Definisi

Numerical Weather Prediction (NWP) atau PCN didefinisikan sebagai suatu metode
prakiraan cuaca yang menerapkan sejumlah persamaan matematis untuk mendeskripsikan
aliran fluida dan NOAA (National Oceanic and Atmospheric Administration) mendefinisikan PCN
sebagai penggunaan model matematis dari atmosfer untuk membuat prediksi atau prakiraan
cuaca.

Dalam setiap model PCN, terdapat 5 komponen utama yang menjadi dasar pemodelan
(Jankov dkk., 2005):
a. Persamaan pengatur
b. Metode numerik
c. Parameterisasi
d. Domain
e. Kondisi awal dan kondisi batas

Parameterisasi adalah salah satu komponen utama pada PCN. Adanya parameterisasi
menjadi komponen penting pada model PCN dikarenakan model tidak mampu memecahkan
fitur-fitur cuaca serta proses-proses yang terjadi pada satu kotak grid. Contoh dari proses-proses
tersebut dapat berupa gesekan yang besar di atas pohon atau bangunan yang tinggi, Eddies
turbulen yang terbentuk di antara bangunan gedung atau penghalang lainnya, dan gaya gesekan
permukaan yang lebih kecil pada area terbuka. Parameterisasi merupakan sebuah metode
dalam meniru proses – proses fisis yang dirancang untuk mewakili proses tersebut tanpa
memerlukan resolusi model spasial dan temporal yang rinci dimana dalam parameterisasi
didasarkan pada konsep fisika namun melibatkan koefisien yang dapat diatur (Pielke dkk., 2006).
Beberapa parameterisasi pada model WRF diantaranya (Wang dkk., 2017): Parameterisasi
Mikrofisis (mp_physics), Parameterisasi Kumulus (cu_physics), Parameterisasi Lapisan Batas
Atmosfer (bl_pbl_physics), Parameter Radiasi, dll.

Parameter Kumulus merupakan asumsi yang digunakan untuk menyelesaikan perhitungan

proses-proses adjustment dan fluks massa awan cumulus di dalam grid. Selain itu parameterisasi
cumulus dapat juga diartikan sebagai akumulasi proses mikrofisis sebagai kontribusi proses
mikrofisis pada grid dalam persamaan pembangun model. Maksudanya adalah perhitungan dari
mikrofisis semuanya di akumulasikan dalam parameterisasi cumulus ini. Hasil dari parameterisasi
cumulus akan mempengaruhi nilai dari persamaan pembangun model.

Parameterisasi Mikrofisis Cumulus Persamaan pembangun

Skema Parameterisasi Cumulus :

1. Skema Kain-Fritsch
2. Betts-Miller
Persamaan yang dapat merepresentasikan skema Betts-Miller yaitu :
𝑃𝑇
𝑞𝑅 − 𝑞 𝑑𝑝
𝑃𝑅 = ∫
𝑃𝐵 𝜏 𝑔
Dimana q adalah kelembapan spesifik pada model dan qR adalah kelembapan spesifik
referensi (fungsi dari ketinggian). 𝜏 adalah skala waktu untuk perhitungan curah hujan ini. 𝑃𝑇
dan 𝑃𝐵 merupakan tekanan pada puncak dan dasar awan.

Skema Betts-Miller diasumsikan :

1) Terdapat struktur termodinamika quasi-equilibrium di mana lingkungan berpindah
akibat konveksi. Struktur ini dapat didefinisikan dalam mixing line yang ditentukan
dari data observasi
2) 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 kesederhanaan desain akan lebih efisisen dan mengurangi eror,
semuanya dibuat secara implisit
3) 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.

Kelebihan dari skema tersebut yaitu :

1) Batas mixing-line didesain untuk laut tropis, grid yang kasar dan kasus-kasus yang
mempengaruhi lingkungan
2) Sangat sempurna untuk berbagai variasi aplikasi dan dapat mengadaptasi untuk
mesoscale dengan penyesuaian beberapa parameter. Hal tersebut digunakan dalam
operasional NCEP Eta Model

Kelemahan dari skema tersebut yaitu :

1) Tidak memasukan parameter downdraft convektif

2) Batas mixing-line muncul kurang tepat dalam kasus konvektif dalam yang ekplosif
dan tidak langsung menimbulkan skala tinggi dan rendah dari meso.

3. Grell
Persamaan Grell :
𝑃𝑅 = 𝐼𝐼 𝑚𝑏 (1 − 𝛽)

Dimana 𝐼𝐼 adalah kondensasi yang terintegrasi dengan updraft, mb adalah flux masa
pada dasar awan dari updraft, dan (1- 𝛽) adalah efisiensi presipitasi yang diasumsikan
sebagai fungsi dari total wind shear di troposfer bawah. Pengaruh dari downdrafts skala
konvektif diparameterisasi pada skema ini.
 Skema ini diasumsikan :

1) Awan konveksi dalam untuk semua grid

2) Skema awal berasal dari fungsi cloud-work Arakawa-Schubert untuk batasnya, tetapi
kemudian berubah menggunakan CAPE sebagaimana Kain-Fritsch
3) Tidak ada pencampuran langsung secara lateral dengan lingkungan, kecuali pada level
awal atau akhir dari updraft/downdraft. Sehingga fluks massa konstan menurut
ketinggian
4) Fraksi area yang menutupi updraft dan downdraft dalam suatu kolom adalah kecil. Hal
ini memunginkan skema untuk memperbaiki, meskipun beberapa derajar range masih
sangat penting.

Kelebihan skema ini adalah :

1) Skema yang sangat sempurna yang dimodifikasi sehingga seperti Kain-Fritch

2) Memasukan efek downdraft
3) Sangat baik untuk grid 10-12 km

Kelemahan skema ini adalah :

1) Karakteristik Arakawa-Schubert pada batas skema sebagian besar diganti

2) Tidak ada efek entrainment-detrainment

4. Skema Grell-Devenyi Ensemble

Skema ini memiliki asumsi bahwa:
1) Semua skema Grell menggunakan tipe skema massa-jenis fluks, tetapi dengan
perbedaan entrainment updraft dan downdraft serta parameter detrainment, dan curah
hujan efisiensi.
2) Perbedaan-perbedaan dalam penegndalian statis yang dikombinasikan dengan
perbedaan dalam control dinamis yang merupakan metode penetuan fluks awan massa.
3) Penutupan control dinamis didasarkan pada konveksi energy potensial yang tersedia
(CAPE), kecepatan vertikal tingkat rendah atau kelembaban konvergensi

Skema ini memiliki kelebihan :

1) Menggunakan kelembaban dan updraft dalam lingkungan untuk memicu konveksi baru
dan curah hujan di daerah ini.
2) Skema ini terus menghasilkan curah hujan di daerah yang sama dengan skema Kain-
Fritsch tapi tidak dapat mensimulasikan terisolasi sifat konveksi tersebut.

Kelemahan dari skema ini yaitu :

1) Skema ensemble Grell-Devensi saat ini tidak dapat menangani konveksi idela di grid kecil

5. Skema Anthes-Kuo
Skema ini dapat ditulis dengan persamaan :
𝑃𝑅 = (1 − 𝑏)𝑀
 Dimana b = 2(1-RH), dengan RH disini adalah rata-rata pada 1 kolom grid model. Skema ini
tidak memasukkan model awan ataupun memarameterisasi downdraft.

Asumsi dari skema ini adalah :

1) Penutupan/batas skema berdasarkan asumsi bahwa intensitas subgrid konveksi dalam

sesuai dengan integrasi vertical konvergensi massa air dalam suatu kolom grid.
2) Bagi konvergensi pengembunan yang memicu konveksi, kedalaman awan dan ABE
(available buoyant energy) dalam kolom harus melebihi nilai minimum
3) Penutupan/batas skema konvergensi pengembunan diasumsikan bahwa area suatu grid
box lebih besar dibanding dengan area konvektif updraft
4) Konvergensi air dapat digunaka untuk menghasilkan hujan atau melembabkan kolom.
Bagian hujan yang lain merupakan fungsi rata-rata kelembaban relative dari suatu
kolom.

Kelebihan dari skema ini adalah :

1) Batas konvergensi pengembunan sangat baik untuk daerah tropis dan penerapan pada
grid yang kasar
2) Memiliki kelebihan yang baik untuk skala global seperti NCEP, NGM dan model global
lainnya
3) Penambahan skala berdasarkan data empiric dari profil untuk kalor bersih dan
kelembaban dari konveksi yang memungkinkan efisiensi perhitungan timbal balik ke
lingkungan

Kelemahan dari skema ini yaitu :

1) Untuk ukuran 30 km atau kurang dapat menghasilkan curah hujan yang sanagt lebat
2) Tidak memasukkan konvektif, downdraft dan hal tersebut tidak baik untuk simulasi
system konvektif mesoscale yang dipengaruhi oleh aliran boundary.

6. Skema Arakawa-Schubert
Skema ini diasumsikan bahwa:
1) Awan yang terbentuk merupakan gabungan dari awan-awan kecil dengan mengurangi
awan lainnya
2) Batas/penutup berdasarkan asumsi bahwa intensitas dikontrol oleh fungsi awan yang
mengukur timbulnya gaya bouyanci yang terintegrasi dalam lingkungan tersebut, yang
berhubungan dengan timbulnya energy kinetic diisi awan, sehingga konveksi
disekitarnya menghalangi laju produksi bouyanci pada tiap grid
3) Model awan memasukkan efek menjalar, tetapi penurunan hanya terjadi pada puncak
awan dan didefinisikan sebagai keadaan stedy-state
4) Laju hujan merupakan bagian dari air cair updraft, yang bergantung pada ukuran awan
dan wind shear.

Kelebihan dari skema ini adalah :

1) Memasukkan sekumpulan awan yang secara fisik lebih beralasandibanding memasukkan

semua jenis parameterisasi dalam suatu grid box
2) Skema terbaik untuk konveksi yang terjadi di daerah laut tropis di mana laju munculnya
buoyancy berlangsung secara grasual

Kelemahan dari skema ini yaitu :

1) Fungsi cloud-work yang membatasi skema tidak tepat dihubungkan dengan keadaan
non-steady-state seperti konveksi eksplosive di kontingen lingtang menengah
2) Leboh memerlukan biaya dalam melakukan perhitungan untuk awan
3) Tidak memasukan skala konvektif downdraft