Scribd Logo
Upload

Welcome to Scribd!

  • 6 views

    UJI SENSITIVITAS MODEL WRF TERHADAP PRAKIRAAN HUJAN DI NIAS - PDF Download Gratis

    Uploaded by

    fenomena meteo

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content

    You might also like

    UJI SENSITIVITAS MODEL WRF TERHADAP PRAKIRAAN HUJAN DI NIAS - PDF Download Gratis

    Uploaded by

    fenomena meteo
    6 views9 pages

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    6 views9 pages

    UJI SENSITIVITAS MODEL WRF TERHADAP PRAKIRAAN HUJAN DI NIAS - PDF Download Gratis

    Uploaded by

    fenomena meteo

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    Download as pdf
    of 9
    UJI SENSITIVITAS MODEL WRF TERHADAP PRAKIRAAN HUJAN DI NIAS Kisscha Christine Natalia Siagian', Taufiq Hidayah, M. Si? ‘Sekolah Tinggi Meteorologi Klimatologi dan Geofisika, Jakarta *Badan Meteorologi Klimatologi dan Geofisika, Jakarta Email: kisscha8 1@gmail.com Intisari ‘Nias memiliki pola curah hujan ekuatorial yang mengakibatkan terjadinya bujan hampir di sepanjang tahun tanpa mengenal musim. Dengan keadaan ini, sering terjadi gang tethadap jadwal penerbangan pada bandara Binaka Gunungsitoli Nias. Maka dipertukan metode yong dapat meningkatkan akurasi analisis dan prediksi cuaca yang lebih baik, dalam ‘asus ini adalah analisis dan prediksi hujan. Model WRF-ARW adalah Salah satu metode yang sedang berkembang dan cukup fleksibel dalam penggunaannya. Model WRF-ARW dapat digunakan di super-computer maupun laptop, sebingga dapat dipakai di stasiun terpencil sekalipun. Dengan menggunakan input data GFS (Global Forecast System)dan FNL (Final Analysis), dilakukanlah uji sensitivitas model WRF tethadap prakiraan imujan pada tanggal 27 April 2014 dan 22 Juli 2014 dengan konfigurasi beberapa skema mikrofisis dan kumulus. Dalam analisis beberapa parameter cuaca yang berpengaruh tethadap kejadian hujan, diketabui konfigurasi skema mikrofisis WSM6 — skema kumulus Kain — Fritsch menampilkan Ivaran yang baik. Namun dalam prediksinya terhadap nilai curah hujan, model WRF-ARW dengan konfigurasi ini belum dapat menampilkan hasil prediksi nilai curah hujan yang dikerapkan dan ‘masih menunjukkan perbedaan yang cukup signifikan terhadap hasil observasinya. Kata kunci: Model WRF-ARW, hujan, analisis dan prediksi, skema mikrofisis dan kumulus. Abstract Nias is located in an equatorial rainfall region which rainfall is expected throughout the entire year, without regard to season. This condition leads to many problems with flight schedules in Binaka Airport Gunangsttoli Nias. Thus, needed a method that can increase the accuration of weather analysis and prediction, in this case is rainfall analysis and prediction. WRE-ARW model is one of developing method and flexible in use. WRF-ARW model can be uused in a super-computer, even in a laptop, so it is usable in any remote weather station. By using GFS (Global Forecast System) and FNL (Final Analysis), the WRF-model sensitivity test for rain prediction in April 27th 2014 and July 22nd 2014 was conducted with some ‘microphysics and cumulus schemes configuration. By the analysis of few weather parameters that influents the rain, the configuration of WSM6 microphysics scheme — Kain-Fritsch cumulus scheme displayed some quite good of outputs. But, of the value of the rainfall, this configuration of WRF-ARW model is yet to present the expected prediction of value of the rainfall with some enough significant contrast to the observation data. Keywords: WRF-ARW model, rain, analysis and prediction, mierophysies and cumulus scheme Sekolah Tinggi Meteorologi Klimatologi dan Geofisika 1, PENDAHULUAN Pulau Nias berada di pesisir barat Pulau Sumatera dan berada di lintang ekvatorial yang berarti menerima dampak ekinoks yang kat. Dampak ekinoks dapat dilihat pada distribusi curah hyjan bulanan dengan puncak ‘hujan ganda. Pola curah hujan dengan pucak hujan ganda seperti ini disebut dengan pola hujan ekvatorial, yang berarti Kejadian hujan terjadi hampir sepanjang tahun tanpa mengenal musim. Pulau Nias memiliki Bandara Binaka yang memiliki 3 maskapai aktif dengan Total jadwal penerbangan 5 s.d 7 Kali dalam sehari_ dengan tujuan Medan maupun Padang. Melihat — cukup sibuknya jadwal penerbangan yang ada, tentu faktor —cuaca—‘sangatlah. ‘mempengaruhi —_kelanearan dan. keselamatan penerbangan yang ada. Dengan pola curah hujannya yang terjadi —hampir —sepanjang tahun menyebabkan —sering —_terjadinya pembatalan jadwal penerbangan maupun kejadian pesawat memutar balik karena alasan cuaca buruk di lokasi Bandara Binaka. Sesuai visi dan misi BMKG dalam menyajikan——_informasi meteorologi yang sesuai_terliadap keburuhan stakeholder, dalam hal ini maskapai—penerbangan, maka diburuhkanlah satu metode yang dapat membantu —meningkatkan —kualitas analisis dan prediksi cuaca di Nias. WRE-ARW mempakan model generasi lanjutan sistem simulasi cuaca numerik skala meso yang didesain untuk ‘melayani simulasi’ operasional dan Kebutuhian penelitian atmosfer. Model ini mempunyai keistimewaan inti dinamik yang berlipat, variasi_3- dimensional GDVAR) sistem asimilasi data dan arsitektur perangkat lunak yang ‘mengijinkan = untuk ——melakukan Komputasisecara paralel dan sistem ekstensibel. WRF cocok untuk aplikasi yang luas dari skala meter sampai ribuan meter (NCAR Technical Note, 2005). WRF merupakan model yang fleksibel, seni, dan dan memiliki code portable yang efisien untuk —_lingkungen computing dari parallel supercomputer hhingga laptop, sehingga dapat diaplikasikan bahkan di stasiua-stasiun terpencil sekalipun. Pola cuaca yang berbeda antar wilayah mengharuskan dilakukan pengujian model cuaca numerik seperti pemilihan skema parameterisasi, syarat awal, waktu spin agar mampu menghesilkan prediksi yang terbaik (Gustari, 2012). Skema yang digunakan adalah skema parameterisasi mikrofisis dan kumulus. Mikrofisis melibarkan uap air, awan, dan proses presipitasi secara eksplisit. Dalam penelitian ini, yang digumakan adalah: 1, Skema Lin (Purdue Lin) Enam kelas hidrometeor meliputi Uap, air, tetes hujan, bujan, es, sau, dan graupel. Semua —bentuk —_produksi parameterisasi —_berdasakan Lin etal(1983) dan Rutledge dan Hobbs (1984) dengan beberapa modifikasi, termasuk penganuran kejeruhan mengikuti Tao et.al,(1989), sedimentasi es. Skema ini merupakan skema yang relatif canggih di WRF, dan sangat cocok digunakan dalam simulasi data real resolusi tinggi. 2. Skema WSM6 ‘Skema ini merupakan periuasan dari skema WSM3 (meliputi sedimentasi es dan parameferisasi baru fase es lainnya, untuk memprediksi 3 kategori hidromereor yaitu wap, tetes—hujanves, dan inmjansaliwdan = WSMS (wap, hujansalukristal es dan tetes jan dibawa pada lima array berbeda sehingga mampu memunculkan air kelewat dingin), yyaitu memasukkan graupel dan proses- proses yang berhubungan dengannya, Dari kketiga skema WSM, WSMG yang paling cocok untuk cloud-resolving grid, melibat dati efisiensi dan latar belakang teorits Adapun skema-skema —_parameterisasi ‘kumulus yang digunakan adalah 1. Skema Betts-Miller-Janjic Terdapat struktur termodinamika quasi-e Terdapat struktur 2 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika termodinamika quasiequilibrum dimana lingkungannya —berpindah —_akibat konveksi. " Struktur ini dapat didefinisikan dalam mixing line yang ditentukan dari data observasi, Tajuan representasi konveksi dari model global, hal tersebut tidak penting untuk secara ekplisit menampilkan pemanasan dan kelembaban yang disebabkan oleh proses subgrid “updraft. downdraft peluruban dan pembentukan. Dengan asumsi babwa keserdabaan desain akan lebih efisien dan mengurangi eror, semuanya dibuat secara_implisit. Batas skema diasumsikan babwa laju saat kelabilan Konvektif ditimbulkan dalam — suatu—lingkungan yang menentukan —bagaimana —kecepatan profil lingkungan berubah —menurut mixing-line. Skala waktu relaksasi untuk konvektif selama 2 jam, 2. Skema Kain-Fritsch ‘Memungkinkan CAPE sesuai untuk badai dataran Iuas, model awan diformulasikan menjadi detrainment entrainment dengan parsel_bouyanci yang dihitung sebagai funsi dari parsel yang tercampur secara lateral antar lingkungan dan updraft. Perbedaan di reformulasikan menjadi —kekekalan massa, energi panas, massa dan ‘momentum, Didesain untuk ukuran grid 20-25km. Memuat proses fisik awan yang lengkap dalam —parameterisasi konfektiv. Parameter. downdraft ‘memungkinkan simulasi lebih baik untuk respon skala_ meso dan memungkinkan untuk sebagian besar skema. Bataan CAPE tidak sesuai untuk lingkungan tropis dan dapat ‘menyebabkan konveksi yang sangat kuat. Dengan topografi Nias yang berada di pesisir barat Sumatera dan ‘memiliki pengaruh lokal angin darat- laut yang kuat (Mori et. Al. 2004), Penulis ingin mencoba menggunakan analisis model WRF skala meso dan ‘menemmukan apakah model ini baik dalam —prakiraan hujan di Nias Kemudian hasilnya akan diverifikasi dengan data observasi setempat untuk ‘menentukan skema parometerisasi yang paling baik untuk digunakan dalam prakiraan hujan di Pulau Nias. Dengan dilakukannya penelitian ini, diharapkan agar menjadi bahan studi dalam mempelajari variabilitas lokal yang terjadi di daerah Nias untuk meningkatkan toualitas analisis dan prakiraan cuaca di Nias, 2. DATA DAN METODE Daerah penelitian dilakukan di Pulau Nias, khususnya koordinat Stasiun Meteorologi Binaka Guaungsitoli Nias yang terletak di koordinat 0°12'- 132LU dan 97°-98° BT. Penulis, mengambil data kasus hujan saat masa transisi kemarau ke hujan di tehun 2014 yaitu tanggal 22 Juli 2014 dengan jumlah curah hujan sebesar 95 mm, lalu asus bujan saat transisi hujan ke Kemarau tahun 2014 yait tanggal 27 April 2014 dengan jumlah curah hujan 10,8 mm. Laptop merk Lenovo seri G40 digunakan untuk merunming model WRF-ARW versi 3.0 dan The Grid Analysis and Display System (GrADS) untuk display hasil iuaran model. Data yang dipakai dalam penelitian adalah data Global Forecast System (GFS) sebagai data prakicaan input WRF-ARW dan data FNL (Final Analysis) yang merupakan data reanalysis _kemudian data observasi dari Stasiun Meteorologi Binaka Gunungsitoli sebagai data verifikasi hasil output dari model WRF- ARW. Langkah selanjutaya adalah mengolah data dengan merunning model WRF-ARW dengan terlebih dabulu melakukan penetapan domain penelitian dengan menggunakan Domain Wizard Setelah menentukan domain, langkal selanjutnya adalah menyelesaikan tabapan pre-processing pada _ WPS. Terdapat tiga tahapan dalam WPS yaitu: geogrid, ungrib, dan metgrid. Setelah proses WPS ini selesai maka 3 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika dilanjutkanlah dengan masuk dalam proses WRF nya yaitu. prosesreal.exe dan wriexe. selanjutaya, untuk tabapan Post-Processing digunakan ARW-post untuk —mengubah data format ne ‘menjadi format .dat dan .ctl. kemudian didisplay melalui software GRADS. Konfigurasi setting WRF-ARW sebagai berikut: creer si 4amoeeaat) 25a) 37min) Rebbe spa To Sepp 120d | ShnaPuniodCmds Rae an Bee i Gambar 2.1 Konfigurasi WRF-ARW Hasil keluaran_masing-masing skema dari model WRF-ARW akon dianalisis, yaitu nilai curah hujannya, keluaran nilai CAPE, dan juga Keluaran kelembaban udara per lapisan. Prediksi hhujan dapat diverifikasi dengan metode Kejadian Kategorik dengan score verifikasi berbeda untuk setiap kejadian. Dalam verifikasi data bujan bisa dilakukan dengan tabel kontingensi berikut ini: ‘Tabel 2.1 Tabel Kontingensi Dimana Hits — prediksi hujan yang benar False alarm = prediksi tidak bujan yang sala ‘Miss = prediksi hujan yang salah Correct non event = prediksi tidak hujan yang benar 3. HASIL DAN PEMBAHASAN 3.1 Verifikasi i Curah Hujan Verifikasi_curah hujan_ hasil luaran model WRF-ARW dilakukan dengan menggunakan tabel kontingensi untuk membandingkan basil lvaran model terhadap observasinya, kemudian selanjutnya hasil_—tabel__tersebut digunakan untuk mencari nilai Threat Score (TS), Proportion Correct (Akuurasi), dan Frequence Bias Index (Bias) sehingga didapatkan skema yang terbaik dan sesuai data observasi ‘Tabel 3.1 Hasil Verifikasi Curah Hujan ‘Model WRF-ARW terhadap Hiasil Ta Keterangan: Skema I : Mikrofisis Lin - Kumalus Betts-Miller-Janjic Skema 2 : Mikrofisis Lin - Skema Kumuls Kain-Fritset Skema 3 : Skema Mikrofis WSM6 - Skema Kumulus Betts-MillerJanjic Skema 4 : Skema Mikrofisis WSM6 — Skema Kumulus Kain-Fritsch Pada verifikasi kejadian bujan tanggal 27 April 2014, nilai TS yang paling tinggi terdapat pada skema 4 4 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika dengan nilai sebesar 0.33. Hal ini ‘menunjukkan kejadian hujan pada model dengan kejadian hujan yang terjadi memiliki kesamaan sebesar 33%. Sedangkan untuk nilai FBI nya, skema 4 ‘menghasilkan nilai 1. Sementara FBI pada skema I dan 2 memunjukkan hasil yang sama-sama overestimate atau ‘menghasilkan prediksi hujan lebih banyak daripada kejadian sebenarnya sebesar 2,5 atau lebit besar dari nilai 1. Nilai PC atau akurasi terbaik baik untuk ejadian hujan maupun tidak hujannya terdapat pada skema 4 yaitu sebesar 0,75, Secara umum, skema 4 dengan menggunakan data GFS pada kejadian tanggal 27 April merupakan skema yang paling baik. Dengan menggunakan data FN. saat kejadian hujan tanggal 27 April 2014, masing-masing nilai TS, PC. dan FBI menunjukkan nilai yang sama, terutama pada skema 1 dan skema 3, yaitu 0.14, 3, dan 0.25. Walaupun skema 2 menunjukkan nilai akurasi yang baik, yaitu dengan nilai 1, namun nilai TS, dan FBI nya tidak menunjukkan nilai sehingga diangeap kurang baik secara keseluruhan. Dengan membandingkan abel diatas, untuk kejadian hujan tanggal 27 April 2014, nilai yang ditunjukkan oleh skema 4 dengan menggunakan data GFS menunjukkan hasil verifikasi yang lebih baik dibandingkan skema lain yang diuji Selanjutnya, dalam verifikasi terhadap kejadian hujan tanggal 22 Juli 2014, nilai yang dikelwarkan tidaklah sebaik yang diharapkan. Tabel verifikasi distas “tidak = mampu —menampilken verifikasi nilai yang baik dikarenaken nilaiprediksi hujannya banyak yang miss atau tidak tepat.. namin hampir seluruh skema menunjukkan akurasi tethadap prediksi terjadinya kejadian tidak hujannya. 3.2 Verifikasi Kelembaban Udara Pada verifikasi curah _hujan sebelumnya dengan melihat nilai Threat Score (TS), Proportion Correct (Akurasi), dan Frequence Bias Index (Bias) maka dianggaplah skema 4 (Skema Mikrofisis WSM6 — Skema Kumulus Kain-Fritseh) menunjukkan hhasil yang paling baik pada data GES. Selanjutnya, parameter yang akan diverifikasi adalah kelembaban udara hasil keluaran dari skema 4 dengan menggunakan data GFS dan FNL. Data yang dihasilkan akan dibandingkan tethiadap hasil observasinya, kemudian dicari_ nilai korelasi dan nilai error (RMSE) untuk menentukan apakal hhasilnya baik atau tidak. ‘abel 3.2 Hasil Verifikasi Kelembaban Udara Model WRF-ARW terhadap Hasil Observast ‘9S 90] One] eR BAIS SNA (| 08 | 0 | 0s AOU 8 | om | 08 | ws] om) mm | cn Py oe | ws | we | wa Tabel diatas_merupakan_hasil verifikasi_ kelembaban udara model WRF-ARW ‘tethadap hasil observasi. Pada kejadian hujan tanggal 27 April 2014 dengan menggunakandata GFS dan FNL, skema 2 menunjukkan nilai kkorelasi_ yang baik terhiadap nilai ‘observasinya yaitu sebesar 0.40 dan 0,54 dengan nilai error yang paling kecil diantara_skema dengan data GFS lainnya. Sementara pada skema 4 yang sebelumnya baik untuk verifikasi hujan tidak terlaln menunjukkan nilai korelasi yang tinggi, namun nilai error pada skema 4 ini merupakan_nilai error terkecil sehingga skema 4 dianggap baik dalam verifikasi kelembaban udara. Dapat dilihat, sesuai dengan hasil verifikasi curah hujan sebelumnya, skema 4 untuk kejadian hujan tangzal 22 Tuli 2014 menunjukkan hasil yang cukup baik dibandingkan skema lainnya pada 5 Sekolah Tinggi Meteorologi Klimatologi dan Geofisika tanggal yang sama, —_tertama ‘menggunakan data GFS. dengan nilai korelasi sebesar 0.50 dan nilai error sebesar 17,01. Walaupun nilai error yang dihasilkan cukup tinggi, namun Sibandingkan basil skema lain pada hari yang sama, nilainya lebih baik 3.3 Analisis Luaran Model WRF- ARW Menggunakan skema 4 yaitu skema Mikrofisis WSM6 - skema kumulus Kain-Fritsch yang dianggap paling baik, maka dengan menggunakan GraDs, model WRF dapat menampilkan nilai CAPE dan nilai kelembaban udara per lapisan pada tiap tanggal kasusaya. 3.3.1 Analisis Kondisi Atmosfer Tanggal 22 Juli 2014 @) CAPE dan (b) Kelembaban Udara per Lapisan Tanggal 22 Juli 2014(GES) Nilai CAPE menunjukkan nilai sebesar 1800 J/kg dan. kelembaban udaraaya menunjukkan nilai 90% pada lapisan $50mb, 80% untuk lapisan 700mb, 50% pada lapisan SOOmb, dan 70% pada lapisan 300mb Masing- masing nilai analisisnya menunjukkan adanya potensi pembentukan awan- awan konvektif. Bs @ ES eo ) Gambar 3.4 Analisis terhadap (a) nila (CAPE dan (b) Kelembaban Udara per ‘Lapisan Tanggal 22 Juli 214FNL) Nilai CAPE menunjukkan nilai sebesar 1.200 kg dengan nila kelembaban pada masing-masing lapisan 850, 700, 500, dan 300mb sebesar 60%, 60%, 70%, dan 40%. Nilainya memunjukkan adanya potensi konveltif ‘walaupun tidak begita besar. Sekolah Tinggi Meteorologi Klimatologi dan Geofisika 3.3.2 Analisis Kondi April 2014 Atmosfer 27 @) @) Gambar 3.5 Analisis terhadap (a) nila CAPE dan (b) Kelembaban Udara per Lapisan Tanggal 27 April 2014(GFS) Nilai CAPE menunjukkan nilai sebesar 3,000 ike yang menunjukken nilai labilitas atmosfer yang tinggi. Nilai kelembaban pada masing-masing lapisan 850, 700, 500, dan 300mb sebesar 90: 100%, 80%, 80%, dan 90%. Nilai kelembabannya yang tinggi mendukung terjadinya potensi konvektif yang kuat. @) Gambar 3.5 Analisis terhadap (a) nilai CAPE dan (b) Kelembaban Udara per ‘Lapisan Tanggal 27 April 2014FNL) ‘Nilai CAPE menunjukkan nilai sebesar 2.700 J/kg dan menunjukkan nilai kelabilan atmoster yang tinggi Nilai kelembaban pada masing-masing lapisan 850, 700. 300, dan 300mb sebesar 80%, 80%, 100%, dan 60%. Nilainya menunjukken potensi tinggi ‘untuk pertumbuban awan konvektif, Dari berbagai analisis yang tela dilakukan, hasil Ivaren konfigurasi skema mikrofisis dan kumulus model WRF-ARW yang cukup —baik dibandingkan skema lain yang divji dalam penelitian ini adalah skema 4, yaitu. skema WSM6 - skema Kein- Fritsch, —Ditinjau dari analisis atmosfernya, skema 4. dapat menghasilkan analisis yang baik pada nilai CAPE, dan kelembaban udaranya, Pada kejadian hujan tanggal 27 April 2014 dengan curah hujan tercatat 10 mm, hampir seluruh konfigurasi skemanyanya — menampilkan basil verifikasi yang cukup baik nanan banyak menampilkan hasil curah hujan yang overestimate ‘Namun, untuk kejadian hujan pada tanggal 22 Juli 2014 yang pada hasil observasinya menghasiikan cura hhujan hujan sebesar 95 mm, tidak dapat ditampilkan dengan baik. Model WRF- ARW ini cukup baik menampilkan analisis Kejadian hujan namun tidak cukup sensitif dalam —menampilkan ‘uantitas curah hnujannya, Sekolah Tinggi Meteorologi Klimatologi dan Geofisika 4, KESIMPULAN Berdasarkan hasil dan analisis yang dilakukan pada penelitian ini ‘maka dihasilkan kesimpulan: 1, Model WRE-ARW dapat digunaken dalam analisis atmosfer untuk prediksi hujan, Namun model WRF- ARW kurang — sensitif dalam ‘memprediksi nilai curah hujannya. 2, Berdasarkan 4 konfigurasi antara beberapa skema mikrofisis dan skema kumulusnya pada data GFS ‘maupun data FNL, skema mikrofisis WSM6 - skema Kumulus Kain - Fritsch dengan data GFS. menghasilkan basil prediksi yang lebih baik diantara skema lainnya. Untuk penelitian selanjutaya, maka saran yang mungkin dapat

    You might also like