Struktur Model AGNPS, Parameter, Kelebihan dan Aplikasinya

Model AGNPS (agricultural non point source pollution model) dikembangkan oleh USDA-ARS, North Central Soil Consrvation Service, Morris, Minnesota yang bekerjasama dengan USDA-SCS, MPCA (Minnesota Pollution Control Agency), LCMR (Legeslative Commission in Minnesota Resources) dan EPA (Environmental Protection Agency) (Young et al. 1994). Model ini terus berkembang dan telah diterapkan di beberapa negara untuk menentukan langkah-langkah kebijakan dan evaluasi dalam kegiatan konservasi, seperti di Amerika, Canada dan negara-negara di Eropa (Yoon 1996).

Struktur Model AGNPS
Model AGNPS bekerja pada basis sel geografis (dirichlet tesselation) yang digunakan untuk menggambarkan kondisi daratan (upland) dan saluran (channel). Dirichlet tesselation adalah proses pembagian dan pengelompokan DAS menjadi sel (tiles) yang juga dikenal dengan nama polygon Thiessen atauVoronoi. Setiap sel berbentuk bujur sangkar seragam yang membagi DAS secara merata, di mana memungkinkan analisis pada titik dalam suatu DAS.
Polutan potensial ditelusuri melalui sel-sel dari awal hinggaoutlet secara bertahap, sehingga aliran pada setiap titik antar sel dapat diperhitungkan. Seluruh karakteristik DAS dan masukan digambarkan pada tingkatan sel.
Setiap sel mempunyai resolusi 2,5 akre (1,01 ha) hingga 40 akre (16,19 ha). Ukuran sel yang lebih kecil dari 10 akre direkomendasikan untuk DAS dengan luas kurang dari 2000 akre (809,36 ha). Untuk DAS yang luasnya lebih dari 2000 akre, maka ukuran seladapat berukuran 40 akre (Yoon 1996).
Setiap sel utama dapat dibagi lagi menjadi sel-sel yang lebih kecil untuk memperoleh resolusi yang lebih rinci dari kondisi topografi yang komplek. Ketelitian hasil dapat ditingkatkan dengan mengurangi ukuran sel, tetapi hal ini akan membutuhkan waktu dan tenaga yang lebih banyak untuk menjalankan model.
Nilai-nilai parameter model untuk skala sel ditetapkan berdasarkan kondisi biofisik aktual pada masing-masing sel. Oleh sebab itu, untuk mendapatkan satu nilai parameter yang seragam pada masing-masing sel, perlu ditetapkan nilai tunggal parameter sel dengan menghitung nilai rata-rata tertimbang dari berbagai kondisi bergam yang ada (Yoon 1996).
Parameter Masukan Model AGNPS
Ada dua parameter masukan dalam model AGNPS, yaitu inisial data dan data per sel (spreadseheet data entry) (Yoon 1996). Parameter masukan inisial data, meliputi : 1) identifikasi DAS; 2) deskripsi DAS; 3) luas sel (akre); 4) jumlah sel; 5) curah hujan (inci); 6) konsentrasi N dalam curah hujan (ppm); 7) energi intensitas hujan maksimum 30 menit (EI30); 8) durasi hujan (jam); 9) perhitungan debit puncak aliran; 10) perhitungan geomorfik; dan 11) faktor bentuk hidrograf.
Sedangkan parameter masukan per sel dalam model AGNPS terdiri dari 22 parameter, yaitu : 1) nomor sel; 2) nomor sel penerima; 3) divisi sel; 4) divisi sel penerima; 5) arah aliran; 6) bilangan kurva aliran permukaan; 7) kemiringan lereng (%); 8) faktor bentuk lereng; 9) panjang lereng; 10) koefisien aliran Manning; 11) faktor erosibilitas tanah; 12) faktor pengelolaan tanaman; 13) faktor pengelolaan tanah; 14) konstanta kondisi permukaan; 15) faktor COD; 16) tekstur tanah; 17) indikator pemupukan; 18) indikator pestisida; 19) indikator point source; 20 ) indikator tambahan erosi; 21) faktor genangan; dan 22) indikator saluran.
Parameter Keluaran Model AGNPS
Young et al. (1989), hasil keluaran (output) dari model AGNPS dapat berupa grafik dan tabular dengan informasi yang sangat lengkap, baik keluaran DAS (watershed summary) maupun keluaran per sel. Keluaran DAS, meliputi : 1) volume aliran permukaan; 2) laju puncak aliran permukaan; 3) total hasil sedimen; 4) total N dalam sedimen; 5) total N terlarut dalam aliran permukaan; 6) konsentrasi N terlarut dalam aliran permukaan; 7) total P dalam sedimen; 8) total p terlarut dalam aliran permukaan; 9) konsentrasi P terlarut dalam aliran permukaan; 10) total COD terlarut dan konsentrasi COD terlarut dalam aliran permukaan.
Sedangkan keluaran per sel dari masing-masing sel yang terdapat dalam DAS dapat berupa :
  1. Hidrologi, meliputi : a) volume aliran permukaan; b) laju puncak aliran permukaan; dan c) bagian aliran permukaan yang dihasilkan di dalam sel.
  2. Sedimen, meliputi : a) hasil sedimen; b) konsentrasi sedimen; c) distribusi ukuran partikel sedimen; d) erosi yang dipasok dari sel sebelah atasnya; e) jumlah deposisi; f) sedimen di dalam sel; g) rasio pengkayaan oleh ukuran partikel; dan h) rasio pengangkutan oleh ukuran partikel.
  3. Kimiawi, meliputi : a) nitrogen (massa N per satuan luas di dalam sedimen, konsentrasi material terlarut, dan massa dari material terlarut); b) fosfor (massa P per satuan luas di dalam sedimen, konsentrasi dari material terlarut, dan massa dari material terlarut); dan c) COD (konsentrasi COD dan massa COD terlarut per satuan luas).
Kelebihan Model AGNPS
Ke lebihan model ini terletak pada parameter-parameter model yang terdistribusi di seluruh areal DAS, sehingga nilai-nilai parameter model benar-benar mencerminkan kondisi biofisik DAS pada setiap satuan luas di dalam DAS. Selain erosi, model ini mampu menghasilkan keluaran-keluaran seperti : volume dan laju puncak aliran permukaan, hasil sedimen, kehilangan N, P dan COD (Young et al. 1994).
Aplikasi Model AGNPS
Model AGNPS ini juga telah diaplikasikan penggunaannya pada beberapa DAS di Indonesia melalui beberapa penelitian, di antaranya :
  1. Muhlis (1999) melakukan penelitian integrasi parsial penginderaan jauh dan sistem informasi geografi dalam pembangkitan masukan model AGNPS. Tujuan penelitian ini adalah : a) mengekstraksi bilangan kurva SCS (SCS curve number) sebagai salah satu masukan dalam model dari data penginderaan jauh; b) mengintegrasikan SIG ke dalam model, baik sebagai pre-prosesor (masukan data) maupun sebagai sarana tampilan grafis dan tabel keluaran model; dan c) menilai sensitivitas parameter masukan model yang berhubungan dengan aliran permukaan. Kesimpulan : Data penginderaan jauh dapat menurunkan beberapa parameter masukan AGNPS, meliputi faktor pengelolaan tanaman, koefisien kekasaran permukaan Manning, koefisien kondisi permukaan, dan bilangan kurva aliran permukaan.
  2. Rahayu (2000) melakukan studi ancaman erosi DAS Kelara di Sulawesi Selatan. DAS seluas 37.175 ha dibagi dalam 1.487 sel dengan luas masing-masing 25 ha. Prediksi erosi setiap sel menggunakan metode MUSLE. Kesimpulan : Laju erosi DAS Kelara berkisar antara 0 – 577 ton/ha/bulan, dengan rata-rata 12,65 ton/ha/bulan pada musim hujan.
  3. Nugroho (2000) melakukan penelitian di DAS Dumpul yang bertujuan : a) melakukan analisis aliran permukaan, sedimen dan kehilangan hara nitrogen, fosfor dan kebutuhan oksigen kimiawi dengan menggunakan model AGNPS; dan b) melakukan simulasi model sesuai dengan kondisi biogeofisik DAS untuk perencanaan pengelolaan DAS. Kesimpulan : Volume dan laju aliran permukaan, hasil sedimen, dan kehilangan hara nitrogen, fosfor dan konsentrasi COD terlarut tidak berbeda antara hasil pengamatan dan model. Hal ini menunjukkan bahwa nilai-nilai parameter yang digunakan dalam model AGNPS cukup akurat untuk memprediksi aliran permukaan, hasil sedimen, dan kehilangan hara nitrogen, fosfor dan konsentrasi COD terlarut, sehingga dapat digunakan sebagai alat bantu dalam perencanaan pengelolaan DAS.
  4. Tarigan (2000) melakukan studi perencanaan pengelolaan daerah tangkapan untuk pelestarian situ Cibuntu Cibinong menggunakan model AGNPS. Tujuannya adalah membuat perencanaan pengelolaan daerah tangkapan tersebut menggunakan model AGNPS. Kesimpulan yang diperoleh adalah pengelolaan lahan di daerah tangkapan Cibuntu dengan cara menanam tanaman campuran di lereng agak curam dan landai dengan membuat guludan searah kontur harus diterapkan.
  5. Salwati (2004) mengkaji dampak perubahan penggunaan lahan terhadap respons hidrologi di DAS Cilalawi Sub DAS Citarum Jawa Barat menggunakan model AGNPS. Hasil analisis menggambarkan bahwa perubahan penggunaan lahan mengakibatkan perubahan respons hidrologi, di mana pada tahun 2003 volume aliran permukaan meningkat 6,1 %, debit puncak aliran permukaan meningkat 6,8 %, hal ini mengakibatkan hasil sedimen meningkat sampai 45,6 % dibanding tahun 1997.
]]>