Mesoscale Convective Complex (MCC) pertama kali diperkenalkan oleh Maddox pada tahun 1980. MCC merupakan salah satu jenis Mesoscale Convective System (MCS) yang memiliki ukuran lebih dari 100.000 km2 dan waktu hidup lebih dari 6 jam yang dapat menghasilkan cuaca buruk dan curah hujan yang berkelanjutan. Pada tanggal 9 Mei 2018, sebuah MCC tumbuh di wilayah Papua bagian selatan. Penelitian ini bertujuan untuk mengetahui karakteristik pertumbuhan MCC, kondisi atmosfer, dan distribusi curah hujan di sekitar wilayah Papua bagian selatan. Hasil citra satelit kanal infrared (IR) menunjukkan bahwa MCC yang ada tumbuh hingga mencapai luasan > 300.000 km2 dengan waktu hidup selama 14 jam. Distribusi curah hujan citra Global Satellite Mapping (GSMaP) menunjukkan adanya daerah hujan sepanjang 800 km dengan intensitas curah hujan yang beragam hingga mencapai 40 mm/jam. Analisis kondisi atmosfer juga dilakukan terhadap parameter angin, kelembapan relatif, divergensi, dan vertical velocity dari data model European Centre for Medium-Range Weather Forecasts (ECMWF). Berdasarkan hasil analisis secara deskriptif, konvergensi terjadi di wilayah Papua bagian selatan pada troposfer bagian bawah pada saat fase pertumbuhan MCC yang disertai dengan kondisi kelembapan udara yang tinggi di lapisan 850 hPa. Deret waktu nilai vertical velocity juga menggambarkan adanya proses pertumbuhan dan peluruhan MCC di wilayah Papua bagian selatan pada 9-10 Mei 2018.
Intisari Permasalahan utama dalam mengestimasi curah hujan menggunakan data satelit adalah kegagalan membedakan antara awan cumuliform dengan awan stratiform dimana dapat menyebabkan nilai estimasi hujan under/overestimate. Dalam penelitian ini teknik estimasi curah hujan berbasis satelit yang digunakan adalah modifikasi Convective Stratiform Technique (CSTm). CSTm memiliki kelemahan ketika harus menghitung sistem awan konveksi dengan inti konveksi yang sangat luas karena akan memiliki nilai slope parameter kecil, sehingga menghasilkan estimasi curah hujan yang underestimate. Dengan melibatkan perhitungan faktor pertumbuhan awan di algoritma CSTm permasalahan tersebut dapat diatasi. Penelitian ini menerapkan algoritma CSTm dan faktor pertumbuhan awan (CSTm+Growth Factor) untuk mengestimasi kejadian hujan lebat yang menyebabkan banjir di Jakarta pada tanggal 24 Januari 2016 yang digunakan juga sebagai studi kasus di proyek pengembangan model NWP di BMKG. Hasil penelitian menunjukan bahwa perlibatan faktor pertumbuhan awan sangat efektif memperbaiki kelemahan teknik CSTm, diperlihatkan dengan peningkatan nilai korelasi dari 0.6 menjadi 0.8 untuk wilayah Kemayoran dan -0.1 menjadi 0.83 untuk wilayah Cengkareng. Secara umum gabungan teknik CSTm dan faktor pertumbuhan awan dapat memperbaiki estimasi nilai intensitas dan fase hujan. Abstract The main problem in estimating rainfall using satellite data is a failure to distinguish between cumuliform and stratiform clouds, which can cause under/overestimate of rains. In this research, the Modified Convective Stratiform Technique (CSTm) has been used to estimate rainfall based on satellite data. The weakness of the CSTm technique is defined when calculating the convective cloud system within a widely convective point. Cloud convective will have a low value of parameter slope and produce an underestimate of rainfall. This issue can be resolved by calculating the cloud growth factor on CSTm. CSTm algorithm and cloud growth factor (CSTm+Growth Factor) has been applied to this research to estimate heavy rainfall for floods event in Jakarta area on January 24th, 2016. The result showed that the cloud growth factor is very effective in improving the weakness of rainfall estimation using the CSTm technique. Correlation between estimation and observation rainfall has increased from 0,6 to 0,8 on Kemayoran and from -0,1 to 0,83 on Cengkareng. The coupled method of CSTm and cloud growth factor significantly improve in estimating phase and intensity of rainfall.
There are several resulting arguments from the research done on climate variation in Indonesia stating that the observed affects are through various phenomena such as ENSO, monsoon, dipole mode event, and MJO. However, the magnitude of the effect varies for each region in Indonesia. This research aims to identify the relationship among the global climate features (GCFs) in the Nino3.4 (5°S-5°N, 120-170°W) with the local climate features (LCFs) in the Aceh regions which represented by: I(2-3°N, 95-98°E), II(3-4°N, 95-98°E), III(4-5°N, 95-98°E), and IV(5-6°N, 95-98°E) using canonical correlation analysis (CCA) in the ENSO phenomena. The analysis shows that global GCFs variations have strong correlation with LCFs variations with the correlation values, 0.893, 0.899, 0.900, and 0.901, respectively. The result show that when there is a global change in any feature of GCFs, the same change also appears in each feature of LCFs. The canonical loading shows that there are original variables which have strong correlation with the first canonical global variable (X 1 ) with correlations 0.987, 0.969, 0.987, and 0.865, respectively, and the local wind (Y 1 ) with correlations 0.974, 0.952, 0.979, and 0.845, respectively. All the other climate features have weak correlations with the first canonical variables. From the MANOVA, we can conclude that the climate features (wind, SST, SSTA, and SLP) affect climate changes in both study regions. Our results also reveal that LCFs are significantly affected in the Nino3.4 99.5% and in I, II, III, and IV for given correlations 99.8, 99.7, 99.6, and 99.5%, respectively. ABSTRAKBeberapa hasil penelitian menyatakan bahwa variasi iklim di Indonesia dipengaruhi oleh berbagai fenomena seperti ENSO (El Nino Southern Oscillation), monsun, dipole mode event, dan MJO. Namun demikian besarnya pengaruh berbeda-beda untuk setiap wilayah di Indonesia. Penelitian ini bertujuan untuk mengidentifikasi hubungan antara fitur iklim global di wilayah Nino 3.4 (5°LS-5°LU, 120-170°BB) dengan fitur iklim lokal di Provinsi Aceh yang diwakili oleh wilayah I (2-3°LU, 95-98°BT), II(3-4°LU, 95-98°BT), III (4-5°LU, 95-98°BT), dan IV (5-6°LU, 95-98°BT) menggunakan analisis korelasi kanonik dalam kaitan ENSO. Hasil analisis menunjukan bahwa variasi iklim global di Nino 3.4 memiliki hubungan kuat dengan variasi iklim lokal di wilayah Aceh dengan nilai korelasi masing-masing 0,893; 0,899; 0,900; dan 0,901. Hal ini menunjukan bahwa saat terjadi perubahan pada setiap fitur iklim global di Nino 3.4 maka perubahan juga terjadi pada setiap fitur iklim lokal. Loading kanonik menunjukkan variabel asal yaitu angin global (X 1 ), memiliki korelasi terkuat dengan variabel kanonik pertama dengan masing-masing nilai korelasi 0,987; 0,969; 0,987; dan 0,865, sementara variabel asal angin lokal (Y 1 ) masing-masing nilai korelasi 0,974; 0,952; 0,979; dan 0,845. Sedangkan fitur iklim lainnya memiliki korelasi rendah dibanding variabel kanonik pertama. Dari hasil analisis variansi multivarian (MANOVA) menyimpulkan fitur iklim (angin, ...
Wilayah Banjarnegara terekspos dengan kejadian tanah longsor yang terjadi hampir setiap tahun. Hujan lebat merupakan salah satu faktor penting pemicu terjadinya longsor yang paling mungkin untuk diprediksi, sehingga prediksi hujan lebat yang akurat sangat dibutuhkan dalam sistem peringatan dini longsor. Namun demikian, keterbatasan peralatan pengamatan cuaca di Banjarnegara memberikan kendala tersendiri sehingga dibutuhkan teknik lain dalam pembuatan informasi prediksi cuaca di wilayah ini. Penelitian ini dibuat untuk memberikan kontribusi landasan ilmiah dalam membuat prakiraan cuaca menggunakan model Weather Research and Forecasting (WRF) dengan mengintegrasikan data pengamatan satelit menggunakan WRF Data Assimilation (WRF-DA) untuk memperbaiki kualitas data awal model. Hasil penelitian menunjukan bahwa prosedur asimilasi data satelit cuaca dapat memperbaiki data awal kandungan uap air di atmosfer (+60%) beberapa jam sebelum kejadian hujan lebat. Sehingga hasil prediksi model cuaca numerik dengan menggunakan asimilasi data satelit (DA-SAT) menjadi lebih baik dibandingkan dengan yang tidak menggunakan asimilasi data (Non_DA). Hal ini ditunjukan dengan nilai bias model yang mengecil (-32%) jika dibandingkan dengan data pengamatan penakar hujan stasiun. Hasil perbandingan data series waktu akumulasi curah hujan antara DA-SAT dan Non-DA memperlihatkan adanya perbedaan waktu tercapainya hujan maksimum dan juga perbedaan intensitasnya dimana skema Non-DA lebih lambat (+5 jam) dengan bias (-40%) sementara DA-SAT lebih lambat 0.5 jam dengan bias (+8%). Dapat disimpulkan bahwa asimilasi data satelit dapat memperbaiki kesalahan prediksi jumlah hujan dan waktu kejadiannya. Hasil penelitian ini dapat dijadikan rekomendasi penggunaan asimilasi data satelit dalam pembuatan informasi prediksi cuaca numerik di wilayah Banjarnegara.
Data intensitas radiasi matahari (Rs, MJ/m2/day) memiliki peran yang sangat penting dalam pemodelan cuaca dan iklim guna mengkuantifikasi panas yang dipertukarkan antara permukaan dan atmosfer. Namun, keterbatasan jumlah titik pengamatan intensitas radiasi matahari menjadikan pemodelan sebagai alternatif solusi yang relatif mudah dan murah untuk pengambilan data intensitas radiasi. Penelitian ini bertujuan untuk mengevaluasi performa model dalam mengestimasi nilai intensitas radiasi matahari di wilayah penelitian menggunakan dua pendekatan model yang berbeda, yaitu model empiris oleh Keiser, Arkansas (AR) dan model deterministik. Tiga variabel utama cuaca yang digunakan sebagai input data model adalah curah hujan (mm), suhu maksimum (°C), dan suhu minimum (°C). Kedua model tersebut dipilih karena dapat diterapkan dengan hanya melibatkan variabel utama atmosfer yang tersedia dalam waktu yang panjang di lokasi penelitian. Hasil prediksi yang dilakukan dengan model kemudian dibandingkan dengan data reanalisis National Centers for Environmental Prediction (NCEP) pada titik koordinat wilayah Stasiun Klimatologi Pondok Betung. Hasilnya menunjukkan performa model empirik lebih baik dalam menggambarkan variasi temporal dan prediksi variabel intensitas matahari dibandingkan model deterministik. Hal tersebut ditunjukkan dengan nilai korelasi yang cukup baik, yakni mencapai 0,72 (korelasi kuat) dan nilai Root Mean Square Error (RMSE) 2,0. Atas dasar hasil pemodelan yang cukup representatif di lokasi penelitian, analisis secara spasial kemudian diterapkan untuk skala wilayah yang lebih luas, yaitu Provinsi Banten. Berdasarkan tinjauan secara spasial di wilayah kajian, model empirik memiliki performa yang bervariasi di wilayah Provinsi Banten. Hasil prediksi intensitas radiasi matahari di wilayah bagian barat memiliki performa yang lebih baik dibandingkan wilayah bagian timur.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.