Kadarsah

Meteorologi dan Sains Atmosfer

Archive for Juli, 2009

Prediksi El Nino 2009-2010

Posted by kadarsah pada Juli 29, 2009

Beberapa intitusi telah merilis memprediksi El Nino salah satunya adalah  IRI yang menggunakan model dinamik dan statistik dengan daerah SST yang digunakan Nino3.4.

iri-elninoDengan data yang lengkap sebagai berikut :

data1

data2summaryelnino

Perbandingan dari institusi lainnya : NOAA,JAMSTEC,BOM

summary

Sedangkan daerah yang  dipengaruhi oleh El Nino  menurut Dr.Edvin Aldrian:

enso_appected

(Aldrian,2003)

Hasil tersebut berdasarkan definisi ENSO oleh Roekner (1996) dan dengan menggunakan tahun ENSO 1961-1993 dengan detail sebagai berikut :

El Ni˜no year: 1965, 1969, 1972, 1982, 1987, and 1991
La Ni˜na year: 1964, 1970, 1973, 1975, and 1988

referensi :

http://iri.columbia.edu/climate/ENSO/currentinfo/figure3.html

http://iri.columbia.edu/climate/ENSO/currentinfo/index.html

http://www.bom.gov.au/climate/ahead/ENSO-summary.shtml

Iklan

Posted in Meteorologi | 15 Comments »

Membuat Kurva ROC,Discrimination Dengan Program R

Posted by kadarsah pada Juli 27, 2009

####  Membandingkan Performance EPS antara  low vs high presipitation di salah satu stasiun di Kanada

### Membaca Data

library(verification)
dat.dir <- “D:/R”
setwd(dat.dir)
DAT <- read.table(“HIsct-pop24-00_024”,fill = TRUE)

A <- DAT[seq(1,nrow(DAT),2), ]
B <- DAT[seq(2,nrow(DAT),2), ]
C <- cbind(A,B)

DAT <- C[, 1:5]

names(DAT) <- c(“obs”, “bom”,”ecmwf”, “ukmo”, “msc” )

### obs on 0,1

DAT <- DAT/100

###Brier score dan komponennya

mod1 <- verify(obs = DAT$obs, pred = DAT$ecmwf)

summary(mod1)
The forecasts are probabilistic, the observations are binary.
Sample baseline calculated from observations.
Brier Score (BS)           =  0.09348
Brier Score – Baseline     =  0.09379
Skill Score                =  0.003228
Reliability                =  0.03627
Resolution                 =  0.03658
Uncertainty              =  0.09379

### Lakukan pada data yang lain dan analisis
### Membuat reliability diagram

plot(mod1, main = names(DAT)[3], CI = TRUE )

fprob

### Membuat discrimination plot

discrimination.plot(DAT$obs, DAT$ecmwf, leg.txt= c(“No”, “Yes”), legend = TRUE, main = names(DAT)[3])

discrimination

### Membuat Kurva ROC:

roc.area(DAT$obs,  DAT$msc) ###atau $ecmwf

### Then, proceed to the roc plot,

roc.plot.default(DAT$obs,  DAT$ecmwf, binormal = TRUE, legend = TRUE, leg.text = “ecmwf”, plot = “both”, CI = TRUE)

roc_curve

Posted in Meteorologi | 1 Comment »