Kadarsah

Meteorologi dan Sains Atmosfer

Archive for Mei, 2008

Skenario Dan Proyeksi Iklim IPCC

Posted by kadarsah pada Mei 29, 2008

Skenario iklim merupakan salah satu cara untuk mengetahui proyeksi iklim kedepan dengan mempertimbangkan berbagai hal yang mempengaruhi kondisi iklim. PBB membentuk badan khusus untuk kajian iklim bernama IPCC. IPCC telah melakukan beberapa skenario iklim untuk mengetahui proyeksi iklim global dan regional sampai 2100. Proyeksi iklim ini diperlukan untuk mengetahui kondisi iklim di masa yang akan datang berdasarkan skenario iklim yang ditetapkan. Proyeksi iklim ini berkaitan erat dengan perubahan iklim (climate change).

Sedangkan definisi perubahan iklim atau Climate change menurut IPCC adalah

a change in the state of the climate that can be identified (e.g. using statistical tests) by changes in the mean and/or the variability of its properties, and that persists for an extended period, typically decades or longer. It refers to any change in climate over time, whether due to natural variability or as a result of human activity. This usage differs from that in the United Nations Framework Convention on Climate Change (UNFCCC), where climate change refers to a change of climate that is attributed directly or indirectly to human activity that alters the composition of the global atmosphere and that is in addition to natural climate variability observed over comparable time periods.

Gambar dibawah merupakan skema yang memperlihatkan pengaruh manusia bagi perubahan iklim, pengaruhnya serta respon yang dilakukan terhadap perubahan iklim tersebut.Semua komponen saling mempengaruhi baik itu earth system, human system bagi perubahan iklim serta melibatkan berbagai proses iklim,mitigasi,adaptasi, dampak serta vulnerabilitas.

Schematic framework of anthropogenic climate change drivers, impacts and responses

Dari proses-prose diatas maka dibuat skenario iklim untuk mengetahui proyeksi. Skenario iklim yang dibuat oleh IPCC terangkum dalam gambar berikut.

SRES Scenarios IPCC

Keterangan indeks dari skenario iklim yang digunakan:

A1

-Pertumbuhan ekonomi sangat cepat

-Puncak populasi sekitar tahun 2050 dan menurun setelahnya

-Penggunaan teknologi baru yang efisien

A2

-Pertumbuhan populasi tinggi

-Perubahan/penggunaan teknologi berjalan lambat dan lebih beragam dibanding skenario lain

-Terjadi pertumbuhan ekonomi per kapita

B1

-Pertumbuhan populasi rendah

-Pertumbuhan ekonomi cepat

-Penggunaan teknologi yang bersih dan efektif

B2

-Pertumbuhan populasi sedang

-Pertumbuhan ekonomi sedang

-Penggunaan teknologi yang lebih beragam tetapi tidak sec epat pada skenario A1 dan B1

Gambar dibawa menunjukan perubahan temperatur global, laut dan darat pada tempat -tempat tertentu. Garis warna hitam menunjukan temperatur observasi/pengamatan, warna merah merupakan temperatur hasil model dengan mempertimbangkan faktor manusia dan alam, sedangkan warna hijau hanya melibatkan faktor alam.

Global and continental temperature change

Terlihat bahwa dalam gambar diatas terjadi kenaikan temperatur yang besar, kenaikan ini terjadi di beberapa daerah pengamatan. Kenaikan temperatur terutama di akibatkan faktor manusia ( anthropogenic) hal ini terlihat jelas dari hasil observasi ( garis warna hitam) dengan hasil model yang melibatkan faktor alam dan manusia ( warna merah) yang menghasilkan temperatur yang relatif sama.

Skenario Iklim Untuk Indonesia

Anomali temperatur mengacu pada tahun 1901-1950 untuk enam daerah Asia ( Indonesia dengan lambang SEA dan berwarna hijau muda) yang bewarna hitam deangan simulasinya (warna merah yang menyeliputi garis hitam) yang dihasilkan oleh model MMD.

Proyeksi iklim untuk anomali temperatur dari tahun 2001-2100 oleh model MMD untuk skenario iklim A1B (warna oranye). Warna di ujung sebelah kanan menunjukan rentang perubahan proyeksi iklim untuk tahun 2091-2100 bagi skenario iklim B1(biru),A1B(oranye), dan A2 (merah). Observasi yang dilakukan (garis hitam) menggunakan kurang dari 50 % daerah yang diamati dalam suatu dekade pengamatan.

Sedangkan proyeksi iklim untuk skala global dengan menggunakan Atmosphere-Ocean General Circulation Model, yang ditunjukan gambar di bawah. Dengan skenario iklim :A1T,B1,B2,A1F1,A2,A1B, Konsentrasi emisi yang konstan (tahun 2000) . Sedangkan gambar globe sebelah kanan menunjukan proyeks iklim untuk pemanasan global tahun (2020-2029) dan (2090-2099) berdasarkan skenario iklim A2,A1B dan B1.

Skenario Iklim

Gambar dibawah menunjukan proyeksi iklim tentang emisi global GHG (greenhouse gas=gas rumah kaca) pada enam skenario SRES yang di ilustrasikan dengan garis berwarna dan post-SRES 80 %(area abu-abu). Garis putus-putus menunjukan rentang dari skenario post-SRES(max) dan Post-SRES(min). Emisi yang dimaksud termasuk :Co2,CH4,N2O dan gas-F.

Proyeksi Iklim Temperatur Global

Iklan

Posted in Global Climate Change | Leave a Comment »

Skenario Iklim Untuk Penyebaran Asap Kebakaran Hutan

Posted by kadarsah pada Mei 28, 2008

Penyebaran asap kebakaran di Indonesia merupakan masalah yang sangat serius untuk di kaji dan sekaligus dicari solusi yang tepat untuk mengantisipasinya. Hal ini disebabkan kerugian yang diderita akibat asap kebakaran hutan. Solusi yang ditawarkan salah satunya adalah melakukan pemodelan penyebaran asap kebakaran hutan dengan melakukan skenario iklim . Skenario iklim yang dilakukan dengan mempertimbangkan berbagai aspek fisis yang mempengaruhi penyebaran asap kebakaran hutan khususnya dari segi meteorologi dan sains atmosfer. Hasilnya berupa landasan ilmiah yang dapat digunakan sebagai bahan pertimbangan untuk pengambilan keputusan atau kebijakan .

Landasan ilmiah yang diperlukan berasal dari model iklim yang digunakan. Hal lain yang perlu disadari mengapa model iklim diperlukan adalah bahwa kita tidak dapat melakukan eksperimen dengan alam. Berbegai fenomena alam yang bersifat ekstrim seperti gejala El Nino dan kebakaran hutan dapat disimulasikan dalam sebuah model tanpa merusak alam itu sendiri. Terkadang kita membutuhkan pengetahuan yang komprehensif apa yang dapat terjadi apabila sebuah skenario gejala ekstrim terjadi. Hal tersebut tidak mungkin kita lakukan dialam terbuka tanpa membawa konsekuensi yang membahayakan, tetapi dapat dilakukan dengan melakukan simulasi dalam sebuah model iklim.

Kelebihan utama model adalah dapat memberikan solusi secara komprehensif dan memberikan visual yang lebih baik untuk hubungan beberapa parameter yang ada. Kekurangan dari model biasanya terletak dari resolusi temporal dan spasial. Kemampuan model mensimulasikan fenomena iklim dan cuaca akan meningkat pada fenomena berskala spasial dan temporal yang sesuai dengan kemampuan model.

Semakin tingginya kompleksitas model iklim sebenarnya memberikan bahaya tersendiri pada interpretasi hasil karena kompleksitas berarti semakin banyak faktor turunan kesalahan dari asumsi teori yang dipakai. Pemakaian model yang kompleks lebih kepada penggunaan sebagai modeling yaitu pemakaian model sebagai alat untuk mengerti proses komprehensif di belakang dari parameter yang diinginkan. Diperlukan proses panjang agar dapat diambil umpan balik dari proses tersebut untuk memperbaiki model yang dipakai. Sehingga lebih sering hasil model hanya dipakai untuk verifikasi data lapangan daripada dipakai untuk prediksi proses proses kompleks. Pemakaian model untuk prediksi lebih banyak untuk model atmosfir.

Pemakaian model untuk verifikasi ini sering dipakai sebagai media kontrol untuk eksperimen berbagai skenario ilmiah. Pemakaian model untuk jenis ini jelas berbahaya karena hasil yang didapat sering mengabaikan proses kompleks yang terjadi di alam dan seringkali menyederhanakannya dengan melihat perbedaan antara hasil model kontrol dan model skenario belaka. Walau demikian model adalah satu satunya alat eksperimen yang paling murah dan aman bagi lingkungan dan mudah dilakukan.

Gambar dibawah merupakan skenario model yang diterapkan untuk simulasi asap kebakaran hutan yang di bagi masing-masing:

  • Skenario model untuk kondisi normal disimulasikan dari Juli-Desember 1996 (PM10 1996 )
  • Skenario model untuk kondisi EL Ninol disimulasikan dari Juli-Desember 1997 (PM10 1997 )
  • Skenario model untuk kondisi La Nina disimulasikan dari Juli-Desember 1998 (PM10 1998 )

Tujuan pembagian skenario model ini adalah untuk mengetahui sejauh mana pengaruh meteorologi terhadap penyebaran asap kebakaran hutan . Acuan standar adalah tahun 1997( dengan data emisi kebakaran yang sama) , ketiga simulasi dikondisikan sama dengan perbedaan terletak hanya pada kondisi meteorologis (pada tahun masing-masing). Untuk lebih memperjelas penyebaran asap kebakaran hutan pada tiap ketinggian maka hasilnya di bagi menjadi empat ketinggian dalam milibar (1000 mb,850 mb,750 mb dan 500mb). Terlihat bahwa konsentrasi dan luas penyebaran asap menurun sesuai dengan ketinggian atau menurunnya tekanan. Terlihat pula bahwa luas penyebaran asap kebakaran hutan maksimum terjadi pada bulan September 1997.

Skenario Model untuk penyebaran asap kebakaran hutan 1996-1998

Skenario model lain adalah dengan melakukan input data lahan gambut yang berbeda seperti gambar di bawah. Skenario model yang digunakan dibagi menjadi:

  • Skenario model untuk kondisi EL Nino disimulasikan dari Juli-Desember 1997 ( disebut EXP_REF) dengan data input kondisi meteorologi ECMWF tahun 1997, menggunakan estimasi medium data emisi PM10 dari kebakaran permukaan lahan dan gambut.
  • Skenario model untuk kondisi El Nino disimulasikan dari Juli-Desember 1997 , kondisi lainnya sama dengan EXP_REF kecuali tidak memasukan kebakaran gambut sebagai input model ( disebut EXP_NOPEAT)
  • Skenario model untuk kondisi normal disimulasikan dari Juli-Desember 1996 (disebut EXP_MET96), kondisi lainnya sama dengan EXP_REF kecuali data input kondisi meteorologi ECMWF tahun 1996

Skenario model  iklim untuk kebakarah hutan

Dari gambar diatas terlihat bahwa pengaruh gambut sangat penting terhadap konsentrasi asap kebakaran hutan, hal ini terbukti jika input kebakaran lahan gambut dihilangkan maka konsentrasi asap kebakaran hutan ( atau PM10) berkurang drastis, sedangkan kondisi meteorologi tahun 1997 merupakan kondisi yang cocok untuk memperluas penyebaran asap kebakaran hutan dibanding kondisi meteorologi tahun 1996. Dan seperti kita ketahui bahwa kondisi meteorologi tahun 1997 merupakan tahun El Nino sedangkan tahun 1996 merupakan tahun normal.

Selain itu. simulasi yang dilakukan dapat menggunakan forecast mode atau climate mode. Perbedaan utama keduanya adalah bahwa forecast mode tidak sensitif bagi proses fisik sehingga sangat sesuai untuk mempelajari transfor kimia. Sedangkan climate mode sangat sensitif bagi proses fisik sehingga sangat sesuai untuk mempelajari fluks laut-atmosfer.

Skenario model lain adalah mengetahui pengaruh fluks laut-atmosfer bagi penyebaran asap kenakaran hutan. Maka dibuat skenario model dalam dua cara wet deposition dan dry deposition. Skenario model tersebut adalah:

  • Skenario kopel model untuk kondisi normal ( 1996 ),El Nino ( 1997 ), La Nina ( 1998 ) pada kondisi wet deposition dengan memasukan fluks laut-atmosfer ditunjukan oleh Gambar a
  • Skenario kopel model untuk kondisi normal (1996 ),El Nino ( 1997 ), La Nina ( 1998 ) pada kondisi wet deposition tanpa memasukan fluks laut-atmosfe ditunjukan oleh Gambar b
  • Skenario kopel model untuk kondisi normal ( 1996 ),El Nino ( 1997 ), La Nina ( 1998 ) pada kondisi dry deposition dengan memasukan fluks laut-atmosfe ditunjukan oleh Gambar c
  • Skenario kopel model untuk kondisi normal ( 1996 ),El Nino ( 1997 ), La Nina ( 1998 ) pada kondisi dry deposition tanpa memasukan fluks laut-atmosfe ditunjukan oleh Gambar d

Skenario model untuk fluks laut-atmosfer

Dari dua gambar diatas terlihat forecast mode lebih tebal dibanding climate mode. Hal ini disebabkan forecast model mengenyampingkan proses fisik dan hanya melakukan proses kimia, sedangkan studi fluks laut-udara memiliki fokus pada perbedaan fisik. Perbedaan juga membesar di wet deposition dibanding dry deposition. Perbedaan lainnya adalah wet deposition berlangsung lebih jauh dari sumbernya dan terutama terjadi di laut. Sedangkan dry deposition berlangsung di dekat sumber dan terjadi di daratan. Hal ini menunjukan sifat alami fluks laut-air yang lebih berpengaruh di lautan. Perbedaan lainnya, pada kopel simulasi asap di jalarkan lebih jauh melintasi laut, hal ini menunjukan bahwa pada kopel simulasi terjadi pengurangan presipitasi di laut di mana terjadi penyingkiran wet deposition darit asap melintas lautan.

Ketika peristiwa tersebut berlangsung selama musim kemarau, antara Juli-November hal ini tidak disebabkan oleh presipitasi tetapi oleh kurangnya kelembaban atau liquid water content diatas laut yang menambahwet deposition dilaut. Dalam kopel simulasi dengan fluks, asap menjalar jauh di laut dibanding yang non fluks. Simulasi kopel dengan fluks laut-udara menghasilkan curah hujan lebih baik dibanding nonkopel. PM10 mengalami underestimaste jika di laut dibanding dengan observasi.Dengan simulasi kopel model, asap tersebar lebih jauh melintasi laut. Perbedaan signifikan terlihat di permukaan dengan fluks dan lebih baik tersebar di laut pada saat wet deposition.

Untuk lebih jelas antara perbandingan hasil skenario model dapat dilihat dari gambar dibawah:

skenario model

Keterangan Gambar,semuanya menggunakan data emisi yang sama yaitu september 1997 sebagi kontrol run dengan kolom kiri (tahun 1996), tengah (1997) dan kanan (1998):

  1. Climate mode,wet deposition ,fluks
  2. Climate mode,wet deposition,non fluks
  3. Forecast mode
  4. Climate mode, dry position,fluks
  5. Climate mode,dry position,non fluks

Posted in Model Meteorologi, Natural Hazard | 3 Comments »

Madden-Julian Oscillation

Posted by kadarsah pada Mei 9, 2008


  • Roland Madden dan Paul Julian (1971) menemukan osilasi 30-60 hari,ketika menganalisis anomali angin zonal di Pasifik Tropis, data yang digunakan :data tekanan 10 tahun P.Canton (2.8 LS Pasifik), dan data angin di lapisan atas singapore.
  • Osilasi ini dihasilkan dari sirkulasi sell skala besar di ekuatorial yang bergerak ke timur dari laut Hindia ke Pasifik Tengah. Anomali angin zonal dan kecepatan potensial di troposfer atas yang sering menyebar untuk melakukan siklus mengitari bumi. Proses tersebut ditandai dengan perubahan tekanan permukaan dan momentum relatif angular atmosfer.MJO merupakan variasi intraseasonal (kurang dari setahun )yang terkenal di daerah tropis.
  • Osilasi ini merupakan faktor penting saat fase aktif dan fase lemah monsun India dan Australia, sehingga menyebabkan gelombang laut, arus, dan interaksi laut-udara.
  • Pergerakan awan ke arah timur diasosiasikan dengan osilasi MJO
  • Analisis spektral digunakan oleh Yanai dan Maruyama, 1966 untuk menemukan gelombang gravitasi Rossby di stratrosfer ekuatorial, Wallace dan Kousky menggunakan untuk mengidentifikasi gelombang kelvin stratosferik.
  • Osilasi MJO dapat juga dianalisis dari data rawinsonde,sehingga terlihat koherensi antara tekanan permukaan,angin zonal dan temperatur tiap pada berbagai level dalam rentang 41-53 hari.
  • Angin meridional berperan dalam MJO.
  • Awal dan aktivitas monsun Asia-Australia dipengaruhi sangat kuat oleh pergerakan MJO ke timur (Yasunari 1979; Lau and Chan 1986)
  • Kopel dengan lautan tropis dengan angin baratan mengakibatkan MJO secara signifikan dapat memodifikasi SST,surface heat fluks. (Kawamura 1991; Zhang 1996; Jones and Weare 1996; Flatau et al. 1997; Jones et al. 1998; Hendon and Glick 1997)
  • MJO mempengaruhi struktur termohalin di laut pasifik ekuatorial (Kessler.1996), dan sekaligus mentrigger peristiwa ENSO (Lau and Chan 1986; Weickmann 1991)
  • Dalam hal prediksi cuaca, saat amplitudo MJO membesar tingkat prediksi membesar dan juga berlaku sebaliknya, selain itu prediksi jangka menengah berhasil baik jika eror di daerah ektratropis (tropical intraseasonal osilasi) minimal
  • Contohnya hasil NCEP, dapat memprediksi 10 hari kedepan,dengan syarat error mode frekuensi rendah tropical dan ektratroopical mengecil dan presistensi amplitudo MJO membesar.
  • Dengan menggunakan analisis EAR (Equatorial Atmosphere Radar) secara vertikal ( zonal-vertikal, data angin) dapat menunjukan adanya pergerakan ke timur dipermukaan dan ke barat di lapisan atas dan inilah yang disebut dengan siklus MJO serta hal tersebut sesuai dengan teori skema perpotongan MJO sepanjang ekuator.
  • MJO juga memiliki siklus 40-50 hari
  • MJO mempengaruhi seluruh lapisan trofis,terlihat jelas di Pasifik Barat dan Hindia.
  • Unsur yang dilibatkan dalam menganalisi MJO dapat berupa :angin,SST,perawanan,hujan, dan OLR.
  • Fenomena MJO, terlihat jelas pada variasi OLR ( sensor inframerah satelit), sebab CH tropis adalah konvektif,dengan puncak awan konvektif sangat dingin sehingga memancarkan sedikit radiasi gelombang panjang.
  • Pergerakan awan konvektif dari barat ke timur sepanjang Pasifik Tropis ditandai konvergensi di lapisan bawah (troposfer )dan divergensi di lapisan atas(stratosfer).
  • MJO merupakan sirkulasi skala besar di ekuator dan berpusat di Samudera Hindia dan bergerak ketimur antara 10 LU dan 10 LS.
  • Mekanisme MJO:

  1. CSIK (Conditional Instability of the Second Kind)
  2. Evaporation-wind feedback

  • CSIK memiliki dua mekanisme:

  1. Penjalaran gelombang kelvin ke arah timur yang ditandai dengan pemanasan awan kumulus
  2. Interaksi dengan osilasi stabil pada keadaan dasar yang stabil

  • Aktivitas konveksi dapat mempengaruhi siklus MJO
  • Faktor orografik bisa menghambat pergerakan MJO
  • Siklus MJO ( Matthews A.J,2000) ditunjukan berupa gugus-gugus awan tumbuh di Samudera Hindia lalu bergerak ke arah timur dan membentuk suatu siklus dengan rentang 30-60 hari dan dengan cakupan daerah 10N-10S, seperti yang ditunjukan Gambar 1.

Identifikasi Osilasi MJO Dengan Menggunakan OLR

Gambar diatas menunjukan siklus MJO dengan interval selama 3 harian atau 22.5 derajat.Gambar diatas menggunakan OLR sebagai salah satu cara untuk menggambarkan perjalanan siklus MJO. Siklus MJO pada fase 0 atau t=0,konveksi tumbuh dan berkembang di Samudera Hindia dan terjadi supresi (mengalami kekeringan)di Samudera Pasifik. Kedua peristiwa ini bergerak ke timur sampai fase 180 dengan lokasi yang berkebalikan (konveksi di Samudera Pasifik dan supresi di Samudera Hindia).Kondisi ini terus bergerak ke timur dan kembali ke fase 0 ( Konveksi di Samudera Hindia dan supresi di Samudera Pasifik). Penjalaran ini memerlukan waktu 30-60 hari dengan efek basah dan kering pada daerah-daerah yang di lewatinya.

Mengidentifikasi Osilasi MJO Dengan Menggunakan Parameter SLP

ยท

Sama dengan Gambar 1 hanya dengan menggunakan SLP.

Baca entri selengkapnya »

Posted in Meteorologi, MJO, Sains atmosfer | 11 Comments »

Peta Jalur Busway

Posted by kadarsah pada Mei 5, 2008

Peta Jalur Busway

Posted in Umum | 14 Comments »