Rencana 3-Tahun Riset & Pengembangan Model Risiko Banjir Dinamis untuk Wilayah DKI Jakarta

Transkripsi

1 Tim Riset Banjir (TRB) Rencana 3-Tahun Riset & Pengembangan Model Risiko Banjir Dinamis untuk Wilayah DKI Jakarta Dipresentasikan pada oleh Tim Riset Banjir: Tri Wahyu Hadi (WCPL-ITB), Hengki Eko Putra (MAIPARK), Aditia Rojali (IRISIKO), I Dewa Gede A. Junnaedhi; M. Ridho Syahputra; Edi Riawan (WCPL-ITB), Ibnu Sofian (BIG)

2 Risiko Banjir DINAMIS, apa dan mengapa? Variabilitas Iklim Global dan Peluang Kejadian Banjir Statistik kejadian kekeringan dan banjir yang berasosiasi dengan variabilitas iklim terkait fenomena El Nino dan La Nina di India dan Australia Utara. (K.M. Lau, Encyclopedia of Atmospheric Sciences, 2003) Centennial climatology of ENSO sensitive regions with regard to the global landsurface precipitation from 1901 to 2010 (Merz et al., 2014)

3 Risiko Banjir DINAMIS, apa dan mengapa? Kejadian Banjir: Cara Pandang Klasik dan Baru Aspek Randomness (sifat acak) Cara Pandang Klasik Random (Acak): Banjir adalah kejadian acak yang magnitudo-nya hanya tergantung kepada distribusi statistik Baru Kausal: kejadian banjir, baik magnitudo maupun frekuensinya ditentukan oleh serangkaian process di atmosfer dan Daerah Aliran Sungai (DAS). Sebagian dari variabilitas banjir tergambarkan oleh proses deterministik, dijelaskan dari karakteristik iklim yang mengubah distribusi peluang banjir. Perspektif spasial Lokal: kejadian banjir sepenuhnya dapat digambarkan oleh proses-proses di dalam lingkup DAS. Variabilitas dan banjir natural Perspektif temporal Stasioner: karakteristik banjir bersifat stasioner, yakni merupakan rata-rata jangka panjang dari variabilitas natural di dalam DAS Recent (kekinian): karakteristik banjir sebagai hasil dari kondisi paling mutakhir yang terkunci di dalam DAS Estimasi banjir Netral terhadap proses: antara satu kejadian banjir satu dengan lainnya tidak ada perbedaan proses yang mendasar Global: banjir terjadi dalam kerangka spasial yang melibatkan pola sirkulasi skala besar di dalam sistem iklim. Bervariasi terhadap waktu: karakteristik banjir berubah sesuai dengan variabilitas iklim pada beberapa skala waktu yang berbeda Jangka panjang: karakteristik banjir merupakan hasil dari proses yang saling terkait dalam jangka panjang melibatkan iklim, topografi, geologi, vegetasi, dan manusia. Berbasis proses: banjir dapat terjadi dengan proses yang berbeda dalam satu DAS. Informasi mengenai proses-proses banjir yang terjadi menentukan distribusi peluang kejadian banjir. Manajemen banjir risiko Fokus pada hazard; statik: manejemen banjir fokus pada pengurangan hazard terutama pembangunan struktur pengendali banjir; instrumen finansial juga digunakan berdasarkan zonasi hazard banjir Berorientasi pada risiko; dinamis: manajemen risiko (mencakup hazard dan vulnerability) yang komprehensif melibatkan penanganan struktural, non-struktural, dan finansial secara terintegrasi. Kemampuan memprediksi risiko banjir, baik dalam jangka pendek maupun panjang menentukan keberhasilan mitigasi banjir.

4 Implementasi Pendekatan Baru Pendekatan Klasik yang Dikembangkan Risiko Banjir DINAMIS: Konsep dan Rencana Kerja Konsep Umum Pengelolaan Risiko Banjir Dinamis Data dan informasi curah hujan baseline Estimasi peluang kejadian banjir berbasis prediksi iklim (seasonal prediction) curah hujan ensemble dan analisis tren variabilitas iklim Analisis perubahan risiko banjir yang memperhitungkan perkembangan kondisi iklim satu tahun ke depan simulasi banjir dengan model dinamis yang memperhitungkan ketidakpastian input curah hujan Analisis risiko banjir menggunakan probabilistic flood hazard map yang lebih robust terhadap ketidakpastian (unpredicatbility) proses iklim Penentuan rate asuransi banjir yang dinamis, adaptif, dan kompetitif oleh industri asuransi nasional Panduan rate asuransi banjir standar nasional

5 Risiko Banjir DINAMIS: Konsep dan Rencana Kerja Komponen Pemodelan Banjir Data historis sebagai baseline Iklim/Cuaca Hujan Evaporasi Prediksi curah hujan skala musim (seasonal prediction) Banjir perkotaan jika terjadi kegagalan drainase Kejadian banjir kombinasi Kondisi permukaan Limpasan (proses dengan skala waktu relatif pendek) Aliran sungai Luapan sungai jika volume sungai tidak dapat menampung aliran sungai Infiltrasi (proses dengan skala waktu relatif panjang) Base flow Aliran sungai di muara Tinggi muka air laut Pasang-surut (Pasut)

6 Risiko Banjir DINAMIS: Konsep dan Rencana Kerja Blue Print 3-tahun Riset dan Pengembangan Model Risiko Banjir

7 Hujan Sebagai Salah Satu Permasalahan Utama Iklim di Indonesia: Monsun dry Rainfall area December to February (DJF) dry (Johnson, 1992) (Webster and Fasullo, 2003) June to September (JJAS)

8 Data Satelit TRMM 3B42-V7 sebagai Baseline Temporal range to Spatial range 50 S-50 N, 180 W-180 E Temporal res. 3 hourly Horizontal res. 0,25 x 0,25 ; nlat = 400, nlon = 1440 Average file size Compressed: ~0,71MB; Original: ~11MB Data format HDF ftp://disc2.nascom.nasa.gov/data/trmm/gridded/3b42_v7/ GAUGES OBSERVATION Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Pusat Litbang Sumber Daya Air (PUSAIR) Global Summary of The Day (GSOD) ftp://ftp.ncdc.noaa.gov/pub/data/gsod.

9 Quantifying Uncertainties of TRMM Estimates etc... AghaKouchak, A., N. Nasrollahi and E. Habib. Accounting for Uncertainties of the TRMM Satellite Estimates. Remote Sens. 2009, 1, ; doi: /rs Satellite Estimates Multiplicative error, proportional to magnitude of satellite estimates Represent random error sources P sim = Psat + P sat σ 1 + σ 2 Simulated fields Total error, used to perturb satellite estimates

10 Pairs of observation (P obs ) and TRMM estimates (P * sat) ALGORITHM Remove overall bias (β 1 ) β 1 = i=1 n P obs,i i=1 n P sat,i P sat = P sat,i β 1 Maximize log-likelihood function to estimates model parameters (σ 1 and σ 2 ) L = n 2 ln σ2 Pobs σ 1 + σ n i=1 P obs Psat 2 σ 2 Pobs σ 1+σ 2 Maximum Likelihood Estimators (MLE) Estimate perturbation fields P sat σ 1 + σ 2 Monte Carlo Method Calculate ensemble of simulated fields (rain-rate) P sim = Psat + P sat σ 1 + σ 2