Modul Pelatihan WRF 2011 PDF

Diktat Pelatihan WRF
(Weather Research and Forcasting)
KATA PENGANTAR
Diktat Pelatihan Model WRF (Weather Research and Forecasting) ini disusun sebagai
kelengkapan untuk melaksanakan Pelatihan Model WRF. Pelatihan ini ditujukan bagi mahasiswa
Program Studi Sarjana Meteorologi dan Magister Sains Kebumian ITB, ataupun untuk peserta dari
instansi/perusahaan lain yang ingin mempelajari dasar-dasar pemodelan Meteorologi dengan
menggunakan model WRF.
Diktat Pelatihan Model WRF ini disusun ulang oleh tim penyusun yang terdiri atas dosen,
asisten akademik dan beberapa orang mahasiswa Program Studi Meteorologi ITB. Diktat ini
merupakan hasil kompilasi ulang, perbaikan dan penambahan dari modul praktikum Pemodelan
Meteorologi II yang diajarkan bagi mahasiswa tingkat III Prodi Meteorologi. Kompilasi modul-
modul praktikum ini baru dapat dilakukan tahun ini dengan dukungan biaya dari Program
Pelatihan Model WRF 2011. Sebelumnya, modul-modul dalam diktat ini secara terpisah telah
disusun oleh dosen matakuliah dan tim asisten.
Diktat ini terdiri dari 2 bagian besar. Bagian pertama diktat ini lebih banyak berisi teori-
teori tentang pemodelan meteorologi. Pada bagian ini peserta diharapkan dapat lebih memahami
aspek-aspek dasar dalam pemodelan meteorologi sebelum menjalankan model WRF. Bagian
kedua dari modul ini lebih banyak berisi petunjuk praktis dalam menjalankan model WRF,
termasuk sistem operasi dan software-software pendukungnya.
Diktat ini diharapkan dapat membantu peserta pelatihan untuk memahami materi
pemodelan meteorologi dalam aspek praktis pemrograman komputer dan penerapan metode
untuk bidang ilmu meteorologi dan bidang-bidang ilmu lainnya yang berkaitan.
Meskipun telah mengalami banyak perbaikan, namun diktat ini masih jauh dari
kesempurnaan. Diktat ini masih perlu disempurnakan di waktu yang akan datang untuk dapat
memenuhi kebutuhan kompetensi peserta Pelatihan Model WRF yang dinginkan.
Bandung, 8 November 2011
Tim Penyusun
Weather and Climate Prediction Laboratory

Meteorologi ITB 2011
Daftar Isi
BAGIAN I _______________________________________________________________ 1
BAB 1 PREDIKSI CUACA NUMERIK ___________________________________________ 1
1.1 Model Cuaca Numerik ___________________________________________________ 2
1.2 Model Global dan Model Area Terbatas _____________________________________ 7
1.3 Prediksi Cuaca Operasional ______________________________________________ 11
1.4 Chaos, Prediktabilitas Atmosfer, dan Prediksi Ensemble _______________________ 13
1.5 Penelitian Prediksi Cuaca Numerik di KK Sains Atmosfer _______________________ 15
BAB 2 PENGENALAN WRF _________________________________________________ 19
2.1 Pengenalan Model WRF _________________________________________________ 19
2.2 Komponen Model WRF-ARW _____________________________________________ 21
2.3 Data Input dan Output Model ____________________________________________ 23
2.4 Teknik Downscaling dan Nesting __________________________________________ 24
2.5 Parameterisasi ________________________________________________________ 26
2.5.1 Parameterisasi Microphysics (mp_physics) ________________________________________ 26
2.5.2 Cumulus Parameterisasi (cu_physics) _____________________________________________ 30
2.5.3 Transfer Radiatif _____________________________________________________________ 31
2.5.4 Planetary Boundary Layer ______________________________________________________ 35
2.5.5 VALIDASI DATA MODEL ________________________________________________________ 39
2.5.6 PENGOLAHAN DATA HUJAN ____________________________________________________ 42
DAFTAR PUSTAKA _______________________________________________________ 43

BAGIAN II ______________________________________________________________ 44
BAB 3 INSTALASI MODEL WRF _____________________________________________ 45
3.1 Perangkat Keras _______________________________________________________ 45
3.2 Sistem Operasi Linux ___________________________________________________ 47
3.3. Linux Open SUSE _______________________________________________________ 50
3.3.1 Instalasi Linux __________________________________________________________________ 51
3.3.2 Perintah-perintah Dasar Dalam Linux _____________________________________________ 61
3.5 Software Pendukung WRF _______________________________________________ 63
3.5.1 Install keperluan melalui YaST RPM ________________________________________________ 63
3.5.2 Install PGI _____________________________________________________________________ 65
3.5.3 Install SZIP ____________________________________________________________________ 66
3.5.4 Install Udunits1 ________________________________________________________________ 67
3.5.5 Install Udunits2 ________________________________________________________________ 67
3.5.6 HDF4 _________________________________________________________________________ 68
3.5.7 HDF5 _________________________________________________________________________ 68
3.5.8 GRIB _________________________________________________________________________ 69
3.5.9 NetCDF _______________________________________________________________________ 71
3.5.10 GrADS _______________________________________________________________________ 72
3.5.11 NCL_NCARG __________________________________________________________________ 72
3.5.12 MPICH2 ______________________________________________________________________ 74
i
3.6 Instalasi WRF _________________________________________________________ 74

3.6.1 Source Code _________________________________________________________________ 74
3.6.2 Langkah-langkah Compile Model WRF ____________________________________________ 75
BAB 4 MENJALANKAN MODEL WRF UNTUK PREDIKSI ________________________ 77

4.1 Pengaturan Running Model ______________________________________________ 77
4.2 Pengaturan Parameterisasi ______________________________________________ 88
4.3 Pengolahan Output Model _______________________________________________ 90
ii
BAGIAN I
Diktat Pelatihan WRF Prediksi Cuaca Numerik
BAB 1
BAB 1 PREDIKSI CUACA NUMERIK
Di kalangan masyarakat, Meteorologi dapat dikatakan hampir identik dengan prakiraan cuaca
meskipun teknologi prediksi sebenarnya bukan monopoli ahli Meteorologi karena mengetahui
keadaan masa depan adalah salah satu hal yang sangat diinginkan oleh manusia untuk berbagai
tujuan. Contohnya saja, para ekonom memprediksi laju pertumbuhan ekonomi untuk satu tahun
ke depan, pialang pasar modal memprediksi nilai valas dan saham untuk satu hari ke depan, para
pengamat politik memprediksi perolehan suara partai peserta pemilu, dan sebagainya. Dalam hal
ini, metoda empirik (regresi) yang dikembangkan untuk prediksi ekonomi, nilai valas, hasil Pemilu,
temperatur di Bandung, mungkin saja sama karena dasar dari teknik prediksi menggunakan
metoda empirik adalah pengenalan pola. Berbeda dengan itu, metoda prediksi cuaca numerik
(PCN) atau numerical weather prediction (NWP) dibangun berdasarkan kaidah-kaidah fisis yang
mengatur gerak atmosfer dan berbagai proses yang terkait di dalamnya. Kaidah-kaidah fisis ini
kemudian diterjemahkan menjadi sistem persamaan matematis yang dapat diselesaikan secara
numerik (dengan bantuan komputer). Sampai dua dekade ke belakang, PCN sering juga disebut
metoda prediksi deterministik.
Dewasa ini, prediksi cuaca numerik secara de facto sudah menjadi teknologi prediksi cuaca
standar di dunia. Ide pengembangan metoda prediksi cuaca numerik awalnya dimajukan oleh
Vilhelm Bjerknes, seorang fisikawan asal Norwegia, kemudian diimplementasikan oleh ilmuwan
Inggris Lewis Fry Richardson sekitar tahun 1920-a, meskipun tanpa komputer. Eksperimen PCN
pertama dilakukan oleh John von Neuman menggunakan komputer digital generasi pertama yang
disebut ENIAC di sekitar tahun 1950-an (Nebeker, 1995). Kesuksesan ekperimen von Neuman
menginspirasi banyak ilmuwan yang lebih muda seperti Jule Charney dan Carl Gustav Rossby
pada waktu itu untuk melahirkan era baru dalam Meteorologi modern.
Tulisan ini mengulas secara singkat mengenai beberapa aspek PCN, terutama mengenai model
cuaca numerik dan sedikit permasalahan menyangkut kegiatan prakiraan cuaca operasional.
Bagian akhir tulisan ini memperkenalkan aktifitas penelitian yang terkait dengan PCN di Kelompok
Keahlian (KK) Sains Atmosfer ITB serta hasil-hasil yang telah dicapai sampai saat ini.
1
1.1 Model Cuaca Numerik
Model cuaca numerik adalah seperangkat sistem persamaan matematis yang menggambarkan
kaidah-kaidah fisis yang mengatur gerak atmosfer dan proses-proses terkait di dalamnya. Sistem
persamaan yang lengkap yang dapat digunakan sebagai model cuaca numerik disebut persamaan
primitif dan dapat dijabarkan dalam bentuk persamaan diferensial parsial sebagai berikut sebagai
berikut (e.g., Holton, 2004; Kalnay, 2003)
a. Persamaan Momentum
du uw uv tan φ 1 ∂p  ∂ 2 u ∂ 2u ∂ 2 u 
− 2Ωv sin φ + 2Ωw cos φ + − =− + ν 2 + + 
dt a a ρ ∂x  ∂x ∂y 2 ∂z 2 
dv vw u 2 tan φ 1 ∂p  ∂ 2v ∂ 2v ∂ 2v 
− 2Ωu sin φ + − =− + ν 2 + +  (1)
dt a a ρ ∂y  ∂x ∂y 2 ∂z 2 
dw u2 +v2 1 ∂p  ∂ 2 w ∂ 2w ∂ 2w 
− 2Ωu cos φ − =− − g + ν 2 + + 
dt a ρ ∂z  ∂x ∂y 2 ∂z 2 
dimana (u,v , w ) adalah vektor kecepatan angin dan p, ρ,a , Ω, g , ν adalah masing-masing
tekanan, densitas (rapat massa) atmosfer, jari-jari Bumi rata-rata, kecepatan sudut rotasi
Bumi, (percepatan) gravitas, dan koefisien viskositas kinematik. Operator diferensial
terhadap waktu sendiri didefinisikan sebagai diferensial material atau diferensial total
terhadap ruang dan waktu yakni
d ( ) ∂( ) ∂( ) ∂( ) ∂( )
= +u +v +w (2)
dt ∂t ∂x ∂y ∂z
Suku-suku yang mengandung Ω adalah suku-suku Coriolis untuk memperhitungkan efek

rotasi Bumi, sedangkan suku-suku yang mengandung a adalah suku yang memperhitungkan
efek kelengkungan Bumi. Efek gaya sentrifugal karena rotasi Bumi diperhitungkan di dalam
nilai gravitas g .
b. Persamaan Kontinuitas
Persamaan kontinuitas menyatakan hukum kekekalan massa dalam aliran fluida dan dapat
dinyatakan sebagai
1 dρ  ∂u ∂v ∂w 
= − + +  (3)
ρ dt  ∂x ∂y ∂z 
dalam bentuk divergensi kecepatan atau
2
dρ  ∂(ρu ) ∂(ρv ) ∂(ρw ) 

= − + +  (4)
dt  ∂x ∂y ∂z 
dalam bentuk divergensi flux massa.
c. Persamaan Energi Termodinamika
dT Dα
cv +p =Q (5)
dt dt
dimana T adalah temperatur, c v adalah kapasitas panas pada volume konstan dan α = 1/ρ
adalah densitas spesifik, sedangkan Q adalah laju pemanasan per satuan massa yang dialami
oleh atmosfer karena radiasi, konduksi, ataupun pelepasan panas laten.
d. Persamaan Lain untuk Konservasi Materi/Energi
d (ρq )
= ρ(E − C ) (6)
dt
adalah persamaan konservasi uap air di atmosfer dalam bentuk mixing ratio q
dengan laju evaporasi (penguapan) E sebagai sumber (source) dan laju kondensasi C
sebagai lenyapan (sink).
Sistem persamaan di atas, meskipun lengkap, sulit dipecahkan bahkan dengan metoda numerik
yang paling canggih sekalipun. Suku-suku yang terkait dengan turbulensi dan radiasi tidak dapat
dipecahkan secara eksak dalam skala grid. Proses skala subgrid pada umumnya diselesaikan
menggunakan teknik parameterisasi dengan melibatkan faktor-faktor empirik. Pada awal
perkembangan PCN, karena terbatasnya kemampuan komputer, baynak penelitian dilakukan
untuk mendapatkan teknik penyederhanaan terhadap sistem persamaan primitif agar
menghasilkan persamaan model cuaca yang tidak terlalu realistis tetapi masih berguna untuk
membantu prediksi cuaca.
Beberapa pendekatan dan asumsi penting yang sering digunakan dalam kajian Meteorologi dan
Sains Atmosfer antara lain adalah :
a. Pendekatan gas ideal
p = ρRT (7)
dengan tetapan gas R untuk udara kering.
b. Asumsi adiabatik
Dengan mendefinisika temperatur potensial sebagai
3
κ
p  R
θ = T  s  , κ = (8)
 p  c p
dimana p s adalah tekanan pada suatu paras referensi (biasanya diambil paras tekanan 1000
hPa) dan c p adalah kapasitas panas atmosfer pada tekanan konstan maka persamaan energi
termodinamika dapat dituliskan sebagai
dθ θ dQ
= (9)
dt C pT dt
dan asumsi adiabatik menyatakan bahwa perubahan pemanasan dQ /dt = 0 sehingga

θ = kons tan .
c. Pendekatan hidrostatik
dp
= −ρg (10)
dz
menyatakan bahwa gaya gradien tekanan dalam arah vertikal diimbangi oleh gravitas.
d. Pendekatan barotropik (fluida tak termampatkan)
∂u ∂v ∂w
+ + =0 (11)
∂x ∂y ∂z
dalam pendekatan barotropik, densitas atmosfer dianggap homogen ( ρ = konstan ) sehingga

divergensi kecepatan sama dengan nol. Hasil yang agak mirip akan didapatkan jika
digunakan pendekatan Boussinesq. Dalam hal ini, efek perubahan densitas diabaikan dalam
arah horizontal tetapi masih diperhitungkan dalam arah vertikal sebagai suku gaya apung
(buoyancy).
Secara umum, PCN merupakan permasalahan untuk mencari solusi diskrit dari persamaan
du(t )
= F (t ) (10)
dt
Untuk setiap langkah waktu ∆t , integrasi persamaan (10) terhadap t dari t = n∆t sampai dengan
t = (n + 1)∆t akan menghasilkan
(n +1)∆t
u n +1 = u n + ∫ F (u, t ) dt (11)
n∆t
yang dapat diselesaikan dengan metoda numerik seperti beda-hingga (finite difference). Namun
demikian, persamaan (11) yang sederhana tidak mudah dipecahkan karena pada prakteknya
4
bentuk fungsi F (u, t ) adalah non-linier. Model cuaca numerik yang paling sederhana yang
pernah digunakan secara operasional adalah model barotropik yang dapat dituliskan dalam
bentuk persamaan prognostik untuk fungsi arus (stream function) ψ (x,y) sebagai (Krisnamurti
and Bounoua, 1996)
∂ 2
∂t
( ) (
∇ ψ = −J ψ, ∇ 2 ψ − β )
∂ψ
∂x
(12)
dimana J (, ) adalah operator Jacobian dan β = df /dy adalah faktor perubahan dari parameter
Coriolis f = 2Ω sin φ terhadap lintang.
Persamaan (12) adalah persamaan adveksi gelombang Rossby (Holton, 2004) yang dapat
menunjukkan pergerakan pusat-pusat tekanan rendah/tinggi di daerah lintang menengah.
Persamaan tersebut dapat diintegrasikanuntuk mendapatkan prediksi nilai medan fungsi arus bila
diketahui nilai awal medan fungsi arus yang dapat dihitung dari data pengukuran kecepatan angin
horizontal (u ,v ) pada paras tekanan 500 hPa. Hubungan antara fungsi arus dan medan vektor
kecepatan angin diberikan oleh teorema Helmholtz sebagai berikut
∂ψ ∂χ
u=− −
∂y ∂x
(13)
∂ψ ∂χ
v= −
∂x ∂y
dimana χ adalah kecepatan potensial, sedangkan
∂v ∂u
∇2ψ = − =ζ
∂x ∂y
(14)
 ∂u ∂v 
∇ χ = −
2
+  = −divergensi = -D
 ∂x ∂y 
Besaran ζ disebut vortisitas relatif. Dengan asumsi barotropik, maka divergensi = 0 dan
hubungan antara kecepatan angin dan fungsi arus menjadi lebih sederhana
∂ψ ∂ψ
u=− , v= (15)
∂y ∂x
Contoh hasil prediksi menggunakan model barotropik dapat dilihat dalam Gambar 1. Dapat
dilihat bahwa perubahan di daerah tropis tidak signifikan.
Meskipun sangat sederhana, model barotropik digunakan oleh C.G. Rossby untuk keperluan
prediksi cuaca secara operasional di Swedia sekitar Desember 1954, setengah tahun lebih awal
dari Amerika Serikat. Awal dari era baru dalam Meteorologi ini diabadikan melalui sebuah artikel
dalam suatu edisi majalah Time (Gambar 2). Seiring dengan perkembangan teknologi komputer,
PCN mengalami perkembangan pesat sejak tahun 60-an sampai sekarang sehingga model cuaca
5
Weather Research and Forcasting)
(Weather Forcasting
numerik generasi terbaru menggunakan persamaan primitif dan jauh lebih realistis dari model
barotropik di atas.
(a)
(b)
Gambar 1.. Contoh hasil keluaran model barotropik untuk prediksi 24 jam ke
depan dengan data riil : (a)peta garis arus (stream
( line)) dari data awal dan
(b)peta garis arus 24
2 jam kemudian.
Gambar 2.. Sampul suatu edisi majalah Time yang memuat berita mengenai
dimulainya Prediksi Cuaca Numerik secara operasional di Swedia pada tahun
1954.
6
1.2 Model Global dan Model Area Terbatas
Karena atmosfer merupakan medium kontinu, perubahan atau proses yang terjadi di suatu
tempat akan mempengaruhi kondisi atmosfer di tempat lain terutama bila skala proses tersebut
cukup besar. Oleh karena itu, model cuaca numerik harus dapat mengakomodasi proses-proses
atmosferik secara global. Dewasa ini model cuaca numerik global telah banyak dikembangkan
oleh pusat-pusat prediksi cuaca di negara maju. Namun demikian, kemampuan komputer
membatasi resolusi model atmosfer global. Oleh karena itu, selain model skala global
dikembangkan juga model area terbatas (limited area model) atau sering juga disebut model
regional (regional model) atau model skala meso (mesoscale model) yang memungkinkan prediksi
dilakukan dengan resolusi yang lebih rinci. Model area terbatas menggunakan keluaran (output)
model global sebagai syarat awal dan syarat batasnya. Perlu dicatat juga bahwa resolusi yang
lebih tinggi tidak selalu berarti ketelitian yang lebih tinggi karena ketelitian model prediksi cuaca
ditentukan juga antara lain oleh kuantitas dan kualitas data pengamatan yang ada.
Meskipun berbagai metoda numerik dapat digunakan untuk menyelesaikan persamaan pengatur
gerak atmosfer, sebagian besar model cuaca numerik global yang dijalankan sekarang ini
memanfaatkan teknik spektral. Untuk domain Bumi yang bersifat sferis, teknik spektral
mempunyai banyak keuntungan dibanding metoda beda-hingga atau metoda lainnya. Sebagai
contoh, model atmosfer barotropik di atas dapat dituliskan dalam koordinat global (sferis) sebagai
(Holton, 2004)
∂ 2 1  ∂ψ ∂∇ 2 ψ ∂ψ ∂∇ 2 ψ  2Ω ∂ψ
∇ ψ= 2  − − (16)
∂t a  ∂µ ∂λ ∂λ ∂µ  a 2 ∂λ
dimana
∇2ψ =
1 ∂ 
 1− µ(2 ∂ψ 
+) 1 ∂ 2ψ 

∂µ  1 − µ 2 ∂λ2 
(17)
a2  ∂µ 
dengan λ adalah koodinat bujur (longitude), sedangkan µ ≡ sin φ mewakili kooordinat lintang.
Dalam model spektral, fungsi arus dijabarkan sebagai deret tertentu dari fungsi harmonik sferis
sebagai fungsi basis dan dapat dinyatakan dalam bentuk
ψ(λ, µ, t ) = ∑ ψ γ (t )Y γ (µ, λ ) (18)

γ
dengan ψ γ (t ) menyatakan fungsi amplituda kompleks yang tergantung waktu. Di sini, fungsi
harmonik sferis didefinisikan oleh
Y γ (µ, λ) ≡ Pγ (µ)e i m λ (19)
7
dimana γ ≡ (m, n ) adalah vektor yang menyatakan indeks bilangat bulat dari fungsi harmonik
sferis yakni m = 0, ± 1, ± 2, ± 3,K dan n = 1, 2, 3,K dengan syarat m ≤ n . Dalam hal ini P γ
adalah fungsi polinom associated Legendre jenis pertama berorde n . Dapat dilihat bahwa m
mewakili bilangan gelombang dalam arah zonal (Barat-Timur) dan dapat ditunjukkan bahwa
n − m menyatakan jumlah titik simpul dari P γ dalam interval − 1 < µ < 1 (dari kutub-ke-kutub)
yang menyatakan skala meridional (Selatan-Utara) dari fungsi harmonik sferis. Struktur dari
beberapa fungsi harmonik sferis dapat dilihat dalam Gambar 3.
Meskipun memerlukan perumusan matematis yang lebih rumit, model spektral memiliki banyak
keunggulan sebagai model global. Salah satu keuntungan dari penggunaan fungsi harmonik sferis
adalah karena turunan fungsi dapat dihitung secara eksak dan rekursif. Sebagai contoh, Laplacian
dari fungsi harmonik sferis adalah
n (n + 1)
∇ 2Y γ = − Yγ (20)
a2
Dengan menggunakan metoda transformasi spektral, hal ini memudahkan perhitungan suku-suku
non-linier yang mengandung perkalian dua variabel. Metoda transformasi spektral
diimplementasikan dengan menghitung nilai variabel pada domain spektral (m ,n ) maupun pada
titik grid (λ i , µ i ) pada setiap langkah waktu. Alih-alih melakukan perkalian fungsi spektral yang
sangat merepotkan, perkalian variabel pada titik grid dapat dikerjakan secara jauh lebih mudah
pada titik grid kemudian hasilnya ditransformasikan kembali ke domain spektral. Sebagai ilustrasi,
persamaan (16) dapat kita tuliskan sebagai
∂ 2 1  ∂ψ 
∇ ψ=− 2 2Ω ∂λ + A(λ, µ ) (21)
∂t a  
dengan
 ∂ψ ∂∇ 2 ψ ∂ψ ∂∇ 2 ψ 
A(λ, µ ) ≡ − +  (22)
 ∂µ ∂λ ∂λ ∂µ 
dan substitusi (18) ke dalam (21) menghasilkan
dψ γ
= iν γ ψ γ + A γ [n (n + 1)]
−1
(23)
dt
dimana
ν γ = 2Ωm /[n (n + 1)] (24)
adalah hubungan dispersi gelombang Rossby-Haurwitz . Dalam hal ini, setiap keofisien spektral
ψ γ dan Aγ dapat dihitung melalui transformasi dari nilai grid sebagai
8
(Weather Forcasting
1 2π +1
ψ γ (t ) = ∫ ∫ ψ(λ, µ, t )Y γ dλdµ
*
(25)
4π 0 −1
dan
1 2π +1
A γ (t ) = ∫ ∫ A(λ, µ,t )Y γ dλdµ
*
(26)
4π 0 −1
Integral dalam (25) dan (26) dapat dihitung dengan ketelitian sangat tinggi menggunakan teknik
quadratur. Dengan menggunakan sifat fungsi harmonik sferis, perhitungan A(λ, µ ) untuk seluruh
titik grid dapat dilakukan secara eksak.
Ketelitian model spektral antara lain dibatasi oleh jumlah komponen harmonik sferis yang
dipertahankan dalam deret (persamaan (18)). Ada dua cara pemotongan spektrum yang biasa
digunakan, yaitu pemotongan segitiga (triangular)
( dan rhomboidal.. Jika (N , M ) adalah nilai
maksimum dari (n ,m ) , maka pemotongan triangular mensyaratkan nilai N = M , sedangkan
pemotongan rhomboidal memberikan N = m + M . Penjelasan lebih lengkap mengenai model
spektral dan model global dapat dibaca antara lain dalam Haltiner and Williams (19980),
Washington and Parkinson (1986), dan Holton (2004).
Gambar 3.3. Pola negatif dan positif untuk fungsi spektral harmonik
sferis dengan n = 5 dan m = 0,1,2,3,4,5. (Sumber : Holton, 2004)
9
Dewasa ini model global telah mencapai resolusi cukup tinggi. Model global yang dikembangkan
oleh Japan Meteorological Agency (JMA), misalnya, saat ini telah mencapai resolusi ruang setara
dengan interval grid 20 km. Namun demikian, beberapa proses yang menyangkut pembentukan
awan dan hujan sulit direpresentasikan dengan baik di dalam model global. Untuk daerah tropis
dan ekuatorial, hal ini menjadikan kelemahan yang penting dari model spektral karena proses
pembentukan awan dan hujan didominasi oleh proses konvektif (awan cumulus) dengan skala
waktu yang relatif pendek. Sebagai ilustrasi, Gambar 4 memperlihatkan sel tunggal awan
konvektif yang cukup besar terbentuk di daerah Jawa Barat pada tanggal 13 Oktober 2004 dalam
waktu kurang dari 2 jam. Sel konvektif seperti ini sulit disimulasikan oleh model global sehingga
untuk daerah seperti Indonesia perlu dikembangkan model-model regional dengan multi-resolusi
untuk meningkatkan ketelitian prakiraan cuaca.
(a) (b)
Gambar 4. Citra satelit (visible) yang memperlihatkan pembentukan suatu sel tunggal
awan cumulus di bagian Barat P. Jawa pada tanggal 13 Oktober 2004 jam (a)14:25 WIB
dan (b)16:25 WIB.
Untuk prediksi cuaca dengan resolusi ruang yang lebih tinggi, sebenarnya pusat-pusat prediksi
cuaca di dunia dewasa ini juga mengembangkan penerapan model regional atau model area
terbatas dimana metoda beda-hingga merupakan metoda utama yang digunakan untuk
mendapatkan solusi persamaan gerak atmosfer (persamaan primitif). Di antara model regional
yang telah banyak digunakan dapat disebutkan antara lain adalah MM5 dan WRF (Dhudia et al.
2005; Skamarock et al., 2005) yang dikembangkan oleh NCAR (National Center for Atmospheric
Research), sedangkan JMA mengembangkan sendiri model non-hydrostatic (Saito et al., 2006).
Beberapa pusat riset atmosfer lainnya di Amerika, Eropa, Jepang, dan Australia juga
mengembangkan model-model regional untuk keperluan riset maupun operasional. Model cuaca
numerik regional dapat dijalankan hingga resolusi 1 km pada dimensi domain horizontal sampai
beberapa ribu kilometer.
Satu hal lagi yang perlu diperhatikan mengenai model cuaca numerik adalah menyangkut
koordinat vertikal. Beberapa jenis koordinat vertikal yang umum digunakan dalam model cuaca
numerik adalah koordinat tekanan, koordinat sigma, koordinat eta, dan koordinat isentropik.
Pemilihan koordinat vertikal sangat penting dalam memperhitungkan efek topografi terhadap
gerak atmosfer. Pada awal perkembangannya, model cuaca numerik banyak menggunakan
koordinat tekanan p = konstan karena dapat menyederhanakan formulasi gaya gradien tekanan
10
dan persamaan kontinuitas dengan “menyembunyikan” faktor densitas. Kesulitan dalam

menerapkan syarat batas bawah menyebabkan koordinat sigma menjadi pilihan yang lebih baik
dan sampai sekarang merupakan koordinat yang paling banyak dipakai di dalam model cuaca
numerik.
Koordinat sigma secara umum dirumuskan dalam bentuk
p − pT
σ= (27)
p s − pT
dimana p s ( x , y , t ) adalah tekanan di permukaan dan p T = konstan adalah tekanan di batas atas
model. Dengan demikian, koordinat sigma bernilai σ = 1 di permukaan dan σ = 0 di batas atas
model serta mempunyai sifat mengikuti bentuk topografi (terrain-following) seperti dapat dilihat
secara skematis dalam Gambar 5. Hal ini memberikan kemudahan karena kecepatan vertikal
dapat dihitung secara diagnostik dari medan angin, tetapi sekaligus kelemahan karena suku
gradien tekanan dalam persamaan gerak tidak dapat dihitung dengan benar pada daerah
bertopografi kompleks. Dalam hal ini, koordinat eta merupakan alternatif yang dapat
memberikan hasil lebih baik (e.g., Kalnay, 2003). Dengan koordinat eta, bentuk topografi diwakili
oleh kotak atau kubus bertingkat. Koordinat isentropik θ = konstan sering digunakan dalam kajian
teoritis tetapi jarang diimplementasikan dalam model numerik.
Gambar 5. Gambaran skematis koordinat vertikal sigma pada

daerah bertopografi terjal (Sumber : Comet®Module, 2003).
1.3 Prediksi Cuaca Operasional
Suatu sistem prakiraan cuaca operasional biasanya dibangun secara nasional dan melibatkan
jaringan pengamatan cuaca internasional yang terkoordinasi di bawah WMO (World
Meteorological Organization). Di negara-negara maju model cuaca numerik yang dikembangkan
selama puluhan tahun adalah tulang punggung sistem prakiraan cuaca operasional. Pusat-pusat
11
prediksi cuaca yang terkenal di dunia seperti ECMWF (Eropean Center for Middle Range Weather
Forcasting) yang berlokasi di Inggris, NCEP (National Center for Environmental Prediction) di
Amerika Serikat , dan Japan Meteorological Agency di Jepang, menjalankan model cuaca global
pada superkomputer yang paling canggih.
Selain model cuaca numerik itu sendiri, data yang didapatkan dari jaringan pengamatan global,
sinoptik, dan lokal merupakan hal yang juga sangat penting di dalam sistem prakiraan cuaca
operasional. Setiap negara yang tergabung di dalam WMO wajib memberikan data dan berhak
menerima data pengamatan cuaca global yang didapatkan dari berbagai sumber. Namun
demikian, tidak setiap negara mampu menggunakan data tersebut untuk menjalankan model
cuaca numerik meskipun seandainya tersedia sistem perangkat keras dan lunak yang mendukung.
Salah satu teknologi yang harus dikuasai untuk dapat menjalankan model PCN adalah teknologi
asimilasi data.
Asimilasi data pada dasarnya adalah teknik yang dikembangkan untuk mendapatkan nilai variabel
cuaca pada titik grid yang ditentukan dari data pengamatan yang tersebar tidak beraturan di
dalam ruang dan data prediksi yang dihasilkan sebelumnya menggunakan model PCN. Nilai
variabel pada titik-titik grid ini kemudian digunakan sebagai nilai awal di dalam model cuaca
numerik yang dijalankan untuk siklus prediksi berikutnya. Permasalahan asimilasi data cuaca
sangat kompleks karena selain letak titik pengamatan tidak beraturan, sumber data juga
bermacam-macam : sensor permukaan, radiosonde, satelit, radar dan sebagainya yang
memberikan tingkat kesalahan yang berbeda pula. Berbagai metoda asimilasi data, atau secara
tradisional dalam Meteorologi juga disebut “Objective Analysis”, telah dikembangkan sejak tahun
1950-an hingga kini. Metoda Cressman adalah metoda asimilasi data yang paling awal
dikembangkan berdasarkan pencocokan polinomial. Setelah itu berkembang metoda lain yang
lebih canggih seperti Optimum Interpolation (OI), 3D-Var, 4D-Var, dan Ensemble Kalman Filter.
Selain data pengamatan, metoda-metoda ini melibatkan juga nilai dan kesalahan prediksi seperti
diperlihatkan secara skematis dalam Gambar 6. Ulasan yang cukup singkat tetapi komprehensif
mengenai berbagai metoda tersebut dapat dibaca dalam Kalnay (2003) .
Satu hal lagi yang harus diperhatikan di dalam prediksi operasional adalah bahwa model cuaca
numerik, sebaik apapun, merupakan representasi yang disederhanakan dari sistem cuaca Bumi
yang jauh lebih kompleks. Oleh karena itu, setiap model numerik akan menghasilkan prediksi
yang tidak akan persis sama dengan pengamatan. Pada akhirnya, keputusan akhir dalam sistem
prediksi cuaca harus ditentukan oleh manusia yakni seorang ahli prakiraan cuaca (weather
forecaster), terutama menyangkut prakiraan cuaca ekstrim dalam jangka relatif pendek. Namun
demikian, mengingat besarnya jumlah data yang harus diolah dan terbatasnya jumlah ahli
prakiraan yang berpengalaman, berbagai metoda objektif terus dikembangkan untuk mendukung
otomatisasi prediksi. Salah satu metoda baku di dalam prediksi cuaca operasional adalah yang
disebut sebagai Statistical Guidance (SG).
Pada dasarnya, SG adalah teknik regresi untuk mendapatkan korelasi (sedapat mungkin linier)
antara variabel yang diprediksi (prediktan) dengan variabel yang digunakan untuk memprediksi
(prediktor) (e.g., Wilks, 1995). Di dalam SG, prediktor utama adalah keluaran model cuaca
12
(Weather Forcasting
numerik. Salah satu hal yang menarik adalah

adalah nilai prediktan di dalam SG dapat bersifat kategoris,
untuk hujan misalnya bisa “Hujan” dan “Tidak Hujan” atau secara numerik bisa diwakili oleh
bilangan binari 1 dan 0. Ada dua metoda utama yang digunakan di dalam SG yakni : (1)MOS
(model output statistics)) yang pertama kali dikembangkan oleh Glahn and Lowry (1972) dan
(2)Perfect Prog(nosis).
(nosis). Dalam Perfect Prog, semua variabel prediktor adalah pengamatan atau
produk asimilasi (analysis
analysis data)
data) dan sebagai prediktan adalah data stasiun yang diamati pada pad
waktu yang sama tetapi tidak boleh sama dengan salah satu prediktor. Dalam hal MOS, beberapa
variabel prediktor bisa berupa data pengamatan atau keluaran model prediksi pada waktu yang
tidak sama dengan pengamatan. Metoda manapun yang digunakan, pengembanganpengemb SG untuk
suatu daerah memerlukan basisdata pengamatan dan keluaran prediksi yang lengkap dalam
kurun waktu yang cukup panjang (lebih dari sepuluh tahun). Akhir-akhir
Akhir akhir ini, Kalman filter juga
dikembangkan sebagai salah satu metoda SG menggunakan filterfilter adaptif dengan hasil yang cukup
baik untuk rentang waktu data yang relatif pendek (Kalnay, 2003).
Gambar 6.. Skematika ssimilasi data menggunakan metoda (intermittent)

4D-Var
Var dengan siklus prediksi setiap 6 jam. (Sumber : Japan Meteorological
Agency )
Setelah melalui seluruh tahap pemrosesan data yang panjang seperti tersebut di atas, barulah
informasi prakiraan dapat dipublikasikan kepada masyarakat umum atau kepada pihak-pihak
pihak yang
memerlukan secara khusus seperti sektor yang terkait dengan keselamatan
keselamat penerbangan. Satu
hal yang jelas adalah bahwa prediksi cuaca operasional dewasa ini merupakan perpaduan luar
biasa dari kerja manusia dan mesin (komputer) untuk mengetahui sedikit dari rahasia masa
depan.
1.4 Chaos, Prediktabilitas Atmosfer, dan Prediksi Ensemble
PCN telah berkembang pesat terutama selama setengah abad belakangan ini dan mencapai
tingkat kepercayaan yang tinggi di negara-negara
negara negara industri maju. Ketika Wilhelm Bjerknes
13
mencetuskan ide mengenai PCN kurang lebih seabad yang lalu, telah disadari bahwa terdapat dua
syarat mutlak yang harus dipenuhi agar model cuaca numerik dapat memberikan prediksi yang
akurat yaitu : (1)pengetahuan yang lengkap mengenai kondisi awal atmosfer, dan (2)pengetahuan
yang lengkap mengenai seluruh proses yang terjadi di atmosfer yang dapat dituangkan ke dalam
bentuk persamaan matematis.
Kita mengetahui bahwa secanggih apapun teknologi observasi atmosfer, data cuaca yang
dihasilkan akan mengandung galat dan bagaimanapun rapatnya titik pengamatan tidak akan
dapat menghasilkan resolusi yang cukup tinggi untuk menangkap semua gejala cuaca. Meskipun
teknologi asimilasi data telah sedemikian rupa dibangun untuk mengatasi kekurangan-kekurangan
ini, jelaslah syarat pertama tersebut di atas jelas tidak akan terpenuhi secara mutlak.
Ketika Jule Charney dan C.G. Rossby di tahun 1950-an berhasil mengimplementasikan PCN secara
operasional, sempat muncul optimisme berlebihan mengenai sifat deterministik atmosfer yang
dianggap telah terwakili oleh sistem persamaan gerak yang seluruhnya diketahui. Akan tetapi,
tidak lama setelah itu Lorenz (1963) menunjukan bahwa solusi persamaan non-linier dalam model
cuaca numerik secara inheren akan memunculkan solusi bersifat chaotic karena perbedaan kecil
di dalam nilai awal. Oleh karena itu, atmosfer tidak selalu predcitable meskipun diatur oleh
hukum-hukum fisika Newtonian yang deterministik. Keterbatasan model cuaca numerik ini secara
cukup mengagumkan didemonstrasikan oleh Edward Lorenz, professor Meteorologi di
Massachuset Institute of Technology (MIT) pada waktu itu, menggunakan suatu sistem persamaan
differensial biasa sebagai berikut
dx 
= σ(y − x ) 
dt

dy 
= rx − y − xz  (28)
dt 
dz 
= xy − bz 
dt 
dimana σ,b, r adalah konstanta. Lorenz (1963) mendapatkan bahwa integrasi persamaan (28)
terhadap waktu dengan σ = 10 , b = 8 /3 dan r = 28 menghasilkan solusi chaotic yang terkenal
dengan pola atraktor Lorenz.
Meskipun mengandung ketidakpastian, PCN tetap memberikan informasi yang sangat berguna
bagi manusia mengenai salah satu faktor penting yang menentukan keadaan masa depan. Hal
yang paling penting adalah bagaimana mengkuantifikasi ketidakpastian tersebut sehingga resiko
yang diakibatkan dapat diperkirakan dengan baik. Di berbagai pusat prediksi cuaca di dunia saat
ini dikembangkan metoda prediksi ensemble yang dapat dilakukan dengan satu atau banyak
(multi) model meskipun dasar ilmiahnya masih diperdebatkan. Prediksi ensemble menggunakan
satu model dadapatkan dengan cara memberikan nilai awal yang sedikit berbeda. Sekumpulan
nilai awal dapat dibuat dengan memberikan suatu variasi terhadap nilai awal yang dihasilkan dari
proses asimilasi data. Metoda ini akan menghasilkan sejumlah anggota (member) prediksi
14
dengan keluaran yang berbeda. Statistik dari sejumlah keluaran model ini akan menentukan
tingkat kemungkinan kebenaran prediksi.
Gambar 7. Contoh hasil prediksi ensemble untuk tekanan permukaan laut di

wilayah Amerika Utara menggunakan “diagram spageti”. Masing-masing
warna menunjukan kontur yang dihasilkan oleh anggota prediksi yang
berbeda. (Sumber : Comet®Module, 2003)
Gambar 7 mengilustrasikan keluaran prediksi ensemble untuk tekanan permukaan laut. Di sini
dapat dilihat bahwa prediksi dalam kotak ungu memounyai sebaran yang lebih kecil daripada
prediksi dalam kotak merah yang berarti mempunyai ketidakpastian hasil prediksi yang lebih
tinggi. Ini menunjukkan bahwa PCN menghasilkan tingkat ketidakpastian yang berbeda secara
spasial (dan juga temporal) terhadap suatu kejadian cuaca. Dengan dipakainya produk prakiraan
cuaca ensemble dalam prediksi cuaca operasional maka semakin disadari akan pentingnya untuk
menyampaikan informasi mengenai ketidakpastian kepada masyarakat pengguna (National
Research Council, 2006).
1.5 Penelitian Prediksi Cuaca Numerik di KK Sains Atmosfer
Dibandingkan dengan apa yang telah dicapai oleh negara-negara industri maju dalam
pengembangan teknologi prediksi cuaca, Indonesia dan negara-negara Asia Tenggara lainnya
masih sangat jauh ketinggalan. Hal ini setidaknya terungkap dalam “International Workshop on
Regional Models for The Prediction of Trop1ical Weather and Climate” yang diadakan di Bandung
pada bulan Maret 2006. Workshop ini diselenggarakan sebagai salah satu kegiatan dalam
program KAGI 21 (Kyoto University Active Geosphere Investigation) yang merupakan kerjasama
antara ITB dan Kyoto University. Selain peserta dari Jepang sebagai negara maju, dalam workshop
tersebut hadir peserta yang mewakili negara-negara Asia Tenggara seperti Singapura, Malaysia,
Vietnam, dan Philipina, sedangkan penulis (Dr. Tri Wahyu Hadi) berbicara mewakili ITB. Satu hal
15
yang mendapat perhatian dari workshop tersebut adalah bahwa perkembangan teknologi
personal computer (PC) saat ini telah memungkinkan penelitian prediksi cuaca numerik dapat
dilakukan dengan sarana komputasi yang relatif murah. Saat ini, aplikasi sistem prediksi cuaca
numerik telah lebih jauh di Negara-negara Asia Tenggara telah lebih jauh berkembang.
Penelitian prediksi cuaca numerik di KK Sains Atmosfer sendiri baru dimulai sejak pertengahan
tahun 2005 setelah tersedianya PC-cluster sebagai sarana komputasi paralalel. PC-cluster, yang
awalnya terdiri dari enam buah prosesor AMD Athlon-64 (Gambar 8) tersebut berhasil dirakit
secara sederhana oleh Dr. Tri Wahyu Hadi dan beberapa mahasiswanya dari sumbangan
peralatan yang diberikan oleh Kyoto University. Fasilitas tersebut harus terus dikembangkan
mengikuti teknologi komputer yang ada sehingga, meskipun sangat terbatas, saat ini PC-Cluster
yang terbaru telah dibangun menggunakan prosesor AMD-64 seri Magnicours 12 core. Sampai
sekarang telah dilakukan beberapa kajian simulasi dan prediksi cuaca berdasarkan teknik
dynamical downscaling yakni menggunakan model regional (MM5 dan WRF) untuk mempertinggi
resolusi keluaran model global yang didapatkan dari NCEP (resolusi horizontal 1 derajat) melalui
internet.
Gambar 8. Tampilan PC-cluster pertama yang dirakit dan

digunakan oleh KK Sains Atmosfer dalam penelitian prediksi cuaca
numerik di ITB tahun 2005.
Hasil simulasi menggunakan model regional MM5 dengan resolusi horizontal (grid) 10 km
menunjukkan bahwa model regional dapat dengan baik merepresentasikan proses-proses skala
meso yang terkait dengan konveksi cumulus. Gambar 9 memperlihatkan hasil simulasi pada
tanggal 13 Oktober 2004 dimana keluaran model menunjukkan adanya konvergensi uap air
bertepatan dengan daerah pembentukan awan cumulus. Puncak konvergensi terjadi pada jam
16
09.00 UTC bertepatan dengan munculnya awan cumulus pada citra satelit. Proses ini akan luput
dari model global dengan resolusi dari 20 km.
Prediksi cuaca numerik adalah salah satu lambang kejayaan negara-negara maju dalam menguasai
teknologi karena untuk menjalankannya diperlukan sumberdaya yang mumpuni. Melihat
perkembangan aplikasi PCNdi Negara-negara Asia tenggara yang lain, kemungkinan bahwa
Indonesia akan tertinggal dalam pengembangan prediksi cuaca numeric cukup perlu
dikhawatirkan. Kondisi yang ada saat ini masihlah sangat memprihatinkan ditilik dari ketersediaan
sumberdaya manusia maupun sarana-prasarana yang tersedia. Badan Meteorologi dan Geofisika
sendiri (menurut situs internetnya, http://www.bmg.go.id/) saat ini masih lebih banyak
menggunakan produk prediksi cuaca numerik dari luar negeri seperti Australia dan Jepang untuk
mendukung prakiraan cuaca operasionalnya.
(a) (c)
(b) (d)
Gambar 9. Hasil simulasi dengan model regional MM5 yang menujukan medan angin pada
ketinggian 10 m dan precipitable water (kontur berwarna, biru berarti kandungan uap air
atmosfer tinggi) untuk dua waktu yang berbeda pada tanggal 13 Oktober 2004 : (a)jam
06.00 UTC dan (b)09.00 UTC dan citra satelit masing-masing (c) dan (d) sebagai data
pembanding yang didapatkan pada waktu yang hampir sama.
Dengan segala keterbatasan yang ada, KK Sains Atmosfer telah berupaya memperkenalkan
prediksi cuaca numerik di kalangan masyarakat akademik. Beberapa hasil ekperimen prediksi
numerik secara near-real time dicoba didiseminasikan melalui situs
http://weather.meteo.itb.ac.id. Kerjasama dengan universitas lain di luar negeri untuk program
17
pengembangannya terus diupayakan tetapi tanpa dukungan yang lebih luas dari institusi dan
msyarakat, mungkin tidak banyak yang dapat ditingkatkan. Selain itu, pengenalan model prediksi
cuaca skala meso terus diupayakan untuk diberikan kepada mahasiswa Program Studi S1
Meteorologi, dan Program Magister Sains Kebumian (Opsi Sains Atmosfer) serta sumber daya
manusia lain yang relevan.
18
Diktat Pelatihan WRF Pengenalan WRF
BAB 2
BAB 2 PENGENALAN WRF
2.1 Pengenalan Model WRF
Kita mengenal iklim (climate) dan cuaca memiliki pengertian yang berbeda. Anda sebagai
meteorologis tentu tahu perbedaan antara iklim dan cuaca. Dalam pemodelan meteorologi,
model iklim juga berbeda dengan model cuaca. Perbedaan itu meliputi dari segi tujuan, asumsi
yang digunakan, perhitungan di dalamnya, resolusi model, dll. Banyak hal yang dibedakan dan
dipertimbangkan dalam model iklim dan model cuaca.
Dalam Model Cuaca aspek umum yang diperhatikan adalah :
• Hukum fisika
Dalam model, hukum fisika meliputi berbagai aspek fisika yang diperhitungkan di dalam
model. Seperti : asumsi-asumsi, persamaan prognostik dan diagnostik.
o Asumsi : meliputi asumsi terhadap suatu keadaan, seperti : kondisi ideal atau real,
menggunakan kondisi hidrostatik atau non-hidrostatik, dll.
Hidrostatik : menggunakan keseimbangan hidrostatik, suatu keadaan
dalam suatu sistem sewaktu suatu kompresi karena gravitasi diimbangi
oleh suatu gaya gradien tekanan. Densitas dianggap konstan tidak
berubah terhada ketinggian.
Non-hidrostatik : densitas fluida (bersifat incompresible) kondisinya
berubah terhadap ketinggian. Perhitungan lebih rumit.
o Persamaan Prognostik : persamaan yang digunakan dalam model untuk
memprediksi langsung variabelnya. Contoh persamaan Navier-Stokes.
o Persamaan Diagnostik.
• Variabel prognostik dan variabel diagnostik
o Prognostik : diprediksi langsung oleh model, langsung output model.
o Diagnostik : diprediksi dari turunan output model.
• Syarat awal dan syarat batas
o Data : observasi, output model, output model+observasi dll
• Koordinat sistem dan resolusi model
o Horizontal :
koordinat sistem : grid-point, spektral
resolusi : o (derajat), km, m
o Vertikal
19
Koordinat sistem : eta, sigma, isentropik (ߠ), tekanan (pressure),

ketinggian (height), hybrid
Resolusi : mb, hPa, K, m, km
• Parameterisasi : memodelkan fenomena yang berukuran lebih kecil dari ukuran grid
model. Bagaimana memasukkan efek dari proses fisis yang sifatnya implisit. Modelling the
efect. The method of accounting for such effects without directly forecasting them.
o Mikrofisika awan dan hujan
o Konveksi
o Radiasi Atmosfer
o Lapisan Batas Atmosfer
o dll
Model cuaca sendiri dapat dibedakan lagi berdasarkan skalanya, yaitu :

1. Model Skala Global. Contohnya : GFS, ECMWF Global Model, MRI Model
2. Model Skala Meso. Contohnya : MM5, JMA-NHM, WRF
3. Model Skala Lokal. Contohnya : FluentTM
4. Model “Allscale”
Model skala meso adalah model prediksi cuaca numerik (NWP – Numerical Weather Prediction)
yang memiliki resolusi horizontal dan vertikal yang cukup untuk memprediksi fenomena cuaca
skala meso
Pada pelatihan ini membahas Model Cuaca Skala Meso, yaitu dipilih model WRF (Weather
Research and Forecasting).
Weather Research and Forecasting – Advanced Research WRF (WRF-ARW) merupakan model
generasi lanjutan sistem prediksi cuaca numerik skala meso yang didesain untuk melayani prediksi
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 yang ekstensibel. WRF
cocok untuk aplikasi yang luas dari skala meter sampai ribuan kilometer.
Usaha untuk mengembangkan WRF merupakan kerjasama kolaborasi, yang pada prinsipnya
antara National Center for Atmospheric Research (NCAR), National Oceanic and Atmospheric
Administration (NOAA), National Centers for Environmental Prediction (NCEP) dan Forecast
Systems Laboratory (FSL), Air Force Weather Agency (AFWA), Naval Research Laboratory,
Universitas Oklahoma dan Federal Aviation Administration (FAA).
WRF merupakan model yang fleksibel, seni, dan memiliki code portable yang efisien untuk
lingkungan computing dari parallel supercomputer sampai laptop.WRF modular, single-source
code dapat dikonfigurasi untuk penelitian dan aplikasi operasional. Memiliki pilihan spectrum fisis
dan dinamis yang diperoleh dari percobaan dan hasil komunitas ilmuan. Terdapat WRF-Var yang
merupakan sistem variasi data asimilasi yang dimana dapat memadukan data observasi untuk
mengoptimalkan kondisi inisial model, dan juga WRF-Chem model untuk memodelkan kimiawi
udara (air chemistry).
20
Model WRF memiliki 2 dynamical solver yaitu :
1. NMM (Nonhidrostatic Mesoscale Model) dikembangkan dan digunakan oleh Mesoscale

and Microscale Meteorology Division dari NCAR , dan nonhydrostatic Mesoscale Model.
http://www.dtcenter.org/wrf-nmm/users/
2. ARW (Advanced Research WRF) dikembangkan oleh National Centers for Environmental
Prediction yang didukung oleh Developmental Testbed Center.
http://www.mmm.ucar.edu/wrf/users/
Gambar 1. Komponen sistem WRF
Untuk pelatihan kali ini digunakan versi dynamical solver yaitu ARW.
2.2 Komponen Model WRF-ARW
ARW adalah versi dynamical solver ARW yang bersama-sama denga komponen lainnya dari
sistem WRF yang kompetibel dalam penyelesaian dan digunakan untuk simulasi. Sistem modeling
WRF-ARW melliputi skema fisis, pilihan numerik/dinamik, inisialisasi berkelanjutan,dan paket data
asimilasi (WRF-Var). ARW solver berbagi dengan NMM solver dan semua komponen WRF lain
dalam kerangka kerja. Sebagian besar paket fisis di-share antara ARW dan NMM meskipun
dengan pertimbangan kompatibilitas. Komponen sistem WRF dengan ARW memungkinkan
konfigurasi yang digunakan melibatkan NMM solver.
Sistem Model WRF-ARW terdiri dari beberapa program utama yaitu :
1. WRF Processing System (WPS)

Program ini utamanya digunakan untuk simulasi real data. Fungsinya meliputi :
21
a. Mendefinisikan domain simulasi

b. Menginterpolasi terestrial data (sepertii terrain, landuse, dan tipe tanah) ke
dalam domain simulasi
c. Meng-grib ulang dan menginterpolasi data meteorologi dari model lain ke dalam
domain simulasi.
2. WRF-Var
Ini adalah program pilihan, tapi dapat digunakan untuk memasukkan observasi ke dalam
analisis interpolasi yang dibuat dalam WPS. Dapat juga digunakan untuk memperbaharui
kondisi awal model WRF ketika model sedang berjalan dalam mode siklus.
• WRF-Var bergabung ke dalam kerangka kerja software WRF
• Tambahan perumusan fungsi biaya model-ruang
• Quasi-Newton atau algoritma gradient konjugasi minimisasai
• Analsis bertahap pada unstaggerd Arakawa –A grid
• Perwakilan dari komponen horisontal dari beckround error B melalui filter
rekursif (regional) atau power spectra (global). Komponen vertikal
diaplikasikan melalui proyeksi ke vektor eigen klimatologi rata-rata vertikal
error. Error horizontal / vertikal non-terpisah (skala horisontal berbeda
dengan vektor eigen vertikal).
• Latar Belakang fungsi biaya (Jb) dikondisikan melalui transformasi variabel
kontrol U, didefinisikan sebagai B = UUT.
• Pilihan fleksibel model backround error dan variabel kontrol.
• covariances Klimatologi backround error diestimasi melalui metode NMC dari
rata-rata perbedaan prediksi atau sesuai rata-rata gangguan ensemble.
• 3D-Var Bersatu (4D-Var dalam pengembangan), global dan regional,
kemampuan multi-model.
3. ARW solver
Bagian ini adalah komponen penting dari sistem pemodelan, dimana menyusun beberapa
program awal untuk keidealan, dan simulasi data real, dan program integrasi numerik.
BAgian ini juga mengandung program dengan one-way nesting. Bentuk komponennya :
• Persamaan nonhidrosatik fully compresible dengan pilihan hidrostatik
• Lengkap dengan coriolis dan bentuk-bentuk kurvatur
• Two-way nesting
• One-way nesting
• Nesting berpindah (moving nest)
• Koordinat mengikuti terrain
• Jarak grid vertikal bisa bervariasi terhadap ketinggian
• Faktor skala peta untuk proyeksi konformal
o Polar stereographic
o Lambert-conformal
o Mercator
• Arakawa C-grid staggering
• Pilihan langkah waktu Runge-Kutta 2nd dan 3rd
• Bentuk fluks scalar-conserving untuk variable prognostik
• Pilihan adveksi (horizontal dan vertikal ) orde 2 sampai 6
22
• Pilihan adveksi positif untuk kelembapan, skalar, dan TKE

• Time-split small step untuk mode akustik dan gelombang gravitasi
o Small step horizontally eksplicit, vertically implicit
o Divergensi damping option end vertical time off-centering
o External-mode filtering option
• Syarat Batas Lateral
o Idealized cases : periodic, symmetric, and open radiative
o Real case : specified with relaxation zone
• Pilihan Fisis penuh untuk land-surface, PBL, Radiation, microphysics dan
cumulus parameterization. Model fisis :
o Mikrofisis : skema mulai dari fisis sederhana cocok untuk studi kondisi
ideal sampai fisis fasa campuran canggih cocok untuk studi proses
dan NWP.
o Kumulus Parameterisasi : penyesuaian skema fluks-massa untuk
pemodela mesoscale.
o Permukaan Fisis : Multi-layer model permukaan tanah mulai dari
model thermal sederhana sampai penuh vegetasi dan model
kelembapan tanah, termasuk tutupan salju dan lautan es.
o PBL (Planetary Boundary Layer) Fisis : Prediksi energy kinetik turbulen
atau skema K non-lokal.
o Radiasi Atmosfer fisis : skema gelombang panjang dan pendek
sederhana dengan multiple band spectral dan skema gelombang
pendek sederhana cocok untuk aplikasi iklim dna cuaca. Efek awan
dan fluks permukaan di sertakan.
• Grid analysis nudging and observarion nudging
4. Post-Processing graphics tools
Beberapa program didukung, termasuk RIP4 (berdasarkan graphics NCAR), NCL, dan
program konversi untuk paket graphics lainnya yang tersedia : GrADS dan Vis5D.
2.3 Data Input dan Output Model
Data minimum yang diperlukan untuk menjalankan WRF ada 2 yaitu :
1. Data static (lower boundary data)
Data ini adalah data yang digunakan sebagai batas bawah model yang terdiri atas : data topografi
(ketinggian tempat), data tataguna lahan (landuse), data tipe tanah (soil type), data fraksi
tanaman (vegetation fraction), data sebaran daratan-lautan (land-sea mask). Data-data ini
disediakan oleh WRF dan sebagian besar diambil dari Data USGS (United States Geological
Survey). Akan tetapi, sejak WRF versi 3 data ini juga ada yang diturunkan dari Data Satelit MODIS.
Data ini memiliki beberapa resolusi yang bias dipilihh oleh pengguna yaitu : 10’, 5’, 2’ dan 30”.
Khusus untuk Data MODIS resolusi yang diberikan hanya 30”.
23
2. Data dinamik (inisial dan lateral boundary condition data)
Data ini merupakan data yang digunakan untuk inisial dan lateral boundary model. Data ini
biasanya diambil dari output prediksi model global (GFS-Global Forecast System), ECMWF
(European Center for Medium-Range Weather Forcast) atau data analisis global seperti NCEP FNL
dan NCEP Reanalysis.
Format data yang diterima oleh model WRF untuk input dan output data bias bermacam-macam.
Untuk data static WRF menggunakan format simple binary. Untuk input berupa data dinamik,
WRF bisa menerima format grib dan netCDF. Sedangkan untuk output, WRF biasanya
menggunakan format nonstandard netCDF. Meskipun tidak standard, akan tetapi WRF
menyediakan software untuk mengubah format outputnya agar bisa dibuka oleh graphic tools
seperti GrADS atau Vis5D.
Gambar 2. Sistem WRF-ARW
2.4 Teknik Downscaling dan Nesting
Downscaling adalah suatu teknik untuk menaikkan resolusi model dengan cara menurunkan skala
grid pada model global menjadi skala regional pada domain yang diinginkan. Resolusi model
24
global sendiri adalah 10x10 atau sama dengan 111 km x 111 km.Dengan melakukan downscaling,
maka resolusi model akan meningkat sesuai dengan yang kita inginkan. Misalnya saja menjadi 27
km x 27 km. Downscaling tidak sekedar memotong data (cropping) dari domain besar ke domain
yang lebih kecil. Namun dalam downscaling dilakukan pula interpolasi data dari satu grid besar
menjadi grid-grid yang lebih kecil dengan nilai yang belum tentu sama dengan nilai grid induknya.
Namun dalam teknisnya, downscaling tidak asal menaikkan resolusi modelnya saja, diperlukan
pengetahuan mengenai perhitungan skala gridnya. Seperti dapat dilihat pada gambar di bawah
ini:
Downscaling
Global model output : Regional model output :

NCEP-GFS : 1° x 1° WRF : 2,5° x 2,5°
Seperti terlihat dalam ilustrasi di atas, output model global yang beresolusi besar di crop menurut
area yang dibutuhkan untuk menjalankan model skala meso (limited area model). Kemudian oleh
model skala meso tiap grid dari domain induk dipecah mejadi beberapa grid yang lebih kecil
dengan mempertimbangkan nilai yang dibawa oleh domain induk, sehingga diperoleh domain
yang resolusinya lebih besar.
Dalam pemodelan meteorologi 2 ini kita akan menggunakan WRF V.3 yang mendukung
downscaling secara horizontal dan vertikal, yaitu memungkinkan untuk fokus atas wilayah sesuai
dengan resolusi yang diinginkan. Untuk saat ini downscaling secara horizontal sudah mengalami
perbaikan pada WRF V.3 tidak dengan metode vertikal. Downscaling merupakan kondisi dimana
25
adanya satu grid persegi panjang yang selaras dengan satu grid persegi panjang yang lebih kecil
dari grid sebelumnya. Untuk lebih mudahnya diilustrasikan sebagai berikut:
Pada ilustrasi diatas, downscaling yang dilakukan hingga membentuk 4 domain. Untuk domain 1
melakukan resolusi model secara global, dan seterusnya hingga domain 4 yang melakukan
resolusi model secara regional (lokal). Resolusi yang lebih tinggi akan menambah perhitungan
secara eksponensial dan memerlukan kemampuan sumber daya komputasi yang tinggi. Dalam
melakukan downscaling diperlukan pengetahuan tentang kondisi fisis dan dinamis atmosfer
dalam perhitungan skala gridnya. Untuk model regional memerlukan kondisi awal (initial
condition) dan syarat batas lateral (lateral boundary condition).
2.5 Parameterisasi
Model-model NWP tidak bisa memecahkan semua komponen dan/atau proses-proses yang
muncul di dalam sebuah kotak grid. Misalkan, gaya gesek yang besar saat aliran melewati pohon
yang tinggi, turbulen eddies yang muncul di sekitar gedung-gedung atau penghalang lainnya, dan
gaya gesek yang jauh lebih kecil di atas area yang terbuka.
Sebuah model tidak bisa menjelaskan munculnya proses-proses tersebut jika ia terjadi di dalam
satu kotak grid. Namun, model harus menghitung efek agregat dari permukaan yang
mempengaruhi aliran level bawah dengan sebuah single number yang dapat sejalan dengan
bentuk gaya gesek di persamaan prediksi angin. Metode yang mampu menghitung efek-efek
tersebut tanpa secara langsung memprediksinya disebut parameterisasi.
Di dalam atmosfer sangat banyak proses-proses kompleks yang perlu diparameterisasikan. Dalam
modul ini, kita akan mencoba memparameterisasikan proses-proses mikrofisis di dalam atmosfer,
dan juga proses-proses untuk memunculkan awan kumulus di dalam model.
2.5.1 Parameterisasi Microphysics (mp_physics)
Mikrofisis melibatkan uap air, awan, dan proses presipitasi secara eksplisit. Dalam ARW versi
terbaru, mikrofisis dibawa pada akhir dari time-step sebagai proses penyelesaian. Alasannya,
adalah bahwa penyelesaian kondensasi harus dilakukan di akhir time-step untuk menjamin bahwa
keseimbangan jenuh akhir cukup akurat untuk memperbaharui temperatur dan kelembapan.
Namun, merupakan hal yang penting juga untuk memiliki panas laten agar dapat menekan
temperatur potensial selama sub-step dinamis. Dan hal ini dilakukan dengan menyimpan
pemanasan mikrofisis sebagai sebuah perkiraan untuk time-step selanjutnya. Baru-baru ini,
proses sedimentasi dihitung di dalam modul individual mikrofisis, dan, untuk mencegah
ketidakstabilan dalam perhitungan fluks vertikal dari presipitasi, time-step yang lebih boler
dipergunakan. Penyelesaian kejenuhan juga dimasukkan ke dalam mikrofisis.
Tabel dibawah memperlihatkan rangkuman dari pilihan-pilihan yang mengindikasikan jumlah

variabel kelembapan, dan apakah proses-proses fase es dan fase percampuran dilibatkan. Proses-
26
proses fase percampuran dihasilkan dari interaksi antasa partikel es dan air. Untuk ukuran grid
kurang dari 10km, dimana updraft bisa terlihat, skema fase percampuran harus digunakan,
terutama pada situasi konvektif dan pembekuan.
Skema Keterangan
Kessler Skema awan hangat yang sederhana, meliputi uap air, tetes hujan, dan
hujan. Proses-proses mikrofisisnya meliputi, produksi, jatuh, dan
penguapan hujan; pertumbuhan dan autokonversi tetes hujan; dan
produksi tetes hujan dari kondensasi. Biasanya, digunakan untuk studi
model awan ideal
Purdue Lin Enam kelas hidrometeor, meliputi, uap air, tetes hujan, hujan, es, salju, dan
graupel. Semua bentuk produksi parameterisasi berdasarkan Lin et. al.
(1983) dan Rutledge dan Hobbs (1984) dengan beberapa modifikasi,
termasuk pengaturan kejenuhan mengikuti Tao et. al. (1989), sedimentasi
es. Skema ini merupakan skema yang relatif canggih di WRF, dan sangat
cocok digunakan dalam simulasi data real resolusi tinggi.
WRF Singgle- Skema mikrofisis single-moment WRF meliputi sedimentasi es dan
Moment 3-class parameterisasi baru fase es lainnya. Perbedaan utamanya adalah
(WSM3) digunakannya relasi diagnostik untuk jumlah konsentrasi es yang
didasarkan pada kandungan massa es bukan pada temperatur. Proses
pembekuan/peleburan dihitung selama fall-term sub-step untuk
meningkatkan akurasi di profil pemanasan vertikal dari proses-proses ini.
Urutan dari proses-proses ini juga dioptimasi untuk menurunkan sensitifitas
skema terhadap langkah waktu dari model. Skema WSM3 memprediksikan
tiga katagori hidrometeor, uap, tetes hujan/es, dan hujan/salju, yang
disebut juga skema es sederhana. Skema ini efisien secara komputasi untuk
pemasukan proses-proses pertumbuhan es, namun kurang dalam air
kelewat dingin dan nilai peleburan bertahap. Skema ini cocok untuk ukuran
grid skala meso
WSM5 Skema ini mirip dengan skema es sederhana WSM3. Namun, uap, hujan,
salju, kristal es, dan tetes hujan dibawa dalam lima array yang berbeda.
Jadi, skema ini mampu memunculkan air kelewat dingin, dan peleburan
bertahap dari salju yang jatuh di bawah lapisan lebur. Skema ini efisien
pada ukuran grid intermediet, antara skala meso dan cloud-resolving grid.
WSM6 Skema ini merupakan perluasan dari skema WSM5, yaitu memasukkan
graupel dan proses-proses yang berhubungan dengannya. Kebiasaan pada
skema WSM3, WSM5, dan WSM6 sedikit berbeda untuk grid skala meso
yang kasar, namun akan sangat berbeda pada cloud-resolving grid. Dari
ketiga skema WSM, WSM6 yang paling cocok untuk cloud-resolving grid,
melihat dari efisiensi dan latar belakang teoritis.
Eta GCP Dikenal juga dengan nama skema EGCP01 atau Eta Ferrier. Skema ini
memprediksikan perubahan di uap air dan kondensasi dalam bentuk tetes
awan, hujan, kristal es, dan presipitasi es (salju/graupel/sleet). Medan-
medan individual hidrometeor dikombinasikan ke total kondensasi. Uap air
27
dan dan total kondensasi inilah yang berpengaruh di dalam model.

Simpanan lokal array menahan informasi perkiraan pertama yang
mengekstrak kontribusi dari tetes hujan, hujan, kristal es, dan presipitasi es
dari densitas variabel dalam bentuk salju, graupel, atau sleet. Densitas dari
presipitasi es diestimasikan dari sebuah array lokal yang menyimpan
informasi di pertumbuhan total es oleh deposisi uap dan pertumbuhan air
liquid. Sedimentasi dilakukan dengan memisahkan time-averaged flux dari
presipitasi ke dalam sebuah kotak grid antara penyimpanan lokal di dalam
kotak dan jatuh melalu dasar kotak. Hal ini muncul bersamaan dengan
modifikasi dalam perlakuan proses-proses mikrofisis yang acak, mengijinkan
langkah waktu yang besar untuk digunakan dengan menghasilkan hasil yang
stabil. Ukuran rata-rata dari presipitasi es diasumsikan untuk menjadi
sebuah fungsi dari temperatur mengikuti hasil observasi dari Ryan (1996).
Proses-proses fase pencampuran dipertimbangkan pada temperatur yang
lebih hangat dari -30°C, padahal jenuhnya es diasumsikan untuk kondisi
berawan pada temperatur yang lebih dingin.
Thompson Bulk microphysical parameterization (BMP) yang baru sudah dikembangkan
untuk digunakan dengan WRF atau model skala meso lainnya.
Dibandingkan dengan single-moment BMP sebelum-sebelumnya, skema
baru ini menggambungkan pengembangan dalam jumlah yang besar baik
untuk proses-proses fisis maupun computer coding plus yang menggunakan
berbagai teknik yang ditemukan jauh lebih memuaskan secara
spektral/skema bin menggunakan tabel-tabel look-up. Tidak seperti BMP
lainnya, asumsi distribusi ukuran salju bergantung pada kandungan air/es
dan temperatur yang direpresentasikan sebagai sebuah penjumlahan dari
eksponensial dan distribusi gamma. Selanjutnya, salju mengasumssikan
sebuah bentuk non-spheric dengan sebuah densitas yang menonjol yang
bervariasi secara terbalik dengan diameter seperti yang ditemukan di dalam
observasi, dan kontras dengan skema BMP lainnya yang measumsikan
bentuk salju yang bulat dengan densitas konstan.
Fitur-fitur spesifik baru dalam skema bulk versi ini, diantaranya :
• Jeneralisasi bentuk distribusi gamma untuk setiap jenis hidrometeor,
• Non-spherical, variabel densitas salju, distribusi ukuran sesuai dengan
observasi,
• Y-intercept dari hujan bergantung pada mixing ratio hujan, walaupun
sumber yang terlihat adalah es yang mencair,
• Y-intercept dari graupel bergantung pada mixing ratio graupel,
• Skema pengaturan kejenuhan yang lebih akurat,
• Parameter variabel distribusi bentuk gamma untuk tetes awan dan hujan
berdasarkan pada observasi,
• Tabel look-up untuk pembekuan tetes air yang jatuh,
• Tabel look-up untuk memindahkan kristal es ke dalam kategori salju,
• Deposisi/sublimasi uap yang lebih baik dan penguapan,
• Efisiensi kumpulan variabel untuk hujan, salju, dan graupel yang
28
mengumpulkan tetes awan,

• Hujan yang lebih baik, mengumpulkan salju dan graupel.
Goddard Terdapat opsi untuk memilih graupel atau hail sebagai jenis es kelas ke tiga.
Graupel memiliki densitas yang relatif rendah dan nilai intercept yang
tinggi. Sebaliknya, hail memiliki densitas yang relatif lebih tinggi dan nilai
intercept yang rendah. perbadaann ini tidak hanya akan mempengaruhi
deskripsi dari populasi dan formasi hidrometeor dari anvil-stratiform
region, namun juga kepentingan relatif dari proses-proses mikrofisis-
dinamis-radiatif.
Selain itu, teknik penjenuhan baru juga ditambahkan. Teknik penjenuhan ini
pada dasarnya didisain untuk memastikan super saturasi (sub-saturasi)
tidak dimunculkan pada sebuah grid point yang bersih dari perawanan.
Seluruh proses mikrofisis yang tidak menyertakan proses peleburan,
penguapan atau sublimasi (jumlah transfer dari satu tipe hidrometeor ke
tipe lainnya) dihitung berdasarkan pada satu keadaan termodinamik.
Dengan ini, bisa dipastikan semua proses diperlakukan secara sama.
Jumlah dari semua proses yang hilang yang berhubungan dengan satu jenis
hisrometeor tidak akan melebihkan massanya. Hal ini, memastikan water
budget akan diseimbangkan di dalam perhitungan mikrofisis.
Mikrofisis Goddard memiliki opsi ke-3, yang ekivalen dengan skema two-ice
(2ICE), yaitu hanya memiliki awan es dan salju. Opsi ini bisa diperlukan
simulasi dengan resolusi kasar (ukuran grid >5km). Skema es kelas dua bisa
diterapkan untuk musim dingin dan konveksi frontal.
Morrison 2- Enam jenis air dimasukkan, diantaranya uap, tetes awan, kristal es, hjan,
Moment salju, dan graupel/hail. Kodenya memilki sebuah user-specified switch
untuk memasukkan baik graupel atau hail. Variabel prognostik meliputi
jumlah konsentrasi dan mixing ratio dari kristal es, hujan, salju, dann
graupel/hail, serta mixing ratio dari tetes awan dan uap air (total 10
variabel. Prediksi dari 2-moment (jumlah konsentrasi dan mixing ratio)
membolehkan perlakuan yang lebih kasar untuk distribusi ukuran partikel,
yang merupakan kunci dalam perhitungan nilai-nilai proses-proses
mikrofisis dan evolusi awan/presippitasi. Beberapa liquid, es, dan proses-
proses fase percampuran dilibatkan. Distribusi ukuran partikel ditentukan
dengan menggunakna fungsi gamma, dengan parameter intercept dan
kemiringan yang berhubungan, yang didapatkan dari hasil prediksi mixing
ratio dan jumlah konsentrasi. Skema ini telah diuji dengan berbagai studi
kasus yang mengkover berbagai kondisi dengan cakupa yang luas.
Tabel 1. Skema-skema mikrofisis dan penjelasannya.
29
2.5.2 Cumulus Parameterisasi (cu_physics)
Adapun skema-skema parameterisasi awan cumulus dalam WRF adalah seperti berikut :
Skema Keterangan
Skema Kain- Memungkinkan CAPE sesuai untuk badai dataran luas, model awan
Fritsch diformulasikan menjadi detrainment entrainment dengan parsel bouyanci
yang dihitung sebagai fungsi dari parsel yang tercampur secara lateral antar
lingkungan dan updraft. Perbedaan di reformulasikan menjadi kekelan
massa,energi panas, massa dan momentum.Didesain untuk ukuran grid 20-
25 km.
Memuat proses fisik awan yang sangat lengkap dalam parameterisasi

konvektif. Parameter downdraft memungkinkan simulasi lebih baik untuk
respon skala meso dan memungkinkan untuk sebagian besar skema.
Batas CAPE tidak sesuai untuk lingkungan tropis dan dapat menyebabkan
konveksi yang sangat kuat.
Skema Betts- Terdapat struktur termodinamika quasi-equilibrum dimana lingkungannya
Miller-Janjic berpindah akibat konveksi. Struktur ini dapat didefinisikan dalam mixing
line yang ditentukan dari data observasi. 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. 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.
Batas mixing-line didesain untuk laut tropis,grid yang kasar dan kasus-kasus
yang 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.
Tidak memasukan parameter downdraft convektif. Batas mixing-line

muncul kurang tepat dalam kasus konvektif dalam yang ekplosif dan tidak
langsung menimbulkan skala tinggi dan rendah dari meso.
Skema Grell Awan konveksi dalam untuk semua grid. Skema awal berasal dari fungsi
cloud-work Arakawa-Schubert untuk batasnya, tetapi kemudian berubah
menggunakan CAPE sebagaimana Kain-Fritsch. Tidak ada pencampuran
langsung secara lateral dengan lingkungan, kecuali pada level awal atau
akhir dair updraft/downdraft. Sehingga fluks massa konstan menurut
ketinggian. Fraksi area yang menutupi updraft dan downdraft dalam suatu
30
kolom adalah kecil. Hal ini memungkinkan skema untuk memperbaiki,

meskipun beberapa derajat range masih sangat penting.
Skema yang sangat sempurna yang dimodifikasi sehingga seperti Kain-

Fritsch. Memasukan efek downdraft. Sangat baik untuk ukuran grid 10-
12km.
Karakteristik Arakawa-Schubert pada batas skema sebagian besar diganti.

Tidak ada efek entrainment-detrainment.
Skema Grell- Semua Skema Grell menggunakan tipe skema massa-jenis fluks, tetapi
Devenyi dengan perbedaan entrainment updraft dan downdraft serta parameter
ensemble detrainment, dan curah hujan efisiensi. Perbedaan-perbedaan dalam
pengendalian statis yang dikombinasikan dengan perbedaan dalam kontrol
dinamis yang merupakan metode penentuan fluks awan massa. Penutupan
kontrol dinamis didasarkan pada konveksi energi potensial yang tersedia
(CAPE), kecepatan vertikal tingkat rendah, atau kelembaban konvergensi.
Skema GD telah menggunakan kelembaban dan updraft dalam lingkungan

untuk memicu konveksi baru dan curah hujan di daerah ini. Skema GD terus
menghasilkan curah hujan di daerah yang sama dengan skema Kain-Fritsch
tapi tidak dapat mensimulasikan terisolasi sifat konveksi tersebut.
Skema ensemble Grell-Devenyi saat ini tidak dapat menangani konveksi

ideal di grid kecil.
2.5.3 Transfer Radiatif
Proses-proses Radiasi Gelombang Panjang dan Gelombang Pendek
Proses-proses radiasi gelombang pendek (matahari) dan gelombang panjang (terrestrial) terjadi
dalam skala waktu dan ruang yang kecil dan sangat dipengaruhi oleh komposisi local atmosfer.
Energi matahari menyebar dari frekuensi ultraviolet, sinar tampak, dan frekuensi near-infrared ,
namun pada puncaknya (sekitar setengah dari total energi matahari) berada pada panjang
gelombang sinar tampak. Ketika pancaran langsung dari radiasi matahari memasuki atmosfer,
intensitasnya direduksi oleh:
• Diserap oleh berbagai macam gas, awan dan aerosol

• Dipantulkan dan dihamburkan oleh molekul-molekul gas, awan, dan aerosol.
31
(Weather Forcasting
(Sumber: http://www.meted.ucar.edu/nwp/pcu1/ic4/images/physprc2.gif)
http://www.meted.ucar.edu/nwp/pcu1/ic4/images/physprc2.gif
Sebagian pantulan dan hamburaradiasi matahari tersebut juga mencapai permukaan sebagai
radiasi matahari difus. Rata-rata,
Rata sekitar
itar setengah insolasi pada puncak atmosfer (TOA, Top of
Atmosphere) mencapai permukaan tanah.
Bumi memancarkan energi kembali ke luar angkasa namun dengan panjang gelombang yang lebih
panjang. Energi ini diserap oleh gas rumah kaca, awan, dan aerosol ketika
keti dipancarkan melalui
atmosfer. Energi gelombang panjang dipancarkan kembali oleh absorber yang ada di atmosfer,
namun ke segala arah dan dengan intensitas yang ditentukan oleh temperature dari objek yang
meradiasikannya. Sebagai hasil dari absorpsi dan pancaran
pancaran kembali dari gelombang panjang di
atmosfer, rata-rata
rata temperature permukaan bumi menjadi lebih hangat, yaitu sekitar 33°C.
Implementasi Skema Radiasi
Pada transfer radiatif ini akan digambarkan bagaimana model memperhitungkan radiasi
gelombang panjang ang dan gelombang pendek di atmosfer dan permukaan bumi. Radiasi
mempengaruhi profil temperatur dalam model. Pada radiasi gelombang pendek, absorpsi
bergantung pada profil uap air dan karbon dioksida pada kondisi udara cerah dan berawan.
Pengaruh radiasi ini
ni juga termasuk absorpsi dan emisi gelombang panjang. Perhitungan model
untuk radiasi gelombang panjang dan gelombang pendek tidak berpengaruh secara eksplisit.
Skema radiasi memeperhitungkan pemanasan atmosfer dari divergensi fluks radiasi dan
gelombang panjang permukaan serta radiasi gelombang pendek terhadap kapasitas panas
permukaan. Radiasi gelombang panjang termasuk infra merah atau radiasi termal diserap dan
dipancarkan oleh gas-gas
gas dan permukaan. Pancaran fluks radiatif ke atas dari bumi ditentukan
oleh emisivitas permukaan yang pada proses selanjutnya akan bergantung pada tata guna lahan.
Radiasi gelombang pendek termasuk sinar tampak dan panjang gelombang disekitarnya yang
menusun spectrum matahari. Meskipun sumber utamanya hanyalah matahari namun proses-
proses di dalamnya termasuk juga absorpsi, refleksi, dan hamburan di atmosfer dan permukaan.
Untuk radiasi gelombang pendek, fluks ke atasa merupakan pantulan dari albedo permukaan. Di
atmosfer, radiasi member respon terhadap distribusi awan dan uap
uap air yang diprediksi model,
juga memperhitungkan respon radiasi terhadap konsentrasi CO2, ozon, dan gas-gasgas lainnya
(opsional). Seluruh skema radiasi dalam WRF saat ini merupakan skema satu dimensi, sehingga
32
masing-masing kolom diperlakukan independen dan fluks berhubungan dengan kolom tersebut
dalam bidang horizontal yang uniform yang tidak terbatas, dengan hasil aproksimasi yang baik bila
ketebalan vertical dari layer model lebih kecil dari panjang grid horizontalnya. Asumsi ini menjadi
kurang akurat pada resolusi horizontal yang tinggi.
Radiation Option (basic features of the radiation schemes in the ARW)

Skema LW/SW Spectral Bands CO2, O3, Clouds
RRTM LW 16 CO2, O3, Clouds
GFDL LW LW 14 CO2, O3, Clouds
CAM3 LW LW 2 CO2, O3, Clouds
GFDL SW SW 12 CO2, O3, Clouds
MM5 SW SW 1 clouds
Goddard SW 11 CO2, O3, Clouds
CAM3 SW SW 19 CO2, O3, Clouds
Macam Skema Radiasi
Shortwave Radiation (ra_sw_physics)
No Jenis Skema Keterangan

0 No shortwave Menjalankan model tanpa skema Radiasi gelombang pendek.
radiation
1 Dudhia scheme Penurunan integrasi sedehana yang efesien diterapkan untuk
absorpsi dan hamburan pada udara cerah dan berawan. Ketika
digunakan pada simulasi dengan resolusi tinggi, efek kemiringan dan
bayangan hendaknya diperhatikan.
Skema Dudhia meskipun hanya menggunakan satu band besar
gelombang pendek untuk perhitungan transfer radiatif, namun lebih
sering digunakan bila dibandingkan dengan skema yang lain. Hasil
dari skema ini sesuai digunakan untuk short-range forecast time
frame.
Skema ini berdasarkan Dudhia (1989) yang diambil dari MM5. Skema
ini memiliki penurunan integrasi sederhana untuk fluks matahari,
perhitungan hamburan pada clear-air, absorpsi uap air (Lacis dan
Hansen, 1974), serta albedo awan dan absorpsi. Skema ini
menggunakan look-up tables untuk awan dari Stephens (1978). Pada
versi 3, skema memiliki opsi untuk menghitung efek kemiringan dan
bayangan lereng terhadap fluks matahari di permukaan.
2 Goddard short wave Skema multi band dengan memperhitungkan pengaruh ozon dari
klimatologi dan awan.
Skema ini berdasarkan Chou dan Suarez (1994). Memiliki 11 band
spektral dan memperhitungkan komponen difusi dan radiasi
matahari langsung dalam pendekatan 2 arah yang menghitung
komponen hamburan dan refleksi. Ozon diperhitungkan juga dengan
33
beberapa profil klimatologi yang ada.

3 CAM scheme Skema yang digunakan dalam model iklim CAM 3 yang digunakan
dalam CCSM. Memperhitungkan aerosol dan traces gases.
Skema band spectral yang digunakan dalam NCAR Community
Atmosphere Model (CAM 3.0) untuk simulasi iklim. Skema ini
memiliki kemampuan untuk mengatasi masalah optikal pada
beberapa tipe aerosol dan traces gases. Skema ini menggunakan
fraksi awan dan asumsi pada unsaturated region dan memiliki kondisi
ozon (klimatologi) zonal bulanan. Skema ini didokumentasikan secara
lengkap oleh Collins et al. (2004). Skema radiasi CAM lebih cocok
digunakan pada wilayah simulasi iklim yang memiliki distribusi ozon
bervariasi selama simulasi berdasarkan data klimatologi rata-rata
zonal bulanan.
99 GFDL (Eta) longwave Eta Geophysical Fluid Dynamics Laboratory (GFDL) Short-Wave.
(semi-supported) Skema operasional Eta. Skema multi band dengan memperhitungkan
pengaruh ozon dari klimatologi dan awan.
Skema radiasi gelombang pendek ini merupakan versi GFDL dari

parameterisasi Lacis dan Hansen (1974). Pengaruh uap air dan ozon
di atmosfer (dari Lacis dan Hansen, 1974), dan karbondioksida
(Sasamori et al. 1972) digunakan dalam skema ini. Awan di-overlap
secara acak. Perhitungan gelombang pendek menggunakan rata-rata
penyinaran matahari dalam satu hari cosinus sudut zenith matahari
selama interval waktu tersebut.
Longwave Radiation (ra_lw_physics)

0 No longwave Menjalankan model tanpa skema Radiasi gelombang panjang
scheme
1 RRTM Rapid Radiative Transfer Model. Skema yang akurat menggunakan
look-up tables untuk efisiensi. Memperhitungkan multiple band, trace
gases, dan mikrofisis.
Skema RRTM, ini diambil dari MM5 berdasarkan Mlawer et al. (1997)
dan salah satu band spektralnya menggunakan metode korelasi-k.
Skema ini menggunakan pre-set tables untuk menggambarkan
proses-proses gelombang panjang secara akurat dengan memodelkan
uap air, CO2, ozon, traces gases (nitrous nitrogen, dan beberapa gas
halocarbons umumnya), juga untuk menghitung kedalaman optikal
awan.
Validari RRTM terhadap LBLRTM telah dilakukan untuk berbagai

kondisi atmosfer. Akurasi RRTM untuk clear-sky: 1:0 Wm-2 9relatif
terhadap LBLRTM) untuk net flux pada berbagai ketinggian; 0:1Kday-1
34
untuk kesalahan total pendinginan di troposfer dan stratosfer bawah

dan 0:3 Kday-1 di stratosfer atas dan level di atasnya.
3 CAM scheme Skema yang digunakan dalam model iklim CAM 3 yang digunakan
dalam CCSM. Memperhitungkan aerosol dan traces gases.
Skema band spectral yang digunakan dalam NCAR Community
Atmosphere Model (CAM 3.0) untuk simulasi iklim. Skema ini memiliki
potensi untuk mengatasi simulasi untuk beberapa traces gases.
99 GFDL (Eta) Skema operasional Eta. Skema multi band dengan memperhitungkan
longwave (semi- pengaruh ozon dari klimatologi dan awan.
supported) Skema radiasi gelombang panjang ini dari GFDL. Skema ini
berdasarkan metode pertukaran sederhana (simplified exchange
method) dari Fels dan Schwarzkopf (1975) dan Schwarzkopf dan
Felss (1991) dengan perhitungan pada band spectral yang berkaitan
dengan CO2, uap air dan ozon. Skema ini menggunakan koefisien
transmisi untuk CO2 dari Schwarzkopf dan Fels (1985), kontinuitas
uap air (Roberts et al. 1976), dan pengaruh overlap dari uap air-CO2
dan koreksi Voigt line-shape. Formulasi dari Rodgers (1968)
diadaptasi untuk absorpsi ozon. Awan di-overlap secara acak. Skema
ini diimplementasikan untuk diujikan perbandingan dengan
operasional model Eta.
2.5.4 Planetary Boundary Layer
PBL merupakan area antara permukaan dan atmosfer bebas dimana permukaan memiliki
pengaruh langsung terhadap pemanasan, kelembaban, dan momentum. Sejumlah komponen fisis
seperti kecepatan angin, temperatur, kelembaban dsb, menunjukkan fluktuasi yang berubah
dengan cepat, dan dengan kondisi percampuran vertikal yang kuat.
Di atas PBL merupakan atmosfer bebas dimana kondisi angin diperkirakan geostropik yang paralel
dengan isobar, sementara di dalam PBL angin dipengaruhi oleh gesekan dengan permukaan
disekitar geostropik yang paralel dengan isobar.
Ciri-ciri lapisan batas:
1. Turbulensi hampir kontinu diseluruh ketinggian

2. Gaya gesekan yang besar terhadap permukaan besar sehingga terdapat sejumlah
besar energi yang terdisipasi
3. Percampuran turbulen yang sangat cepat secara vertikal dan horizontal
4. Transpor vertikal didominasi oleh turbulensi
5. Kedalaman bervariasi antara 100-3000 km yang bervariasi terhadap ruang dan waktu
dengan variasi diurnal
35
(Weather Forcasting
Forcing Mechanism:
1. Heat transport from/to ground
2. Frictional drag
3. Evaporation/transpiration
Evaporation/tra
4. Terrain-induced
induced flow modification
5. Pollution emision
PBL dalam Prediksi Cuaca Numerik bertugas untuk:

1. Menentukan fluks dari permukaan bumi ke atmosfer
2. Merumuskan atau mendiagnosis lapisan model dimana pengaruh permukaan
dirasakan
3. Memperhitungkan transpor panas, kelembaban, dan momentum melalui lapisan-
lapisan
lapisan ini.
Untuk menentukan jumlah lapisan dalam model PBL bergantung pada:

1. Rata-rata
rata luas grid temperatur skin yang diprediksi dan rata-rata
rata temperatur,
kelembaban, dan angin grid-kubus
grid pada lapisan
san pertama, dari gradien vertikal
temperatur, kelembaban, dan angin pada permukaan didiagnosis.
2. Lapse rate, gradien kelembaban vertikal, dan geser angin vertikal antara lapisan
model yang berbatasan bergerak naik dari permukaan.
3. Estimasi hubungan antara gradien vertikal skala grid di atasnya dan turbulensi
buoyant dan mekanik aktual, yang mengendalikan PBL.
Gambar di bawah ini memberikan gambaran tentang komponen-komponen

komponen komponen yang dapat
mempengaruhi lapisan batas planeter dan menunjukka bagaimana perubahan ketinggian
ke dan
orientasinya pada keseluruhan siklus diurnal.
Sumber : http://cirrus.geoph.itb.ac.id/?cat=elearning&id=comet
Gerak ke atas dari permukaan untuk masing-masing

masing masing lapisan model, apabila kombinasi dari lapse-
lapse
rate skala grid dan geser angin vertikal menghasilkan ketidakstabilan, lapisan-lapisan
lapisan tersebut
36
diasumsikan menjadi turbulen dan bagian dari PBL. Kecepatan transpor vertikal momentum,
panas, dan kelembaban berdasarkan pada gradien skala grid ini.
Ketika ketinggian dari PBL sebenarnya maupun ketinggian PBL model mengalami perubahan,
bilangan level model yang meliputinya dan kemampuan model untuk mengumpulkan data
tentang proses-proses di PBL juga akan mengalami perubahan. Komponen-komponen harian
dikendalikan oleh konduksi, konveksi, dan turbulensi. Komponen pada malam hari dikendalikan
oleh konduksi dan pendinginan radiasi.
Macam Skema PBL
Dalam menjalankan model WRF ini terdapat beberapa macam setting PBL:

0 No boundary-layer Dalam setting PBL 0 ini model menjalankan simulasi tanpa
scheme memperhitungkan ketinggian PBL. Ketinggian PBL 0 meter.
1 YSU scheme (Yonsei Generasi setelah MRF-PBL. Skema non-lokal-K dengan lapisan
University Scheme) entraintment eksplisit dan profil parabolik K pada lapisan
campuran yang tidak stabil (Skamarock et al. 2005). (Skema ini
telah diuji untuk WRF-NMM)
Yensei University scheme ini merupakan modifikasi dari skema
MRF yang bertujuan untuk mengurangi efek percampuran
nonlokal dan juga untuk memasukkan fluks entrainment eksplisit
dari panas, kelembaban dan momentum, menghitung transpor
gradien momentum, dan perbedaan spesifikasi dari ketinggian
PBL (Hong and Dudhia 2003 dalam S. Chiao 2006). Ketinggian
PBL dari skema YSU ditentukan oleh profir termal, dan juga
asumsi percampuran nonlokal untuk panas dan kelembaban
yang akan berpengaruh pada prediksi temperatur permukaan
serta mixing ratio uap air.
2 Mellor-Yamada- Skema prognostik kinetik turbulen satu dimensi dengan
Janjic TKE scheme campuran vertikal skala lokal. (Janjic 1990, 1996a, 2002). (Skema
ini telah diuji untuk WRF-NMM, pada NCEP)
3 NCEP Global Skema vertikal difusi orde pertama dari Troen dan Mahrt (1986)
Forecast System ditentukan menggunakan pendekatan iterasi bulk-Richardson
scheme (NMM only) yang bekerja dari permukaan tanah ke atas dimana profil dari
koefisien difusivitas dispesifikasikan sebagai fungsi kubistik dari
ketinggian PBL. Nilai koefisien ditentukan dengan mencocokkan
lapisan permukaan fluks. Parameterisasi flux gradien
dimasukkan dalam skema ini. (skema ini telah diuji-coba untuk
WRF-NMM)
4 Quasi-Normal Scale Adalah prediksi TKE yang menggunakan teori baru untuk region
Elimination PBL stabil terstratifikasi. Terdapat pada versi 3.1.
5 Mellor-Yamada Level 2.5 PBL
Nakanishi and Niino Memprediksi sub-grid TKE. Terdapat pada versi 3.1.
37
6 Mellor-Yamada Level 3 PBL

Nakanishi and Niino Memprediksi TKE dan suku kedua lainnya. Terdapat pada versi
3.1
7 ACM2 (Pleim) PBL Model konvektif asimetris dengan tanpa percampuran ke atas
(ARW) dan ke bawah skala lokal. Skema ini berdasarkan pada konsep
bahwa transpor vertikal di dalam lapisan campuran asimetris
secara tidak terpisah. Transpor ke atas (upward transport) oleh
buoyant plumes dimulai pada lapisan permukaan yang
disimulasikan oleh percampuran dari lapisan model yang lebih
rendah secara langsung ke seluruh lapisan yang lain dalam
lapisan campuran.
8 BouLac PBL Bougeault-Lacarrère PBL adalah salah satu alternative prediksi
TKE. Skema ini terdapat pada versi 3 dan didesain untuk
digunakan dengan model urban BEP.
Pilihan skema Urban Surface (sf_urban_physics – menggantikan
versi lama switch dengan ucmcall):
Urban canopy model (sf_urban_physics = 1): 3-kategory UCM
opsi dengan efek permukaan untuk atap, dinding, dan pohon
BEP (sf_urban_physics = 2). Building Environment
Parameterization
Merupakan model kanopi urban multi-layer dengan kondisi
bangunan dapat lebih tinggi daripada level paling rendah pada
model. Skema ini hanya dapat bekerja dengana Noah LSM dan
Boulac dan MYJ PBL. Skema ini terdapat pada versi 3.1.
99 MRF scheme Versi lama dari skema YSU dengan treatment implisit untuk
lapisan entraintment sebagai bagian dari non lokal-K lapisan
campuran. (Hong and Pan 1996). Skema MRF memerlukan profil
difusivitas Eddy terhadap ketinggian, dengan magnitude yang
bergantung pada karakteristik skala kecepatan pada lapisan
permukaan. Skema ini terdapa transpor panas non-lokal
sepanjang hari.
LES PBL: A large- terdapat pada versi 3. Pada skema ini dilakukan setting:
eddy-simulation bl_pbl_physic = 0,
(LES) boundary layer isfflx = 1,
untuk setting surface digunakan sf_sfclay_physics dan
sf_surface_physics.
Setting pada skema ini menggunakan difusi untuk percampuran
vertikal dan
diff_opt = 2
km_opt = 2 atau 3
Alternatif untuk running LES PBL adalah dengan memilih:
isfflx = 0 atau 2
Keterangan:
isfflx adalah fluks panas dan kelembaban dari permukaan,
38
dengan setting:
1 = dengan efek fluks dari permukaan
0 = tanpa fluks permukaan (tidak digunakan pada
sf_surface_sfclay = 2)
Bila diff_opt=2, km_opt=2 atau 3 maka isfflx:
0 = fluks konstan ditentukan oleh koefisien drag, tke_heat_flux;
1 = menggunakan perhitungan model untuk u*, dan fluks panas
dan kelembaban;
2 = menggunakan perhitungan model u*, dan fluks panas oleh
tke_heat_flux
2.5.5 VALIDASI DATA MODEL
Untuk memvalidasi data model biasanya dilakukan beberapa analisis statistik yang intinya untuk
melihat keakuratan model terhadap data observasi. Ukuran-ukuran statistik yang biasa digunakan
antara lain, korelasi, standar deviasi, variaansi, dan error.
i. KORELASI
Korelasi merupakan ukuran yang menentukan seberapa baik suatu pola atau
kecenderungan dari prediksi sesuai dengan nilai observasinya. Prediksi dikatakan akurat jika
memiliki korelasi yang baik. Contohnya, pada gambar time series hidrograf di atas, puncak
dan lembahnya menunjukkan trend yang mirip baik di hasil prediksi maupun observasinya,
namun nilainya berbeda. Nilai prediksi selalu lebih kecil dari observasi. Dalam hal ini,
prediksi dan observasi terkorelasi dengan baik, namun mengandung error yang konsisten.
ii. STANDAR DEVIASI DAN VARIANSI
Variansi merupakan salah satu ukuran sebaran yang paling sering digunakan dalam berbagai
analisis statistika untuk melihat tingkat keragaman suatu set data. Standar deviasi
merupakan akar kuadrat positif dari variansi.
39
iii. ERROR
Dua macam error yang biasa digunakan dalam statistik adalah Mean Absolute Error (MAE),
dan Root Mean Square Error (RMSE).
Keduanya didasarkan pada perbedaan nilai antara prediksi dan obsrvasi, tanpa
memperhatikan apakah perbedaan bernilai positif atau negatif.
MAE adalah rata-rata perbedaan absolut antara observasi dan prediksi. RMSE merupakan
akar dari pengurangan antara nilai observasi dan prediksi kuadrat yang dirata-ratakan.
Untuk dua jenis error ini, nilai nol mengindikasikan kesesuaian yang sempurna antara
observasi dan prediksi. RMSE lebih sensitif terhadap perbedaan yang besar antara prediksi
dan observasi dari pada MAE.
iv. CONTOH ANALISIS STATISTIK
40
Grafik Grafik di samping memperlihatkan

beberapa hasil simulasi model (profil
yang berwarna-warni) dan hasil
observasi (profil hitam). Dari gambar ini
dapat terlihat kemiripan/
ketidakmiripan hasil model dengan
observasi secara kualitatif.
Diagram Taylor Diagram Taylor merangkum beberapa

parameter statistik ke dalam satu
gambar. Angka pada busur terluarnya
menunjukkan koefisien korelasi, garis
horizontal menunjukkan standar
deviasi, sedangkan busur hijau
menunjukkan error. Jadi dapat
dikatakan, semakin ke arah kanan
bawah nilainya, semakin baik hasil
7 model.
Scatter plot Scatter plot dapat memperlihatkan
tingkat ketersebaran data model
terhadap data observasi. Dari sini dapat
terlihat korelasi dari kedua data juga
error-nya.
Box Plot Box plot dibuat jika kondisi data tidak

kontinu. Dari gambar ini juga dapat
terlihat jangkauan dari set data.
41
2.5.6 PENGOLAHAN DATA HUJAN
Verifikasi data hujan tidak bisa dilakukan dengan melakukan analisis statistik biasa
karena datanya yang memiliki keunikan tersendiri dibanding data-data meteorologi
lainnya. Untuk memverifikasi data hujan biasanya dilakukan analisis Threat score.
10
Threat score merupakan ukuran kebenaran penempatan dan waktu dari peramalan
kejadian tertentu. Kecocokan antara peramalan (F) dan pengamatan (O) disebut
sebagai hit (H). Threat score membandingkan ukuran kebenaran daerah peramalan
terhadap total area dimana kejadian tersebut diamati. Threat Score sering dihitung
dengan menggunakan batas (threshold) yang merupakan batas suatu nilai untuk
dikatakan sebagai hit.
42
DAFTAR PUSTAKA
COMET®Module, University Corporation for Atmospheric Research, http://meted.ucar.edu/, 2003
Dudhia, J. and Co-authors, PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and User’s
Guide, Mesoscale and Microscale Meteorology Division NCAR, January 2005
Glahn H. R., and D. A. Lowry, The use of model output statistics in objective weather forecasting,
J. Appl. Meteor., 11, 1203-1211, 1972
Holton, J.R., An Introduction to Dynamic Meteorology 4th Ed., pp. 534, Elsevier Academic Press,
USA, 2004
Kalnay, E., Atmospheric Modeling, Data Assimilation and Predictability, pp. 341, Cambridge
University Press, 2003
Lorenz, E. N., Deterministic non-periodic flow, J. Atmos. Sci., 20, 120-141, 1963
National Research Council, Completing the Forecast : Characterizing and Communicating
Uncertainty for Better Decisions Using Weather and Climate Forecast, National Academy of
Sciences, USA, 2006
Saito, K., and collaborators, The Operational JMA Nonhydrostatic Mesoscale Model, Mon. Wea.
Rev., 134, 1266-1298, 2006
Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Barker D.M., Wang W., Powers J.G., A
Description of the Advanced Research WRF Version, Mesosscale and Microscale
Meteorology Division, National Center for Atmospheric Research Colorado USA, 2005
Wang, W., C. Bruyere, M. Duda, J. Dudhia, D. Gill, H. C. Lin, J. Mischalakes, S. Rizvi, dan X. Zhang,
2008 : Weather Research Forecasting – ARW : version 3 Modeling System User’s Guide,
Mesoscale & Microscale Meteorology Division, National Center for Atmospheric Research
Wilks, D.S., Statistical Methods in the Atmospheric Sciences, Academic Press, Newyork, 1995
43
BAGIAN II
44
Diktat Pelatihan WRF Instalasi Model WRF
BAB 3
BAB 3 INSTALASI MODEL WRF
3.1 Perangkat Keras
Pada dasarnya WRF dapat dijalankan pada semua jenis komputer berbasis unix. Umumnya
terdapat dua jenis komputer terbagi berdasarkan kemampuannya, yaitu:
1. Single PC
Single PC merupakan perangkat komputer yang sederhana, dicirikan dengan perangkat
motherboard yang hanya berjumlah satu unit. Single PC ini memiliki kemampuan
komputasi yang relatif sederhana dan biasanya hanya digunakan untuk untuk
menjalankan program-program ringan yang tidak membutuhkan kemampuan komputasi
terlalu tinggi. Komputer jenis single PC banyak digunakan di rumah atau perkantoran,
biasanya digunakan sebagai perangkat pengolah kata dan angka yang tidak terlalu rumit.
Single PC juga sering digunakan untuk keperluan desain dan gaming.
Contoh single PC
Sumber gambar: http://gamingbolt.com/wp-content/uploads/2011/09/Pc-thumb.jpg (kiri) dan
http://www.cnet.co.uk/i/product_media/40000355/image1/440x330-apple_imac_10_1a.jpg (kanan)
2. PC Cluster
PC Cluster/Klaster Komputer merupakan suatu sistem perangkat keras dan lunak yang
menggabungkan beberapa komputer untuk dapat bekerja sama dalam memproses dan
menyelesaikan suatu masalah atau tugas. Kelompok komputer tersebut dilihat sebagai
komputer tunggal oleh aplikas-aplikasi yang berjalan di atasnya. Perbedaan PC cluster dan
single PC pada dasarnya terletak pada jumlah motherboard yang digunakannya. Single PC
hanya menggunakan sebuah motherboard, sedangkan PC cluster menggunakan lebih dari
satu unit motherboard dalam sistemnya.
45
Sumber gambar: http://www.jonshouse.co.uk/photos/cluster2.jpg (kiri) dan

http://www710.univ-lyon1.fr/~sbrandel/en/research/VR/cluster.jpg (kanan)
Tujuan dibangunnya komputer klaster antara lain :

• High performance computing
Dalam hal ini klaster dibangun dengan tujuan meningkatkan kerja komputasi dengan
cara membagi tugas ke beberapa node.
• Load balancing
Bertujuan untuk membagi tugas secara merata sehingga semua operasi dikerjakan
secara baik dan sebuah node tidak mempunyai load yang berlebihan.
• High availability cluster
Sistem ini bertujuan agar sebuah aplikasi atau layanan dapat selalu tersedia tidak
terhalangi komponen sistem yang jika gagal beroperasi mengakibatkan layanan tidak
tersedia contohnya kerusakan pada server, kerusakan hdd dll.
Sebuah komputer kluster harus memiliki komponen sebagai berikut :
• Node
Merupakan komputer tunggal (slave) yang terhubung dengan Master yang mampu
memproses tugas komputasi tanpa node lain.
• Sistem operasi
Sistem operasi yang digunakan untuk membangun klaster ini yaitu openSUSE.
Merupakan sistem operasi berbasi linux.
• Cluster middleware
Perangkat lunak yang memungkinkan node yang ada saling bekerja sama
• Aplikasi yang mendukung pemindahan tugas
Software yang digunakan pada klaster ini yaitu MPICH2
Berikut ini tabel perbandingan kinerja komputer dalam menjalankan model WRF. Dilakukan
prediksi dua hari dengan dua domain dan satu kali nesting.
Single PC PC cluster(6 node)

Prosesor Intel core2quad Intel core2quad
Spesifikasi
Memory 4GB 4GB
Waktu running 8 jam 10 menit 1 jam 20 menit
46
(Weather Forcasting
3.2 Sistem Operasi Linux
Sistem operasi adalah program yang bertindak sebagai perantara antara user dengan perangkat
keras komputer. Sistem operasi membuat sistem komputer nyaman digunakan. Sistem operasi
mempunyai tujuan untuk menggunakan perangkat keras komputer secara efisien. Secara umum
komponen sistem komputer terdiri dari :
1. Perangkat Keras,, merupakan sumber daya utama untuk proses komputasi. Perangkat
keras komputer terdiri dari : CPU, memory dan perangkat input output.
2. Sistem Operasi,, mempunyai tugas untuk melakukan kontrol dan koordinasi penggunaan
perangkat keras pada berbagai program aplikasi untuk pengguna yang berbeda.
3. Program Aplikasi,, menentukan
menentukan cara sumber daya sistem digunakan untuk menyelesaikan
permasalahan komputasi dari pengguna, contohnya compiler,, sistem basis data, video
games, program bisnis dan lain-lain.
lain
4. Pengguna, yang menggunakan sistem, terdiri dari orang, mesin atau komputer lain.
Hubungan antara komponen-komponen
komponen komponen sistem komputer diatas dapat dilihat pada
Gambar 1.1.
Pengguna
Program Aplikasi
Sitem Operasi
Perangkat Keras
Sistem operasi menyediakan suatu pustaka dari fungsi-fungsi

fungsi fungsi standar, dimana aplikasi lain dapat
memanggil fungsi-fungsi
fungsi itu, sehingga dalam setiap pembuatan program baru, tidak perlu
membuat fungsi-fungsi
fungsi tersebut dari awal. Secara umum sistem operasi terdiri dari dua bagian:
1. Kernel, yaitu inti dari sebuah sistem operasi.

2. Command Interpreter atau shell,, yang bertugas membaca input dari pengguna.
Kernel
Command
Interpreter/
Shell
47
Anda tentu sudah tidak asing dengan sistem operasi Windows, sistem operasi yang dibuat
oleh perusahaan korporasi Microsoft ini banyak diminati karena memiliki GUI (Graphical
User Interface) yang membuatnya menarik dan mudah digunakan. Sistem operasi ini
digunakan pada 91% komputer desktop di dunia. Dengan kata lain sistem operasi ini
harus mampu melakukan pekerjaan dengan baik untuk mejadi populer.
Pada kenyataannya, sistem operasi ini bukan tanpa masalah inilah yang membuatnya
tidak aman. Hampir setiap hari celah keamanan baru ditemukan. Hal ini mengarah pada
pembuatan “worms”. Worms adalah program kecil yang mengeksploitasi celah keamanan
pada windows kemudian merusak sistemnya seperti crash atau mematikannya tanpa
anda minta. Worms melompat dari satu komputer ke komputer lainnya yang kemudian
berkembang menjadi virus. Banyak yang berpendapat virus muncul karena kepopuleran
windows dipasaran, namun pada dasarnya program virus sangat sederhana mereka hanya
mengambil keuntungan dari celah keamanan windows.
Apakah tidak ada sistem operasi yang aman? Ada, dan jarang orang menggunakannya.
Sistem operasi ini bernama Linux. Kita akan membahasnya di bab selanjutnya.
Linux diciptakan oleh Linus Torvalds, pria Finlandia yang saat itu belajar di Helsinki dan
membeli sebuah desktop PC. Ia membutuhkan operasi sistem untuk komputer barunya,
namun pilihannya sangat terbatas. Saat itu terdapat beberapa versi DOS dan sesuatu
bernama Minix, yang kemudian Linus putuskan untuk menggunakannya.
Minix adalah klon dari Unix, sebuah sistem operasi yang saat itu populer digunakan pada
komputer besar untuk bisnis dan universitas, termasuk di universitas Linus. Unix diciptakan pada
awal tahun 1970 dan telah berkembang sejak saat itu untuk menjadi apa yang banyak orang
anggap sebagai ujung tombak komputasi. Minix diciptakan oleh Andrew Tanenbaum, seorang
profesor ahli komputasi, untuk menunjukkan prinsip-prinsip dasar desain sistem operasi untuk
murid-muridnya. Karena Minix juga sarana belajar, orang bisa melihat source code (kode sumber)
dari program-daftar asli yang Tanenbaum buat untuk menciptakan perangkat lunak. Tapi Torvalds
memiliki sejumlah masalah dengan Minix.
Pada saat itu, Minix tidak gratis (meskipun di banyak universitas, siswa dapat memperoleh salinan
gratis dari profesor yang membayar biaya lisensi kelompok). Masalah hak cipta mengakibatkan
penggunaan Minix di seluruh dunia menjadi lebih sulit, dan ini, bersama dengan beberapa
masalah teknis, Linus terinspirasi untuk membuat versi sendiri dari Unix, seperti yang telah
Tanenbaum lakukan dengan Minix. Linus berhasil memproduksi versi 0,01 dari Linux dalam
setengah tahun. Linus ingin ciptaannya dibagi di antara semua orang yang ingin
menggunakannya. Dia mendorong orang untuk menyalinnya dan memberikannya kepada
teman-teman. Dia tidak kenakan biaya untuk itu, dan ia juga membuat kode sumber
tersedia secara bebas. Idenya adalah bahwa orang bisa mengambil kode dan
memperbaikinya.
48
Seperti yang telah dijelaskan di bab sebelumnya, sistem operasi Linux memiliki
keunggulan dari sistem operasi lainnya. Keunggulan sistem operasi Linux diantaranya.
1. Crash-Free
Manfaat utama dari Linux adalah bahwa Linux tidak crash. Dalam tahun-tahun
penggunaan Linux, Anda tidak akan pernah mengalami kursor mouse anda “freeze” di
layar. Sebuah kotak kesalahan aneh tidak akan muncul dan tidak pergi sampai anda
reboot. Ini memungkinkan untuk meninggalkan sistem Linux berjalan selama bertahun-
tahun tanpa pernah perlu untuk reboot.
Tentu saja, program yang berjalan di atas Linux terkadang crash, tetapi mereka tidak
mempengaruhi program yang berjalan di bawahnya, seperti yang bisa terjadi di bawah
Windows. Bahkan, anda dapat membersihkan setelah terjadi crash dan melanjutkan apa
yang sedang anda kerjakan.
2. Keamanan
Manfaat berikutnya adalah bahwa Linux jauh lebih aman daripada Windows. Linux
didasarkan pada pembuktian penelitian ilmu komputer bertahun-tahun. Ia bekerja pada
prinsip pengguna yang memiliki izin untuk melakukan berbagai tugas pada sistem. Jika
anda tidak memiliki izin yang benar, maka anda tidak dapat, misalnya, mengakses bagian
tertentu dari perangkat keras. Selain itu, privasi dapat dipastikan karena file-file pada PC
"dimiliki" oleh pengguna individu, yang dapat mengizinkan atau menolak orang lain akses
ke file tersebut.
3. Gratis dan terbuka
Manfaat besar lainnya bahwa Linux dapat diperoleh secara gratis. Sekali anda instal,
update terbaru untuk semua program anda tidak dikenakan biaya. Tidak hanya itu, jika
anda menginginkan software baru anda tidak perlu membelinya (biasanya hanya perlu
men-download saja).
4. Kompatibel dengan hardware lama
Manfaat lain dari Linux adalah bahwa ia bekerja dengan baik pada hardware lama
Versi terbaru dari Windows XP membutuhkan hardware bertenaga tinggi, upgrade
sistem operasi biasanya berarti membeli PC baru, bahkan jika komputer lama
anda masih bekerja dengan baik. Linux mendorong sikap daur ulang dan
memaksimalkan yang anda miliki, daripada terus-menerus upgrade dan membeli
perangkat keras baru.
5. Komunitas Linux
Jadi kita telah sepakat bahwa Linux kuat, aman, dan fleksibel. Linux lebih dari sebuah
sistem operasi komputer. Ini adalah seluruh komunitas pengguna yang tersebar di seluruh
49
dunia. Ketika anda mulai untuk menggunakan Linux, anda menjadi bagian dari komunitas
ini.
Salah satu manfaat keanggotaan adalah bahwa anda tidak akan kesulitan menemukan
solusi untuk masalah anda. Masyarakat suka berkumpul online di seluruh forum dan
newsgroup, yang anda dapat bergabung dalam rangka untuk mencari bantuan.
Penempatan Anda di jajaran masyarakat adalah "newbie." Ini adalah cara yang populer
untuk menggambarkan seseorang yang baru mengenal Linux. Meskipun ini terdengar
merendahkan, itu benar-benar akan membantu ketika Anda berbicara dengan orang lain.
Status anda sebagai pemula akan mendorong orang untuk mengambil waktu untuk
membantu Anda. Karena pada dasarnya mereka pernah menjadi pemula!
3.3. Linux Open SUSE
SUSE Linux adalah salah satu distro Linux tertua yang pernah ada, dan itu adalah versi
pertama yang keluar tak lama setelah Linus Torvalds menyelesaikan versi awal dari kernel Linux.
SUSE awalnya sebuah perusahaan Jerman, namun saat ini dimiliki oleh Novell. Selain itu, SUSE
adalah mitra distribusi banyak produsen komputer besar, seperti Sun Microsystems dan IBM.
SUSE adalah akronim untuk Software und System-Entwicklung, yang diterjemahkan sebagai
perangkat lunak dan pengembangan sistem. Hal ini mengacu pada masa lalu, ketika perusahaan
SUSE juga konsultan untuk Unix.Seperti banyak distro Linux, SUSE Linux dibentuk reputasinya
sebagai operasi sistem untuk server. YaST dan SaX alat konfigurasi yang dibuat untuk
mengkonfigurasi dan memperbarui sistem, memudahkan mereka yang baru menggunakan Linux
dan Unix. Tahun-tahun terakhir perusahaan membuat dorongan kuat untuk pasar desktop,
dengan hasil bahwa SUSE Linux dianggap salah satu distro terbaik desktop Linux yang tersedia,
lagi-lagi berkat perangkat lunak konfigurasi YaST nya.
Para pengembang SUSE Linux telah menginvestasikan waktu tidak hanya di memoles antarmuka
untuk pengguna, tetapi juga dalam meningkatkan kompatibilitas hardware, sejauh bahwa SUSE
Linux adalah dianggap mutakhir dalam hal banyaknya item hardware yang didukung. SUSE Linux
tetap sangat mudah digunakan, bahkan bagi mereka yang baru untuk komputasi. Ini tentu sebuah
distro yang ideal untuk pengguna Windows yang mencari cara ke Linux. Belajar bagaimana
menggunakan SUSE Linux memiliki keuntungan ditambahkan dalam ruang kerja perusahaan.
Novell telah merilis distribusi Linux sendiri, yang sebagian besar didasarkan pada teknologi SUSE
Linux.Selain itu, Sun Microsystems menawarkan produk Java Desktop, yang lagi berbasis pada
SUSE Linux. Bahkan, ada beberapa versi SUSE Linux. Yang disertakan dengan buku ini adalah edisi
khusus dari openSUSE. Ini hampir identik dengan rilis dari SUSE Linux yang dijual dalam kotak,
kecuali bahwa hal ini didukung oleh komunitas openSUSE, bukan oleh organisasi Novell SUSE.
50
3.3.1 Instalasi Linux
Sebelum proses instalasi dimulai, persiapkan komputer yang akan diinstal pastikan semua
hardware berjalan dengan baik kemudian atur BIOS agar melakukan proses boot dari CD/DVD
room. Versi yang digunakan yaitu openSUSE 11.4 merupakan versi terbaru saat ini.
1. BOOT
Masukan DVD openSUSE 11.4 pada DVD room, lakukan restart komputer kemudian akan
muncul tampilan booting openSUSE lalu pilih Installation.
51
2. INSTALASI
Langkah 1: Welcome screen
Dibagian atas anda dapat mengatur bahasa dan layout keyboard yang akan digunakan
pada sistem operasi. Pilih “English (US)” untuk bahasa dan layout keyboard.
Kolom di bawah merupakan end user license agreement, bila anda setuju pilih “Next”
untuk melanjutkan ke langkah berikutnya.
52
Langkah 2: Pengaturan waktu

Disini anda diminta untuk menentukan zona waktu yang ditampilkan dalam peta dunia.
Anda dapat memilih zona waktu dengan mengklik Negara anda pada peta atau memilih
pada drop down menu yang tersedia. Abaikan check box UTC. Perhatikan apakah tanggal
dan jam pada sistem telah sesuai dengan tanggal dan waktu yang sebenarnya, bila belum
anda dapat mengaturnya dengan mengklik tombol “Change”. Pilih “Next” untuk
melanjutkan.
53
Langkah 3: Pengaturan hard disk

Sistem menampilkan pengaturan partisi yang disarankan secara automatis oleh sistem,
bila anda telah memiliki sistem operasi lain yang telah terinstal maka YaST secara
automatis akan mengkalkulasi hard disk yang tersedia agar anda dapat menginstal
openSUSE tanpa mengganggu sistem operasi yang telah ada. Bila anda tidak setuju
dengan pengaturan yang ditentukan oleh sistem anda dapat membuat pengaturan partisi
sendiri dengan memilih “Create partition system”.
Pilih “Custom partitioning” , pada display ditampilkan hard disk beserta tipenya yang
terinstal komputer anda. Pilih partisi hard disk yang masih kosong dengan tipe NTFS,
partisi ini merupakan partisi yang dibuat oleh windows namun linux tidak mengenal tipe
NTFS oleh karena itu anda harus memformat ulang partisi ini dengan cara menghapusnya.
Pilih “delete”untuk menghapus partisi yang telah dibuat windows, kemudian pilih physical
volume hard disk yang akan anda partisi kemudian pada tabel add partition pilih “Primary
partition”. Tentukan besar partisi yang akan anda buat, terlebih dahulu anda harus
membuat partisi untuk swap alokasikan sebesar 2G saja. Untuk partisi utama gunakan
semua sisa hard disk yang tersedia, pilih “Ext4” pada Format option dan isikan “/” pada
Mount point.
54
55
Langkah 4: Pembuatan user

Isikan informasi anda pada tabel yang telah tersedia, isi field user dengan “wrf”. field
password dapat anda isi sendiri. Kosongkan semua check box. Pilih “Next” untuk
melanjutkan.
Karena anda memilih untuk tidak menggunakan password user biasa untuk administrator,
sistem akan meminta anda mengisi password untuk user Root.
56
57
Langkah 5: Simpulan instalasi

YaST menampilkan ringkasan proses instalasi yang dilakukan pada komputer anda, periksa
kembali apakah sudah sesuai dengan yang anda inginkan. Jika anda ingin menggantinya
klik pada judul tahap yang ingin anda ganti. Pastikan fitur ssh dan firewall diaktifkan.
58
Langkah 6: Instalasi
YaST sedang menginstal openSUSE pada komputer anda, setelah selesai anda akan
diminta untuk restart komputer, restart komputer anda lalu keluarkan DVD instalasi
openSUSE.
59
Langkah 7: Finishing installation

Setelah selesai restart, pada awal boot YaST secara otomatis mengatur hardware sistem
dan network .
Langkah 8: Aktivasi console dan konfigurasi jaringan

Login dengan username dan password anda. Di awal menggunakan SUSE anda tidak
diberikan media untuk dapat memberikan perintah, atifkan console terlebih dahulu
dengan klik kiri pada layar anda kemudia pilih Xterm. Setelah muncul tampilan console
lakukan langkah berikut.
Aktivasi console
• su (untuk login sebagai user root)
• masukan password anda
• yast (akan muncul window seperti di bawah ini)
60
• System /etc/sysconfig Editor

• Desktop (spasi untuk memunculkan folder didalamnya)
• Display manager pilih displaymanager teratas
• Alt-e untuk memindahkan kursor menuju field Setting
• Pilih console lalu alt-f kemudian alt-o
Konfigurasi jaringan
• Network Devices Network Settings
• Edit overview
• Pilih statically IP, masukan IP, subnet mask dan hostname yang telah ditentukan
• Next, pilih yes jika muncul box warning lalu pilih external zone pada field firewall
zone.
• Edit hostname
• Isikan hostname yang telah ditentukan, isi domain name dengan meteo.itb.ac.id
• Isikan name server seperti yang telah ditentukan
• Edit routing
• Isikan default gateway seperti yang telah ditentukan, pilih device eth0
• Ok
• Reboot untuk merubah display
Sistem operasi openSUSE anda siap digunakan.
3.3.2 Perintah-perintah Dasar Dalam Linux
Linux sederhana tidak memuliki GUI seperti windows, anda dapat pergi kemana pun dan
melakukan perintah apa saja hanya dengan menggunakan mouse. Saat anda menggunakan Linux
anda akan melupakan mouse, karena Linux mengenal perintah anda hanya melalui keyboard.
61
Sebelum dapat memberikan perintah kepada kernel, anda terlebih dahulu harus terhubung
dengan server melalui console. Dengan menggunakan console, server Linux mengenali anda
sebagai user/pengguna dan anda akan diberikan shell/command interpreter untuk dapat
memberikan perintah.
Dibawah ini merupakan beberapa perintah dasar shell yang akan sering anda gunakan beserta
kegunaannya.
Perintah dasar dalam Linux
Perintah Keterangan
any_command --help Menampilkan keterangan bantu tentang pemakaian perintah.
"--help" sama dengan perintah pada DOS "/h".
ls Melihat isi file dari direktori aktif. Pada linux perintah dir hanya
berupa alias dari perintah ls. Untuk perintah ls sendiri sering
dibuatkan alias ls --color, agar pada waktu di ls ditampilkan
warna-warna sesuai dengan file-filenya, biasanya hijau untuk
execute, dsb.
cd directory Change directory. Menggunakan cd tanpa nama direktori akan
menghantarkan anda ke home direktori. Dan cd .. akan
menghantarkan anda ke direktori sebelumnya.
cp source
destination Meng-copy suatu file
mv source
destination Memindahkan atau mengganti nama file
ln -s source
destination Membuat simbolic links
rm files Menghapus file
mkdir directory Membuat direktori baru
rmdir directory
Menghapus direktori yang telah kosong, tambahkan opsi -R
untuk menghapus direktori yang tidak kosong
tar -zxvf Meng-untar sebuah file tar sekaligus meng-uncompress file
filename.tar.gz
tersebut (*.tar.gz atau *.tgz), untuk meletakkannya direktori yg
diinginkan tambahkan opsi -C direktori, contoh tar -zxvf
filename.tar.gz -C /opt (meletakkan file tersebut di direktori
/opt
./program_name Menjalankan program pada direktori aktif
ps ax Melihat seluruh proses yang dijalankan, walaupun tanpa
terminal control, juga ditampilkan nama dari user untuk setiap
proses.
top Melihat proses yang berjalan, dengan urutan penggunaan cpu.
echo $PATH Melihat isi dari variabel PATH. Perintah ini dapat digunakan
untuk menampilkan variabel environmen lain dengan baik.
Gunakan set untuk melihat environmen secara penuh.
clear Membersihkan layar.
pwd Melihat direktori kerja saat ini
shutdown -h now (sebagai root) Shut down sistem.
62
3.5 Software Pendukung WRF
Suatu program pasti memerlukan software-software pendukung ataupun environment untuk

dapat berjalan. Keperluan-keperluan program tersebut biasanya dinyatakan di dalam dokumen
yang disertakan bersama source code program tersebut, atau dinyatakan di website tempat
program tersebut dipublikasikan.
WRF tentunya juga merupakan model yang kompleks. Dan juga membutuhkan program-program
pendukung untuk dapat berjalan. Salah satunya adalah library dari NetCDF, sementara untuk
meng-kompile NetCDF sendiri kita membutuhkan banyak library dari program lain.
Dalam Bab ini akan dipaparkan secara teknis bagaimana menginstall WRF, dari mulai menginstall
keperluannya sampai ke penginstallan WRF nya sendiri.
3.5.1 Install keperluan melalui YaST RPM
Di beberapa distro Linux terdapat fasilitas untuk memudahkan menginstall software yang disebut
dengan RPM. OpenSUSE yang sekarang digunakan juga mempunyai RPM yang dapat digunakan
dengan mudah melalui YaST => Software => Sofware Management.
Configurasi Repositori
Untuk dapat menginstall suatu program tentunya YaST RPM memerlukan Repositori, yaitu tempat
dia mengambil atau mengunduh source program. Untuk mengkonfigurasinya buka melalui YaST
=> Software => Software Repositories. Lalu lakukan seperti gambar berikut :
Dalam pelatihan ini komputer tidak terkoneksi dengan internet. Maka hilangkan centang Enabled
pada Repositori yang bersifat online. Dan tinggalkan centang Enabled pada Repositori yang
berasal dari CD (pastikan DVD openSuSE anda terpasang bila ingin menggunakan Repositori ini) .
63
Namun apabila anda ingin mendapatkan software terbaru cara termudah adalah menyalakan
Repositori online.
Install melalui RPM
Buka YaST => Software => Sofware Management. Lalu akan muncul gambar seperti dibawah ini.
Lalu pilih program berikut (gunakan spasi untuk memilih) :

• Cmake
• GCC (semua)
• Glibc
• Bison + bison32
• Flex + flex32
• Jasper + devel
• Libjpeg
• giflib + giflib-devel + giflib-32bit + giflib-devel-32bit
• libpng14-14
• zlib
• perl + perl-32bit
• texinfo
• texlive + texlive-bin-devel + texlive-bin-latex + texlive-bin-tools + texlive-context + texlive-
devel
• mc
• findutils-locate
• vsftpd + yast-ftp-server
• libg2c
64
Lalu OK. Setelah itu akan keluar konfirmasi untuk instalasi dependencies. Setelah OK maka
instalasi dimulai.
Setelah selesai silahkan lanjutkan instalasi libg2c dengan cara :

• <root> ln –sf /usr/lib64/libg2c.so.0 /usr/lib64/libg2c.so
3.5.2 Install PGI
Setelah ini kita akan menginstall compiler yang dibutuhkan untuk mengkompile baik program
pendukung WRF ataupun WRF itu sendiri. Dalam pelatihan ini Compiler yang kita gunakan adalah
PGI compiler buatan The Portland Group, Inc. Alasan digunakannya kompiler ini adalah PGI sangat
baik untuk perhitungan matematika kompleks.
• cd ~/src/ compiler/V11.7/Setup
• <root> mkdir /usr/local/pgi
• <root> ./install
Single system install
Installation directory : /usr/local/pgi
Install the ACML : n
Install CUDA Toolkit Components : n
Install JAVA JRE 6.0_21 : yes
Do you wish to install MPICH1 : n
65
Setelah menginstall PGI, selanjut nya peng-compile-an program-program setelah ini akan
menggunakan PGI sebagai compiler. Pastikan bashrc anda telah benar dan PGI sudah dapat
digunakan. Contoh bashrc dapat diperoleh dari repository yang telah diberikan.
3.5.3 Install SZIP
SZIP adalah program kompresi yang dikembangkan oleh HDF Group yang memberikan kompresi
lossless kepada data ilmiah.
• cd ~/src/compression
• tar -xvzf szip-2.1.tar.gz
• cd szip-2.1/
• ./configure --prefix=/usr/local/szip
• make > log 2>&1
• make check
66
• <root> make install
3.5.4 Install Udunits1
Udunits adalah program buatan Unidata yang mendukung konversi dari spesifikasi unit antara
data berformat ascii dan data berformat biner.
• cd ~/src/file_format/Udunits/
• tar -xvzf udunits-1.12.11.tar.gz
• cd udunits-1.12.11/src/
• ./configure --prefix=/usr/local/udunits1
• make > log 2>&1
3.5.5 Install Udunits2
Sama seperti Udunits1. Udunits2 adalah versi yang lebih baru dari Udunits. Untuk perubahannya
dapat dilihat di web pengembangnya dan tidak akan di jelaskan lebih lanjut di modul ini.
• cd ~/src/file_format/Udunits/
• tar -xvzf udunits-2.1.24.tar.gz
• cd udunits-2.1.24/
• ./configure --prefix=/usr/local/udunits2
• make > log 2>&1
67
3.5.6 HDF4
HDF atau kepanjangan dari Hierarchical Data Format, adalah nama dari satu set format file dan
libraries yang dirancang untuk menyimpan dan mengatur sejumlah data numeric yang besar.
Awalnya dikembangkan oleh National Center for Supercomputing Applications, saat ini didukung
oleh non-profit HDF Group yang misinya adalah untuk memastikan pengembangan lanjutan dari
teknologi HDF 5, dan aksesibilitas lanjutan data saat ini disimpan dalam HDF.
• cd ~/src/file_format/HDF
• tar -xvzf hdf-4.2.6.tar.gz
• cd hdf-4.2.6
• ./configure --prefix=/usr/local/hdf4 --
includedir=/usr/local/hdf4/include/hdf --with-szlib=/usr/local/szip --
disable-netcdf
• make > log 2>&1
• make check
3.5.7 HDF5
HDF 5, hampir sama dengan penjelasan HDF 4 di atas, yaitu pengembangan lanjutan dari HDF
dengan versi 5. Versi HDF 5 dirancang untuk mengatasi keterbatasan dari HDF 4.
• cd ~/src/file_format/HDF
• tar -xvzf hdf5-1.8.7.tar.gz
• cd hdf5-1.8.7/
• vi ~/.bashrc
68
• source ~/.bashrc
• ./configure --prefix=/usr/local/hdf5 --with-szlib=/usr/local/szip
• make > log 2>&1
• make check
Setelah itu kembalikan bashrc seperti semula. Kembalikan bashrc seperti semula.
3.5.8 GRIB
GRIB (GRIdded Binary) adalah format ringkasan data matematis yang umum digunakan dalam
meteorology untuk meyimpan historis dan data prakiraan cuaca. Format ini merupakann format
standard dari World Meteorological Organization's Commission for Basic Systems, dikenal dengan
nomor GRIB FM 92-IX, yang dijelaskan dalam WMO Manual pada kode No. 306.
Saat ini ada tiga versi GRIB. Versi 0 digunakan untuk sebagian dibatasi oleh proyek-proyek seperti
TOGA, dan tidak lagi dalam penggunaan operasional. Edisi pertama (saat ini sub-versi 2)
digunakan operasional di seluruh dunia oleh pusat meteorologi, untuk output Numerical Weather
Prediction (NWP). Sebuah generasi baru telah diperkenalkan, dikenal sebagai edisi GRIB kedua,
dan data secara perlahan berubah ke format ini. Beberapa GRIB generasi kedua digunakan untuk
produk yang berasal didistribusikan di Eumetcast dari Generasi Kedua Meteosat. Contoh lain
adalah NAM (North American Mesoscale) model. GRIB menggantikan Aeronautical Data Format
(ADF).
Install g2lib dengan cara :
• cd ~/src/file_format/GRIB/
• tar –xvf g2lib-1.2.2.tar
69
• cd g2lib-1.2.2/
• vi makefile
Edit sesuai dengan configurasi berikut :
baris 19
> INCDIR=-I/usr/include -I/usr/include/jasper -I/usr/include/libpng12
baris 78,80
> DEFS=-DLINUXF90
> FC=pgf90
> CC=gcc
baris 88
> #CFLAGS=-O3 $(DEFS) $(INCDIR)
baris 93
> CFLAGS=-O3 $(DEFS) $(INCDIR) -D__64BIT__
• make
• <root> cp libg2.a /usr/local/lib/
• <root> ln –sf /usr/local/lib/libg2.a /usr/local/lib64/libg2.a
• <root> ln –sf /usr/local/lib/libg2.a /usr/lib64/libg2.a
• <root> ln –sf /usr/local/lib/libg2.a /usr/lib/libg2.a
• <root> ln –sf /usr/local/lib/libg2.a /lib64/libg2.a
• <root> ln –sf /usr/local/lib/libg2.a /lib/libg2.a
Install g2clib dengan cara :

• tar –xvf g2clib-1.2.2.tar
• cd g2clib-1.2.2/
• vi makefile
baris 20
> INC=-I/usr/include -I/usr/include/jasper -I/usr/include/libpng12
baris 30
> CC=gcc
• make
• <root> cp grib2.h /usr/local/include/
• <root> cp libgrib2c.a /usr/local/lib/
• <root> ln –sf /usr/local/lib/libgrib2c.a /usr/local/lib64/libgrib2c.a
• <root> ln –sf /usr/local/lib/libgrib2c.a /usr/lib64/libgrib2c.a
• <root> ln –sf /usr/local/lib/libgrib2c.a /usr/lib/libgrib2c.a
• <root> ln –sf /usr/local/lib/libgrib2c.a /lib64/libgrib2c.a
• <root> ln –sf /usr/local/lib/libgrib2c.a /lib/libgrib2c.a
Install w3lib dengan cara :

• tar –xvf w3lib-2.0.tar
• cd w3lib-2.0/
• vi Makefile
70
baris 21-25
> F77 = pgf90
> FFLAGS = -g -O
> CFLAGS = -O -DLINUXF90
> CC = gcc
> ARFLAGS =
baris 35-39
> #F77 = g95
> #FFLAGS = -g -O
> #CFLAGS = -O -DLINUX
> #CC = cc
> #ARFLAGS =
• make
• <root> cp libw3.a /usr/local/lib/
• <root> ln –sf /usr/local/lib/libw3.a /usr/local/lib64/libw3.a
• <root> ln –sf /usr/local/lib/libw3.a /usr/lib64/libw3.a
• <root> ln –sf /usr/local/lib/libw3.a /usr/lib/libw3.a
• <root> ln –sf /usr/local/lib/libw3.a /lib64/libw3.a
• <root> ln –sf /usr/local/lib/libw3.a /lib/libw3.a
3.5.9 NetCDF
NetCDF (Network Common Data Form) adalah suatu set software libraries dan self-describing,
mesin independen format data yang mendukung pembuatan, akses dan berbagai array
berorientasi data ilmiah. Format ini dibuat oleh program Unidata di University Corporation for
Atmospheric Research (UCAR), dan juga sebabagi sumber utama, standard pengembangan dan
update software netCDF.
• cd ~/src/file_format/NetCDF/
• tar –xvzf netcdf-4.1.3.tar.gz
• cd netcdf-4.1.3/
• ./configure --prefix=/usr/local/netcdf --disable-dap --with-udunits --
enable-hdf4 --disable-netcdf-4
• make > log 2>&1
• make check
71
3.5.10 GrADS
GrADS (Grid Analysis and Display System) adalah alat desktop interaktif yang digunakan untuk
akses mudah, manipulasi dan visualisasi data ilmu kebumian. Format data dapat berupa biner,
GRIB, netCDF, atau HDF-SDS (Scientific data Set). GrADS menggunakan lingkungan 4-Dimensional
Data : bujur, lintang, tingkat vertical, dan waktu.
• cd ~/src/graphic_tools/GrADS
• <root> cp grads /usr/local/
3.5.11 NCL_NCARG
NCL_NCARG adalah suatu software yang dibuat oleg NCAR (National Center for Atmospheric
Research) dengan perintah bahasa disebut NCAR Command Language (NCL). NCARG adalah NCAR
Graphics yaitu software dengan bahasa NCL yang digunakan untuk membantu ilmuan dalam
memvisualisasikan data, salah satunya adalah data output model WRF.
• cd ~/src/graphic_tools
• tar –xvzf ncl_ncarg-6.0.0.tar.gz
• unzip triangle.zip
• cd ncl_ncarg-6.0.0
• export NCARG=`pwd`
• cd $NCARG/config
• make -f Makefile.ini
72
• vi LINUX
baris 15
> #define HdfDefines -DLINUX64
baris 22-25
> #define FCompiler pgf90
> #define CtoFLibraries -lgcc -lm -L/usr/local/pgi/linux86-64/11.7/lib -
lpgf90 -lpgf90_rpm1 -lpgf90_rpm1_p -lpgf90rtl -lpgf902 -lpgftnrtl -lpghpf -
lpghpf2 -lpghpf_rpm1 -lC -lpgc -lpgmp -lnspgc -lstd -lrt -lc -lgcc -lm
> #define CcOptions -fPIC
> #define FcOptions -tp nehalem-64 -O -Msignextend -Mreentrant -fPIC -
D_FILE_OFFSET_BITS=64 -D_LARGEFILE_SOURCE
baris 28,29
> /*#define XLibrary -lX11 -lXext*/
> #define ExtraExportFlags -Wl,--export-dynamic
baris 31,32
> #define ArchRecLibSearch -L/usr/lib64 -L/usr/local/szip/lib -
L/usr/local/udunits2/lib -L/usr/local/hdf4/lib -L/usr/local/hdf5/lib -
L/usr/local/netcdf/lib
> #define ArchRecIncSearch -I/usr/include/X11 -I/usr/local/szip/include -
I/usr/local/udunits2/include -I/usr/local/hdf4/include -
I/usr/local/hdf5/include -I/usr/local/netcdf/include
• ./ymake -config `pwd`
• cd $NCARG
• <root> mkdir /usr/local/ncarg
• <root> chmod 777 /usr/local/ncarg
• cp ../triangle.* ni/src/lib/hlu/
• ./Configure –v
Build NCL : y
Parent installation directory : /usr/local/ncarg
System temp space directory : /tmp
Build cairo support (optional) into GKS library : n
Build HDF4 support (optional) into NCL : y
Also build HDF4 support (optional) into raster library : y
Did you build HDF4 with szip support : y
Build Triangle support (optional) into NCL : y
If you are using NetCDF V4.x, did you enable NetCDF-4 support : n
Did you build NetCDF with OPeNDAP support : n
Build GDAL support (optional) into NCL : n
Build Udunits-2 support (optional) into NCL : y
Build Vis5d+ support (optional) into NCL : n
Build HDF-EOS2 support (optional) into NCL : n
Build HDF5 support (optional) into NCL : n
Build HDF-EOS5 support (optional) into NCL : n
Build GRIB2 support (optional) into NCL : y
Enter local library search path(s) : (default)
Enter local include search path(s) : (default)
Save current configuration : y
• make everything >& make-output &
• <root> chmod 755 /usr/local/ncarg
73
3.5.12 MPICH2
MPICH adalah implementasi MPI portable, suatu pesan standard yang melewati memori aplikasi
yang terdistribusi yang digunakan dalam komputasi parallel. MPICH adalah perangkat lunak yang
bebas (free software) yang sebagian besar tersedia dari Unix (meliputi Linux dan Mac OS X) dan
Microsoft Windows.
• cd ~/src/mpi
• tar –xvzf tar -xvzf mpich2-1.4.1p1.tar.gz
• export F90=””
• ./configure --prefix=/usr/local/mpich2-1.4
• make > log 2>&1
• vi ~/.mpd.conf
MPD_SECRETWORD=pelatihanWRF128
• chmod 600 ~/.mpd.conf
3.6 Instalasi WRF
3.6.1 Source Code
Souce Code dari WRF dapat didapatkan secara gratis di website resminya
(http://www.mmm.ucar.edu/wrf/users/), tetapi anda dianjurkan untuk mendaftar terlebih dahulu
sebelum mengunduh. Karena itu akan sangat berguna untuk pengembangan model WRF
kedepannya. Setelah mendaftar anda dapat mengunduh source code WRF di
http://www.mmm.ucar.edu/wrf/src/.
http://www.mmm.ucar.edu/wrf/users/
74
WRF yang kita pakai sekarang akan mempunyai dan memerlukan 4 folder utama. Yaitu folder
WRFV3 sendiri, lalu folder WPS, folder ARWpost, dan folder Data. Folder WRFV3 adalah tempat
dimana model utama WRF tersimpan. Sementara pre-processing dari data input WRF akan
dilakukan di folder WPS. Sementara ARWpost adalah tempat post-processing dari data output
WRF.
Dari folder-folder tersebut hanya folder Data yang harus anda buat sendiri. Sudah tersedia folder
Data di dalam folder src yang diberikan, disertai dengan data GFS yang diperlukan untuk modul
ini. Silahkan pindahkan folder Data tersebut ke direktori tempat anda akan menginstall WRF.
Selanjutnya ikuti langkah berikut :
1. Ambil ARWpost_V3.tar.gz, WRFV3.3.1.TAR.gz, WPSV3.3.1.TAR.gz, geog_v3.3.tar.gz,

dan dari folder src.
2. Ekstrak file-file yang tadi dengan menggunakan perintah tar –xvzf <nama file>.
3. Lalu masuk ke folder geog dan ekstrak GWD_geog.tar.gz dengan perintah tar –xvzf
../GWD_geog.tar.gz
3.6.2 Langkah-langkah Compile Model WRF
• Langkah Mengompile Program WRF:

1. Masuk ke direktori WRFV3 lalu jalankan program configure
2. Pilih 4 pada pilihan platform.
3. Pilih deffault pada saat ditanya apakah akan menggunakan nesting atau tidak.
4. Lalu compile WRF dengan menggunakan perintah ./compile em_real.
5. Bila di folder run sudah ada wrf.exe dan real.exe berarti WRF sudah berhasil di
compile.
• Langkah Mengompile Program WPS:

1. Masuk ke direktori WPS yang sudah anda ekstrak sebelumnya.
2. Jalankan program configure lalu pilih pilihan 10 (PC Linux x86_64 (IA64 and Opteron),
PGI compiler 5.2 or higher, serial) pada saat ditanya platform yang akan digunakan.
3. Edit configure.WPS nya dan lakukan perubahan ini.
a. Line 23:
-L/usr/X11R6/lib64 -lX11
b. Line 64:
FFLAGS = -Mfree -byteswapio -O -mcmodel=medium
F77FLAGS = -Mfixed -byteswapio -O -mcmodel=medium
LDFLAGS = -mcmodel=medium
CC = gcc
SCC = gcc
CFLAGS = -O -fPIC
NCARG_LIBS2 = -L${PGI}/linux86-64/11.7/lib -lpgftnrtl -lpgc \
4. Compile WPS dengan menggunakan perintah ./compile. Atau anda bisa memasukkan
log compile nya dengan cara ./compile > log 2>&1
75
5. Kalau tidak ada eror waktu mengompile. Dan di dalam foler WPS telah terdapat
metgid.exe, geogrid.exe, dan ungrib.exe maka proses kompile WPS berhasil.
6. Lalu link Vtable nya dengan menggunakan perintah ln -sf
ungrib/Variable_Tables/Vtable.GFS Vtable
• Langkah Mengompile Program ARWpost:

1. Masuk ke direktori ARWpost yang sudah anda ekstrak sebelumnya.
2. Jalankan program configure lalu pilih pilihan 1 pada saat ditanya platform yang akan
digunakan.
3. Ubah configure.arwp. tambahkan “-mcmodel=medium” pada setiap flag.
4. Ubah Makefile nya dalam folder src. Ubah flag –lnetcdf menjadi –lnetcdff
5. Compile ARWpost dengan menggunakan perintah ./compile.
6. Kalau tidak ada eror waktu mengompile. Dan di dalam foler ARWpost telah terdapat
ARWpost.exe maka proses kompile ARWpost berhasil.
Bila anda menemukan error pada proses diatas. Coba teliti terlebih dahulu pada log. (Biasakan
setiap melakukan pengkompilan masukkan output text nya ke log file dengan cara ./compile > log
2>&1). Mulailah dengan mencari error paling pertama karena pada saat pengompile-an program
error terjadi seperti efek domino.
Bila anda tidak mengerti juga apa yang menyebabkan error tersebut, copy paste error
messagenya ke google atau bertanyalah pada komunitas WRF melalui milis atau forum WRF
(http://forum.wrfforum.com ). Mulailah bergabung pada forum dan mailing list WRF.
76
Diktat Pelatihan WRF Menjalankan Model WRF untuk Prediksi
BAB 4
BAB 4 MENJALANKAN MODEL WRF

UNTUK PREDIKSI
4.1 Pengaturan Running Model
LANGKAH SETTING MODEL
Terdapat banyak cara untuk menentukan domain WRF. Dapat dilakukan dengan tools yang
disertakan oleh WPS yaitu plotgrids.exe dan menggambarnya dengan ncarg menggunakan idt.
Ataupun dengan menggunakan program TERRAIN dari MM5 yang mempunyai output lengkap
dengan informasi geografis dari domain. Namun sekarang sudah terdapat program berbasis java
yang mempunyai GUI untuk setting domain WRF.
WRF Domain Wizard adalah program berbasis java dengan tampilan user bergambar buatan
sekelompok ilmuan NOAA yang dapat di unduh di WRFportal.org. Kemampuan program ini dapat
memudahkan kita untuk menentukan domain yang kita inginkan, membuat namelist secara
otomatis, dan menjalankan WPS secara otomatis. Sehingga seluruh output dari WRF Domain
Wizard ini dapat langsung digunakan untuk run model WRF.
WRF Domain Wizard dapat digunakan di OS apasaja asalkan mempunya Java Runtime
Environment (JRE). Untuk windows silahkan unduh dan install melalui
(http://www.java.com/getjava/), dan untuk openSuSE silahkan install “java-1_6_0-sun” dan “java-
1_5_0-gcj-compat” melalui yast RPM, dan pastikan display telah ter-export. Lalu ikuti petunjuk
dibawah ini.
• Unzip WRFDomainWizard.zip. Pada windows silahkan klik kanan dan pilih extract
here. Pada linux silahkan ketik perintah “unzip WRFDomainWizard.zip”, lalu “chmod
+x run_DomainWizard”.
• Jalankan Domain Wizard. Pada windows klik dua kali run_DomainWizard.bat. Pada
linux ketik perintah “./run_DomainWizard”. Setelah ini langkah pada windows dan
linux sama.
77
Gambar D. 1
• Klik WPS Program
Gambar D. 2
• WRF domain wizard menggunakan SSH untuk dapat berkomunikasi dengan host.
Maka isi Computer dengan alamat komputer atau IP dari komputer. Atau bila anda
menjalan pada komputer host silahkan ketik localhost.
78
Gambar D. 3
• Lalu silahkan menuju folder WPS anda, lalu tekan Choose.
Gambar D. 4
• Lalu akan muncul halaman awal lagi (Gambar D. 1). Klik Geography dan silahkan
menuju folder tempat anda meng-extract data GEOG. Tekan Choose (Gambar D. 4).
79
Gambar D. 5
• Klik Domains pada halaman awal (Gambar D. 1). Lalu silahkan buat folder yang akan
menjadi work directory program WRF Domain Wizard. Pada kasus ini penulis
menggunakan “/home/labkomet-18/srcpelatihan/model/domain/” (Gambar D. 5).
Tekan Choose.
80
Gambar D. 6
• Setelah tekan OK pada halaman awal (Gambar D. 1). Halaman utama akan berubah
menjadi seperti Gambar D. 6. Pilih New Domain dan tekan Next.
Gambar D. 7
• Masukkan nama dari proyek ini dan Deskripsinya. Tekan Next.
81
Gambar D. 8
• Pilih daerah Indonesia sebagai domain pertama dengan men-drag mouse anda pada
peta. Lalu pilih Type “Mercator” pada Projection Option. Lalu tekan Update Map.
82
Gambar D. 9
• Setelah itu ubah “Grid points distance (km)” menjadi 27. Domain akan mengecil.
Perbesar lagi ukuran domain dengan mengubah “Horizontal dimension X” dan
“Horizontal dimension Y” dengan menggunakan mousepada peta ataupun dengan
keyboard. Lalu tekan tab “Nest”.
• Akan muncul Gambar D. 11. Tekan New.
83
Gambar D. 10
• Pastikan “Parent ID” adalah 1. Lalu “Grid spacing ratio to parent” adalah 3. Dan ubah
“Geographic data resolution” menjadi 2m. Lalu OK kan saja.
Gambar D. 11
84
• Lalu arahkan domain 2 tadi sehingga mencakup pulau jawa. Cukup arahkan saja
karena WRF Domain Wizard telah mengikuti peraturan Nesting WRF. Tekan Next.
Gambar D. 12
• Lalu akan muncul “namelist.input” editor untuk namelist.input WRF. Lalu ubah sesuai
data yang anda miliki. Berikut adalah Contoh untuk pelatihan ini.
o run_days = 0,
o run_hours = 48,
o run_minutes = 0,
o run_seconds = 0,
o start_year = 2011, 2011,
o start_month = 11, 11,
o start_day = 1, 1,
o start_hour = 0, 0,
o start_minute = 00, 00,
o start_second = 00, 00,
o end_year = 2011, 2011,
o end_month = 11, 11,
o end_day = 3, 3,
o end_hour = 0, 0,
o end_minute = 00, 00,
o end_second = 00, 00,
o interval_seconds = 10800,
o time_step = 60,
• Lalu anda dapat mengubah setting parameterisasi. Tapi untuk pelatihan kali ini
tinggalkan parameterisasi dengan kondisi deffault. Tekan Next.
85
• Lalu Akan muncul Gambar D. 15. Klik “Select Dir” pada “Configure Preprocessor
Variables for Ungrib and Metgrid.
Gambar D. 13
• Pilih folder yang berisi data GFS anda. Lalu tekan Choose.
Gambar D. 14
• Lalu pilih “Select Files” pada Halaman utama. Dan akan muncul jendela seperti
Gambar D. 14. Karena kita hanya akan run WRF sepanjang 48 jam kedepan cukup pilih
prediksi GFS sampai 48 jam kedepan saja. Tekan OK.
86
Gambar D. 15
• Lalu pada halaman utama set Start Date, End Date, dan Interval seperti gambar
diatas. Lalu Klik geogrid, ungrib, dan metgrid secara berurutan (Tunggu hingga
pekerjaan selesai sebelum klik pekerjaan selanjutnya).
• Selesai. File metem (file input untuk WRF) dan namelist.input (file configurasi model
WRF) sudah ada di work directory WRF Domain Wizard. Silahkan link metem dan
namelist input ke ${WRFDIR}/run.
Setting WRF
1. Masuk ke dalam direktori ../WRFV3/run.
2. cp namelist.input namelist.input.1
3. rm namelist.input
4. ln -sf ${domaiWizardDir}/namelist.input namelist.input
5. copy linkin.sh dan run.sh dari direktori src
6. Modifikasi bagian physic sesuai dengan petunjuk praktikum yang diberikan.
7. Jalankan real.exe
8. at –f run.sh now
Setting ARWPOST
1. buka namelist.ARWPOST, sesuaikan input, output, parameter keluaran model yang
diinginkan, metode, dan level interpolasi.
2. ./ARWPost.exe
87
4.2 Pengaturan Parameterisasi
Pengaturan parameterisasi dalam model WRF dapat dilakukan pada file namelist.input di dalam
direktori WRFV3/run. Bagian yang diedit adalah pada bagian physic model yaitu :
&physics
mp_physics = 3, 3,
ra_lw_physics = 1, 1,
ra_sw_physics = 1, 1,
radt = 30, 30,
sf_sfclay_physics = 1, 1,
sf_surface_physics = 2, 2,
bl_pbl_physics = 1, 1,
bldt = 0, 0,
cu_physics = 1, 1,
cudt = 5, 5,
isfflx = 1,
ifsnow = 0,
icloud = 1,
surface_input_source = 1,
num_soil_layers = 4,
sf_urban_physics = 0, 0,
maxiens = 1,
maxens = 3,
maxens2 = 3,
maxens3 = 16,
ensdim = 144,
/
Untuk parameterisasi microphysic pilihan skema parameterisasi dapat dengan mengganti angka
pilihan dalam namelist input dengan pilihan skema seperti dibawah ini :
mp_physics microphysics option

= 1, Kessler scheme
= 2, Lin et al scheme
= 3, WRF Single-Moment 3-class scheme
= 4, WRF Single-Moment 5-class scheme
= 5, Eta microphysics
= 6, WRF Single-Moment 6 class scheme
= 7, Goddard microphysics scheme
= 8, New Thompson et al scheme
= 9, Milbrandt-Yau Double-Moment 7-class scheme
= 10, Morrison doble –moment 5-class scheme
= 14, WRF Double-Moment 5-class scheme
= 16, WRF Double-Moment 6-class scheme
= 13, Stony Brook University (Y.Lin) scheme
= 98, Thompson scheme in V3.0
88
Sedangkan untuk parameterisasi cumulus pilihan skema seperti :
cu_physics (max_dom) cumulus parameterization option

= 1, Kain-Fritsch scheme
= 2, Betts-Miller-Janjic (BMJ) scheme
= 3, Grell-Devenyi (GD) ensemble scheme
= 4, Simplified Arakawa-Schubert scheme
= 5, Grell 3D scheme
= 6, Tiedtke scheme (U. of Hawaii version)
= 7, Zhang-McFarlane scheme
= 14, New Simplified Awakawa-Schubert scheme
= 99, Old Kain-Fritsch scheme
Untuk parameterisasi shortwave radiation, pilihan skemanya adalah :
ra_sw_physics (max_dom) shortwave radiation option

= 0, no shortwave radiation
= 1, Dudhia scheme
= 2, (old) Goddard shortwave scheme
= 3, CAM scheme
= 4, rrtmg scheme
= 5, Goddard scheme
= 99, GFDL (Eta) longwave (semi-supported)
Pilihan skema untuk parameterisasi longwave radiation yaitu:
ra_lw_physics (max_dom) longwave radiation option
= 0, no longwave radiation
= 1, rrtm scheme
= 3, CAM scheme
= 4, rrtmg scheme
= 5, Goddard scheme
= 99, GFDL (Eta) longwave (semi-supported)
Pilihan skema untuk parameterisasi planetary boundary layer (PBL) yaitu :
bl_pbl_physics (max_dom) boundary-layer option

= 0, no boundary-layer
= 1, YSU scheme
= 2, Mellor-Yamada-Janjic TKE scheme
= 3, NCEP Global Forecast System scheme (NMM only)
= 4, QNSE
= 5, MYNN 2.5 level TKE
= 6, MYNN 3rd level TKE
= 7, ACM2 (Pleim) PBL (ARW)
= 8, Dougeault and Lacarrere (BouLac) TKE
= 9, Bretherton-Park/UW TKE scheme
= 10, TEMF
= 99, MRF scheme (to be removed)
89
(Weather Forcasting
4.3 Pengolahan Output Model
Salah satu perangkat yang dapat dengan mudah digunakan untuk mengolah data model adalah
GrADS (The
The Grid Analysis and Display System),
System), yaitu perangkat gratis yang dapat
mengolah/menampilkan data yang mengikuti koordinat sistem geografik.
Data hasil model merupakan data dalam bentuk bynary yang mengikuti koordinat sistem
geografik. Untuk membuat tampilannya dapat dilakukan berbagai macam cara sesuai kebutuhan
analisis yang kita inginkan.
Untuk mengolah/menampilkan data dalam GrADS, hal pertama yang harus dilakukan adalah
membuat file descriptor dalam format .ctl yang fungsinya untuk mendefinisikan data tersebut.
Cara membuat file descriptor dapat dilihat dari contoh di bawah ini.
Dalam contoh ini, set data binary diberi nama gridded_data_sample.dat,

gridded_data_sample.dat dan
ditempatkan di lokasi yang sama dengan file descriptor.. File ini dispesifikasikan oleh tanda kutip
(^) di depan nama file. Nilai data yang hilang atau tidak terdefinisi adalah -9.99e33, terdapat 180
titik grid di sumbu X, dan 90 titik di sumbu Y, 10 level vertikal, 4 langkah waktu, dan 4 variabel.
Variabel ‘slp’ adalah variabel permukaan (tidak memiliki nilai di setiap level ketinggian), namun
ditetapkan pada level ketinggian pada Z=1. Variabel ‘hgt’ dan ‘temp’ memiliki nilai di 10 level
ketinggian, dan variabel ‘shum’ memiliki 6 level ketinggian (dari 1000 – 300 mb).
Setelah membuat file descriptor,
descriptor, kita siap melakukkan analisis data dengan GrADS. Ketik ‘grads’
pada window untuk masuk ke dalam aplikasi GrADS. Buka file .ctl yang telah dibuat dengan
mengetik ‘open namafile.ctl’.
Dalam GrADS, bentuk data selalu dijeneralisasi ke dalam bentuk array 4-D
4 D (5-D
(5 jika memasukkan
variabel lain) yaitu lon, lat, lev, dan time. Pemahaman mengenai kondisi dimensi data sangat
penting untuk menentukan hasil gambar yang kita inginkan. Untuk memanipulasi kondisi dimensi
data dapat dilakukan perintah berikut.
set lat|lon|lev|time val1 <val2> atau

set x|y|z|t val1 <val2>
90
Contoh :
set lon -180 0 untuk menentukan data dari bujur 180°W - 0°
set lat 0 90 untuk menentukan data dari lintang 0° – 90°N
set lev 500 untuk menentukan data hanya pada level 500 mb
set t 1 untuk menentukan data hanya pada data di waktu yang pertama
dari set data
Ketika semua dimensi ditetapkan hanya pada satu titik tertentu, maka akan hanya ada satu nilai
yang dihasilkan. Contoh :
set lon 5
set lat 10
set lev 800
set t 1
Jika ditetapkan satu dimensi yang berubah, akan dihasilkan data dalam bentuk 1-D, misalnya
dalam membuat data time series.
set lon 5
set lat 10
set lev 800
set t 1 30
Ketika ditetapkan dua dimensi yang berubah, akan dihasilkan data 2-D, misalnya dalam
melakukan analisis spasial.
set lon 90 150

set lat -15 15
set lev 800
set t 1
Kemudian, jika pengaturan dimensi telah dilakukan, data siap ditampilkan dengan mengetik
perintah ‘d nama variabel’. Misalnya, jika ingin menampilkan variabel temperatur lakukan
perintah ‘d temp’, jika ingin menampilan tekanan muka laut lakukan perintah ‘d slp’. Nama
variabel ditentukan saat membuat file descriptor. Contoh gambar 2-D yang akan dihasilkan seperti
pada gambar di bawah ini.
91
Output model WRF dalam bentuk file GrADS dihasilkan oleh ARWpost. Output ini dapat diolah
dengan software GrADS. Output dalam bentuk file GrADS disajikan dalam 2 file, yaitu yang
berekstensi .dat sebagai file data dalam bentuk binary, dan file berekstensi .ctl sebagai control file
dari file binary. Untuk membuka file data dalam GrADS dengan menggunakan file control ini.
GrADS memiliki command language sendiri, hampir mirip dengan linux, fortran dan C. Command
GrADS dapat ditulis langsung di shell. Untuk memulai dapat langsung mengetik grads. Setelah
itu akan ada pilihan jika ingin menyajikan visualisasi gambar dalam bentuk portrait atau
landscape. Kemudian buka file .ctl. dengan perintah open namafile.ctl. Untuk melihat isi
file dapat dilakukan dengan mengetik perintah q file atau artinya query file. Selain itu untuk
melihat dimensi file dapat dengan mengetik perintah q dim.
GrADS juga dapat dijalankan dengan script perintah GrADS yang ditulis dalam file berekstensi .gs.
Untuk menjalankan script tersebut dapat dijalankan setelah membuka shell grads atau langsung
dengan perintah grads –blc namafile.gs . Dalam script GrADS penulisan perintah GrADS
di dalam tanta petik 'perintah'. Sedangkan comment line diawali dengan tanda *.
Berikut diberikan contoh-contoh script GrADS :
SCRIPT GRADS
1. Menggambar Temperatur
Script ini script untuk menggambar nilai temperature di wilayah tertentu di satu level
vertical pada satu waktu tertentu. Jika ingin plot variable berwarna fill maka tidak perlu
menggunakan kontur, begitu juga sebaliknya. Namun dalam script dibawah digunakan
pewarnaan fill dan kontur untuk mempercantik gambar.
*script menggambar temperature wilayah di waktu tertentu

'open domain01.ctl' (buka file ctl)
'c' (perintah clear gambar, jika ada gambar
sebelumnya)
*contoh temperature di Indonesia
'set lat -15 5' (setting wilayah lintang)
'set lon 90 150' (setting wilayah bujur)
92
'set z 1' (setting level vertical z ke-…)

'set t 1' (setting di langkah waktu ke-…)
'set gxout shaded' (setting graphic output)

'd tc' (display temperature 2 meter)
'draw title Temperatur Indonesia\Tanggal 1 Januari 2011 00z'(menulis judul
gambar)
'draw xlab Bujur' (menulis label koordinat axis x)
'draw ylab Lintang' (menulis label koordinat ordinat y)
'cbarn' (menggambar keterangan gambar colour bar)
'set gxout contour' (setting graphic output kontur)

'set clab off' (setting label kontur on/off)
'd tc' (display temperature 2 meter)
'printim Temperatur_Ina.gif white'(print image dengan format gif dan latar

belakang putih)
'c' (perintah clear gambar)
'quit' (perintah keluar grads)
2. Menggambar Hujan
Karena variable hujan (variable rainc) merupakan nilai akumulasi terhadap waktu, maka
jika ingin mengetahui nilai hujan pada waktu tertentu, harus di cari selisihnya berdasarkan
waktu dahulu. Yaitu nilai rainc di waktu tertentu dikurangi dengan nilai hujan di waktu
sebelumnya.
Selisih nilai rain = rainc(t=2)- rainc(t=1).
Script berikut menggambar nilai hujan di langkah waktu ke 2 atau t=2.
*script menggambar hujan wilayah di waktu tertentu

sebelumnya)
*contoh hujan di Indonesia

'set mpdset hires' (setting map display hires high resolution)
'set grads off' (mematikan fitur grads yang muncul)
'set csmooth on' (smoothing gambar)
'set clevs 0 25 50 75 100 125 150 175 200 225 250 275 300' (setting colour
level)
'set z 1' (setting level vertical z ke-…)

'define rc0=rainc' (menetapkan variable baru rc0 yang merupakan
nilai variable rain dengan setting sebelumnya,
t=1 dan z=1)
'set t 2'
'd rainc-rc0' (display curah hujan di waktu ke 2 – curah
hujan di waktu ke 1 rc0)
93
'draw title Hujan Indonesia\Tanggal 1 Januari 2011 00z'(menulis judul gambar)

'cbarn' (menggambar keterangan gambar colour bar)
'set gxout contour' (setting graphic output kontur)

'set clab off' (setting label kontur on/off)
'd rainc-rc0'
'printim Hujan_Ina.gif white' (print image dengan format gif dan latar
belakang putih)
'undefine rc0' (menghapus penetapan variable yang dibuat)
3. Menggambar Vektor Angin

Untuk variable angin, biasanya digambar dalam bentuk vector atau streamline. Script
dibawah menggambar angin dalam bentuk vector, sedangkan jika ingin dalam bentuk
streamline hanya mengganti perintah di 'set gxout vector' menjadi 'set gxout stream' .
*script menggambar vector angin wilayah di waktu tertentu

sebelumnya)
*contoh angin di Indonesia

'set gxout vector' (setting graphic output vector)

'd skip(u10,4):skip(v10,4)' (display angin di 10 meter)
'draw title Vektor Angin Indonesia\ Tanggal 1 januari 2011 00z'(menulis judul
gambar)
'printim AnginVektor_Ina.gif white'(print image dengan format gif dan latar

belakang putih)
4. Menggambar Magnitude Angin Overlay Vektor Angin

Ada juga menggambar angin tidak hanya dengan vector saja, tapi disajikan juga nilai
magnitude angin tersebut. Dalam script dibawah manggambar magnitude angin
kemudian dioverlay dengan gambar vector anginnya.
*script menggambar magnitude dan vector angin wilayah di waktu tertentu

sebelumnya)
94
*contoh angin di Indonesia


'd mag(u10,v10)' (display magnitude)
'set gxout vector' (setting graphic output vector)

'd skip(u10,4):skip(v10,4)' (display vector angin di 10 meter,loncat skip 4
grid)
'draw title Angin Indonesia\Tanggal 1 januari 2011 00z'(menulis judul gambar)

'printim Angin_Ina.gif white' (print image dengan format gif dan latar
belakang putih)
5. Menggambar Angin Zonal dan Meridional Secara Vertical di Suatu Titik dan Satu Waktu
Script ini dibawah menghasilkan gambar vertical nilai angin zonal dan meridional. Dengan
gambar tersebut dapat dibandingkan dua variable output model yang memiliki satuan
yang sama, dalam hal ini angin dalam m/s.
*script menggambar angin zonal dan meridional vertical di waktu tertentu
sebelumnya)
*contoh angin di Soekarno Hatta

'set lat -6.117' (setting lintang)
'set lon 106.65' (setting bujur)
'set z 1 27' (setting vertical z dari … sampai …)
'd u' (display variable angin zonal)

'd v' (display variable angin meridional)
'draw title Angin Soekarno Hatta\ Tanggal 1 januari 2011 00z'(menulis judul
gambar)
'draw xlab angin(m/s)' (menulis label koordinat axis x)
'draw ylab level ketinggian' (menulis label koordinat ordinat y)
'printim Angin_SoekarnoHatta.gif white'(print image dengan format gif dan latar

belakang putih)
6. Membandingkan Angin Zonal Vertikal dengan Beda Waktu

Dapat juga membandingkan suatu variable tertentu dengan beda waktu. Misalnya kasus
diurnal, membandingkan angin di waktu pagi, siang, sore, atau malam. Pada script
dibawah pembandingan dilakukan di suatu titik dengan level vertical yang beragam. Bisa
95
juga dilihat kondisi angin di atmosfer dekat permukaan, bagian tengah, dan juga atmosfer
atas.
*script menggambar angin zonal di 4 waktu
sebelumnya)
*contoh angin di Soekarno Hatta

'set lat -6.117' (setting lintang)
'set lon 106.65' (setting bujur)
'set z 1 27' (setting vertical z dari … sampai …)

'draw title Angin Zonal Soekarno Hatta\Tanggal 1 januari 2011 00z-12z'

'draw xlab angin(m/s)' (menulis label koordinat axis x)
'draw ylab level ketinggian' (menulis label koordinat ordinat y)
'printim AnginZonal_SoekarnoHatta.gif white'(print image dengan format gif dan

latar belakang putih)
7. Dump Data Timeseries

Berikut adalah script dump data timeseries. Dalam script ini jiga diperlihatkan loop
scripting dalam GrADS. Kegunaan dump data ini adalah ketika kita ingin mengolah nilai-
nilai variable hasil model ke software pengolahan data lain, maka data yang akan dioleh
ditulis kembali dalam bentuk file yang berbeda. Dump data ini juga berguna utuk
memperkecil size data, sehingga tidak menghabiskan kapasitas hardisk.
*Script dump data timeseries

*di satu tempat titik yang ditentukan menggunakan interpolasi ke titik tersebut
'open domain03.ctl' (buka file ctl dari data yang berfile binary
.dat)
*contoh soekarno hatta time series

clat=-6.117 (latitude titik yang ditentukan)
clon=106.65 (longitude titik yang ditentukan)
'set z 1 7' (setting vertical nilai z)
'set gxout fwrite' (perintah memulai menulis)
'set fwrite u10value.dat' (perintah tulisan akan ditujukan ke file binary
.dat)
*looping
tt = 1 (nilai time dimulai dari langkah waktu pertama)
96
while (tt < 122) (while perintah looping dalam grads,loop sampai
langkah waktu ke 122)
'set t ' tt (setting nilai waktu, yang akan looping)
'q time' (mengeluarkan nilai waktu query time)
say result (say perintah mengeluarkan, result hasil dari
perintah diatasnya)
'interp2d 'clat' 'clon' u10value temp' (perintah interpolasi ke titik

(clat,clon))
'd u10' (display nilai angin 10 meter ‘u10’)
tt = tt + 12 (nilai interval waktu yang diinginkan tiap 12
langkah waktu)
endwhile (perintah mengakhiri looping)
'disable fwrite' (perintah berhenti menulis)
'quit' (perintah keluar)
8. Plot Hovmoller
Plot hovmoller ini merupakan cara umum digunakan merencanakan meteorologi data
untuk menyoroti peran gelombang . Para sumbu diagram Hovmoller biasanya bujur atau
lintang (absis atau x-axis) dan waktu (ordinat atau sumbu-y) dengan nilai dari beberapa
lapangan diwakili melalui warna atau bayangan. Diagram Hovmoller juga digunakan untuk
merencanakan evolusi waktu profil vertikal kuantitas skalar seperti suhu , densitas , atau
konsentrasi konstituen dalam atmosfer atau laut . Dalam waktu yang diplot di sepanjang
kasus posisi absis dan vertikal (kedalaman, ketinggian, tekanan) di sepanjang ordinat.
Diagram diciptakan oleh Ernest Aabo Hovmöller (1912-2008), seorang Denmark
meteorologi.
* Parameter assignments
tstr = 1 (time start)
tstp = 24 (time stop)
latr = 0.0 (latitude center)
lonr = 106.65 (longitude center)
lat1 = -6.30 (batas bawah latitude)
lat2 = -5.50 (batas atas latitude)
lon1 = 106.54 (batas kiri latitude)
lon2 = 107.10 (batas kanan latitude)
* Opening file
'open domain03.ctl'
'c'
* GrADS setting
'set lon 'lonr (jika ingin rata-rata lon, pakai setting lon
dengan lonr sebagai center center)
'set lat 'lat1' 'lat2 (setting batas wilayah latitude)
'set t 'tstr' 'tstp (setting waktu mulai dan akhir)
'set mpdset hires' (setting map grads hires)
'set map 15 1 8' (setting map colour style thickness)
'set grads off' (mematikan fitur grads yang muncul)
'set grid off' (mematikan fitur grid)
'set csmooth on' (smoothing on/off)
'set xlopts 1 4 0.18' (setting control aspek axis display colour
thickness size)
'set xlint 0.1' (x interval untuk pelabelan)
97
'set ylopts 1 4 0.18' (setting control aspek ordinat display colour

thickness size)
'set yflip on' (membalik flip untuk setting variable ordinat)
'set tlsupp year' (membuat anotasi label yang di plot dalam
tahun/bulan year/month)
'set clevs -10 -8 -6 -4 -2 0 2 4 6 8 10 ' (setting level variable
plot)
* Calculate the average variable

'define hv = tloop(ave(u10,lon='lon1',lon='lon2'))' (menetapkan variable baru
hv yang isinya rata-rata
longitude nilai angin zonal
10 meter yang di loop
terhadap t dengan besar
interval sesuai dengan
interval longitude)
* Plot the shaded contour and colorbar

'd hv' (display variable hv)
'cbarn (menampilkan color bar dari nilai variable yang
di didisplay)
* Give more clear edges with lines contour

'set gxout contour' (setting graphic kontur)
'set clab off' (mematikan label pada kontur)
'set clevs -10 -8 -6 -4 -2 0 2 4 6 8 10 ' (setting levels nilai
variable yang didisplay)
'set line 6 2 6' (setting garis kontur color style thickness)
'd hv' (display variable hv)
* Write the title

vdesc = 'Time-Latitude Wind Speed (m/s) on Jakarta at 10 m' (menetapkan variable
baru)
'draw title ' vdesc (menulis judul)
* Print to hardcopy output

'printim hovmoller_wind_speed.gif white' (print image dengan format .gif
dengan latar belakang gambar
putih)
'close 1' (menutup file .ctl yang dibuka)
* Quit the script

'quit'
98

Bahasa

Modul Pelatihan WRF 2011 PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Pelatihan WRF 2011 PDF

Judul Asli:

Diunggah oleh

Hak Cipta:

Format Tersedia

Diktat Pelatihan WRF

(Weather Research and Forcasting)

Bandung, 8 November 2011

Weather and Climate Prediction Laboratory

DAFTAR PUSTAKA _______________________________________________________ 43

3.6 Instalasi WRF _________________________________________________________ 74

BAB 4 MENJALANKAN MODEL WRF UNTUK PREDIKSI ________________________ 77

BAB 1 PREDIKSI CUACA NUMERIK

1.1 Model Cuaca Numerik

Suku-suku yang mengandung Ω adalah suku-suku Coriolis untuk memperhitungkan efek

dalam bentuk divergensi kecepatan atau

dρ  ∂(ρu ) ∂(ρv ) ∂(ρw ) 

dalam bentuk divergensi flux massa.

c. Persamaan Energi Termodinamika

d. Persamaan Lain untuk Konservasi Materi/Energi

a. Pendekatan gas ideal

dengan tetapan gas R untuk udara kering.

Dengan mendefinisika temperatur potensial sebagai

dan asumsi adiabatik menyatakan bahwa perubahan pemanasan dQ /dt = 0 sehingga

d. Pendekatan barotropik (fluida tak termampatkan)

dalam pendekatan barotropik, densitas atmosfer dianggap homogen ( ρ = konstan ) sehingga

dimana χ adalah kecepatan potensial, sedangkan

1.2 Model Global dan Model Area Terbatas

ψ(λ, µ, t ) = ∑ ψ γ (t )Y γ (µ, λ ) (18)

Y γ (µ, λ) ≡ Pγ (µ)e i m λ (19)

dan substitusi (18) ke dalam (21) menghasilkan

ν γ = 2Ωm /[n (n + 1)] (24)

dan persamaan kontinuitas dengan “menyembunyikan” faktor densitas. Kesulitan dalam

Koordinat sigma secara umum dirumuskan dalam bentuk

Gambar 5. Gambaran skematis koordinat vertikal sigma pada

1.3 Prediksi Cuaca Operasional

numerik. Salah satu hal yang menarik adalah

Gambar 6.. Skematika ssimilasi data menggunakan metoda (intermittent)

1.4 Chaos, Prediktabilitas Atmosfer, dan Prediksi Ensemble

Gambar 7. Contoh hasil prediksi ensemble untuk tekanan permukaan laut di

1.5 Penelitian Prediksi Cuaca Numerik di KK Sains Atmosfer

Gambar 8. Tampilan PC-cluster pertama yang dirakit dan

BAB 2 PENGENALAN WRF

2.1 Pengenalan Model WRF

Koordinat sistem : eta, sigma, isentropik (ߠ), tekanan (pressure),

Model cuaca sendiri dapat dibedakan lagi berdasarkan skalanya, yaitu :

Model WRF memiliki 2 dynamical solver yaitu :

1. NMM (Nonhidrostatic Mesoscale Model) dikembangkan dan digunakan oleh Mesoscale

Gambar 1. Komponen sistem WRF

2.2 Komponen Model WRF-ARW

Sistem Model WRF-ARW terdiri dari beberapa program utama yaitu :

1. WRF Processing System (WPS)

a. Mendefinisikan domain simulasi

• Pilihan adveksi positif untuk kelembapan, skalar, dan TKE

2.3 Data Input dan Output Model

Data minimum yang diperlukan untuk menjalankan WRF ada 2 yaitu :

1. Data static (lower boundary data)

2. Data dinamik (inisial dan lateral boundary condition data)

Gambar 2. Sistem WRF-ARW

2.4 Teknik Downscaling dan Nesting

Global model output : Regional model output :

2.5.1 Parameterisasi Microphysics (mp_physics)

Tabel dibawah memperlihatkan rangkuman dari pilihan-pilihan yang mengindikasikan jumlah

dan dan total kondensasi inilah yang berpengaruh di dalam model.

mengumpulkan tetes awan,

2.5.2 Cumulus Parameterisasi (cu_physics)