Abstrak
Pemulihan ekologis sangat penting untuk meningkatkan integritas ekologis ekosistem yang terdegradasi guna meningkatkan layanan ekosistem dan keanekaragaman hayati. Dalam studi ini, kami menilai efektivitas pemulihan lahan basah di lahan pertanian cranberry yang sudah tidak produktif dengan menganalisis pemulihan vegetasi dan dinamika air permukaan menggunakan indeks vegetasi yang ditingkatkan (EVI) dan indeks perbedaan air yang dinormalisasi (NDWI) yang diperoleh dari citra satelit Sentinel-2. Untuk mengukur dinamika temporal dari pemulihan vegetasi dan tutupan air permukaan, kami mengidentifikasi perbedaan spektral di antara komunitas tumbuhan lahan basah yang dipulihkan. Hasil kami menunjukkan munculnya komunitas tumbuhan yang berbeda setelah restorasi. Lahan basah yang dipulihkan secara umum menunjukkan pemulihan vegetasi yang signifikan dan progresif serta perluasan tutupan air permukaan dengan perbedaan spektral yang jelas di antara komunitas tumbuhan, seperti yang ditunjukkan oleh estimasi EVI dan NDWI yang lebih baik. Lahan basah yang dipulihkan pada tahun 2016 menunjukkan estimasi EVI yang lebih tinggi dibandingkan dengan lahan basah referensi dan yang dipulihkan pada tahun 2020, yang menunjukkan pemulihan vegetasi yang lebih maju. Lahan basah yang dipulihkan pada tahun 2020 menunjukkan variabilitas yang lebih besar dalam EVI, khususnya untuk lahan basah perairan terbuka, dengan pola yang kurang konsisten dibandingkan dengan restorasi tahun 2016. Lahan basah referensi secara konsisten menunjukkan nilai NDWI tertinggi, yang menunjukkan bahwa lahan basah yang dipulihkan belum mencapai saturasi hidrologis penuh. Khususnya, lahan basah yang dipulihkan pada tahun 2020 memiliki cakupan air permukaan yang jauh lebih besar daripada yang dipulihkan pada tahun 2016. Studi kami menunjukkan bahwa lahan basah yang dipulihkan telah memperoleh kemajuan yang luar biasa dalam pemulihan vegetasi, meskipun mereka belum mencapai keadaan saturasi hidrologis yang diinginkan dibandingkan dengan lahan basah referensi. Dengan memberikan wawasan tentang lintasan ekologis lahan basah yang dipulihkan, studi kami mendukung praktik pengelolaan berbasis bukti untuk membina ekosistem lahan basah yang berkelanjutan.
Implikasi untuk Praktik
Menghitung indeks spektral dari citra satelit akses terbuka menawarkan pendekatan yang efisien, terukur, dan hemat biaya untuk menilai hasil restorasi, serta mengurangi ketergantungan pada survei lapangan yang membutuhkan banyak tenaga kerja.
Lintasan pemulihan yang berbeda yang diamati di antara komunitas tumbuhan lahan basah menekankan perlunya strategi restorasi khusus yang memperhitungkan kondisi ekologi dan hidrologi spesifik lokasi.
Sementara vegetasi pulih dengan cepat, lahan basah yang dipulihkan sering kali tertinggal dalam mencapai kesetaraan hidrologi dengan lahan basah rujukan, yang menggarisbawahi perlunya pendekatan pengelolaan adaptif yang meningkatkan konektivitas hidrologi untuk memastikan keberhasilan jangka panjang.
Variasi vegetasi dan respons hidrologi menggarisbawahi peran waktu dalam mencapai stabilitas ekosistem, memperkuat pentingnya pemantauan berkelanjutan untuk pengambilan keputusan.
Analisis indeks spektral menawarkan kerangka kerja yang dapat direplikasi untuk memantau lahan basah yang dipulihkan dan meningkatkan hasil restorasi.
Perkenalan
Meskipun investasi global dalam restorasi lahan basah terus meningkat, tantangan signifikan tetap ada dalam menilai efektivitas restorasi (Mohanty et al. 2024 ). Restorasi lahan basah yang terdegradasi sangat penting untuk meningkatkan nilai fungsional dan keanekaragaman hayatinya, namun tingginya biaya survei lapangan menghalangi evaluasi hasil restorasi, sehingga menghambat upaya untuk memandu strategi masa depan dan menyoroti perlunya alternatif yang hemat biaya untuk menilai kemajuan restorasi (Zedler 2000 ; Lake et al. 2007 ). Inisiatif restorasi lahan basah memprioritaskan pembentukan dan pemulihan komunitas tumbuhan karena keunikan ekologis, kelangkaan, dan peran pentingnya dalam mendukung keanekaragaman hayati dan heterogenitas habitat. Mengevaluasi keberhasilan upaya ini memerlukan penilaian terperinci tentang produktivitas tanaman dan dinamika pertumbuhan, khususnya dibandingkan dengan ekosistem alami (Zedler 2000 ; Beheshti et al. 2023 ). Dengan menganalisis lintasan pemulihan di berbagai komunitas tumbuhan lahan basah, kami bertujuan untuk mengukur hasil restorasi dan mendukung praktik pengelolaan berbasis bukti dalam restorasi lahan basah.
Upaya restorasi lahan basah sering kali berfokus pada pembentukan kembali rezim hidrologi alami, termasuk interaksi sungai-dataran banjir, denyut banjir berulang, dan peningkatan kelembapan tanah (Mohanty et al. 2024 ). Tutupan air permukaan memainkan peran penting dalam membentuk kompleksitas habitat, keanekaragaman hayati lahan basah, struktur dan komposisi vegetasi, dan proses ekosistem, menjadikan karakteristik hidrologi ini penting untuk menjaga kesehatan lahan basah dan integritas ekologi (Bobbink et al. 2006 ). Oleh karena itu, pemantauan hidrologi permukaan sangat penting untuk menilai hasil restorasi. Variasi dalam luas air permukaan memengaruhi pembentukan komunitas tanaman lahan basah yang berbeda, menggarisbawahi pentingnya pengukuran hidrologi sistematis dalam mengevaluasi efektivitas restorasi dan mengidentifikasi komunitas yang muncul. Mengintegrasikan pemantauan air permukaan dengan penilaian vegetasi memberikan kerangka kerja yang lebih komprehensif untuk evaluasi keberhasilan restorasi (Reif & Theel 2017 ; Wilson & Norman 2018 ).
Metode pemantauan lahan basah konvensional bergantung pada survei lapangan yang padat karya yang mahal, menuntut logistik, dan sering dibatasi oleh medan, cuaca, dan tantangan keselamatan (Lyon & McCarthy 1995 ; Beheshti et al. 2023 ). Keterbatasan ini membatasi jangkauan geografis dan menunda hasil, sehingga mengurangi efektivitasnya untuk manajemen dan keputusan kebijakan yang tepat waktu. Sebaliknya, pendekatan baru seperti teknologi penginderaan jarak jauh menawarkan alternatif yang efisien dan terukur untuk menilai hasil restorasi (Nagendra et al. 2013 ). Fotografi udara dan citra satelit memungkinkan pemantauan vegetasi dan perubahan hidrologi berskala besar, berulang, dan non-invasif sambil menawarkan data penginderaan jarak jauh akses terbuka berkualitas tinggi yang selaras dengan inisiatif sains terbuka (Klemas 2013 ). Penginderaan jarak jauh juga menawarkan data resolusi temporal dan spasial yang tinggi, yang memudahkan pendeteksian perubahan ekologis yang dinamis dari waktu ke waktu di berbagai wilayah geografis yang luas sekaligus mengurangi kebutuhan untuk kunjungan lapangan yang sering (Reif & Theel 2017 ; de Almeida et al. 2020 ). Pendekatan ini sangat berharga untuk melacak variasi hidrologi, menilai kondisi habitat, dan mengidentifikasi komunitas tumbuhan baru yang muncul setelah restorasi (Wilson & Norman 2018 ; Dronova et al. 2021 ).
Vegetasi dan indeks air, seperti indeks vegetasi perbedaan ternormalisasi, indeks vegetasi yang ditingkatkan (EVI), dan indeks air perbedaan ternormalisasi (NDWI), diperoleh dari citra satelit yang diindra dari jauh dan memainkan peran penting dalam memantau pertumbuhan, kesehatan, dan produktivitas komunitas tumbuhan yang baru terbentuk. Indeks-indeks ini memanfaatkan tanda-tanda spektral yang unik untuk memberikan wawasan tentang kemajuan restorasi (Suir et al. 2020 ). Misalnya, EVI digunakan untuk mengukur penyerapan karbon dioksida selama fotosintesis di lahan basah pesisir (Yang et al. 2023 ), sementara NDWI secara akurat menangkap dinamika temporal air permukaan (Ashok et al. 2021 ). Dengan menganalisis estimasi EVI dan NDWI di berbagai komunitas tumbuhan lahan basah, kami bertujuan untuk mengukur tren temporal dalam pemulihan vegetasi dan tutupan air permukaan, mengevaluasi apakah lahan basah yang dipulihkan menunjukkan perbaikan yang signifikan setelah restorasi. Kami berhipotesis bahwa komunitas tumbuhan lahan basah yang dipulihkan akan menunjukkan peningkatan produktivitas dan tutupan air permukaan yang lebih besar dari waktu ke waktu. Selain itu, kami mengantisipasi bahwa komunitas tumbuhan lahan basah yang muncul akan menunjukkan karakteristik spektral yang berbeda, yang memungkinkan diferensiasi berdasarkan struktur vegetasi dan kondisi hidrologisnya. Studi ini membahas dua pertanyaan penting: Apa pola pemulihan di antara komunitas tumbuhan asli pasca-restorasi, dan bagaimana pola-pola ini bervariasi baik antar-tahunan maupun intra-tahunan? Apa pola pemulihan antar-tahunan dalam tutupan air permukaan di berbagai komunitas lahan basah? Dengan menjawab pertanyaan-pertanyaan ini, penelitian kami bertujuan untuk memajukan pemahaman tentang hasil restorasi lahan basah dan menginformasikan praktik pengelolaan berbasis bukti untuk mencapai ekosistem lahan basah yang berkelanjutan.
Metode
Area Studi
Studi kami dilakukan di ekoregion Northeastern Atlantic Coastal Plains, khususnya di Kota Plymouth, tenggara Massachusetts, Amerika Serikat (Gbr. 1 ). Lokasi studi meliputi perkebunan cranberry yang sudah tidak beroperasi dan direstorasi menjadi lahan basah dalam dua fase. Tidmarsh Mass Audubon Wildlife Sanctuary, yang mencakup lahan seluas 195 ha, direstorasi selama tahun 2015 dan 2016 (selanjutnya disebut 2016) dan Foothills Preserve seluas 51 ha direstorasi pada tahun 2020 (kedua lokasi tersebut secara kolektif disebut sebagai area Tidmarsh). Sebelum restorasi, kedua lokasi tersebut merupakan perkebunan cranberry komersial yang awalnya dikembangkan di lahan gambut pesisir dataran rendah (Ballantine et al. 2020 ). Kegiatan restorasi meliputi pemindahan struktur pengendali air (misalnya bendungan, tanggul, dan pintu air) untuk menghubungkan kembali aliran sungai dengan dataran banjir, menciptakan saluran sungai berkelok-kelok untuk meningkatkan waktu tinggal air, membangun kesinambungan aliran sungai di seluruh DAS, dan memperkenalkan kembali flora asli (Ballantine et al. 2020 ). Di Tidmarsh, sebagian besar rawa cranberry dipulihkan menjadi lahan basah, sementara beberapa area dibiarkan tidak dipulihkan, sehingga menghasilkan campuran komunitas tumbuhan darat, lahan basah, dan akuatik.
Identifikasi Komunitas Tumbuhan Unggulan
Kami menggunakan skema klasifikasi tutupan lahan Coastal Change Analysis Program (C-CAP) untuk mengidentifikasi komunitas tumbuhan lahan basah unggulan (selanjutnya, komunitas unggulan)—kumpulan vegetasi khas yang umum untuk ekoregion—di Tidmarsh (Tabel 1 ; National Oceanic and Atmospheric Administration & Office for Coastal Management 2024 ). Klasifikasi C-CAP dimodifikasi dengan mengganti “tanaman budidaya” dengan “rawa cranberry” karena cranberry adalah satu-satunya tanaman budidaya di area tersebut. Dibentuk oleh hidrologi regional dan berulang dalam kondisi abiotik yang sama seperti tanah jenuh dan hidrofit, kami menangkap enam komunitas unggulan dalam skema C-CAP kami yang dimodifikasi: lahan basah perairan terbuka, rawa cranberry, lahan basah semak belukar, lahan basah palustrine yang muncul (selanjutnya, lahan basah yang muncul), lahan basah hutan palustrine (selanjutnya, lahan basah hutan), dan hamparan perairan palustrine (selanjutnya, hamparan perairan).
Desain Survei untuk Observasi Lapangan
Kami menggunakan ArcGIS (V 10.6, ESRI, Redding, CA, AS) untuk menghasilkan 529 titik acak di seluruh lahan basah yang telah dipulihkan dan yang belum dipulihkan di dalam area Tidmarsh. Untuk membandingkan pola pemulihan komunitas unggulan Tidmarsh dengan lahan basah alami regional, kami menghasilkan 282 titik acak sebagai lokasi referensi yang mewakili lahan basah alami di luar area Tidmarsh. Kami melapisi lokasi titik ini pada gambar Program Citra Pertanian Nasional di ArcGIS, yang bertujuan untuk mengalokasikan setidaknya 30 lokasi titik per komunitas tanaman dengan memeriksa citra secara visual di layar komputer. Pada bulan Mei 2019, sebelum fase restorasi 2020, kami melakukan survei lapangan in-situ di setiap lokasi titik untuk memvalidasi identifikasi komunitas tanaman berbasis citra awal kami. Untuk menangkap komunitas unggulan yang muncul dari fase restorasi kedua yang diselesaikan pada tahun 2020, kami mensurvei lahan basah pada bulan Mei 2021 setelah memeriksa citra udara secara visual. Selama survei lapangan ini, kami memilih lokasi titik dalam petak komunitas tanaman yang luasnya lebih dari 10 m 2 untuk memastikan kesesuaian dengan resolusi spasial citra yang diindra dari jauh. Kami menggunakan Garmin Montana 650 t untuk menemukan setiap titik dan memeriksa vegetasi secara visual untuk menetapkan setiap lokasi ke jenis komunitas tanamannya masing-masing mengikuti skema klasifikasi C-CAP (Tabel 2 ).
Pengolahan Data Penginderaan Jauh
Bahasa Indonesia: Dengan menggunakan platform Google Earth Engine, kami mengakses citra terkoreksi atmosfer Level-2A dari sensor Sentinel-2, yang diluncurkan pada tahun 2015 untuk memantau permukaan Bumi dan analisis vegetasi. Kami memilih citra Sentinel karena resolusi spasial (10-m) dan temporal (15 hari) yang tinggi, yang memungkinkan analisis terperinci pola pemulihan di komunitas unggulan. Citra tersebut mencakup pita yang mencakup wilayah spektrum elektromagnetik yang terlihat dan inframerah dekat (NIR). Sentinel-2, sensor pasif, sensitif terhadap tutupan awan dan kondisi atmosfer, yang dapat memengaruhi kualitas data. Untuk memastikan hasil yang andal, kami menerapkan lapisan probabilitas awan dari koleksi Sentinel-2 untuk menutupi area dengan probabilitas tutupan awan lebih dari 35%. Kami memperkirakan indeks spektral EVI dan NDWI (Persamaan 1 & 2 ) untuk mengukur pola pemulihan komunitas unggulan dan air permukaan, masing-masing. Dengan menganalisis perubahan temporal pada indeks spektral ini dan membandingkannya dengan lokasi referensi, kami mengidentifikasi pola pemulihan pada vegetasi lahan basah dan luas permukaan air di wilayah Tidmarsh.
Pita NIR, Merah, Biru, dan Hijau dalam citra Sentinel-2 Multi-Spectral Instrument (MSI) masing-masing sesuai dengan pita 8, 4, 2, dan 3. Panjang gelombang sentral adalah 832,8 nm (NIR), 664,6 nm (Merah), 492,7 nm (Biru), dan 559,0 nm (Hijau), dengan lebar pita masing-masing 105, 30, 65, dan 35 nm.
EVI secara khusus dirancang untuk mengukur kehijauan vegetasi dan produktivitas tanaman dengan meningkatkan sinyal reflektansi vegetasi hijau sambil meminimalkan efek tanah dan atmosfer, membuatnya ideal untuk menilai pola temporal pemulihan vegetasi setelah restorasi lahan basah (Huete et al. 1997 ). Demikian pula, NDWI sensitif terhadap kelembapan tanah dan air permukaan, menjadikannya indeks yang efektif untuk memantau perubahan air permukaan di lahan basah (Gao 1996 ). Kami menganalisis indeks spektral deret waktu untuk mendeteksi pola temporal dalam komunitas unggulan dan air permukaan, menilai pemulihan vegetasi dan perubahan air permukaan setelah restorasi. Mengingat bahwa komunitas unggulan dalam studi kami terendam seluruhnya atau sebagian, kami menghitung EVI, untuk pemantauan vegetasi, dan NDWI, untuk mendeteksi genangan air, untuk setiap komunitas lahan basah.
Kami mengimpor semua 811 lokasi titik, termasuk lokasi referensi, untuk memperkirakan nilai EVI untuk semua tanggal yang tersedia dari Januari 2019 hingga Desember 2023. Untuk estimasi NDWI, kami membatasi analisis pada bulan-bulan daun rontok (November–April) untuk meminimalkan gangguan dari tutupan tajuk dan memastikan deteksi reflektansi air permukaan. Gambar dengan tutupan salju dikecualikan dari analisis untuk mencegah nilai reflektansi yang salah. Untuk mendapatkan indeks spektral, kami awalnya mengekstraksi nilai pita untuk setiap lokasi titik dari piksel Sentinel-2 yang sesuai dan kemudian menghitung indeks (Persamaan 1 & 2 ). Secara total, 418 gambar Sentinel-2 diproses untuk perhitungan indeks spektral untuk lokasi titik (Gbr. S1 ). Distribusi spasial yang lebih luas dari lokasi referensi dibandingkan dengan lokasi titik di area Tidmarsh memerlukan citra tambahan untuk pengambilan data. Bahasa Indonesia: Untuk mengatasi nilai yang hilang akibat tutupan awan, bayangan, dan kondisi atmosfer, kami menerapkan filter Savitzky–Golay (Savitzky & Golay 1964 ) menggunakan fungsi “savgol_filter” dari paket Scipy (Virtanen et al. 2020 ). Metode ini, yang umum digunakan untuk menghaluskan indeks spektral deret waktu (yaitu Shao et al. 2016 ; Cao et al. 2018 ), menerapkan rata-rata bergerak tertimbang berdasarkan polinomial dengan derajat tertentu (Chen et al. 2004 ). Kami memilih panjang jendela 5 dan derajat polinomial 2 untuk mencapai keseimbangan optimal antara pengurangan derau dan retensi data.
Analisis Statistik
Kami menerapkan pendekatan nonparametrik, bebas dari asumsi normalitas, untuk menganalisis pola pemulihan vegetasi, luas permukaan air, dan kekhasan spektral komunitas unggulan setelah restorasi. Semua analisis statistik serta produksi grafis dilakukan dalam bahasa pemrograman R menggunakan RStudio Integrated Development Environment (Tim Inti R 2024 ; Tim RStudio 2024 ).
Untuk menentukan apakah komunitas unggulan yang muncul setelah restorasi menunjukkan perbedaan spektral dalam EVI dan NDWI, kami melakukan uji Kruskal–Wallis (uji KW), dengan indeks spektral sebagai variabel respons dan komunitas unggulan sebagai variabel prediktor. Uji transformasi peringkat ini mengevaluasi perbedaan signifikan antara tiga kelompok atau lebih (Tiit 2000 ). Jika perbedaan signifikan terdeteksi, kami melakukan perbandingan berpasangan menggunakan uji jumlah peringkat Wilcoxon dengan koreksi Bonferroni untuk mengidentifikasi perbedaan dalam produktivitas vegetasi dan dinamika air permukaan. Uji jumlah peringkat Wilcoxon, yang membandingkan dua kelompok independen, menilai apakah median populasi mereka berbeda. Untuk menilai pergeseran intra-tahunan dalam pemulihan vegetasi di antara komunitas unggulan, kami menerapkan uji KW dengan EVI rata-rata bulanan sebagai respons dan bulan sebagai prediktor. Perbandingan berpasangan dilakukan menggunakan uji jumlah peringkat Wilcoxon. Untuk menilai pemulihan antartahunan dari setiap komunitas unggulan, kami menggunakan uji Friedman, dengan memperlakukan EVI rata-rata tahunan sebagai variabel respons dan tahun sebagai prediktor, untuk mendeteksi perubahan signifikan tahun ke tahun dalam pemulihan vegetasi. Ketika perbedaan signifikan ditemukan, kami menerapkan uji peringkat bertanda Wilcoxon dengan penyesuaian Bonferroni untuk mengidentifikasi pasangan tahun dengan estimasi EVI yang berbeda sambil mengendalikan kesalahan Tipe I. Uji Friedman mendeteksi perbedaan di seluruh perlakuan dalam desain blok acak dengan pengukuran berulang pada subjek yang sama (Tiit 2000 ), sementara uji peringkat bertanda Wilcoxon membandingkan dua sampel terkait atau pasangan yang cocok, yang menilai apakah peringkat rata-rata populasinya berbeda, sehingga cocok untuk menganalisis data berpasangan. Metode Bonferroni menyesuaikan tingkat signifikansi dengan membagi tingkat alfa yang diinginkan dengan jumlah perbandingan yang dilakukan, mengurangi kemungkinan positif palsu. Kami menerapkan pendekatan yang sama untuk menganalisis pergeseran antartahunan dalam NDWI untuk menilai perubahan tutupan air permukaan di antara komunitas unggulan. Pertama, kami menerapkan uji Friedman di mana rata-rata tahunan NDWI berfungsi sebagai variabel respons dan tahun sebagai variabel prediktor, diikuti oleh perbandingan berpasangan post hoc menggunakan uji peringkat bertanda Wilcoxon. Untuk visualisasi data, kami membuat plot kotak dan kumis dengan indeks spektral Yeo-Johnson yang ditransformasikan untuk mengilustrasikan: (1) perbedaan spektral di antara komunitas unggulan dan air permukaan yang muncul sebagai respons terhadap restorasi lahan basah menggunakan EVI dan NDWI, (2) tren antartahunan dalam vegetasi pascarestorasi dan pemulihan air permukaan, dan (3) variabilitas intratahunan dalam estimasi rata-rata bulanan EVI komunitas unggulan.
Hasil
Perbedaan Spektral Berbasis EVI di Antara Komunitas Unggulan
Komunitas unggulan menunjukkan perbedaan spektral yang signifikan dalam hal estimasi EVI setelah aktivitas restorasi dilaksanakan pada tahun 2016, baik untuk semua tahun yang digabungkan (uji KW; H = 695,0, p < 0,0001) dan berdasarkan tahun ke tahun (2019: H = 138,0, 2020: H = 142,0, 2021: H = 142,0, 2022: H = 155,0, 2023: H = 153,0, semuanya signifikan pada p < 0,0001; Gambar 2A–E ). Pola serupa terbukti di antara lahan basah yang muncul setelah restorasi pada tahun 2020, di mana komunitas unggulan berbeda secara signifikan di semua tahun yang digabungkan ( H = 47,6, p < 0,0001; Gambar 2F–J ) serta berdasarkan tahun ke tahun (2021: H = 40,80, 2022: H = 37,2, 2023: H = 41,0, semuanya signifikan pada p < 0,0001) dalam estimasi EVI mereka. Perbandingan berpasangan (uji peringkat bertanda Wilcoxon) dari estimasi EVI antara restorasi tahun 2016 dan 2020 juga mendukung perbedaan spektral ini, yang menunjukkan munculnya komunitas unggulan yang berbeda karena restorasi (Tabel 3 ). Mengenai upaya restorasi tahun 2016, lahan basah berhutan muncul sebagai komunitas tumbuhan yang paling khas dan secara konsisten menampilkan estimasi EVI terbesar di semua tahun. Ini membedakannya dari komunitas unggulan lainnya. Sebaliknya, lahan basah perairan terbuka secara konsisten menunjukkan variasi terbesar dalam estimasi EVI (Gbr. 2A–E ). Lahan basah yang muncul merupakan yang paling khas di antara komunitas unggulan yang dihasilkan dari tindakan restorasi tahun 2020, sebagaimana dibuktikan oleh estimasi EVI yang lebih besar yang diamati selama bertahun-tahun
Perbedaan Spektral Berbasis NDWI di antara Komunitas Unggulan
Nilai NDWI berbeda secara signifikan di seluruh komunitas unggulan yang berbeda sepanjang periode 2019–2023 untuk fase restorasi 2016 (uji KW; H = 258,0, p < 0,0001; Gambar 3A–E ) dan 2020 ( H = 25,4, p < 0,0001; Gambar 3F–J ), yang menunjukkan perbedaan spektral di antara komunitas unggulan. Perbedaan ini bertahan selama bertahun-tahun untuk fase restorasi 2016 (uji KW; 2019: H = 42,2; 2020: H = 53,7; 2021: H = 53,7; 2022: H = 71,3; 2023: H = 64,3, semuanya signifikan pada p < 0,0001) dan 2020 (2021: H = 3,7830,0, p ~ 0,05; 2022: H = 37,2, p < 0,0001; 2023: H = 33,4, p < 0,0001). Selain itu, analisis berpasangan lanjutan (uji peringkat bertanda Wilcoxon) mengungkapkan perbedaan spektral berbasis NDWI yang signifikan antara semua tipe komunitas unggulan untuk kedua fase restorasi, kecuali untuk lapisan perairan dan lahan basah yang muncul (Tabel 3 ). Hal ini menunjukkan adanya perbedaan yang terus-menerus dalam tutupan air permukaan di antara komunitas unggulan setelah upaya restorasi tahun 2016 dan 2020. Lahan basah perairan terbuka secara konsisten memiliki estimasi NDWI tertinggi di semua tahun dan fase restorasi, sementara lahan basah berhutan memiliki yang terendah (Gbr. 3 ). Lahan basah perairan terbuka dan lahan basah yang muncul menunjukkan variasi NDWI terbesar dan terkecil, masing-masing, untuk kedua fase restorasi, kecuali untuk tahun 2021 untuk fase restorasi 2020
Pola Pemulihan Vegetasi Antar Tahunan
Komunitas unggulan yang dipulihkan menunjukkan pemulihan vegetasi yang progresif dan signifikan setelah upaya restorasi sebagaimana terbukti dari peningkatan estimasi EVI (Gbr. 4 , Tabel S1 ), sementara komunitas vegetasi yang muncul dari kedua fase restorasi menunjukkan peningkatan yang signifikan dalam pemulihan untuk semua perbandingan antar tahun (Tabel S1 ). Lahan basah perairan terbuka yang dipulihkan dari fase 2016 dan 2020 menunjukkan pemulihan vegetasi yang signifikan (fase 2016: Q = 199,0, p < 0,0001; fase 2020: Q = 185,0, p < 0,0001) dengan estimasi EVI meningkat dari waktu restorasi hingga 2022, diikuti oleh penurunan yang signifikan dari 2022 hingga 2023 ( p < 0,0001, Tabel S1 ). Selain itu, lahan basah perairan terbuka yang dipulihkan pada tahun 2016 memiliki estimasi EVI yang jauh lebih tinggi daripada lahan basah referensi ( W = 58.114,0, p < 0,05) dan yang dipulihkan pada tahun 2020 ( W = 13.337,0, p < 0,0001), sedangkan yang terakhir memiliki estimasi EVI yang lebih rendah, meskipun tidak signifikan secara statistik, dibandingkan dengan lahan basah referensi ( W = 4.493,0, p > 0,05) (Tabel 4 ; Gambar 4A ). Baik dasar perairan ( Q = 59,2, p < 0,0001) dan lahan basah yang muncul ( Q = 238,0, p < 0,0001) yang dipulihkan pada tahun 2016 menunjukkan peningkatan yang signifikan dalam nilai EVI dari tahun 2019 hingga 2022 dan menurun secara signifikan pada tahun berikutnya ( p < 0,0001; Tabel S1 ; Gambar 4B & 4C ). Meskipun demikian, kedua jenis lahan basah memiliki estimasi EVI yang jauh lebih besar dibandingkan dengan lahan basah referensi (dasar perairan: W = 1.569,0, p ≤ 0,0001; lahan basah yang muncul: W = 21.546,0, p ≤ 0,0001) (Tabel 4 ; Gambar 4B ). Nilai EVI lahan basah yang muncul yang dipulihkan pada tahun 2020 melampaui lahan basah referensi ( W = 19.066,0, p < 0,0001) tetapi tetap jauh lebih rendah daripada yang dipulihkan pada tahun 2016 ( W = 52.387,0, p < 0,0001), sementara menunjukkan peningkatan yang terus-menerus dan konsisten dalam pemulihan vegetasi dari waktu ke waktu ( Q = 19.066,0, p < 0,0001; Tabel S1 ; Gambar 4C ). Lahan basah berhutan yang dipulihkan pada tahun 2016 menunjukkan pergeseran signifikan dalam estimasi EVI antar tahun ( Q = 63,4,p < 0,05), menunjukkan perbedaan antar tahun, meskipun perbedaan antar tahun tersebut tidak kentara dan nilai EVI tetap relatif stabil kecuali peningkatan pada tahun 2022 (Tabel S1 ; Gambar 4D ). Lahan basah ini memiliki estimasi EVI yang jauh lebih besar daripada lahan basah referensi ( W = 5.691,0, p < 0,0001; Tabel 4 ). Lahan basah yang berdekatan yang belum direstorasi tidak menunjukkan pola EVI yang konsisten, kecuali untuk dasar perairan tempat nilai EVI membaik seiring waktu (Gbr. 4 ). Upaya restorasi pada tahun 2020, yang mengubah rawa cranberry menjadi lahan basah perairan terbuka (uji Friedman: Q = 17,0, p < 0,0001) atau lahan basah yang muncul (uji Friedman: Q = 65,0, p < 0,0001), menyebabkan penurunan signifikan dalam estimasi EVI (Gbr. 5A ). Tren penurunan ini juga diamati di lahan basah semak/scrub yang diubah menjadi lahan basah muncul ( Q = 11.0, p < 0,0001; Gambar 5B ), sedangkan waduk yang diubah menjadi lahan basah muncul mengakibatkan peningkatan yang nyata dalam estimasi EVI ( Q = 4.0, p < 0,001 >
Pola Pemulihan Vegetasi Intra-Tahunan
Komunitas unggulan yang dipulihkan pada tahun 2016 dan 2020 mencapai puncaknya secara konsisten selama periode Juni-Juli selama lima tahun berturut-turut, sejalan dengan musim pertumbuhan puncak di Massachusetts tenggara (Gbr. 6 ), termasuk area referensi. Sementara besarnya estimasi EVI bervariasi di antara komunitas lahan basah yang berbeda selama periode Juni-Juli, semua komunitas unggulan menunjukkan sinkronisasi dalam produktivitas intra-tahunan mereka di seluruh tahun yang diamati (Gbr. 6 ). Lahan basah berhutan dan lahan basah perairan terbuka secara konsisten menunjukkan nilai EVI tertinggi dan terendah, masing-masing, selama periode ini, dengan besaran variabel menghasilkan perbedaan yang signifikan secara statistik dalam pemulihan vegetasi berbagai komunitas unggulan (uji KW: H = 538,00, p < 0,0001). Tren EVI intra-tahunan di antara berbagai komunitas unggulan kurang khas tetapi signifikan secara statistik selama musim dorman (Desember–Februari) (uji KW: H = 441,00, [derajat kebebasan] df = 3, p < 0,0001), yang menunjukkan produktivitas dan pola pergantian yang stabil sepanjang tahun. Temuan-temuan ini memberikan bukti kuat tentang munculnya komunitas tumbuhan yang berbeda karena intervensi restorasi. Pola berulang yang diamati dalam estimasi EVI intra-tahunan menunjukkan bahwa komunitas tumbuhan ini menunjukkan stabilitas antar-tahun dalam hal produktivitas sambil menjalani pola pergantian biomassa intra-tahunan yang serupa selama beberapa tahun. Meskipun lahan basah yang direstorasi pada tahun 2020 menunjukkan variabilitas dalam estimasi EVI intra-tahunan (Gbr. 6F–J ), jika dibandingkan dengan lahan basah yang direstorasi dalam jangka waktu 2016 (Gbr. 6A–E ), pola-pola ini kurang mencolok untuk lahan basah perairan terbuka dan tidak menunjukkan tren berulang yang konsisten sepanjang tahun. Demikian pula, meskipun tren EVI intra-tahunan di antara komunitas unggulan yang berbeda di lahan basah yang dipulihkan pada tahun 2020 secara signifikan berbeda selama musim pertumbuhan (uji KW: H = 814,00, p < 0,05), hasil musim dorman tidak menunjukkan perbedaan yang signifikan (uji KW: H = 731,00, p > 0,05).
Tren Tahunan Luas Air Permukaan
Lahan basah perairan terbuka yang dipulihkan pada tahun 2020 memiliki nilai NDWI yang jauh lebih besar serta variabilitas yang lebih besar dibandingkan dengan lahan basah yang dipulihkan pada tahun 2016 (Tabel 4 ; Gambar 7A ). Estimasi NDWI untuk lahan basah perairan terbuka yang dipulihkan pada tahun 2016 ( Q = 251,0, p < 0,0001) dan 2020 ( Q = 46,1, p < 0,0001) menunjukkan variasi antartahunan yang signifikan, dengan tren peningkatan yang jelas terlihat pada lahan basah yang dipulihkan pada tahun 2020 (Tabel S2 ; Gambar 7A ). Dasar perairan yang dipulihkan pada tahun 2016 juga menunjukkan variasi antartahunan yang signifikan dalam nilai NDWI ( Q = 30,6, p < 0,0001) yang mencatat peningkatan nilai NDWI hingga tahun 2022 dari titik pemulihan tetapi menurun pada tahun berikutnya sambil mempertahankan NDWI yang tinggi dibandingkan dengan kerangka waktu 2019–2022 (Tabel S2 ; Gambar 7B ). Di antara lahan basah yang dipulihkan pada tahun 2016, baik lahan basah yang muncul ( Q = 120,0, p < 0,0001) maupun lahan basah berhutan ( Q = 21,0, p < 0,0001) menunjukkan pergeseran antartahunan yang signifikan (Tabel S2 ; Gambar 7C & 7D ). Lahan basah yang muncul dan dipulihkan pada tahun 2016 menunjukkan peningkatan bertahap dalam tutupan air permukaan dari tahun 2019 hingga 2022, tetapi menurun pada tahun berikutnya, sedangkan lahan basah yang dipulihkan pada tahun 2020 tidak menunjukkan variasi nyata dalam luas permukaan air (Tabel S2 ; Gambar 7C ). Lahan basah berhutan yang dipulihkan pada tahun 2016 juga menunjukkan peningkatan yang lambat tetapi signifikan dalam luas permukaan air
Lahan basah referensi secara konsisten menunjukkan nilai NDWI tertinggi, yang berbeda secara signifikan dari semua lahan basah yang dipulihkan sepanjang periode 2019–2024, yang menunjukkan bahwa lahan basah yang dipulihkan belum mencapai keadaan yang diinginkan, di mana tanah sepenuhnya jenuh dengan air. Lahan basah perairan terbuka yang dipulihkan pada tahun 2016 ( W = 92.486,0, p < 0,0001) dan 2020 ( W = 2825,0, p < 0,05) menunjukkan estimasi NDWI yang jauh lebih rendah serta variabilitas yang lebih sedikit daripada lahan basah referensi, sementara lahan basah yang dipulihkan pada tahun 2020 memiliki tutupan air permukaan yang jauh lebih besar ( W = 14.089,0; p ~ 0,0001; Tabel S2 ; Gambar 7A ). Terlepas dari fase restorasi, lahan basah yang muncul secara konsisten memiliki nilai NDWI yang lebih rendah dibandingkan dengan ekuivalen referensi (2016: W = 2.825,0, p < 0,0001; 2020: W = 2.825,0, p < 0,0001). Demikian pula, EVI dari dasar perairan ( W = 21.532,0, p < 0,0001) serta lahan basah berhutan ( W = 33.403,0, p < 0,0001) juga tetap jauh lebih rendah daripada rekan referensinya (Tabel 4 ; Gambar 7B ). Dibandingkan dengan lahan basah referensi, dasar perairan yang dipulihkan menunjukkan variasi yang lebih sempit dalam NDWI, sedangkan lahan basah berhutan yang dipulihkan mempertahankan variabilitas nilai NDWI yang jauh lebih luas dibandingkan dengan ekuivalen referensinya (Tabel 4 ; Gambar 7B ). Namun, lahan basah yang muncul dan berhutan dari kedua fase pemulihan menunjukkan nilai NDWI yang mendekati nilai lahan basah referensi, yang menunjukkan peningkatan kapasitas retensi air. Di sisi lain, lahan basah yang belum dipulihkan, umumnya memiliki nilai NDWI terendah, yang mencerminkan hidrologi yang terdegradasi dan luas permukaan air yang berkurang (Gbr. 7 ).
Diskusi
Restorasi rawa pasang surut menghasilkan peningkatan ekologis yang signifikan dalam produktivitas vegetasi lahan basah dan dinamika air permukaan, yang sejalan dengan hipotesis awal kami. Seperti yang kami duga, komunitas unggulan yang dipulihkan menunjukkan peningkatan substansial dalam produktivitas vegetasi dari waktu ke waktu, sebagaimana tercermin dalam estimasi EVI yang tinggi. Baik lahan basah yang muncul maupun lahan basah berhutan menandakan peningkatan yang jelas dalam pemulihan dan produktivitas vegetasi setelah restorasi. Perbedaan spektral di antara komunitas unggulan mendukung hipotesis kami bahwa restorasi mendorong perkembangan ekosistem lahan basah yang berbeda. Seiring berjalannya waktu, perbedaan berpasangan menjadi lebih jelas, yang menunjukkan bahwa perubahan yang didorong oleh restorasi meningkat seiring dengan kematangan ekosistem. Hal ini mendukung munculnya ekosistem lahan basah yang beragam dan pembentukan heterogenitas habitat di seluruh rawa pertanian yang sebelumnya seragam. Khususnya, perbedaan signifikan antara ekosistem terlihat jelas bahkan pada tahap awal restorasi. Pola antartahunan dan intratahunan yang menonjol dalam produktivitas vegetasi, khususnya di antara lahan basah yang muncul, lahan basah berhutan, dan dasar perairan, menyoroti pembentukan progresif ekosistem lahan basah yang dipulihkan. Demikian pula, tren temporal dalam luas air permukaan mencerminkan peningkatan ekologis. Namun, lahan basah perairan terbuka dan dasar perairan menunjukkan variabilitas terbesar baik dalam produktivitas vegetasi maupun luas permukaan air, yang menunjukkan bahwa pemulihan hidrologis dalam ekosistem ini lebih kompleks. Sementara lahan basah yang dipulihkan telah menyamai atau bahkan melampaui pertumbuhan vegetasi di lahan basah acuan, lahan basah tersebut masih tertinggal dalam hal tutupan air permukaan. Meskipun demikian, peningkatan retensi air menunjukkan kemajuan dalam pemulihan ekosistem. Hasil kami menunjukkan bahwa respons hidrologis dan vegetasi terhadap pemulihan telah menghasilkan hasil ekologis yang positif, meskipun pada tingkat yang berbeda, yang menggarisbawahi lintasan pemulihan yang berbeda.
Penggunaan citra deret waktu penginderaan jauh terbukti menjadi metode yang efektif untuk mengevaluasi pertumbuhan komunitas tanaman pasca-restorasi, memberikan penilaian yang kuat terhadap efektivitas restorasi. Pendekatan kami selaras dengan penelitian sebelumnya yang menganjurkan citra satelit multispektral resolusi tinggi untuk menangkap pola spasial dan temporal pemantauan pasca-restorasi (Jones et al. 2009 ; Taddeo & Dronova 2018 ). Demikian pula, kombinasi indeks spektral (misalnya NDWI, indeks vegetasi perbedaan yang dinormalisasi, indeks vegetasi yang disesuaikan dengan tanah) telah berhasil digunakan untuk membedakan lahan basah di Kanada (Amani et al. 2018 ). Singh et al. ( 2018 ) dan Singh dan Gray ( 2020 ) menyarankan bahwa memilih citra penginderaan jauh selama perbedaan fenologi puncak meningkatkan deteksi dan pemetaan tanaman invasif dan tipe hutan. Jika citra tersebut tidak tersedia atau perbedaan fenologi tidak diketahui, menggunakan tanda tangan temporal dari semua gambar yang tersedia merupakan alternatif yang layak. Penginderaan jarak jauh unggul dalam menangkap pengamatan skala besar, sering, dan konsisten sambil memungkinkan deteksi pergeseran ekologi halus yang sering tidak diperhatikan dengan metode lapangan tradisional (Dronova et al. 2015 ). Studi kami mendukung penggunaan data penginderaan jauh untuk melacak respons ekologi pasca-restorasi di area lahan basah kecil dan heterogen (<500 hektar) dengan kompleksitas lingkungan. Penelitian sebelumnya bergantung pada peralatan dan sensor khusus (misalnya spektroradiometer lapangan, citra satelit komersial, sensor hiperspektral) untuk membedakan komunitas tumbuhan berdasarkan sifat fungsional atau identitas taksonomi (Mishra 2020 ). Temuan kami menyoroti efektivitas indeks vegetasi untuk diskriminasi spektral dan pemetaan ekosistem lahan basah. Pendekatan ini menawarkan alat yang berharga untuk menilai hasil restorasi pada skala ekologi yang lebih luas. Indeks spektral yang diperoleh dari citra satelit, seperti EVI dan NDWI, berfungsi sebagai proksi yang dapat diandalkan untuk pertumbuhan vegetasi, produktivitas, akumulasi biomassa, dan dinamika permukaan air—indikator utama keberhasilan restorasi (Adam et al. 2010 ; Ashok et al. 2021 ).
Penggunaan citra Sentinel-2 untuk memperoleh indeks spektral selaras dengan studi skala nasional yang menunjukkan responsivitas indeks vegetasi terhadap metrik berbasis lapangan dari struktur dan komposisi vegetasi (Taddeo & Dronova 2018 ). Resolusi spasial dan temporal Sentinel-2 secara efektif menangkap variasi spektral dalam komunitas unggulan, membuatnya sangat cocok untuk menganalisis ekosistem lahan basah yang kompleks dan memberikan wawasan terperinci ke dalam pertumbuhan musiman jangka pendek dan suksesi ekosistem jangka panjang (del Río-Mena et al. 2020 ). Pola fenologi antar dan intra-tahunan yang diamati di Tidmarsh pasca-restorasi mengungkapkan tanda-tanda spektral yang berbeda di antara komunitas tumbuhan. Pola-pola ini menyoroti kemunculan berbagai jenis ekosistem hanya dalam 3-7 tahun pasca-restorasi, memberikan bukti awal perkembangan ekosistem lahan basah yang kompleks dan bervariasi. Bukti awal perkembangan ekosistem lahan basah ini selaras dengan Ioana-Toroimac et al. ( 2022 ), yang menggunakan NDWI turunan Landsat untuk melacak restorasi lahan basah (1984–2020) dan mengamati peningkatan luas permukaan air setelah restorasi. Hal ini sejalan dengan temuan kami tentang peningkatan dinamika air permukaan dan komunitas tumbuhan. Kami menemukan bahwa nilai NDWI berbeda secara signifikan di antara komunitas tumbuhan selama periode 2019–2023 di kedua fase restorasi, yang mengonfirmasi perbedaan spektral yang jelas yang bertahan dari waktu ke waktu. Temuan ini juga sejalan dengan Jackson et al. ( 2004 ) yang menunjukkan bahwa NDWI secara efektif menangkap perubahan air permukaan. Sementara indeks spektral dapat mencerminkan perbedaan ekologis di antara komunitas tumbuhan, akurasinya dapat dipengaruhi oleh ketidakpastian pengukuran, kondisi atmosfer, variasi musiman, dan tingkat kelembapan (Gao 1996 ). Meskipun sensitif terhadap kadar air dedaunan, membatasi perhitungan NDWI pada periode dorman meningkatkan estimasi luas air permukaan.
Vegetasi dan indeks air mengungkapkan variasi dalam produktivitas dan luas permukaan air di berbagai fase restorasi. Restorasi yang lebih tua menunjukkan produktivitas yang lebih besar, sementara restorasi yang lebih baru tetap berada pada tahap awal pembentukan dan pertumbuhan vegetasi. Pengamatan serupa dilakukan di tempat lain. Misalnya, Benayas et al. ( 2009 ) menunjukkan bahwa seiring bertambahnya usia restorasi, lahan basah berhutan menunjukkan peningkatan fungsi ekosistem, termasuk penyerapan karbon. Lahan basah delta yang direstorasi pada tahap pemulihan menengah menunjukkan peningkatan produktivitas vegetasi dan akumulasi biomassa yang signifikan. Lahan basah dalam pemulihan pascarestorasi tahap awal menunjukkan pertumbuhan vegetasi yang lebih rendah tetapi terus meningkat, yang mencerminkan pembentukan komunitas tanaman secara bertahap dan peningkatan produktivitas (Taddeo & Dronova 2020 ). Variasi EVI di seluruh fase restorasi dalam studi kami menekankan peran penting faktor temporal dalam pemulihan lahan basah. Demikian pula, di lahan basah pasang surut air tawar yang telah direstorasi di pesisir California, respons vegetasi bervariasi menurut usia restorasi—pertumbuhan cepat di lokasi yang baru direstorasi (<5 tahun), penurunan non-linier di lokasi antara (10–15 tahun), dan perubahan yang lebih lambat di lokasi yang lebih tua (>15 tahun) (Taddeo & Dronova 2020 ). Temuan ini menekankan perlunya pemantauan berkelanjutan untuk mengevaluasi keberhasilan restorasi jangka panjang dan untuk menerapkan strategi pengelolaan adaptif.
Dalam studi kami, lahan basah perairan terbuka, secara umum, menunjukkan nilai NDWI tertinggi dan variasi terbesar, kemungkinan karena fluktuasi muka air dan dinamika musiman. Sebaliknya, lahan basah berhutan memiliki nilai NDWI terendah, karena evapotranspirasi tinggi mengurangi tutupan air permukaan. Temuan kami menunjukkan pemulihan signifikan komunitas tumbuhan pasca restorasi, khususnya di lahan basah perairan terbuka yang direstorasi pada tahun 2016, di mana peningkatan nilai EVI mencerminkan peningkatan produktivitas vegetasi, pertumbuhan alga, dan pembentukan hidrofit. Temuan kami sejalan dengan Bentley et al. ( 2022 ), yang menunjukkan peningkatan substansial dalam kesehatan ekologi dan sifat biofisik lahan basah riparian yang direstorasi di lahan pertanian terdegradasi. Lahan basah berhutan juga menunjukkan nilai EVI yang stabil dan meningkat pasca restorasi, konsisten dengan proses pematangan vegetasi berkayu yang lebih lambat. Seperti yang dikatakan Meli et al. ( 2014 ) menyarankan, keberhasilan restorasi lahan basah dalam meningkatkan keanekaragaman hayati dan layanan ekosistem bergantung pada evaluasi multi-aspek penyebab degradasi, strategi restorasi, desain eksperimen, dan tipe ekosistem, yang menggarisbawahi perlunya pendekatan restorasi yang disesuaikan untuk habitat yang berbeda.
Upaya restorasi tahun 2020 menyebabkan penurunan nilai EVI di antara lahan basah perairan terbuka dan hanya sedikit peningkatan EVI di lahan basah yang muncul. Hal ini dapat dikaitkan dengan gangguan awal yang disebabkan oleh aktivitas restorasi, yang dapat mengurangi tutupan vegetasi akuatik untuk sementara. Sebelum restorasi tahun 2020, lahan pertanian cranberry yang sudah tidak digunakan lagi didominasi oleh tikar cranberry yang rapat, efek warisan dari budidaya komersial yang dikenal dengan nilai EVI yang tinggi (Hoekstra et al. 2020 ). Oleh karena itu, penurunan awal EVI setelah konversi rawa ini menjadi lahan basah mencerminkan transisi dari pertanian dengan produktivitas tinggi ke suksesi lahan basah tahap awal. Demikian pula, Moore et al. ( 1999 ) mengamati penurunan di perairan terbuka dan kedalaman air di lahan basah yang baru muncul di Connecticut, Amerika Serikat, yang kontras dengan kondisi yang lebih stabil yang ditemukan di lokasi referensi selama periode yang sama. Namun, konversi waduk pra-restorasi menjadi lahan basah yang muncul menyebabkan peningkatan nilai EVI, yang kemungkinan didorong oleh peningkatan pertumbuhan hidrofit yang meningkatkan produktivitas vegetasi. Variasi ini menggarisbawahi pentingnya strategi restorasi yang disesuaikan dengan karakteristik ekologis setiap jenis lahan basah. Variabilitas yang kami amati di antara komunitas unggulan dalam hal kekuatan, arah, dan besarnya pertumbuhan vegetasi dan retensi air permukaan setelah restorasi menggarisbawahi kompleksitas pemulihan lahan basah. Hal ini menyoroti bahwa respons ekologis jangka panjang dapat bervariasi di berbagai jenis ekosistem lahan basah. Temuan kami menekankan pentingnya menggabungkan dinamika khusus ekosistem ke dalam desain restorasi, implementasi, dan manajemen pascarestorasi untuk mengoptimalkan hasil ekologis.
Perbedaan EVI antar tahun sebagian besar tetap signifikan di semua jenis komunitas tumbuhan lahan basah unggulan, bahkan antara tahun-tahun berturut-turut. Peningkatan cepat dalam median EVI tersebut memberikan kepercayaan untuk peningkatan produktivitas di antara lahan basah yang dipulihkan. Pada tahun 2022, lahan basah hutan palustrin menunjukkan median EVI tertinggi, peningkatan yang signifikan dari tahun-tahun sebelumnya. Jenis komunitas tumbuhan lahan basah ini menunjukkan EVI terendah pada tahun 2019, yang mencerminkan pertumbuhan dan pematangan vegetasi berkayu yang lambat. Di antara semua lahan basah yang muncul sebagai respons terhadap restorasi, karena vegetasi dominan di lahan basah hutan palustrin adalah pohon berkayu, jenis ini membutuhkan waktu paling lama untuk mencapai kematangan dalam hal pertumbuhan dan produktivitas. Median EVI untuk tahun 2020 dan 2021 juga berbeda secara signifikan dari tahun 2019 untuk lahan basah hutan palustrin, sementara peningkatan median EVI untuk tahun-tahun awal relatif kecil.
Lahan basah yang dipulihkan pada tahun 2016 menunjukkan pola pertumbuhan intra-tahunan yang stabil, ditandai dengan puncak produktivitas selama Juni-Juli dan penurunan pada musim dorman. Fluktuasi musiman ini sejalan dengan temuan dari penelitian sebelumnya pada lahan basah yang dipulihkan (Zedler & Kercher 2005 ). Hal ini dapat dikaitkan dengan pemulihan yang lambat atau fakta bahwa sistem pasca-gangguan telah beralih ke keadaan alternatif yang berbeda dari kondisi referensi (Moreno-Mateos et al. 2012 ). Di antara jenis lahan basah yang dipulihkan, lahan basah berhutan menunjukkan EVI tertinggi, yang mencerminkan kapasitasnya untuk aktivitas fotosintesis dan akumulasi biomassa yang substansial. Hal ini kemungkinan besar disebabkan oleh keberadaan vegetasi berkayu yang mendorong periode pertumbuhan yang lama dan peningkatan luas basal dari waktu ke waktu sejak restorasi (Bryzek et al. 2023 ). Sebaliknya, lahan basah perairan terbuka mencatat EVI terendah, yang menunjukkan produktivitas yang lebih rendah karena tantangan dalam mempertahankan pertumbuhan tanaman di habitat ini. Sebagai perbandingan, lahan basah yang dipulihkan pada tahun 2020 menunjukkan pola pertumbuhan yang kurang konsisten, dengan perbedaan EVI yang signifikan selama musim tanam tetapi tidak pada musim dorman. Variabilitas ini dapat menunjukkan stabilitas yang berkurang dalam produktivitas dan pola pergantian dibandingkan dengan restorasi tahun 2016 yang lebih mapan. Fluktuasi ini dapat berasal dari gangguan restorasi awal, yang sering mengganggu vegetasi dan hidrologi yang ada (Sonnier et al. 2018 ). Menariknya, nilai NDWI secara konsisten menunjukkan bahwa lahan basah yang dipulihkan belum mencapai tingkat saturasi yang diinginkan, yang menunjukkan tantangan hidrologi yang sedang berlangsung. Lahan basah perairan terbuka yang dipulihkan pada tahun 2020 menunjukkan nilai NDWI yang lebih tinggi dan variabilitas yang lebih besar dibandingkan dengan restorasi tahun 2016, kemungkinan karena fluktuasi muka air dan sedimentasi yang dapat memengaruhi retensi air (Steinman et al. 2014 ). Sebaliknya, dasar perairan dan lahan basah palustrin menunjukkan nilai NDWI yang lebih rendah, mungkin mencerminkan tingkat pemulihannya yang lebih lambat. Lahan basah berhutan menunjukkan nilai NDWI yang stabil tetapi meningkat secara bertahap, yang menunjukkan peningkatan retensi air seiring dengan pertumbuhan vegetasi (Keddy 2010 ). Secara keseluruhan, temuan ini menggarisbawahi pentingnya mempertimbangkan pola pertumbuhan antartahunan dan indikator hidrologi untuk menilai pemulihan ekologi lahan basah yang dipulihkan. Temuan ini menyoroti perlunya strategi restorasi yang disesuaikan yang mengatasi karakteristik ekologi unik dan tantangan setiap jenis lahan basah untuk meningkatkan stabilitas dan ketahanan ekosistem. Penelitian lebih lanjut harus difokuskan pada identifikasi faktor-faktor yang memengaruhi perbedaan yang diamati dalam produktivitas dan hidrologi di seluruh tahun restorasi untuk mengoptimalkan upaya restorasi lahan basah di masa mendatang.
Studi kami menunjukkan bahwa pemulihan lahan pertanian cranberry yang sudah tidak digunakan lagi menjadi lahan basah berhasil mendorong terbentuknya komunitas tanaman lahan basah unggulan. Kedua indeks spektral yang diindra dari jauh—EVI dan NDWI—mengungkapkan pola pemulihan vegetasi dan respons hidrologi yang jelas di seluruh komunitas tanaman. Secara khusus, komunitas unggulan yang dipulihkan menunjukkan peningkatan yang nyata dalam EVI dari waktu ke waktu, yang mencerminkan peningkatan pertumbuhan dan produktivitas vegetasi, khususnya di lokasi restorasi yang lebih tua dibandingkan dengan yang dibangun baru-baru ini. Temuan ini menunjukkan bahwa upaya restorasi telah secara efektif memfasilitasi pengembangan ekosistem lahan basah yang menyerupai lahan basah asli di wilayah tersebut, yang dicirikan oleh peningkatan heterogenitas habitat. Tanda spektral yang berbeda yang diamati di antara komunitas tanaman lahan basah semakin mendukung bahwa restorasi tidak hanya mendorong pembentukan dan pemulihan ekologis tetapi juga berkontribusi pada pengembangan tipe ekosistem unik yang khas di wilayah tersebut dalam jangka waktu yang relatif lebih singkat. Pendekatan pemantauan kami, yang memanfaatkan data penginderaan jauh terbuka, memberikan kerangka kerja yang kuat untuk menilai hasil restorasi. Oleh karena itu, kami menganjurkan penggunaan citra satelit multispektral dalam menilai keberhasilan restorasi lahan basah, karena EVI dan NDWI menawarkan wawasan yang andal dan komprehensif tentang produktivitas vegetasi dan perubahan hidrologi. Sementara temuan kami menggambarkan peningkatan signifikan dalam produktivitas vegetasi, temuan tersebut juga menyoroti sifat kompleks pemulihan hidrologi, khususnya dalam meningkatkan luas permukaan air. Variabilitas yang diamati dalam nilai NDWI menunjukkan tantangan hidrologi yang berkelanjutan, yang menjamin strategi restorasi yang disesuaikan untuk mengatasi kebutuhan khusus ekosistem dan meningkatkan ketahanan. Secara keseluruhan, studi kami memajukan pemahaman tentang hasil restorasi lahan basah dan mendukung praktik pengelolaan berbasis bukti yang bertujuan untuk mencapai ekosistem lahan basah yang berkelanjutan. Pemantauan berkelanjutan menggunakan metode penginderaan jarak jauh dan pengelolaan adaptif akan sangat penting untuk mengoptimalkan strategi restorasi di masa mendatang dan memastikan keberhasilan jangka panjang ekosistem vital ini.
Leave a Reply