Prediksi Pola Curah Hujan (1)

Postingan kali ini akan diisi oleh tulisan kawan baik saya, Kurniaji, dimana tulisan ini merupakan Teori Dasar dari Tugas Akhir yang dikerjakannya dengan judul : “ Prediksi Pola Curah Hujan Bulanan dan Musiman untuk Wilayah Indonesia Berdasarkan Keluaran Model CFS (Climate Forecast System) Menggunakan Metode Regresi Komponen Utama (PCA) ”

Tulisan ini nantinya akan dibagi menjadi dua bagian, dan untuk bagian yang pertama silahkan membacanya pada postingan berikut ini.

BAGIAN I

  • Klasifikasi Daerah Iklim Indonesia

Sehubungan dengan variabilitas horizontal yang tinggi di berbagai daerah di Indonesia (Haylock and McBride, 2001), maka sangat penting untuk dilakukannya klasifikasi daerah berdasarkan siklus curah hujan tahunan untuk masing-masing daerah di Indonesia. Usaha regionalisasi daerah Indonesia pertama kali dilakukan oleh Wyrtki (1956) ketika dia membagi Indonesia menjadi sembilan subregional berdasarkan distribusi air. Tetapi pada studi ini penulis menggunakan pembagian daerah iklim yang dilakukan oleh Aldrian dan Susanto (2003), yang membagi Indonesia dalam tiga daerah iklim (Gambar 2.1). Daerah A disebut juga sebagai daerah monsun, daerah B kita kenal sebagai daerah semi-monsun dan daerah C merupakan daerah anti monsun. Karakter yang hampir sama dari tiga daerah ini ditemukan oleh Wyrtki (1956) dan Hamada et al. (2002), walaupun mereka tidak menggambarkan daerahnya secara jelas.

Gambar 1.1 Tiga Daerah Iklim Indonesia, Daerah A (kurva tebal) – Daerah Monsun, Daerah B (kurva putus-putus) – Daerah Semi-Monsun dan Daerah C (kurva putus-putus pisah) – Daerah Antimonsun (sumber: Aldrian, 2003)

Gambar 1.2 Siklus Curah Hujan Tahunan Masing-Masing Daerah (sumber: Aldrian, 2003)

Daerah A seperti yang terlihat pada Gambar 1.2 merupakan wilayah dengan curah hujan maksimum pada bulan Desember/Januari/Februari (DJF) dan minimum pada bulan Juli/Agustus/September (JAS). Hal ini mengilutrasikan dua rezim monsun : monsun basah timur laut dari November hingga Maret (NDJFM) dan monsun kering tenggara dari Mei hingga September (MJJAS). Dengan suatu siklus monsunal yang kuat dan lokasinya berada di arah selatan,maka deerah ini bisa kita sebut sebagai daerah monsun arah selatan (southern monsoon region). Siklus tahunan daerah B mempunyai dua puncak pada bulan Oktober/November/Desember (OND) dan juga pada bulan Maret/April/Mei (MAM). Puncak-puncak pada OND dan MAM ini masing-masing mewakili pergerakan ke arah utara dan selatan dari dari ITCZ. Daerah ini kemudian bisa kita sebut sebagai daerah semi monsun (northwest semi-monsoonal). Dari Gambar 2.2 Aldrian juga menjelaskan perbedaan yang cukup mencolok daerah C dimana daerah ini mempunyai satu puncak pada bulan May/Juni/Juli dan Aldrian menyatakan daerah ini sebagai daerah antimonsun maluku (Molucca anti-monsoonal region).

  •  Prediksi Ensemble CFS NCEP-NOAA

Sistem prediksi ensemble CFS (Climate Forecast System) NCEP dikembangkan di Pusat Pemodelan Lingkungan (Environmental Modelling Center) NCEP. CFS NCEP ini merupakan model gandeng penuh (fully coupled model) yang merepresentasikan interaksi antara lautan, daratan dan atmosfer. CFS mulai dioperasikan di NCEP pada bulan Agustus tahun 2004. CFS dijalankan dua kali dalam sehari dari syarat awal (initial condition) untuk atmosfer dan lautan, yang merupakan kondisi tujuh hari sebelumnya. Kondisi awal atmosfer diperoleh dari NCEP Reanalysis-2 dan kondisi awal lautan diperoleh dari NCEP GODAS (Global Ocean Data Assimilation). Integrasi lengkap untuk bulan pertama hingga prediksi untuk sembilan bulan ke depan. Data rata-rata bulanan kasar tersedia di data server official NWS TOC setiap harinya. Data prakiraan keluaran CFS harian sekarang tersedia pada server ftp NCEP lokal. Data-data ini akan tersedia pada situs NCEP hanya untuk tujuh hari saja.

Gambar 1.3 Contoh Produk Prediksi Iklim Ensemble NCEP (http://cfs.ncep.noaa.gov/)

Gambar 1.3 di atas merupakan contoh produk dari sistem prediksi ensemble CFS, yang merupakan prediksi curah hujan akumulasi tiga bulan dari Agustus hingga Oktober. Prediksi ensemble CFS telah dijalankan dalam fase retrospektif selama dua puluh enam tahun (1981-2006) dengan lima belas anggota ensemble untuk masing-masing bulan. Untuk dokumentasi dan download prakiraan-prakiraan retrospektif ini, silahkan kunjungi website CFS di : http://cfs.ncep.noaa.gov. Sekarang produk prediksi bulanan ensemble CFS dikeluarkan secara realtime setiap hari yang juga bisa di-download secara gratis dengan alamat website di atas yang terdiri dari empat member.

  • Prediksi Ensemble

Dalam sejarah prediksi cuaca dengan metode numerik, berbagai model prediksi cuaca baik untuk prediksi jangka panjang maupun jangka pendek telah dan sedang dikembangkan oleh berbagai kelompok riset maupun pusat-pusat prediksi cuaca dunia. Tiap model prediksi cuaca tentu saja dimulai dengan syarat awal yang sedikit berbeda dikarenakan teknik yang juga berbeda dalam mengasimilasi dan menganalisa data meteorologi. Seperti yang diperlihatkan oleh Edward Lorenz (COMET), atmosfer dan model prediksi cuaca numerik bersifat chaotic, artinya keduanya sangat sensitif terhadap syarat awal. Ini berarti perbedaan kecil didalam syarat awal dapat menghasilkan perbedaan yang besar dalam rentang waktu berikutnya.

Disamping itu, tiap model prediksi juga menggunakan metoda yang berbeda untuk menghitung efek dinamik atmosfer, termasuk perbedaan resolusi vertikal dan horizontal, dan perbedaan sistem koordinat vertikal. Contohnya, NCEP ( National Centers for Environmental Prediction) menggunakan koordinat sigma untuk sistem prediksi globalnya, tetapi menggunakan koordinat step-mountain atau eta untuk model regionalnya (model Eta). Tidak hanya efek dinamis, tiap model juga memiliki teknik yang berbeda dalam mengestimasi efek dari proses fisis yang tidak secara rinci dapat dimodelkan. Contohnya proses konveksi, radiasi matahari dan radiasi gelombang panjang, serta proses microphysics yang menghasilkan hujan.

Satu atau lebih sumber ketidakpastian prediksi cuaca numerik inilah yang menjadi titik awal tercetusnya ide brilian untuk melakukan prediksi cuaca numerik dengan metode ensemble. Prediksi Ensemble pada dasarnya merupakan suatu proses running suatu model prediksi cuaca numerik beberapa kali dari intial time yang sama (tetapi menggunakan kondisi awal yang sedikit berbeda) seperti yang terlihat pada Gambar 1.4. Setiap proses running model prediksi dengan menggunakan berbagai masukan nilai awal akan menghasilkan hasil prediksi yang disebut sebagai ensemble member. Rata-rata dari hasil running model tersebut dapat digunakan sebagai suatu hasil prediksi yang sering disebut ensemble mean.

Gambar 1.4 Gambaran proses prediksi dengan metode Ensemble (sumber: GOTO, 2007)

Sekian postingan kali ini, semoga bermanfaat, dan tunggu bagian keduanya ………..

 

Daftar Pustaka

Aldrian E, Susanto RD (2003) Identification of three dominant rainfall regions within Indonesia and their relationship to sea surface temperature. Int J Climatol 23: 1435–1452

Estiningtyas, W., Bayong Tjasyono H. K., Mezak A. Ratag., dan Gatot Irianto. Prediksi Curah Hujan dengan Metode Filter Kalman pada Wilayah dengan Tipe Hujan Monsunal dan Ekuatorial. Institut Teknologi Bandung. 2006

Effendy, Sobri. 2001 Urgensi  Prediksi  Cuaca  dan  Iklim di Bursa Komoditas Unggulan Pertanian, Makalah Falsafah Sains, Institut Pertanian Bogor.

GOTO, (2007) The potential use and implementation of ensemble forecasting. Thesis, Massachusetts Institute of Technology

Gutman G, Csiszar I, Romanov P (2000) Using NOAA= AVHRR products to monitor El Ni~no impacts: focus on Indonesia in 1997–98. Bull Amer Meteor Soc 81: 1189–1205

HamadaJI,YamanakaMD,MatsumotoJ,FukaoS,WinarsoPA,Sribimawati T (2002) Spatial and temporal variations of the rainy season over Indonesia and their link to ENSO. J Meteor Soc Japan 80: 285–310

Haylock M, McBride JL (2001) Spatial coherence and predictability of Indonesian wet season rainfall. J Climate 14: 3882–3887

Lau NG, Nath MJ (2000) Impact of ENSO on the variability of the Asian–Australian monsoons as simulated in GCM experiments. J Climate 13: 4287–4308

Meisari, L., 2003, Penerapan Metode Subtractive Clustering Untuk Prediksi Pola Variansi Curah Hujan di Indonesia, Tugas Akhir, Geofisika dan Meteorologi ITB, Bandung.

Mearns, L.O.,Bogardi, I., Giorgi, F., Matyasovsky, I. and Palecki, M. 1999. Comparison of climate change scenarios generated from regional climate model experiments and statistical downscaling. Journal of Geophysical Research, 104, 6603-6621.

Palmer, T. N., et al. (2004), Development of a European multimodel ensemble system for seasonal to inter-annual prediction (DEMETER), Bull. Am. Meteorol. Soc., 85, 853–872.

Wyrtki K. 1956. The rainfall over the Indonesian waters. Verhandelingen, 49. Kementrian Perhubungan Lembaga Meteorologi dan Geofisika, Jakarta.

Paul T. von Hippel (2005) Mean, Median, and Skew: Correcting a Textbook Rule Journal of Statistics Education Volume 13, Number 2, The Ohio State University

Wijaya, H., 2003, Metoda Principle Component Analysis (PCA) dan Adaptive Neuro Fuzzy System (ANFIS) Untuk Prediksi Cuaca Jangka Pendek Menggunakan Data Satelit, Tugas Akhir, Geofisika dan Meteorologi ITB, Bandung.

Wilks, D.S., Statistical Methods in the Atmospheric Sciences. Cornell University, New York, 1995

https://www.meted.ucar.edu/loginForm.php?urlPath=nwp/pcu1/ensemble#

http://cfs.ncep.noaa.gov/

http://trmm.gsfc.nasa.gov/


2 thoughts on “Prediksi Pola Curah Hujan (1)

  1. Pingback: Prediksi Pola Curah Hujan (2) « Take And Share

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s