Penggunaan Lahan Penutupan Lahan sebagai Pendorong Potensial Perubahan Suhu Udara Permukaan di India

ABSTRAK
Perubahan Tata Guna Lahan dan Penutup Lahan (LULC) merupakan aspek penting dari perubahan iklim antropogenik, dengan implikasi signifikan bagi iklim regional dan lokal. Di India, perubahan substansial dalam pola LULC telah terjadi selama beberapa dekade terakhir, didorong oleh penggundulan hutan, urbanisasi, perluasan pertanian, dan industrialisasi. Transformasi ini telah memengaruhi lingkungan lokal dan memodulasi dinamika iklim regional, yang menunjukkan variabilitas dan ketidakpastian yang cukup besar. Studi ini menggunakan produk data grid dan in situ untuk menganalisis dampak perubahan LULC pada suhu udara permukaan (SAT) di India. Temuan menunjukkan bahwa perubahan LULC telah berkontribusi pada peningkatan sekitar 0,54°C di India Selatan dan 0,44°C di India Timur, sementara wilayah Barat Laut mengalami penurunan sekitar 1,5°C. Ketimpangan yang diamati dalam perubahan SAT memerlukan pemeriksaan komprehensif yang melibatkan banyak variabel dan bukti. Untuk lebih menjelaskan temuan ini, kuantifikasi LULC dilakukan untuk mengidentifikasi jenis perubahan LULC tertentu di ketiga wilayah. Analisis ini mengungkap bahwa penyebab mendasar perubahan LULC bervariasi secara signifikan di antara wilayah-wilayah ini, sehingga meningkatkan ketahanan hasil. Selain itu, peningkatan signifikan sebesar 40%–60% dalam Indeks Vegetasi Perbedaan Ternormalisasi (NDVI) dan peningkatan 80%–90% dalam evapotranspirasi (ET) tercatat di India Barat Laut sebagai bukti tambahan. Studi ini menggarisbawahi perlunya kumpulan data LULC beresolusi tinggi untuk menilai secara akurat kontribusi khusus kelas terhadap variasi SAT di seluruh wilayah. Lebih jauh, studi ini menunjukkan perlunya pendekatan pemodelan beresolusi tinggi untuk mengurangi ketidakpastian yang ada dalam analisis.

1 Pendahuluan
Penggunaan Lahan dan Penutupan Lahan (LULC) telah diidentifikasi sebagai proksi aktif perubahan iklim regional dan lokal (IPCC 2018 ; Angelo dan Du Plessis 2019 ). Hal ini disebabkan karena perubahan karakteristik permukaan lahan mengubah albedo permukaan, yang pada akhirnya memengaruhi distribusi massa dan energi, sehingga berdampak pada iklim secara regional. Berdasarkan konsep ini yang berdasarkan pada mekanisme fisik pertukaran daratan-atmosfer, beberapa studi telah menyatakan peran vegetasi dalam modulasi substansial Suhu Udara Permukaan (SAT) (Brubaker dan Entekhabi 1996 ; Pielke et al. 1998 ; Adegoke et al. 2003 ; Weng et al. 2004 ; Douglas et al. 2006 ; Niyogi et al. 2009 ; Wulfmeyer dan Turner 2016 ; Sharma et al. 2017 ; Song et al. 2018 ; Zhang et al. 2019 ; John et al. 2020 ; Priya et al. 2023 ; Singh et al. 2024 ). Namun, literatur ini menyatakan bahwa perubahan LULC bervariasi pada skala spasial yang relatif lebih kecil dan dapat menyebabkan peningkatan atau penurunan SAT berdasarkan jenis kelas lahan yang telah berubah. Studi serupa di India juga melaporkan bagaimana perubahan LULC telah terjadi selama beberapa dekade terakhir, terutama didorong oleh penggundulan hutan, urbanisasi, pertanian irigasi intensif, dan pergeseran kelas pertanian, yang menyebabkan peningkatan dan penurunan suhu permukaan di berbagai wilayah di India (Roy et al. 2007 ; Nayak dan Mandal 2012 , 2019 ; Zhao et al. 2014 ; Van Oldenborgh et al. 2018 ; Chen dan Jeong 2018 ; Chen et al. 2019 ; Gogoi et al. 2019 ; Kumar et al. 2022 ; Rajesh dan Goswami 2023 ). Sebuah studi baru-baru ini menyatakan bahwa Tiongkok dan India telah mengalami proses penghijauan (~25% peningkatan luas daun) dan peningkatan vegetasi ini disebabkan oleh penghijauan dan lahan pertanian (~82% di India, sebagian besar di wilayah barat laut) (Chen et al. 2019 ). Studi-studi ini merangsang minat untuk memahami bagaimana peningkatan tutupan vegetasi memengaruhi SAT di India.

Sejalan dengan konsep ini, banyak penelitian telah menunjukkan hubungan terbalik antara NDVI (Normalized Difference Vegetation Index) dan SAT (Dewan dan Corner 2014 ; Chen dan Dirmeyer 2019 , 2020 ; Nayak dan Mandal 2019 ). Hal ini terutama disebabkan oleh peningkatan albedo permukaan, yang ditingkatkan oleh tutupan vegetasi yang lebih tinggi, yang mengarah pada penyerapan panas yang berkurang (Berbet dan Costa 2003 ; Sharma et al. 2017 ; John et al. 2020 ; Sai Krishna et al. 2022 ). Saat vegetasi atau NDVI meningkat, ia memantulkan lebih banyak radiasi matahari, yang akibatnya menurunkan suhu permukaan. Oleh karena itu, pemanasan yang diamati dapat dikaitkan dengan penurunan NDVI, yang selanjutnya dapat memperburuk iklim ekstrem. Pengurangan vegetasi ini dapat mengintensifkan fenomena seperti gelombang panas dan curah hujan ekstrem, dengan peningkatan keparahan dan durasi karena efek gabungan dari pertukaran suhu-kelembapan (Zhao et al. 2014 ; Findell et al. 2017 ; Shastri et al. 2017 ; Kang dan Eltahir 2018 ).

Di sisi lain, perubahan LULC juga dapat menyebabkan pendinginan, seperti ketika lahan kering diubah menjadi kelas vegetasi. Ini meningkatkan NDVI, dengan demikian meningkatkan Latent Heat Flux (LHF). Peningkatan LHF, didorong oleh kelembaban tanah yang lebih tinggi dan evapotranspirasi, biasanya menurunkan suhu permukaan. Sebaliknya, penggundulan hutan menyebabkan efek sebaliknya, mengurangi kelembaban tanah dan meningkatkan Sensible Heat Flux (SHF), dengan demikian menyebabkan pemanasan (Kharol et al. 2013 ; Suni et al. 2015 ; Duveiller et al. 2018 ; Van Oldenborgh et al. 2018 ). Oleh karena itu, penghijauan dapat bertindak sebagai mekanisme umpan balik negatif dan berpotensi menangkal dampak pemanasan global. Namun, penting juga untuk mengakui bahwa sementara lanskap perkotaan dan penghijauan dapat menjadi strategi yang efektif untuk mengurangi dampak perubahan iklim dengan menciptakan lingkungan yang lebih dingin, ada potensi kelemahan yang terkait dengan penggunaan air tanah yang berlebihan untuk praktik tersebut. Khususnya di negara bagian Utara dan Barat Laut India, ada bukti eksploitasi air tanah yang berlebihan di luar tingkat pengisian alami (Rodell et al. 2009 ; CGWB 2023 ). Secara keseluruhan, kegiatan-kegiatan ini mungkin awalnya tampak sebagai pendekatan yang efektif untuk mengatasi tantangan yang ditimbulkan oleh pemanasan global, tetapi penggunaan air tanah yang tidak terkendali dapat secara diam-diam menimbulkan krisis lain di masa depan (Douglas et al. 2006 ; Fishman et al. 2015 ; Smilovic et al. 2015 ; Meghwal et al. 2019 ). Namun demikian, mekanisme-mekanisme yang didorong oleh perubahan karakteristik permukaan ini merupakan faktor-faktor kunci dalam respons iklim lokal. Mereka memainkan peran penting dalam mengubah iklim regional dengan memengaruhi distribusi energi permukaan (Bright et al. 2017 ; Duveiller et al. 2018 ).

Namun, pemahaman tentang dampak dan mekanisme LULC secara keseluruhan yang terlibat di seluruh wilayah India masih terbatas, karena sebagian besar penelitian telah dilakukan pada skala spasial yang lebih kecil, terutama berfokus pada kota-kota atau wilayah regional yang terbatas. Oleh karena itu, penelitian ini bertujuan untuk mengeksplorasi berbagai jalur yang dilalui oleh perubahan LULC yang berkontribusi terhadap pemanasan atau pendinginan di seluruh India. Penelitian ini menggunakan berbagai data observasi dan analisis ulang untuk memeriksa proses yang mendasarinya. Selain itu, upaya juga dilakukan untuk mengukur potensi penyebab perubahan LULC di wilayah tersebut dan respons positif atau negatifnya terhadap SAT regional.

2 Area Studi, Data, dan Metode
2.1 Wilayah Studi
Daerah studi mencakup seluruh domain India, yang membentang beragam zona iklim, mulai dari tropis di selatan hingga sedang dan pegunungan Alpen di utara. Geografi India yang kontras mencakup jajaran Pegunungan Himalaya, dataran luas, gurun, dan wilayah pesisir (Gambar 1a ). Negara ini juga menampilkan berbagai kelas penggunaan lahan dan penutup lahan (LULC), seperti daerah perkotaan, lahan pertanian, hutan, lahan basah, dan tanah tandus (Gambar 1d ). Namun, wilayah di atas 500 m di atas permukaan laut rata-rata (amsl) dikecualikan dari studi karena potensi gangguan yang disebabkan oleh proses atmosfer seperti laju penurunan, hambatan atmosfer, dan efek terkait ketinggian lainnya yang dapat mengubah kondisi iklim. Rata-rata suhu rata-rata di India berkisar dari ~12°C hingga 30°C dari utara ke selatan (Gambar 1b,c ). Gambar 1 menunjukkan daerah studi dan rata-rata suhu rata-rata, ketinggian, dan pola LULC di seluruh domain.

2.2 Data dan Metode
Dalam studi ini, gabungan data stasiun, satelit, dan reanalisis suhu dari tahun 2001 hingga 2015 dianalisis untuk mengidentifikasi perubahan SAT dan potensi hubungannya dengan LULC regional. Di sini, data in situ (35 stasiun) milik Departemen Meteorologi India (IMD) dan produk data grid IMD (Rajeevan dan Bhate 2009 ; Srivastava et al. 2009 ) telah digunakan untuk menganalisis perubahan tersebut. Perubahan paksa LULC ditentukan berdasarkan teknik observasi minus reanalisis (OMR) yang banyak digunakan (Kalnay dan Cai 2003 ). Studi telah menunjukkan bahwa faktor-faktor seperti curah hujan (Ankur dan Osuri 2022 ; Priya et al. 2023 ), aerosol, dan kelembapan tanah dapat memengaruhi SAT secara negatif. Untuk mengevaluasi dampak faktor-faktor ini, studi ini memanfaatkan beberapa set data, termasuk MODIS AOD (MOD08_D3v6.1), data kelembapan tanah TRMM (Bindlish et al. 2003 ), data evapotranspirasi GLDAS (GLDAS_NOAH0.25_Mv2.0), dan data curah hujan IMD (ditunjukkan sebagai Gambar S2 dan S3 ). Lebih jauh, untuk menambahkan bukti pendukung pendinginan lainnya, studi ini menggunakan set data irigasi/pertanian Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa (FAO) ( http://www.fao.org/aquastat/en/geospatial-information/global-maps-irrigated-areas/irrigation-by-country/ ).

Selain itu, kumpulan data MODIS NDVI (MOD13C2) yang dikoreksi secara atmosfer digunakan untuk memeriksa perubahan tutupan vegetasi di seluruh wilayah India (Tabel 1 ). Untuk memastikan apakah perubahan pemanasan/pendinginan permukaan ini dapat memodulasi anggaran energi permukaan dan iklim regional, kumpulan data fluks panas Sistem Asimilasi Data Lahan Global (GLDAS) (Sensible Heat Flux dan Latent Heat Flux) digunakan untuk membedakan perubahan berdasarkan wilayah dalam distribusi energi permukaan dan mekanisme fisik terkaitnya. Rincian kumpulan data dapat ditemukan di Tabel 1 .

TABEL 1. Rincian kumpulan data yang digunakan dalam penelitian ini.

2.2.1 Perhitungan OMR
Untuk mengukur peningkatan suhu yang diakibatkan oleh perubahan LULC, kami telah menggunakan teknik Observation minus Reanalysis (OMR) yang dikembangkan oleh Kalnay dan Cai (Kalnay dan Cai 2003 ). Teknik ini telah digunakan secara luas untuk mengidentifikasi tanda-tanda yang terkait dengan perubahan penggunaan lahan dan urbanisasi pada suhu permukaan (Kalnay dan Cai 2003 ; Lim et al. 2008 ; Fall et al. 2010 ; Pielke et al. 2011 ; Yang et al. 2011 ; Nayak dan Mandal 2012 ) berdasarkan pengamatan. OMR mengaitkan perubahan tren suhu yang terkait dengan LULC dengan mengurangi NCEP/NCAR Reanalysis-1 (NNR1) dari pengamatan. Produk NNR1 (Kalnay et al. 1996 ; Saha et al. 2014 ) dikembangkan tanpa asimilasi parameter permukaan, seperti suhu permukaan, kelembapan, dan angin (Kalnay dan Cai 2003 ; Mahmood et al. 2010 ; Yang et al. 2011 ), yang secara efektif membuatnya tidak sensitif terhadap perubahan permukaan lokal. Akibatnya, tren apa pun yang diamati dalam OMR dapat dikaitkan dengan perubahan permukaan dalam LULC (Zhou et al. 2004 ; Yow 2007 ; Ren et al. 2008 ; Zong-Ci et al. 2013 ; Cui et al. 2016 ). Asumsi yang mendasarinya di sini adalah bahwa tren observasional dipengaruhi oleh semua proses, termasuk fenomena skala besar (pemanasan global) dan gaya lokal seperti perubahan LULC, tetapi produk NNR1 hanya menggabungkan pemaksaan skala besar sambil menghilangkan LULC. Oleh karena itu, perbedaan dalam tren tersebut akan menggarisbawahi dampak LULC saja.

Tren dekade dalam semua parameter dihitung menggunakan metode linear sederhana menggunakan Metode Kuadrat Terkecil (Persamaan 1 ) yang diuji terhadap uji t parametrik untuk signifikansi statistik. Perubahan/tren yang diamati dalam kumpulan data stasiun dibandingkan dengan produk yang diperoleh dari jaringan dan satelit tergantung pada ketersediaan dan aksesibilitas kumpulan data selama periode studi untuk konsistensi.

2.2.2 Metode Kuadrat Terkecil
Metode Kuadrat Terkecil adalah teknik statistik yang digunakan untuk menemukan garis atau kurva yang paling sesuai dengan sekumpulan titik data. Metode ini banyak digunakan dalam analisis tren untuk memodelkan dan memprediksi hubungan antara variabel. Di sini, analisis tren melibatkan penyesuaian model regresi linier dalam bentuk:

Di mana:
y = variabel dependen (misalnya, nilai yang diamati).

x = variabel bebas (misalnya, waktu atau prediktor lain).

m = kemiringan (laju perubahan atau tren).

c = y-intercept (nilai awal atau konstanta).

Metode Kuadrat Terkecil meminimalkan jumlah kesalahan kuadrat antara nilai yang diamati dan nilai yang diprediksi.

2.2.3 Uji Signifikansi Statistik Menggunakan Uji t – Student Parametrik
Uji t parametrik adalah uji statistik yang digunakan untuk menguji apakah perbedaan antara respons kedua kelompok signifikan secara statistik dan mengikuti hipotesis nol. Uji ini paling umum diterapkan ketika statistik uji mengikuti distribusi normal dan karenanya disebut parametrik. Uji ini banyak digunakan ketika istilah penskalaan (seperti simpangan baku populasi) tidak diketahui dan harus diestimasi. Jika nilai p kurang dari 0,05, hasilnya dianggap signifikan secara statistik pada tingkat keyakinan 95%. Hal ini menunjukkan bahwa perbedaan atau hubungan yang diamati tidak mungkin terjadi secara kebetulan, sehingga memberikan bukti kuat untuk menolak hipotesis nol.

2.2.4 Perhitungan Perubahan
Persentase perubahan dihitung sebagai berikut:

di mana “perubahan” adalah perbedaan antara nilai akhir dan nilai awal (Persamaan 2 ). Ini digunakan dalam menghitung perubahan evapotranspirasi, kelembaban tanah, LHF, SHF, NDVI, dan sebagainya.
2.2.5 Perhitungan Perubahan LULC
Perubahan LULC diidentifikasi menggunakan dataset yang direklasifikasi yang berasal dari Advanced Wide Field Sensor (AWiFS) dari satelit Penginderaan Jauh (IRS) India Resourcesat-1 (P6), tersedia melalui portal data Bhuvan ISRO ( http://bhuvan.nrsc.gov.in ). Dataset ini telah dikembangkan dan divalidasi untuk model skala mesoskala, khususnya untuk studi iklim regional di seluruh India (NRSC 2014 ). Untuk mengukur intensitas perubahan LULC, jumlah piksel yang berubah dihitung, memberikan wawasan tentang luas spasial perubahan ini (Gogoi et al. 2019 ). Representasi bergambar dari metodologi yang diikuti ditunjukkan dalam diagram alir di bawah ini sebagai Gambar 2 .

3 Hasil dan Pembahasan
3.1 Analisis Suhu Udara Permukaan Rata-rata
Beberapa penelitian telah mendokumentasikan dampak perubahan LULC pada peningkatan suhu permukaan. Misalnya, di Delhi, perubahan LULC ditemukan berkontribusi pada penurunan Rentang Suhu Diurnal (DTR), indikator dampak antropogenik, dari sekitar 12,48°C menjadi 10,34°C antara tahun 2001 dan 2011 (Mohan dan Kandya 2015 ). Pengamatan serupa juga terlihat di kota-kota besar di seluruh Tiongkok di mana DTR menurun sekitar -0,18°C per dekade antara tahun 1960 dan 2009 (Wang et al. 2012 ). Pemanasan yang disebabkan oleh LULC sekitar 0,8°C selama musim dingin diamati di Tiongkok Utara (Cao et al. 2015 ). Selain itu, pemanasan regional yang terkait dengan perubahan LULC juga telah dilaporkan di Amerika Serikat (Alexander et al. 2006 ; Lim et al. 2008 ; Mahmood et al. 2010 ). Sebuah studi baru-baru ini di India juga menemukan bahwa perubahan pada sifat permukaan menyebabkan peningkatan ~0,02°C per dekade antara tahun 1991 dan 2000, dan 0,11°C per dekade dari tahun 2001 hingga 2006, yang menyoroti peran perubahan LULC dalam variasi suhu permukaan (Nayak dan Mandal 2019 ). Studi-studi ini menggarisbawahi dampak signifikan dari perubahan LULC dalam mendorong fluktuasi suhu di seluruh dunia, termasuk India.

Dalam studi ini, kenaikan suhu rata-rata SAT sekitar 0,5°C–1°C diamati di wilayah India Timur, Selatan, dan Barat selama tahun 2001–2015. Sementara itu, penurunan serupa juga terjadi di India Utara, Tengah, dan Barat Laut (Gambar 3a ,a′).

Namun, ditetapkan bahwa kenaikan suhu global dipengaruhi tidak hanya oleh faktor lokal seperti LULC tetapi merupakan kombinasi dari faktor lokal dan jarak jauh seperti emisi dan gas rumah kaca. Dari Gambar 3a,a′ , pola pemanasan dan pendinginan diferensial spesifik wilayah diamati di wilayah India dan oleh karena itu, akan sulit untuk menyebarluaskan apakah peningkatan/penurunan SAT yang diamati ini dipengaruhi oleh perubahan LULC lokal atau fenomena atmosfer global (Lim et al. 2008 ; Kharol et al. 2013 ; Chen et al. 2019 ). Untuk menyelidiki alasan potensial di balik ketidakhomogenan ini dalam pola suhu yang berubah dan umpan balik berikutnya, seluruh domain India dibagi menjadi delapan wilayah berbeda: Utara, Barat, Timur, Selatan, Tengah, Timur Laut, Barat Laut, dan seterusnya. (Gambar 1b ). Studi sebelumnya, seperti yang dilakukan oleh (Roy et al. 2007 ), telah menyoroti peran signifikan intensifikasi pertanian dalam mengurangi suhu udara di wilayah Utara dan Barat Laut India dari tahun 1947 hingga 2003 (Roy et al. 2007 ). Namun, berbeda dengan pengamatan (Gambar 3a,a′ ), NCEP-NCAR Reanalysis-1 (NNR1), yang menggabungkan pemaksaan iklim global (Gambar 3b,b′ ), menunjukkan tren peningkatan suhu di seluruh wilayah Utara dan Timur Laut India (~1,5°C) dari tahun 2001 hingga 2015. Sebaliknya, India Selatan mengalami tren pendinginan (~ − 0,5°C hingga −1°C) (Gambar 3b,b′ ). Perbedaan antara skenario lokal dan global ini, seperti yang digambarkan dalam Gambar 3a,b , menunjukkan bahwa perubahan karakteristik permukaan regional dapat memainkan peran yang berbeda dalam mengubah pola SAT di India. Akibatnya, tanda suhu yang kontras diamati antara wilayah Utara dan Selatan, yang berpotensi mengimbangi kenaikan atau penurunan suhu rata-rata wilayah secara keseluruhan di seluruh negeri.

3.2 Studi Dampak Perubahan LULC Menggunakan Analisis OMR
Dampak perubahan LULC pada suhu telah diselidiki secara ekstensif melalui berbagai pendekatan analitis dan pemodelan dalam beberapa studi di masa lalu (Grossman-Clarke et al. 2010 ; Sridhar 2013 ; Cao et al. 2015 ; Salamanca et al. 2018 ). Banyak studi telah menggunakan teknik Observation Minus Reanalysis (OMR) untuk memisahkan pengaruh perubahan LULC pada suhu (Kalnay dan Cai 2003 ). Misalnya, Gogoi et al. ( 2019 ) menemukan bahwa di lokasi tertentu di negara bagian Odisha bagian Timur, perubahan LULC menyumbang sebanyak 50% dari total kenaikan suhu. Dengan menggunakan pendekatan serupa, studi ini mencoba untuk mencakup seluruh wilayah India di mana ditemukan perubahan positif dalam OMR di India Selatan, Timur, dan Barat (> 1°C) selama periode 2001–2015 (Gambar 1c,c′ ). Temuan ini selanjutnya menjelaskan dampak perubahan LULC pada perubahan pola SAT di wilayah-wilayah ini. Lebih jauh lagi, peningkatan signifikan dalam SAT lebih dari 1°C dalam kurun waktu hanya 15 tahun ini mengkhawatirkan karena memburuknya kenyamanan termal manusia dan cukup untuk mengganggu keseimbangan energi permukaan regional. Bertentangan dengan ini, alasan di balik pendinginan atau penurunan SAT yang diamati, ditunjukkan oleh Observation Minus Reanalysis (OMR) negatif (Gambar 1c,c′ ), di India Utara, Tengah, dan Barat Laut masih harus ditetapkan. Aspek ini dirangkum dalam bagian akhir studi. Dengan demikian, dari analisis OMR, diamati bahwa perubahan LULC telah memainkan dua peran yang kontras: pemanasan di India Selatan, Timur, dan Barat, dan pendinginan di India Utara dan Barat Laut. Informasi terperinci berdasarkan wilayah (Gambar 1b ) mengenai kenaikan atau penurunan SAT karena perubahan LULC disediakan dalam Tabel 2 . Selain itu, DTR (Diurnal Temperature Range) yang merupakan atribusi perubahan permukaan yang dihitung dengan cara mengurangi Tmin dari Tmax (suhu siang hari dikurangi suhu malam hari) juga menunjukkan kesamaan yang konsisten dengan pola OMR (Gambar S1 ).

TABEL 2. Perubahan rata-rata SAT (OBS) dan OMR berdasarkan wilayah (dari Gambar  1b ) (perubahan rata-rata SAT hanya disebabkan oleh Perubahan LULC).

Dari analisis OMR, diamati bahwa di wilayah Selatan dan Barat, perubahan LULC berdampak positif pada SAT dengan kontribusi maksimum ~0,58°C (di wilayah Selatan), yang sebenarnya lebih besar daripada kenaikan SAT secara keseluruhan (~0,19°C). Nilai yang menurun dari kenaikan SAT secara keseluruhan di wilayah Selatan, yaitu ~0,17°C, diasumsikan terjadi karena efek keseluruhan dari proses atmosfer global (Tabel 2 ). Demikian pula, di wilayah Barat, di mana OMR diamati sebesar ~0,42°C, berbeda dengan pemanasan keseluruhan sebesar ~0,09°C. Gambar 4 di bawah menunjukkan perubahan OBS, NNR, dan OMR (dalam urutan meningkat) di wilayah masing-masing.

Efek kontras LULC pada SAT ini menyoroti sifat beragam modifikasi jenis lahan di berbagai wilayah di India. Setelah mengamati peran berbeda dari perubahan LULC, selanjutnya perubahan LULC yang sebenarnya perlu diselidiki untuk memahami penyebab mendasar dari peningkatan atau penurunan SAT yang diamati di setiap wilayah. Kenaikan tertinggi SAT akibat LULC diamati terjadi di wilayah Selatan (Gambar 4c ).

3.3 Perubahan dalam LULC
Dapat diamati bahwa seluruh domain India mencakup berbagai macam kelas LULC (Gambar 1d ). Akan cukup menantang untuk mengukur kontribusi kelas ke kelas terhadap kenaikan SAT mengingat luasnya wilayah geografis India. Oleh karena itu, teknik sederhana diperkenalkan untuk menggambarkan area perubahan maksimum dalam LULC sehingga pola spasial yang berubah dapat dibandingkan dengan perubahan SAT. Analisis ini menggunakan data LULC yang dipublikasikan dari AWiFS (Advanced Wide Field Sensor) dengan resolusi spasial 1 km × 1 km untuk mengukur perubahan dalam LULC (NRSC 2014 ). Tiga wilayah dipilih untuk analisis lebih lanjut berdasarkan cakupan udara maksimum perubahan LULC, seperti yang ditunjukkan pada Gambar 5 . Daerah-daerah ini (diidentifikasi sebagai kotak) mencakup satu di bagian Barat Laut negara tersebut (71,5°-79,5° BT dan 25°-32,5 o N) dan dua lainnya di Timur (82°-89° BT dan 18°-25 o N) dan Selatan (75°-82° BT dan 8°-16 o N) (Gambar 5 ). Di atas kotak-kotak ini, ditemukan bahwa pemanasan yang disebabkan oleh LULC diamati di kotak Timur (82°-89° BT dan 18°-25 o N) dengan kenaikan suhu ~0,44°C dan di kotak Selatan (75°-82° BT dan 8°-16 o N) dengan kenaikan sekitar 0,54°C. Namun sebaliknya, kotak Barat Laut (71.5°-79.5° BT dan 27°-32.5 o LU) mengalami pendinginan sebesar ~ − 1.5°C (rata-rata dari Gambar 3c , gambar tidak ditampilkan).

Ketiga kotak/wilayah ini (seperti yang ditunjukkan pada Gambar 5 ) menunjukkan perubahan signifikan dalam LULC (Tabel 3 ). Kotak Timur dan Barat menunjukkan pola yang jelas dari perubahan LULC yang tinggi, sedangkan wilayah Barat Laut menunjukkan perubahan yang lebih sporadis. Setelah memeriksa kelas-kelas LULC yang berbeda, ditemukan bahwa di Kotak Timur, ada pengurangan yang nyata di kelas Lahan Terlantar, yang mencakup sekitar 40.900 km persegi, yang diimbangi oleh peningkatan di kelas Kharif, Bangunan, dan hutan lainnya, yang secara kolektif mencakup sekitar 41.801 km persegi. Kelas Bangunan, khususnya, menunjukkan peningkatan dramatis sekitar 800%, yang menyoroti urbanisasi sebagai perubahan utama di wilayah tersebut. Di Kotak Barat Laut, lahan pertanian, termasuk tanaman Kharif dan Rabi, mencakup area yang luas sekitar 353.469 km persegi. Meskipun ada sedikit penurunan di kedua kelas tanaman, penurunan ini minimal dibandingkan dengan lahan pertanian secara keseluruhan. Khususnya, ada peningkatan 30% di Lahan Terlantar di wilayah ini. Lebih jauh lagi, studi sebelumnya telah mengindikasikan bahwa wilayah Barat Laut India dicirikan oleh praktik irigasi intensif dan mengalami tren penghijauan bertahap karena peningkatan kelas vegetasi (Roy et al. 2007 ; Chen et al. 2019 ). Dengan demikian, penurunan OMR (di atas kotak Barat Laut) sekitar −1,5°C dapat dikaitkan dengan perluasan tutupan hijau di wilayah tersebut. Dalam kasus kotak selatan, ada peningkatan yang nyata dalam tanaman Rabi, yang mencakup sekitar 91.519 km persegi, yang dapat diimbangi dengan penurunan tanaman Kharif, yang mencakup sekitar −82.889 km persegi. Pergeseran jenis tanaman ini menunjukkan diversifikasi tanaman sebagai pendorong utama perubahan LULC, yang berkontribusi positif terhadap peningkatan SAT yang diamati sekitar 0,54°C. Diagram batang yang mengilustrasikan perubahan kelas penggunaan lahan berdasarkan Tabel 3 ditunjukkan pada Gambar 6 (juga ditampilkan sebagai Gambar S7 ).

TABEL 3. Perubahan kelas LULC dominan berdasarkan wilayah antara tahun 2004 dan 2015.

3.4 Mekanisme Fisik
Studi ini juga menekankan pemahaman mekanisme fisik yang mendasari proses permukaan daratan yang berkontribusi pada perubahan yang diamati dalam SAT. Untuk mencapai hal ini, Sensible Heat Flux (SHF) dan Latent Heat Flux (LHF) diperiksa karena mereka adalah beberapa variabel utama dari keseimbangan energi permukaan. Telah ditetapkan dengan baik bahwa pemanasan dikaitkan dengan peningkatan SHF dan penurunan LHF, sedangkan yang sebaliknya berlaku untuk pendinginan. Analisis ini mengungkapkan konsistensi yang menarik antara perubahan SHF, LHF, dan SAT selama periode yang dipelajari di kotak Timur dan Selatan (Gambar 7 ). Konsistensi ini semakin memperkuat argumen bahwa perubahan yang diamati dalam SAT terkait erat dengan perubahan fluks energi permukaan. Rasio Bowen (SHF/LHF) juga ditunjukkan sebagai bukti pendukung sebagai Gambar S4 . Di wilayah Timur dan Selatan, di mana perubahan LULC telah menyebabkan peningkatan SAT sebesar ~0,44°C dan 0,54°C, masing-masing, peningkatan SHF (setinggi 30%) dan penurunan LHF (~10%–15%) diamati (Gambar 7 ). Ini mengonfirmasi bahwa perubahan karakteristik permukaan bertanggung jawab atas pemanasan yang diamati di wilayah ini. Namun, situasi di kotak Barat Laut sedikit rumit, karena peningkatan dan penurunan SHF dan LHF diamati (Gambar 7 ). Khususnya, peningkatan LHF ke arah sudut Barat Laut (NW) dan Barat Daya (SW) (di dalam kotak) menunjukkan perluasan tutupan vegetasi, yang dapat dikaitkan dengan peningkatan praktik pertanian di negara bagian seperti Punjab, Rajasthan, dan Haryana. Penurunan Rasio Bowen juga diamati di Wilayah Barat Laut (Gambar S4 ).

Analisis NDVI, menggunakan data MODIS, memberikan bukti tambahan dengan menunjukkan peningkatan signifikan sebesar ~40%–60% di wilayah Barat Laut antara tahun 2001 dan 2015, yang dengan jelas membedakan perubahan karakteristik permukaan lahannya dari wilayah lain di India (Gambar 8a ). Sebaliknya, perubahan NDVI tidak signifikan dan dapat diabaikan di India Selatan dan Timur. Pemeriksaan Evapotranspirasi (ET) dari Model GLDAS semakin mendukung temuan ini, karena menunjukkan konsistensi dengan perubahan yang diamati dalam NDVI (Gambar 8b ).

Ini menambah keyakinan bahwa efek pendinginan yang diamati di wilayah Barat Laut memang karena peningkatan tutupan vegetasi. Selain itu, bukti pendukung dari Organisasi Pangan dan Pertanian Perserikatan Bangsa-Bangsa (FAO) menyoroti bahwa India Utara dan Barat Laut memiliki konsentrasi lahan irigasi tertinggi di negara tersebut (Gambar 9 ). Ini memperkuat hubungan antara penurunan SAT dan perluasan kegiatan pertanian irigasi yang sedang berlangsung di wilayah-wilayah ini. Secara keseluruhan, analisis NDVI, ET, dan pola SHF dan LHF memberikan bukti kuat bahwa pendinginan yang diamati di wilayah Barat Laut adalah hasil dari peningkatan tutupan vegetasi. Selain itu, penelitian terbaru menunjukkan bahwa curah hujan telah meningkat di wilayah Barat Laut India, yang juga terhubung dengan proses daratan-atmosfer ini (Rajesh dan Goswami 2023 ) (Gambar S2 ). Bersama-sama, faktor-faktor ini berkontribusi pada pengurangan SAT dan SHF di wilayah Barat Laut (Gambar S5 ).

Temuan ini menyoroti pentingnya mempertimbangkan berbagai kumpulan data dan variabel untuk memahami interaksi kompleks antara perubahan yang disebabkan oleh perubahan LULC dalam karakteristik permukaan dan dampaknya pada pola suhu regional.

4 Kesimpulan
Studi ini merangkum bahwa LULC adalah agen potensial perubahan SAT dan telah menyebabkan efek kontras regional pada SAT di seluruh India, dengan pemanasan yang diamati di wilayah Timur dan Selatan dan pendinginan di wilayah Barat Laut. SAT meningkat sebesar 0,44°C di wilayah Timur karena perluasan pertanian dan urbanisasi, dan sebesar 0,54°C di wilayah Selatan kemungkinan karena diversifikasi tanaman. Sebaliknya, wilayah Barat Laut mengalami penurunan yang nyata sebesar −1,50°C, yang dikaitkan dengan praktik pertanian irigasi intensif dan peningkatan vegetasi. Khususnya, hingga ~95% lahan di India Selatan mengalami perubahan LULC, sementara wilayah Barat Laut menunjukkan peningkatan vegetasi sebesar 40%–60% (berdasarkan NDVI) dan peningkatan evapotranspirasi sebesar 80%–90%. Namun, studi ini memiliki beberapa keterbatasan. Pertama, studi ini tidak memberikan penjelasan yang jelas untuk pendinginan yang diamati di wilayah Barat Laut. Memahami fenomena pendinginan ini akan memerlukan latihan pemodelan yang ditargetkan untuk mengisolasi faktor-faktor yang berkontribusi. Kedua, proses atmosfer yang terlibat secara inheren non-linier dan dipengaruhi oleh pendorong lokal dan jarak jauh, sehingga sulit untuk mengukur dampak pasti dari perubahan LULC pada SAT. Ketiga, pendekatan Observational Minus Reanalysis (OMR) yang digunakan dalam penelitian ini sensitif terhadap variabilitas musiman dan antar-tahunan, yang membatasi keandalannya dalam memperkirakan tren suhu jangka panjang. Keempat, inkonsistensi dalam resolusi spasial dan kualitas kumpulan data yang digunakan dalam analisis dapat menimbulkan ketidakpastian yang tidak sepenuhnya diselesaikan oleh penelitian ini. Untuk mengatasi tantangan ini, penelitian ini menggabungkan pendekatan pemodelan menggunakan model Weather Research and Forecasting (WRF) yang digabungkan dengan Noah Land Surface Model (LSM). Model ini berhasil mereplikasi pola spasial pemanasan dan pendinginan yang diamati dalam data, meskipun cenderung meremehkan besarnya perubahan SAT (Gambar S6 ). Temuan-temuan ini menyoroti pentingnya melakukan simulasi yang lebih rinci menggunakan berbagai skenario penggunaan lahan. Kerangka kerja pemodelan skala Pan-India yang komprehensif direkomendasikan untuk penelitian masa depan guna menilai dampak spesifik perubahan LULC terhadap suhu dengan lebih baik dan untuk mendukung kebijakan iklim dan strategi pengelolaan lahan yang lebih terinformasi.