Forecast Verification (Verifikasi Prakiraan)

Forecast Verification atau Verifikasi Prakiraan merupakan proses dalam menentukan kualitas prakiraan. Proses ini dilakukan sejak tahun 1884(Muller,1944) yang juga dilakukan oleh Murphy, 1933 dengan metode yang berbeda.

Terdapat  tiga alasan utama mengapa verifikasi prakiraan harus dilakukan:

• memantau kualitas ramalan , seberapa akurat metode yang digunakan serta bagaimana kualitasnya  seiring waktu?
• meningkatkan kualitas
• membandingkan kualitas sistem ramalan dari beberapa sistem prediksi yang berbeda

Allan Murphy, seorang pionir dalam bidang  verifikasi prakiraan , menulis tentang apa yang dimaksud dengan membuat prakiraan yang baik (Murphy, 1993). Terdapat tiga hal utama apa yang dimaksud dengan suatu prakiraan yang baik/bagus, yaitu:

• Konsistensi : tingkat kesesuaian yang  prakiraan dengan situasi serta kondisi yang terjadi secara terus menerus
• Kualitas: tingkat hasil prakiraan  yang setepat atau seakurat mungkin dengan kondisi sebenarnya
• Value : tingkat  hasil prakiraan yang memberi manfaat bagi kondisi yang sebenarnya

Sembilan hal utama yang mempengaruhi kualitas prakiraan (Murphy):

1. Bias – yang berhubungan dengan rata-rata observasi dengan rata-rata ramalan
2. Association – kekuatan linear hubungan antara prakiraan dan pengamatan (misalnya, tindakan ini koefisien korelasi linear hubungan)
3. Keakuratan – tingkat kesesuaian antara prakiraan dengan obser dan kebenaran (seperti yang diwakili oleh observasi). Perbedaan antara ramalan dan pengamatan adalah kesalahan. Semakin rendah kesalahan, akurasi yang lebih besar.
4. Skill – tingkat akurasi prakiraan dari beberapa referensi prakiraan.
5. Reliabilitas – rata-rata kesesuaian antara  prakiraan dengan nilai observasi.
6. Resolusi – kemampuan prakiraan untuk  menyelesaikan rangkaian metode sub perangkat dengan frekuensi distribusi yang berbeda.
7. Sharpness – kecenderungan ramalan untuk memprediksi nilai-nilai ekstrim.
8. Diskriminasi – kemampuan ramalan  untuk membedakan antar berbagai observasi, yaitu untuk mendapatkan prediksi frekuensi yang lebih tinggi .
9. Ketidakpastian -  variabilitas dari pengamatan. Makin besar ketidakpastian, semakin sulit ramalan .

Sumber:

Murphy, A.H., 1993: What is a good forecast? An essay on the nature of goodness in weather forecasting. Wea. Forecasting, 8, 281-293.

http://www.ecmwf.int/publications/library/do/references/show?id=86094

http://www.r-project.org/

http://satreponline.org/vesa/verif/www/english/courses/msgcrs/index.htm

http://www.bom.gov.au/bmrc/wefor/staff/eee/verif/verif_web_page.html

Recommendations on the verification of local weather forecasts

Animasi Fenomena Meteorologi dan E-Learning Meteorologi

Terdapat situs-situs yang menarik yang membuat simulasi berbagai fenomena meteorologi diantaranya:tornado,tsunami dan gempa bumi.
Berikut situs yang layak dikunjungi:

http://news.bbc.co.uk/2/hi/science/nature/7533909.stm

http://cirrus.geoph.itb.ac.id/?cat=elearning&id=pemodelan

Untuk E-learning meteorologi:

http://cirrus.geoph.itb.ac.id/?cat=elearning&id=comet

http://cirrus.geoph.itb.ac.id/?cat=elearning&id=NASA-EarthScience

http://cirrus.geoph.itb.ac.id/?cat=elearning&id=metcourse

http://cirrus.geoph.itb.ac.id/?cat=vstream

Satelit Pengukur Kandungan CO2

Pada saat ini, Ilmuwan dapat mengukur dengan akurat jumlah karbon dioksida di atmosfer, tapi proses yang mengatur konsentrasinya
di atmosfer masih menjadi misteri. Ilmuwan mengalami hambatan dalam
mengetahui sumber dan kemana CO2 di atmosfer.

Orbital Carbon Observatory (OCO), satelit baru badan antariksa Amerika, NASA, telah diluncurkan untuk mengatasi masalah-masalah tersebut. Satelit yang diluncurkan 23 Februari itu menggunakan roket Taurus XL dariVendenberg Air Force Base di California yang memiliki kemmapuan dalam mengukur magnitude dan distribusi sumber CO2 dan tempatnya mengendap.

Misi utama OCO adalah membuat estimasi setepat mungkin sehingga dapat digunakan untuk mencari sumber dan tempat penyimpanan.
CO2. Informasi ini sangat penting dalam memperbaiki
prediksi kenaikan CO2 atmosfer yang selama ini digunakan dalam pemodelan iklim untuk mengetahui tingkat kenaikan temperatur bumi.

Satelit CCO dapat mencatat CO2 harian dan itu dilakukan sebanyak 100 ribu perhitungan dari seluruh dunia setiap hari.
Sehingga pemahaman tentang CO2 berasal serta tempat pengendapannya dapat diketahui. Selain itu satelit ini juga mengukur distribusi CO2, membawa informasi contoh dari seluruh dunia dari orbitnya di antariksa, tetapi satelit ini tidak langsung mengukur emisi CO2 dari setiap sumber ( knalpot,cerobong asap,kebakaran hutan dlln)

Tetapi data yang dikumpulkan diolah oleh komputer dan ditampilkan melalui model yang akan menyimpulkan di mana dan kapan sebuah
sumber mengeluarkan karbon dioksida ke atmosfer.
Proses pengukuran dilakukan dalam skal kecil, hal ini dilakukan agar ilmuwan dapat membedakan pergerakan CO2 dari sumber
alami dengan gas yang berasal dari aktivitas bahan bakar fosil secara
akurat.
Pengukuran satelit ini relatif akurat sebab menggunakan tiga spektrometer beresolusi tinggi canggih OCO yang mampu menyebar
cahaya matahari yang direfleksikan permukaan bumi menjadi
beragam warna, dan dengan menganalisis warna tersebut kita dapat mengetahui kondisi CO2 di atmosfer.

Sumber:

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

http://oco.jpl.nasa.gov/

http://www.nasa.gov/mission_pages/oco/main/index.html

Definisi Validasi,Verifikasi, Evaluasi Dalam Pemodelan Iklim menurut WMO

Dalam pemodelan iklim/meteorologi istilah validasi,verifikasi dan evaluasi sering tertukar bahkan tidak jelas batasannya. Sehingga  rujukan menurut WMO ( World Meteorological Organization), sebuah organisasi meteorologi dunia dibawah PBB harus dijadikan standar dalam menggunakan istilah-istilah tersebut .

Prakiraan Musim

Tulisan ini diambil dari sumber utama website BMKG :

http://www.bmg.go.id/data.bmg?Jenis=Teks&IDS=3093805704743005223

Dan file pdfnya bisa diambil dipmh08091

Prakiraan musim merupakan proses memprediksi permulaan musim hujan /musim kemarau, perbandingannya  dengan rata-rata klimatologi (30 tahun) disertai sifatnya.

Beberapa istilah penting yang sering digunakan:

DASARIAN adalah rentang waktu 10 (sepuluh) hari. Dasarian I adalah Tanggal 1 sampai 10 Dasarian, II adalah Tanggal 11 sampai 20, Dasarian III adalah Tanggal 21 sampai dengan akhir bulan

Curah hujan (mm) : merupakan ketinggian air hujan yang terkumpul dalam tempat yang datar, tidak menguap, tidak meresap, dan tidak
mengalir. Curah hujan 1 (satu) millimeter, artinya dalam luasan satu meter persegi pada tempat yang datar tertampung air setinggi satu
millimeter atau tertampung air sebanyak satu liter.

Curah hujan kumulatif (mm) :  jumlah hujan yang terkumpul dalam rentang waktu kumulatif tersebut. Dalam periode musim, rentang  waktunya adalah rata-rata panjang musim pada masing-masing Zona Musim (ZOM).

Permulaan Musim Kemarau: jumlah curah hujan dalam satu dasarian (10 hari) kurang dari 50 milimeter dan diikuti oleh beberapa dasarian berikutnya. Permulaan musim kemarau, bisa terjadi lebih awal (maju), sama, atau lebih lambat (mundur) dari normalnya (rata-rata 1971-2000).

Permulaan Musim Hujan,: jumlah curah hujan dalam satu dasarian (10 hari) sama atau lebih dari 50 milimeter dan
diikuti oleh beberapa dasarian berikutnya. Permulaan musim hujan, bisa terjadi lebih awal (maju), sama, atau lebih lambat (mundur) dari
normalnya (rata-rata 1971-2000).

Definisi sifat hujan:
Di atas Normal (AN) : jika nilai perbandingannya >115%
Normal (N) : jika nilai perbandingannya antara 85% -115%
Di bawah Normal (BN) : jika nilai perbandingannya <85%

Standar yang digunakan sebagai pembanding adalah   rata-rata curah hujan selama 30 tahun ( 1971-2000,BMKG).

Berdasar pengelompokan pola distribusi curah hujan rata-rata bulanan, BMKG telah mengidentifikasi seluruh wilayah Indonesia menjadi :
a. Zona – Zona yang mempunyai batas yang jelas antara periode musim hujan dan periode musim kemarau, disebut Zona Musim ( ZOM )
b. Zona – Zona yang tidak mempunyai batas yang jelas antara periode musim hujan dan musim kemarau, disebut Luar Zona Musim ( Non ZOM ).

Luas suatu wilayah ZOM tidak selalu sama dengan luas suatu wilayah administrasi pemerintahan. Dengan demikian, satu wilayah ZOM bisa terdiri dari beberapa kabupaten, dan sebaliknya satu wilayah kabupaten bisa terdiri dari beberapa ZOM.

Berdasar hasil pengolahan dan analisis data periode 30 tahun (tahun 1971 – 2000), wilayah Indonesia terbagi menjadi 220 ZOM dan 73 Non ZOM yang terdiri dari:

• Sumatera 26 ZOM
• Jawa 94 ZOM
• Bali 13 ZOM
• Nusa Tenggara Barat 14 ZOM
• Nusa Tenggara Timur 20 ZOM
• Kalimantan 16 ZOM
• Sulawesi 22 ZOM
• Kepulauan Maluku 8 ZOM
• Papua 7 ZOM.

Daerah Non ZOM pada umumnya memiliki ciri mempunyai 2 kali puncak hujan dalam setahun (pola Ekuatorial), sepanjang tahun curah  hujannya tinggi atau rendah, dan waktu terjadinya musim hujan dan musim kemarau kebalikan dengan daerah ZOM (pola Lokal).

Gambar dibawah menunjukkan daerah-daerah mana saja yang termasuk ZOM dan Non ZOM serta prakiraan sifat curah hujan Non ZOM periode Oktober 2008-Maret 2009 terhadap rata-ratanya ( 1971-2000).

Pembagian wilayah Indonesia kedalam ZOM (220)dan Non Zom(73) merupakan deskripsi detail dari pola curah hujan yang global di Indonesia yang membagi kedalam tiga pola utama ( ekuatorial,monsunal dan lokal, http://kadarsah.wordpress.com/2007/06/29/tiga-daerah-iklim-indonesia/).

Persamaan NWP

Persamaan-persamaan paling dasar dalam NWP bisa dibuat seperti ini:

keterangan:

Δx=Perubahan variabel prediksi pada saat ruang dan waktu tertentu

Δt=perubahan waktu (seberapa jauh prediksi akan dilakukan)

F(x)= Semua proses yang dapat menyebabkan variabel X berubah

Persamaan diatas dapat diterjemahkan secara lengkap sebagai berikut:

“Perubahan dalam memprediksi varibel X selama periode waktu Δt merupakan efek kumulatif dari semua proses yang menyebabkan X berubah”

Dalam prediksi cuaca numerik, nilai variabel meteorologi yang diprediksi, dilakukan dengan cara mencari nilai awal dan kemudian menambahkan pengaruh fisika yang bekerja pada variabel tersebut pada rentang waktu prediksi.

X prediksi=Xawal+F(x).Δt

Persamaan-persamaan dasar NWP:

Jika kita lebih detail lagi melihat persamaan-persamaan tersebut adalah:

Untuk persamaan 1a.

persamaan 1b:

Persamaan 2( kontinuitas):