Anda di halaman 1dari 8

PERBANDINGAN SKEMA PARAMETERISASI DALAM SIMULASI CUACA NUMERIK

MENGGUNAKAN MODEL WRF-ARW


(STUDI KASUS HUJAN EKSTRIM DI BALIKPAPAN TANGGAL 5 JULI 2008)
Dias Rizkiana, Josephine,
Muhshonati Syahidah, Piala Ameldam, Vera Arida
Program Studi Meteorologi Institut Teknologi Bandung
Labtek XI Lantai 2
Jl. Ganesha No. 10 Bandung 40132
ABSTRAK
Pola hujan di provinsi Kalimantan dipengaruhi oleh posisinya yang berada di ekuator. Pola hujan ekuatorial setiap bulan selalu ada hujan
dengan intensitas yang beragam. (Bambang Hargiyono). Dalam penelitian ini, akan dikaji kasus hujan ekstrim yang memicu banjir di
Balikpapan pada tanggal 5 Juli 2008 menggunakan Model Simulasi Cuaca Numerik (Numerical Weather Prediction Model) WRF-ARW dengan
skema parameterisasi kumulus, PBL (Planetary Boundary Layer) dan mikrofisis yang berbeda-beda untuk mengetahui ketepatan skema
terhadap kejadian curah hujan ekstrim. Dari hasil verifikasi secara statistic dengan diagram Taylor, skema2 (WSM6 BMJ YSU) lebih dapat
merepresentasikan keadaan atmosfer pada saat kejadian. Selain itu dengan menggunakan data citra satelit MTSAT dapat dikaji proses
pertumbuhan awan diatas daerah tersebut yang memicu terjadinya hujan. Plot evolusi CAPE dapat digunakan untuk menganalisa proses
pertumbuhan awan konvektif.

Kata kunci: Numerical Weather Prediction Model, Parameterisasi konveksi, Parameterisasi PBL, Parameterisasi mikrofisis,
CAPE, hujan ekstrim
I.

Usaha untuk mengembangkan WRF merupakan


kerjasama kolaborasi, yang pada prinsipnya antara National
Center for Atmospheric Reasearch (NCAR), National
Oceanic and Atmospheric Administration (NOAA), National
centers for Environmental Prediction (NCEP) dan Forecast
systems Laboratory (FSL), dan Air Force Weather Agency
(AFWA), Naval Reasearch Laboratory, Universitas
Oklahoma dan Federal Aviation Administration (FAA)
dengan versi pertamanya WRF versi 1.0 yang di-release
Desember 2000. Saat ini versi terbaru dari WRF adalah
WRF-ARW V3.1.1 yang di-release bulan April 2009 yang
dipakai sebagai tool dalam penelitian kali ini.

PENDAHULUAN

Pada sabtu 5 juli 2008 sedikitnya 1000 rumah di lima


kelurahan di Balikpapan, Kalimantan Timur terendam banjir
sejak pukul 07.00. Banjir di Kecamatan Balikpapan Selatan
itu terjadi di Kelurahan Batu Ampar, Gunung Sari, Sumber
Rejo, Gunung Bahagia, dan Damai. Namun, yang paling
parah terjadi di Kelurahan Damai karena permukiman di 16
RT terendam satu hingga dua meter. Menurut penduduk,
banjir ini terjadi karena debit air sangat besar dan sungai
ampal tidak sanggup menampungnya. Sementara itu, daerah
resapan air di sepanjang sungai juga berubah menjadi
kawasan permukiman.Akibat luapan Sungai Ampal itu, Jalan
MT Haryono yang merupakan jalur menuju kawasan elite
Balikpapan Baru terputus karena ketinggian air di jalan
mencapai dua meter. (sumber:http://kompas.com)

II.

DATA DAN EKSPERIMEN

Initial dan boundary condition dari model digunakan


data FNL (Final Analysis) tanggal 1 8 Juli 2008 00 UTC
dengan interval waktu 3 jam.

Pada saat itu tercatat curah hujan dengan intensitas


cukup tinggi dimana dilaporkan oleh stasiun meteorologi
Balikpapan sekitar 50 mm/jam.

Untuk verifikasi terhadap hasil simulasi di setiap


skema model digunakan citra satelit MTSAT IR1-IR3 tiap 3
jam dengan resolusi spasial 4 km x 4 km dari
http://weather.is.kochi-u.ac.jp/sat/GAME serta data observasi
cuaca sinoptik dari BMKG (Badan Meteorologi Klimatologi
dan Geofisika) untuk titik - titik stasiun di Balikpapan dan
Samarinda diperoleh dari http://ogimet.com/displaysynop
tanggal 1 8 Juli 2008 00 UTC dengan interval waktu 3
jam.

Kondisi fisis atmosfer pada daerah tropis sangat tidak


menentu yang mengakibatkan kesulitan simulasi cuaca pada
daerah tropis. Oleh sebab itu dibutuhkan metode simulasi
cuaca skala meso yang mampu mendekati kondisi atmosfer
sebenarnya. Dalam penelitian ini digunakan model simulasi
numeric WRF-ARW.
Weather Research and Forecasting Advanced
Research WRF (WRF-ARW) merupakan model generasi
lanjutan sistem simulasi cuaca numerik skala meso yang
didesain untuk melayani simulasi operasional dan kebutuhan
penelitian atmosfer. Model ini mempunyai keistimewaan inti
dinamik yang berlipat, variasi 3-dimensional (3DVAR)
sistem asimilasi data dan arsitektur perangkat lunak yang
mengijinkan untuk melakukan komputasi secara paralel dan
sistem ekstensibel. WRF cocok untuk aplikasi yang luas dari
skala meter sampai ribuan meter (NCAR Technical Note,
2005).

Dilakukan dua tahapan langkah pengerjaan, yaitu


running (menjalankan program) WRF-ARW dengan 2 (dua)
skema terpilih dan selanjutnya dilakukan verifikasi hasil dan
analisis.
Model WRF-ARW dijalankan dalam 2 (dua) domain.
Domain 1 (D01) dengan wilayah meliputi 3.530075o LU
hingga 15.88973oLS serta 96.95513oBT hingga 116.5849o
BT dengan resolusi 27 km, domain 2 (D02) meliputi
9.77201oLS hingga 7.26662o LS serta 108.347oBT hingga
125.453oBT dengan resolusi 9 km. (Gambar.1)

mempengaruhi lingkungan. Sangat sempurna untuk berbagai


variasi aplikasi dan dapat mengadaptasi untuk mesoscale
dengan penyesuaian beberapa parameter. Hal tersebut
digunakan dalam operasional NCEP Eta Model. Kelemahan
skema ini adalah tidak memasukkan parameter downdraft
konvektif dan batas mixing line muncul kurang tepat dalam
kasus konvektif dalam yang eksplosif dan tidak langsung
menimbulkan skala tinggi dan rendah dari meso.
(kadarsah.wordpress.com)
Skema parameterisasi lapisan batas atmosfer yang
digunakan adalah Yonsei University Scheme. Skema ini
adalah skema penyempurnaan dari skema MRF. Skema ini
memasukkan unsur-unsur profil K parabolik dalam lapisan
pencampuran yang tidak stabil, kedalaman PBL ditentukan
dari profil temperatur , perlakuan eksplisit untuk
entrainment,dan difusi vertikal Simulasi dari 2 sensitivitas
yang berbeda kombinasi dari skema meteorology. Skema ini
bergantung pada bilangan Bulk Rihardson. Jumlah counter
gradient yang lebih sedikit di YSU PBL menghasilkan
sebuah profil lapisan batas yang well mixed mengingat
adanya struktur yang kelewat stabil di bagian atas dari
lapisan campuran pada skema MRF PBL.Dalam penelitian
ini dilakukan pengujian beberapa skema parameterisasi
kumulus, PBL dan mikrofisis yang berbeda - beda untuk
memsimulasi hujan ekstrim di daerah Balikpapan. Dari
kombinasi beberapa skema paramerisasi diharapkan dapat
diperoleh skema mana yang lebih mendekati kejadian
sebenarnya.

Gambar 1. Domain Penelitian


Pada domain 2 inilah berbagai skema parameterisasi
telah dijalankan hingga menghasilkan keluaran yang paling
mendekati observasi.
Nama eksperimen

Tabel 1 Daftar Eksperimen


P.mikrofisis
P.kumulus

P. PBL

EKS 1

Kessler

Kain

YSU

EKS 2

WSM6

BMJ

YSU

Pada penelitian ini kami menggunakan 2 skema


parameterisasi mikrofisis, yaitu Kessler dan WSM 6. Skema
Kessler biasa digunakan dalam studi model awan ideal yang
meliputi uap air, cloud water dan hujan. Proses mikrofisis
yang disediakan meliputi: produksi, turunnya serta evaporasi
air hujan, akresi dan konversi cloud water, dan produksi
cloud water dari kondensasi . Skema WSM6 adalah Skema
dengan proses pembentukan es, salju, dan batu es yang cocok
untuk simulasi beresolusi tinggi. Skema WSM3, WSM5, dan
WSM6 bekerja tidak jauh berbeda pada grid skala meso yang
kasar, tetapi perilaku ketiga skema tersebut sangat berbeda
untuk skala grid awan. Dari ketiga skema, WSM6 paling
cocok untuk skala grid awan.

Setelah semua eksperimen dijalankan kemudian


dilakukan analisis untuk mengetahui skema mana yang
terbaik untuk merepresentasikan keadaan atmosfer
sebenarnya. Untuk memverifikasi hasil model, kami
menggunakan diagram taylor yang dapat digunakan untuk
membandingkan nilai korelasi, RMSE, dan standar deviasi
antar skema. Parameter yang kami analisis adalah parameter
yang berhubungan dengan curah hujan yaitu parameter suhu,
titik embun, kelembapan, CAPE dan presipitasi itu sendiri.

Skema WSM6 merupakan pengembangan dari skema


WSM5 dengan menambahkan proses yang berhubungan
dengan graupel. Penambahan proses graupel ini berdasarkan
laporan dari Lin dkk (1983) dan Rutledge dan Hobbs (1984).
Sehingga variabel prognostik dalam skema ini terdiri dari
mixing ratio uap air (qv), tetes awan (qc), awan es (qi), salju
(qs), hujan (qr), dan graupel (qg).

Analisis secara spasial dilakukan dengan 2 (dua) titik


stasiun pengamatan hujan, masing- masing adalah stasiun
meteorologi Balikpapan (1.27 oLS, 116.89 oBT) dan stasiun
meteorologi Samarinda (0.62 oLS, 117.15 oBT).
Selain melakukan verifikasi dengan diagram taylor,
kami juga akan mendeskripsikan keadaan fisis di daerah
tersebut dengan menggunakan hasil citra satelit MTSAT
untuk melihat tutupan awan diatas daerah yang bersangkutan.

Skema parameterisasi cumulus yang digunakan ada 2


yaitu kain-Fritsch dan Betts-Miller-Janjic. Skema KainFritsch merupakan skema yang dirancang untuk menyusun
ulang massa di dalam kolom udara sehingga CAPE dapat
digunakan.
Model
awan
diformulasikan
menjadi
dettrainment-entrainment dengan parsel bouyancy yang
dihitung sebagai fungsi dari parsel yang tercampur dengan
lateral antara lingkungan dan updraft. Skema ini didesain
untuk ukuran grid 20-25km. Skema ini memuat proses fisik
awan yang sangat lengkap dalam parameterisasi konvektif
dan memiliki parameter downdraft sehingga memungkinkan
simulasi lebih baik untuk respon skala meso dan
memungkinkan untuk sebagian besar skema. Kekurangan
skema ini adalah batas CAPE tidak sesuai untuk lingkungan
tropis dan dapat menyebabkan konveksi yang sangat kuat.
Kelebihan skema BMJ adalah mixing line didesain
untuk laut tropis grid yang kasar dan kasus-kasus yang

Perbandingan Eksperimen
III.

HASIL DAN ANALISIS

Tabel 2. perbandingan data citra satelit MTSAT IR1 dengan hasil model WRF (per 3 jam)
waktu

MTSAT (IR1-IR3)

Skema 1

4 Juli
2008
15.00
UTC

4 Juli
2008
18.00
UTC

4 Juli
2008
21.00
UTC

5 Juli
2008
00.00
UTC

Skema 2

5 Juli
2008
03.00
UTC

5 Juli
2008
06.00
UTC

5 Juli
2008
09.00
UTC

6 Juli
2008
03.00
UTC

6 Juli
2008
12.00
UTC

Pada Table.2 di atas menunjukkan perbandingan antara data


citra satelit MTSAT (IR1-IR3) yang merupakan pergerakan
awan cumulunimbus, dengan gambar curah hujan dari skema
1 dan 2. Terlihat bahwa hasil model dari kedua skema tidak
menunjukkan keadaan hujan ekstrim di tanggal 4 juli 2008,2
UTC 5 juli 2008,3 UTC. Sedangkan dari hasil citra satelit
menunjukkan pertumbuhan awan cumulunimbus yang
ditandai dengan warna biru tua yang meluas pada tanggal 5
juli 2008 pukul 00 UTC dan awan tersebut menyebar pada
pukul 03 UTC.

Tabel 3. Metode Cloud Indexing


Ice

Mixed

Water

TIR1 IR3 < 10 K

10 K< TIR1 IR3 < 29 K

TIR1 IR3 46 K

Dengan menggunakan metode cloud indexing maka fasa


awan yang dihasilkan dari data citra satelit MTSAT dapat
dengan mudah dibedakan.

Tabel 4. Diagram Taylor


Parameter

Balikpapan

Samarinda

RH

Tc

Td

Gambar 3 Diagram Taylor Data Permukaan 1. RH, 2. Tc, 3. Td (Ket : A=Skema1, B=Skema2)

Dari hasil pengolahan data dalam diagram taylor di atas,


maka dapat dinyatakan bahwa pada setiap parameter tersebut
korelasi, rmse (root mean square), dan standar deviasi dari
kedua skema kurang dapat merepresentasikan data observasi
pada kedua daerah tersebut. Kedua skema dalam model ini
kurang cocok diaplikasikan untuk pengamatan di wilayah
Balikpapan dan Samarinda. Namun dari kedua skema

tersebut, skema 2 lebih baik. Skema ini menggunakan


parameterisasi mikrofisis WSM6, parameterisasi cumulus
BMJ, dan parameterisasi PBL YSU.
Kemungkinan kedua skema secara keseluruhan kurang dapat
merepresentasikan simulasi dengan baik karena keduanya
menggunakan skema PBL YSU. Skema PBL YSU hanya

memperhitungkan faktor non lokal (sumber: Noh et


(2004,BLM) al dan hasil kumulatif dari algoritma Pan dan
Hong), sedangkan untuk daerah Balikpapan dan Samarinda
cuaca banyak dipengaruhi oleh faktor lokal karena posisinya
berdekatan dengan laut.

baik dibandingkan skema 2. Skema mikrofisis Kain-Frisch


merupakan skema yang didesain untuk ukuran grid 20-25 km
dimana hal itu bertujuan untuk pertama, memuat proses fisik
awan yang sangat lengkap dalam parameterisasi konvektif.
Kedua, parameter downdraft memungkinkan simulasi lebih
baik untuk respon skala meso. Karena Grid yang kami
gunakan dalam simulasi ini adalah 9 km, maka kedua tujuan
diatas tidak tercapai. Hal ini membuat skema Kain-Frisch
kurang baik merepresentasikan simulasi ini. Kedua wilayah
ini memiliki pengaruh lebih besar dari lautan, posisi
geografis keduanya terletak dekat laut dan berhadapan
dengan Samudra Pasifik. Sedangkan untuk skema Kessler
memiliki parameter hidrometeorologi yang sangat sederhana
sehingga kurang dapat merepresentasikan simulasi dengan
baik.

Parameterisasi WSM6 dapat merepresentasikan dengan baik


karena parameterisasi ini menyertakan proses pembentukkan
es, salju, dan batu es yang cocok untuk resolusi tinggi.
Parametersisasi BMJ dapat merepresentasikan simulasi
dengan baik karena batas didesain untuk laut tropis,
sedangkan daerah pengamatan berada mixing line di dekat
laut tropis.
Skema 1 terdiri atas parameterisasi Kain-Frisch dan Kessler.
Skema ini kurang dapat merepresentasikan simulasi dengan

Tabel 5. Evolusi CAPE


STASIUN

Skema 1

Skema 2

Balikpapan

Samarinda

CAPE merupakan area dimana suatu parsel udara lebih


panas daripada lingkungannya. Area tersebut menunjukkan
jumlah energi yang tersedia untuk parsel udara tersebut
bergerak ke atas. CAPE dinyatakan dengan J/Kg. CAPE
adalah salah satu indikator yang kuat untuk mengindikasi
adanya potensi intensitas konvektif dan dapat digunakan
untuk mengukur kelabilan atmosfer. Dalam Meteorologi,
CAPE disebut sebagai APE ( Available Potential Energy )
yaitu jumlah energi suatu parsel saat terangkat pada jarak
tertentu secara vertikal di atmosfer. (Ameka, 2005)

TABEL 5. Index stabilitas atmosfer CAPE


CAPE (J/Kg)

STABILITAS

Stable

0 1000

Marginally Stable

1000 2500

Moderately Stable

2500 - 3500

Very Unstable

> 3500

Extremely Unstable

www.meted.ucar.edu

Kejadian hujan dapat diidentifikasi dengan menggunakan


analisis CAPE. Dari pengertian di atas maka kita dapat
mengalisis pertumbuhan awan melalui proses konvektif.
Dari gambar CAPE yang di plot tanggal 1 Juli 2008 pukul
00 UTC - 8 Juli 2008 pukul 00 UTC di dua stasiun yaitu
Stasiun Samarinda dan Balikpapan dan menggunakan dua
skema, yang menunjukkan adanya perubahan CAPE
signifikan adalah hasil plot CAPE menggunakan skema 2.
Skema pada model terlambat mensimulasikan sebesar 24
jam apabila dibandingkan dengan data observasi.

besar di wilayah tersebut. Nilai CAPE yang besar


menyebabkan terbentuknya awan konvektif yang berpotensi
menimbulkan hujan lebat.
Dapat dilihat adanya selisih waktu dari gambar CAPE yang
menunjukkan nilai rendah dengan data hujan pada
observasi. Dilihat dari hasil model dan data observasi,
kejadian hujan lebat terjadi pada tanggal 5 Juli 2008 pukul
05.30 10.30 WITA dan ditandai dengan adanya nilai
CAPE rendah sebesar 311,49 J/Kg pada tanggal 6 Juli 2008
pukul 03.00 UTC atau sesungguhnya tanggal 5 Juli 2008
pukul 08.00 WITA. Pada saat terjadi hujan, terjadi
downdraft dan updraft melemah, sehingga proses konvektif
ikut melemah dan CAPE menurun.

Kondisi atmosfer di wilayah Balikpapan pada tanggal 5 Juli


2008 yaitu kelabilan sedang (moderately stable), ditandai
dengan nilai CAPE lebih besar dari 1000 J/Kg, terlihat pada
tanggal 5 Juli 2008 pukul 15.00 UTC atau 23.00 WITA.
Nilai tersebut menunjukkan adanya konvektif yang cukup

IV.

AKURASI DATA
hujan dengan data observasi dapat diamati dari nilai
threatscorenya. Jika nilai threatscore samadengan 1, maka
model dapat dikatakan tepat. Dari kedua skema yang
digunakan maka terlihat bahwa semakin nilai threshold
dinaikkan maka ketepatan model semakin buruk. Dengan
menggunakan metode threatscore ini kedua skema tersebut
kurang tepat dalam menyimulasikan hujan.

Tabel 6. Perbandingan hasil akurasi kedua model

Melalui metode Bias dapat ditentukan bagaimana model


tersebut menyimulasikan presipitasi, yaitu jika bias kurang
dari 1 maka hasil model underprediction dan jika bias lebih
dari 1 maka hasil model overprediction. Dari tabel di atas
didapatkan bahwa semakin threshold dinaikkan maka skema
WBY lah yang hasil biasnya sama dengan 1. Hal ini
menunjukkan bahwa model WBY lebih tepat dibandingkan
KKY.

Perbandingan kedua model pada table 6 dilihat dari korelasi


dan rmse (root mean square) dengan data observasi, maka
kedua model ini kurang baik merepresentasikan data
observasi dari kedua daerah yang diamati di antara ketiga
parameter ( temperatur, titik embun, dan kelembaban).
Tabel 7. Perbandingan data curah hujan dari kedua
skema dengan data observasi
Presipitasi
(mm)

KKY
WBY

Presipitasi
(mm)

KKY
WBY

Presipitasi
(mm)

KKY
WBY

Jika dilihat dari hasil metode accuracy, keakuratan model


semakin baik bila nilai thresholdnya semakin dinaikkan.

0
0.274
0.297

THREAT SCORE
5
10
15
0.171
0.25
0
0.157
0
0

0
3.642
3.357

5
5.833
2.666

BIAS
10
15
1.5
0.6
0.8
0.6

20
0.25
0.75

25
0
1

5
0.482
0.714

Accuracy
10
15
0.839 0.857
0.839 0.857

20
0.910
0.875

25
0.94
0.89

0
0.339
0.410

20
0
0

25
0
0

V.

KESIMPULAN

Model cuaca merupakan representasi yang lebih sederhana


dari cuaca yang sesungguhnya, dalam bentuk persamaanpersamaan matematis dari fisika dan dinamika yang saling
berhubungan, yang merepresentasikan proses-proses di
dalam atmosfer. Rangkaian persamaan ini biasanya
diselesaikan dengan bantuan komputer. Dari hasil simulasi
menggunakan model cuaca Weather Reseacrh and
Forecasting (WRF) pada domain daerah Balikpapan dan
sekitarnya menunjukkan skema 1 dan 2 kurang dapat
merepresentasikan data observasi. Dari kedua skema ini
maka skema terbaik adalah skema 2, yaitu skema WSM6BMJ-YSU.

Untuk data presipitasi dilakukan verifikasi menggunakan


THREAT SCORE, BIAS, dan ACCURACY. Verifikasi ini
menggunakan threshold 0 mm, 5 mm, 10 mm, 15 mm, 20
mm, dan 25 mm. Melalui tabel 7 ketepatan prakiraan curah

VI.

DAFTAR PUSTAKA

Choi, Yong-Sang and Ho, Chang-Hoi. 2009. 'Validation of


cloud property retrievals from MTSAT-1R imagery using
MODIS observations',International Journal of Remote
Sensing,30:22,5935 5958.
Hong, You Song and Lim, Jeong Ock Jade.2006. The WRF
Single Moment 6-Class Microphysics Scheme(WSM6).Global
Environment Laboratory, Department of Atmospheric
Sciences, Yonsei University, Seoul, Korea.
Tjasyono HK, Bayong. 2004. Klimatologi edisi ke-2.
Bandung: Penerbit ITB
Ameka, I. (2005). Analisis Pertumbuhan Awan Konvektif
untuk Informasi Penerbangan. Bandung: Program Studi
Meteorologi ITB.
Source:
http://www.mit.edu/~yscindex.files/Choi2009IJRS.pdf
http://meted.ucar.edu
http://amsglossary.allenpress.com/glossary/search?id=bulkrichardson-number1
http://kadarsah.wordpress.com/2008/04/01/beberapa-skemaparameterisasi-awan-kumulus-/
NCAR Technical Note

Anda mungkin juga menyukai