Kadarsah

Meteorologi dan Sains Atmosfer

Archive for September, 2008

Eksperimen “Big Bang” Berhasi

Posted by kadarsah pada September 11, 2008

11/09/2008 01:38

Liputan6.com, Jenewa: Tim ilmuwan menyatakan eksperimen besar untuk reka ulang kondisi beberapa saat setelah Big Bang (ledakan besar), berhasil. Mereka kini telah menembakkan dua berkas partikel proton mengelilingi terowongan 27 kilometer yang menampung Large Hadron Collider (LHC).

Mesin senilai lebih dari sembilan miliar dolar di perbatasan Swiss-Prancis itu dirancang untuk menabrakkan partikel dengan kekuatan sangat dahsyat. Para ilmuwan berharap penelitian ini akan menjawab pertanyaan-pertanyaan fundamental di bidang fisika.

Berkas proton pertama, yang bergerak searah jarum jam, menyelesaikan putaran pertama terowongan bawah tanah itu sebelum Rabu (10/9) pukul 09.30 waktu Inggris (15.30 WIB). Sedangkan, berkas kedua, yang bergerak melawan arah jaruh jam, berhasil mengitari terowongan tersebut selepas pukul 14.00 waktu setempat (20.00 WIB).

Pusat Penelitian Cern (European Centre for Nuclear Research), belum mengumumkan kapan tumbukan pertama akan terjadi. Tapi, diperkirakan terjadi sebelum mesin itu dimatikan selama musim dingin. Eksperimen fisika terbesar di dunia ini berlangsung tiga dasawarsa setelah digagas.

Para teknisi dan ilmuwan meluapkan perasaan sukacita mereka, saat partikel-partikel proton menyelesaikan putaran pertama cincin bawah tanah, yang menampung kompleks riset fisika Large Hadron Collider (LHC) di bawah Gunung Alpen, Eropa. Mesin yang berlokasi di perbatasan Swiss-Prancis itu dirancang untuk untuk menumbukkan partikel-partikel subatomik.

Mereka mencoba reka ulang kondisi setelah peristiwa Big Bang, yang menurut para ilmuwan menyebabkan terbentuknya alam semesta. Satu berkas partikel subatom lain akan dikirim dari arah berlawanan, dan menabrakkan partikel-partikel itu dengan kekuatan yang sangat dashyat.

Sejumlah pengkritik menyatakan ketakutan bahwa tabrakan proton bisa menimbulkan lubang hitam yang akan menyebabkan kiamat. Namun, kekhawatiran itu ditolak oleh para pakar fisika.

Rencana penelitian ini sendiri tersenda-sendat sejak digagas sekitar 30 tahun lalu. Proyek ini menghadapi masalah pembengkakan biaya, gangguan peralatan, dan masalah konstruksi.

LHC sendiri dibangun dalam waktu sekitar 13 tahun. Collider itu dioperasikan oleh Lembaga Eropa untuk Riset Nuklir, yang lebih dikenal dengan akronimnya dalam bahasa Prancis, Cern.

Terowongan sirkuler yang sangat besar itu memuat lebih dari 1.000 magnet silindrik. Magnet-magnet itu dipasang di sana untuk mengarahkan berkas–yang terdiri dari partike-partikel yang dinamai proton–sepanjang cincin yang membentang 27 km. Pada akhirnya, dua berkas proton akan diarahkan secara berlawanan di terowongan LHC pada kecepatan mendekati laju cahaya, dan menyelesaikan 11.000 putaran per detik.

Wartawan sains BBC Matt McGrath dari Pusat Riset Nuklir Eropa, atau Cern, di Jenewa melaporkan, untuk menembakkan berkas partikel itu ke sekeliling terowongan, diperlukan ribuan magnet bertenaga besar, yang didinginkan sampai suhu minus 271 derajat Celcius.

Beberapa minggu lagi, ke dua berkas akan bertabrakan di beberapa titik di sepanjang terowongan. Tabrakan ini akan menghasilkan suhu yang jauh lebih panas dari matahari, dan terkonsentrasi di sebuah tempat yang sangat kecil, sekian kali lipat lebih kecil daripada debu.

Partikel-partikel subatomik yang terbentuk, kemudian akan dipelajari secara teliti oleh ilmuwan dari seluruh dunia. Mereka berharap data yang dihasilkan akan membuka misteri alam semesta.(ANS/BBC)

====================================================================

Hawking Bertaruh US$ 100

Rabu, 10 September 2008 | 12:59 WIB

TEMPO Interaktif, Jakarta: Ahli fisika paling terkenal saat ini, Stephen Hawking, bertaruh US$ 100 (Rp 930 ribu) bahwa percobaan fisika sangat mahal di Swis-Prancis akan gagal mendapatkan partikel yang dianggap sebagai awal mula awal semesta dalam simulasi Big Bang.

Dalam percobaan yang dilakukan di Large Hadron Collider (LHC) yang dilakukan hari ini di perbatasan Swis-Prancis, partikel sub-atom akan saling ditabrakkan dengan kecepatan mendekati kecepatan suara.

“Menurut perhitungan sekarang, alat ini cukup untuk menemukan partikel Higgs,” kata Hawking di radio BBC seperti dikutip AFP. Partikel Higgs yang dimaksud adalah partikel yang dicoba ditemukan dalam percobaan ini.

Hawking menyatakan ia lebih berharap percobaan ini tidak akan menemukan Higgs. “Ini akan memperlihatkan ada sesuatu yang tidak beres dan kita bisa memikirkan kembali,” katanya. “Saya sudah bertaruh US$ 100 kalau kita tidak akan menemukan Higgs.”

Hari ini proton pertama akan dicoba dipercepat pada alat yang berbentuk cincin dengan lingkaran 27 kilometer yang dikelola Organisasi Riset Nuklir Eropa (CERN).

“Tapi apapun yang dihasilkan LHC, gagal atau sukses, hasilnya bisa mengungkapkan banyak pada kita struktur alam semesta,” kata Hawking, ilmuwan berkursi roda yang berbicara dibantu peralatan komputer.

Sumber: http://www.tempointeraktif.com/hg/sains/2008/09/10/brk,20080910-134706,id.html

=================================================================================

Satu langkah lagi sudah dilalui para ahli fisika Lar ge Hadron Collider untuk bisa merekonstruksi pembentukan alam raya pada 14 miliar tahun lalu. Setelah sukses dengan pengujian sistem magnet penginjeksinya sebulan lalu, mesin penumbuk partikel terbesar di dunia itu berhasil menembakkan proton secara penuh dalam dua arah yang berbeda menurut garis keliling 27 kilometer.

“Itu dia,” kata Lyn Evans, ketua proyek riset raksasa senilai US$ 9 miliar tersebut menunjuk sebuah titik terang di layar komputernya, Rabu lalu. Saat itu juga, ribuan ahli fisika yang terlibat di laboratorium bawah tanah di perbatasan Swiss-Prancis itu serta yang ikut mengamati lewat siaran satelit bersuka ria.

Lima jam kemudian, titik terang serupa terlihat pula dalam arah yang berlawanan. “Beban pertama terlewati sudah,” kata Evans, yang telah bekerja untuk riset itu sejak 1984. Menurut dia, LHC adalah mesin dengan kompleksitas yang sangat besar. “Segala sesuatunya bisa saja melenceng setiap saat, tapi pagi ini menjadi awal yang sangat baik,” katanya lagi.

Laboratorium yang dikenal dengan akronim berbahasa Prancis CERN itu mulai menembakkan jutaan proton ke dalam LHC pada pukul 09.35 waktu setempat. Mereka sejatinya akan menembakkan proton-proton dalam dua arah berlawanan secara bersamaan sehingga menghasilkan tumbukan yang mensimulasikan situasi beberapa saat setelah big bang.

Sistem injeksi magnet LHC didesain mendorong proton hingga mendekati kecepatan cahaya, melesat 11 ribu kali di dua tabung seukuran selang milik petugas pemadam kebakaran dalam sedetik. Temperatur juga diatur pada -271 derajat Celsius alias lebih dingin dan lebih hampa daripada luar angkasa.

Hasil eksperimen tumbukan diharapkan mampu mengungkap “zat gelap”, antizat, dan kemungkinan dimensi ruang dan waktu yang tersembunyi. LHC juga diharapkan bisa menemukan bukti boson Higgs, sebuah partikel hipotetik yang juga dikenal sebagai partikel Ilahi karena diyakini mengisi massa seluruh partikel lainnya.

Eksperimen ini digerakkan 20 negara Eropa anggota CERN.

Ilmuwan yang terlibat di dalamnya berasal dari 80 negara. Sebanyak 1.200 di antaranya berasal dari Amerika Serikat, yang mengirim kontribusi dana US$ 531 juta. Jepang juga menjadi kontributor besar di sana.

http://epaper.korantempo.com/ArticleImage.aspx?article=12_09_2008_125_002&mode=1

Posted in Umum | 2 Comments »

Pengolahan Data Curah Hujan Dan Angin

Posted by kadarsah pada September 9, 2008

Pengolahan data curah hujan dengan menggunakan Matlab sangat bermanfaat dalam menganalisis serta menampilkan visualisasi yang menawan.
Berikut misalnya data curah hujan suatu stasiun:

datatabel

Data curah hujan tersebut jika berbentuk matrik menjadi:

A=[0 29.2 40.6 11.2 4.8 4.6 5.2 0.2 22.8 19.8 7 0.4 10.8 0 0.6 1.8 32.4 0 2 1.8 28.6 13 0 1.8 8.6 5 0.2 0 0 0 11.2]

Maka jika di plot menjadi

>>plot(a)

>> grid on

>> xlabel(‘Hari’)

>> ylabel(‘Curah Hujan (mm)’)

Hasilnya Gambar (a)

>> bar(a)

>> ylabel(‘Curah Hujan (mm)’)

>> xlabel(‘Hari’)

>> grid on

Hasilnya Gambar (b)

>> plot(a,’*’)

>> axis([0 45 0 45]) %mengatur agar panjang x dari 0-45 sedangkan y juga dari 0-45

Hasilnya Gambar (c)

Untuk membuat plot, matlab menyediakan beberapa pilihan untuk penggambaran, yang dibagi menjadi tiga pilihan(warna,bentuk plot data,bentuk garis yang menghubungkan data).

>> plot(a,’r*:’)

>> xlabel(‘Hari’)

>> ylabel(‘Curah Hujan (mm)’)

Plot diatas memplot data a, menggunakan warna merah(a), data plot berbentuk bintang (*) dan garis yang menghubungkan data (: ) yang berbentuk bintang tadi berbentuk titik-titik.

Hasilnya Gambar (d)

datatitik

datadiagram
Pengolahan data angin untuk keperluan meteorologi sangat penting mengingat besarnya peranan angin dalam mempengaruhi fenomena-fenomena meteorologi.  Pengolahan data angin dan sekaligus memvisualisasikannya dengan software tertentu merupakan suatu keharusan. Software yang bisa digunakan antara lain: GrAds dan Matlab.
Kecepatan angin dapat dibuat skala, dan yang paling terkenal adalah skala yang di sebut Skala Beaufort  seperti yang ditunjukan tabel dibawah ini.

Skala Beaufort

Data volume vektor

Data volume vektor merupakan data yang lebih banyak memiliki informasi dibanding skalar. Setiap koordinat data volume vektor memiliki tiga data yang berkaitan dengan data yang dimaksud. Data tersebut terdiri dari suatu vektor yang menunjukan arah dan besarnya data. Di bidang meteorologi data angin merupakan salah satu data volume vektor. Dengan memetakan angin dalam bidang tiga dimensi (volume) dapat membantu untuk menganalisis perilaku, angin pada tiap saat dan pada tiap tempat. Umumnya angin dipetakan secara dua dimensi (arah dan besarnya kekuatan angin) tetapi hal itu akan sulit untuk mengetahui perilaku,kondisi angin pada saat bersamaan di tempat yang berbeda-beda khususnya dibawah atau di atas lapisan gambar dua dimensi yang kita maksud. Begitu pula jika digambarkan secara melintang,kondisi dan perilaku angin sebelum dan sesudah gambar melintang tidak dapat ditampilkan secara bersamaan. Dalam meteorologi untuk mengatasi kondisi ini bisa digunakan Vis5D yang bisa menggambarkan angin dalam bentuk tiga dimensi disertai parameter meteorologi yang lain misalnya tekanan dan kelembaban serta topografi daerah yang di amati. Sehingga perilaku angin, tekanan, dan parameter meteorology lainnya ketika berada dilaut, daratan, gunung dan lembah dapat diamati dengan baik seperti yang ditunjukan gambar dibawah.

vis5d

Salah satu software lainnya adalah Matlab yang dapat menggambarkan dan mengolah data angin dengan sangat baik.

Matlab memiliki fitur-fitur sebagai berikut:

· Stream lines : menggambarkan aliran angin dalam bentuk garis secara 2 atau 3 dimensi.

· Stream particles: menggambarkan partikel atau titik yang diamati dalam suatu jejak angin yang berbentuk garis (stream line).

· Stream ribbons : sama dengan stream lines, tetapi aliran angin digambarkan seperti pita dengan lebar pita menunjukan kemampuan angin untuk berputar. Bentuk pita ini sesuai dengan nilai curl dari vektor angin yang diamati.

· Stream tubes : sama dengan stream lines, tetapi aliran angin digambarkan dalam tabung-tabung alir dan dapat digunakan untuk analisis divergensi vektor angin.

· Cone plots:menggambarkan angin seperti kerucut dengan posisi kerucut merupakan arah angin. Besarnya kerucut menunjukan besar-kecilnya kekuatan angin.

Berikut merupakan visualisasi dari metode yang disebutkan diatas ( semua menggunakan program Matlab dengan modifikasi data dan program yang disesuaikan dengan data meteorology di Indonesia).

Data vektor yangdigunakan disini adalah data angin.

Di Matlab 7, ketika dilakukan perintah load wind akan memunculkan variable : x,y,z,u,v dan w.

Data angin ini berukuran 35 x 41x 15 (jadi banyaknya 35 baris, 41 kolom, tinggi 15. sehingga secara sederhana dapat digambarkan bahwa data angin ini seperti sebuah kotak yang terdiri dari 35 baris bata, 41 kolom bata dengan tinggi 15 bata. Jadi jumlah bata yang membentuk kotak tersebut sebanyak: 21525 buah.

Bata-bata itulah yang merupakan data angin yang memiliki variabel : x,y,z,u,v dan w.

X menunjukan posisi data kecepatan angin u ( arah utara-selatan).

Y menunjukan posisi data kecepatan angin v ( arah barat-timur)

Z . menunjukan posisi data kecepatan angin w ( arah atas-bawah).

Untuk mengetahui kecepatan angin pada suatu titik maka dihitung dengan melibatkan kecepatan angin u, kecepatan angin v, dan kecepatan angin w.

Kecepatan angin =

Data vektor ini dapat dianalisisi dengan beberapa cara diantara:

· Stream line: digunakan untuk merunut kecepatan angin

· Penampang melintang untuk mengetahui data angin secara melintang

· Kontour pada penampang melintang untuk meningkatkan pemahaman data angin

Plot Stream Line untuk Data vektor

Contoh:

>> load wind

>> [sx,sy] = meshgrid(80,20:5:60)

sx =

80

80

80

80

80

80

80

80

80

sy =

20

25

30

35

40

45

50

55

60

>> streamline(stream2(x(:,:,15),y(:,:,15),u(:,:,15),v(:,:,15),sx,sy)) hasilnya gambar a

>> load wind

>> zmax = max(z(:))

zmax =

16

>> zmin = min(z(:))

zmin =

-0.0020

>> streamslice(x,y,z,u,v,w,[ ],[ ],(zmax-zmin)/2)

hasilnya gambar b

>> streamslice(x,y,z,u,v,w,[ ],[ ],10)

hasilnya gambar c

>> streamslice(x,y,z,u,v,w,[ ],[ ],5)

hasilnya gambar d

>> streamslice(x,y,z,u,v,w,[ ],[ ],2)

hasilnya gambar e

>> streamslice(x,y,z,u,v,w,[ ],[ ],1)

hasilnya gambar f

a-fKalau kita gambarkan angin tadi dalam tiga dimensi dan dengan menampilkan lapisan tertentu saja hasilnya seperti dibawah ini ( dengan mengikuti script berikut ini):

load wind

[sx,sy,sz] = meshgrid(77,20:5:60,0:3:20);

h = streamline(x,y,z,u,v,w,sx,sy,sz);

set(h,’Color’,’green’)

view(3)

box

kotak-angin

Berikut merupakan tahapan dalam menentukan titik awal data angin ditampilkan

load wind

>> [sx,sy,sz] = meshgrid(75,25:5:60,0:3:15)

plot3(sx(:),sy(:),sz(:),’*blue’)

axis(volumebounds(x,y,z,u,v,w))

grid; box; daspect([2 2 1])

sx(:,:,1) =

75

75

75

75

75

75

75

75

sx(:,:,2) =

75

75

75

75

75

75

75

75

sx(:,:,3) =

75

75

75

75

75

75

75

75

sx(:,:,4) =

75

75

75

75

75

75

75

75

sx(:,:,5) =

75

75

75

75

75

75

75

75

sx(:,:,6) =

75

75

75

75

75

75

75

75

sy(:,:,1) =

25

30

35

40

45

50

55

60

sy(:,:,2) =

25

30

35

40

45

50

55

60

sy(:,:,3) =

25

30

35

40

45

50

55

60

sy(:,:,4) =

25

30

35

40

45

50

55

60

sy(:,:,5) =

25

30

35

40

45

50

55

60

sy(:,:,6) =

25

30

35

40

45

50

55

60

sz(:,:,1) =

0

0

0

0

0

0

0

0

sz(:,:,2) =

3

3

3

3

3

3

3

3

sz(:,:,3) =

6

6

6

6

6

6

6

6

sz(:,:,4) =

9

9

9

9

9

9

9

9

sz(:,:,5) =

12

12

12

12

12

12

12

12

sz(:,:,6) =

15

15

15

15

15

15

15

15

hasilnya seperti  gambar di bawah

titik

>> streamline(x,y,z,u,v,w,sx(:),sy(:),sz(:))

akan muncul gambar

titik2

load wind

xmin = min(x(:));

xmax = max(x(:));

ymax = max(y(:));

zmin = min(z(:));

wind_speed = sqrt(u.^2 + v.^2 + w.^2)

hsurfaces = slice(x,y,z,wind_speed,[xmin,100,xmax],ymax,zmin)

set(hsurfaces,’FaceColor’,’interp’,’EdgeColor’,’c’)

kotak >>[sx,sy,sz] = meshgrid(75,25:10:60,0:3:15);

hlines = streamline(x,y,z,u,v,w,sx,sy,sz);

set(hlines,’LineWidth’,2,’Color’,’r’)

kotak2

load wind

xmin = min(x(:));

xmax = max(x(:));

ymax = max(y(:));

zmin = min(z(:));

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hsurfaces = slice(x,y,z,wind_speed,[xmin,100,xmax],ymax,zmin);

set(hsurfaces,’FaceColor’,’interp’,’EdgeColor’,’none’)

hcont = …

contourslice(x,y,z,wind_speed,[xmin,100,xmax],ymax,zmin);

set(hcont,’EdgeColor’,[.7,.7,.7],’LineWidth’,.5)

[sx,sy,sz] = meshgrid(75,25:10:60,0:3:15);

hlines = streamline(x,y,z,u,v,w,sx,sy,sz);

set(hlines,’LineWidth’,2,’Color’,’r’)

view(3)

daspect([2,2,1])

axis tight

box

stream1

load wind

xmin = min(x(:));

xmax = max(x(:));

ymax = max(y(:));

zmin = min(z(:));

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hsurfaces = slice(x,y,z,wind_speed,[xmin,100,xmax],ymax,zmin);

set(hsurfaces,’FaceColor’,’interp’,’EdgeColor’,’none’)

[sx,sy,sz] = meshgrid(75,25:10:60,0:3:15);

hlines = streamline(x,y,z,u,v,w,sx,sy,sz);

set(hlines,’LineWidth’,2,’Color’,’r’)

view(3)

daspect([2,2,1])

axis tight

box

stream2

load wind

xmin = min(x(:));

xmax = max(x(:));

ymin = min(y(:));

ymax = max(y(:));

zmin = min(z(:));

daspect([2,2,1])

xrange = linspace(xmin,xmax,8);

yrange = linspace(ymin,ymax,8);

zrange = 3:4:15;

[cx cy cz] = meshgrid(xrange,yrange,zrange);

hcones = coneplot(x,y,z,u,v,w,cx,cy,cz,5);

set(hcones,’FaceColor’,’red’,’EdgeColor’,’none’)

stream3

load wind

xmin = min(x(:));

xmax = max(x(:));

ymin = min(y(:));

ymax = max(y(:));

zmin = min(z(:));

daspect([2,2,1])

xrange = linspace(xmin,xmax,8);

yrange = linspace(ymin,ymax,8);

zrange = 3:4:15;

[cx cy cz] = meshgrid(xrange,yrange,zrange);

hcones = coneplot(x,y,z,u,v,w,cx,cy,cz,5);

set(hcones,’FaceColor’,’red’,’EdgeColor’,’none’)

[cx cy cz] = meshgrid(xrange,yrange,zrange);

hcones = coneplot(x,y,z,u,v,w,cx,cy,cz,5);

set(hcones,’FaceColor’,’red’,’EdgeColor’,’none’)

hold on

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hsurfaces = slice(x,y,z,wind_speed,[xmin,xmax],ymax,zmin);

set(hsurfaces,’FaceColor’,’interp’,’EdgeColor’,’none’)

hold off

axis tight; view(30,40); axis off

camproj perspective; camzoom(1.5)

camlight right; lighting phong

set(hsurfaces,’AmbientStrength’,.6)

set(hcones,’DiffuseStrength’,.8)

kotak_stream

load wind

xmin = min(x(:));

xmax = max(x(:));

ymin = min(y(:));

alt = 7.356; % z-value for slice and streamtube plane

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hslice = slice(x,y,z,wind_speed,xmax,ymin,alt);

set(hslice,’FaceColor’,’interp’,’EdgeColor’,’none’)

colormap hsv(16)

color_lim = caxis;

cont_intervals = linspace(color_lim(1),color_lim(2),17);

hcont = contourslice(x,y,z,wind_speed,xmax,ymin,…

alt,cont_intervals,’linear’);

set(hcont,’EdgeColor’,[.4 .4 .4],’LineWidth’,1)

[sx,sy,sz] = meshgrid(xmin,20:3:50,alt);

daspect([1,1,1]) % set DAR before calling streamtube

htubes = streamtube(x,y,z,u,v,w,sx,sy,sz,[1.25 30]);

set(htubes,’EdgeColor’,’none’,’FaceColor’,’r’,…

‘AmbientStrength’,.5)

view(-100,30)

axis(volumebounds(x,y,z,wind_speed))

set(gca,’Projection’,’perspective’)

camlight left

tube_angin

load wind

xmin = min(x(:));

xmax = max(x(:));

ymin = min(y(:));

alt = 7.356; % z-value for slice and streamtube plane

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

colormap hsv(16)

color_lim = caxis;

cont_intervals = linspace(color_lim(1),color_lim(2),17);

[sx,sy,sz] = meshgrid(xmin,20:3:50,alt);

daspect([1,1,1]) % set DAR before calling streamtube

htubes = streamtube(x,y,z,u,v,w,sx,sy,sz,[1.25 30]);

set(htubes,’EdgeColor’,’none’,’FaceColor’,’blue’,…

‘AmbientStrength’,.5)

view(-100,30)

axis(volumebounds(x,y,z,wind_speed))

set(gca,’Projection’,’perspective’)

camlight left

box on

tube2

load wind

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hiso = patch(isosurface(x,y,z,wind_speed,40));

isonormals(x,y,z,wind_speed,hiso)

set(hiso,’FaceColor’,’red’,’EdgeColor’,’none’)

tube3 hcap = patch(isocaps(x,y,z,wind_speed,40),…

‘FaceColor’,’interp’,…

‘EdgeColor’,’none’)

tube41

load wind

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hiso = patch(isosurface(x,y,z,wind_speed,40));

isonormals(x,y,z,wind_speed,hiso)

set(hiso,’FaceColor’,’red’,’EdgeColor’,’none’)

hcap = patch(isocaps(x,y,z,wind_speed,40),…

‘FaceColor’,’interp’,…

‘EdgeColor’,’none’)

daspect([1,1,1])

[f verts] = reducepatch(isosurface(x,y,z,wind_speed,30),0.07)

h1 = coneplot(x,y,z,u,v,w,verts(:,1),verts(:,2),verts(:,3),3)

tube51 set(h1,’FaceColor’,’blue’,’EdgeColor’,’none’)

tube61xrange = linspace(min(x(:)),max(x(:)),10)

yrange = linspace(min(y(:)),max(y(:)),10)

zrange = 3:4:15

[cx,cy,cz] = meshgrid(xrange,yrange,zrange)

h2 = coneplot(x,y,z,u,v,w,cx,cy,cz,2)

set(h2,’FaceColor’,’green’,’EdgeColor’,’none’

tube72

axis tight

box on

camproj perspective

camzoom(1.25)

view(65,45)

tube81

camlight(-45,45)

set(gcf,’Renderer’,’zbuffer’)

lighting phong

set(hcap,’AmbientStrength’,.6)

tube10

load wind

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

hiso = patch(isosurface(x,y,z,wind_speed,40));

isonormals(x,y,z,wind_speed,hiso)

set(hiso,’FaceColor’,’red’,’EdgeColor’,’none’)

hcap = patch(isocaps(x,y,z,wind_speed,40),…

‘FaceColor’,’interp’,…

‘EdgeColor’,’none’)

daspect([1,1,1])

[f verts] = reducepatch(isosurface(x,y,z,wind_speed,30),0.07)

h1 = coneplot(x,y,z,u,v,w,verts(:,1),verts(:,2),verts(:,3),3)

set(h1,’FaceColor’,’blue’,’EdgeColor’,’none’)

xrange = linspace(min(x(:)),max(x(:)),10)

yrange = linspace(min(y(:)),max(y(:)),10)

zrange = 3:4:15

[cx,cy,cz] = meshgrid(xrange,yrange,zrange)

h2 = coneplot(x,y,z,u,v,w,cx,cy,cz,2)

set(h2,’FaceColor’,’green’,’EdgeColor’,’none’)

set(hcap,’AmbientStrength’,.6)

axis tight

box on

camproj perspective

camzoom(1.25)

view(65,45)

camlight(-45,45)

set(gcf,’Renderer’,’zbuffer’);

lighting phong

set(hcap,’AmbientStrength’,.6)

tubeeeload wind

spd = sqrt(u.*u + v.*v + w.*w);

p = patch(isosurface(x,y,z,spd, 40));

isonormals(x,y,z,spd, p)

set(p, ‘FaceColor’, ‘red’, ‘EdgeColor’, ‘none’);

p2 = patch(isocaps(x,y,z,spd, 40));

set(p2, ‘FaceColor’, ‘interp’, ‘EdgeColor’, ‘none’)

daspect([1 1 1]);

[f verts] = reducepatch(isosurface(x,y,z,spd, 30), .2);

h=coneplot(x,y,z,u,v,w,verts(:,1),verts(:,2),verts(:,3),2);

set(h, ‘FaceColor’, ‘cyan’, ‘EdgeColor’, ‘none’);

[sx sy sz] = meshgrid(75, 30:5:60, 0:5:35);

h2=streamline(x,y,z,u,v,w,sx,sy,sz);

set(h2, ‘Color’, [.4 1 .4]);

colormap(jet)

box on

axis tight

camproj perspective;

camva(34);

campos([165 -20 65]);

camtarget([100 40 -5])

camlight left;

lighting gouraud

garis_cub Ketika kita menggunakan teknik lain dalam menganalisa angin adalah dengan stream ribbon.

load wind

[sx sy sz] = meshgrid(75, [25 30 35 40 45 50 55], [3 6 9 12 15 18 21]);

daspect([1,1,1]);

h=streamribbon(x,y,z,u,v,w,sx,sy,sz);

set(h,’facecolor’,’red’,’edgecolor’,’none’)

box on;

camproj perspective;

axis([70 138 17 60 2.5 16]);

axis tight

camva(28);

campos([175 10 85]);

camtarget([105 40 0])

camlight left;

lighting gouraud

pita1

load wind

[sx sy sz] = meshgrid(80,20:5:50,0:3:15);

daspect([2 2 2])

streamribbon(x,y,z,u,v,w,sx,sy,sz);

%—–Define viewing and lighting

axis tight

shading interp;

view(3);

camlight; lighting gourau

hasilnya gambar a

load wind

[sx sy sz] = meshgrid(80,20:15:50,0:5:20);

daspect([2 2 2])

streamribbon(x,y,z,u,v,w,sx,sy,sz);

%—–Define viewing and lighting

axis tight

shading interp;

view(3);

camlight; lighting gouraud

hasilnya gambar b

load wind

[sx sy sz] = meshgrid(80,20:15:50,0:2:15);

daspect([2 2 2])

streamribbon(x,y,z,u,v,w,sx,sy,sz);

%—–Define viewing and lighting

axis tight

shading interp;

view(3);

camlight; lighting gouraud

box on

hasilnya gambar c

load wind

[sx sy sz] = meshgrid(80,20:10:50,0:5:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

cav = curl(x,y,z,u,v,w);

spd = sqrt(u.^2 + v.^2 + w.^2).*.1;

streamribbon(verts,x,y,z,cav,spd);

%—–Define viewing and lighting

axis tight

shading interp

view(3)

camlight; lighting gouraud

box on

hasilnya gambar d

load wind

[sx sy sz] = meshgrid(80,20:5:50,0:3:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

cav = curl(x,y,z,u,v,w);

spd = sqrt(u.^2 + v.^2 + w.^2).*.1;

streamribbon(verts,x,y,z,cav,spd);

%—–Define viewing and lighting

axis tight

shading interp

view(3)

camlight; lighting gouraud

hasilnya gambar e

load wind

[sx sy sz] = meshgrid(80,20:15:50,0:5:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

cav = curl(x,y,z,u,v,w);

spd = sqrt(u.^2 + v.^2 + w.^2).*.1;

streamribbon(verts,x,y,z,cav,spd);

%—–Define viewing and lighting

axis tight

shading interp

view(3)

camlight; lighting gouraud

hasilnya gambar e

a_fpita_anginGambar dibawah merupakan tampilan yang sama dari script berikut ini:

load wind

[sx sy sz] = meshgrid(80,20:15:50,0:3:21);

daspect([2 2 2])

streamribbon(x,y,z,u,v,w,sx,sy,sz);

%—–Define viewing and lighting

axis tight

shading interp;

view(3);

camlight; lighting gouraud

box on

pitaberuntun

load wind

[sx sy sz] = meshgrid(75, [30 35 45 50 55 60 65], [5 10 15 20 25 30 35]);

daspect([1,1,1]);

h=streamtube(x,y,z,u,v,w,sx,sy,sz);

set(h,’facecolor’,’red’,’edgecolor’,’none’);

box on;

camproj perspective;

axis([70 138 17 60 2.5 16]);

axis tight

camva(28);

campos([175 10 95]);

camtarget([105 40 0])

camlight left;

lighting gouraud

tube_cone

load wind

[sx sy sz] = meshgrid(80,20:10:50,0:5:15);

daspect([1 1 1])

streamtube(x,y,z,u,v,w,sx,sy,sz);

%—–Define viewing and lighting

view(3)

axis tight

shading interp;

camlight; lighting gouraud

hasilnya gambar a

load wind

[sx sy sz] = meshgrid(80,20:10:50,0:3:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

div = divergence(x,y,z,u,v,w);

streamtube(verts,x,y,z,-div);

%—–Define viewing and lighting

view(3)

axis tight

shading interp

camlight; lighting gouraud

box on

hasilnya gambar b

load wind

[sx sy sz] = meshgrid(80,20:10:50,0:5:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

div = divergence(x,y,z,u,v,w);

streamtube(verts,x,y,z,-div);

%—–Define viewing and lighting

view(3)

axis tight

shading interp

camlight; lighting gouraud

hasilnya gambar c


load wind

[sx sy sz] = meshgrid(80,20:10:40,0:5:10);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

div = divergence(x,y,z,u,v,w);

streamtube(verts,x,y,z,-div);

%—–Define viewing and lighting

view(3)

axis tight

shading interp

camlight; lighting gouraud

hasilnya gambar d


gambar_4_tube

load wind

[sx sy sz] = meshgrid(80,20:5:60,0:3:15);

daspect([1 1 1])

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

div = divergence(x,y,z,u,v,w);

streamtube(verts,x,y,z,-div);

%—–Define viewing and lighting

view(3)

axis tight

shading interp

camlight; lighting gouraud

box on

tubebanyak

load wind

lims = [90.64 126.67 27.25 38.75 -0.05 7.86];

[x,y,z,u,v,w] = subvolume(x,y,z,u,v,w,lims);

cav = curl(x,y,z,u,v,w);

wind_speed = sqrt(u.^2 + v.^2 + w.^2);

[sx sy sz] = meshgrid(100,20:5:30,1:5);

verts = stream3(x,y,z,u,v,w,sx,sy,sz,.5);

h = streamribbon(verts,x,y,z,cav,wind_speed,2);

set(h,’FaceColor’,’blue’,…

‘EdgeColor’,[.7 .7 .7],…

‘AmbientStrength’,.6)

axis(volumebounds(x,y,z,wind_speed))

grid on

shading interp

view(3)

camlight right;

set(gcf,’Renderer’,’zbuffer’); lighting phong

box on

angin1 load wind

[sx sy sz] = meshgrid(80,20:1:55,5);

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

sl = streamline(verts);

iverts = interpstreamspeed(x,y,z,u,v,w,verts,.025);

axis tight; view(30,30); daspect([1 1 .125])

camproj perspective; camva(8)

set(gca,’DrawMode’,’fast’)

box on

streamparticles(iverts,35,’animate’,10,’ParticleAlignment’,’on’)

angin2

load wind

[sx sy sz] = meshgrid(80,23:2:50,5:5:15);

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

sl = streamline(verts);

iverts = interpstreamspeed(x,y,z,u,v,w,verts,.025);

axis tight; view(30,30); daspect([1 1 .125])

camproj perspective; camva(8)

set(gca,’DrawMode’,’fast’)

box on

streamparticles(iverts,35,’animate’,10,’ParticleAlignment’,’on’)

teras_angin

load wind

[sx sy sz] = meshgrid(80,23:2:50,5:5:10);

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

sl = streamline(verts);

iverts = interpstreamspeed(x,y,z,u,v,w,verts,.025);

axis tight; view(30,30); daspect([1 1 .125])

camproj perspective; camva(8)

set(gca,’DrawMode’,’fast’)

box on

streamparticles(iverts,35,’animate’,10,’ParticleAlignment’,’on’)

teras2 load wind

[sx sy sz] = meshgrid(100,20:2:56,5);

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

sl = streamline(verts);

iverts = interpstreamspeed(x,y,z,u,v,w,verts,0.05);

axis tight; view(30,30);

daspect([1.5 1.5 0.100])

camproj perspective; camva(8)

set(gca,’DrawMode’,’fast’)

box on

streamparticles(iverts,35,’animate’,10,’ParticleAlignment’,’on’)

shading interp

teras3

load wind

[sx sy sz] = meshgrid(100,18:2:56,5);

verts = stream3(x,y,z,u,v,w,sx,sy,sz);

sl = streamline(verts);

iverts = interpstreamspeed(x,y,z,u,v,w,verts,0.05);

axis tight; view(30,30);

daspect([1.5 1.5 0.100])

camproj perspective; camva(8)

set(gca,’DrawMode’,’fast’)

box on

streamparticles(iverts,35,’animate’,10,’ParticleAlignment’,’on’)

shading interp

terass

Posted in Meteorologi | Dengan kaitkata: , , | 27 Comments »

Skenario Post-SRES, SRES, IS92, SA90,Non-SRES

Posted by kadarsah pada September 5, 2008

Skenario Post-SRES

Merupakan skenario  iklim berdasarkan skenario emisi yang di publikasikan setelah IPCC selesai melaporkan SRES ( Special Report on Emission Scenarios), setelah tahun 2000.

Special Report on Emissions Scenarios (SRES)

Skenario SRES merupakan skenario emisi yang dikembangkan oleh Nakicenovic dan Swart (2000).

The Special Report on Emissions Scenarios di singkat SRES merupakan laporan yang dikeluarkan oleh Intergovernmental Panel on Climate Change  atau IPCC untuk laporan yang ketiga atau di sebut Third Assessment Report (TAR) di tahun 2001,  untuk skenario emisi masa depan digunakan untuk menjalankan model sirkulasi global untuk mengembangkan skenario perubahan iklim, hal itu untuk menggantikan  skenario IS92 yang dikeluarkan pada IPCC Second Assessment Report tahun 1995. Skenario SRES masih digunakan untuk Fourth Assessment Report (AR4)  yang dikeluarkan tahun 2007

Skenario Emisi SRES

IPCC mempublikasikan skenario iklim tahun 2000 dan digunakan dalam the Third Assessment Report (Special Report on Emissions Scenarios – SRES), skenario ini memasukan perkembangan di masa depan di lingkungan global dengan referensi khusus pada produksi gas rumah kaca dan aerosol.

Tiap storyline menampilkan perbedaan demografi,sosial,ekonomi,teknologi dan pembangunan lingkungan yang berbeda dalam cara pertambahan yang tidak dapat berubah.

Empat puluh skenario dikembangkan oleh enam tim modeling. Semua model valid, dengan tidak adanya penekanan kemungkinan terjadinya. Ke enam kelompok skenario dibentuk dari empat scenario family yaitu:A2,B1,B2 dan tiga grup dalam  scenario family A1 yang memiliki alternatif karakteristik pengembangan teknologi energi (A1F1: penggunaan energi fosil yang intensiif),A1T( penggunaan energi yang sebagian besar menggunakan energi non-fosil),A1B( penggunaan energi secara seimbang antara energi non-fosil dan energi fosil).

Empat storyline dikombinasikan dengan dua set kecendrungan divergensi: satu set bervariasi antara pengaruh ekonomi kuat dan pengaruh lingkungan kuat, seperangkat set lainnya antara bertambahnya globalisasi dan regionalisasi.

Skenario famili berisi skenario tunggal. Enam skenario famili didiskusikan di the IPCC’s Third Assessment Report (TAR) dan Fourth Assessment Report (AR4) adalah  A1FI, A1B, A1T, A2, B1, and B2.  Skenario utama  A1,B1,B2,A2 dari : Nakićenović, N. and R. Swart, Eds., 2000: Special Report on Emissions Scenarios. Cambridge University Press, Cambridge, 599 pp.

A1 keadaan dunia yang:

  • Pertumbuhan ekonomi yang sangat cepat
  • Populasi global mencapai puncaknya pada pertengahan abad ( sekitar 9 milyar) dan menurun setelahnya
  • Pengenalan teknologi baru dan lebih efisien dengan sangat cepat
  • Negara-negara mengalami proses konvergensi melalui capacity building dan dengan bertambahnya interaksi  budaya dan sosial
  • Terjadi pengurangan berbagai perbedaan yang subtansif  terutama dalam pendapatan per kapita regional
  • S scenario family A1 yang memiliki alternatif karakteristik pengembangan teknologi energi (A1F1: penggunaan energi fosil yang intensiif),A1T( penggunaan energi yang sebagian besar menggunakan energi non-fosil),A1B( penggunaan energi secara seimbang antara energi non-fosil dan energi fosil).

A2  keadaan dunia yang :

  • Dunia yang sangat heterogen
  • Masalah utama yang dihadapi di tiap region adalah kepercayaan pada diri sendiri dan  pemeliharaan identitas lokal
  • Dunia yang independen dan negara-negara yang memiliki kepercayan diri sendiri.
  • Terus terjadi pertambahan populasi
  • Pengembangan ekonomi berorientasi secara regional
  • Perubahan teknologi terjasi secara lebih lambat dan lebih terfragmentasi disertai  peningkatan pendapatan per kapita

B1 keadaan dunia yang :

  • Dunia yang konvergen dengan populasi global yang  mencapai puncaknya ( 9 milyar pada tahun 2050) di pertengahan abad dan menurun setelahnya  sama yang terjadi di skenario A1, tetapi dengan perubahan kecepatan dalam struktur ekonomi sesuai dengan layanan dan informasi ekonomi
  • Pengurangan dalam intensitas material.
  • Pengenalan teknologi yang bersih dan efisien
  • Penekanan pada solusi global untuk ekonomi,sosial, dan ketahanan lingkungan,termasuk peningkatan kekayaan, tetapi tanpa tambahan inisiatif iklim
  • Dunia lebih terintegrasi, lebih friendly secara ekologi.

B2 keadaan dunia yang :

  • Penekanan pada solusi lokal daripada solusi global  untuk ekonomi,sosial dan ketahanan lingkungan
  • Peningkatan populasi global yang lebih rendah dari A2
  • Tingkat pengembangan ekonomi yang intermediate
  • Perubahan teknologi lebih lambat dan lebih bermacam-macam dibanding Skenario B1 dan A1
  • Skenario berorientasi pada proteksi lingkungan dan kekayaan sosial, yang berfokus pada tingkat lokal dam regional.
  • Dunia lebih terbagi-bagi, tetapi frinedly secara ekologi

Scenario IS92

Enam alternatif skenario IPCC (IS92a s.d IS92f) dipublikasikan tahun 1992 dalam the 1992 Supplementary Report to the IPCC Assessment. Skenario  tersebut memilliki asumsi yang luas yang diakibatkan oleh seberapa besar emisi GHG terjadi dan bagaimana kebijakan-kebijakan iklim di ambil.  Perbedaanya terletak pada ekonomi, sosial dan kondisi lingkugan, dan menghasilkan kisaran  konsentrasi GHG dimasa depan.

Dasar skenario IS92a dan IS92b sangat menyerupai skenario SA90 yang digunakan di the First Assessment Report of the IPCC in 1990.

Skenario IS92a digunakan sebagai standar skenario yang digunakan dalam mengukur akibat, meskipun rekomendasi IPCC harus menggunakan ke enam skenario tersebut untuk menunjukan range ketidakpastian dalam emisi GHG.

Populasi meningkat dari 11.3 juta sampai tahun 2100 dan rata-rata pertumbuhan ekonomi 2.3 % per tahun antara 1990-2100, dengan campuran penggunaan sumber energi yang konvensional dan terbarukan.

Emisi tertinggi GHG dihasilkan dari skenario IS92a yang mengkombinasikan semua asumsi, pertumbuhan populasi yang moderate, pertumbuhan ekonomi yang tinggi,ketersediaan bahan bakar  fosil yang tinggi bahkan penghapusan energi nuklir.

Skenario ekstrim yang lain adalah IS92c yang memiliki emisi CO2 yang menurun dan mencapai posisi dibawah tahun 1990. Hal tersebut diasumsikan bahwa populasi pertama-tama meningkat, kemudian menurun di pertengahan abad berikutnya, trus pertumbuhan ekonomi rendah dan terdapat beberapa batasan dari persediaan bahan bakar fosil.

Skenario SA90

Skenario iklim yang digunakan di the First Assessment Report of the IPCC in 1990.

Skenario Non-SRES

Skenario yang merupakan bukan SRES (Special Report on Emission Scenarios), yang terdiri dari :

  • PICTL: Skenario dengan menggunakan GHG konstan pada saat pre-industrial.
  • 20C3M :Skenario dengan menggunakan GHG yang meningkat sesuai dengan pengamatan s.d abad 20.
  • COMMIT:Skenario ideal dimana atmosfer menimbun GHG sebanyak saat tahun 2000.
  • 1PTO4X (1% to quadruple): Konsentrasi CO2 bertambah dengan kecepatan 1 %  per tahun, mencapai 4 kali lipat, kemudian konstan.
  • 1PTO2X (1% to double) :Konsentrasi CO2 bertambah dengan kecepatan 1 % per tahun, mencapai 2 kali lipat, kemudian konstan.

Istilah-Istilah

Climate model

Suatu sistem numerik yang merefresentasikan sistem iklim berdasarkan aspek sifat-sifat fisik,kimia dan biologi ,komponen-komponen, interaksinya, proses timbal-balik,  dan proses penghitungan untuk semua elemen-elemen tersebut. Sistem iklim dapat dipresentasikan dengan berbagai model dan dengan berbagai kombinasi komponen sebagai suatu spektrum yang meliputinya. Coupled Atmosphere-Ocean General Circulation Models (AOGCMs)  merefresentasikan sistem iklim  yang paling komprehensif  melibatkan berbagai elemen iklim. Model iklim digunakan untuk mempelajari dan simulasi iklim, untuk tujuan operasional, bulanan, musiman dan prediksi inter-tahunan.

United Nations Framework Convention on Climate Change (UNFCCC)

Merupakan konvensi yang diadopsi tanggal 9 Mei 1992 di New York dan ditanda-tangani tahun 1992 di  KTT Bumi di Rio de Janeiro oleh lebih dari 150 negara dan negara Eropa.

Diagram SRES

diagram-skenario

diagram-skenario

Gambar diatas menunjukan ilustrasi skematik skenario SRES. Skenario SRES ini terbagi menjadi empat storyline yang disebut family:A1,A2,B1,B2. Total semua skenario SRES berjumlah 40 skenario yang dikembangkan oleh enam tim pemodelan. Dari tiap skenario family terdiri dari satu skenario grup kecuali skenario family A1 yang terdiri dari tiga skenario grup. Skenario A1 family terbagi tiga berdasarkan pengembangan teknologi alternatif.

  • A1F1:skenario  dengan penggunaan bahan bakar fosil secara intensif
  • A1B: skenario  dengan penggunaan bahan bakar fosil secara seimbang
  • A1T: skenario  penggunaan bahan bakar non-fosil yang lebih dominan

Tiap skenario grup terbagi menjadi dua bagian besar OS dan HS (HS: harmonized dam OS). Skenario HS artinya dalam populasi global di asumsikan produk bruto dunia dan energi terjadi keseimbangan/keselarasan.Sedangkan OS artinya menunjukan skenario yang menggunakan penggerak iklim  yang tidak terdapat di skenario iklim HS. Pengembangan dari tiap skenario baik HS dan OS di perbanyak, jadi total skenario iklim menjadi 40 . Dengan angka-angka di bawah huruf OS atau HS menunjukan masing-masing jumlah skenario iklim.

Kondisi iklim dunia sampai 100 tahun ( tahun 2100) kedepan sulit diprediksi sehingga ilmuwan berusaha uuntuk melakukan berbagai skenario yang mungkin terjadi. Akibatnya skenario iklim terbagi menjadi empat kelompok utama yang disebut storyline (A1,A2,B1,B2) dengan mempertimbangkan faktor-faktor yang mempengaruhinya antara lain:perubahan demografis,pengembangan ekonomi, dan pengembangan teknologi.

Figure 1: Total global tahunan emisi  CO2 dari semua sumber (energi, industri, dan perubahan tata guna lahan) tahun 1990- 2100 (dalam giga ton karbon (GtC/yr))  untuk  family dan 6 scenario grup. 40  scenario SRES ditampilkanoleh 4 family (A1, A2, B1, and B2) and 6 scenario grup(A1F1,A1T,A1B,A2,B2,B1): penggunaan energi fosil yang intensif A1FI (terdiri dari batubar,gas dan minyak), penggunaan sebagian besar energi bahan-bakar fosil A1T, keseimbangan penggunaan energi. Skenario   A1di Gambar 1a; A2 di Gambar 1b; B1 di Gambar 1c, dan B2 di Gambar 1d. Tiap warna menunjukan rentang skenario harmonized dan non-harmonized pada tiap grup. Sebagai contoh Gambar 1(a), warna oranye (dengan skenario A1F1 ditunjukan dengan garis hitam putus-putus), warna merah (dengan skenario A1B ditunjukan dengan garis hitam solid),warna oranye muda (dengan skenario A1T ditunjukan dengan garis hitam putus-putus), merupakan rentang skenario grup yang terdiri dari skenario harmonized dan non-harmonized. Begitu pula dengan Gambar 1 (b), rentang warna coklat menunjukan rentang skenario harmonized dan non-harmonized A2 dengan garis solid hitam menunjukan skenario A2.

Capacity building

Dalam kontek perubahan iklim, capacty building  diartikan sebagai pengebanggan teknik skill dan kapabilitas institusi di negara berkembang dan kondisi ekonomi dalam transisi yang mampu berpartisipasi dalam semua aspek adaptasi, mitigasi dan penelitian dalam perubahan iklim dan dalam implementasi Mekanisme Protokol Kyoto.

Clean Development Mechanism (CDM)

Menurut definisi dalam Artikel 12 dari Protokol Kyoto,  CDM memiliki dua tujuan yaitu:

  • Membantu negara-negara yang tidak termasuk dalam Annex I untuk mencapai daya dukung pembangunan dan berkontribusi pada konvensi.
  • Membantu negara-negara lain yang termasuk Annex I dalam mencapai pemenuhan kuantitas batas emisi dan komitmen reduksinya.

Certified Emission Reduction Units dari proyek CDM  yang dilakukan di negara-negara  Non-Annex I dimana batas atau pengurangan emisi HGH, ketika disertifikasi oleh entitas operasional yang didesain oleh Conference Paris, yang kemudian dapat menarik investor ( pemerintah atau swasta dari negara-negara B. Berbagai informasi dalam proses aktivitas proyek sertifikasi digunakan untuk menutupi biaya administrasi sama halnya dengan membantu negara-negara berkembang  khususnta yang rentan untuk efek  merugikan dari perubahan iklim sehingga sesuai dengan kost adaptasi.

Projection

Terminologi proyeksi digunakan dalam dalam literatur perubahan iklim. Secara umum, suatu proyeksi dilakukan untuk tiap deskripsi masa datang dan pencapaiannya. Interprestasi yang lebih jelas bisa dilihat ketika digunakan dalam terminologi proyeksi iklim yang digunakan oleh IPCC ketika berbicara tentang model yang mengestimasi iklim masa depan.

Forecast/Prediction

Ketika proyeksi diasosiasikan dengan “most likely” maka istilah proyeksi berubah menjadi prakiraan/prediksi. Suatu prediksi sering diperoleh dengan menggunakan model deterministik, kemungkinan menggunakan beberapa model, hasilnya memiliki tingkat kepercayaan yang digunakan pada proyeksi.

Scenario

Scenario: proyeksi dari potensi masa datang berdasarkan logis yang jelas dan storyline yang terkuantatisasi. Suatu skenario adalah koheren, konsisten secara internal dan kemungkinan kondisi dunia dimasa depan. Skenario bukan prediksi, tiap skenario merupakan salah satu gambaran bagaimana kondisi masa depan dapat diketahui.Suatu proyeksi bisa merupakan bahan dasar untuk suatu skenario , tetapi skenario sering memerlukan tambahan informasi. Seperangkat skenario sering diadopasi untuk merefleksikan berbagai kemungkinan dalam rentang ketidakpastian dalam proyeksi. Dengan kata lain bahwa ada beberapa kata lain yang memiliki kesamaan diantaranya: “characterisation”, “storyline” and “construction”.

Scenario Family

Istilah dalam skenario iklim IPCC yang artinya satu atau  lebih skenario yang dikelompokan karena  memiliki kesamaan demografi,sosial-politik,ekonomi dan storyline teknologi  ( Keempat scenario family: A1,A2,B2,B1).

Storyline

Deskripsi narasi dari skenario iklim ( skenario famili atau skenario) yang menyoroti khususnya tentang karakteristik utama dan dinamik serta memiliki hubungan dengan daya penggerak iklim.

Tujuh model yang digunakan:

  • The UK Hadley Centre for Climate Prediction and Research (HadCM2)
  • The German Climate Research Centre (ECHAM4)
  • The Canadian Centre for Climate Modelling and Analysis (CGCM1)
  • The US Geophysical Fluid Dynamics Laboratory (GFDL-R15)
  • The Australian Commonwealth Scientific and Industrial Research Organisation (CSIRO-Mk2)
  • The National Centre for Atmospheric Research (NCAR-DOE)
  • The Japanese Centre for Climate System Research (CCSR)

Model Lain yang digunakan:

  • BCC:CM1
  • BCCR:BCM2
  • CCCMA:CGCM3_1-T47
  • CCCMA:CGCM3_1-T63
  • CNRM:CM3
  • CONS:ECHO-G
  • CSIRO:MK3
  • GFDL:CM2
  • GFDL:CM2_1
  • INM:CM3
  • IPSL:CM4
  • LASG:FGOALS-G1_0
  • MPIM:ECHAM5
  • MRI:CGCM2_3_2
  • NASA:GISS-AOM
  • NASA:GISS-EH
  • NASA:GISS-ER
  • NCAR:CCSM3
  • NCAR:PCM
  • NIES:MIROC3_2-HI
  • NIES:MIROC3_2-MED
  • UKMO:HADCM3
  • UKMO:HADGEM1

Climate feedback

Merupakan mekanisme interaksi  antara proses-proses yang terjadi di sistem iklim, proses tersebut disebut proses timbal-balik jika suatu proses mempengaruhi perubahan proses yang lain dan proses yang lain tersebut juga akan mempengaruhi proses yang pertama tadi.Proses timbal-balik positif terjadi jika memperkuat proses awal, sedang proses timbal-balik negatif akan mengurangi proses awal.

Climate prediction/Prediksi Iklim

Prediksi iklim atau prakiraan iklim adalah hasil  sebagai upaya untuk menghaislkan suatu estimasi dari evolusi aktual kondisi iklim dimasa depan, sebagai contoh, musiman,inter-tahunan, atau skala lebih panjang.

Climate projection/Proyeksi Iklim

Suatu proyeksi merupakan respon dari sistem iklim untuk emisi atau skenario konsentrasi dari GHG dan aerosol  atau  seknario radiative forcing ,sering disimulasikan oleh model iklim.

Proyeksi iklim berbeda dengan prediksi iklim terutama pada penekanan proyeksi iklim berdasarkan skenario emisi/konsentrasi/radiasi yang digunakan, yang berdasarkan asumsi, sebagai contoh, pengembanagn sosial-ekonomi dan teknologi yang bisa terealisasi dan bisa juga tidak sehingga menimbulkan ketidakpastian.

Climate scenario/Skenario Iklim

Refresentasi sederhana dan logis tentang keadaan iklim masa depan, berdasarkan hubungan yang konsisten dari parameter klimatologi  yang dibangun secara ekplisit digunakan dalam investigasi untuk  konsekuensi potensial dari perubahan iklim antropogenik, yang sering sebagai input untuk model. Proyeksi iklim sering digunakan untuk bahan dasar untuk membangun skenario iklim, tetapi skenario iklim  biasanya memerlukan tambahan informasi seperti pengamatan iklim .

Climate sensitivity/ Sensitivitas Iklim

Sensitivitas iklim merupakan istilah yang digunakan untuk dalam laporan IPCC equilibrium climate sensitivity merujuk pada perubahan keseimbangan rata-rata tahunan temperatur permukaan global yang diikuti oleh konsentrasi CO2 sebanyak 2 kalipat di atmosfer. Akibat keterbatasan komputasi, sensitivitas ekuilibrum iklim dalam model iklim biasanya diestimasi dengan menjalankan model sirkulasi kopel global atmosfer untuk suatu model laut mixed-layer, sebab sensitivitas ekuilibrum iklim sebagain besar ditentukan oleh proses atmosfer.

Climate system/Sistim Iklim

Sistim iklim merupakan sistem komplek yang terdiri dari lima komponen utama: atmosphere, hydrosphere,cryosphere, daratan, biosphere, dan interkasi dianataranya. Sistem iklim meningkat dalam waktu dan dipengaruhi oleh dinamika internal dan  gaya luar seperti letusan gunung api, variasi matahari, pengaruh  anthropogenic ( misalnya: perubahan komposisi atmosfer dan perubahan lahan).

Climate variability/Variabilitas Iklim

Variabilitas iklim merujuk pada variasi pada keadaan rata-rata dan statistik ( standard deviasi,kejadian ektrim)  dari iklim pada semua skala spasial dan temporal dimana peristiwa tersebut terjadi.

Variabilitas bisa disebabkan oleh proses internal dengan sistem iklim (variabilitas internal), atau variasi natural atau anthropogenic external forcing (variabilitas ekternal).

Projection/Proyeksi

Suatu evolusi potensial masa depan dari suatu kuantitas atau seperangkat kuantitas, yang sering dihitung dengan bantuan model. Proyeksi berbeda dengan prediksi dalam hal bahwa proyeksi memasukan asumsi yang berkaitan, contoh keadaan sosial-ekonomi, pengembangan teknologi yang mungkin terealisasi dan tidak sehingga menimbulkan ketidakpastian.

Scenario

Deskripsi sederhana dan logis dari bagaimana masa depan terjadi, berdasarkan seperangkat asumsi internal yang konsisten dan koheren tentang driving forces dan yang memiliki key relationships.

skenario Emisi

Skenario Emisi merupakan representasi yang logis dari peningkatan emisi masa depan yang merupakan subtansi sebagai potensi radiatif aktif ( greenhouse gases, aerosols), hal tersebut berdasarkan seperangkat asumsi internal yang konsisten dan koheren tentang driving forces (misalnya demografi dan pengembangan sosial-ekonomi, perubahan teknologi ) dan hubungan diantaranya.

Concentration scenarios, berasal dari skenario emisi yang digunakan sebagai input  untuk climate model  untuk menghitung  proyeksi iklim. Dalam IPCC (1992)  merupakan seperangkat emisi yang merefresentasikan dan digunakan sebagai basis proyeksi iklim IPCC (1996). Emisi-emisi tersebut disebut  IS92 scenarios. Dalam  IPCC Special Report on Emission Scenarios (Nakic4enovic4 and Swart, 2000)  terdapat emisi baru disebut skenario SRES.

Assessment Reports /Laporan Penilaian

Sesuai dengan mandat yang ditegaskan dalam panel, IPCC secara teratur an komprehensif mengeluarkan Assessment Reports /Laporan Penilaian mencakup: saintifik, teknik dan informasi sosial-ekonomi yang berhubungan untuk memahami pengaruh manusia terhadap perubahan iklim, potensi pengaruh perubahan iklim dan berbagai cara untuk mitigasi dan adaptasi. Empat  Assessment Reports telah diselesaikan tahun : 1990, 1995, 2001 and 2007.

Sebagai contohnya, The Fourth Assessment Report “Climate Change 2007” terdiri dari 4 volume dengan berbagai variasi kntribusidiluncurkan bulan November 2007.

Assessment Reports biasanya dipublikasikan dalam beberapa volume, satu untuk tiap Kelompok Kerja (Working Groups), sedangkan materi yang diputuskan oleh Panel, atau Synthesis Report.

Tiap volume yang dihasilkan oleh Working Group terdiri dari  individual chapters, an optional technical summary dan Summary for Policymakers. Sedangkan ,Synthesis Reports merupakan sintesis material berisi Assessment Reports, dan materia lainnya yang berupa kilasan serta rangkuman. Ditulis tidak terlalu teknis mengingat akan gunakan untuk pengambil kebijakan.

Laporan lainnya berupa Special Reports  atau Laporan Khusus yang disiapkan untuk topik tertentu misalnya tentang penerbangan, pengaruh regional dari perubahan iklim, transfer teknologi,skenario emisi, penggunaan lahan, perubahan penggunaan lahan dan hutan, konentrasi CO2 dan hubungannya dengan lapisan ozon serta sistem iklim global.

global-climate

global-climate

Gambar diatas menunjukan bagaimana jika skenario tersebut dijalankan dan pengaruhnya terhadap (a) Emisi Co2,(b)Konsentrasi Co2, (c) Emisi SO2,(d)Perubahan Temperatur, (e)Kenaikan Permukaan Laut. Khusus untuk gambar (d) dan (e) terdapat rentang kemungkinan hasil model. Gambar (e) menunjukan rentang yang sangat besar hasil semua model SRES (selubung garis hitam paling luar), beberapa model SRES (selubung yang berwarna abu-abu, serta rata-rata model SRES ( selubung warna abu-abu yang lebih gelap). Sedangkan berbagai garis yang beraneka warna menunjukan rentang hasil model dari skenario masing-masing, misal warna garis merah solid merupakan skenario model A1B maka rentangan hasil model untuk skenario A1B setinggi garis tersebut,begitu pula garis yang lain.

Kritikan

Skenario SRES mendapat kritikan tajam dari Ian Castles, manatan ahli statistik Australia dan David Henderson, mantan ekonom dari  OECD. Inti kritikan mereka adalah penggunaan market exchange rates (MER)  untuk perbandingan internasional , sebagai gantinya dapat digunakan PPP exchange rate  untuk mengkoreksi  perbedaan dalam  transaksi energi.  Perdebatan tersebut  terus berlangsung sampai saat ini.

Menurut Ian Catles dan David Henderson, penggunaan  MER di  skenario SRES scenarios akan menekan perbedaan pendapatan untuk saat ini dan  terjadi  overestimate mengenai pertumbuhan ekonomi dimasa datang dinegara berkembang, akibatnya hal ini jug akan mendorong overestimate emisi GHG di masa depan. Akibatnya, IPCC harus membuat perubahan iklim yang lebih dramatik daripada yang diproyeksikan sekarang.

Akan tetapi, perbedaan dalam pertumbuhan ekonomi akan diimbangi oleh perbedaan dalam intensitas energi. Beberpa ahli mengatakan bahwa efeknya akan salaing menghilangkan secara penuh, sebagain mengatakan akan saling menghilangkan sebagian.  Sehingga secara keseluruhan, pengaruh perubahan MER menjadi PPP akan memiliki efek minimum pada karbondioksida di atmosfer.

Bahkan jika perubahan iklim global tidak berpengaruh, hakl tersebut ditentang bahwa distribusi emisi regional dan pendapatan  sangat berbeda antara skenario MER dan  PPP. Perdebatan ini dipengaruhi debat politik, dalam skenario PPP, Cina dan India lebih kecil sumbangsihnya untuk emisi global. Hal tersbeut juga menimbulkan pengaruh vulnerability pad aoerubahan iklim  dalam suatu skenario PPP, negara-negara miskin tumbuh lebih lambat dan akan mengalami akibat yang lebih besar.

Untuk download data IPCC:

http://www.ipcc-data.org/sres/gcm_data.html

Reference:

  1. J. Leggett, W.J. Pepper, R.J. Swart, J. Edmonds, L.G. Meira Filho, I. Mintzer, M.X. Wang, and J. Watson. 1992. “Emissions Scenarios for the IPCC: an Update”, Climate Change 1992: The Supplementary Report to The IPCC Scientific Assessment, Cambridge University Press, UK, pp. 68-95
  2. W. J. Pepper, R.J. Leggett, R.J. Swart, J. Wasson, J. Edmonds and I. Mintzer. 1992. “Emission Scenarios for the IPCC An Update, Assumptions, Methodology, and Results”, US Environmental Protection Agency, Washington, D.C.
  3. Brandt and Farrell (2007, Climatic Change, 84: 241-363)
  4. “Climate Change 2007: The Physical Science Basis – Summary for Policymakers”. Intergovernmental Panel on Climate Change (2007). Retrieved on 2007-02-02. Letters to the IPCC
  5. Castles and Henderson (2003), Energy and Environment, 14:159-185
  6. Castles and Henderson (2003), Energy and Environment, 14:415-435
  7. Nordhaus (2007), Energy Economics, 29:349-372
  8. Economist (Feb 13, 2003) Hot Potato: The IPCC had better check its calculations,
  9. Economist (Nov 6, 2003) Hot Potato Revisited: A lack-of-progress report on the IPCC
  10. Economist (May 27, 2004) Measuring Economies: Garbage In, Garbage Out
  11. Gruebler et al. (2004), Energy and Environment, 15:11-24
  12. Holtsmark and Alfsen (2005), Climatic Change, 68:11-19
  13. Manne et al. (2005), Climatic Change, 71:1-8
  14. 14.  Tol (2006), Climatic Change, 75:59-80

Posted in Global Climate Change, Meteorologi, Umum | Dengan kaitkata: , , | 5 Comments »