Analisis Wavelet Pada Bidang Meteorologi

Analisis wavelet merupakan metode yang umum digunakan pada berbagai bidang disiplin ilmu, salah satunya meteorologi. Dalam meteorologi analisis wavelet dapat digunakan untuk mengetahui siklus curah hujan pada suatu kawasan serta menganalisis factor-faktor yang mempengaruhi curah hujan tersebut.

Dengan menggunakan analisis wavelet pada curah hujan bulanan (time series) disuatu daerah dapat diketahui:

1. Periode curah hujan daerah tersebut apakah setahun, setengah tahun atau memiliki periode lainnya serta kapan terjadinya.

2. Faktor yang mempengaruhi curah hujan daerah tersebut. Misalnya,periode curah hujan daerah tersebut selama setengah tahun,maka dapat disimpulkan bahwa daerah tersebut dipengaruhi monsoon (sebab periode monsoon setiap setengah tahun sekali dan daerah yang dimaksud termasuk daerah yang dipengaruhi monsoon).

3. Beberapa periode yang dominant dan tidak dominant

4. Menentukan pola curah hujan daerah tersebut apakah termasuk daerah : lokal,ekuatorial atau monsun

Sedangkan cross wavelet transform dan wavelet coherence digunakan untuk mendeteksi hubungan dalam domain frekuensi waktu antara dua time series.

Untuk melakukan analisis wavelet ini bisa digunakan fortran, IDL dan Matlab. Dalam tulisan ini digunakan matlab sebab matlab memiliki fitur yang dapat digunakan untuk analisis wavelet secara praktis dan efisien.

Wavelet transform terbagi menjadi CWT (Continous Wavelet Transform) dan DWT (Discrete Counterpart Wavelet Transform). DWT digunakan untuk mereduksi noise dan kompresi data, sedangkan CWT untuk ektrasi data. CWT digunakan untuk mendeteksi kemungkinan adanya hubungan antara dua times series secara bersamaan dan proses sebab akibat diantara keduanya. Dari dua time series tersebut dilakukan analisis Cross Wavelet Transform yang akan memunculkan fase power dan relative dalam domain frekuensi-waktu. Selanjutnya digunakan Wavelet Coherence (WTC) sehingga ditemukan coherence yang signifikan, dan memunculkan tingkat kepercayaan.

Contoh kita bisa menggunakan analisis wavelet interaktif dan dengan memasukan data time series kita bisa mengetahui hasilnya seperti contoh dibawah ini dengan menggunakan data curah hujan denpasar.dat selama tahun 1985-2006 (http://ion.researchsystems.com/IONScript/wavelet/).

Hasilnya :

KFJGF

Keterangan :

a.Data time series curah hujan Denpasar 1985-2006

b.Power spektrum wavelet, menggunakan wavelet Morlet (pilihan lainnya: Paul,Gaussian,Daubechies,Haar,Coiflet,symlet). Sumbu x merupakan lokasi wavelet dalam waktu ( bulan) sedangkan sumbu y merupakan periode wavelet dalam bulan. Kontur berwarna hitam yang melingkupi background warna merah menunjukan tingkat kepercayaan 95 % dengan menggunakan global wavelet sebagai background spektrumnya. Sedangkan daerah yang di arsir disebut cone of influence atau COI. COI merupakan daerah pada spektrum wavelet dimana bagian tepinya sangat penting dan didefinisikan sebagai e-folding time untuk melakukan autokorelasi dari wavelet power pada tiap skala.

c.Global power spektrum wavelet. Terlihat bahwa titik paling kanan pada kurva tersebut menunjukan periode 12 bulan ( 1 tahun, yang merupakan periode yang paling dominan).Hal ini sesuai jika menggunakan analisis FFT menggunakan Matlab. Sedangkan periode lain muncul juga hanya dengan intensitas yang kecil.

Sebagai bahan perbandingan ,gambar dibawah merupakan hasil curah hujan Pontianak.

Sedangkan analisis wavelet untuk data sunspot ( Wolfer Number) adalah:

Analisis untuk Dipole Mode adalah:

Selain itu,analisis wavelet dapat digunakan untuk validasi model iklim dengan cara membandingkan secara langsung hasil observasi dengan nilai hasil keluaran model yang kita gunakan. Perbandingan ini disebut kajian interkomparison yang hasilnya berupa korelasi hasil observasi dengan keluaran model. Korelasi ini sangat penting dalam kajian kinerja model, tapi tidak dalam verifikasi model. Kelebihan menggunakan analisis wavelet dalam kajian interkomparison ini adalah ( yang tidak bisa dijelaskan hanya dengan korelasi biasa):

1. Suatu proses periodik /semiperiodik dapat terlihat jelas terakomodasi tidaknya dalam suatu model
2. Perbandingan peran/porsi serta pengaruh sejumlah proses iklim terhadap suatu variabel iklim .
3. Prose-proses iklim mana saja yang harus diperbaiki dan disempurnakan

Kajian lain yang menggunakan analisis wavelet:

1.SST ( kaitannya dengan El Nino-La Nina)

2.Kandungan CO2 di atmosfer

Referensi;

http://www.pol.ac.uk/home/research/waveletcoherence/

http://ion.researchsystems.com/IONScript/wavelet/

Torrence, C. and G. P. Compo, 1998: A Practical Guide to Wavelet Analysis. Bull. Amer. Meteor. Soc., 79, 61-78.

Sekelumit Tentang Pemanasan Global

 

Pemikiran tentang pemanasan global telah ada sejak dulu, tetapi tindakan nyata untuk mengantisipasinya baru dilakukan dalam dekade terakhir.

• Rumah kaca merupakan budaya dari tuan tanah kaya Italia untuk membudiyakan sayuran dan tanaman dengan membentuk cuaca mikro. Sehingga tanaman yang tidak bisa tumbuh pada musim dingin bisa tumbuh dan menghasilkan, dengan menanamnya di rumah kaca.

• Edme mariotte(1681) memperkenalkan sifat Matahari dan dalam penelitiannya dia mengemukakan bahwa energi sinar dan panas matahari mamapu menembus gelas dan materi transparan lainnya sedang sumber lain tidak.

• Horace Benedict de Saussure (1760) menciptakan alat heliothermometer untuk menunjukan bahwa udara mampu menyimpan panas radiasi matahari dan sekarang disebut Efek Rumah Kaca.

• Jean-Baptise Joseph Forier,fisikawan-matematikawan Perancis

1. Mengenalkan istilah rumah kaca 1824

2. Suhu hangat terjadi karena sebagain panas sinar matahari terjebak didalam,dan tak bisa keluar karena terhalang dinding dan atap kaca

3. Unusur gas yang paling penting CO2

4. CO2 mengontrol suhu atmosfer bumi

 

• Svante Arrhennius (1894) menyatakan:

1. CO2 unsur terpenting yang mengontrol suhu atmosfer

2. Kadar CO2 di batuan es yang berasal dari zaman es memiliki 50 % lebih sedikit dibanding di batuan es zamannya .

3. Kenaikan suhu atmosfer beriringan dengan naiknya konsentrasi CO2

4. Mencairnya gunung-gunung es terjadi karena penambahan konsentrasi CO2 di angkasa.

• Tahapan untuk COP:

1. Konferensi Villach,Austria,1985.

2. PBB membentuk INC kemudian United Nations Conference on Environtment and Development, di Rio de Janeiro,1992 di Brazil atau KTT Bumi. Hasil penting: konvensi PBB tentang keanekaragaman hayati dan Konvensi Kerangka Kerja PBB tentang Perubahan iklim (155 negara).

Tujuan konvensi:menstabilkan konsentrasi gas rumah kaca di atmosfer pada ke tingkat tertentu dari kegiatan manusia yang membahayakan sistem iklim.Emisi karbon di tahun 2000 harus ditekan hingga ketingkat emisi tahun 1990.

 

 

Daftar COP

No	Tanggal	Tempat	Presiden
1	1995	Berlin,Jerman	Angela Merkel, Jerman
2	Juli,1996	Jenewa,Swiss	Chen Chimutengwende,Zimbabwe
3	Desember,1997	Kyoto,Jepang	Hiroshi Oki ,Jepang
4	November ,1998	Buenos Aires,Argentina	Maria Julia Alsogaray,Argentina
5	Oktober-November 1999	Bonn,Jerman	Jan Szyzko,Polandia
6	November,2000	Den Haag,Belanda	Jan Pronk,Belanda
7	Oktober-November,2001	Marrakesh,Maroko	Mohamed Elyazghi,Maroko
8	Oktober-November,2002	New Delhi,India	T.R.Baalu,India
9	Desember,2003	Milan,Italia	Miklos Persanyi,Hongaria
10	Desember,2004	Buenos Aires,Argentina	Gines Gonzales Garcia,Argentina
11	Desember,2005	Montreal,Kanada	Stephane Dion,Kanada
12	November,2006	Nairobi,Kenya	Kivutha Kibwana,Kenya
13	Desember 2007	Nusa Dua,Denpasar Bali	Rahmat Witoelar,Indonesia

Istilah Dalam Pemodelan Iklim

Beberapa istilah dalam pemodelan iklim:

Sistem iklim: Sistem iklim adalah sistem yang membentuk iklim dan terjadi proses dan saling mempengaruhi yang terdiri dari lima komponen utama:

• Atmosfer
• Hidrosfer
• Kriosfer
• permukaan tanah(pedosfer)
• biosfer

Model iklim: Representasi numerik sistem iklim berdasarkan atas sifat-sifat fisis, kimiawi, dan biologis komponen-komponennya, interaksi serta proses umpan baliknya, dan memperhitungkan semua atau sebagian sifat-sifatnya yang diketahui. Representasikan ini bervariasi kerumitannya (misalnya, untuk setiap komponen atau kombinasi komponen model ) dan hal ini menunjukan jumlah dimensi ruang; proses-proses fisis, kimiawi, atau biologis dan parameterisasi empiris dilibatkan.

Model iklim dapat dibagi lagi berdasarkan:

• Struktur modelnya: model sederhana, model tingkat menengah, dan model kompleks.
• Teknik komputasinya: model spektral dan model grid.
• Cakupan wilayah: model iklim global,regional ,meso dan mikro.
• Tipe kajian: model daratan, model atmosfer, model lautan, dan model kopel (gabungan dianatara ketiga model ).

Pemodelan Iklim: Merupakan proses memodelkan iklim. Proses ini memerlukan seperangkat hardware (superkomputer) dan software (software model iklim dan software pendukung lainnya). Contoh model iklim:REMO,WRF,LAM,DARLAM,GCM,CSIRO,AVN,MM5,OMEGA,MC2,BLFMESO FITNAH,COAMPS,Eta Model,RAMS,ARPS,TVM,HOTMAC. Sedangkan software pendukung biasanya berupa software untuk memvisualisasikan hasil model seperti GrADS,Ferret,Matlab,IDL, dan NCL.

Komponen Iklim: Merupakan bagian utama yang membentuk sistem iklim yang terdiri dari:

• Atmosfer
• Hidrosfer
• Kriosfer
• permukaan tanah(pedosfer)
• biosfer

Perubahan Iklim: Proses berubahnya iklim hal ini terjadi akibat pengaruh dari komponen iklim. Pengaruh dari komponen iklim bisa berupa bertambah kuat atau lemahnya pengaruh dari masing-masing komponen iklim tersebut. Proses perubahan ini memerlukan rentang waktu dari jutaan tahun hingga puluhan tahun. Dan proses ini terjadi dalam skala ruang yang luas ( ukuran benua) hingga skala meso (ukuran kabupaten). Perubahan iklim ini berasal dari ekternal (berasal dari luar sistem iklim seperti perubahan banyaknya radiasi matahari yang mencapai puncak atmosfer dan perubahan distribusi daratan dan lautan) dan internal (berasal dari dalam sistem seperti pertambahan CO2 di atmosfer )

Klasifikasi iklim: Pembagian atau pengelompokan iklim yang terjadi di suatu tempat berdasarkan unsur iklim yang paling dominan dan hal tersebut membedakannya dengan iklim tempat lain. Terdapat dua cara utama dalam klasifikasi iklim :genetik (berdasarkan penentu iklim yaitu faktor yang menentukan dan menyebabkan iklim berbeda :radiasi, fluks kelembaban,neraca energi, pola radiasi )dan generik/empirik (berdasarkan unsur iklim atau efeknya terhadap manusia dan tumbuhan).

Contoh klasifikasi iklim genetik:Flohn (1950),Strahler (1969),sedangkan klasifikasi iklim generik/empirik:Koppen (1936),Thornthwaite 91948) dan Miller (1965).

Prediksi iklim: merupakan prakiraan kondisi iklim dimasa yang akan datang dengan mempertimbangkan faktor-faktor yang mempengaruhi iklim dimasa datang , masa sebelumnya dan masa sekarang. Skala yang digunakan bisa musiman, tahunan, atau jangka panjang.

Proyeksi Iklim: Merupakan representasi kondisi iklim masa datang berdasarkan skenario iklim yang digunakan.Hasilnya bergantung pada berbagai skenario yang digunakan dengan melibatkan aspek:ekonomi,sosial,budaya,politik,kebijakan pemerintah dan teknologi di masa mendatang yang mungkin atau tidak bisa direalisasikan. Contohnya apa yang dihasilkan oleh IPCC dalam memproyeksikan kenaikan suhu global berdasarkan skenario yang berbeda.

Garis warna merah merupakan proyeksi iklim dari skenario iklim berdasarkan emisi IPCC 1992 business as usual. Garis warna biru menunjukan proyeksi iklim dari skenario iklim berdasarkan emisi yang disepakati di Protokol Kyoto sampai tahun 2015, setelahnya emisi kembali meningkat. Garis kuning menunjukan proyeksi iklim berdasarkan emisi yang dijaga konstan oleh negara maju ( Annex B) setelah tahun 2015,dan garis hijau merupakan proyeksi iklim berdasarkan pengurangan emisi sebesar 1 % per tahun setelah tahun 2015. Proyeksi iklim diatas tidak menyertakan skenario pengurangan emisi dari negara berkembang.

Skenario Iklim: Representasi berbagai kemungkinan iklim yang akan datang berdasarkan berbagai input yang berbeda-beda. Representasi ini dilakukan dengan melakukan simulasi iklim. Contoh skenario iklim yang dilakukan oleh IPCC tentang perubahan temperatur yang berkaitan dengan perbedaan emisi , seperti gambar diatas . Skenario ini penting untuk mengetahui langkah antisipasi yang harus dilakukan oleh masyarakata dunia. Jelas dengan kondisi diatas pengurangan emisi 1 % per tahun dari negara maju menunjukan perbedaan yang signifikan jika dibandingkan dengan skenario lainnya.

Simulasi Iklim: representasi proses iklim dengan cara meniru proses iklim yang terjadi sebenarnya. Proses simulasi iklim saat ini dilakukan dengan menggunakan superkomputer untuk menghemat waktu perhitungan.

Tipe Iklim/Jenis Iklim: Merupakan hasil dari klasifikasi iklim berdasarkan unsur iklim yang paling dominan dan menentukan iklim di suatu daerah. Contohnya menurut Koppen , dunia dibagi menjadi lima tipe iklim utama berdasarkan curah hujan,suhu dan ciri musimannya:

• A:iklim hujan trofis
• B:iklim kering
• C:iklim hujan sedang panas
• D:iklim hutan salju sejuk
• E:iklim kutub

Unsur Iklim: Parameter dari iklim yang digunakan untuk klasifikasi iklim sehingga menghasilkan tipe iklim. Contoh unsur iklim: curah hujan,temperatur,kelembapan dan angin.

Hari Meteorologi Sedunia Sebuah Catatan Menyambut Bencana

Oleh Paulus Agus Winarso

Klinik Meteorologi

Apa bedanya hujan es dan hujan salju?

Jelas berbeda kalau hujan es terbentuk dari titik-titik air yang membeku (proses pembekuan ) sedangkan kalau salju terbentuk dari titik-titik air dan berubah menjadi kristal tanpa melalui bentuk cair (proses kristalisasi).

Salju memiliki bentuk kristal yang berbeda-beda tetapi memiliki ciri khas berupa 6 sisi atau 6titik dengan bentuk yang pih, sementara bentuk es bulat.

Bencana Meteorologi

Bencana meteorologi merupakan bencana yang diakibatkan oleh parameter-parameter (curah hujan,kelembaban,temperatur,angin) meteorologi. Contoh bencana meteorologi adalah:

• Kekeringan
• Banjir
• Badai :Badai angin,badai petir,badai es,badai salju
• Kebakaran hutan
• El Nino
• La Nina
• Longsor
• Tornado
• Angin puyuh,topan,angin puting beliung
• Gelombang dingin
• Gelombang panas
• Angin fohn :Angin gending,angin brubu,angin bohorok,angin kumbang

Bencana tersebut dimasukan kedalam bencana meteorologi karena bencana diatas disebabkan atau dipengaruhi oleh faktor-faktor meteorologi. Yang menjadi kontraversi adalah kebakaran hutan. Kebakaran hutan yang terjadi umumnya disebabkan oleh aktivitas manusia yang sengaja membakar hutan untuk pembukaan lahan.

Dalam kajian ini, kebakaran hutan yang dimasukan ke dalam bencana meteorologi adalah kebakaran hutan yang disebabkan oleh faktor alam. Kebakaran hutan ini dapat terjadi ketika kekeringan yang sangat kuat, angin yang bertiup kencang, kelembaban rendah dan dengan adanya gesekan antara dedaunan dan semak belukar yang sangat kuat menyebabkan terjadilah kebakaran hutan.

Bencana meteorologi diatas dapat menyebabkan kerugian berupa harta,benda dan jiwa manusia. Hal yang dapat kita lakukan adalah memprediksi peristiwa bencana meteorologi tersebut dan berusaha untuk mengurangi potensi terjadinya bencana tersebut sebatas yang bisa dilakukan. Mengurangi potensi bencana meteorologi, contohnya dapat dilakukan terhadap bencana banjir, misalnya membuat sistem drainase yang baik dan pengelolaan tata lingkungan yang baik. Prediksi bencana meteorologi dilakukan untuk mempersiapkan kondisi manusia dalam menghadapinya, sehingga ketika terjadi bencana telah siap untuk menghadapinya.

Gelombang panas merupakan salah satu bencana meteorologi yang sering terjadi di daerah lintang tinggi. Bencana ini berupa hembusan angin dengan temperatur yang sangat tinggi, hal yang berkebalikan terjadi saat terjadi gelombang dingin. Dua kondisi tersebut dapat menimbulkan korban jiwa dan menimbulkan kerugian material lainnya.

Cuaca Ekstrim

Cuaca: merupakan keadaan atau fenomena fisik atmosfer di suatu tempat,pada waktu tertentu dan berskala jangka pendek.

Sehingga cuaca ekstrim merupakan keadaan atau fenomena fisik atmosfer di suatu tempat,pada waktu tertentu dan berskala jangka pendek dan bersifat ekstrim.

Beberapa peristiwa yang termasuk cuaca ekstrim:

• Angin ribut/angin puyuh/puting beliung dan dikatakan termasuk cuaca ekstrim jika memiliki kecepatan > 34 knot.

• Hujan lebat yang memiliki curah hujan dalam 1 hari > 50 mm.

• Tinggi gelombang laut yang mencapai > 2 m

• Badai tropis yang terjadi didaerah trofis dan menimbulkan kerusakan.

• Tornado

• Badai: Gangguan pada atmosfer suatu planet dan mempengaruhi permukaan serta menunjukkan cuaca buruk. Badai terjadi ketika pusat tekanan rendah terbentuk yang dikelilingi oleh suatu sistem bertekanan tinggi. Gaya yang terjadi memiliki sifat berlawanan dan dapat menciptakan angin serta membentuk awan badai. Badai memiliki kategori ( berdasarkan peristiwa dominan yang menyertainya):

1. Badai angin:Badai yang disertai oleh angin kencang.

2. Badai petir : Badai yang disertai oleh petir dan kilat

3. Badai es: Badai yang disertai oleh es.

4. Badai Salju : Badai yang disertai oleh salju.

5. Badai pasir : Badai yang disertai oleh pasir.

• Angin Monsun: Angin monsun yang terjadi dan menyebabkan curah hujan yang sangat lebat. Hal ini menyebabkan salah satu daerah di India, perbukitan Cherrapunji menjadi daerah terbasah di dunia dengan curah hujan 12-25 m/tahun.

• Kekeringan: suatu kondisi dimana diamana terjadi kesenjangan antara ketersediaan air dan air yang dibutuhkan.

Referensi:

Film Extreme Weather, Discovery Channel.

http://lwf.ncdc.noaa.gov/oa/climate/severeweather/extremes.html

http://www.extremescience.com/weatherport.htm

http://en.wikipedia.org/wiki/List_of_extreme_weather_events

http://lwf.ncdc.noaa.gov/oa/climate/severeweather/rainfall.html

http://en.wikipedia.org/wiki/Extreme_weather

DIPOLE MODE

• Dipole mode disingkat DM merupakan fenomena yang mirip dengan ENSO tetapi terjadi di Samudera Hindia. Peristiwa dipole mode ditandai adanya perbedaan anomali suhu permukaan laut (SPL) antara Samudera Hindia tropis bagian barat (50 ^oE – 70 ^oE, 10 ^oS – 10 ^oN) dengan Samudera Hindia tropis bagian timur (90 ^oE – 110 ^oE, 10 ^oS – ekuator). Anomali SPL ini memiliki kondisi yang lebih dingin dari normal dan muncul dipantai barat Sumatera (Samudera Hindia bagian timur), sementara di Samudera Hindia bagian barat terjadi pemanasan dari biasanya.

• Jenis DM dibagi berdasarkan SPL antara Samudera Hindia tropis bagian barat (50 ^oE – 70 ^oE, 10 ^oS – 10 ^oN,kotak A) dengan Samudera Hindia tropis bagian timur (90 ^oE – 110 ^oE, 10 ^oS – ekuator,kotak B) pada Gambar 1.

• Dipole mode dibagi menjadi menjadi DM(+) dan DM (-).

DM(+):anomali SPL Samudera Hindia tropis bagian barat lebih besar daripada di bagian timurnya akibatnya terjadi peningkatan curah hujan dari normalnya di pantai timur Afrika dan Samudera Hindia bagian barat sedangkan di Benua Maritim Indonesia (BMI) mengalami penurunan curah hujan dari normalnya yang menyebabkan kekeringan.

DM(-):Fenomena yang berlawanan dengan kondisi DM(+) seperti yang dikemukakan Ashok et al., (2001a).

• DM terjadi secara independen dengan ENSO dan merupakan fenomena kopel atmosfer-laut yang unik di Samudera Hindia tropis (Saji et.al, 1999; Ashok et.al, 2001a).

• Variasi dampak dipole mode interaksinya dengan monsun sangat beragam dan merupakan fungsi waktu dan tempat.

• Untuk mengetahui kekuatan Dipole Mode maka dapat dihitung dengan indeks yang disebut dengan Indeks Dipole Mode yang digunakan oleh Saji (1999).Indeks ini berupa dipole anomali SPL yang didefinisikan sebagai perbedaan anomali SPL Samudera Hindia bagian barat (50^o – 70^o BT, 10^o LS – 10^o LU) dan Samudera Hindia bagian timur (90^o – 110^o BT, 10^o LS – ekuator),seperti Gambar 1.

• Tahapan Siklus DM:

1. Muncul anomali SPL negatif di sekitar selat Lombok hingga selatan Jawa pada bulan Mei – Juni, bersamaan terjadi anomali angin tenggara yang lemah di sekitar Jawa dan Sumatera.
2. Anomali terus menguat (Juli – Agustus) dan meluas sampai ke ekuator di sepanjang pantai selatan Jawa hingga pantai barat Sumatera. Kondisi diatas dibarengi munculnya anomali positif SPL di Samudera Hindia bagian barat. Adanya dua kutub di Samudera Hindia ekuator ini, semakin memperkuat anomali angin tenggara di sepanjang ekuator dan pantai barat Sumatera.
3. Siklus mencapai puncaknya pada bulan Oktober, dan selanjutnya menghilang dengan cepat pada bulan November – Desember.

Karena memiliki sifat fasa yang sistematik secara musiman, maka analisa komposit DM dapat dilakukan (Saji et.al. 1999) dengan tujuan agar dapat mendeskripsikan evolusi DM terkopel kuat (warna biru) dengan variabilitas angin ekuatorial (warna merah) di Samudera Hindia ekuator bagian timur (70^o – 90^oBT, 5^oLS – 5^oLU) seperti diperlihatkan pada Gambar 2.

· Kejadian DM sejak 1958 yang diidentifikasi berdasarkan deret waktu DM (warna biru), selain itu juga diberikan deret waktu anomali SPL Niño 3 (150^o – 90^o BB, 5^o LS – 10^o LU) untuk memperlihatkan kaitan antara DM dengan El Niño (warna hitam). Sedangkan garis warna merah merupakan angin ekuatorial rata-rata di atas Samudera Hindia bagian timur. (Gambar 3)

· Pada saat terjadi DM, curah hujan di Afrika berada di atas normal sedangkan di Indonesia terjadi penurunan dari kondisi normalnya (Saji et.al., 1999; Ashok et al., 2001).

· Saat DM terjadi penurunan curah hujan di atas daerah konvergensi tropis samudera atau DKTS dan peningkatan curah hujan di Samudera Hindia tropis bagian barat.

· Saat DM terjadi, SPL di lepas pantai Sumatera yang mulai mendingin akan menyebabkan konveksi di DKTS menjadi melemah sehingga terjadi perubahan tekanan udara permukaan yang membuat angin pasat tenggara meluas dan konvergen ke arah downstream. Perubahan ini mempertajam konvergensi medan angin skala besar dan suplai uap air ke arah perluasan downstream di ujung daerah angin pasat, sehingga memperbesar presipitasi ke arah barat laut dari posisi normal DKTS. Perluasan angin pasat yang tidak normal ini juga menghentikan suplai panas normal ke lepas pantai Sumatera. Perluasan angin pasat yang tidak normal dengan komponen timuran sepanjang ekuator dengan cara mencegah intrusi arus ekuator, memungkinkan proses pendinginan mendominasi Indonesia (Saji et.al, 1999).

· DM merupakan fenomena sistem kopel atmosfer-laut yang memiliki mekanisme fisis yang mirip dengan ENSO, akan tetapi secara statistik tidak bergantung pada ENSO (Saji et al., 1999; Webster et al., 1999; Ashok et al., 2001).

· Ketidakbergatungan DM terhadap ENSO salah satunya ditunjukkan oleh adanya kejadian DM yang independen terhadap ENSO seperti tahun 1961 dan 1967 (Saji et.al, 1999).

· Godfrey et al., (2002), korelasi DM-ENSO tergantung pada evolusi kejadiannya yang ditunjukkan dari musim ke musim dimana diperoleh korelasi yang kuat terjadi pada bulan September-Oktober.

· Skema pola ENSO Indo-Pasifik (Gambar 4) terdiri dari :

1) Anomali SPL ENSO Pasifik

2) Dipole anomali SPL timur-barat Samudera Hindia ekuatorial

3) Dipole anomali osilasi utara-selatan Samudera Hindia

4) Dipole anomali SPL di Pantai Amerika utara

5) Dipole anomali SPL di pantai Benua Asia (Pasifik barat daya).

· Kejadian El Niño tahun 1997-1998 yang cenderung menimbulkan kekeringan di India tetapi dikurangi pengaruhnya oleh DM(+) yang terjadi bersamaan dengan El Niño (Ashok et al., 2001a).Fenomena ini menunjukan DM tidak hanya berpengaruh pada sirkulasi zonal (timur-barat) tetapi juga pada sirkulasi meridional (utara-selatan).

Sedangkan pola osilasi indeks DM memiliki puncak pada 18,36,48 bulan,seperti yang ditunjukan Gambar 5.

Dengan menggunakan FFT (salah satunya ada di matlab) bisa diketahui periode curah hujan suatu stasiun, dan ketika diketahui periodenya ( misal 18 atau 36 bulanan) maka kemungkinan besar curah hujan distasiun tersebut dipengaruhi oleh DM mengingat DM memiliki perioda 18,36 dan 48 bulan. Jika terdapat pengaruh lainnya maka dilakukan proses FFT yang beberapa kali sehingga bisa menyaring siklus yang di inginkan dan membuang siklus yang tidak diperlukan.

Untuk lebih jelas tentang DM(+) dan DM (-) maka dapat dilihat gambar dibawah ini yang berasal dari JAMSTEC.

Bacaan lebih lanjut:

· Saji, N.H, B.N. Goswami, P.N. Vinayachandran, and T.Yamagata, 1999, A Dipole Mode in the Tropical Indian Ocean, Nature, 401, 360-363.

· Ashok, K., Z. Guan, and T. Yamagata, 2001a, Impact of the Indian Ocean Dipole on the Relationship between the Indian Monsoon Rainfall, Geophys.Res.Lett.
· Yu, Jin-Yu, and J. C. McWilliams, 2001, http://www.ogp.noaa.gov//mpe/clivar/pacific/fy99/yu/yu99.htm

· Godfrey, S., Y. Masumoto, P. Hacker, G. Meyer, D. Susanto, P.N. Vinayachandran, and P.J. Webster, 2002, Review of Monsoons, Interannual Variability and Decadal Trends that underpin Climate Prediction, (http://www.marine.csiro.au/)

• AnObservational Study of the Relationship between Excessively Strong Short Rains in Coastal East Africa and Indian Ocean SST 

APLIKASI MATLAB UNTUK METEOROLOGI

Aplikasi FFT Untuk Menghitung Periodisitas Curah Hujan

Berikut contoh data curah hujan bulanan Stasiun Denpasar.

Grafik di atas dinamakan denpasar.txt, sehingga untuk menampilkan ketik

Load denpasar.dat

Ch=denpasar(:,1)

Plot(ch)

Selanjutnya kita ingin mengetahui berapa periode siklus curah hujan di Denpasar tersebut. Untuk mengetahui hal tersebut digunakan FFT yang terdapat di MATLAB.

Tahapann penulisan di Matlab sebagai berikut:

Y = fft(ch);

Y(1)=[];

plot(Y,’ro’)

title(‘Fourier Coefficients in the Complex Plane’);

xlabel(‘Real Axis’);

ylabel(‘Imaginary Axis’);

Hasilnya seperti Gambar (a).

Besarnya magnitude dari Y disebut power. Selanjutnya kita memplot power ini dengan frekuensi dan hasilnya disebut periodogram.

n=length(Y);

power = abs(Y(1:floor(n/2))).^2;

nyquist = 1/2;

freq = (1:n/2)/(n/2)*nyquist;

plot(freq,power)

xlabel(’siklus/bulan’)

title(‘Periodogram’)

Hasilnya seperti Gambar (b).

Untuk lebih memfokuskan analisi maka perlu di potong rentang yang memuat power yang besar (mencuat).Dalam hal ini rentangnya 0-0.2.

plot(freq(1:50),power(1:50))

xlabel(’siklus/bulan’)

Hasilnya seperti Gambar (c).

Selanjutnya untuk mempermudah analisis, kita memplot dalam satu siklus memerlukan waktu berapa bulan.

period=1./freq;

plot(period,power);

ylabel(‘Power’);

xlabel(‘Period (bulan/siklus)’);

Hasilnya seperti Gambar (d).

Gambar diatas terlalu lebar sehingga kita persempit menjadi.

axis([0 50 0 4e+8]);

Hasilnya seperti Gambar (e).

hold on;

index=find(power==max(power));

mainPeriodStr=num2str(period(index));

plot(period(index),power(index),’r.’, ‘MarkerSize’,25);

text(period(index)+2,power(index),['Period = ',mainPeriodStr]);

hold off;

Hasilnya seperti Gambar (f).

Sehingga dapat disimpulkan bahwa periode curah hujan di Stasiun Denpasar memiliki periode 12 bulan .Tapi hasil ini masih memiliki kelemahan, sehingga digunakan wavelet.

Transformasi wavelet memiliki kelebihan’

1. mendeteksi fluktuasi-fluktuasi periodik yang bersifat transient beserta parameternya.

2. Mampu memusatkan perhatian pada suatu rentang waktu terbatas dari data yang ada.

3. menggambarkan proses dinamik nonlinear komplek yang diperlihatkan oleh interaksi gangguan dalam skala ruang dan waktu.

Transformasi Fourier

1. Sinyal yang diukur berupa fungsi waktu (independent) dan dependen (biasanya amplitudo).

2. Informasi penting biasanya tersembunyi dalam konten frekuensi sinyal tersebut.

3. Spektrum frekuensi suatu sinyal merupakan komponen frekuensi (komponen spektral( dari sinyaltersebut.

4. Spektrum frekuensi suatu sinyal menunjukan frekuensi apa yang ada di sinyal tersebut.

5. Transformasi fourier memberi konten spektral sinyal, tetapi tidak memberi informasi kapan waktu komponen spektral itu muncul.

6. Transformasi Fourier hanya sesuai untuk sinyal stasioner.

7. Dapat digunakan untuk non stasioner jika kita tidak memerlukan informasi waktu dari suatu frekuensi.

8. Sinyal hujan merupakan contoh sinyal yang dipengaruhi banyak komponen diantaranya’QBO,EL Nino, Dipole Mode dlln. Dengan transformasi fourier kita dapat mengetahui informasi frekuensi sinyal hujan tersebut dan seberapa kuat amplitudonya.

9. Untuk masing-masing frekuensi memiliki satu nilai amplitufo

10. sumbu frekuensi dari nol sampai tak terhingga

11. Sinyal non stasioner memiliki fase yang stasioner pada rentang waktu yang sempit/kecil dan hal tersebut bisa dilihat dengan fungsi jendela atau short term fourier transform (STFT)

12. STFT memiliki kelemahan nyaitu penggunaan jendela yang tetap (padahal segmen stasioner tidak selalu sama. Resolusi frekuensi yang didapat hanya konten dari sinyal pada jendela tersebut bukan frekuensi secara utuh.

13. Dennis Gabor (1946) melakukan teknik STFT seperti Gambar (g).

Suatu sinyal yang tidak stasioner dianalisis dengan menggunakan jendela sehingga didapatkan sinyal yang stasioner. Tetapi terdapat kelemahan, sehingga muncul ide untuk menggunakan transform wavelet seperti yang di tunjukan Gambar (h)

Sehingga kalau dirangkum analisis sinyal setidaknya bisa di lakukan dengan empat cara (time domain oleh Shannon;frekuensi domain oleh fourier;STFT (Gabor) dan analisis wavelet (Gambar i)

Supaya lebih mudah dipahami bisa terlihat dari perbandingan hasil transform suatu sinyal dengan menggunakan fourier transform dan wavelet transform,seperti yang ditunjukan Gambar (j)

Untuk lebih detail waktu terjadinya periode tersebut maka digunakan wavelet sebab Fourier hanya menunjukan besarnya frekuensi dan tidak waktu terjadinya.

Skema Konveksi di Indonesia Dan Pemodelan Skala Meso

Indonesia sebagai bagian wilayah teerbasah didunia, dengan total CH tahunan > 2000 mm, bahkan ada yang mencapai lebih dari 3000 mm. skema konveksi adalah perumusan proses konveksi atmosfer melalui parameter-parameter terkait, sebagai bentuk penyederhanaan proses konveksi sesungguhnya yang terjadi di alam. Perbedaan skema satu dengan yang lainnya lebih banyak ditentukan oleh perbedaan asumsi dalam menggambarkan proses konveksi.

Pertukaran kelembaban,panas, dan momentum antara permukaan atmosfer dengan lapisan diatasnya dan antara laut dengan atmosfer yang memiliki arti penting dalam pembentukan awan berlangsung di Lapisan Batas Atmosfer. Sehingga kajian tentang lapisan ini sangat penting terutama kaitannya dengan proses konveksi. Konveksi di Indonesia aktif pads siang hari,di tandai dengan nilai maksimum OLR pada tengah hari sesaat setelah terjadi radiasi maksimum radiasi matahari ( radiasi gelombang pendek). Laut pAsifik dan India terletak di ekuato, tetapi proses konveksi tidak seaktif di Indonesia. Aktivitas konveksi lautan lebih aktif dibanding dengan daratan dan dengan variasi yang besar. Hal tersesbut terjadi juga dengan CH yang dominan terjadi pada siang hari dan variasi tinggi. CH di ekuatorial lebih tinggi dibanding lintang lainnya hal ini disebabkan karena ekuatorial menerima lebih banyak sinar matahari sepanjang tahun, sehingga udara lebih hangat. Dengan udara yang lebih hangat ( massa jenis kecil,kapasitas kelembaban yang tinggi dibanding udara dingin), sehingga menghasilkan awan dengan CH yang tinggi. Hal ini diperkuat dengan kelembaban yang juga sangat tinggi.

1. Skema Kuo paling sederhana digunakan di GCM ( Global Climate Model/General Circulation Model), CSIRO (Commenwealth Scientific and Industrial Research Organization), DARLAM (Division of Atmospheric Research Limited Area Model).

2. Skema Arakawa-Schubert digunakan di AVN (Aviation Model Forecast),NCEP, RUC (The Rapid Update Cycle).

3. Skema BMJ (Betts-Miller-Junjic) digunakan oleh Eta/NCEP

4. Skema Grell digunakan oleh MM5 (Mesoscale 5)

5. Skema Anthes~Kuo sangat baik dalam menentukan CH total dan maksimum.

6. skema Grell dan Kain-Fritsch sangat baik menirukan pola hujan.

7. Parameterisasi konvektif dangkal berfungsi untuk mempertahankan sirkulasi Hadley dalam GCM dan sirkulasi global.

8. Skema konveksi yang tidak menggunakan downdraught dan entrainment massa memiliki dampak pada distribusi hujan rata-rata dan memindahkan ITCZ di Pasifik Barat.

9. Skema BMJ dalam Eta Model tidak dapat memperkirakan konveksi di wilayah barat, karena terjadi perbedaan sifat konveksi di pegunungan dengan lautan.

10. SCm I Single Coulom Model) dan Skema Arakawa-Schubert menghasilkan distribusi jumlah awan vertikal yang lebih realistik dibandingkan CCM3 ( Community Climate Model versi 3).

11. Simulasi dengan MM5 pada domain besar dengan resolusi 15 km sangat berguna untuk kajian konveksi tropik dan interaksinya dengan sirkulasi skala besar.

12. Uji skema konveksi menunjukan bahwa peningkaan resolusi model menyebabkan CH prediksi menjadi lebih kecil

13. Skema kuo dalam DARLAM menunjukan CH > Skema arakawa dan Liquid Water

14. Skema Zhang & Mc Farlane dalam NCAR CCM3.6 menghasilkan varibilitas intra musiman < pengamatan ( angin dan hujan). Sedangkan Skema Hack lebih tinggi, skema McRAS lebih realistik dalam variabilitas angin dan variabilitas CH yang lebih rendah di banding pengamatan.

15. Skema Kuo, curah hujan diperkirakan dengan massa konvektif sepanjang kolom konvektif dari dasar awan s.d puncak awan. Dasar awan ditentukan diidentifikasi dengan nilai kelembaban relatif tertentu, sedangkan puncak awan diperkirakan melalui stabilitas atmosfer.

16. Skema Betts-Miller mensyaratkan sounding sebagai kondisi awal, proses konveksi selanjutnya mengacu pada profil klimatologi.

17. Skema AS,menyertakan efek detrainment kelembaban dari awan-awan konvektif,pemanasan dari subsidensi lingkungan, dan stabilitas konvektif dalam keseimbangannya dengan laju destabilisasi skala besar.

18. Skema Grell merupakan Skema AS dalam versi awan tunggal.

19. skema Kain-Fritsch mencakup model awan dengan faktor entrainment,updraft dan downdraft

20. Faktor tumbukan,koalisi dan koalisesnsi serta ukuran tetes dicakup dalam pendekatan mikrofisika awan.

Berikut beberapa contoh Model Meso yang dirangkum dalam sebuah tabel serta skema konveksi jenis apa yang digunakan.

OMEGA

Nama	The operational Multiscale Environment Model with Grid Adaptivity (OMEGA)
Pencipta	Dr.David Bacon
Institusi	Science Applications International Corporation
Group	Science Applications International Corporation
Persamaan	Kompresibel,nonhidrostatik,persamaan primitif
Dimensi	3-D prognostic
Grid	Variabel resolusi tidak terstruktur dan grid yang adaptif
Resolusi minimum horisontal	1km
Resolusi vertikal	1km- 10 meter
Model domain	Fleksibel
Inisialisasi	Input data mentah dari NOGAPS,MRF,NGM dan ETA dengan analisis dari rawinsonde dan obervasi permukaan dalam banyak format berbeda
Teknik solusi	skema numerik menggunakan teknik volume terbatas dengan skema adveksi Smolarkiewicz yang dimodifikasi untuk penggunaan grid triangular yang tak terstruktur
Sistem koordinat	Sistem Rotating Cartesian yang berasal dari pusat bumi
Boundary lateral	Open boundary dengan skema radiasi
Top Boundary	Lapisan batas yang jelas
Permukaan Boundary	Panas,momentum,dan fluks ditentukan melalui interaksi udara yang terus-menerus
Parameterisasi subgrid campuran	2.5 tingkat k-ɛ model
Parameterisasi cumulus	Modifikasi skema Kuo
Parameterisasi Radiasi	skema Sasamori
Parameterisasi Kestabilan Presipitasi	Parameterisasi bulk water Lin (1983)
Contoh fenomena	simulasi Hurricane,cuaca badai gurun pasir,dispersi dari topografi yang komplek

MC2

Nama	MC2
Pencipta	Robert Benoit
Institusi	Recherce en Prevision Numerique Environment Canada
Group	Limited Area Model
Persamaan	Persamaan Euler Nonhydrostatik
Dimensi	3-D
Grid	Arakawa-C
Resolusi minimum horisontal	~ 500 m
Resolusi vertikal	Beberapa ratus meter
Model domain	Area terbatas
Inisialisasi	Dinamik
Teknik solusi	Semi implisit,semi-langrangian,
Sistem koordinat	Proyeksi conformal (polar stereographic,mercator),Gal-Chen vertical koordinat
Boundary lateral	Open boundary dengan skema Staniforth
Top Boundary	Batas yang kuat dan memancar
Permukaan Boundary	Force-restore/ISBA/CLASS land-surface skema
Parameterisasi subgrid campuran	TKE dengan orde 1.5 Del4 difusi dalam fluida interior
Parameterisasi cumulus	Hanya untuk resolusi rendah:Kuo,Fritsch-Chappell,Kain-Fritsch dan Arakawa-Schubert
Parameterisasi Radiasi	Solar dan Infrared radiasi (Fouquart dan Bonnel,1980)
Parameterisasi Kestabilan Presipitasi	Kong-Yau 2-ice mikrophysics dan skema Tremblay mixed-phase
Contoh fenomena	Chinook,Foehn,hujan orografik,banjir bandang

BLFMESO

Nama	Boundary-Layer Mesoscale Forecast Model (BLFMESO), edisi 3
Pencipta	S.M.Daggupaty
Institusi	Meteorology Service of Canada Air Quality Research Branch ( formerly Atmospheric Environment Service )
Group	Meteorology Service of Canada Air Quality Research Branch
Persamaan	Hidrostatik,persamaan primitif
Dimensi	3-D
Grid	Fleksibel.Indentik dalam x dan y, kecuali grid vertikal. 81 x 81 grid horisontal dan 10 grid vertikal
Resolusi minimum horisontal	5 km
Resolusi vertikal	Tidak sama .Resolusi tinggi identik dengan permukaan, rentang 1.5 m -3000 meter.
Model domain	400 km x 400 km horisontal, 3 km vertikal
Inisialisasi	Analisis data regional Canada dengan weather forecast yang di interpolasi model grid dan dinamik 1-D
Teknik solusi	Metode beda implisit terbatas,semi implisit untuk adveksi vertikal dan difusi.
Sistem koordinat	Proyeksi Koordinat UTM
Boundary lateral	Time-dependent boundary lateral
Top Boundary	Bergantung pada variabel tertentu saat t= 0
Permukaan Boundary	No slip untuk angin permukaan, force-store metode untuk neraca energi dan prediksi temperature permukaan, teori similarity untuk parameter permukaan, panas, dan momentum. Kekasaran topografi permukaan diperhitungkan.
Parameterisasi subgrid campuran	Teori kesamaan permukaan di lapisan permukaan,koefisien berdasarkan metode O`Brien pada PBL
Parameterisasi cumulus	Tidak ada
Parameterisasi Radiasi	Tidak ada
Parameterisasi Kestabilan Presipitasi	Tidak ada
Contoh fenomena	Skala meso-ɞ, land/sea breeze,kualitas udara,pengendapan gas dan partikel udara,arus lembah dan gunung

FITNAH

Nama	FITNAH
Pencipta	Dr.Gunter Gross
Institusi	Departemen of Meteorology,University Hannover,German
Group	Guter Gross
Persamaan	Navier-Stokes,Non-hidrostatik,Boussinesq-approximation
Dimensi	3-D
Grid	Arakawa-C
Resolusi minimum horisontal	1-100 m
Resolusi vertikal	Permukaan:1-10 m, lapisan atas :̴1000 m
Model domain	1km x 1km, 50 km x 50 km
Inisialisasi	Variasi teknik dan diastrofi
Teknik solusi	Waktu dengan metode:forward,leapfrog. Ruang dengan metode :tengah,adveksi dan upstream
Sistem koordinat	Metode Gross
Boundary lateral	Tetap, turunan tertentu dan kondisi radiasi
Top Boundary	Damping layer
Permukaan Boundary	Neraca energi permukaan untuk temperature menurut Gross(1986)
Parameterisasi subgrid campuran	Orde kesatu dengan K berasal dari energi kinetik turbulensi
Parameterisasi cumulus	Gross (1986)
Parameterisasi Radiasi	Aproksimasi dua arah ,Gross (1986)
Parameterisasi Kestabilan Presipitasi	Gross (1986), Skema Kessle untuk presipitasi
Contoh fenomena	Aliran udara di topografi yang komplek

COAMPS

Nama	COAMPS
Pencipta	Dr.Richard M.Hodur
Institusi	Naval Research Laboratory
Group	Naval Research Laboratory, Marine Meteorology Division; R.Hodur,S.Chen,J.Doyle,T.Holt,J.Schmidt
Persamaan	Persamaan kompresibel nonhidrostatik
Dimensi	3-D
Grid	Arakawa-C mendukung nesting
Resolusi minimum horisontal	Fleksibel. Menggunakan data real,tipe resolusi 1-81 km, dalam LES mode, resolusi minimum 1 m
Resolusi vertikal	Fleksibel.Koordinat sigma, 20 m-beberapa ratus meter (̴10 mb) dengan elevasi 30 -120 lapisan
Model domain	Fleksibel.Pengguna bisa menentukan luasan yang dinginkan sendiri.
Inisialisasi	3-D multivariasi dengan analisis interpolasi optimum angin dan ketinggian, analisis Cressman untuk temperature dan kelembapan,2-D dengan analisis interpolasi optimum SST.
Teknik solusi	Time-Splitting, formula ekplisit untuk adveksi, semi implicit untuk penyebaran gelombang bunyi secara vertical dan frekuensi Brunt-Vaisala. Orde 4 untuk difusi dan orde 2 untuk semua proses
Sistem koordinat	Sistem koordinat x,y, dan grid horisontal global yang dapat digunakan untuk proyeksi:polar stereographic,Lambert conformal,mercartor,spherical dan kartesian.
Boundary lateral	Skema Davies atau Perkey-Krietzberg untuk data real. Untuk data yang ideal:periodic,radiasi,tetap dan no-slip
Top Boundary	W=0
Permukaan Boundary	Force-restore slab soil model,fluks permukaan,parameter khusus permukaan (albedo,kekasaran permukaan,ketinggian dan garis pantai)
Parameterisasi subgrid campuran	Level 2.5 Mellor-Yamada
Parameterisasi cumulus	Kain-Fritsch atau Kuo
Parameterisasi Radiasi	Harshvardhan
Parameterisasi Kestabilan Presipitasi	Rutledge-Hobbs
Contoh fenomena	Coastal jet, rainbands,barrier jet,interaksi coupling udara-laut, aerosol, siklon tropis,fron temperature permukaan, siklon ekstratropika, gelombang gravitasi, topografi jet,

MM5

Nama	MM5
Homepage	http://www.mmm.ucar.edu/mm5/mm5-home.html
Pencipta	Ying-Hwa Kuo dan Jimy Dudhia
Institusi	NCAR/MMM Division
Group	NCAR/MMM Division
Persamaan	Persamaan primitive nonhidrostatik, persamaan hidrostatik
Dimensi	3-D
Grid	Arakawa-B grid
Resolusi minimum horisontal	500m-1 km
Resolusi vertical	Fleksibel
Model domain	Global, dapat digunakan menjadi multiple nesting
Inisialisasi	Integrasi divergensi
Teknik solusi	Waktu:time-splitting leapfrog, Ruang: orde-2
Sistem koordinat	Sigma
Boundary lateral	Relaksasi
Top Boundary	Rigid/Radiatif
Permukaan Boundary	Friksi dan fluks menggunakan teori similarity dan memiliki parameter land use
Parameterisasi subgrid campuran	Bulk, skema Mellor-Yamada dan MRF
Parameterisasi cumulus	Anthes-Kuo,Grell, Kain-Fritsch, Fritsch and Chappell ,Arakawa Schubert, dan Betts-Miller.
Parameterisasi Radiasi	Broadband atau CCM2
Parameterisasi Kestabilan Presipitasi	Supersaturasi, fisika es,konsentrasi jumlah es ,land surface modul dan 4-D data asimilasi
Contoh fenomena	Siklon,fronts,MCS,gelombang gunung

Eta Model

Nama	Eta Model
Pencipta	Fedor Mesinger
Institusi	NCEP Environmental Modeling Center
Group	NOAA/ NCEP Environmental Modeling Center
Persamaan	Persamaan primitive nonhidrostatik, persamaan hidrostatik
Dimensi	3-D
Grid	Arakawa-E grid secara horisontal, Lorenz grid secara vertikal
Resolusi minimum horisontal	4-10 km
Resolusi vertikal	50 layer,
Model domain	106 x 80 derajat
Inisialisasi	3-D data asimilasi EDAS
Teknik solusi	Waktu: beda waktu ekplisit,forward-backward, gaya coriolis implicit-trapezodial, beda waktu 60 detik,adveksi temperature dan momentum skema Matsuno, ruang tipe Arakawa, adveksi horizontal temperature dan momentum skema Janjic, kekekalan momentum yang berasal dari efek pegunungan skema Smolarkiewicz, adveksi kelembaban horizontal skema Janjic,adveksi vertical momentum dan temperature skema arakawa, skema kopel gravity-wave,
Sistem koordinat	Koordinat eta vertical,koordinat rotasi bola
Boundary lateral	Ekstrapolasi
Top Boundary	Kecepatan vertical eta 0-25 mb
Permukaan Boundary	Topografi, parameter kekasaran orografik tipe Mason, fluks permukaan tipe Monin-Obukhov, fungsi similaritas Paulson, Parameter Zilitinkevich untuk sublayer , skema land-surface, multiplayer land-surface/vegetasi model, input data dengan 12 tipe vegetasi, 9 tipe jenis tanah,albedo musiman,approksimasi linear menurut Mangarella-Brutsaert, fungsi similaritas level-2 Mellor-Yamada, surface fluks air Monin-Obukhov
Parameterisasi subgrid campuran	Vertikal: skema Mellor-Yamada level 2.5. Horisontal : order dua skema Smagorinsky
Parameterisasi cumulus	Skema Betts-Miller.-Janjic untuk konveksi dangkal dan dalam
Parameterisasi Radiasi	Skema radiasi GFDL
Parameterisasi Kestabilan Presipitasi	Prediksi ekplisit campuran rasio awan cair/es dalam skala grid
Contoh fenomena	Fenomena permukaan, pengaruh transport kelembapan,efek topograpi, siklon tropis, efek vegetasi /transfor air/udara

RAMS

Nama	The Regional Atmospheric Modeling System (RAMS)
Homepage	http://blue.atmos.colostate.edu
Pencipta	Roger A.Pielke,Sr.,W.R.Cotton,C.Tremback,R.L.Walko
Institusi	Colorado State University dan ASTeR Division of Mission Research Corporation
Group	Department of Atmospheric Science/ ASTeR Division of Mission Research Corporation
Persamaan	Persamaan nonhidrostatik, Navier-Stokes,kompresibel
Dimensi	2-D atau 3-D
Grid	Arakawa-C grid.Mendukung nesting, vertikal grid dapat diperbesar
Resolusi minimum horisontal	Tak ada ( memungkinkan hanya 2 cm)
Resolusi vertikal	Tak terbatas pada resolusi vertical
Model domain	Dapat seminimum mungkin pada domain limited-area
Inisialisasi	Interpolasi homogen horizontal dari sounding tunggal dan analisis objektif Barnes dari data tekanan per lapisan, data rawinsonde dan observasi lapangan
Teknik solusi	Teknik penyelesain nilai awal, komponen kecepatan dengan metode beda waktu leapfrog, parameter lain menggunakan beda waktu maju sedang parameter akustik menngunakan teknik time-splitting
Sistem koordinat	Stereograpik polar atau koordinat Cartesian horisontal, dan koordinat vertikal sigma-z
Boundary lateral	Skema Klemp-Wilhelmson ,Skema Klemp-Lilly, Orlanski. Gradien nol,gradient divergensi nol,
Top Boundary	Relaksasi Newtonian
Permukaan Boundary	Teori similaritas menurut Louis ( fluks permukaan momentum,panas, dan uap air),Permukaan grid dibagi menjadi beberapa layer
Parameterisasi subgrid campuran	Skema Smagorinsky-Lily,Mellor-Yamada,Deardorff
Parameterisasi cumulus	Skema Kuo yang dimodifikasi
Parameterisasi Radiasi	Skema Harrington yang menghitung secara khusus sifat-sifat dari:permukaan air, hujan dan higrometeor lainnya. Skema Chen dan Cotton yang memasukan atenuasi awan. Skema Mahrer dan Pielke yang tidak menghitung kondensasi.
Parameterisasi Kestabilan Presipitasi	Proses fisik yang melibatkan:sublimasi,Brownian motion,kondensasi,sedimentasi,tumbukan,pembekuan,evaporasi,thermoporesis,difusi ,rain ,kabut nukleasi homogen droplet awan dan fenomena lainnya.
Contoh fenomena	Badai,tornado,sistem konvektif,sea breeze, konveksi cumulus,aliran turbulensi di sekitar gedung, aliran udara dalam wind tunnel,siklon tropis,simulasi large-eddy, efek perubahan land-use bagi iklim dan cuaca,supersel badai, simulasi aliran udara laboratorium,presipitasi, transport dan dispersi polusi, pergerakan gelombang akustik,

The Topographic Vorticity Model (TVM)

Nama	TVM
Homepage	http://rtmod.ei.jrc.it/thunis/TVM/tvm.html
Pencipta	P.Thunis,G.Schayes,R.Bornstein
Institusi	Joint Research Centre (JRC),Universite Catholique Louvain, San Jose State University
Group	Joint Research Centre
Persamaan	Sistem dasar dinamik menggunakan Navier-Stokes, anelastik, persamaan non hidrostatik.
Dimensi	1-D,2-D atau 3-D
Grid	Arakawa-C grid
Resolusi minimum horisontal	Resolusi minimum dapat mencapai 500 m, tidak ada batasan yang jelas ketika di gunakan dalam simulasi large-eddy
Resolusi vertikal	Tak terbatas pada resolusi vertikal
Model domain	Dapat seminimum mungkin pada domain limited-area
Inisialisasi	Interpolasi homogen horizontal dari sounding tunggal
Teknik solusi	Aproksimasi adveksi menggunakan orde 3 Parabolic Piecewise Method (PPM). Difusi,vortisitas , dan bouyanci didekati oleh FTCS.
Sistem koordinat	Koordinat sigma-z
Boundary lateral	Untuk adveksi, hanya kondisi boundary inflow yang diperhitungkan.Gradien nol untuk kondisi boundary lateral pada semua proses.
Top Boundary	Vortisitas nol, angin horizontal digunakan sebagai angin geostrofik. Damping layer digunakan dilapisan atas untuk menyerap gelombang gravitasi.
Permukaan Boundary	Komponen angin menjadi nol. Momentum fluks permukaan dan uap air dihitung menurut Skema Deardorff dan teori similaritas. Model land-surface IAGL,parameter vegetasi dan variasi hambatan transfer.
Parameterisasi subgrid campuran	Energi turbulen kinetik berdasarkan metode:order 1.5 Skema Therry dan Lacarrere,Skema Duynkerke dan dalam LES memasukan energi turbulensi dan parameter 3-D
Parameterisasi cumulus	Tidak ada
Parameterisasi Radiasi	Shortwave berdasarkan skema Lacis dan Hansen/Stephens. Longwae berdasarkan Skema Sasamori/Stephens.
Parameterisasi Kestabilan Presipitasi	Parameter mikrofisik Skema Kessler, dengan 5 parameter: air ,hujan,es kristal,salju dan graupel yang digunakan dalam presipitasi konvektif dan menggunakan ukuran grid horisontal kurang dari 2 km.
Contoh fenomena	Sea breeze, angin lembah,sirkulasi pemukiman, mountain-wave,transfort dan difusi polutan, simulasi large-eddy dari lapisan konvektif boundary.

ARPS

Nama	ARPS
Homepage	http://www.caps.ou.edu/ARPS
Pencipta	Ming Hue dan Kelvin Droegemeier
Institusi	University of Oklahoma (School of Meteorology and Center for Analysis and Prediction of Storms)
Group	Nonhydrostatic storm and mesoscale model
Persamaan	Kompresibel, persamaan non hidrostatik.
Dimensi	1-D,2-D atau 3-D
Grid	Arakawa-C grid
Resolusi minimum horisontal	Tak ada batasan jelas tetapi biasanya 1 -2 km
Resolusi vertikal	Fleksibel. Umumnya 5-500 m
Model domain	Fleksibel
Inisialisasi	3-D data real analisis
Teknik solusi	Skema Klemp dan Wilhelmson yang merupakan integrasi waktu ekplisit dengan FCT
Sistem koordinat	Koordinat sigma-z
Boundary lateral	Terdapat beberapa pilihan: zero-gradient,periodik dan dipengaruhi kondisi luar
Top Boundary	Rigid,menyerap atau radiasi gelombang
Permukaan Boundary	Semi-slip lower boundary
Parameterisasi subgrid campuran	Skema Smagorinsky-Lilly, orde 1.5 TKE,
Parameterisasi cumulus	Kain-Fritsch dan Kuo
Parameterisasi Radiasi	Radiasi NASA/GSFC
Parameterisasi Kestabilan Presipitasi	Saturasi grid menggunakan parameter mikrofisik, hujan menggunakan Skema Kessler, enam kategori es menggunakan Skema Lin-Tao dan es menggunakan skemaSchultz.
Contoh fenomena	Semua fenomena musim skala sinotik s.d skala badai, aliran orografik,simulasi ideal badai guruh, squall line dan front.

HOTMAC

Nama	HOTMAC
omepage	www.ysasoft.com/ysa
Pencipta	Dr.Ted Yamada
Institusi	Yamada Science dan Art Corporation
Group	Yamada Science dan Art Corporation
Persamaan	inkompresibel, persamaan non hidrostatik. Dan hidrostatik
Dimensi	1-D,2-D atau 3-D
Grid	1-D,80;2-D ,29 x 40;3-D,93 x 64 x 26
Resolusi minimum horisontal	2-D,200 m;3-D,380 m;4 km dan 4 m
Resolusi vertikal	1-D,1 m;2-D,2 m; 3-D, 4m dan 1 m
Model domain	1-D,z=1-10 km;2-D,x=6 km,z=1 km;3-D,x=200 m,y=200 m, z=500 m pilihan lain x=10km 368 m,y=7km 252 m, z=1.3 km 8.4 km
Inisialisasi	4-DDA (empat dimensi data asimilasi)
Teknik solusi	2-d/3-D,ADI (alternating direction implicit),1-D dan Laasonen
Sistem koordinat	Mengikuti ketinggian
Boundary lateral	Persamaan 1-D
Top Boundary	Rigid
Permukaan Boundary	Neraca energi permukaan,lapisan tanah,tutupan lahan vegetasi
Parameterisasi subgrid campuran	Persamaan turbulensi second-moment
Parameterisasi cumulus	Persamaan turbulensi second-moment dengan Gaussian Model
Parameterisasi Radiasi	Skema Sasomori
Parameterisasi Kestabilan Presipitasi	Persamaan untuk rasio campuran uap air dan hujan dan jumlah konsentrasi butiran hujan
Contoh feno	Variasi diurnal PBL, aliran drainase pada pemukiman/topografi yang komplek, turbulensi didalam awan disekitar marine boundary layer, transport tepung sari, perubahan tutupan vegetasi,perubahan tutupan pemukiman

Sumber (Pielke,1997)

Gambar 1. Menunjukan aplikasi skema kumulus yang digunakan pada skenario vegetasi yang berbeda (atas) vegetasi saat ini (b) vegetasi natural.Dari perbandingan gambar diatas terlihat jelas bagaimana skema konveksi yang sama dan menggunakan parameter yang berbeda akan menghasilkan hasil yang berbeda.

Beberapa sumber tulisan yang sangat layak untuk di pelajari:

Planetary Boundary: a definition

http://www.met.tamu.edu/class/metr452/models/2001/PBLproject.html

LITE Planetary Boundary Layer Measurements:

http://www-lite.larc.nasa.gov/level1doc/phase_c_pbl.html

NWP http://www.meted.ucar.edu

Global Historical Climatology Network, Arizona State University,USA.http://www.cdiac.esd.ornl.gov/ghcn/