun mengikuti
lima skenario yang ditetapkan oleh IPCC (Constant year 2000 concentrations, B1, A1T,
A2, dan A1F1). Skenario moderat seperti A1T dan A2, telah menyebabkan simpangan yang
sangat signifikan untuk Palaquium sp. Sebaliknya, tingkat penyimpangan yang sangat
signifikan pada Myristica sp dan Syzygium sp secara statistik terbatas hanya untuk skenario
terburuk, A1F1. Pada skenario terburuk A1F1 (kenaikan suhu 4 oC ditambah dengan
pengurangan 20% curah hujan), pohon dari species Palaquium memperlihatkan tingkat
penurunan tertinggi pada simpanan karbon di atas tanah dengan sekitar 14,89% kurang dari
nilai normalnya.
Kata kunci: Perubahan iklim, fotosintesis, simpanan karbon, Papua Barat, STELLA
Pendahuluan
Sekitar lebih dari setengah dari total emisi gas rumah kaca yang berkaitan
dengan berbagai aktivitas manusia terdiri atas karbon dioksida (CO2). Melalui proses
fotosintesis, tegakan hutan tropis menyerap dan menyimpan emisi tersebut dalam
jumlah yang paling signifikan dibandingkan dengan tipe vegetasi lainnya. Seperti yang
dilaporkan oleh Sha et al. (2015), kurang lebih 55% jumlah produksi bersih tahunan
(annual net primary production) biomassa di dunia diperkirakan berada di kawasan
hutan tropis. Namun demikian, beberapa peneliti seperti, Ricker et al. (2007); Dai et al.
(2014) dan Ma et al. (2014), telah menyebutkan bahwa fungsi hutan tropis yang penting
65
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
tersebut sangat rentan terhadap berbagai perubahan ekstrim pada suhu permukaan dan
curah hujan karena proses penyimpanan karbon dalam lanskap hutan sangat berkaitan
dengan variabel iklim tersebut. Selain itu, Dai et al. (2014) juga telah menyebutkan
bagaimana perubahan-perubahan pada suhu dan / atau curah hujan akan mempengaruhi
dinamika serapan karbon dalam ekosistem hutan.
Saat ini, perubahan iklim telah mendapat perhatian serius karena suhu rata-rata
permukaan bumi setidaknya telah meningkat hingga 0.6oC selama 100 tahun terakhir,
dan selanjutnya terdapat kemungkinan peningkatan suhu global hingga 4oC pada abad
mendatang (IPCC, 2007). Oleh karena itu, dibutuhkan suatu evaluasi bagaimana
dinamika serapan karbon pada tegakan hutan tropis bereaksi terhadap perubahan
ekstrim tersebut, sebagaimana juga disebutkan dalam laporan IPCC tersebut bahwa
pemanasan global pada kawasan hutan tropis akan membawa dampak negatif melalui
penurunan aktivitas fotosintesis.
Sebelumnya, beberapa peneliti telah melaksanakan studi mengenai pengaruh
iklim terhadap akumulasi karbon pada berbagai ekosistem hutan. Hunter (2015) telah
menguji berbagai pengaruh perubahan suhu dan curah hujan sepanjang daerah timur
laut New South Wales, Australia. Sementara itu, Limbu dan Koirala (2011) telah
mempelajari pengaruh iklim pada pada serapan karbon baik atas maupun bawah tanah
di berbagai gradien ketinggian. Ma et al. (2014) telah melaksanakan studi prediktif
terhadap dampak perubahan iklim terhadap simpanan karbon atas tanah di daerah timur
laut China. Stinziano dan Way (2014) telah mengevaluasi dampak peningkatan suhu
pada hutan boreal. Selanjutnya, sensitivitas lanskap mediteran terhadap iklim telah
dipelajari oleh Touchan et al. (2012). Meskipun berbagai studi tersebut telah
menyediakan informasi penting mengenai hubungan antara perubahan iklim dan
simpanan karbon, namun, dinamika serapan karbon atas tanah pada berbagai skenario
perubahan iklim di kawasan timur Indonesia masih belum dipelajari dengan serius.
Menurut Dominati et al. (2010), kurangnya pengetahuan terkait simpanan
karbon sebagai suatu proses aliran dinamis dalam ekosistem dapat mengakibatkan tidak
adanya suatu metodologi yang sistematik dan fleksibel dalam perencanaan dan
pengelolaan ekosistem, sehingga studi temporal dan analisis perubahan dinamika
ekosistem sangatlah penting. Selain itu, Dean et al. (2003) dan Oni et al. (2012)
menyebutkan bahwa pemodelan dinamis dan berbagai analisisnya sangatlah dibutuhkan
66
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
untuk menghadirkan suatu dasar pengujian dampak perubahan iklim melalui skenarioskenario “jika-maka”. Mempertimbangkan hal tersebut, penelitian ini utamanya
bertujuan untuk menguji dampak perubahan iklim di masa depan terhadap simpanan
karbon atas tanah pada tiga spesies pohon di kawasan hutan tropis, yaitu Myristica sp,
Palaquium sp dan Syzygium sp melalui pengujian skenario “jika-maka” berdasarkan
pendekatan Structural Thinking and Experimental Learning Laboratory with Animation
(STELLA).
Metode
Lokasi Penelitian
Seperti yang tersaji pada Gambar 1, penelitian ini dilaksanakan pada kawasan
hutan konsesi yang dikelola oleh PT. Manokwari Mandiri Lestari di Kabupaten Teluk
Bintuni, Papua Barat (1057’50”-3011’26” S; 132044’59”-134014’49” E). Lokasi
penelitian tersebut sebagian besar merupakan daerah berbukit dan berada pada
ketinggian 500 meter di atas permukaan laut dengan kelembaban rata-rata sekitar 85%
dan terdapat tiga tipe tanah utama, yaitu alluvial, greysol, dan podsolik.
Gambar 1. Lokasi Penelitian
67
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
Konseptualisasi model, kalibrasi, dan proyeksi
Seperti yang tersaji pada Gambar 2, struktur model dinamis untuk simulasi
hubungan antara variabel iklim setempat dan simpanan karbon pada penelitian ini
dibangun menggunakan software STELLA 9.12, yang pada prinsipnya merupakan suatu
perangkat lunak pemodelan dan simulasi berbasis objek. Detil algoritma pemrograman
model dinamis tersebut tersaji pada Lampiran 1. Secara konsep, terdapat dua sektor
tahapan dalam seluruh proses aliran karbon pada penelitian ini, yaitu serapan dan
simpanan karbon. Proses serapan karbon merujuk pada pengambilan CO2 dari atmosfer
melalui mekanisme fotosintesis, sedangkan proses simpanan karbon merujuk pada
rangkaian proses penyimpanan karbon
dalam bentuk biomassa pada berbagai bagian
pohon (Sha et al., 2015).
Pada sektor pertama, yakni serapan karbon (carbon capture), pohon mengubah
karbon di atmosfer menjadi karbohidrat melalui mekanisme fotosintesis dan
menyimpannya pada berbagai organ pohon. Proses ini terkait dengan proses
pertumbuhan pohon (Sha et al., 2015), dan dipengaruhi oleh faktor-faktor iklim,
khususnya suhu dan curah hujan (Ford, 2010). Pada penelitian ini, nilai pertumbuhan
pohon sebagai suatu fungsi terhadap waktu disesuaikan berdasarkan formula kurva
pertumbuhan diameter-umur yang telah dibangun oleh Devaranavadgi et al. (2013),
seperti yang tersaji pada Tabel 1. Formula pertumbuhan tersebut dibangun
menggunakan data yang diambil dari tegakan hutan yang ditanam sejak tahun 1990
dengan jarak tanam 2x2 meter, pertumbuhan diameter diukur per tahun dengan caliper
vernier. Selanjutnya, akumulasi biomassa pada sistem melalui fotosintesis dikalibrasi
menggunakan persamaan allometrik lokal (persamaan 1), yang didesain secara khusus
untuk berbagai spesies pohon di daerah penelitian oleh Maulana et al. (2016).
68
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
Gambar 2. Struktur model untuk simulasi variabel iklim dan aliran karbon
Tabel 1. Formula pertumbuhan DBH-umur
Spesies
Formula
SE
MPE
SD
Myristica sp
y =25.3495*exp(-13.881/(2.1612+x))
0.212
-0.473
0.857
Palaquium sp
y=10.03*exp (-3.44*exp (- 0.192*x))
0.062
-0.209
0.211
Syzygium sp
y=14.884*exp(-12.477/(3.1516+x))
0.733
-0.569
0.108
Keterangan: diadaptasi menggunakan DBH-Age formula untuk Leucaena leucocephala, Acacia catechu,
dan Pongamia pinnata dari Devaranavadgi et al. (2013); y=DBH; x=umur; SE=Standard Error;
MPE=Mean Prediction Error; SD=Standard Deviation
Log(TAGB) = -0.267 + 2.23 Log(DBH) +0.649 Log(WD)
(Persamaan 1)
dimana:
TAGB = total biomassa atas tanah(kg/pohon)
DBH = diameter setinggi dada (diameter at breast height, cm)
WD = berat jenis kayu (wood density or specific gravity, gr/cm3)
Sementara itu, untuk mendapatkan nilai berat jenis kayu (WD) dan fraksi
biomassa yang dialokasikan pada berbagai organ pohon, seperti daun, cabang, dan
69
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
batang; mekanisme penebangan dilaksanakan terhadap 31 pohon Myristica sp,
Palaquium sp ,dan Syzygium sp, dengan rentang diameter 5 hingga 40 cm.
Dibandingkan dengan nilai berat jenis dari Soerianegara dan Lemmens (1993), dan
Lemmens et al. (1995), hasil pengukuran pada penelitian ini menunjukkan nilai yang
rasional karena seperti yang disebutkan dalam dua sumber tersebut, rentang berat jenis
Myristica sp, Palaquium sp, dan Syzygium sp secara berurutan adalah 0.40-0.65 gr/cm3,
0.45-0.51 gr/cm3, 0.56-0.83 gr/cm3, seperti yang tersaji pada Gambar 3.
Gambar 3. Berat jenis terukur
Beralih pada sektor kedua, yaitu sektor simpanan karbon (carbon storage).
Aliran karbon dibagi menjadi tiga, mencakup batang (stems), cabang (branches), dan
daun (leaves). Seperti yang tersaji pada Gambar 4, nilai fraksi biomassa yang dimbil
dari Maulana et al. (2016) menunjukkan bahwa batang mempunyai peran utama dalam
penyimpanan biomassa, diikuti oleh cabang dan daun. Sementara itu, nilai kandungan
karbon untuk tiap komponen pohon tersebut dihitung menggunakan rasio karbon dari
Hairiah dan Rahayu (2007), yakni 46%.
Kalibrasi terhadap aliran karbon pada sistem dan nilai aliran serasah
dilaksanakan secara berulang hingga tidak ada perbedaan signifikan antara nilai
perkiraan simpanan aktual dan nilai dari hasil pemodelan dinamis yang dihitung
berdasarkan nilai uji T menggunakan software MINITAB 14.0. Pada penelitian ini, nilai
perkiraan simpanan aktual didefinisikan sebagai niali total simpanan karbon atas tanah
yang disimpan pada berbagai komponen pohon yang didapatkan dari perhitungan
persamaan allometrik (persamaan 1) berdasarkan nilai DBH dari kurva pertumbuhan
dan WD dari pengukuran lapangan. Sedangkan, nilai simpanan karbon dari pemodelan
70
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
dinamis merupakan nilai total simpanan karbon atas tanah yang disimpan pada berbagai
komponen pohon yang dihitung berdasarkan struktur pemodelan dinamis berbasis
STELLA pada Gambar 2.
Gambar 4. Fraksi biomassa pada pohon (sumber: Maulana et al., 2016)
Kondisi awal simulasi dinamis ditetapkan berdasarkan data iklim tahunan suhu
dan curah hujan selama satu dekade terakhir (2005-2015) yang disediakan oleh Pusat
Data Iklim Nasional dari stasiun pengukuran terdekat di Kabupaten Teluk Bintuni,
Papua Barat. Berdasarkan tren iklim yang tercatat, seperti yang tersaji pada Gambar 5,
rentang suhu dan curah hujan rata-rata tahunan adalah 22.9oC hingga 31.5oC dan 1042.7
mm/tahun hingga 3333.5 mm/tahun.
Gambar 5. Data dasar suhu dan curah hujan tahunan
Proyeksi terhadap berbagai skenario perubahan iklim di masa depan
dilaksanakan berdasarkan skenario yang telah dijelaskan oleh Intergovernmental Panel
on Climate Change (IPCC) pada laporannya yang berjudul Special Report on Emission
Scenarios (SRES) (IPCC 2000). Detil skenario perubahan iklim tersebut tersaji pada
Tabel 2. Secara umum, menurut IPCC (2000), pada skenario pertama, constant year
71
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
2000 concentration, mengasumsikan bahwa konsentrasi gas rumah kaca berada pada
level tetap seperti pada tahun 2000, sehingga skenario ini menempatkan tingkat
proyeksi perubahan iklim terendah dengan peningkatan suhu hanya 0.6 0C. Skenario B2
mewakili dunia dengan pembangunan ekonomi dan populasi yang kurang cepat
dikarenakan adanya peningkatan kesadaran terhadap kelestarian lingkungan. Skenario
A1T mengilustrasikan hadirnya pengenalan berbagai teknologi baru terkait sumbersumber energi non-fosil. Skenario A2 mewakili adanya fragmentasi teknologi dan
pembangunan ekonomi. Terakhir, skenario A2F2 menempatkan perhatian khusus
terhadap pembangunan yang intensif berbasis industri berbahan bakar fosil, sehingga
mempunyai nilai proyeksi peningkatan suhu tertinggi 4 0C. Selanjutnya, seperti yang
disarankan dalam Gardner dan Urban (2003), dalam rangka menguji dampak perubahan
iklim di masa depan terhadap simpanan karbon tiap spesies pohon, hasil simulasi
berdasarkan skenario IPCC tersebut kemudian dibandingkan dengan hasil pemodelan
dinamis nilai serapan aktualnya menggunakan nilai persentase simpangannya
(persamaan 2), selain uji secara statistik menggunakan mekanisme uji t berpasangan.
Tabel 2. Skenario kondisi iklim di masa depan di akhir abad 21 (2090-2099)
Skenario
Constant year 2000
concentrations
B1
A1T
A2
A1FI
Peningkatan suhu (oC)
Estimasi
Selang
terbaik
kemungkinan
0.6
0.3-0.9
1.8
2.4
3.4
4.0
1.1-2.9
1.4-3.8
2.0-5.4
2.4-6.4
Curah Hujan
Rata-rata
-20%
Sumber: IPCC (2000)
(persamaan 2)
dimana:
S = persentase simpangan
Bi = hasil pemodelan dinamis terhadap simpanan karbon aktual pada pohon ke-i
Di = hasil pemodelan dinamis berdasarkan proyeksi skenario IPCC
n = Jumlah pengamatan
72
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
Hasil dan Pembahasan
Perkiraan aktual vs pemodelan dinamis simpanan karbon pada kondisi baseline
Dalam rangka menilai akurasi dan meningkatkan ketepatan proyeksi skenario
“jika-maka” seperti yang dijelaskan dalam Bugmann (2001) dan Ford (2010), hasil
perkiraan aktual serapan karbon untuk tiap spesies dievaluasi terhadap nilai hasil
pemodelan dinamisnya pada kondisi baseline. Evaluasi ini penting untuk menunjukkan
bahwa tidak ada perbedaan signifikan antara karbon yang diserap secara aktual oleh
sistem dan perkiraan dinamisnya (Gardner & Urban, 2003; Ford, 2010).
Tabel 3. Uji statistik terhadap perkiraan aktuan dan hasil pemodelan dinamis serapan karbon
Species
Myristica sp
Palaquium sp
Syzygium sp
Group
comparison
Actual proxy
Dynamic modeling
Actual proxy
Dynamic modeling
Actual proxy
Dynamic modeling
t-test at 95% confidence interval
SE
ttpMean
DF
Mean
table value value
563
54
97 1.985
0.78
0.436
505
50
704
53
97 1.985
1.11
0.269
623
50
556
47
97 1.985
0.77
0.441
503
46
R
0.99
0.99
0.98
Seperti yang tersaji dalam Tabel 3 di atas, hasil uji t menunjukan bahwa nilai
yang dihasilkan secara signifikan berada di bawah nilai tabel-t pada selang kepercayaan
95%, dan nilai P (P>0.05) juga mengindikasikan lemahnya bukti untuk melawan H0.
Hal ini menggambarkan bahwa H0 (perkiraan aktual sangat mendekati hasil pemodelan
dinamis untuk tiap spesies) secara statistik dapat diterima (Gardner & Urban, 2003).
Sebagai tambahan, nilai uji korelasi Pearson juga menunjukkan adanya hubungan yang
kuat antara dua variabel tersebut. Seperti yang terlihat pada Gambar 6, secara umum
tren simpanan karbon untuk tiap spesies membentuk suatu kurva pertumbuhan sigmoid
yang mengilustrasikan bahwa jumlah karbon yang disimpan meningkat dengan cepat
pada awal masa pertumbuhan, kemudian melambat secara bertahap karena menurunnya
jumlah karbon yang diserap.
73
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
Gambar 6. Perkiraan aktual vs pemodelan dinamis simpanan karbon pada kondisi baseline
Proyeksi dinamis simpanan karbon di masa depan berdasarkan skenario IPCC
Secara umum, seperti yang terlihat pada Gambar 7, 8, dan 9, terjadi peningkatan
fluktuasi pada simpanan karbon untuk tiap spesies ketika parameter iklim pada model
dinamis dijalankan mengikuti skenario IPCC (2000). Pada awalnya, simpanan karbon
atas tanah untuk tiap spesies relatif stabil ketika model dinamis dijalankan menurut
skenario “constant year 2000 concentrations”, dimana terdapat kenaikan suhu 0.6oC
dan penurunan curah hujan hingga 20%. Namun, dari titi tersebut, stabilitas simpanan
karbon atas tanah umumnya mulai menurun ketika parameter iklim disesuaikan menurut
skenario yang lebih ekstrim, yaitu B1, AIT, A2, A1FI. Fluktuasi semacam ini dapat
terjadi karena pada kondisi suhu yang meningkat disertai penurunan curah hujan
dibanding saat kondisi normal, pohon-pohon berdaun lebar cenderung menurunkan
produktivitas fotosintesisnya dan meningkatkan laju pembentukan serasah untuk
menjaga keseimbangan metabolismenya (Heimann & Reichstein, 2008; Omeja et al.,
2012; Wang et al., 2012).
74
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
Gambar 7. Proyeksi skenario perubahan iklim masa depan (Constant year 2000 concentrations,
B1, A1T, A2, A1F1) terhadap simpanan karbon Myristica sp untuk periode simulasi
50 tahun
75
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
Gambar 8. Proyeksi skenario perubahan iklim masa depan (Constant year 2000 concentrations,
B1, A1T, A2, A1F1) terhadap simpanan karbon Palaquium sp untuk periode
simulasi 50 tahun
76
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
Gambar 9. Proyeksi skenario perubahan iklim masa depan (Constant year 2000 concentrations,
B1, A1T, A2, A1F1) terhadap simpanan karbon Syzygium sp untuk periode simulasi
50 tahun
Untuk lebih jelasnya, detil proyeksi skenario iklim IPCC SRES (2000) terhadap
simpanan karbon atas tanah tiap spesies dari Gambar 7, 8, dan 9 tersaji pada Tabel 4.
Tabel tersebut menunjukkan bahwa kenaikan suhu dan penurunan curah hujan di masa
depan akan menurunkan stabilitas simpanan karbon untuk seluruh spesies. Lebih jauh
lagi, perubahan iklim dapat memicu dampak terburuk pada skenario A1F1, dimana
terjadi kenaikan suhu 4oC disertai dengan penurunan curah hujan 20%. Pada tingkatan
skenario ini, simpanan karbon atas tanah pada Myristica sp, Palaquium sp, dan
Syzygium sp akan menurun secara berurutan hingga 14.51%, 14.81% dan 14.59%
selama rentang simulasi 50 tahun.
77
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
Tabel 4. Simpangan simpanan karbon berdasarkan skenario perubahan iklim IPCC SRES
IPCC SRES Scenarios
Species
Const yr
B1
A1T
A2
A1F1
2000
Deviation (S)
0.80% -2.71% -6.12% -7.29% -14.51%
-1.16
1.42
2.54*
2.46*
4.81***
Myristica t-value at 95% CI
t-table (DF: 49; CI: 95%)
2.03
2.03
2.03
2.03
2.03
p-value
0.253
0.161
0.014
0.017
<0.001
Deviation (S)
0.71% -3.52% -7.05% -7.36% -14.81%
t-value at 95% CI
-1.07
1.79
2.89**
2.81**
5.02***
Palaquium
t-table (DF: 49; CI: 95%)
2.03
2.03
2.03
2.03
2.03
p-value
0.288
0.080
0.006
0.007
<0.001
Deviation (S)
0.78% -2.91% -6.36% -7.22% -14.59%
t-value at 95% CI
-1.13
1.52
2.65*
2.58*
4.89***
Syzygium
t-table (DF: 49; CI: 95%)
2.03
2.03
2.03
2.03
2.03
p-value
0.262
0.136
0.011
0.013
<0.001
Gambar 10 mengilustrasikan proyeksi simpanan karbon berdasarkan data yang
tersaji pada Tabel 4 di atas. Ilustrasi tersebut jelas menunjukkan bahwa Palaquium sp
cenderung lebih rentan ketika skenario iklim semakin ekstrim. Skenario iklim moderat
seperti A1T dan A2, dapat memicu simpangan yang sangat signifikan terhadap
simpanan karbon spesies tersebut. Sedangkan, simpangan yang signifikan pada
Myristica sp dan Syzygium sp secara statistik hanya terbatas pada skenario terburuk
A1FI.
Gambar 10. Tren simpangan simpanan karbon berdasarkan skenario perubahan iklim IPCC
Merujuk kembali pada Tabel 4, Gambar 3 dan 4, dibandingkan dengan Myristica
sp dan Syzygium sp, Palaquium sp mempunyai rentang berat jenis kayu terendah dengan
hanya sekitar 0.33-0.56 gr/cm3 dan mempunyai fraksi biomassa pada daun yang
terbanyak. Penelitian-penelitian sebelumnya telah membuktikan bahwa pertumbuhan
dan produktivitas pepohonan berdaun lebar dengan rentang berat jenis terendah dalam
78
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
kelompoknya, cenderung paling rentan terhadap kenaikan suhu (Bennet et al., 2013;
Coops & Waring, 2011; Subedi & Sharma, 2013; Hu et al., 2015).
Kesimpulan
Berdasarkan hasil dan pembahasan pada penelitian ini, dapat disimpulkan bahwa
ketika simulasi dinamis dijalankan mengikuti lima skenario perubahan iklim IPCC
(Constant year 2000 concentrations, B1, A1T, A2, dan A1F1) untuk periode 50 tahun,
simpanan karbon atas tanah pada spesies pohon Myristica sp, Palaquium sp, dan
Syzygium sp secara umum akan menurun. Skenario moderat seperti A1T dan A2 telah
dapat memicu simpangan yang signifikan secara statistik pada Palaquium sp. Selain itu,
juga dapat disimpulkan bahwa, simpangan signifikan pada Myristica sp dan Syzygium
sp hanya terbatas pada skenario terburuk A1F1. Pada tingkatan skenario A1F1
(kenaikan suhu 4oC disertai dengan penurunan curah hujan 20%) Palaquium sp
mengalami penurunan simpanan karbon terbesar mencapai 14.89% di bawah nilai
normalnya. Hal ini mungkin dapat disebabkan oleh rendahnya rentang berat jenis
Palaquium sp (0.33-0.56 gr/cm3) disertai dengan tingginya fraksi biomassa pada daun
dibandingkan dengan dua spesies lainnya. Hasil penelitian ini menunjukkan bahwa
umpan balik negatif dari perubahan iklim seharusnya mulai mendapat perhatian serius
dalam rangka meningkatkan akurasi perhitungan jangka panjang terhadap simpanan
karbon pada tegakan hutan.
Daftar Pustaka
Bennet, J.M., Cunningham, S.C., Connely, C.A., Clarke, R.H., Thomson, J.R. & Nally,
R.M. 2013. The interaction between a drying climate and land use affects
forest structure and above-ground carbon storage. Global Ecology and
Biogegraphy, 22,1238-1247.
Bugmann, H. 2001. A review of forest gap models. Climate Change, 51, 259-305.
Coops, N.C. & Waring, R.H. 2011. Estimating the vulnerability of fifteen tree species
under changing climate in Northwest North America. Ecological Modeling,
222, 2119-2129.
Dai, Z., Birdsey, R.A., Johnson, K.D., Dupuy, J.M., Hernandez-Stefanoni, J.L. &
Richardson, K. 2014. Modeling carbon stocks in a secondary tropical dry
forest in the Yucatan Peninsula, Mexico. Water Air Soil Pollution,
225(1925), 1-15.
Dean, C., Roxburgh, S. & Mackey, B. 2003. Growth modeling of Eucalyptus regnans
for carbon accounting at the landscape scale. In: Amaro, A., Reed, D. &
79
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
Soares, P. (eds.), Modeling forest system (42-54), Cambridge, MA: CABI
Publishing.
Devaranavadgi, S.B., Basappa, S., Jolli, R.B., Wali, S.Y. & Bagali, A.N. 2013.
Diameter-age growth curve modeling for different tree species in drylands
of North Karnataka. Global Journal of Science Frontier Research, 13(1), 112.
Dominati, E., Patterson, M. & Mackay, A. 2010. A framework for classifying and
quantifying the natural capital and ecosystem services of soils. Ecological
Economics, 69, 1858-1868.
Ford, A. 2010. Modeling The Environment: Second Edition, Washington, DC: Island
Press.
Gardner, R.H. & Urban, D.L. 2003. Model validation and testing: past lessons, present
concerns, future prospects. In: Ganham, C.D., Cole, J.J. & Lauenroth, W.K.
(Eds.), Models in Ecosystem Science, Princeton, NJ: Princeton University
Press.
Hairiah, K. & Rahayu, S. 2007. Pengukuran Karbon Tersimpan di Berbagai Macam
Penggunaan Lahan. Bogor: ICRAF.
Heimann, M. & Reichstein, M. 2008. Terrestrial carbon dynamics and climate
feedbacks. Nature, 451, 289-292.
Hunter, J.T. 2015. Changes in allometric attributes and biomass of forests and
woodlands across an altitudinal and rainfall gradient: What are the
implications of increasing seasonality due to anthropogenic climate change?
International Journal of Ecology, 2015(208975), 1-10.
Limbu, D.K. & Koirala, M. 2011. Above-ground and below-ground biomass situation
of Milke-Jaljale rangeland at different altitudinal gradient. Our Nature, 9,
107-111.
Intergovernmental Panel on Climate Change [IPCC]. 2000. IPCC Special report
emissions scenarios: Summary for policymakers. Retrieved 8 August 2015
from https://www.ipcc.ch/pdf/special-reports/spm/sres-en.pdf
Intergovernmental Panel on Climate Change [IPCC]. 2007. Climate change 2007:
Synthesis
report.
Retrieved
25
July
2015
from
http://www.ipcc.ch/publications_and_data/publications_ipcc_fourth_assess
ment_report_synthesis_report.htm
Lemmens, RHMJ., Soerianegara, I. & Wong, W.C. (Eds.). 1995. Plant resources of
South-East Asia 5(2), timber tress: minor commercial timbers. Leiden:
Backhuys Publishers.
Ma, J., Hu, Y., Bu, R., Chang, Y., Deng, H. & Qin, Q. 2014. Predicting impacts of
climate change on the aboveground carbon sequestration rate of a temperate
forest in northeastern China. PLoS ONE, 9(4), 1-15.
Maulana, S.I., Wibisono, Y. & Utomo, S. 2016. Pantropical vs locally developed
allometric equations: which will be the better option to estimate
aboveground biomass of Papua tropical forest?. Proceeding of the 3rd
80
Prosiding Symbion (Symposium on Biology Education),
Prodi Pendidikan Biologi, FKIP, Universitas Ahmad Dahlan,
27 Agustus 2016
p-ISSN: 2540-752x
e-ISSN: 2528-5726
International Conference of Indonesia Forestry Researcher. Bogor, 21-22
October.
Omeja, P.A., Obua, J., Rwetsiba, A. & Chapman, C.A. 2012. Biomass accumulation in
tropical lands with different disturbance histories: Contrast within one
landscape and across regions. Forest Ecology and Management, 269, 293300.
Oni, S.K., Dillon, P.J., Metcalfe, R.A. & Futter, M.N. 2012. Dynamic modeling of the
impact of climate change and power flow management options using
STELLA: Application to the Stephill Falls Reservoir, Ontario, Canada.
Canadian Water Resources Journal, 37(2), 125-148.
Ricker, M., Gutierrez-Garcia, G. & Daly, D.C. 2007. Modeling long-term tree growth
curves in response to warming climate: test cases from subtropical mountain
forest and a tropical forest in Mexico. Canadian Journal of Forest
Resources, 37, 977-989.
Sha, P., Gaodi, X., Changshun, Z., Chunian, L., Shimei, L., Caixia Z. & Long, C. 2015.
Dynamic simulation of carbon sequestration by Pinus sylvestris var.
mongolica. Journal of Resources and Ecology, 6(1), 37-44.
Soerianegara, I., & Lemmens, RHMJ. (Eds.). 1993. Plant resources of South-East Asia
5(1), timber trees: major commercial timbers. Wageningen: Pudoc &
PROSEA.
Stinziano, J.R. & Way, D.A. 2014. Combined effects of rising CO2 and temperature on
boreal forests: growth, physiology and limitations, Botany, 92, 425-436.
Subedi, N. & Sharma, M. 2013. Climate-diameter growth relationships of black spruce
and jack pine trees in boreal Ontario, Canada. Global Change Biology, 19,
505-516.
Touchan, R., Shisov, V.V., Meko, D.M., Nouiri, I. & Grachev, A. 2012. Process based
model sheds light on climate sensitivity of Mediterranean tree-ring width.
Biogeosciences, 9, 965-972.
Wang, JC., Duan, B.I. & Zhang, Y.B. 2012. Effects of experimental warming on growth
biomass allocation and needle chemistry of Abies faxoniana in evenaged
monospecific
stands.
Plant
Ecology,
213,
47-55.
81
Sandhi Imam Maulana – Prediksi Dampak Perubahan Iklim....
82