Kadarsah

Meteorologi dan Sains Atmosfer

Archive for the ‘Awan’ Category

Gambar, artikel yang berkaitan dengan awan

Kata-kata Mutiara Dalam Meteorologi dan Sains Atmosfer

Posted by kadarsah pada Oktober 23, 2014

But as the cool and dense Air, by reason of its greater Gravity, presses upon the hot
and rarified, ’tis demonstrated that this latter must ascend in a continued stream as
fast as it Rarifies
– Edmund Halley, 1686

Det er svært at sp˚a, især om fremtiden.
(It is difficult to make predictions, especial ly about the future)
– Niels Bohr

Before attending to the complexities of the actual atmosphere … it may be wel l to
exhibit the working of a much simplified case.
– Lewis Fry Richardson, 1922

The only relevant test of the validity of a hypothesis is comparison of prediction with
experience.
– Milton Friedman, 1953

I believe that the ultimate climatic models … wil l be stochastic, i.e., random numbers
wil l appear somewhere in the time derivatives.
– Ed Lorenz, 1975

It is far better to foresee even without certainty than not to foresee at al l.
– Henri Poincare

It seems to me that the condition of confidence or otherwise forms a very important
part of the prediction, and ought to find expression. It is not fair to the forecaster that
equal weight be assigned to al l his predictions and the usual method tends to retard
that public confidence which al l practical meteorologists desire to foster.
– W. Ernest Cooke, 1906

Posted in Awan | Leave a Comment »

DATA TRMM

Posted by kadarsah pada Januari 23, 2014

alamat data TRMM beserta keterangannya:

http://mirador.gsfc.nasa.gov/cgi-bin/mirador/presentNavigation.pl?tree=project&project=TRMM&dataGroup=Gridded

contoh data TRMM 3B42 harian:

http://mirador.gsfc.nasa.gov/cgi-bin/mirador/presentNavigation.pl?tree=project&dataset=TRMM_3B42_daily.007&project=TRMM&dataGroup=Gridded&version=007&CGISESSID=73f2a1f5a005b7fb38945f34b1fc5785

 

Posted in Awan | Dengan kaitkata: , | 2 Comments »

Sumber-sumber penting

Posted by kadarsah pada Maret 6, 2013

Sumber-sumber penting :

Perbandingan data reanalisis:

http://reanalyses.org/atmosphere/comparison-table

 

Posted in Awan | Leave a Comment »

Planetary Boundary Layer (PBL)

Posted by kadarsah pada Juli 1, 2011

Planetary Boundary Layer (PBL) atau disebut Atmospheric Boundary layer (ABL) merupakan bagian terendah dari atmosfer dan karakteristikya secara langsung dipengaruhi oleh kontak dengan permukaan bumi. Sehingga tingkat kekasaran dan aktivitas yang berlangsung dipermukaan bumi sangat mempengaruhi tinggi PBL. Ketinggian yang rendah terjadi saat pagi dan malam hari sedangkan menjelang siang ketinggian PBL mengalami kenaikan  . Ketinggian PBL yang rendah saat pagi dan malam hari dikarena tingkat turbulensi yang  terjadi dan berpengaruh terhadap ketinggian PBL sangat rendah jika dibanding dengan turbulensi yang terjadi saat siang hari, kondisi siang hari dengan tingkat penyinaran yang kuat.  Perubahan yang terjadi pada lapisan ini terjadi dalam rentang waktu kurang dari satu jam. Dalam lapisan ini parameter-parameter meteorologi seperti kecepatan aliran, temperatur, kelembaban, turbulensi dan pencampuran vertikal yang kuat. Di atas PBL adalah atmosfer bebas dengan kondisi angin merupakan angin geostropik (angin yang sejajar dengan isobars) sementara dalam PBL angin yang terjadi dipengaruhi kekasaran permukaan dan melintasi isobars. Lapisan atmosfer bebas ini biasanya bebas turbulensi dan hanya terjadi golakan yang bersifat insidental.

 

Gambar 1.1 Skema Skema representasi atmosfer perkotaan yang menggambarkan klasifikasi modifikasi termal dua lapisan (Oke 1976)

Untuk mengetahui dan mengambarkan kondisi iklim lokal dan mikro di suatu kota maka salah satu langkah yang dapat dilakukan adalah dengan melakukan observasi di lokasi tersebut. Observasi dilakukan dengan cara mempatkan sensor klimatologi atau meteorologi. Penempatan yang tepat dari sensor meteorologi di lingkungan perkotaan adalah sangat sulit tetapi sangat penting untuk mengingat dan mempertimbangkan morfologi permukaan yang rumit dalam penempatan alat tersebut.  Penelitian yang sangat penting dalam studi urban klimatologi dilakukan oleh Oke. Oke telah  menghasilkan kerangka kerja bagi penyebaran instrumen dan interpretasi hasil pengamatan alat. Struktur vertikal atmosfer perkotaan (Gambar 1.2)

 

Urban Klimatologi

Urban klimatologi merupakan cabang klimatologi yang berkaitan dengan areal perkotaan. Lokasi perkotaan ini menghasilkan perubahan yang signifikan di permukaan bumi dan kualitas udara. Pada skala dunia perubahan tersebut merupakan kajian yang  sangat menarik dan merupakan kajian dalam perubahan iklim yang terjadi dalam perkotaan. Proses urbanisasi menyebabkan perubahan lingkungan fisik dan juga mengakibatkan perubahan dalam kelembaban, energi, dan parameter klimatologi didekat permukaan. Sebagian besar dari perubahan ini dapat ditelusuri dengan menggunakan faktor-faktor penyebab seperti polusi udara; panas antropogenik,air permukaan, sifat termal bahan permukaan, morfologi permukaan dan spesifik jarak dari geometri-bangunan tiga-dimensi, ketinggian, orientasi, layering vegetatif , dan unsur-unsur geografi lainnya. Faktor-faktor lain yang harus dipertimbangkan adalah relief kota, sumber air, ukuran kota, kepadatan penduduk, dan distribusi penggunaan tanah.

Iklim perkotaan merupakan hubungan timbal balik dari permukaan perkotaan dan dampak atmosfer yang terjadi diatasnya. T.R. Oke menekankan definisi konseptual dari permukaan perkotaan dan bagaimana pengaruhnya terhadap berbagai proses untuk membentuk iklim perkotaan. Akibat rumit dan kompleknya pengaruh timbal balik yang terjadi dalam studi iklim perkotaan maka dibuatlah respresentasi suatu perkotaan dalam skema tiga dimensi yang disebut dengan skema volume urban (Gambar 1.3). Skema volume urban di perkotaan  menunjukkan sifat rumit dari hubungan antara berbagai  eleman sehingga dikalasifikasi menjadi beberapa jenis seperti yang ditunjukkan Gambar 1.4.  Skema konseptual tersebut sangat penting dalam kajian urban klimatologi khususnya studi tentang Boundary Layer (Oke 1978, 1987) .

Gambar. 1.3: Skema volume urban (Oke, 1987)

 

Skema volume urban yang ditunjukkan Gambar 2.2 menunjukkan  bagaimana metode yang berbeda dari pengukuran atau model dapat mewakili permukaan perkotaan dan merupakan elemen konseptual penting untuk dapat digunakan, terutama ketika menggabungkan data model dan observasi. Keenam representasi permukaan perkotaan muncul di Voogt dan Oke (1997). Sehingga dalam studi klimatologi suatu kota, bisa ditentukan skema mana yang sesuai dengan reperentasi awal yang kita miliki.

                                                                                                        Gambar. 1.4: Pengembangan skema volume urban (Oke, 1987)

 

Referensi:

  1. Fernando et al., 2010. Flow, turbulence, and pollutant dispersion in urban atmospheres. Physics of Fluids, 22 (doi:10.1063/1.3407662).
  2. Landsberg H, 1981. The urban climate. London: Academic Press, Inc.
  3. Oke TR, 1997. Urban Environments in Surface Climates of Canada (Bailey et al, eds.), 303-327.(Initial Guidance to Obtain Representative Meteorological Observations at Urban Sites, IOM Report 81, WMO) and Ellefsen 1990/1 (Mapping and Measuring Buildings in the Canopy Boundary Layer in Ten U.S. Cities, Energy and Buildings)
  4. Oke, T.R. 1976: The distinction between canopy and boundary-layer urban heat islands. Atmosphere, 14, 268-277.
  5. Oke, T.R. 1984: Methods in urban climatology. In Applied Climatology (A. Ohmura et al., eds), Zürcher Geographische Schriften, 14, pp 19-29.
  6. Oke, T.R. 2006: Initial Guidance to Obtain Representative Meteorological Observations at Urban Sites. World Meteorological Organization, Instruments and Observing Methods, IOM Report No. 81, WMO/TD-No. 1250
  7. Oke, T.R. 1987: Boundary Layer Climates. 2nd ed. Methuen, London, 435 pp..
  8. Oke, T.R. 2006: Initial Guidance to Obtain Representative Meteorological Observations at Urban Sites. World Meteorological Organization, Instruments and Observing Methods, IOM Report No. 81, WMO/TD-No. 1250
  9. Voogt J.A. & T.R. Oke. 1997: Complete urban surface temperatures. Journal of Applied Meteorology, 36, 1117-1132.

Posted in Awan | 2 Comments »

Sistem Klasifikasi Zona Iklim Lokal Untuk Aplikasi Dalam Urban Klimatologi

Posted by kadarsah pada Oktober 8, 2010

Sistem Klasifikasi Zona Iklim Lokal (Stewart and Oke, 2009)

LCZ (Stewart and Oke, 2009)

LCZ (Stewart and Oke, 2009)

Detail Klasifikasi tersebut :

lcz-1

lcz-1

Terdapat pembagian kategori B1-B10, untuk contoh B1 sebagai berikut:

Posted in Awan | Leave a Comment »

Glosari Iklim

Posted by kadarsah pada Agustus 31, 2009

http://amsglossary.allenpress.com/glossary

http://www.cpc.noaa.gov/products/outreach/glossary.shtml

Posted in Awan | 3 Comments »

Awan Gempa Mitos atau Ilmiah

Posted by kadarsah pada Maret 2, 2009

Awan gempa sampai saat ini masih menjadi perdebatan yang sangat sengit. Tetapi alangkah lebih baiknya untuk terus mengamati fenomena-fenomena tersebut dan mengumpulkan sebanyak mungkin sehingga fenomenanya bisa dijelaskan secara ilmiah, memang hal tersebut perlu waktu tetapi ilmu pengetahun emmang memerlukan waktu.

Berikut merupakan kemungkinan-kemungkinan yang masih harus diteliti lebih lanjut tentang awan gempa.

Ciri-ciri:

  • Munculnya secara tiba-tiba.
  • Muncul dari suatu titik tertentu yang posisinya tetap.
  • Bentuknya tidak biasa jika dibandingkan dengan awan hasil proses kondensasi(sirus, stratus, dan cumulus).

Peristiwa yang kemungkinan disebut awan gempa:

  • China muncul awan gempa pada 25 Oktober tahun 1622 terjadi gempa besar berkekuatan 7 SR di Guyuan, Provinsi Ningxia, China barat.
  • Pada 1978, yaitu sehari sebelum gempa Kanto di Jepang, Walikota Kyoto Kagida melihat awan aneh yang kemudian disebut awan Kagida dan dia memperkirakan sumber gempa di titik paling tengah awan gempa, tetapi setelah beberapa tahun ( 1985) dia menduga sumber gempa berada di titik awal mula terjadinya pembentukan awan.
  • 17 Januari 1994 muncul awan seperti asap roket di sekitar Northride, Amerika Serikat (AS). Sehari kemudian terjadi gempa.
  • 13 Februari 1994 muncul awan berbentuk gelombang di Northride, AS, dan 20 Maret 1994 terjadi gempa besar.
  • 31 Agustus 1994 awan berbentuk bulu ayam di Northern, California, AS. Sehari kemudian, yakni pada 1 September 1994 terjadi gempa di daerah setempat.
  • Awan gempa di Jepang tahun 1995, yang kemudian terjadi gempa bumi.
  • Awan seperti sinar terjadi di kawasan Joshua Tree, AS pada 22 Juli 1996, dan 23 hari kemudian terjadi gempa.
  • 20 Desember 2003 di langit sekitar Bam, Iran, muncul awan memanjang,empat hari kemudian terjadi gempa berkekuatan 6,8 SR.
  • 12 Juli 2006 sebagian masyarakat di Yogyakarta melihat awan putih memanjang di langit di atas kota. Lima hari kemudian Pangandaran, Kabupaten Ciamis, Jawa Barat, diguncang gempa dan tsunami. Banyak korban manusia akibat bencana itu.
  • Tiga hari sebelum gempa besar mengguncang wilayah Provinsi Daerah Istimewa Yogyakarta (DIY) dan Kabupaten Klaten (Jawa Tengah) 27 Mei 2006, masyarakat sekitarnya melihat gejala alam yang aneh berupa awan yang berbentuk aneh.

Umumnya, awan-awan aneh tersebut selalu muncul sebelum terjadi gempa berkekuatan di atas 5,5 SR dengan rentang waktu 1-100 hari.

Proses terbentuknya ada beberapa kemungkinan:

  • Anomali perubahan medan magnet,saat aktivitas di dalam kerak bumi meningkat akibat kenaikan temperatur, muatan listrik terpolarisasi, sehingga meningkatkan konduktivitas listrik dan medan magnet, yang kemudian menyebabkan terjadi perubahan medan magnet bumi.Perubahan ini yang menarik awan ke arah bumi.
  • Gesekan di sumber gempa (episentrum) yang menghasilkan rekahan di dalam bumi serta menimbulkan panas dan panas yang mendidihkan air tanah sehingga menguap. Akibat temperatur dan tekanan sangat tinggi, uap air tersebut keluar melalui celah-celah rekahan ke permukaan bumi jika kondisinya memungkinkan uap air itu akan bertemu dengan udara dingin dan terbentuklah awan.

Posted in Awan, Meteorologi, Natural Hazard | 3 Comments »

Animasi Fenomena Meteorologi dan E-Learning Meteorologi

Posted by kadarsah pada Februari 23, 2009

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

Posted in Awan | 2 Comments »

Asimilasi Data

Posted by kadarsah pada Oktober 29, 2008

Asimilasi Data

Asimilasi data merupakan teknik pencampuran data dari sumber yang berbeda dengan tujuan untuk memproduksi seperangkat data baru yang konsisten dengan keadaan atmosfer.

Metode asimilasi data terbaru, adalah mengekstrak informasi kondisi atmosfer dari observasi dan mengkombinasikannya dengan informasi dari model prediksi dan metode in imerupakan metode yang sangat powerful dalam pengembangan prediksi cuaca.

Data observasi yang bisa digunakan adalah data satelit, masalah utama yang dihadapi adalah faktor apa saja yang diperlukan dan bagaimana menggunakan data observasi satelit dalam asimilasi data.

1. Jumlah informasi yang tersedia dari data observasi meteorologi

2. Jumlah informasi yang bisa di ambil oleh satelit dari data real meteorologi yang tersedia.

Beberapa hal yangharus diperhatikan:

1. kapan dan dimana observasi berlangsung

2. bagaimana akurasi prediksi untuk tempat dan lokasi

Dengan kata lain, informasi yang berasal dari observasi bergantung dari jumlah dan kualitas observasi serta ketidakpastian prediksi.

Asimilasi data dimulai saat asimilasi data dalam bidang atmosfer terjadi tahun 1960-1970 dengan tokoh terkenalnya adalah Gandin. Awalnya, asimilasi data atmosfer tersebut digunakan untuk mendefinisikan “objective” dari initial conditions untuk model NWP (Numerical Weather Prediction, Prediksi Numerik Cuaca), sehingga terminologinya sering disebut menjadi “objective analysis”. Saat ini, asimilasi data digunakan untuk mendefinisikan initial conditions yang optimal untuk NWP,iklim,hidrologi,lautan,daratan,kanopi, transport polusi dan model bio-geofisika.

Metode asimilasi data yang terbaru, dapat digunakan untuk mengestimasi dan memperbaiki kesalahan model (model error estimation) serta mendefinisikan parameter empirik yang optimal.

Model dinamik bergantung setidaknya pada beberapa parameter berikut: initial conditions, error model, parameter empirik model dan boundary conditions. Ketidakakuratan prediksi dipengaruhi oleh kelemahan kita dalam memahami paramter-parameter diatas. Sistem dinamik non linear chaotic alami , misalnya terdapat dalam cuaca dan iklim, geosains, yang semuanya memiliki karakter suatu sistem dinamik. Proses pencampuran data dari observasi dengan model dinamik memerlukan pengetahuan dari berbagai disiplin ilmu matematika dan fisika yang terdiri dari: teori probabilitas, teori estimasi, teori kontrol,teori dinamik non linear dan teori chaos. Pengembangan metodologi yang akan digunakan untuk estimasi suatu sistem dinamik , misalnya MLEF ( Maximum Likehood Ensemble Filter) untuk aplikasi cuaca, iklim dan siklus karbon mutlak memerlukan seperangkat teori di atas.

Asimilasi Data

Data asimilasi digunakan secara optimal dengan cara mengkombinasikan observasi dan model prediksi dinamik untuk meningkatkan estimasi  kondisi masa yang akan datang, dengan menggunakan kondisi saat ini, seperti ditunjukan gambar di atas.

  • Beberapa metode: metode variasional (3d-var,4d-var) dan Kalman filter (Classical Kalman Filter (KF), Extended Kalman Filter (EKF) dan Ensemble Kalman Filter (EnKF)).
  • Sedangkan EnKF terdiri dari minimum variance solution (Monte Carlo EnKF,EnKF,Hybrid EnKF,EAKF,ETKF,EnSRF,LEKF,LETKF,SEEK Filter) dan maximum likelihood solution (MLEF).

Gambar dibawah menunjukkan  aplikasi penggunaan metode-metode diatas dan dibandingkan dengan observasi. Perbandingan dilakukan untuk front ( panel atas) dan hurricane ( panel bawah) . Masing-masing panel tersebut menunjukan hasil observasi (kiri ) dan dibandingkan dengan hasil prediksi menggunakan metode 3D-Var ( tengah ) dan Ensemble Filter ( kanan).

front_hurricane

Contoh lainnya adalah aplikasi data untuk total kelembaban seperti gambar di bawah.

Contoh program yang bisa digunakan di:

ftp://ftp.cira.colostate.edu/Zupanski/ICTP_Lecture_2008/mlef-V1.2.tar

Posted in Awan | 6 Comments »

Eta Model

Posted by kadarsah pada Oktober 20, 2008

Model Eta merupakan salah satu model yang digunakan di meteorologi, nama ini berasal dari huruf Yunani η (eta). Huruf eta ini melambangkan koordinat vertikal ( Mesinger, 1984). Yang secara matematika memiliki persamaan sebagai berikut:

Keterangan:

P=tekanan atmosfer

Ps=tekanan permukaan atmosfer

Pt=tekanan puncak atmosfer

Pref=tekanan referensi atmosfer

(Zs)=ketinggian atmosfer dengan tinggi z

(0)=ketinggian atmosfer 0

Gambar berikut menunjukan distribusi lapisan Eta Model untuk lapisan sebanyak 50 (kiri) dan 60 lapisan ( kanan).

elevasi_eta

Model memiliki variabel prognostik: tekanan permukaan, komponen angin horisontal, temperatur, kelembaban spesifik, energi kinetik turbulensi dan hidrometeor awan. Model –model tersebut di distribusikan menggunakan Arakawa E-grid.

Model Eta telah lama di kembangkan dan dijadikan untuk keperluan riset dan operasional.  Model ini berasal dari  Hydrometeorological Institute and Belgrade University atau disingkat HIBU model. Model ini dikembangkan sekitar tahun 1970-an di Yugoslavia oleh Mesinger dan Janjic (1974). Tahun 1980-an, model dikembangkan dengan menggunakan skema adveksi horisontal Arakawa oleh Janjic (1984), kemudian dibuat dengan versi lain yang menggunakan koordinat vertikal eta ( Mesinger, 1988), sesudah itu dikembangkan oleh NCEP dengan menggunakan seperangkat persamaan-persamaan fisika ( Janjic 1990,Mesinger dan Lobocki 1991). Ncep menggunakan untuk tujuan operasional pada tanggal 8 Juni 1993 ( Black 1994). Dalam berbagai versi, model Eta di gunakan secara luas dinegara-begara berikut:Algeria, Argentina, Belgia,Brazil, Kamerun,Cina,Kosta Rika,Ciprus, Ceko,Denmark,Mesir, Finlandia, German, Yunani,Islandia, India, Israel, Italia, Malta,Tunisia, Turki,Peru,Filipina,Serbia, Montenegro, Afrika Selatan, Spanyol, Swedia dan Amerika Serikat.

Model Eta memiliki fitur utama dinamik sebagai berikut:

  • Memiliki opsi non-hidrostatik (Janjic dkk,2001)
  • Kekalan energi ditransformasikan antara energi potensial dan energi kinetik dalam perbedaan ruang ( Mesinger, 1988).
  • Kondisi boundary lateral  ditentukan sepanjang garis tunggal dari grid point. Semua variabel ditentukan pada titik inflow, sedangkan pada titik outflow komponen kecepatan tangensial  di ektrapolasi dari sisi bagian dalam domain model, sementara variabel lain ditentukan bersamaan . Tidak ada relaksasi boundary ( Mesinger 1977).
  • Skema Arakawa digunakan dalam pendekatan diferensi ruang, konservasi entrofi  dan energi, sebagaimana didefinisikan pada C-grid, adveksi horisontal  dengan barotrofik nondivergen merupakan bagian dari aliran ( Janjic 1984), dengan demikian penguatan batasan yang kuat pada  pancaran sistematik energi yang salah mendekati skala yang lebih kecil.
  • Skema forward-backward untuk diferensi waktu dari gelombang gravitasi dimodifikasi  sebagai tekanan pemisah dari solusi pada dua C-subgrid dari model E-grid ( Mesinger 1974, Janjic 1979).
  • Koordinat vertikal eta ( Mesinger 1984), terjadi dalam permukaan koordinat quasi-horisontal dan kemudian mencegah  eror dari gaya gradien tekanan yang diakibatkan topografi yang curam dibanding  yang terjadi ketika menggunakan koordinat  terrain-following.

Sedangkan  fitur utama fisik terdiri  beberapa pilihan ( berasal dari pengembangan dan perbaikan) :

  • Skema konveksi : Betts-Miller ( Betts dan Miller (1986), Betts-Miller-Janjic ( Janjic 1994), atau Kain-Fritsch ( Kain 2004).
  • Skema mikrofisika awan :skema Ferrier ( Ferrier dkk, 2002).
  • Skema radiasi : SW-Lacis dan Hansen (1974) atau LW-Fels dan Schwarzkopf (1975).
  • Skema permukaan tanah: Noah( Chen dkk, 1997) dengan 12 tipe vegetasi , 7 tipe tekstur tanah dan 4 lapis tanah.
  • Skema turbulensi dan PBL: Skema Mellor-Yamada 2.5, teori similaritas Monin-Obukhov di lapisan permukaan dengan fungsi stabilitas Paulson.
  • Model  Eta telah sukses digunakan dalam prediksi cuaca regional,aplikasi prediksi cuaca numerik, iklim regional dam prediksi musiman.

Sebagai contoh bisa terlihat hasil output Model Eta berikut ini:

Eta Model

Hasil Keluaran Model Eta Dalam Berbagai Skema

Keterangan gambar:

  • a. Akumulasi curah hujan selama 24 jam dengan menggunakan skema konveksi Betts-Miller-Janjic (BMJ) dan koordinat vertikal Eta.
  • b.Akumulasi curah hujan selama 48 jam dengan menggunakan skema konveksi Betts-Miller-Janjic (BMJ) dan koordinat vertikal Eta.
  • c. Sama dengan Gambar a tetapi menggunakan skema konveksi Kain-Fritsch (KF).
  • d.Sama dengan Gambar b tetapi menggunakan skema konveksi Kain-Fritsch (KF).
  • e.Sama dengan Gambar a tetapi menggunakan skema koordinat vertikal sigma.
  • f.Sama dengan Gambar b tetapi menggunakan skema koordinat vertikal sigma.
  • g. Sama dengan Gambar c tetapi menggunakan skema koordinat vertikal sigma.
  • h.e.Sama dengan Gambar d tetapi menggunakan skema koordinat vertikal sigma

Sebagai pembanding digunakan data observasi dari . Gambar I dan II digunakan sebagai data observasi  berturut-turut untuk keluaran model akumulasi curah hujan  24 jam dan 48 jam,

Seting model di buat sebagai berikut:

Seting model secara umum dibuat sebagai berikut:

  • Titik koordinat tengah domain: 0 (latitude) ,115 E (longitude).
  • Dimensi :119 x 169 x 38 grid (model top 25 hPa)
  • Resolusi : 30 km
  • Boundary lateral: update tiap 6 jam (GFS)
  • Inisial condition: interpolasi dari NCEP GFS 1̊ lat/lon grid GRIB data
  • GFS2 data : 25 Agustus 2008-10-17
  • Resolusi temporal:48 jam
  • Resolusi horisontal: 30 km
  • Time step: 90 detik
  • Nonhidrostatik
  • FSS:1.1
  • FEFI=EFMNT+SLOPE(EFI-EFIMN)

Sedang model fisik:

  • surface layer: teori similaritas Monin-Obukhov di lapisan permukaan dengan fungsi stabilitas Paulson.
  • land surface model: 4-layer thermal diffusion
  • TKE prognostic: Skema Mellor-Yamada 2.
  • Radiasi : skema GFL
  • Mikrofisika awan: skema Ferrair

Parameter Eta Model:

Number of Variables = 51

  • no4lftx180_0mb 0 132 ** 180-0 mb above gnd Best (4-layer) lifted index [K]
  • acpcpsfc 0 63 ** surface Convective precipitation [kg/m^2]
  • albdosfc 0 84 ** surface Albedo [%]
  • apcpsfc 0 61 ** surface Total precipitation [kg/m^2]
  • cfrzrsfc 0 141 ** surface Categorical freezing rain [yes=1;no=0]
  • cicepsfc 0 142 ** surface Categorical ice pellets [yes=1;no=0]
  • crainsfc 0 140 ** surface Categorical rain [yes=1;no=0]
  • csnowsfc 0 143 ** surface Categorical snow [yes=1;no=0]
  • dlwrfsfc 0 205 ** surface Downward long wave flux [W/m^2]
  • dptprs 13 17 ** Dew point temp. [K]
  • dpt2m 0 17 ** 2 m Dew point temp. [K]
  • dpthbl 10 17 ** Dew point temp. [K]
  • dswrfsfc 0 204 ** surface Downward short wave flux [W/m^2]
  • hgtsfc 0 7 ** surface Geopotential height [gpm]
  • hgtprs 39 7 ** Geopotential height [gpm]
  • hgthbl 10 7 ** Geopotential height [gpm]
  • icecsfc 0 91 ** surface Ice concentration (ice=1;no ice=0) [fraction]
  • landsfc 0 81 ** surface Land cover (land=1;sea=0) [fraction]
  • lhtflsfc 0 121 ** surface Latent heat flux [W/m^2]
  • msletmsl 0 130 ** Mean sea level pressure (ETA model) [Pa]
  • ncpcpsfc 0 62 ** surface Large scale precipitation [kg/m^2]
  • pot10m 0 13 ** 10 m Potential temp. [K]
  • pressfc 0 1 ** surface Pressure [Pa]
  • preshbl 10 1 ** Pressure [Pa]
  • prmslmsl 0 2 ** Pressure reduced to MSL [Pa]
  • pwatclm 0 54 ** atmos column Precipitable water [kg/m^2]
  • rhprs 39 52 ** Relative humidity [%]
  • shtflsfc 0 122 ** surface Sensible heat flux [W/m^2]
  • soilwsoilt 0 144 ** 0-10 cm undergnd Volumetric soil moisture [fraction]
  • soilwdlr 3 144 ** Volumetric soil moisture [fraction]
  • sotypsfc 0 224 ** surface Soil type (Zobler) [0..9]
  • spfhprs 0 51 ** Specific humidity [kg/kg]
  • tmpsfc 0 11 ** surface Temp. [K]
  • tmpprs 39 11 ** Temp. [K]
  • tmp2m 0 11 ** 2 m Temp. [K]
  • tmphbl 10 11 ** Temp. [K]
  • tmp30_0mb 0 11 ** 30-0 mb above gnd Temp. [K]
  • tsoilsoilt 0 85 ** 0-10 cm undergnd Soil temp. [K]
  • tsoildlr 3 85 ** Soil temp. [K]
  • ugrdprs 39 33 ** u wind [m/s]
  • ugrd10m 0 33 ** 10 m u wind [m/s]
  • ulwrfsfc 0 212 ** surface Upward long wave flux [W/m^2]
  • ulwrftoa 0 212 ** top of atmos Upward long wave flux [W/m^2]
  • uswrfsfc 0 211 ** surface Upward short wave flux [W/m^2]
  • uswrftoa 0 211 ** top of atmos Upward short wave flux [W/m^2]
  • vgrdprs 39 34 ** v wind [m/s]
  • vgrd10m 0 34 ** 10 m v wind [m/s]
  • vgtypsfc 0 225 ** surface Vegetation type (as in SiB) [0..13]
  • vvelprs 13 39 ** Pressure vertical velocity [Pa/s]
  • weasdsfc 0 65 ** surface Accum. snow [kg/m^2]
  • wtmpsfc 0 80 ** surface Water temp. [K]

Tutorial dan latihan Model Eta

Referensi:

  1. Black, T. L., 1994: The new NMC mesoscale Eta Model: Description and forecast examples. Weather Forecasting, 9, 265-278.
  2. Chen, F., Z. Janjic, and K. Mitchell, 1997: Impact of atmospheric surface-layer parameterizations in the new land-surface scheme of the NCEP mesoscale Eta Model. Bound.-Layer Meteor., 85, 391-421.
  3. Chou, S. C., J. F. Bustamante, and J. L. Gomes, 2005: Evaluation of seasonal precipitation forecasts over South America using Eta model. Nonlin. Proc. Geophys., 12, 537-555;
  4. Ferrier, B. S., Y. Jin, Y. Lin, T. Black, E. Rogers, and G. DiMego, 2002: Implementation of a new grid-scale cloud and precipitation scheme in the NCEP Eta Model. 19th Conf. on Weather Analysis and Forecasting/15th Conf. on Numerical Weather Prediction, San Antonio, TX, Amer. Meteor. Soc., 280-283.
  5. Janjic, Z. I., 1979: Forward-backward scheme modified to prevent two-grid-interval noise and its application in sigma coordinate models. Contrib. Atmos. Phys., 52, 69-84.
  6. Janjic, Z. I., 1990: The step-mountain coordinate: Physical package. Mon. Wea. Rev., 118, 1429-1443.
  7. Janjic, Z. I., 1994: The step-mountain eta coordinate model: Further developments of the convection, viscous sublayer, and turbulence closure schemes. Mon. Wea. Rev., 122, 927-945.
  8. Janjic, Z. I., J. P. Gerrity Jr., and S. Nickovic, 2001: An alternative approach to nonhydrostatic modeling. Mon. Wea. Rev., 129, 1164-1178.
  9. Kain, J. S., 2004: The Kain–Fritsch convective parameterization: An update. J. Appl. Meteor., 43, 170–181.
  10. Mesinger, F., 1974: An economical explicit scheme which inherently prevents the false two-grid-interval wave in the forecast fields. Proc. Symp. “Difference and Spectral Methods for Atmosphere and Ocean Dynamics Problems”, Academy of Sciences, Novosibirsk 1973; Part II, 18-34.
  11. Mesinger, F., 1977: Forward-backward scheme, and its use in a limited area model. Contrib. Atmos. Phys., 50, 200-210.
  12. Mesinger, F., 1984: A blocking technique for representation of mountains in atmospheric models. Riv. Meteor. Aeronautica, 44, 195-202.
  13. Mesinger, F., 2000: Numerical Methods: The Arakawa approach, horizontal grid, global, and limited-area modeling. General Circulation Model Development: Past, Present and Future. International Geophysics Series, Vol. 70, D. A. Randall, Ed., Academic Press, 373-419.
  14. Mesinger, F., Z. I. Janjic, S. Nickovic, D. Gavrilov, and D. G. Deaven, 1988: The step-mountain coordinate: model description and performance for cases of Alpine lee cyclogenesis and for a case of an Appalachian redevelopment. Mon. Wea. Rev., 116, 1493-1518.

Posted in Awan | 13 Comments »

 
Ikuti

Get every new post delivered to your Inbox.

Bergabunglah dengan 41 pengikut lainnya.