Kadarsah

Meteorologi dan Sains Atmosfer

Archive for the ‘Model Meteorologi’ Category

Aplikasi GrADS Dalam Meteorologi

Posted by kadarsah pada Desember 1, 2008

Analisis pada suatu data mentah (pengamatan atau simulasi model) diproses kedaalam bentuk tabel atau gambar. Untuk melakukan visualisasi dari hasil model kita harus mengetahui bentuk (format) data yang dihasilkan oleh model iklim dan perangkat lunak (software) yang digunakan dan bagaimana teknik menampilkannya.

Format data pada komputer :

  • teks (text) atau ASCII (dapat dibaca dan dimengerti langsung saat muncul di layar)
  • biner (binary).( tidak dapat dibaca langsung)

Data biner hanya bisa dimengerti apabila sudah diterjemahkan dengan suatu program atau software yang cocok, karena data biner sendiri ada bermacam-macam jenis. Data yang dihasilkan dari simulasi DARLAM termasuk dalam kategori data biner yang disebut dengan netCDF (network Common Data Format).

NetCDF dirancang oleh Unidata Program Centre di Boulder, Amerika Serikat. NetCDF banyak dipakai untuk menyimpan data ilmiah khususnya data iklim, karena data dengan format ini tak tergantung pada jenis mesin komputer yang digunakan. Data dengan format netCDF dapat digunakan dalam berbagai macam sistem operasi seperti Windows dan Unix, dan pada berbagai jenis mesin komputer seperti PC IBM atau DEC Alpha.

Keuntungan menggunakan tipe data ini jelas tidak ada masalah dalam hal kompatibilitas, sehingga kita dapat memindahkan datanya dari satu jenis komputer ke komputer lainnya. NetCDF dikenal sebagai self-defining data format ( informasi tambahan tentang datanya) berupa data iklim, data hasil pengamatan/ hasil simulasi model, informasi letak geografis , informasi grid yang digunakan, periode pengamatan atau simulasi, dan di ketinggian (level) berapa data pengamatan atau simulasi tersebut berlaku. Fungsi informasi tambahan ini untuk mempermudahkan dalam membuat visualisasi dari data hasil pengamatan atau simulasi.

Banyak program atau software yang bisa digunakan untuk menampilkan data yang berbentuk netCDF ada yang gratis dan ada yang bayar.

Sofware yang gratis:

  • EzGet
  • Ferret
  • GrADS
  • GMT
  • VisAD,

Sofware yang bayar:

  • AVS
  • IDL
  • Matlab
  • Pplus.

GrADS

  • Grid Analysis and Display System (GrADS) merupakan software yang tersedia gratis, dan dapat digunakan untuk analisis, manipulasi, dan menampilkannya dalam bentuk grafik seperti grafik garis, grafik batang, grafik kontur, grafik kontur berarsir, vektor angin, ataupun garis alur (streamlines) untuk data sains atmosfer, data-data berbentuk grid dan data-data dari stasiun pengamatan .
  • GrADS memiliki versi untuk :Unix, Linux, Windows, Macintosh.
  • GrADS dapat digunakan secara interaktif dari command-line atau dipakai sebagai bahasa pemrograman sederhana (scripting language).
  • Macam format data yang bisa dibaca GrADS: netCDF, GRIB (GRIdded Binary), HDF-SDS (Hierarchical Data Format – Scientific Data Format), dan format biner stream.
  • GrADS dapat membuat plot dari suatu variable dengan kontur berarsir yang ditumpangkan (overlay) pada kontur dari variable kedua.
  • GrADS dapat memanipulasi data dari kumpulan file sehingga irisan data dari beberapa file tersebut dapat dianalisis karakteristiknya, misalnya membuat klimatologi suatu variable.
  • GrADS memiliki fungsi statistik dalam klimatologi dan sains atmosfer .

GrADS untuk MM5

The Grid Analysis and Display System (GrADS) merupakan software interaktif yang digunakan untuk memanipulasi dan visualisasi data sains kebumian secara mudah. Grads dapat diperoleh dari internet secara bebas di http://grads.iges.org/grads/downloads.html. Di dalam situs internet tersebut dapat dipilih Grads versi Windows yang tak perlu menggunakan X server. Xserver adalah software yang dapat meng-emulasi-kan tampilan tampilan monitor berbasis grafis.

Menggunakan Grads untuk Pertama Kali

  • Sebelum kita menggunakan Grads, sebaiknya kita tahu cara meng-install-nya. Setelah kita mendapatkan software grads dari internet, versi paling baru adalah grads-1.8sl11-win32e.exe untuk Windows XP (sedangkan versi vista bisa didownload dari sini :.http://www.lasg.ac.cn/xglm/2008/7/m0cetor4sh.htm). Kita jalankan saja file .exe tersebut dari windows dan kita akan mendapatkan tampilan seperti berikut. Ikuti perintah yang diberikan, misalnya dalam tampilan di bawah ini kita klik install jika kita memang ingin meng-install-nya.

awal

  • Setelah proses install selesai, maka akan ditampilkan folder tempat GrADS berada dan seluruh isinya.

2

  • Selesai install, kita jalankan grads dengan mencari di menu windows dan kita pilih perintah GradsNC (seperti terlihat pada gambar di bawah ini), karena data yang akan ditampilkan adalah data netCDF.

32

  • Kalau kita menjalankan perintah GradsNC, kita bisa membuka file netCDF dan file biner biasa. Sedangkan kalau kita jalankan perintah Grads atau GradsC, kita hanya bisa membuka file biner biasa dan tidak dapat membuka file netCDF. Kita akan diberi pilihan mode landscape (mendatar) atau portrait (tegak). Langsung tekan enter jika ingin gambar mendatar, ketik no dan tekan enter kalau ongin mode tegak. Gambar di bawah adalah grads dalam mode mendatar.

4

Tahap selanjutnyanya membuka file, melihat dimensi file dan melihat isi file.

lengkap

tlop

tcorr2

avgpsa

tloopsmooth

avgpsa_tcorrfixtcorrtcc1tcc2tcorrtcorr3tcorrfixtcorrupsatloop1

ga-> u;v

uv

ga> d u;v;mag(u,v)

ga-> draw title u;v;mag(u,v)

ga-> printim d;v;mag(u,v).jpg white

uvmaguv

d u;v;hcurl(u,v)

draw title u;v;hcurl (u,v)

printim u;v;hcurl(u,v).jpg white

uvcurl

d skip(u,2);skip(v,2)

skipuv1

d skip(u,2);skip(v,2);mag(u,v)

skip22

Skip(u,2);skip(v,2);hcurl(u,v)

hcurll

Set lon 99

Set lat 0.5

Set lev 1000 100

D u

Draw ylab ketinggian (mb)

Draw xlab kecepatan (m/s)

Draw title u_vertikal

uvert

Set lat 0

Set lev 1000

Set gxout shaded

Set t 1 30

draw ylab tanggal

draw xlab Temperatur (Kelvin)

cbarc

d t

hovmollett

Set gxout shaded

Set lat 0

Set lon 94 140

Set t 1

Set lev 1000 100

D t

D u;v

Draw ylab ketinggian (mb)

Draw xlab longitude

Draw title Temperatur vs u;v

Printim temperatur_vs_u;v.jpg white

vertu

Set gxout shaded

Set lat 0

Set lon 94 140

Set t 1

Set lev 1000 100

D u

Draw ylab ketinggian (mb)

Draw xlab longitude

Draw title U_lat_0

Printim U_lat_0.jpg white

hovt

Set zlog on

Set lat 0

Set lev 1000 100

D qv ( water vapor mixing ratioin

Cbarn

zlog

Set zlog on

Set lat 0

Set lev 1000 100

D qc (cloud water mixing ratio)

Cbarn

qc

D t(T=2)-t(T=1)

Cbarn

zlogtt

d t(T+1)-t

zlogtt2


wxsym

wxsym1

Draw wxsym simbol (ditunjukan dengan angka diatas) x ( ukuran panjang x posisi lambang ditempatkan) y ( ukuran panjang y posisi lambang ditempatkan) size (ukuran lambang, misal 1) color (-1, misalnya) tebal (misal 0.2)

Set gxout shaded

D qv

Cbarn

Draw wxsym 30 10 5 1 -1 0.2

Draw wxsym 14 5 5 1 -1 0.2

Draw wxsym 25 8 5 1 -1 0.2

Draw wxsym 4 9 2 1 -1 0.2

Draw wxsym 12 3 2 1 -1 0.2

duv


GrADS untuk windows vista bisa didownlad di:

http://www.lasg.ac.cn/xglm/2008/7/m0cetor4sh.htm

Iklan

Posted in Meteorologi, Model Meteorologi | 43 Comments »

Perbandingan Hasil MM5, WRF dan NHM

Posted by kadarsah pada Juli 22, 2008

Berikut merupakan hasil pemodelan MM5,WRF dan NHM dalam memprediksi curah hujan yang dikeluarkan oleh WCPL (Weather and Climate Prediction Laboratory (WCPL), Institut Teknologi Bandung (ITB )) dengan alamat http://weather.geoph.itb.ac.id.

Berikut perbandingan gambar hasil model NHM,MM5,WRF dengan observasi ( data satelit dari situs http://www.bmg.go.id).

Perbandingan Hasil Observasi Data Satelit Dengan Keluaran Model NHM,MM5 dan WRF

Perbandingan Hasil Observasi Data Satelit Dengan Keluaran Model NHM,MM5 dan WRF

Posted in Klimatologi, Meteorologi, Model Meteorologi | 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 »

Analisis Wavelet Pada Bidang Meteorologi

Posted by kadarsah pada April 28, 2008

Analisis wavelet merupakan metode yang umum digunakan pada berbagai bidang disiplin ilmu, salah satunya meteorologi. Dalam meteorologi analisis wavelet dapat digunakan untuk mengetahui siklus curah hujan pada suatu kawasan serta menganalisis factor-faktor yang mempengaruhi curah hujan tersebut.

Dengan menggunakan analisis wavelet pada curah hujan bulanan (time series) disuatu daerah dapat diketahui:

1. Periode curah hujan daerah tersebut apakah setahun, setengah tahun atau memiliki periode lainnya serta kapan terjadinya.

2. Faktor yang mempengaruhi curah hujan daerah tersebut. Misalnya,periode curah hujan daerah tersebut selama setengah tahun,maka dapat disimpulkan bahwa daerah tersebut dipengaruhi monsoon (sebab periode monsoon setiap setengah tahun sekali dan daerah yang dimaksud termasuk daerah yang dipengaruhi monsoon).

3. Beberapa periode yang dominant dan tidak dominant

4. Menentukan pola curah hujan daerah tersebut apakah termasuk daerah : lokal,ekuatorial atau monsun

Sedangkan cross wavelet transform dan wavelet coherence digunakan untuk mendeteksi hubungan dalam domain frekuensi waktu antara dua time series.

Untuk melakukan analisis wavelet ini bisa digunakan fortran, IDL dan Matlab. Dalam tulisan ini digunakan matlab sebab matlab memiliki fitur yang dapat digunakan untuk analisis wavelet secara praktis dan efisien.

Wavelet transform terbagi menjadi CWT (Continous Wavelet Transform) dan DWT (Discrete Counterpart Wavelet Transform). DWT digunakan untuk mereduksi noise dan kompresi data, sedangkan CWT untuk ektrasi data. CWT digunakan untuk mendeteksi kemungkinan adanya hubungan antara dua times series secara bersamaan dan proses sebab akibat diantara keduanya. Dari dua time series tersebut dilakukan analisis Cross Wavelet Transform yang akan memunculkan fase power dan relative dalam domain frekuensi-waktu. Selanjutnya digunakan Wavelet Coherence (WTC) sehingga ditemukan coherence yang signifikan, dan memunculkan tingkat kepercayaan.

Contoh kita bisa menggunakan analisis wavelet interaktif dan dengan memasukan data time series kita bisa mengetahui hasilnya seperti contoh dibawah ini dengan menggunakan data curah hujan denpasar.dat selama tahun 1985-2006 (http://ion.researchsystems.com/IONScript/wavelet/).

Hasilnya :

KFJGF Analisis Wavelet Untuk Curah Hujan Denpasar 1985-2006

Keterangan :

a.Data time series curah hujan Denpasar 1985-2006

b.Power spektrum wavelet, menggunakan wavelet Morlet (pilihan lainnya: Paul,Gaussian,Daubechies,Haar,Coiflet,symlet). Sumbu x merupakan lokasi wavelet dalam waktu ( bulan) sedangkan sumbu y merupakan periode wavelet dalam bulan. Kontur berwarna hitam yang melingkupi background warna merah menunjukan tingkat kepercayaan 95 % dengan menggunakan global wavelet sebagai background spektrumnya. Sedangkan daerah yang di arsir disebut cone of influence atau COI. COI merupakan daerah pada spektrum wavelet dimana bagian tepinya sangat penting dan didefinisikan sebagai e-folding time untuk melakukan autokorelasi dari wavelet power pada tiap skala.

c.Global power spektrum wavelet. Terlihat bahwa titik paling kanan pada kurva tersebut menunjukan periode 12 bulan ( 1 tahun, yang merupakan periode yang paling dominan).Hal ini sesuai jika menggunakan analisis FFT menggunakan Matlab. Sedangkan periode lain muncul juga hanya dengan intensitas yang kecil.

Sebagai bahan perbandingan ,gambar dibawah merupakan hasil curah hujan Pontianak.

Analisis Wavelet untuk Curah Hujan Pontianak 1985-2006

Sedangkan analisis wavelet untuk data sunspot ( Wolfer Number) adalah:

Analisis Wavelet Untuk Data Sunspot

Analisis untuk Dipole Mode adalah:

Analisis Wavelet Untuk Dipole Mode

Selain itu,analisis wavelet dapat digunakan untuk validasi model iklim dengan cara membandingkan secara langsung hasil observasi dengan nilai hasil keluaran model yang kita gunakan. Perbandingan ini disebut kajian interkomparison yang hasilnya berupa korelasi hasil observasi dengan keluaran model. Korelasi ini sangat penting dalam kajian kinerja model, tapi tidak dalam verifikasi model. Kelebihan menggunakan analisis wavelet dalam kajian interkomparison ini adalah ( yang tidak bisa dijelaskan hanya dengan korelasi biasa):

  1. Suatu proses periodik /semiperiodik dapat terlihat jelas terakomodasi tidaknya dalam suatu model
  2. Perbandingan peran/porsi serta pengaruh sejumlah proses iklim terhadap suatu variabel iklim .
  3. Prose-proses iklim mana saja yang harus diperbaiki dan disempurnakan

Kajian lain yang menggunakan analisis wavelet:

1.SST ( kaitannya dengan El Nino-La Nina)

2.Kandungan CO2 di atmosfer

Referensi;

http://www.pol.ac.uk/home/research/waveletcoherence/

http://ion.researchsystems.com/IONScript/wavelet/

Torrence, C. and G. P. Compo, 1998: A Practical Guide to Wavelet Analysis. Bull. Amer. Meteor. Soc., 79, 61-78.

Posted in Meteorologi, Model Meteorologi | 24 Comments »

Istilah Dalam Pemodelan Iklim

Posted by kadarsah pada April 15, 2008

Beberapa istilah dalam pemodelan iklim:

Sistem iklim: Sistem iklim adalah sistem yang membentuk iklim dan terjadi proses dan saling mempengaruhi yang terdiri dari lima komponen utama:

  • Atmosfer
  • Hidrosfer
  • Kriosfer
  • permukaan tanah(pedosfer)
  • biosfer

Model iklim: Representasi numerik sistem iklim berdasarkan atas sifat-sifat fisis, kimiawi, dan biologis komponen-komponennya, interaksi serta proses umpan baliknya, dan memperhitungkan semua atau sebagian sifat-sifatnya yang diketahui. Representasikan ini bervariasi kerumitannya (misalnya, untuk setiap komponen atau kombinasi komponen model ) dan hal ini menunjukan jumlah dimensi ruang; proses-proses fisis, kimiawi, atau biologis dan parameterisasi empiris dilibatkan.

Model iklim dapat dibagi lagi berdasarkan:

  • Struktur modelnya: model sederhana, model tingkat menengah, dan model kompleks.
  • Teknik komputasinya: model spektral dan model grid.
  • Cakupan wilayah: model iklim global,regional ,meso dan mikro.
  • Tipe kajian: model daratan, model atmosfer, model lautan, dan model kopel (gabungan dianatara ketiga model ).

Pemodelan Iklim: Merupakan proses memodelkan iklim. Proses ini memerlukan seperangkat hardware (superkomputer) dan software (software model iklim dan software pendukung lainnya). Contoh model iklim:REMO,WRF,LAM,DARLAM,GCM,CSIRO,AVN,MM5,OMEGA,MC2,BLFMESO FITNAH,COAMPS,Eta Model,RAMS,ARPS,TVM,HOTMAC. Sedangkan software pendukung biasanya berupa software untuk memvisualisasikan hasil model seperti GrADS,Ferret,Matlab,IDL, dan NCL.

Komponen Iklim: Merupakan bagian utama yang membentuk sistem iklim yang terdiri dari:

  • Atmosfer
  • Hidrosfer
  • Kriosfer
  • permukaan tanah(pedosfer)
  • biosfer

Perubahan Iklim: Proses berubahnya iklim hal ini terjadi akibat pengaruh dari komponen iklim. Pengaruh dari komponen iklim bisa berupa bertambah kuat atau lemahnya pengaruh dari masing-masing komponen iklim tersebut. Proses perubahan ini memerlukan rentang waktu dari jutaan tahun hingga puluhan tahun. Dan proses ini terjadi dalam skala ruang yang luas ( ukuran benua) hingga skala meso (ukuran kabupaten). Perubahan iklim ini berasal dari ekternal (berasal dari luar sistem iklim seperti perubahan banyaknya radiasi matahari yang mencapai puncak atmosfer dan perubahan distribusi daratan dan lautan) dan internal (berasal dari dalam sistem seperti pertambahan CO2 di atmosfer )

Klasifikasi iklim: Pembagian atau pengelompokan iklim yang terjadi di suatu tempat berdasarkan unsur iklim yang paling dominan dan hal tersebut membedakannya dengan iklim tempat lain. Terdapat dua cara utama dalam klasifikasi iklim :genetik (berdasarkan penentu iklim yaitu faktor yang menentukan dan menyebabkan iklim berbeda :radiasi, fluks kelembaban,neraca energi, pola radiasi )dan generik/empirik (berdasarkan unsur iklim atau efeknya terhadap manusia dan tumbuhan).

Contoh klasifikasi iklim genetik:Flohn (1950),Strahler (1969),sedangkan klasifikasi iklim generik/empirik:Koppen (1936),Thornthwaite 91948) dan Miller (1965).

Prediksi iklim: merupakan prakiraan kondisi iklim dimasa yang akan datang dengan mempertimbangkan faktor-faktor yang mempengaruhi iklim dimasa datang , masa sebelumnya dan masa sekarang. Skala yang digunakan bisa musiman, tahunan, atau jangka panjang.

Proyeksi Iklim: Merupakan representasi kondisi iklim masa datang berdasarkan skenario iklim yang digunakan.Hasilnya bergantung pada berbagai skenario yang digunakan dengan melibatkan aspek:ekonomi,sosial,budaya,politik,kebijakan pemerintah dan teknologi di masa mendatang yang mungkin atau tidak bisa direalisasikan. Contohnya apa yang dihasilkan oleh IPCC dalam memproyeksikan kenaikan suhu global berdasarkan skenario yang berbeda.

Garis warna merah merupakan proyeksi iklim dari skenario iklim berdasarkan emisi IPCC 1992 business as usual. Garis warna biru menunjukan proyeksi iklim dari skenario iklim berdasarkan emisi yang disepakati di Protokol Kyoto sampai tahun 2015, setelahnya emisi kembali meningkat. Garis kuning menunjukan proyeksi iklim berdasarkan emisi yang dijaga konstan oleh negara maju ( Annex B) setelah tahun 2015,dan garis hijau merupakan proyeksi iklim berdasarkan pengurangan emisi sebesar 1 % per tahun setelah tahun 2015. Proyeksi iklim diatas tidak menyertakan skenario pengurangan emisi dari negara berkembang.

Skenario Iklim: Representasi berbagai kemungkinan iklim yang akan datang berdasarkan berbagai input yang berbeda-beda. Representasi ini dilakukan dengan melakukan simulasi iklim. Contoh skenario iklim yang dilakukan oleh IPCC tentang perubahan temperatur yang berkaitan dengan perbedaan emisi , seperti gambar diatas . Skenario ini penting untuk mengetahui langkah antisipasi yang harus dilakukan oleh masyarakata dunia. Jelas dengan kondisi diatas pengurangan emisi 1 % per tahun dari negara maju menunjukan perbedaan yang signifikan jika dibandingkan dengan skenario lainnya.

Simulasi Iklim: representasi proses iklim dengan cara meniru proses iklim yang terjadi sebenarnya. Proses simulasi iklim saat ini dilakukan dengan menggunakan superkomputer untuk menghemat waktu perhitungan.

Tipe Iklim/Jenis Iklim: Merupakan hasil dari klasifikasi iklim berdasarkan unsur iklim yang paling dominan dan menentukan iklim di suatu daerah. Contohnya menurut Koppen , dunia dibagi menjadi lima tipe iklim utama berdasarkan curah hujan,suhu dan ciri musimannya:

  • A:iklim hujan trofis
  • B:iklim kering
  • C:iklim hujan sedang panas
  • D:iklim hutan salju sejuk
  • E:iklim kutub

Unsur Iklim: Parameter dari iklim yang digunakan untuk klasifikasi iklim sehingga menghasilkan tipe iklim. Contoh unsur iklim: curah hujan,temperatur,kelembapan dan angin.

Posted in Model Meteorologi | 10 Comments »

Skema Konveksi di Indonesia Dan Pemodelan Skala Meso

Posted by kadarsah pada April 1, 2008

Indonesia sebagai bagian wilayah teerbasah didunia, dengan total CH tahunan > 2000 mm, bahkan ada yang mencapai lebih dari 3000 mm. skema konveksi adalah perumusan proses konveksi atmosfer melalui parameter-parameter terkait, sebagai bentuk penyederhanaan proses konveksi sesungguhnya yang terjadi di alam. Perbedaan skema satu dengan yang lainnya lebih banyak ditentukan oleh perbedaan asumsi dalam menggambarkan proses konveksi.

Pertukaran kelembaban,panas, dan momentum antara permukaan atmosfer dengan lapisan diatasnya dan antara laut dengan atmosfer yang memiliki arti penting dalam pembentukan awan berlangsung di Lapisan Batas Atmosfer. Sehingga kajian tentang lapisan ini sangat penting terutama kaitannya dengan proses konveksi. Konveksi di Indonesia aktif pads siang hari,di tandai dengan nilai maksimum OLR pada tengah hari sesaat setelah terjadi radiasi maksimum radiasi matahari ( radiasi gelombang pendek). Laut pAsifik dan India terletak di ekuato, tetapi proses konveksi tidak seaktif di Indonesia. Aktivitas konveksi lautan lebih aktif dibanding dengan daratan dan dengan variasi yang besar. Hal tersesbut terjadi juga dengan CH yang dominan terjadi pada siang hari dan variasi tinggi. CH di ekuatorial lebih tinggi dibanding lintang lainnya hal ini disebabkan karena ekuatorial menerima lebih banyak sinar matahari sepanjang tahun, sehingga udara lebih hangat. Dengan udara yang lebih hangat ( massa jenis kecil,kapasitas kelembaban yang tinggi dibanding udara dingin), sehingga menghasilkan awan dengan CH yang tinggi. Hal ini diperkuat dengan kelembaban yang juga sangat tinggi.

1. Skema Kuo paling sederhana digunakan di GCM ( Global Climate Model/General Circulation Model), CSIRO (Commenwealth Scientific and Industrial Research Organization), DARLAM (Division of Atmospheric Research Limited Area Model).

2. Skema Arakawa-Schubert digunakan di AVN (Aviation Model Forecast),NCEP, RUC (The Rapid Update Cycle).

3. Skema BMJ (Betts-Miller-Junjic) digunakan oleh Eta/NCEP

4. Skema Grell digunakan oleh MM5 (Mesoscale 5)

5. Skema Anthes~Kuo sangat baik dalam menentukan CH total dan maksimum.

6. skema Grell dan Kain-Fritsch sangat baik menirukan pola hujan.

7. Parameterisasi konvektif dangkal berfungsi untuk mempertahankan sirkulasi Hadley dalam GCM dan sirkulasi global.

8. Skema konveksi yang tidak menggunakan downdraught dan entrainment massa memiliki dampak pada distribusi hujan rata-rata dan memindahkan ITCZ di Pasifik Barat.

9. Skema BMJ dalam Eta Model tidak dapat memperkirakan konveksi di wilayah barat, karena terjadi perbedaan sifat konveksi di pegunungan dengan lautan.

10. SCm I Single Coulom Model) dan Skema Arakawa-Schubert menghasilkan distribusi jumlah awan vertikal yang lebih realistik dibandingkan CCM3 ( Community Climate Model versi 3).

11. Simulasi dengan MM5 pada domain besar dengan resolusi 15 km sangat berguna untuk kajian konveksi tropik dan interaksinya dengan sirkulasi skala besar.

12. Uji skema konveksi menunjukan bahwa peningkaan resolusi model menyebabkan CH prediksi menjadi lebih kecil

13. Skema kuo dalam DARLAM menunjukan CH > Skema arakawa dan Liquid Water

14. Skema Zhang & Mc Farlane dalam NCAR CCM3.6 menghasilkan varibilitas intra musiman < pengamatan ( angin dan hujan). Sedangkan Skema Hack lebih tinggi, skema McRAS lebih realistik dalam variabilitas angin dan variabilitas CH yang lebih rendah di banding pengamatan.

15. Skema Kuo, curah hujan diperkirakan dengan massa konvektif sepanjang kolom konvektif dari dasar awan s.d puncak awan. Dasar awan ditentukan diidentifikasi dengan nilai kelembaban relatif tertentu, sedangkan puncak awan diperkirakan melalui stabilitas atmosfer.

16. Skema Betts-Miller mensyaratkan sounding sebagai kondisi awal, proses konveksi selanjutnya mengacu pada profil klimatologi.

17. Skema AS,menyertakan efek detrainment kelembaban dari awan-awan konvektif,pemanasan dari subsidensi lingkungan, dan stabilitas konvektif dalam keseimbangannya dengan laju destabilisasi skala besar.

18. Skema Grell merupakan Skema AS dalam versi awan tunggal.

19. skema Kain-Fritsch mencakup model awan dengan faktor entrainment,updraft dan downdraft

20. Faktor tumbukan,koalisi dan koalisesnsi serta ukuran tetes dicakup dalam pendekatan mikrofisika awan.


Berikut beberapa contoh Model Meso yang dirangkum dalam sebuah tabel serta skema konveksi jenis apa yang digunakan.

OMEGA

Nama

The operational Multiscale Environment Model with Grid Adaptivity (OMEGA)

Pencipta

Dr.David Bacon

Institusi

Science Applications International Corporation

Group

Science Applications International Corporation

Persamaan

Kompresibel,nonhidrostatik,persamaan primitif

Dimensi

3-D prognostic

Grid

Variabel resolusi tidak terstruktur dan grid yang adaptif

Resolusi minimum horisontal

1km

Resolusi vertikal

1km- 10 meter

Model domain

Fleksibel

Inisialisasi

Input data mentah dari NOGAPS,MRF,NGM dan ETA dengan analisis dari rawinsonde dan obervasi permukaan dalam banyak format berbeda

Teknik solusi

skema numerik menggunakan teknik volume terbatas dengan skema adveksi Smolarkiewicz yang dimodifikasi untuk penggunaan grid triangular yang tak terstruktur

Sistem koordinat

Sistem Rotating Cartesian yang berasal dari pusat bumi

Boundary lateral

Open boundary dengan skema radiasi

Top Boundary

Lapisan batas yang jelas

Permukaan Boundary

Panas,momentum,dan fluks ditentukan melalui interaksi udara yang terus-menerus

Parameterisasi subgrid campuran

2.5 tingkat k-ɛ model

Parameterisasi cumulus

Modifikasi skema Kuo

Parameterisasi Radiasi

skema Sasamori

Parameterisasi Kestabilan Presipitasi

Parameterisasi bulk water Lin (1983)

Contoh fenomena

simulasi Hurricane,cuaca badai gurun pasir,dispersi dari topografi yang komplek


MC2

Nama

MC2

Pencipta

Robert Benoit

Institusi

Recherce en Prevision Numerique Environment Canada

Group

Limited Area Model

Persamaan

Persamaan Euler Nonhydrostatik

Dimensi

3-D

Grid

Arakawa-C

Resolusi minimum horisontal

~ 500 m

Resolusi vertikal

Beberapa ratus meter

Model domain

Area terbatas

Inisialisasi

Dinamik

Teknik solusi

Semi implisit,semi-langrangian,

Sistem koordinat

Proyeksi conformal (polar stereographic,mercator),Gal-Chen vertical koordinat

Boundary lateral

Open boundary dengan skema Staniforth

Top Boundary

Batas yang kuat dan memancar

Permukaan Boundary

Force-restore/ISBA/CLASS land-surface skema

Parameterisasi subgrid campuran

TKE dengan orde 1.5

Del4 difusi dalam fluida interior

Parameterisasi cumulus

Hanya untuk resolusi rendah:Kuo,Fritsch-Chappell,Kain-Fritsch dan Arakawa-Schubert

Parameterisasi Radiasi

Solar dan Infrared radiasi (Fouquart dan Bonnel,1980)

Parameterisasi Kestabilan Presipitasi

Kong-Yau 2-ice mikrophysics dan skema Tremblay mixed-phase

Contoh fenomena

Chinook,Foehn,hujan orografik,banjir bandang


BLFMESO

Nama

Boundary-Layer Mesoscale Forecast Model (BLFMESO), edisi 3

Pencipta

S.M.Daggupaty

Institusi

Meteorology Service of Canada Air Quality Research Branch ( formerly Atmospheric Environment Service )

Group

Meteorology Service of Canada Air Quality Research Branch

Persamaan

Hidrostatik,persamaan primitif

Dimensi

3-D

Grid

Fleksibel.Indentik dalam x dan y, kecuali grid vertikal. 81 x 81 grid horisontal dan 10 grid vertikal

Resolusi minimum horisontal

5 km

Resolusi vertikal

Tidak sama .Resolusi tinggi identik dengan permukaan, rentang 1.5 m -3000 meter.

Model domain

400 km x 400 km horisontal, 3 km vertikal

Inisialisasi

Analisis data regional Canada dengan weather forecast yang di interpolasi model grid dan dinamik 1-D

Teknik solusi

Metode beda implisit terbatas,semi implisit untuk adveksi vertikal dan difusi.

Sistem koordinat

Proyeksi Koordinat UTM

Boundary lateral

Time-dependent boundary lateral

Top Boundary

Bergantung pada variabel tertentu saat t= 0

Permukaan Boundary

No slip untuk angin permukaan, force-store metode untuk neraca energi dan prediksi temperature permukaan, teori similarity untuk parameter permukaan, panas, dan momentum. Kekasaran topografi permukaan diperhitungkan.

Parameterisasi subgrid campuran

Teori kesamaan permukaan di lapisan permukaan,koefisien berdasarkan metode O`Brien pada PBL

Parameterisasi cumulus

Tidak ada

Parameterisasi Radiasi

Tidak ada

Parameterisasi Kestabilan Presipitasi

Tidak ada

Contoh fenomena

Skala meso-ɞ, land/sea breeze,kualitas udara,pengendapan gas dan partikel udara,arus lembah dan gunung


FITNAH

Nama

FITNAH

Pencipta

Dr.Gunter Gross

Institusi

Departemen of Meteorology,University Hannover,German

Group

Guter Gross

Persamaan

Navier-Stokes,Non-hidrostatik,Boussinesq-approximation

Dimensi

3-D

Grid

Arakawa-C

Resolusi minimum horisontal

1-100 m

Resolusi vertikal

Permukaan:1-10 m, lapisan atas :̴1000 m

Model domain

1km x 1km, 50 km x 50 km

Inisialisasi

Variasi teknik dan diastrofi

Teknik solusi

Waktu dengan metode:forward,leapfrog. Ruang dengan metode :tengah,adveksi dan upstream

Sistem koordinat

Metode Gross

Boundary lateral

Tetap, turunan tertentu dan kondisi radiasi

Top Boundary

Damping layer

Permukaan Boundary

Neraca energi permukaan untuk temperature menurut Gross(1986)

Parameterisasi subgrid campuran

Orde kesatu dengan K berasal dari energi kinetik turbulensi

Parameterisasi cumulus

Gross (1986)

Parameterisasi Radiasi

Aproksimasi dua arah ,Gross (1986)

Parameterisasi Kestabilan Presipitasi

Gross (1986), Skema Kessle untuk presipitasi

Contoh fenomena

Aliran udara di topografi yang komplek


COAMPS

Nama

COAMPS

Pencipta

Dr.Richard M.Hodur

Institusi

Naval Research Laboratory

Group

Naval Research Laboratory, Marine Meteorology Division; R.Hodur,S.Chen,J.Doyle,T.Holt,J.Schmidt

Persamaan

Persamaan kompresibel nonhidrostatik

Dimensi

3-D

Grid

Arakawa-C mendukung nesting

Resolusi minimum horisontal

Fleksibel. Menggunakan data real,tipe resolusi 1-81 km, dalam LES mode, resolusi minimum 1 m

Resolusi vertikal

Fleksibel.Koordinat sigma, 20 m-beberapa ratus meter (̴10 mb) dengan elevasi 30 -120 lapisan

Model domain

Fleksibel.Pengguna bisa menentukan luasan yang dinginkan sendiri.

Inisialisasi

3-D multivariasi dengan analisis interpolasi optimum angin dan ketinggian, analisis Cressman untuk temperature dan kelembapan,2-D dengan analisis interpolasi optimum SST.

Teknik solusi

Time-Splitting, formula ekplisit untuk adveksi, semi implicit untuk penyebaran gelombang bunyi secara vertical dan frekuensi Brunt-Vaisala. Orde 4 untuk difusi dan orde 2 untuk semua proses

Sistem koordinat

Sistem koordinat x,y, dan grid horisontal global yang dapat digunakan untuk proyeksi:polar stereographic,Lambert conformal,mercartor,spherical dan kartesian.

Boundary lateral

Skema Davies atau Perkey-Krietzberg untuk data real. Untuk data yang ideal:periodic,radiasi,tetap dan no-slip

Top Boundary

W=0

Permukaan Boundary

Force-restore slab soil model,fluks permukaan,parameter khusus permukaan (albedo,kekasaran permukaan,ketinggian dan garis pantai)

Parameterisasi subgrid campuran

Level 2.5 Mellor-Yamada

Parameterisasi cumulus

Kain-Fritsch atau Kuo

Parameterisasi Radiasi

Harshvardhan

Parameterisasi Kestabilan Presipitasi

Rutledge-Hobbs

Contoh fenomena

Coastal jet, rainbands,barrier jet,interaksi coupling udara-laut, aerosol, siklon tropis,fron temperature permukaan, siklon ekstratropika, gelombang gravitasi, topografi jet,

MM5

Nama

MM5

Homepage

http://www.mmm.ucar.edu/mm5/mm5-home.html

Pencipta

Ying-Hwa Kuo dan Jimy Dudhia

Institusi

NCAR/MMM Division

Group

NCAR/MMM Division

Persamaan

Persamaan primitive nonhidrostatik, persamaan hidrostatik

Dimensi

3-D

Grid

Arakawa-B grid

Resolusi minimum horisontal

500m-1 km

Resolusi vertical

Fleksibel

Model domain

Global, dapat digunakan menjadi multiple nesting

Inisialisasi

Integrasi divergensi

Teknik solusi

Waktu:time-splitting leapfrog, Ruang: orde-2

Sistem koordinat

Sigma

Boundary lateral

Relaksasi

Top Boundary

Rigid/Radiatif

Permukaan Boundary

Friksi dan fluks menggunakan teori similarity dan memiliki parameter land use

Parameterisasi subgrid campuran

Bulk, skema Mellor-Yamada dan MRF

Parameterisasi cumulus

Anthes-Kuo,Grell, Kain-Fritsch, Fritsch and Chappell ,Arakawa Schubert, dan Betts-Miller.

Parameterisasi Radiasi

Broadband atau CCM2

Parameterisasi Kestabilan Presipitasi

Supersaturasi, fisika es,konsentrasi jumlah es ,land surface modul dan 4-D data asimilasi

Contoh fenomena

Siklon,fronts,MCS,gelombang gunung

Eta Model

Nama

Eta Model

Pencipta

Fedor Mesinger

Institusi

NCEP Environmental Modeling Center

Group

NOAA/ NCEP Environmental Modeling Center

Persamaan

Persamaan primitive nonhidrostatik, persamaan hidrostatik

Dimensi

3-D

Grid

Arakawa-E grid secara horisontal, Lorenz grid secara vertikal

Resolusi minimum horisontal

4-10 km

Resolusi vertikal

50 layer,

Model domain

106 x 80 derajat

Inisialisasi

3-D data asimilasi EDAS

Teknik solusi

Waktu: beda waktu ekplisit,forward-backward, gaya coriolis implicit-trapezodial, beda waktu 60 detik,adveksi temperature dan momentum skema Matsuno, ruang tipe Arakawa, adveksi horizontal temperature dan momentum skema Janjic, kekekalan momentum yang berasal dari efek pegunungan skema Smolarkiewicz, adveksi kelembaban horizontal skema Janjic,adveksi vertical momentum dan temperature skema arakawa, skema kopel gravity-wave,

Sistem koordinat

Koordinat eta vertical,koordinat rotasi bola

Boundary lateral

Ekstrapolasi

Top Boundary

Kecepatan vertical eta 0-25 mb

Permukaan Boundary

Topografi, parameter kekasaran orografik tipe Mason, fluks permukaan tipe Monin-Obukhov, fungsi similaritas Paulson, Parameter Zilitinkevich untuk sublayer , skema land-surface, multiplayer land-surface/vegetasi model, input data dengan 12 tipe vegetasi, 9 tipe jenis tanah,albedo musiman,approksimasi linear menurut Mangarella-Brutsaert, fungsi similaritas level-2 Mellor-Yamada, surface fluks air Monin-Obukhov

Parameterisasi subgrid campuran

Vertikal: skema Mellor-Yamada level 2.5.

Horisontal : order dua skema Smagorinsky

Parameterisasi cumulus

Skema Betts-Miller.-Janjic untuk konveksi dangkal dan dalam

Parameterisasi Radiasi

Skema radiasi GFDL

Parameterisasi Kestabilan Presipitasi

Prediksi ekplisit campuran rasio awan cair/es dalam skala grid

Contoh fenomena

Fenomena permukaan, pengaruh transport kelembapan,efek topograpi, siklon tropis, efek vegetasi /transfor air/udara


RAMS

Nama

The Regional Atmospheric Modeling System (RAMS)

Homepage

http://blue.atmos.colostate.edu

Pencipta

Roger A.Pielke,Sr.,W.R.Cotton,C.Tremback,R.L.Walko

Institusi

Colorado State University dan ASTeR Division of Mission Research Corporation

Group

Department of Atmospheric Science/ ASTeR Division of Mission Research Corporation

Persamaan

Persamaan nonhidrostatik, Navier-Stokes,kompresibel

Dimensi

2-D atau 3-D

Grid

Arakawa-C grid.Mendukung nesting, vertikal grid dapat diperbesar

Resolusi minimum horisontal

Tak ada ( memungkinkan hanya 2 cm)

Resolusi vertikal

Tak terbatas pada resolusi vertical

Model domain

Dapat seminimum mungkin pada domain limited-area

Inisialisasi

Interpolasi homogen horizontal dari sounding tunggal dan analisis objektif Barnes dari data tekanan per lapisan, data rawinsonde dan observasi lapangan

Teknik solusi

Teknik penyelesain nilai awal, komponen kecepatan dengan metode beda waktu leapfrog, parameter lain menggunakan beda waktu maju sedang parameter akustik menngunakan teknik time-splitting

Sistem koordinat

Stereograpik polar atau koordinat Cartesian horisontal, dan koordinat vertikal sigma-z

Boundary lateral

Skema Klemp-Wilhelmson ,Skema Klemp-Lilly, Orlanski. Gradien nol,gradient divergensi nol,

Top Boundary

Relaksasi Newtonian

Permukaan Boundary

Teori similaritas menurut Louis ( fluks permukaan momentum,panas, dan uap air),Permukaan grid dibagi menjadi beberapa layer

Parameterisasi subgrid campuran

Skema Smagorinsky-Lily,Mellor-Yamada,Deardorff

Parameterisasi cumulus

Skema Kuo yang dimodifikasi

Parameterisasi Radiasi

Skema Harrington yang menghitung secara khusus sifat-sifat dari:permukaan air, hujan dan higrometeor lainnya. Skema Chen dan Cotton yang memasukan atenuasi awan. Skema Mahrer dan Pielke yang tidak menghitung kondensasi.

Parameterisasi Kestabilan Presipitasi

Proses fisik yang melibatkan:sublimasi,Brownian motion,kondensasi,sedimentasi,tumbukan,pembekuan,evaporasi,thermoporesis,difusi ,rain ,kabut nukleasi homogen droplet awan dan fenomena lainnya.

Contoh fenomena

Badai,tornado,sistem konvektif,sea breeze, konveksi cumulus,aliran turbulensi di sekitar gedung, aliran udara dalam wind tunnel,siklon tropis,simulasi large-eddy, efek perubahan land-use bagi iklim dan cuaca,supersel badai, simulasi aliran udara laboratorium,presipitasi, transport dan dispersi polusi, pergerakan gelombang akustik,

The Topographic Vorticity Model (TVM)

Nama

TVM

Homepage

http://rtmod.ei.jrc.it/thunis/TVM/tvm.html

Pencipta

P.Thunis,G.Schayes,R.Bornstein

Institusi

Joint Research Centre (JRC),Universite Catholique Louvain, San Jose State University

Group

Joint Research Centre

Persamaan

Sistem dasar dinamik menggunakan Navier-Stokes, anelastik, persamaan non hidrostatik.

Dimensi

1-D,2-D atau 3-D

Grid

Arakawa-C grid

Resolusi minimum horisontal

Resolusi minimum dapat mencapai 500 m, tidak ada batasan yang jelas ketika di gunakan dalam simulasi large-eddy

Resolusi vertikal

Tak terbatas pada resolusi vertikal

Model domain

Dapat seminimum mungkin pada domain limited-area

Inisialisasi

Interpolasi homogen horizontal dari sounding tunggal

Teknik solusi

Aproksimasi adveksi menggunakan orde 3 Parabolic Piecewise Method (PPM). Difusi,vortisitas , dan bouyanci didekati oleh FTCS.

Sistem koordinat

Koordinat sigma-z

Boundary lateral

Untuk adveksi, hanya kondisi boundary inflow yang diperhitungkan.Gradien nol untuk kondisi boundary lateral pada semua proses.

Top Boundary

Vortisitas nol, angin horizontal digunakan sebagai angin geostrofik. Damping layer digunakan dilapisan atas untuk menyerap gelombang gravitasi.

Permukaan Boundary

Komponen angin menjadi nol. Momentum fluks permukaan dan uap air dihitung menurut Skema Deardorff dan teori similaritas. Model land-surface IAGL,parameter vegetasi dan variasi hambatan transfer.

Parameterisasi subgrid campuran

Energi turbulen kinetik berdasarkan metode:order 1.5 Skema Therry dan Lacarrere,Skema Duynkerke dan dalam LES memasukan energi turbulensi dan parameter 3-D

Parameterisasi cumulus

Tidak ada

Parameterisasi Radiasi

Shortwave berdasarkan skema Lacis dan Hansen/Stephens.

Longwae berdasarkan Skema Sasamori/Stephens.

Parameterisasi Kestabilan Presipitasi

Parameter mikrofisik Skema Kessler, dengan 5 parameter: air ,hujan,es kristal,salju dan graupel yang digunakan dalam presipitasi konvektif dan menggunakan ukuran grid horisontal kurang dari 2 km.

Contoh fenomena

Sea breeze, angin lembah,sirkulasi pemukiman, mountain-wave,transfort dan difusi polutan, simulasi large-eddy dari lapisan konvektif boundary.

ARPS

Nama

ARPS

Homepage

http://www.caps.ou.edu/ARPS

Pencipta

Ming Hue dan Kelvin Droegemeier

Institusi

University of Oklahoma (School of Meteorology and Center for Analysis and Prediction of Storms)

Group

Nonhydrostatic storm and mesoscale model

Persamaan

Kompresibel, persamaan non hidrostatik.

Dimensi

1-D,2-D atau 3-D

Grid

Arakawa-C grid

Resolusi minimum horisontal

Tak ada batasan jelas tetapi biasanya 1 -2 km

Resolusi vertikal

Fleksibel. Umumnya 5-500 m

Model domain

Fleksibel

Inisialisasi

3-D data real analisis

Teknik solusi

Skema Klemp dan Wilhelmson yang merupakan integrasi waktu ekplisit dengan FCT

Sistem koordinat

Koordinat sigma-z

Boundary lateral

Terdapat beberapa pilihan: zero-gradient,periodik dan dipengaruhi kondisi luar

Top Boundary

Rigid,menyerap atau radiasi gelombang

Permukaan Boundary

Semi-slip lower boundary

Parameterisasi subgrid campuran

Skema Smagorinsky-Lilly, orde 1.5 TKE,

Parameterisasi cumulus

Kain-Fritsch dan Kuo

Parameterisasi Radiasi

Radiasi NASA/GSFC

Parameterisasi Kestabilan Presipitasi

Saturasi grid menggunakan parameter mikrofisik, hujan menggunakan Skema Kessler, enam kategori es menggunakan Skema Lin-Tao dan es menggunakan skemaSchultz.

Contoh fenomena

Semua fenomena musim skala sinotik s.d skala badai, aliran orografik,simulasi ideal badai guruh, squall line dan front.

HOTMAC

Nama

HOTMAC

omepage

http://www.ysasoft.com/ysa

Pencipta

Dr.Ted Yamada

Institusi

Yamada Science dan Art Corporation

Group

Yamada Science dan Art Corporation

Persamaan

inkompresibel, persamaan non hidrostatik. Dan hidrostatik

Dimensi

1-D,2-D atau 3-D

Grid

1-D,80;2-D ,29 x 40;3-D,93 x 64 x 26

Resolusi minimum horisontal

2-D,200 m;3-D,380 m;4 km dan 4 m

Resolusi vertikal

1-D,1 m;2-D,2 m; 3-D, 4m dan 1 m

Model domain

1-D,z=1-10 km;2-D,x=6 km,z=1 km;3-D,x=200 m,y=200 m, z=500 m pilihan lain x=10km 368 m,y=7km 252 m, z=1.3 km 8.4 km

Inisialisasi

4-DDA (empat dimensi data asimilasi)

Teknik solusi

2-d/3-D,ADI (alternating direction implicit),1-D dan Laasonen

Sistem koordinat

Mengikuti ketinggian

Boundary lateral

Persamaan 1-D

Top Boundary

Rigid

Permukaan Boundary

Neraca energi permukaan,lapisan tanah,tutupan lahan vegetasi

Parameterisasi subgrid campuran

Persamaan turbulensi second-moment

Parameterisasi cumulus

Persamaan turbulensi second-moment dengan Gaussian Model

Parameterisasi Radiasi

Skema Sasomori

Parameterisasi Kestabilan Presipitasi

Persamaan untuk rasio campuran uap air dan hujan dan jumlah konsentrasi butiran hujan

Contoh feno

Variasi diurnal PBL, aliran drainase pada pemukiman/topografi yang komplek, turbulensi didalam awan disekitar marine boundary layer, transport tepung sari, perubahan tutupan vegetasi,perubahan tutupan pemukiman

vegetasi.jpg

Sumber (Pielke,1997)

Gambar 1. Menunjukan aplikasi skema kumulus yang digunakan pada skenario vegetasi yang berbeda (atas) vegetasi saat ini (b) vegetasi natural.Dari perbandingan gambar diatas terlihat jelas bagaimana skema konveksi yang sama dan menggunakan parameter yang berbeda akan menghasilkan hasil yang berbeda.


Beberapa sumber tulisan yang sangat layak untuk di pelajari:

Planetary Boundary: a definition

http://www.met.tamu.edu/class/metr452/models/2001/PBLproject.html

LITE Planetary Boundary Layer Measurements:

http://www-lite.larc.nasa.gov/level1doc/phase_c_pbl.html

NWP http://www.meted.ucar.edu

Global Historical Climatology Network, Arizona State University,USA.http://www.cdiac.esd.ornl.gov/ghcn/

Posted in Model Meteorologi | 5 Comments »

Sejarah Pemodelan Iklim

Posted by kadarsah pada April 1, 2008

Beberapa tahapan baik penemuan persamaan matematika maupun penemuan komputer melatarbelakangi pembuatan model iklim.

Persamaan pertama mekanika fluida diformulasikan oleh Leonhard Euler pada tahun 1755, menggunakan kalkulus diferensial yang ditemukan oleh Isaac Newton 1665, Gottfried Wilhelm Leibniz tahun 1675, dan turunan parsial yang ditemukan oleh Jean Le Rond d`Alembert tahun 1746.

Viskositas molecular ditambahkan oleh Claude-Louis Navier tahun1872 dan George Stokes tahun 1845. Persamaan tersebut menjelaskan aliran fluida yang sering disebut persamaan Navier-Stokes. Persamaan tersebut akhirnya disempurnakan oleh Herman von Helmholtz tahun 1888. Persamaan tersebut oleh Vilhem Bjerknes dari Norwegia diterapkan untuk atmosfer terutama dalam prediksi cuaca sekitar tahun 1904. Tetapi,model matematika yang paling tua tentang perubahan iklim adalah Arrhenius (1896) yang menjelaskan tentang keseimbangan energi permukaan. Sehingga kenaikan atau pemanasan 2 C merupakan hasil dari dua kali CO2 diatmosfer. Selanjutnya,kesetimbangan energi ini dilakukan oleh Emden (1913) yang menyatakan bahwa struktur panas atmosfer memerlukan gerakan udara vertikal dan horizontal. Namun perhitungan secara kuantitatif komponen-komponen yang mempengaruhi system energi global dijelaskan oleh Dines (1917 dan 1929).

 

Tahun 1922, Lewis Fry Richardson dari Inggris menerbitkan sebuah buku yang menjelaskan  eksperimen pertama tentang prediksi cuaca numeric, yang dia buat untuk menyelesaikan persamaan primitive dengan kalkulator yang masih sederhana. Saat itu dia melakukan analisis tentang persamaan dan komponen utama untuk simulasi numeric gerakan udara pada waktu yang pendek, untuk membuat prediksi selama 6 jam dia memerlukan waktu selama 6 minggu. Sedangkan Simpson (1928) menganalisis system iklim dan stabilitasnya.

 

 

John von Neuman, fisikawan dari Universitas Princenton, Institut for Advanced Studies dan Vladimir Zworykin,ilmuwan elektro dari Laboratorium Princenton RCA mengusulkan pada tahun 1945 agar memulai melakukan prediksi cuaca numerik (Numerical Weather Prediction=NWP) sebagai usaha untuk mengembangkan penemuan di bidang elektronik computer. Tujuan utamanya adalah untuk membuat simulasi sirkulasi global sebagai langkah awal dalam modifikasi iklim. Akhirnya von Neuman bersama meteorologist termasuk, Carl-Gustav Rossby,Arnt Eliassen,Jule Charney, dan George Platzman menggunakan persamaan matematika primitif di computer yang masih berkemampaun terbatas. Komputer pertama tersebut bernama ENIAC. Akhirnya, Charney dan von Neuman menggunakan satu lapis model barotropik yang dipresentasikan tahun 1948 dan tahun 1949.

 

Prediksi pertama ENIAC, dibuat Maret-April 1950 yang diterapkan pada tiga kasus di Amrika Utara. Hasilnya masih mengecewakan, sehingga bergabunglah Bert Bolin,Joseph Smagorinsky dan Norman Phillips dengan menambahkan beberapa prediksi numerik. Di pihak lain, Rossby bersama dengan Bollin dan Phillips mengembangkan NWP di Swedia dengan mengembangkan suatu model barotropik berdasarkan proses fisik sederhana atmosfer. Komputer yang digunakan disebut BESK tahun 1953 dan merupakan computer terhebat saat itu.

Desember 1954, mulai prediksi cuaca dengan memakan waktu 24,48 dan 72 jam yag memprediksi pada ketinggian 50 kPa. Penelitian ini berakhir May 1955 dengan 60-70 kali prediksi yang memperlihat hasil yang baik.

 

Tahun 1953, IBM di Amerika menemukan spesifikasi computer yang baru yang sesuai dengan NWP, sehingga tahun 1954 mulailah digunakan sebagai NWP dan melibatkan USAF Air Weather Service, US Wetaher Bureau, dan Navy WX Service. Mereka bergabung dalam Joint Numerical Prediction Unit (JNWPU)  dan diketua oleh George Cressman. Kelompok tersebut memutuskan untuk focus pada prediksi cuaca yang menggunakan model barotrofik quasi-geostrofik ( yang berasal dari Charney dan Eliassen tahun 1948). Komputer yang digunakan masih terbatas untuk 3 lapis ( 40,70,90 kPa). Tahun 1955 IBM 701 diperkenalkan dan digunakan JNWPU untuk prediksi cuaca rutin di Amerika Utara. Perbaikan dilakukan oleh Hans Panofsky pada pembuatan skema untuk analisis otomatis dari analisis data.

Sedangkan Phillips dan Smagorinsky menggunakan NWP untuk meneliti sirkulasi global. Tetapi sampai tahun 1956, hasilnya masih mengecewakan.

 

Tahun 1958,NMC (National Meteorological Center) melakukan NWP untuk NMC.

Langkah awal NWP adalah, inisialisasi dilakukan menggunakan data secara manual,dimana data observasi di interpolasi ke model. Kegagalan model baroklinik  ( multi layer )pada tahun-tahun sebelumnya disebabkan kurangnya kalibrasi dan penggunaan yang buruk. Sehingga ilmuwan beralih menggunakan model barotrofik, sebab model ini hanya menggunakan satu lapis. Model ini tidak memasukan topografi, dan menghasilkan gelombang panjang dalam sirkulasi global yang tidak realistik dalam pergerakan timur-barat. Sehingga kualitas prediksi dikembangkan dengan memanipulasi gelombang panjang.

 

Akhirnya,Cressman dan Phillips menemukan solusi  dengan mengubah karakteristik udara di atas troposphere model. Hasilnya, prediksi barotrofik 50 kPa memiliki kualitas yang tinggi dimana 10 tahun telah berlalu sebelum model baroklinik mengalahkannya. Akhirnya, tahun 1963 komputer baru yang cukup mutakhir memiliki 6 persamaan primitive dapat di terapkan. Akhirnya, membuat NWP menjadi alat prediksi yang baik. Sejak saat itu berbagai penyempurnaan mulai dilakukan di antaranya: tambahan layer,domain global,topografi,salju,es,radiasi,awan,presipitasi dan turbulensi. Model regional NMC ditingkatkan menjadi LFM (limited area fine mesh) tahun 1976, dan berakhir tahun 1994. Suatu model nesting, NGM (Nested Grid Model) diperkenalkan tahun 1990 untuk membuat prediksi 2 hari, memiliki 16 layer, dengan resolusi horizontal 80 x 160 km.

 

Tahun 1990, NMC menggunakan model grid-point, dengan resolusi vertical 38 layer untuk mengimbangi topografi, sehingga berhasil membuat prediksi 2 hari yang meliputi 1/3 BBU. Tahun 1999, NMC memiliki 32 km resolusi horizontal dan 45 layer.

Sebelumnya tahun 1980, spectral yang menampilkan bidang horizontal menggantikan grid point dalam model global MNC. Selanjutnya tahun 1990-an,beberapa model di satukan menjadi GSM ( Global Spectral Model) hidrostatik, dengan 42 layer dan resolusi horizontal 80 km. GSM digunakan prediksi 5 hari dalam AVN, untuk MRF ( Medium Range Forecast) selama 15 hari, menggunakan time step 9 menit, dan 14 menit untuk runtime/hari pada computer Cray YMP. Tahun 1990-an, militer USA juga melakukan NWP yang dikoordinir dalam FNMOC ( Fleet Numerical Meteorological and Oceanographic Center). Kemudian NMC dirombak menjadi NCEP (National Centers for Environmental Prediction) dan berlokasi di sekitar Washinton,DC. Mereka, memasukan Model MesoEta,yang pada tahun 1999 memiliki 10 km grid, dan 60 layer. Sedangkan CMC ( Canadian Meteorological Center) mengembangkan GEM( Global Environmental Multiscale) pada akhir tahun1990-an, dengan variable grid 15 km.

 

Sebelumnya, masyarakat Eropa tahun 1970-an,membentuk ECMWF ( European Centre for Medium Range Forecast) di kota Reading, Inggris. Prediksi pertama dilakukan tahun 1979 berdasarkan model grid-point. Tahun 1990-an, prediksi 10 hari dengan model spectral. Mulai tahun 1992, ECMWF mengoperasikan EPS ( Ensemble Prediction System ). Akhir tahun 1990-an,50 alternatif analisis dilakukan tiap hari dari analisis operasional dan berlangsung sukses.  Analisis tersebut digunakan sebagai titik awal untuk 50 prediksi 10 hari kedepan. Hasilnya digunakan untuk mengukur tingkat kepercayaan dan informasi berharga lainnya.

 

Akhir tahun 1999, ECMWF  merupakan prediksi numerik dengan tingkat verifikasi tertinggi di dunia. Model tersebut memiliki resolusi horisontal  60 km dan 60 layer, 8.3 juta grid point dengan 10 varibel meteorologi dihitung setiap 20 menit. Untuk prediksi 10 hari, memerlukan waktu 1.5 jam pada computer FujitsuVPP700 dengan menggunakan 24 processor dan melakukan perhitungan 10

Sumber:Calculating the Weather oleh F.Nebeker, 1995.

Posted in Model Meteorologi | 13 Comments »

Beberapa Skema Parameterisasi Awan Kumulus

Posted by kadarsah pada April 1, 2008

SkemaAnthes-Kuo

Asumsi

Kelebihan

Kelemahan

1. Penutup/batas skema berdasarkan asumsi bahwa intensitas subgrid konveksi dalam sesuai dengan integrasi vertical konvergensi massa air dalam suatu kolom grid.

2. Bagi konvergensi pengembunan yang memicu konveksi,kedalaman awan dan ABE (available buoyant energy) dalam kolom harus melebihi nilai minimum.

3. Penutup/batas skema konvergensi pengembunan diasumsikan bahwa area suatu grid box lebih besar dibanding dengan area konvektif updraft.

4. Konvergensi air dapat digunakan untuk menghasilkan hujan atau melembabkan kolom. Bagian hujan yang lain merupakan fungsi rata-rata kelembaban relative dari suatu kolom

1. Batas konvergensi pengembunan sangat baik untuk daerah tropis dan penerapan pada grid yang kasar.

2. Memiliki kelebihan yang baik untuk skala global seperti NCEP,NGM dan model global lainnya

3. Penambahan skala berdasarkan data empiric dari profil untuk kalor bersih dan kelembaban dari konveksi yang memungkinkan efisiensi perhitungan timbale balik ke lingkungan

1. Untuk ukuran 30 km atau kurang dapat menghasilkan curah hujan yang sangat lebat

2. Tidak memasukan konvektif downdraft, dan hal tersebut tidak baik untuk simulasi system konvektif mesoscale yang dipengaruhi oleh aliran boundary.

Skema arakawa-Schubert

Asumsi

Kelebihan

Kelemahan

1. Awan yang terbentuk merupakan gabungan dari awan-awan kecil dengan mengurangi awan lainnya.

2. Batas/penutup berdasarkan asumsi bahwa intensitas dikontrol oleh fungsi awan, yang mengukur timbulnya gaya bouyanci yang terintegrasi dalam lingkungan tersebut, yang berhubungan dengan timbulnya energi kinetic disisi awan. Sehingga konveksi disekitarnya menghalangi laju produksi bouyanci pada tiap grid

3. Model awan memasukan efek menjalar, tetapi penurunan hanya terjadi pada puncak awan dan didefinisikan sebagai keadaan steady-state .

4. Laju hujan merupakan bagian dari air cair updraft, yang bergantung pada ukuran awan dan wind shear.

1. Memasukan sekumpulan awan yang secara fisik lebih beralasan dibanding memasukan semua jenis parameterisasi dalam suatu grid box

2. Skema terbaik untuk konveksi yang terjadi didaerah laut tropis dimana laju munculnya buoyancy berlangsung secara gradual.

1. Fungsi cloud-work yang membatasi skema tidak tepat dihubungkan dengan keadaan non-steady-state seperti konveksi ekplosive di kontingen lintang menengah

2. Lebih memerlukan biaya dalam melakukan perhitungan untuk awan

3. Tidak memasukan skala konvektif downdraft

Skema Fritsch-Chappell

Asumsi

Kelebihan

Kelemahan

1. Sesuai untuk panjang grid 10-30 km

2. Jumlah aktivitas konvektif berasal dari konsep energi potensial bouyanci (PBE) atau area positif pada diagram termodinamika antara level konveksi bebas (LFC=level of free convection) dan level kesetimbangan. Energi ini menjadi berguna jika daerah negative dibawah LFC dapat terjadi,sehingga suatu parsel awan mencapai LFC dengan pergerakan vertical yang positif. Sehingga CAPE (Convective available Potential Energy) adalah PBE-daerah negative dibawah LFC.

3. Skala wakti konveksi,tc didefinisikan sebagai waktu adveksi yang panjangnya dibagi oleh kecepatan angina horizontal(DX/|v|)

4. Penutup/batas berdasarkan asumsi dimana kencendrungan konveksi seperti CAPE dalam suatu kolom dihilangkan dengan suatu konveksi dengan waktutc

5. Updraft dan downdraft dihitung secara terpisah. Model awan memungkinkan parcel dimasukan kedalam updraft. Penurunan awan hanya terjadipada puncaknya melalui dasar awan dengan mekanisme downdraft.

6. Area inisialisasi updraft diasumsikan menjadi 1 % dan submodel mengalami iterasi sampai penghitungan updraft/downdraft menghilangkan semua CAPE selama tc

7. Mekanisme trigger berdasarkan kondisi parsel dengan Tv dan qv ( rata-rata nilai untuk subcloud mixed layer), dengan temperatur pertubasi,DT, yang dapat mencapai LFC dengan bouyanci positif.Pertubasi DT=C1w dimana C1 merupakan konstanta dan w merupakan kecepatan vertikal saat LFC.

1. Memungkinkan CAPE sesuai untuk badai dataran luas

2. Parameter konvektif pertama khusus didesain untuk meso-

4. Tidak dapat menghemat air dan massa air

Betts-Miller

Asumsi

Kelebihan

Kelemahan

1. Terdapat struktur termodinamika quasi-equilibrum dimana lingkungannya berpindah akibat konveksi. Struktur ini dapat didefinisikan dalam mixing line yang ditentukan dari data observasi

2. Untuk tujuan representasi konveksi dari model global, hal tersebut tidak penting untuk secara ekplisit menampilkan pemanasan dan kelembaban yang disebabkan oleh proses subgrid updraft, downdraft, peluruhan dan pembentukan. Dengan asumsi bahwa keserdahaan desain akan lebih efisien dan mengurangi eror, semuanya dibuat secara implisit.

3. Batas skema diasumsikan bahwa laju saat kelabilan konvektif ditimbulkan dalam suatu lingkungan yang menentukan bagaimana kecepatan profil lingkungan berubah menurut mixing-line. Skala waktu relaksasi untuk konvektif selama 2 jam

1. Batas mixing-line didesain untuk laut tropis,grid yang kasar dan kasus-kasus yang mempengaruhi lingkungan

2. Sangat sempurna untuk berbagai variasi aplikasi dan dapat mengadaptasi untuk mesoscale dengan penyesuaian beberapa parameter. Hal tersebut digunakan dalam operasional NCEP Eta Model.

1. Tidak memasukan parameter downdraft convektif

2. Batas mixing-line muncul kurang tepat dalam kasus konvektif dalam yang ekplosif dan tidak langsung menimbulkan skala tinggi dan rendag dari meso-

Grell

Asumsi

Kelebihan

Kelemahan

1. awan konveksi dalam untuk semua grid

2. Skema awal berasal dari fungsi cloud-work Arakawa-Schubert untuk batasnya, tetapi kemudian berubah menggunakan CAPE sebagaimana Kain-Fritsch

3. Tidak ada pencampuran langsung secara lateral dengan lingkungan, kecuali pada level awal atau akhir dair updraft/downdraft. Sehingga fluks massa konstan menurut ketinggian

4. Fraksi area yang menutupi updraft dan downdraft dalam suatu kolom adalah kecil. Hal ini memungkinkan skema untuk memperbaiki, meskipun beberapa derajat range masih sangat penting.

1. Skema yang sangat sempurna yang dimodifikasi sehingga seperti Kain-Fritsch

2. Memasukan efek downdraft

3. Sangat baik untuk ukuran grid 10-12km

1. Karakteristik Arakawa-Schubert pada batas skema sebagian besar diganti

2. Tidak ada efek entrainment-detrainment

Kain-Fritsch

Asumsi

Kelebihan

Kelemahan

1. Skema Fritsch-Chappell masih dipertahankan termasuk CAPE

2. model awan diformulasikan menjadi detrainment-entrainment dengan parsel bouyanci yang dihitung sebagai fungsi dari parsel yang tercampur secara lateral anatar lingkungan dan updraft.

3. Perbedaan di reformulasikan menjadi kekelan massa,energi panas, massa dan momentum

4. Didesain untuk ukuran grid 20-25 km

5. Memuat proses fisik awan yang sangat lengkap dalam parameterisasi konvektif

6. Parameter downdraft memungkinkan simulasi lebih baik untuk respon skala meso dan memungkinkan untuk sebagian besar skema

3. Batas CAPE tidak sesuai untuk lingkungan tropis dan dapat menyebabkan konveksi yang sangat kua

PENN State Shallow Convection

sumsi

Kelebihan

Kelemahan

1. Batasa skema berdasarkan asumsi bahwa intensitas konveksi, dalam hal fluks massa cloud-base, yang dikontrol oleh suatu energi kinetic turbulen boundary-layer (TKE) dan CAPE dalam sauatu kolom

2. Radius awan merupakan fungsi dari kedalaman PBL ( Planetary Boundary Layer) dan awan.

3. Puncak tinggi awan tumbuh pada bagian dari kecepatan maksimum updraft ini terjadi sebab hambatan terdapat pada lingkungan di atas awan

4. Massa awan meluruh dari updraft konvektif dangkal yang tidak tercampur seketika dengan lingkungan, tetapi menjadi bagian dari NBC ( Nearly-neutrally buoyancy cloud) pada level penurunan.

5. LWC ( liquid water content) dan area NBC di prediksi berdasarkan sumber updraft cumulus, adveksi sifat-sifat awan, dan disipasi dari campuran, instabilitas, dan proses presipitasi.

6. Inisialisasi updraft parsel dilepaskan di puncak PBL, yang memiliki panas dan embun yang didefinisikan dari udara, setidaknya paling rendah sebesar 20 % PBL, dan kecepatan vertical berdasarkan nilai maksimum TKE dalam PBL.

7. Efek radiasi dari awan dangkal memasukan efek random vertical sebagian dari NBC

1. Batasan massa fluks hybrid yang konsisten dengan cumulus-forcing di atmosfer.

2. Inklusi NBC menghasilkan fleksibilitas antara stratocumulus dan lingkungan cumulus.

3. Transisi secara bertahap dari konveksi dangkal ke konveksi dalam menjadi awan stratiform yang solid.

4. Sesuai dengan lingkungan laut dan daratan dan digunakan untuk model skala meso.

1. Sejumlah parameter dan proses subgrid memerlukan penelitian lebih lanjut dan pemodelan berdasarkan LES dan tambahan observasi

2. Memerlukan tes lebih lanjut danevaluasi dalam variasi lingkungan 3-D.

SkemaAnthes-Kuo

Asumsi

Kelebihan

Kelemahan

1. Penutup/batas skema berdasarkan asumsi bahwa intensitas subgrid konveksi dalam sesuai dengan integrasi vertical konvergensi massa air dalam suatu kolom grid.

2. Bagi konvergensi pengembunan yang memicu konveksi,kedalaman awan dan ABE (available buoyant energy) dalam kolom harus melebihi nilai minimum.

3. Penutup/batas skema konvergensi pengembunan diasumsikan bahwa area suatu grid box lebih besar dibanding dengan area konvektif updraft.

4. Konvergensi air dapat digunakan untuk menghasilkan hujan atau melembabkan kolom. Bagian hujan yang lain merupakan fungsi rata-rata kelembaban relative dari suatu kolom

1. Batas konvergensi pengembunan sangat baik untuk daerah tropis dan penerapan pada grid yang kasar.

2. Memiliki kelebihan yang baik untuk skala global seperti NCEP,NGM dan model global lainnya

3. Penambahan skala berdasarkan data empiric dari profil untuk kalor bersih dan kelembaban dari konveksi yang memungkinkan efisiensi perhitungan timbale balik ke lingkungan

1. Untuk ukuran 30 km atau kurang dapat menghasilkan curah hujan yang sangat lebat

2. Tidak memasukan konvektif downdraft, dan hal tersebut tidak baik untuk simulasi system konvektif mesoscale yang dipengaruhi oleh aliran boundary.


Skema arakawa-Schubert

Asumsi

Kelebihan

Kelemahan

1. Awan yang terbentuk merupakan gabungan dari awan-awan kecil dengan mengurangi awan lainnya.

2. Batas/penutup berdasarkan asumsi bahwa intensitas dikontrol oleh fungsi awan, yang mengukur timbulnya gaya bouyanci yang terintegrasi dalam lingkungan tersebut, yang berhubungan dengan timbulnya energi kinetic disisi awan. Sehingga konveksi disekitarnya menghalangi laju produksi bouyanci pada tiap grid

3. Model awan memasukan efek menjalar, tetapi penurunan hanya terjadi pada puncak awan dan didefinisikan sebagai keadaan steady-state .

4. Laju hujan merupakan bagian dari air cair updraft, yang bergantung pada ukuran awan dan wind shear.

1. Memasukan sekumpulan awan yang secara fisik lebih beralasan dibanding memasukan semua jenis parameterisasi dalam suatu grid box

2. Skema terbaik untuk konveksi yang terjadi didaerah laut tropis dimana laju munculnya buoyancy berlangsung secara gradual.

1. Fungsi cloud-work yang membatasi skema tidak tepat dihubungkan dengan keadaan non-steady-state seperti konveksi ekplosive di kontingen lintang menengah

2. Lebih memerlukan biaya dalam melakukan perhitungan untuk awan

3. Tidak memasukan skala konvektif downdraft

Skema Fritsch-Chappell

Asumsi

Kelebihan

Kelemahan

1. Sesuai untuk panjang grid 10-30 km

2. Jumlah aktivitas konvektif berasal dari konsep energi potensial bouyanci (PBE) atau area positif pada diagram termodinamika antara level konveksi bebas (LFC=level of free convection) dan level kesetimbangan. Energi ini menjadi berguna jika daerah negative dibawah LFC dapat terjadi,sehingga suatu parsel awan mencapai LFC dengan pergerakan vertical yang positif. Sehingga CAPE (Convective available Potential Energy) adalah PBE-daerah negative dibawah LFC.

3. Skala wakti konveksi,tc didefinisikan sebagai waktu adveksi yang panjangnya dibagi oleh kecepatan angina horizontal(DX/|v|)

4. Penutup/batas berdasarkan asumsi dimana kencendrungan konveksi seperti CAPE dalam suatu kolom dihilangkan dengan suatu konveksi dengan waktutc

5. Updraft dan downdraft dihitung secara terpisah. Model awan memungkinkan parcel dimasukan kedalam updraft. Penurunan awan hanya terjadipada puncaknya melalui dasar awan dengan mekanisme downdraft.

6. Area inisialisasi updraft diasumsikan menjadi 1 % dan submodel mengalami iterasi sampai penghitungan updraft/downdraft menghilangkan semua CAPE selama tc

7. Mekanisme trigger berdasarkan kondisi parsel dengan Tv dan qv ( rata-rata nilai untuk subcloud mixed layer), dengan temperatur pertubasi,DT, yang dapat mencapai LFC dengan bouyanci positif.Pertubasi DT=C1w dimana C1 merupakan konstanta dan w merupakan kecepatan vertikal saat LFC.

1. Memungkinkan CAPE sesuai untuk badai dataran luas

2. Parameter konvektif pertama khusus didesain untuk meso-

4. Tidak dapat menghemat air dan massa air


Betts-Miller

Asumsi

Kelebihan

Kelemahan

1. Terdapat struktur termodinamika quasi-equilibrum dimana lingkungannya berpindah akibat konveksi. Struktur ini dapat didefinisikan dalam mixing line yang ditentukan dari data observasi

2. Untuk tujuan representasi konveksi dari model global, hal tersebut tidak penting untuk secara ekplisit menampilkan pemanasan dan kelembaban yang disebabkan oleh proses subgrid updraft, downdraft, peluruhan dan pembentukan. Dengan asumsi bahwa keserdahaan desain akan lebih efisien dan mengurangi eror, semuanya dibuat secara implisit.

3. Batas skema diasumsikan bahwa laju saat kelabilan konvektif ditimbulkan dalam suatu lingkungan yang menentukan bagaimana kecepatan profil lingkungan berubah menurut mixing-line. Skala waktu relaksasi untuk konvektif selama 2 jam

1. Batas mixing-line didesain untuk laut tropis,grid yang kasar dan kasus-kasus yang mempengaruhi lingkungan

2. Sangat sempurna untuk berbagai variasi aplikasi dan dapat mengadaptasi untuk mesoscale dengan penyesuaian beberapa parameter. Hal tersebut digunakan dalam operasional NCEP Eta Model.

1. Tidak memasukan parameter downdraft convektif

2. Batas mixing-line muncul kurang tepat dalam kasus konvektif dalam yang ekplosif dan tidak langsung menimbulkan skala tinggi dan rendag dari meso-

Grell

Asumsi

Kelebihan

Kelemahan

1. awan konveksi dalam untuk semua grid

2. Skema awal berasal dari fungsi cloud-work Arakawa-Schubert untuk batasnya, tetapi kemudian berubah menggunakan CAPE sebagaimana Kain-Fritsch

3. Tidak ada pencampuran langsung secara lateral dengan lingkungan, kecuali pada level awal atau akhir dair updraft/downdraft. Sehingga fluks massa konstan menurut ketinggian

4. Fraksi area yang menutupi updraft dan downdraft dalam suatu kolom adalah kecil. Hal ini memungkinkan skema untuk memperbaiki, meskipun beberapa derajat range masih sangat penting.

1. Skema yang sangat sempurna yang dimodifikasi sehingga seperti Kain-Fritsch

2. Memasukan efek downdraft

3. Sangat baik untuk ukuran grid 10-12km

1. Karakteristik Arakawa-Schubert pada batas skema sebagian besar diganti

2. Tidak ada efek entrainment-detrainment

Kain-Fritsch

Asumsi

Kelebihan

Kelemahan

1. Skema Fritsch-Chappell masih dipertahankan termasuk CAPE

2. model awan diformulasikan menjadi detrainment-entrainment dengan parsel bouyanci yang dihitung sebagai fungsi dari parsel yang tercampur secara lateral anatar lingkungan dan updraft.

3. Perbedaan di reformulasikan menjadi kekelan massa,energi panas, massa dan momentum

4. Didesain untuk ukuran grid 20-25 km

5. Memuat proses fisik awan yang sangat lengkap dalam parameterisasi konvektif

6. Parameter downdraft memungkinkan simulasi lebih baik untuk respon skala meso dan memungkinkan untuk sebagian besar skema

3. Batas CAPE tidak sesuai untuk lingkungan tropis dan dapat menyebabkan konveksi yang sangat kuat

PENN State Shallow Convection

Asumsi

Kelebihan

Kelemahan

1. Batasa skema berdasarkan asumsi bahwa intensitas konveksi, dalam hal fluks massa cloud-base, yang dikontrol oleh suatu energi kinetic turbulen boundary-layer (TKE) dan CAPE dalam sauatu kolom

2. Radius awan merupakan fungsi dari kedalaman PBL ( Planetary Boundary Layer) dan awan.

3. Puncak tinggi awan tumbuh pada bagian dari kecepatan maksimum updraft ini terjadi sebab hambatan terdapat pada lingkungan di atas awan

4. Massa awan meluruh dari updraft konvektif dangkal yang tidak tercampur seketika dengan lingkungan, tetapi menjadi bagian dari NBC ( Nearly-neutrally buoyancy cloud) pada level penurunan.

5. LWC ( liquid water content) dan area NBC di prediksi berdasarkan sumber updraft cumulus, adveksi sifat-sifat awan, dan disipasi dari campuran, instabilitas, dan proses presipitasi.

6. Inisialisasi updraft parsel dilepaskan di puncak PBL, yang memiliki panas dan embun yang didefinisikan dari udara, setidaknya paling rendah sebesar 20 % PBL, dan kecepatan vertical berdasarkan nilai maksimum TKE dalam PBL.

7. Efek radiasi dari awan dangkal memasukan efek random vertical sebagian dari NBC

1. Batasan massa fluks hybrid yang konsisten dengan cumulus-forcing di atmosfer.

2. Inklusi NBC menghasilkan fleksibilitas antara stratocumulus dan lingkungan cumulus.

3. Transisi secara bertahap dari konveksi dangkal ke konveksi dalam menjadi awan stratiform yang solid.

4. Sesuai dengan lingkungan laut dan daratan dan digunakan untuk model skala meso.

1. Sejumlah parameter dan proses subgrid memerlukan penelitian lebih lanjut dan pemodelan berdasarkan LES dan tambahan observasi

2. Memerlukan tes lebih lanjut danevaluasi dalam variasi lingkungan 3-D.

Posted in Model Meteorologi | 3 Comments »

Indonesia emiter karbon ketiga?

Posted by kadarsah pada Oktober 23, 2007

Oleh Dr. Edvin Aldrian
(Peneliti Madya Meteorologi UPTHB – BPPT dan Dosen Pasca Meteorologi Laut Universitas Indonesia)

peneliti UPTHB – BPP Teknologi, phone 316 8828, email: edvin[at]webmail.bppt.go.id

Laporan penelitian LSM Wetland International dan Delft Hydraulics pada awal November 2006 menempatkan Indonesia sebagai negara penghasil emisi CO2 ketiga dunia setelah Amerika Serikat dan China. Stigma buruk tersebut dirujuk oleh LSM lainnya dengan tanpa adanya kajian dan tanggapan yang memadai. Bahkan dalam rangka mensukseskan peran sebagai tuan rumah konferensi perubahan iklim (COP13) bulan Desember di Bali, Presiden SBY telah mengumpulkan 8 gubernur yang langganan kebakaran hutan agar waspada dan merencanakan membentuk Forestry Eight (Kompas, 1 September 2007).

Sebelum menunjukkan kepanikan kita akan berita yang mendiskreditkan tersebut, ada baiknya kita menyimak dan mengkaji estimasi yang dikeluarkan oleh Wetland International (WI). Menurut WI, akibat kebakaran hutan tahun 1997, 1998 dan 2002 yang menghabiskan lahan hutan antara 1.5 dan 2.2 juta hektar, telah diemisikan CO2 sebesar 3000 hingga 9400 Mton (setara 818 hingga 2563 Mton karbon, dengan asumsi seluruh karbon adalah bagian dari CO2 hasil pembakaran). Nilai emisi tersebut setara antara 13 hingga 40% emisi dunia. Pada bagian lain laporan WI disebutkan bahwa nilai emisi karbon Indonesia dari kawasan gambut adalah 600 Mton akibat oksidasi karena pengeringan lahan dan 1400 Mton CO2 (setara 381 Mton karbon) akibat kebakaran lahan. Dari manakah asumsi angka tersebut?

Perhitungan emisi karbon akibat kebakaran hutan dilakukan dengan mengacu pada beberapa asumsi dasar yaitu jenis lahan, daya bakar lahan, kedalaman lahan bakar (terutama bagi lahan gambut), faktor emisi dan kalibrasi sebaran bakar. Beberapa peneliti mencoba menghitung nilai emisi dari kebakaran hutan tahun 1997 yang merupakan terparah sepanjang sejarah. Page dkk (2002) memperkirakan antara 810 hingga 2563 Mton karbon, sementara Duncan (2003) melaporkan 700 Mton karbon, Levine (1999) mengestimasi 245 Mton karbon dan Heil, Langmann dan Aldrian (2007) melaporkan 1098 Mton karbon. Walhasil angka yang dikeluarkan WI berasal dari estimasi Page dkk (2002) yang memiliki tingkat ketidak percayaan tinggi (rentang nilai yang lebar). Estimasi tinggi dari Page dkk tersebut juga diragukan oleh peneliti diatas lainnya.

Hingga saat ini hanya estimasi dari kebakaran hutan tahun 1997 yang selalu dirujuk dan belum ada publikasi komprehensif untuk kebakaran tahun sesudahnya. Akan tetapi estimasi emisi karbon antara tahun 1998 hingga sekarang dapat dilakukan dengan mengacu pada asumsi yang sama dengan variasi dari jumlah titik api (hotspot) dan satuan jenis lahan (apakah lahan gambut atau bukan). Laporan titik api hasil pemantauan dari satelit NOAA 14 dan 18 dapat diperoleh untuk melakukan kalkulasi emisi tersebut. Hasil estimasi emisi karbon Indonesia akibat kebakaran hutan sepuluh tahun terakhir terlihat pada Tabel 1. Terlihat bahwa nilai emisi tertinggi mencapai 13 kali lipat dari nilai terendah.

Hal yang menarik untuk diperhatikan adalah bahwa variasi titik api bulanan sangat dipengaruhi oleh variasi iklim. Hasil korelasi jumlah titik api paruh kedua tahunan (antara Juli hingga Desember) di pulau Sumatera dan Kalimantan dengan indeks iklim di samudra Pasifik (indeks fenomena El Nino) menunjukkan tingkat korelasi sangat tinggi yaitu diatas 90% (perhatikan Gambar 1). Hal ini membuktikan kuatnya peran iklim dalam mendorong kasus kebakaran, meski disadari bahwa sebagian besar pelaku kebakaran adalah akibat aktivitas manusia. Sehingga dapat dipastikan Indonesia sebagai korban variasi tahunan iklim regional yang nyata.

jul-dec-hotspot.jpg

Gambar 1. Variasi tahunan titik api pulau Kalimantan dan Sumatera dihubungkan dengan indeks El Nino (anomali NINO3 SST)

Data untuk Gambar 1

datagambarsatu.jpg

Hasil estimasi emisi karbon serta hubungan kebakaran hutan tahunan dan iklim membawa beberapa implikasi berikut. Besar kecilnya angka titik api kebakaran hutan tahunan menunjukkan rentannya posisi Indonesia terhadap situasi iklim regional. Hal serupa juga dialami oleh Yunani pada musim panas tahun ini atau Amerika Serikat serta Spanyol yang mengalami kebakaran hutan pada saat musim yang sangat panas dan kering. Dalam posisi ini Indonesia dapat mengajukan dana adaptasi akibat perubahan iklim dan bukan sebagai “hanya” penghasil emisi. Nilai yang dipublikasi oleh WI sebagai dasar Indonesia rangking tiga besar dunia memakai porsi lahan gambut dari seluruh lahan terbakar yaitu sekitar 1400 Mton CO2 (setara dengan 381 Mton karbon). Nilai ini sendiri apabila dibandingkan dengan fluktuasi nilai emisi tahunan dari seluruh lahan terbakar (Tabel 1) menunjukkan angka yang terlalu tinggi terutama pada tahun-tahun non El Nino yaitu 1998, 1999, 2000, 2001, 2003, 2005 dan 2007 (proyeksi). Pada tahun-tahun tersebut dapat dipastikan bahwa emisi karbon Indonesia tidak menempati rangking tiga dunia.

Table 1. Estimasi emisi karbon akibat kebakaran hutan sejak 1997. Perhitungan 2007 memakai data hingga bulan September.

emisi-karbon1.jpg

Dengan demikian nilai tengah yang mereka pakai untuk menobatkan Indonesia di posisi ketiga kurang sesuai, apalagi mengingat rasio emisi tahunan tertinggi dan terendah yang sangat tajam (13 kali lipat). Hal lain yang perlu diingat adalah estimasi ini semua hanya memasukkan faktor kebakaran hutan tanpa memasukkan nilai daya serap hutan disaat tidak terjadi kebakaran. Dalam perhitungan emisi karbon global beberapa negara sudah memasukkan unsur daya serap hutan mereka, sedangkan untuk hutan Indonesia hal ini belum dilakukan karena belum ada kesepahaman metoda. Kesalahan terakhir adalah asumsi bahwa seluruh hasil pembakaran berbentuk CO2 bukan senyawa karbon lainnya. Nyatalah, bahwa kita harus selalu waspada akan berbagai upaya yang mencoba mendiskreditkan posisi Indonesia dalam post Kyoto Protokol, perdagangan emisi global dan upaya pemerintah untuk mengurangi dampak kebakaran hutan. Apalagi Indonesia sedang dalam proses ratifikasi UU ASEAN Transboundary Haze. Posisi estimasi emisi karbon ini perlu diangkat dalam negosiasi karbon global serta memposisikan kepentingan rehabilitasi dan pelestarian lahan gambut yang kita miliki.

Posted in Global Climate Change, Klimatologi, Meteorologi, Model Meteorologi, Natural Hazard, Sains atmosfer | 1 Comment »

Simulasi Asap Kebakaran Hutan 1996-1998

Posted by kadarsah pada Agustus 31, 2007

Berikut merupakan hasil simulasi asap kebakaran hutan yang di bagi masing-masing:

  • Simulasi asap kebakaran hutan selama Juli-Desember 1996
  • Simulasi asap kebakaran hutan selama Juli-Desember 1997
  • Simulasi asap kebakaran hutan selama Juli-Desember 1998

Alasan pemilihan ketiga tahun adalah untuk mewakili kondisi normal (1996), El Nino ( 1997) dan La Nina (1998).

Tujuan simulasi ini adalah untuk mengetahui sejauh mana pengaruh parameter meteorologi bagai penyebaran asap kebakaran hutan. Acuan standar adalah tahun 1997, ketiga simulasi dikondisikan sama dengan perbedaan terletak hanya pada kondisi meteorologis.

1000m.png

Gambar.1 Rata-rata bulanan penyebaran asap kebakaran hutan pada level 1000 mb

850m.png

Gambar.2 Rata-rata bulanan penyebaran asap kebakaran hutan pada level 850 mb

750m.png

Gambar.3 Rata-rata bulanan penyebaran asap kebakaran hutan pada level 750 mb

500m.png

Gambar.4 Rata-rata bulanan penyebaran asap kebakaran hutan pada level 500 mb

Dari keempat gambar terlihat bahwa semakin tinggi tingkat penyebaran asap semakin lemah, selama ketiga simulasi, penyebaran yang paling kuat terjadi saat El Nino dan maksimum saat bulan September.

Posted in Meteorologi, Model Meteorologi, Sains atmosfer | 17 Comments »