Pengembangan dan Validasi Model Iklim

Pengembangan dan Validasi Model Iklim

Bambang Siswanto1), Zadrach L. Dupe2), Yanto Sugianto3), dan Yunus Swarinoto4)
1)Pusat Pemanfaatan Sains Atmosfer dan Iklim, LAPAN
2)Departement Geofisika dan Meteorologi, Institut Teknologi Bandung
3)Pusat Penelitian Tanah dan Agroklimat, Departemen Pertanian
4)Badan Meteorologi dan Geofisika
Email: siswanto@bdg.lapan.go.id, bambang_siswanto@hotmail.com

Pendahuluan
Riset pengetahuan cuaca dan iklim termasuk aplikasinya, memberikan wawasan ilmiah mendalam tentang isu-isu terpenting dan pilihan-pilihan kebijaksanaan pembangunan yang berkelanjutan yang dihadapi Indonesia dan masyarakat dunia secara keseluruhan. Riset tersebut harus diorganisasikan dalam suatu kerangka kerja yang bersifat fleksibel dan multidisiplin untuk mengkoordinasikan aktivitas-aktivitas ilmiah terkait dalam suatu program kerja.

Mencari metoda terbaik dalam prediksi iklim adalah salah satu kegiatan yang akhir-akhir ini giat dilakukan oleh para peneliti atmosfer/iklim. Bagaimana tidak, berbagai pihak menuntut diberikannya informasi prediksi iklim yang lebih cepat dan akurat. Bahkan beberapa pihak lain menuntut tersedianya prediksi kondisi atmosfer dengan rentang waktu harian/jam-an dalam skala ruang yang lebih kecil. Kebutuhan ini mendorong berkembangnya metoda-metoda prediksi cuaca/iklim baik berbasis metoda statistik maupun metoda dinamik.

Berlandaskan riset, prakiraan musiman dan ramalan anomali curah hujan dapat dilakukan untuk kala waktu beberapa bulan bahkan hingga 1 tahun kedepan. Tingkat kesalahan prakiraan bergantung pada persistensi bulanan dan variasi lokal serta kesahihan suatu model. Tanpa terkecuali, perbaikan diharapkan berkesinambungan. Namun pengembangan dasar pengetahuan sistem iklim kadang kala lamban dan dapat mengakibatkan kesalahan tindak penanggulangan bencana akibat munculnya kondisi iklim ekstrim. Kesalahan itu dapat terjadi di tingkat pengambil kebijakan, peneliti dan masyarakat.

Mengingat bahwa masalah aplikasi klimatik sektoral umumnya berkaitan dengan kawasan berukuran beberapa kilometer saja, maka upaya mensimulasikan dan memprediksi iklim kawasan tersebut membutuhkan model-model iklim dengan resolusi spasial yang tinggi.
Busuioc dkk. (2001) menyebutkan berbagai masalah yang muncul dalam proses validasi model iklim. Salah satu kesulitan yang dihadapi dalam proses validasi adalah perbedaan antara skala ruang dalam kotak grid LAM dengan pengukuran dari berbagai titik-titik pengamatan.

Output dan manfaat yang dihasilkan dari penelitian ini adalah :
• Model iklim yang sudah teruji pada daerah penelitian, sehingga dapat dijadikan sebagai alat untuk digunakan dalam pendugaan kondisi iklim yang akan datang;
• Melengkapi bahan-bahan dasar kebijakan dalam program perencanaan baik yang berkaitan dengan ketahanan pangan, industri, tranportasi, tata ruang, ketersedian air, lingkungan maupun kesehatan lingkungan.

Metodologi
Anomali iklim cenderung meningkat intensitas, frekuensi, durasi dan wilayah yang terkena dampaknya memerlukan langkah-langkah antisipasi, agar dampak tersebut dapat diminimalkan, melalui : 1) penyesuaian dan 2) modifikasi input untuk menekan resiko. Metodologi penelitian lebih ditekankan pada penyesuaian terhadap perilaku anomali iklim dengan meningkatkan kemampuan analisis model mensimulasi perilaku iklim dengan kinerja yang lebih baik. Ada dua hal yang diperlukan untuk penyelesaian persoalan tersebut, yaitu analisis prakiraan menggunakan model dinamis dan model statistik.

Hasil dan Analysis
Metode ANFIS menunjukkan hasil kesesuaian antara curah hujan prediksi dan curah hujan pengamatan dengan nilai korelasi berkisar antara 0.34 s/d 0.8. Metode statistik filter kalman dengan korelasi berkisar antara 61.5 s/d 89.5. Sedang model dinamis (Model Area Terabatas, dengan resolusi 7.5 x 7.5 km) menunjukkan korelasi antara 0.02 s/d 0.73 untuk daerah Sumatera Barat.

Daftar Pustaka

1.Busuioc, A., D. Chen, and C. Hellstrom, 2001: Performance of statistical downscaling models in GCM validation and regional climate change estimates: Application for Swedish precipitation. Int. J. Climatology, 21, 557–578.
2.Dupe, Z. L. dan A. Zahuriansyah Djaya, 2002. Variabilitas Hujan Kota Bandung dan Korelasinya dengan El Nino. Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional 2, LAPAN- Bandung, 21 Agustus 2001.
3.Dupe, Z. L. dan The Houw Liong, 2001. Prediction Nino 3.5 SST Anomaly. Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional 1, LAPAN- Bandung, 11 Juli 2000.
4.Dupe, Z. L.; Hadi W. T., Atika L: El Nino/La Nina Forecasting Using Adaptive Neuro-Fuzzy Inference System (ANFIS) . Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional 3 , LAPAN- Bandung, 31 Juli 2002 (dalam persiapan ).
5.Ratag, M. A., 2002: Aplikasi Analisis Waktu-Frekuensi Wavelet untuk Validasi Luaran dan Verifikasi Model Iklim Area Terbatas: Studi kasus Curah Hujan di Bandung. Prosiding Temu Ilmiah Prediksi Cuaca dan Iklim Nasional 2 , LAPAN- Bandung, 21 Agustus 2001.