PRAKIRAAN CURAH HUJAN MODEL WRF-ARW (STUDI KASUS BANJIR SEMARANG 4 FEBRUARI 2014)

Transkripsi

1 PRAKIRAAN CURAH HUJAN MODEL WRF-ARW (STUDI KASUS BANJIR SEMARANG 4 FEBRUARI 2014) Gempita Icky Dzikrillah 1,2, Indra Gustari 2 1, Jakarta 2 Badan Meteorologi Klimatologi dan Geofisika, Jakarta ickydzikrillah@. Abstrak Pada tanggal 3 Februari 2014, hujan dengan durasi panjang melanda wilayah Kota Semarang. Menyebabkan sebagian wilayah Kota Semarang dilanda banjir, dengan jumlah curah hujan 24 jam terukur 112 mm. Prakiraan cuaca merupakan suatu kegiatan dalam memprakirakan perubahan kondisi atmosfer di masa mendatang. Pemodelan cuaca numerik merupakan model cuaca yang digunakan dalam memprediksi dan memperhitungkan fenomena cuaca dengan menggunakan persamaan-persamaan numerik. WRF-ARW merupakan model cuaca skala meso yang sedang mengalami perkembangan pada beberapa tahun belakang sampai saat ini. Pada penelitian ini metode yang digunakan adalah dengan cara menjalankan model WRF-ARW menggunakan 3 konfigurasi skema parameterisasi kumulus. Dari hasil ketiga skema tersebut dilakukan verifikasi secara kuantitatif maupun kualitatif untuk mendapatkan skema parameterisasi yang paling sesuai dengan hasil observasinya. Hasil verifikasi menunjukkan bahwa belum ada skema yang benar benar mendekati hasil observasi. Namun dengan membandingkan ketiga skema, Skema 2 (WSM3- BMJ-YSU) merupakan skema yang lebih baik dibanding Skema 1 (WSM3-KF-YSU) atau Skema 3 (WSM3-GD-YSU). Hasil prakiraan yang dikeluarkan oleh model WRF-ARW dengan menggunakan Skema 2 juga tidak mendapatkan hasil yang kurang memuaskan secara kuantitatif, namun cukup baik apabila hanya memprakirakan hujan atau tidak hujan. Kata kunci : WRF-ARW, hujan, parameterisasi Abstract On February 3, 2014, rain with long duration happened in Semarang, causing Semarang flooded, with the amount of rainfall measured 112 mm in 24 hours. Weather forecasts is an activity in forecasting atmospheric conditions in the future. Numerical weather modeling is weather models used in predicting the weather phenomenon using numerical methods. WRF-ARW models is a meso-scale weather models that are experiencing growth in several years back until today. In this study, the method used is to run the model WRF-ARW using 3 configuration of cumulus parameterization scheme. Then the three schemes will be verifiy by using quantitative and qualitative verification to obtain parameterization scheme that very similar with observations. The verification results show that there is no scheme that really approach observations data. However, by comparing the three schemes, Skema 2 (WSM3-BMJ-YSU) is a better scheme than Skema 1 (WSM3-KF- YSU) or Skema 3 (WSM3-GD-YSU). Forecast result by WRF-ARW models that using Skema 2 also did not get unsatisfactory results quantitatively, but good enough if only predicts rain or no rain. Keywords : WRF-ARW, rain, parameterization 1

2 1. PENDAHULUAN Penelitian ini bertujuan untuk mengetahui skema parameterisasi kumulus yang paling sesuai berkaitan dengan kejadian banjir Semarang 4 Februari 2014 serta melihat kemampuan model WRF-ARW dalam melakukan prediksi cuaca. Penelitian ini dilakukan karena pada beberapa penelitian sebelumnya yang pernah dilakukan oleh Mulya (2014), Santriyani dkk (2011), Rizkiana dkk (2011), dan Mercader (2010) pada wilayah yang berbeda beda menghasilkan skema parameterisasi kumulus yang berbeda untuk mendapatkan hasil yang paling baik. Parameterisasi merupakan sebuah metode dalam meniru proses proses fisis yang dirancang untuk mewakili proses tersebut tanpa memerlukan resolusi model spasial dan temporal yang rinci dimana dalam parameterisasi didasarkan pada konsep fisika namun melibatkan koefisien yang dapat diatur (Pielke dkk., 2006). Parameterisasi kumulus merupakan salah satu cara dalam meninjau pembentukan awan dan hujan yang terjadi akibat pemanasan (konveksi) yang ideal untuk model dengan ukuran grid lebih dari 10km, namun terkadang parameterisasi ini juga cukup membantu dalam men-trigger konveksi pada ukuran grid 5-10km (Skamarock dkk, 2008). 2. DATA DAN METODE Data yang digunakan dalam penelitian ini antara lain: a. Data synop Stasiun Meteorologi Ahmad Yani tanggal 3 4 Februari 2014 sebagai data pembanding/verifikasi hasil output model WRF-ARW. b. Data FNL merupakan data analisis model global sebagai data input model WRF-ARW tanggal 3 Februari 2014 jam UTC hingga 24 jam kedepan dengan resolusi spasial 1⁰ x 1⁰ dan resolusi temporal 6 jam. c. Data GFS merupakan data prakiraan sebagai data input model WRF-ARW tanggal 2 Februari 2014 jam UTC hingga 36 jam kedepan dengan resolusi spasial 0.5 x 0.5 dan resolusi temporal 3 jam. d. Data pos hujan wilayah Kota Semarang yang didapatkan dari Stasiun Klimatologi Semarang tanggal 3 4 Februari 2014 sebagai data pembanding/verifikasi hasil output model WRF-ARW. Waktu penelitian adalah saat kejadian hujan di wiayah Semarang pada tanggal 3 Februari Pada penelitian ini, metode yang digunakan adalah sebagai berikut: Cara analisis data dalam penelitian ini adalah 1. Melakukan studi pustaka terkait dengan teori dan review yang berkaitan dengan penelitian. 2. Melakukan pengaturan konfigurasi domain sesuai pada Gambar 2 dan konfiguarasi skema sesuai pada tabel 1 yang akan dijalankan pada model WRF-ARW. 3. Melakukan analisis terhadap hasil running data FNL program WRF- ARW dengan membandingkan parameter suhu, kelembapan, tekanan dan hujan dari data FNL terhadap data observasinya di lokasi penelitian. 4. Menggunakan Diagram Taylor untuk membandingkan nilai korelasi dan RMSE. Diagram Taylor didapatkan dengan mengambil data output model pada suatu lokasi penelitian kemudian diolah menggunakan Microsoft Office Excel untuk kemudian dibandingkan dengan data observasinya agar mendapatkan nilai korelasi dan RMSE antara data output model dengan data sebenarnya. 5. Selain melakukan verifikasi menggunakan Diagram Taylor, dilakukan pula verifikasi dengan menghitung hit rate, false alarm, threat 2

3 score dan secara spasial di lokasi kejadian dengan membandingkan hasil program WRF-ARW dengan data pos hujan wilayah Semarang. 6. Setelah didapatkan skema parameterisasi yang paling baik dan sesuai untuk wilayah penelitian, maka dilakukan running WRF-ARW menggunakan data GFS untuk melihat kemampuan WRF-ARW dalam memprakirakan cuaca dengan menggunakan metode verifikasi yang sama. Tabel 1. Konfigurasi Skema Penelitian 3. HASIL DAN PEMBAHASAN Hasil perhitungan statistik untuk beberapa parameter yang ditunjukkan dari masing masing skema terhadap data observasi kemudian dirangkum dalam diagram Taylor sebagai berikut: Gambar 1. Diagram alir Gambar 3 Hasil perhitungan pada diagram Taylor Gambar 2. Domain penelitian Berdasarkan Gambar 3, hasil analisis kuantitatif menunjukkan bahwa ketiga skema yang diuji tidak menunjukkan perbedaan yang signifikan pada tiap tiap parameter dari masing masing skema yang diuji. Namun berdasarkan jumlah curah hujan yang digambarkan oleh model, Skema 2 memiliki hasil yang lebih baik diantara skema lainnya dimana pada Skema 2 menggambarkan total curah hujan sebesar 67.1 mm sedangkan pada Skema 1 menunjukkan total curah hujan sebesar 3

4 21.4 mm dan Skema 3 menunjukkan total curah hujan hanya sebesar 3.1 mm. Namun demikian, jumlah curah hujan dari ketiga skema tersebut masih cenderung lebih rendah dibandingkan total curah hujan hasil observasi yaitu sebesar 112 mm. Berdasarkan output dari model WRF-ARW dan sebaran curah hujan berdasarkan data pos hujan wilayah Semarang didapatkan hasil seperti Gambar 5. Berdasarkan analisis spasial yang ditunjukkan oleh Gambar 5, terlihat pada hasil pengamatan berdasarkan data dari sepuluh pos hujan yang ada di wilayah Kota Semarang menunjukkan curah hujan terukur pada tanggal 4 Februari 2014 jam 00 UTC berkisar antara mm. Jumlah curah hujan tertinggi berada pada wilayah Semarang bagian Barat (pos hujan Boja Mijen), sedangkan jumlah curah hujan terendah terdapat pada wilayah Semarang Timur (pos hujan Klipang, Tanjung Mas, dan Tlogosari). Untuk Skema 1 dan Skema 2 masing masing menggambarkan wilayah pos hujan Tanjung Mas (Skema1) dan pos hujan Ahmad Yani (Skema 2) sebagai wilayah dengan jumlah curah hujan tertinggi serta wilayah pos hujan Klipang (Skema 1) dan pos hujan Boja Mijen (Skema 2) sebagai wilayah dengan jumlah curah hujan terendah. Pada Skema 1, curah hujan berkisar antara mm dan pada Skema 2 berkisar antara mm. Sedangkan pada Skema 3, sebaran hujan tidak dapat terlihat karena pada Skema 3 jumlah curah hujan yang dihasilkan hanya berkisar antara mm. Sehingga secara spasial dari seluruh skema yang diuji, belum ditemukan adanya skema yang mendekati hasil observasi, walaupun seluruh model sudah cukup baik dalam memodelkan curah hujan yang turun secara merata pada wilayah Semarang sesuai dengan hasil observasi. Hasil perbandingan pada Gambar 4 diatas juga disajikan dalam bentuk grafik seperti pada Gambar 4. Berdasarkan Gambar 4, dapat dilihat sebaran curah hujan dengan nilai yang paling mendekati nilai observasi adalah curah hujan yang dimodelkan dengan menggunakan konfigurasi Skema 2. Gambar 4. Perbandingan tiap tiap pos hujan terhadap observasi 4

5 Gambar 5. Perbandingan curah hujan model WRF-ARW dan observasi secara spasial. Kemudian Berdasarkan output prakiraan dari model WRF-ARW dengan menggunakan konfigurasi skema terpilih (Skema 2) didapatkan hasil sebagai berikut pada tabel 2: Tabel 2. Verifikasi output prakiraan WRF-ARW CORREL (CH) 0.21 RMSE (CH) 7.33 POD 0.53 FAR 0.43 TS 0.38 CORREL (SLP) 0.90 RMSE (SLP) 0.62 CORREL (RH) 0.60 RMSE (RH) 7.69 CORREL (T) 0.75 RMSE (T) 1.29 Dari hasil yang didapatkan pada Tabel 2 menunjukkan hasil prakiraan yang dikeluarkan oleh model dengan menggunakan konfigurasi Skema 2 secara kuantitatif juga kurang memuaskan. Hal tersebut ditunjukkan oleh rendahnya nilai korelasi dan tingginya nilai error yang didapatkan dari perbandingan dengan data observasi. Kemudian hasil prakiraan dari modrl WRF-ARW juga dipetakan dalam bentuk spasial seperti pada Gambar 6. Berdasarkan analisis spasial yang ditunjukkan oleh Gambar 6, terlihat pada dengan menggunakan konfigurasi Skema 2, model WRF-ARW memprakirakan curah hujan tertinggi berada di wilayah pos hujan Ahmad Yani dan curah hujan terendah di wilayah pos hujan Tlogosari. 5

6 Sedangkan untuk hasil observasi, curah hujan tertinggi didapatkan pada wilayah pos hujan Boja Mijen dan curah hujan terendah di wilayah pos hujan Klipang, Tanjung Mas, dan Tlogosari. Berdasarkan Gambar 6 diatas juga dapat dilihat hasil prakiraan yang dikeluarkan model WRF- ARW juga cukup berbeda dengan hasil observasi, sehingga hasil sebaran curah hujan yang diprakirakan oleh model belum mampu mendekati hasil observasi. Curah hujan yang cenderung underestimate disebabkan karena menurut Betts (2004), skema BMJ melakukan simplifikasi yang mengakibatkan skema ini hanya menghitung updraft saja, sedangkan untuk proses jatuhnya hujan dan penguapan yang dijadikan sebagai downdraft dilakukan oleh submodel. Namun dalam memprakirakan curah hujan, model WRF- ARW sudah cukup baik dalam melakukan prakiraan dengan memprakirakan seluruh wilayah Semarang akan turun hujan sesuai dengan hasil observasi. mengindikasikan adanya konvergensi pada lapisan bawah dan adanya divergensi pada Gambar 6. Perbandingan prakiraan curah hujan model WRF-ARW dan observasi secara spasial. Berdasarkan hasil prakiraan yang dikeluarkan oleh model WRF-ARW, dilakukan analisa penyebab kejadian hujan dengan melihat vortisitas dan kelembapan relatif yang dipetakan seperti pada Gambar 7. Nilai vortisitas negatif pada belahan bumi selatan (BBS) menunjukkan adanya pusaran siklonik. Sedangkan nilai vortisitas positif di BBS menunjukkan adanya pusaran antisiklonik. Berdasarkan Gambar 7 terlihat bahwa pada jam UTC terdapat nilai vortisitas negatif pada lapisan 1000mb hingga 600mb dan terdapat nilai vortisitas positif pada lapisan diatas 600mb. Hal ini mengindikasikan adanya gerakan siklonik di permukaan hingga lapisan 600mb kemudian pada lapisan setelahnya terdapat adanya gerakan antisiklonik. Adanya gerakan siklonik lapisan atas dimana kondisi ini dapat memicu pembentukan awan awan konvektif yang memungkinkan turunnya hujan pada waktu mendatang. Adanya nilai kelembapan relatif yang tinggi pada lapisan atas mengindikasikan adanya uap air yang cukup untuk membentuk awan konvektif pada lapisan tersebut. Berdasarkan Gambar 7 terlihat nilai RH pada lapisan 850mb hingga 600mb mencapai diatas 90%. RH maksimum dicapai pada lapisan tersebut pada jam UTC. Hal tersebut mengindikasikan uap air yang cukup tinggi untuk membentuk awan konvektif yang menjulang secara vertikal yang dapat memicu turunnya hujan. 6

7 Gambar 7. Vortisitas penampang vertikal (kiri) dan kelembapan relative penampang vertikal (kanan) Stamet A. Yani Semarang 3 Februari KESIMPULAN Dari hasil dan pembahasan yang telah dilakukan didapatkan kesimpulan sebagai berikut: 1. Hasil yang didapatkan setelah melakukan running model WRF-ARW di Kota Semarang pada tanggal 3 4 Februari 2014 dengan menggunakan konfigurasi skema eksperimen, diketahui bahwa model WRF-ARW belum mampu dalam mensimulasikan keadaan cuaca. Hasil terbaik didapatkan dari kombinasi skema WSM3-BMJ-YSU, dimana pada skema ini didapatkan nilai korelasi, error, hit rate, dan threat score yang lebih baik dibanding dengan data observasi. Secara total curah hujan, Skema 2 juga mendapatkan hasil yang lebih baik diantara skema lainnya walaupun semua konfigurasi skema yang digunakan menunjukkan curah hujan yang cenderung underestimate. 2. Prakiraan cuaca oleh model WRF- ARW dengan menggunakan Skema 2 sebagai konfigurasi juga didapatkan hasil yang kurang baik secara kuantitatif maupun kualitatif. Hal ini ditunjukkan dengan nilai korelasi, error, hit rate, false alarm, dan threat score kurang baik. Jumlah curah hujan yang diperkirakan oleh model WRF- ARW juga cenderung underestimate. Namun dalam memprakirakan hujan atau tidak hujan tanpa melihat jumlah curah hujan, model WRF-ARW sudah cukup baik. Penelitian lebih lanjut diperlukan untuk wilayah Semarang dengan cara menggunakan variasi konfigurasi skema lain ataupun dengan cara melakukan asimilasi data untuk mencari lebih lanjut konfigurasi yang lebih baik dalam memodelkan cuaca di wilayah Semarang dengan menggunakan model WRF-ARW. DAFTAR PUSTAKA BMKG, 2010, KEP.009 Tahun 2010 Tentang Prosedur Standar Operasional Pelaksanaan Peringatan Dini, Pelaporan dan Diseminasi Informasi Cuaca Ekstrim. BMKG Jakarta. Betss, A. K., 2004, The Parameterization of Deep Convection and the Betts-Miller Scheme, CPTEC, Brazil. Bowman, C., 2009, Moving from MM5 to WRF, Washington: Prosiding Seminar Regional Smoke Management. Hadi, T.W., Junnaedhi, I D. Gd. A., Satrya, L.I., Santriyani, M., Anugrah, M. P., dan Octarina, D.T., 2011, Pelatihan Model WRF (Weather Research and Forecasting), Laboratorium Analisis 7

8 Meteorologi (Weather and Climate Prediction Laboratory), Fakultas Ilmu dan Teknologi Kebumian ITB. Bandung. Haltiner, G. J., 1971, Numerical Weather Prediction, John Wiley & Sons Inc, California. Hess, S. L., 1959, An Introduction to Theoreticalmeteorology, Holt, Rineeart and Winston, New York. Gustari, I., Hadi, T. W., Hadi, S., dan Renggono, F., 2012, Akurasi Prediksi Curah Hujan Harian Operasional di Jabodetabek: Perbandingan dengan Model WRF, Jurnal Meteorologi dan Geofisika Vol. 13 No. 2 Tahun 2012: Mercader, J., Codina, B., Sairouni, A., dan Cunillera, J., 2010, Result of The Meteorological Model WRF-ARW Over Catalonia, Using Different Parameterizations of Convection and Cloud Microphysis, Journal of Meditrranean Meteorology & Climatology, Tethys, 7, Murphy, A. H. dan Brown, B. G., 1984, A comparative evaluation of objective and subjective weather forecasts in the united states. J. Forecast., 3, Mulya, A., 2014, Simulasi Analisis dan Forecast Fasil Model WRF-ARW (Studi Kasus Hujan Lebat di Putussibau Tanggal 3-4 April 2013), STMKG, Jakarta. Rizkiana, D., Josephine, Syahidah, M., Ameldam, P., dan Arida, V., 2012, Perbandingan Skema Parameterisasi Dalam Simulasi Cuaca Numerik Menggunakan Model WRF-ARW (Studi Kasus Hujan Ekstrim di Balikpapan Tanggal 5 Juli 2008), ITB, Bandung. Pemerintah Kota Semarang, 2014, Peta Rencana Tata Ruang Wilayah Kota Semarang ( diakses tanggal 28 Desember 2014) Pielke, R. A. Sr., Matsui, T., Leoncini, G., Nobis, T., Nair, U. S., Lu, E., Eastman, J., Kumar, S., Peters-Lidard, C. D., Tian, Y., dan Walku, R. L., 2006, A New Paradigm For Parameterizations In Numerical Weather Prediction and Other Atmospheric Models, National Weather Digest, Volume : 30, Santriyani, M., Octarina, D. T., Budaya, B. J., Choir, Nn. U., dan Suradi, 2012, Sensitivitas Parameterisasi Konveksi Dalam Prediksi Cuaca Numerik Menggunakan Model WRF-ARW (Studi Kasus Hujan Ekstrim di Jakarta Tanggal 7 April 2009), ITB, Bandung. Skamarock, W. C., Klemp, J. B., Dudhia J., Gill, D. O., Barker, D. M., Duda, M. G., Huang, X., Wang, W., dan Powers, J. G., 2008, A Description of the Advanced Research WRF Version 3, National Center of Atmospheric Research, Colorado. Stasiun Klimatologi Semarang, 2015, Peta Distribusi Sifat Hujan Semarang ( d, diakses tanggal 15 Maret 2015) Taylor, K. E., 2001, Summarizing Multiple Aspects Of Model Performance In A Single Diagram, Lawrence Livermore National Laboratory, California. Wang, W., Bruyère, C., Duda, M., Dudhia, J., Gill, D., Lin, H. C., Michalakes, J., Rizvi, S., dan Zhang, X., 2010, WRF- ARW Version 3 Modeling System User s Guide, National Center for Atmospheric Research, Amerika Serikat. Wilks, D. S., 1995, Statistical Methods in the Atmospheric Sciences, Academic Press Inc, Amerika Serikat. Winarso, P.A., 2011, Analisa Cuaca I, AMG, Jakarta. Wirjohamidjojo, S. dan Swarinoto, Y. S., 2007, Praktek Meteorologi Pertanian, BMG, Jakarta. 8

9 Zakir, A., Sulistya W., dan Khotimah, M. K., 2010, Perspektif Operasional Cuaca Tropis, BMKG, Jakarta. 9