Jabatan
● Ketua Kelompok Keahlian Perencanaan Wilayah dan Perdesaan (KK PWD) - SAPPK ITB
● Kepala Pusat Perubahan Iklim - ITB
Bidang Penelitian
● Climate Change and Disaster Aspects in Planning
● Environmental Assessment, Carrying Capacity, and Resilience for Spatial Planning
Climate Change Impacts and Sustainable Development
Peluang (kejadian)
Nilai parameter iklim
deviasi
Statistik
rerata (mean)
Waktu (30 tahun)
Perubahan Iklim Nilai parameter iklim
Modified from
Figure 2.32 in
the IPCC WGI
report (2001)
(Benson et al.,
2012)
Catatan: Data dari 2 periode iklim (2x30 tahun) 🡪 observasi (bottom up) ; model proyeksi (top down)
(antar-dasawarsa)
IOD (antar tahunan)
Secara umum, iklim di Indonesia dipengaruhi oleh monsoon yaitu pola hembusan angin yang berubah secara periodik dari daratan
benua Asia ke arah daratan benua Australia dan sebaliknya, serta dipengaruhi oleh keberadaannya di sekitar ekuator dan
pengaruh-pengaruh lokal lainnya.
Iklim mengalami variabilitas (ketidakpastian) yang dapat berupa fenomena intra-musim (intra-seasonal), antar-tahunan (inter-annual), Sumber: (Hadi, 2023)
antar-dasawarsa (interdecadal). Fenomena El-Nino dan La-Nina merupakan contoh variabilitas antar tahunan
PERUBAHAN IKLIM GLOBAL
▪ Kenaikan suhu permukaan bumi (pemanasan global) meningkat lebih dari 1°C pada kurun waktu
2010–2019 relatif terhadap 1850–1900.
▪ Hasil simulasi menunjukan bahwa faktor aktivitas manusia semakin signifikan terhadap faktor
alam dalam peningkatan gas rumah kaca.
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
PERUBAHAN IKLIM DI PESISIR DAN LAUT - GLOBAL
Distribusi Spasial Laju Perubahan SSL (SSH), SST, dan SSS Time Series Data Muka Laut, SST, SSS, dan SSH bulanan tahun 1961-2040
Tahun 1991- 2015 (Sumber: KLHK, 2017) Sumber: KLHK, 2017
➢ Tren kenaikan SSH (sea surface height), pada tahun 2040 menjadi 50 cm lebih tinggi daripada tahun 2000
➢ Tren kenaikan SST (sea surface temperature), tahun 2040 nilainya lebih tinggi 1°C daripada tahun 2000 dan 2°C daripada 1961
➢ Tren penurunan SSS (sea surface salinity), dari 33.2 psu di tahun 2000 menjadi 32.1 psu di tahun 2040
Untuk sekitar IKN proyeksi 2026-2050, terjadi kenaikan temperatur sekitar 1.4oC, dan kenaikan curah hujan rata-rata sekitar 4%
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN
Wilayah dengan curah hujan tahunan relatif rendah dan sedang memiliki siklus
tahunan dengan perbedaan yang tegas antara musim hujan dan musim kering,
sedangkan wilayah yang mempunyai curah hujan akumulasi tahunan yang tinggi
mempunyai siklus tahunan dengan curah hujan bulanan yang hampir tidak pernah
berada di bawah ambang bulan kering.
Gambar 4. Peta pola spasial curah hujan tahunan di Provinsi Jawa Barat (mm/tahun)
Cukup bervariasi secara spasial dengan nilai antara 1500 - 4500 mm/tahun.
Wilayah Jawa Barat bagian selatan, yang berpegunungan, secara umum mendapat
curah hujan lebih tinggi dibandingkan bagian utara yang bertopografi landai
Gambar 6. Siklus tahunan curah hujan di ketiga ZOM (76, 90, 72).
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) – Curah Hujan
Gambar 9. (kiri) pola spasial temperatur pada kondisi proyeksi dan (kanan) pola perubahan spasial temperatur pada kondisi proyeksi
Proyeksi perubahan curah hujan di Jawa Barat secara umum dicirikan dengan adanya penurunan curah hujan tahunan (dengan pengurangan
3% - 9%). Penurunan curah hujan tahunan tersebut terutama terjadi di wilayah tenggara Jawa Barat Selatan, yang bersesuaian dengan
wilayah dengan kenaikan temperatur permukaan tertinggi; dimana kondisi ini menunjukkan konsistensi hasil simulasi proyeksi temperatur dan
curah hujan.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Temperatur
Sumber: JICA-PPI-ATR, 2022 Pola sebaran temperatur secara spasial di Jawa Barat
bervariasi mengikuti elevasi (ketinggian) tempat dengan
kisaran 26 °C di dataran rendah hingga 15 °C di dataran
tinggi.
Gambar 8. Peta pola spasial rata-rata temperatur tahunan di Provinsi Jawa Barat (°C)
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) - Temperatur
Gambar 7. (kiri) pola spasial hujan pada kondisi proyeksi dan (kanan) pola perubahan spasial hujan dalam persentase pada kondisi proyeksi
● Distribusi spasial temperatur Jawa Barat pada periode proyeksi masih serupa dengan periode baseline.
● Namun hal yang perlu dicermati adalah terdapat variasi spasial kenaikan temperatur permukaan pada periode proyeksi dengan
kenaikan temperatur tertinggi ada di wilayah sekitar Garut yaitu sekitar 1,75°C dibandingkan daerah lainnya yang berkisar 1,5°C.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Baseline (1981-2010) - Ketidakpastian Iklim
Gambar 10. Ketidakpastian hujan di Jawa Barat ditunjukkan dalam siklus tahunan di ketiga ZOM. Sumber: JICA-PPI-ATR, 2022
Rentang nilai menunjukkan nilai ambang batas (persentil ke-5, 35, 65, dan 95)
Pada tiga sampel ZoM di Jawa Barat, daerah ZoM #72 memiliki variabilitas curah hujan yang lebih besar dibandingkan dengan
daerah ZoM yang lain. Sebaliknya variabilitas curah hujan di daerah ZoM #76 lebih kecil, seperti ditunjukkan pada Gambar 3-15 Secara
umum, bulan-bulan dengan nilai curah hujan tinggi akan mempunyai rentang ketidakpastian (variansi) yang tinggi pula.
Hasil Analisis Science-Basis pada Provinsi Jawa Barat
Karakteristik Iklim Proyeksi (2031-2060) - Ketidakpastian Iklim
Gambar 11. Pola siklus curah hujan pada kondisi proyeksi serta rentang ketidakpastiannya berdasarkan nilai 1
standar deviasi (kurva merah). Ditampilkan juga pola siklus saat periode baseline (kurva hitam)
● Jika ditinjau pada tiga sampel ZOM, dapat dilihat bahwa pengurangan curah hujan pada
periode proyeksi sebagian besar terjadi pada bulan-bulan transisi dan bulan-bulan
kering, sedangkan pada bulan-bulan basah (Desember hingga Mei) justru terdapat
sedikit kenaikan.
● Pola seperti ini (bulan basah menjadi semakin basah dan bulan kering menjadi semakin
kering) dapat berkaitan dengan potensi peningkatan bencana hidrometeorologis, yaitu
masing-masing bahaya banjir dan bahaya kekeringan.
Baseline
Proyeksi
Skenario-3
Proyeksi
Skenario-3
Sumber: ITB-JICA-ATR, 2022 Sumber: Solihuddin, T., 2021 Prof. Ir. Djoko Santoso Abi Suroso, Ph.D.
Sasaran 1 Identifikasi bahaya abrasi dan kenaikan muka air laut
Karakter temperatur
maksimum dan minimum di
Provinsi Jawa Barat sangat
dipengaruhi kondisi
penyinaran matahari dengan
puncak yang terjadi di bulan
Mei. Gambar 4 juga
menunjukkan bahwa
temperatur maksimum dan
minimum menunjukkan nilai
yang tinggi pada periode
Juni 1997 s.d Mei 1998.
Kemudian terlihat
temperatur minimum bahwa
pada periode Juni 2015 s.d
Mei 2016, menunjukkan nilai
yang paling tinggi di seluruh
Gambar 23. Karakteristik temperatur di Provinsi Jawa Barat periode pengamatan.
(a) klimatologis temperatur maksimum bulanan (b) temperatur maksimum bulanan pada periode tahun hidrologis (Juni s.d Mei)
Sumber:
(c) klimatologis temperatur minimum bulanan (d) temperatur minimum bulanan pada periode tahun hidrologis (Juni s.d Mei) PPI-JICA-Bappenas-Bappeda Jabar, 2023
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Data Baseline (1983-2016) Debit Sumber:
PPI-JICA-Bappenas-Bappeda Jabar, 2023
Gambar 26. Data debit hasil perhitungan model SWAT Gambar 27. Data baseflow hasil perhitungan model Gambar 28. Data direct runoff hasil perhitungan model
di Kota Bandung, Provinsi Jawa Barat untuk SWAT di Kota Bandung, Provinsi Jawa Barat untuk SWAT di Kota Bandung, Provinsi Jawa Barat untuk
(a) klimatologis debit bulanan (a) klimatologis baseflow bulanan (a) klimatologis dan
(b) debit bulanan pada periode tahun hidrologis (b) baseflow bulanan pada periode tahun hidrologis (b) direct runoff bulanan pada periode tahun hidrologis
(Juni sampai dengan Mei) (Juni sampai dengan Mei) (Juni sampai dengan Mei)
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Proyeksi Hazard Sumber Daya Air
◀ Gambar 30. Proyeksi hazard debit minimum (a-c) dan rata-rata (d-f)
pada tahun 2025-2049 di Provinsi Jawa Barat berdasarkan data
keluaran model Proyeksi Iklim CMIP6 untuk model (a dan d) CanESM5,
(b dan e) INM-CM5-0 dan (c dan f) MRI-ESM2-0.
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023
▲Gambar 31. Proyeksi hazard debit minimum (a) dan rata-rata (b)
pada tahun 2034-2049 di Provinsi Jawa Barat berdasarkan data
keluaran model Proyeksi Iklim BMKG-JICA
a. CMIP6 CanESM5 → penurunan hazard debit 41,56% - 59,19%; rata-rata 49,36%.
● Hasil proyeksi persentase penurunan debit minimum
b. CMIP6 INM-CM5-0 → penurunan debit minimum 14,05% - 20,27%; rata-rata 16,57%.
menunjukkan persentase penurunan pada kisaran 2,88%-78,62%
c. CMIP6 MRI-ESM2-0 → penurunan debit minimum 22,53% - 54,56%; rata-rata 37,98%
dengan rata-rata persentase penurunan debit minimum sebesar
d. CMIP6 CanESM5 → penurunan hazard debit rata-rata 17,15% - 25,21%; rata-rata 20,80%
27,06% (Gambar 18.a).
e. CMIP6 INM-CM5-0 →persentase penurunan debit rata-rata 4,74% - 8,8%; rata-rata 6,98%
● hasil proyeksi persentase penurunan debit rata-rata pada kisaran
f. CMIP6 MRI-ESM2-0 → penurunan debit rata-rata 12,51% - 26,24%; rata-rata sebesar 17,9%
2,88% - 33,76% dengan rata-rata sebesar 13,11% (Gambar 18.b)
Dampak Perubahan Iklim pada Sektor Air di Jawa Barat
Proyeksi Hazard Debit Rata-Rata pada Tahun 2034-2049 di Provinsi Jawa Barat Berdasarkan Data Keluaran
Model Proyeksi Iklim BMKG-JICA
Hasil proyeksi debit rata-rata untuk tahun
2034-2049 di Provinsi Jawa Barat menggunakan
keluaran data model BMKG-JICA menunjukkan
penurunan.
Proyeksi produktivitas padi dianalisis menggunakan model hubungan curah hujan dan produktivitas padi musim kemarau hasil keluaran
APSIM untuk periode baseline tahun 1986-2016. Untuk musim hujan, perubahan produktivitas padi mengacu pada hasil kajian Susanti et al.
(2021) di Pulau Jawa yang menggunakan CORDEX -SEA dengan skenario RCP 8.5. Proyeksi perubahan curah hujan pada produktivitas padi
dihitung menggunakan metode Delta dari baseline curah hujan kumulatif dengan menggunakan threshold 0,6
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Delta Produktivitas Padi - Model Curah Hujan dan Suhu
Metode delta juga digunakan untuk menghitung Perubahan produktivitas akibat peningkatan suhu, yaitu dengan melihat hubungan antara perubahan
suhu terhadap baseline dengan perubahan produktivitas, seperti yang ditunjukkan melalui persamaan:
Berdasarkan penelitian yang dilakukan Yuliawan dan Handoko (2016), disimpulkan bahwa peningkatan suhu udara berpengaruh secara linear
terhadap persen penurunan produktivitas padi. Setiap peningkatan suhu 1℃ akan berdampak pada penurunan produktivitas sebesar 14.4%
untuk sawah tadah hujan.
Nilai perubahan suhu (delta T) merupakan selisih dari rata-rata proyeksi 10 tahun 2024, 2029, 2034, 2039 dan 2045 terhadap baseline
(2005-2015). Proyeksi suhu udara ditentukan menggunakan rata-rata dari 3 model CMIP6 (MRI-ESM2-0, INM-CM5-0, CanESM5.
Produksi padi (Prod) merupakan perkalian dari produktivitas padi (Yi) dengan luas panen (Har). Luas panen merupakan rata-rata periode baseline
2005-2015 dengan asumsi luas panen tetap.
Prod = Yi x Har
Sumber: PPI-JICA-Bappenas-Bappeda Jabar, 2023
Bahaya dan Dampak Perubahan Iklim pada Sumber Daya Air ( Jabar)
Proyeksi Perubahan Produksi Padi Provinsi Jawa Barat
● Luas panen menggunakan rata rata tahun 2005-2015 dan diasumsikan sama selama periode proyeksi.
● Proyeksi padi level kecamatan di Provinsi Jawa Barat
○ 2024 → 8,850 ± 1,798 juta ton
○ 2029 → 8,903 ± 1,805 juta ton
○ 2034 → 8,825 ± 1,7858 juta ton
○ 2039 → 8,804 ± 1,804 juta ton
○ 2045 → 8,825 ± 1,785 juta ton
● Lima kabupaten dengan kontribusi tertinggi adalah Kabupaten Indramayu, Subang, Cianjur, Sukabumi, dan Karawang dengan luas panen
berkisar antara 112 - 175 ribu Ha.Proyeksi produksi padi di ke-lima kabupaten tersebut mempunyai pola yang sama.
● Dibanding dengan tahun 2024, terdapat peningkatan sebesar 635-7300 ton pada tahun 2029. Pada tahun 2034 dan 2045, diproyeksikan terjadi
penurunan produksi secara konsisten, dan produksi terendah diproyeksikan terjadi pada tahun 2045.
Prod. Baseline Kecamatan
Pada tahun 2024 penurunan produksi padi tertinggi terjadi di kabupaten sentra produksi padi Kabupaten
750.000 ton/thn Kab. Karawang, Subang, Indramayu dan
Sukabumi Karawang dan Indramayu berkisar 100,000 - 150,000 ton/tahun. Kabupaten Bekasi, Subang, Sukabumi,
500.000 - 750.000 Kab. Bogor, Cianjur, Garut, Tasikmalaya dan Garut, Tasikmalaya, dan Ciamis diproyeksikan mengalami penurunan produksi 50,000 - 100,000 ton/ha,
ton/thn Ciamis sedangkan 18 kabupaten lainnya kurang dari 50,000 ton/tahun. Proyeksi pada tahun 2029 hampir sama
250.000 - 500.000 Kab. Bekasi, Bandung, Sumedang, Majalengka, seperti tahun 2024, kecuali Kabupaten Ciamis yang penurunan produksinya menurun dari 50,000 - 100,000
ton/tahun Sumedang dan Cirebon
ton/tahun menjadi 50,000 ton/tahun. Proyeksi untuk tahun 2034 di Kabupaten Ciamis dan Karawang
100.000 - 250.000 Kabupaten Purwakarta, Bandung Barat dan
ton/tahun Pangandaran
mengalami penurunan dibanding tahun 2029 yaitu di Kabupaten Ciamis 50,000-100,000 ton/tahun dan di
<100.000 ton/tahun Kota Bekasi, Bogor, Depok, Sukabumi, Bandung, Kabupaten Karawang sekitar 100,000-150,000 ton/tahun.
Cirebon, Cimahi, Tasikmalaya, dan Banjar
2024-2033 2029-2038
• Kota Bandung memiliki tingkat
bahaya tertinggi pada kondisi
baseline, namun akan mengalami
penurunan pada periode proyeksi.
• Kota Bekasi, Kabupaten Bandung,
dan Kabupaten Bogor dengan
tingkat bahaya tinggi pada periode
baseline akan mengalami delta
2034-2043 2040-2049 positif atau peningkatan bahaya
pada keempat periode proyeksi,
• Laju peningkatan bahaya tertinggi
di Kabupaten Bogor dan Kabupaten
Bandung.
Peta Proyeksi Bahaya Kasus Dengue Akibat Perubahan Iklim di Provinsi Jawa Barat pada
Tahun 2024-2049
Sumber: ITB-JICA-Bappenas, 2023
Perananan Tata Ruang dalam Adaptasi PI di Wilayah Pesisir & Laut
1. Pesisir Utara Pulau Jawa Rencana tata ruang justru mengarahkan konversi penggunaan lahan di sepanjang pantai utara Jawa
Banjir Kota Pekalongan Banjir Rob di Demak akibat tanggul jebol, 2022
Sumber: Portal Demak, 2022
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
Peranan Tata Ruang dalam Adaptasi PI di Wilayah Pesisir & Laut
2. Kota Semarang Rencana pembangunan tol tanggul laut pada RZWP3K mengancam ekosistem mangrove dan meningkatkan risiko perubahan iklim
Reklamasi dan Abrasi Pesisir Kota Semarang Rencana Pembangunan Tol Semarang
Aktivitas pembangunan
Pelabuhan terlihat semenjak
Juni 2019, dan pada Juli 2019
mulai terlihat adanya bentuk
pondasi awal bangunan
Pelabuhan (garis merah)
Banjir di sekitar Mega Proyek Pelabuhan Laut Internasional Patimban tahun 2021
→ resolusi
spasial
model
Peta Zoom-In Overlay Indeks Bahaya Banjir Kabupaten hazard
Peta Zoom-In Delineasi Unit Bisnis Integrated Indramayu dengan Unit Bisnis Integrated Terminal &
Terminal & Refinery Unit VI Balongan Refinery Unit VI Balongan
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN
Peta Risiko Penurunan Produksi Padi Lahan Kering (kiri) dan Padi Lahan Basah (kanan) di Sumatera Selatan
Akibat Genangan Pesisir (Kenaikan Permukaan Laut) Sampai Tahun 2030
Berdasarkan analisis risiko penurunan produksi tanaman pangan utama terhadap perubahan iklim dan kenaikan muka air laut di
Sumatera Selatan pada tahun 2030 dapat disimpulkan bahwa:
1) Kabupaten Banyuasin, OKU Timur, dan OKI mempunyai risiko penurunan produksi padi sawah yang tinggi.
2) Kabupaten Muara Enim dan Bayuasin memiliki risiko penurunan produksi padi lahan kering yang tinggi.
Sumber: ITB - KLH, 2012
Dampak Perubahan Iklim pada Sektor Kesehatan di Provinsi Sumatera Selatan
Berdasarkan analisis risiko Demam Berdarah akibat perubahan iklim di Sumatera Selatan menunjukkan bahwa Kab.
Lubuk Linggau, Kota Prabumulih, Kab. OKU Selatan dan Kab. OKU Timur menunjukkan peningkatan risiko yang
signifikan dari tingkat rendah pada 2008 menjadi tingkat menengah atau tinggi pada 2030.
Peta Risiko Penurunan Ketersediaan Air pada Periode Baseline 1990-2020 (kiri), dan Proyeksi 2010-2030 (kanan)
Berdasarkan analisis risiko penurunan ketersediaan air terhadap perubahan iklim di Sumatera Selatan menunjukkan bahwa pada
kondisi proyeksi (2030) terjadi perubahan dari tingkat risiko tinggi atau menengah menjadi sangat tinggi di sebagian wilayah
Kabupaten Banyuasin, Kota Palembang, OKI, OKU Timur dan Lubuk Linggau.
Sumber: ITB - KLH, 2012
DAMPAK PERUBAHAN IKLIM TERHADAP
PEMBANGUNAN BERKELANJUTAN
Pada kondisi
baseline, pola
klimatologi (rata-rata
Temperatur (oC)
tahunan) temperatur
menunjukkan dua
puncak temperatur,
yaitu 26.5oC
(Oktober) dan
26.25oC (April).
Pada kondisi
proyeksi, dua puncak
temperatur tersebut
bergeser lebih maju
1-3 bulan dan lebih
tinggi 1.5oC
JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOV DES
POLA KLIMATOLOGI CURAH HUJAN
Pada kondisi
baseline, pola
klimatologi (rata-rata
tahunan) curah hujan
menunjukkan satu
puncak curah hujan,
Curah hujan (mm/hari)
yaitu 3 mm/hari
(November),
sedangkan antara
Feb-Agt sekitar 1.5
mm/hari.
Pada kondisi
proyeksi, puncak
curah hujan tersebut
bergeser lebih maju 1
bulan (Oktober) dan
lebih tinggi (3.7
mm/hari), sedangkan
curah hujan
bulan-bulan lain tidak
begitu berubah
JAN FEB MAR APR MEI JUN JUL AGT SEP OKT NOV DES kecuali curah hujan
bulan April lebih tinggi
(2 mm/hari)
STATISTIK PERUBAHAN IKLIM
Baseline 0.21 %
Future 0.28 %
KONDISI KLIMATOLOGI CURAH HUJAN
DI BEBERAPA TITIK
(ada “anomali pola” di titik 1 - perbukitan)
Tabel Data kejadian karhutla 2010-2020 dalam hektar (Ha) dibandingkan dengan ENSO dan IOD
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Kalimantan Tengah 15.113 82.215 183.264 29.620 366.841 583.833 6.148 1.744 47.433 317.749 7.681
Kalimantan Timur 19.975 16.903 32.069 18.904 7.082 69.352 43.136 676 27.893 68.524 5.221
Kalimantan Barat 23.732 29.609 98.651 21.232 196.147 93.516 9.174 7.467 68.422 151.919 7.646
Kalimantan Selatan 379 90.545 51.793 18.928 70.205 196.516 2.331 8.290 98.637 137.848 4.017
Kalimantan Utara 4.156 2.233 8.345 152 854 14.506 2.107 82 627 8.559 1.721
Total Luasan (Ha) 63.355 221.505 374.122 88.836 641.129 957.725 62.899 18.260 243.014 684.599 26.286
ENSO (El-Nino / La Nina) -0.475 -0.850 -0.150 -0.325 0.108 1.458 0.325 -0.208 0.008 0.475 -0.367
Dampak Perubahan Iklim: Sebaran Hotspot di Kalimantan
Sumber:
https://diskominfo.kaltimprov.go.id/
11 Oktober 2023
MODEL PREDIKSI
(FORECAST) ENSO
ENSO Forecast
August 2023 Quick Look
Published: August 18, 2023
Columbia Climate School -
International Research Institute
for Climate and Society
Here we present climate modelling evidence for a doubling in the occurrences in the future in response to greenhouse warming. We estimate the
change by aggregating results from climate models in the Coupled Model Intercomparison Project phases 3 and 5 multi-model databases, and a
perturbed physics ensemble. The increased frequency arises from a projected surface warming over the eastern equatorial Pacific that occurs
faster than in the surrounding ocean waters, facilitating more occurrences of atmospheric convection in the eastern equatorial region.
http://www.nature.com/nclimate/journal/v4/n2/full/nclimate2100.html
Peta Risiko Pesisir 2030 & Hasil Overlay Dengan RTRW Kota Tarakan
UPDJ
PERTAMINA UPDJ
PERTAMINA
UPDJ
PERTAMINA
Restorasi ICZM:
Mangrove Managed
UPDJ
Realignment
PERTAMINA
Coastal setback
Protection
(hard and soft)
Akomodasi
Ekosistem pesisir di Malaumkarta Kerusakan Terumbu Karang Akibat Kandasnya MV Caledonia Sky
Sumber: ITB-YKAN, 2022
PROF. IR. DJOKO SANTOSO ABI SUROSO, PH.D.
Potensi Dampak Marine Heat Waves di Area Bentang Laut Kepala Burung (BLKB)
Papua Barat
Keterangan:
BLKB: Kawasan Bentang Laut Kepala Burung (BLKB)
KKP: Kawasan Konservasi Perairan
MHA: Masyarakat Hukum Adat
WSDI: Warm Spell Days Index (durasi suatu kejadian suhu ekstrim di laut)
WSEI: Warm Spell Events Index (banyaknya kejadian suhu ekstrim tsb per dekade)
KKP Maksegara - MHA Malaumkarta memiliki nilai WSDI dan WSEI, baik tren maupun rata-rata tertinggi dibandingkan dengan daerah KKP lainnya di Papua
Barat, yang berarti kondisi keterpaparan di daerah tersebut termasuk dalam kategori buruk, sehingga daerah KKP Maksegara - MHA Malaumkarta
menghadapi tekanan dari sisi perubahan iklim yang tinggi terhadap ekosistem sehingga perlu dilakukan adaptasi ekstra di daerah tersebut.
Sumber: ITB - YKAN, 2022
Potensi Dampak Perubahan Iklim: Kondisi Pelayaran Perikanan Tangkap
Bentang Laut Kepala Burung (BKLB)
2. Pada dasarnya adaptasi adalah upaya manusia untuk menghadapi bahaya iklim dan kejadian ekstrem yang
diakibatkan oleh pemanasan global.
3. Dalam konteks Indonesia sebagai negara kepulauan atau Benua Maritim, adaptasi perubahan iklim ini perlu
diposisikan sejajar atau bahkan lebih dari upaya mitigasi perubahan iklim
4. Dalam konteks pembangunan berkelanjutan, adaptasi perubahan iklim yang berupa upaya mengurangi faktor-faktor
kerentanan dan meningkatkan kapasitas adaptif itu dapat disinergikan dengan pembangunan daerah dalam hal
mengurangi problem kemiskinan dan ketimpangan akses pada sumberdaya serta Upaya meningkatkan kapasitas
sumberdaya manusia dan kelembagaan.
Terima Kasih