Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

Judul Thesis : Pemodelan Pencemaran Udara Jakarta Menggunakan CMAQ Sebagai Upaya Co-Benefit Mitigasi Gas Rumah Kaca

Hasil Review: Judul terlalu luas Latar belakang kurang jelas Identifikasi masalah tidak focus Tujuan penelitian : terlalu banyak waktu yang ingin dicapai Metode rancangan dan prosedur penelitian tidak jelas, terutama aspek pemodelan Perlu dijelaskan dengan presentasi

Listing Judul Tugas Akhir dan Thesis Udara

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

I. PENDAHULUAN I.1 Latar Belakang Jakarta merupakan urban metropolitan dengan jumlah penduduk 9,6 juta jiwa pada tahun 2010 dengan kerapatan penduduk 13,000 15,000 jiwa/Km2 dan laju pertumbuhan penduduk 1,11% (BPS, 2010). Pertumbuhan penduduk yang semakin pesat akan menambah tekanan pada lingkungan salah satunya adalah meningkatnya polutan yang dilepaskan ke udara yang pada akhirnya akan menurunkan kualitas udara. Sumber pencemar kota Jakarta berasal dari sektor transportasi menghasilkan polutan berupa NOx, CO, HC, industri memberikan kontribusi terutama SO2, dan pembuangan sampah berpotensi menghasilkan CH4 (Bapedal dan LPM ITB, 1991/1992).

Gas rumah kaca berbeda dengan polutan dari segi jangka waktu dampak. Polutan secara langsung berdampak pada makhluk hidup, sedangkan gas rumah kaca berdampak tidak langsung. Melalui perantara proses di dalam lingkungan biogeokimia, gas-gas rumah kaca baru berdampak pada makhluk hidup dan memiliki life time yang relatif lama. Namun, beberapa polutan udara juga merupakan gas rumah kaca, sehingga dengan pengendalian pencemaran
udara dapat menurunkan konsentrasi gas rumah kaca (co-benefit).

Masalah polusi udara berkaitan erat dengan faktor meteorologi, terutama dalam hal pemindahan polutan dari sumbernya ke daerah penerima. Selain itu, meteorologi berkaitan erat dengan topografi dibawahnya. Konsentrasi polutan bergantung kepada jumlah dan jenis polutan yang dikeluarkan oleh sumber emisi, konfigurasi sumber emisi, dan kondisi meteorologi. Atmosfer sendiri memiliki kemampuan untuk mendispersikan dan mendifusikan polutan baik secara vertikal maupun secara horizontal.

Keadaan topografi Jakarta yang landai dan merupakan dataran rendah berdampak pada variasi profil tekanan udara dan distribusi angin. Untuk mengkaji permasalahan udara Jakarta skala regional dapat dilakukan dengan pemodelan pencemaran udara. Simulasi penyebaran polutan banyak menggunakan model persamaan difusi Gauss untuk sumber titik dan garis yang merupakan model kualitas udara generasi pertama. Akan tetapi model persamaan ini sulit dilakukan apabila digunakan untuk analisis regional dengan parameter-parameter yang bersifat spasial tiga dimensi. Dengan menggunakan model numerik maka analisis tiga dimensi yang berubah terhadap waktu dapat dilakukan dalam skala lokal maupun global. salah satu model numerik penyebaran polutan adalah CMAQ.

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

Models-3/Community Multiscale Air Quality Modeling (CMAQ) adalah model udara generasi ketiga, merupakan model Eulerian tiga dimensi kimia atmosfer, multi-pollutant dan model sistem transport yang dapat mensimulasi ozon, deposisi asam, visibilitas, partikulat metter sepanjang troposfer dalam skala luas dan dapat memprediksikan pergerakan dan penyebaran polutan. Model CMAQ digunakan untuk pemodelan pencemaran udara Jakarta karena didesain untuk aplikasi analisis kebijakan dan peraturan untuk memahami kompleksitas interaksi kimia atmosfir dan proses fisik dalam mensimulasi kualitas udara.

I.2 Maksud Dan Tujuan Adapun maksud dari penelitian ini adalah memodelkan pergerakan dan penyebaran polutan dari sumber transportasi dan industri kota Jakarta. Sedangkan tujuan penelitian adalah: Mengidentifikasi dan menghtiung konsentrasi polutan CO, SO2, dan NOx dari sumber pencemar transportasi dan industri kota Jakarta berdasarkan model/perumusan IPCC (Intergovermental Panel on Climate Change). Mengaplikasikan models-3/CMAQ dalam mensimulasi dan mengkaji distribusi polutan kota Jakarta. Mengkaji co-benefit penurunan konsentrasi Gas Rumah Kaca (GRK) dari pengendalian pencemaran.

1.3 Rumusan Masalah Pada penelitian ini, pemodelan dan simulasi yang digunakan sedekat mungkin dengan kondisi lapangan, sehingga dapat mewakili kondisi sebenarnya.

I.4 Batasan Masalah Batasan dalam penelitian ini adalah: Pemodelan pencemaran udara Jakarta (regional) Pada penelitian ini, akan dilakukan kajian dan simulasi pergerakan pencemaran udara di Jakarta dari sumber transportasi dan industri. Metode yang digunakan dalam perhitungan gas rumah kaca berdasarkan model/perumusan IPCC.

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

Sedangkan, simulasi pencemaran udara menggunakan model Eulerian Community Multi-scale Air Quality (CMAQ) Model.

I.5 Hipotesis Sumber emisi dari sektor transportasi, industri, melepaskan polutan udara dan sekaligus juga merupakan gas rumah kaca. Sehingga upaya pengendalian pencemaran udara yang mempertimbangkan co-benefit mitigasi gas rumah kaca merupakan strategi pengendalian yang terbaik.

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

II. METODOLOGI PENELITIAN II.1 Umum Model kualitas udara adalah suatu metodologi numerik, yang berdasarkan prinsip fisik, untuk mengestimasi konsentrsi polutan di dalam ruang dan waktu sebagai fungsi distribusi emisi dan dipengaruhi oleh faktor metorologi dan kondisi geofisik. Sehingga, dapat digunakan sebagai tool untuk menilai dan memprediksi kualitas udara masa yang akan datang. Adapun proses pemodelan dan sistematika penelitian dapat dilihat pada Gambar 1.
Mulai Studi Literatur

Pengumpulan data sekunder

Peta dasar

Data sumber emisi

Data meteorologi

Transportasi

Industri

Persampahan

Pembuatan Grid dan basis data

Inventori & Perhitungan laju emisi spatial

the

Sparse

Matrix

Operator (SMOKE)

Weather

Research

and

Kernel Model

Emissions

Forecasting (WRF) Model

Penyusunan model dispersi pencemar

Simulas Model

Analisis & pembahasan

Selesai Gambar 1. Diagram Alir Penelitian

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

II.2 Tahapan Penelitian 1. Pengumpulan data sekunder a. Peta dasar Peta dasar dibutuhkan untuk penentuan grid yang selanjutnya akan digunakan untuk menentukan laju emisi dalam setiap grid dan simulasi perpindahan massa polutan antar grid menggunakan CMAQ. Peta dasar terdiri dari peta administratif, tata guna lahan, jaringan jalan, rencana tata kota yang diperoleh dari Badan Perencana Daerah Provinsi DKI Jakarta (Bapeda).

b. Data sumber Emisi Ruang lingkup pada penelitian ini pencemaran udara dari sumber emisi transportasi, industri dan persampahan. Data data ini diperoleh dari Badan pusat statistik (BPS), Badan Pengendali Lingkungan Hidup (BPLH), Dinas Perhubungan. Kemudian

berdasarkan data sumber transportasi, industri, dan persampahan yang dihimpun, dihitung laju emisi dari tiap kecamatan, kotamadya dan kabupaten. Sektor Transportasi Laju emisi dari transportasi dihitung berdasarkan jumlah dan jenis kendaraan serta faktor emisi setiap jenis kendaraan dan jenis polutan yang diteliti adalah CO, HC, NOx, dan SO2. Persamaan laju emisi menurut IPCC Ep Ep = kendaraan x EFp.f x Laju kendaraan = laju emisi sektor transportasi untuk polutan p dalam satuan g/s

dimana:

Ef.p = faktor emisi berdasarkan polutan p dan bahan bakar f Sektor Industri Laju emisi dari industri dihitung dari jumlah bahan bakar yang dikonsumsi, faktor emisi untuk jenis bahan bakar dan jenis polutan yang diteliti adalah CO, HC, NOx, dan SO2. Persamaan laju emisi menurut IPCC: Ep Ep = Industri x f x SGf x EFp.f = laju emisi sektor transportasi untuk polutan p dalam satuan g/s

dimana:

Ef.p = faktor emisi berdasarkan polutan p dan bahan bakar f

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

= jumlah bahan bakar yang digunakan (l/industri/s)

SGf = Specific gravity bahan bakar f Sektor Persampahan Laju emisi dari persampahan dihitung dari jumlah sampah yang terbakar, densitas sampah serta faktor emisi untuk setiap jenis polutan yang diteliti yaitu CH4 Persamaan laju emisi menurut IPCC: = Vwterbakar x w x EPp.f x 106 = laju emisi sektor transportasi untuk polutan p dalam satuan g/s = faktor emisi berdasarkan polutan p dan bahan bakar f = volume sampah yang terbakar dalam satuan m3/s = densitas sampah terbakar dalam Kg/m3

Ep Ep Ef.p

dimana:

Vwterbakar w

c. Data Meteorologi Data meteorologi berupa arah angin, kecepatan angin, kelembaban udara, temperatur udara diperoleh dari Badan Meteorologi, Klimatologi dan Geofisika Jakarta.

2. Pembuatan Grid dan Basis Data Wilayah studi yaitu Jakarta di bagi kedalam grid kemudian dilakukan penyusunan data base spasial untuk setiap grid yang terdiri dari: data jumlah dan kepadatan penduduk per grid; data base panjang jalan, jenis dan jumlah kendaran untuk setiap grid; data base kepadatan kendaraan setiap grid; data jumlah dan jenis industri setiap grid; Data spasial digunakan sebagai informasi dan input untuk menghitung laju emisi setiap grid.

Pembagian grid dan penyususan data spasial diolah dengan menggunakan aplikasi ArcView yang mampu menggabungkan, menghubungkan menganalisa berbagai data pada suatu titik dipermukaan bumi dan menampilkan hasilnya dalam bentuk peta, Data yang akan diolah pada ArcGIS merupakan data spasial, yaitu data yang berorientasi geografis dan merupakan lokasi yang memiliki sistem koordinat tertentu, sebagai dasar referensinya.

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

3. Weather Research and Forecasting (WRF) Model Meteorologi merupakan penggerak di atmosfer dan salah satu input utama dalam pemodelan kualita udara. Weather And Research Forecasting (WRF) atau prakiraan dan riset cuaca adalah model cuaca generasi baru, diperuntukan baik untuk lingkungan riset maupun operasional yang dilengkapi dengan studi dinamika secara ideal, prediksi cuaca numerik dengan fisis secara penuh, simulasi kualitas udara dan iklim regional.

Untuk menjalankan model WRF ini diperlukan data untuk syarat awal dan syarat batas yang didapat dari Global Forecasting System yang operasional untuk keperluan

penerbangan internasional. Data ini telah terasimilasi dengan data pengukuran terkini dan dengan data satelit. Proses model atmosfer menggunakan WRF dapat dilihat pada Gambar 2.

Gambar 2.Diagram Alir Sistem Pemodelan WRF

Sistem pemodelan WRF terdiri dari sub program utama berikut: Sistem Pre-prosessing WRF (WPS), program ini digunakan utamanya untuk simulasi data real. Fungsinya meliputi: Pendefinisian domain-domain simulasi, Penginterpolasian data terrestrial (seperti: terrain, land use dan jenis-jenis tanah) untuk domain simulasi,

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

Degribbing dan interpolasi data meteo dari model yang lainnya untuk domain simulasi ini. WRF-Var, program ini merupakan program pilihan, tetapi dapat digunakan untuk ingest pengamatan ke dalam analisa yang terinterpolasi yang dibuat oleh WPS. Ini juga dapat digunakan untuk meng-update syarat awal model WRF ketika model WRF dijalankan dalam mode siklus. Pemecahan ARW, Merupakan komponen kunci dari sistem pemodelan yang tersusun dari beberapa program inisialisasi untuk simulasi ideal dan simulasi data real dan program integrasi numerik. Ini juga meliputi satu program untuk mengerjakan 1-way nesting.

Penelitian pemodelan cuaca menggunkan WRF telah di lakukan di Indonesi salah satunya adalah simulasi cuaca daerah Padang. Salah satu output berupa kecepatan angin dan pertemuan dua massa udara membentuk pita awan dan hujan sepanjang daerah Padang dapat dilihat pada Gambar 3 dan Gambar 4.

Gambar 3. Laju atau Besarnya Kecepatan Angin

Sumber: Peneliti Bidang Pemodelan Iklim, LAPAN

Gambar 4. Pertemuan dua masa udara

yang

bertiup dari laut (sea breeze) dan dari darat (land breeze) membentuk pita awan dan hujan sepanjang daerah Padang dan sekitarnya
Sumber: Peneliti Bidang Pemodelan Iklim, LAPAN

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

4. The Sparse Matrix Operator Kernel Emissions (SMOKE) The Sparse Matrix Operator Kernel Emissions (SMOKE) direkomendasikan untuk menciptakan input emisi kedalam CMAQ.

SMOKE dioptimasi untuk memproses basis sumber inventori atau set data yang mengandung informasi tentang proses kelas emisi pada lokasi spesifik. Basis sumber inventori mengandung data tentang lokasi dimana emisi terjadi, baik secara koordinat geografis atau satuan administratif seperti Negara. Selain itu, mengandung informasi tentang tipe proses emisi yang menggunakan suatu skema kode numerik seperti klasifikasi source code (SCC). SMOKe menggunakan kombinasi kode lokasi dan SSC untuk

menandai variabilitas temporal, spesies kimia, distribusi partial dan informasi proyeksi untuk suatu inventori. Penggunaan lokasi dan source code untuk mewakili perbedaan sumber dalan sebuah inventori membuat SMOKE dapat memproses inventory yang mengandung banyak sumber (multi-source) dalam satu simulasi. Sehingga distribusi spasial, profil temporal, profil spesies kimia yang berbeda-beda dapat diaplikasikan untuk tipe sumber yang berbeda dalam satu simulasi. 5. Penyusunan Model Disperse Pencemar Model distribusi pencemar udara Jakarta menggunakan CMAQ dibangun dengan dua tipe input utama yaitu input meteorologi menggunakan WRF model dan input emisi menggunakan SMOKE model.

Output WRF dan SMOKE menjadi input dalam CMAQ yang selanjutnya akan diproses oleh prosesor MCIP, ICON, BCON, and JPROC. MCIP adalah program pertama dalam CMAQ yang harus dijalankan dalam pengaturan suatu simulasi baru. Prosesor ini mengkonversi data dari meteorologi model (WRF) dalam bentuk Grid Desciption (GRIDDEC) file yang dibutuhkan untuk mndefeniskan grid pemodelan. ICON memproses kondisi awal (initial condition), yang menghasilkan output

konfigurasi untuk grid spesifik pemodelan dan parameter kimianya sebagain input untuk CCTM. BCON memproses batas kondisi lateral (lateral boundary condition) yang menhasilakan output konfigurasi untuk grid spesifik pemodelan dan parameter

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)

kimianya sebagain input untuk CCTM. BCON dapat menghasilkan kondisi batasan dinamik yang bervariasi menurut ruang dan waktu dan kondisi batasan statis. JPROC mengkonversi informasik fisik tentang molekul proreaktif kedalam laju photolysis atmosfer. Skema proses pemodelan CMAQ dapat dilihat pada Gambar 5.

Gambar 6. Skema Proses Pemodelan CMAQ

6.

Desvia Safitri - 253 10 019 (Teknologi dan Managemen Lingkungan - ITB)