1,721,005 research outputs found
Review of Socio-Economic Development Pathway Scenarios for Climate Change Adaptation in Indonesia: Disaster Risk Reduction Perspective
Full text linkThe work of Intergovernmental Panel on Climate Change (IPCC) on a Special Report on Emission Scenarios has pioneered the methods for greenhouse gas emission scenario associated with socio-economic development pathways in the coming century, followed by other models such as the Shared Socio-economic Pathways (SSPs) in climate change and disaster risk. This scenario is useful to understand how human society develops the future assessment of climate change and to provide possible mitigation and response strategies. This chapter is aimed to review the current status of socio-economic scenario on climate change and disaster and risk reduction effort in scholarly literatures and to identify gaps and opportunities for future research and decision-making based on the reflection of existing Climate Change Adaptation (CCA) and Disaster Risk Reduction (DRR) theories and emblematic case studies. We have conducted a semi-structured literature review and content analysis. The result of our analysis revealed that there is still a dearth of study on the application of different models of socio-economic forecasting scenarios to understand how would each pathway affect the vulnerability of certain type of disaster and its potential as a decision-making tool in Indonesia. However, there are opportunities to expand the methods and define socio-economic variables that go beyond the economic indicators (i.e. GDP), such as of welfare, health, education, social capital human development, participation and technology. Challenges are also identified, including the limitation of methodology, availability of data, lack of synergy between CCA and DRR, lack of interdisciplinarity, space for science–policy interface and political support. Future research on SSPs should pay attention to the aspect of multi-hazard approaches to climate change impact, emerging technology and its adverse impacts. We argued that projection is a highly important tool; however, largely reliable at the global scale rather than regional or national scale. To understand that climate variability and change is high, it is important to raise self-awareness on adaptation to future disasters
Model Prakiraan Cuaca Harian Memanfaatkan Luaran NWP dan Data Pengamatan Stasiun Cuaca
No full textMasyarakat pengguna informasi prakiraan cuaca di Indonesia saat ini menuntut adanya prakiraan cuaca yang cepat, tepat dan dapat menjangkau wilayah yang luas dan detail hingga tingkat kabupaten serta menjangkau beberapa hari ke depan. Informasi prakiraan cuaca di Indonesia saat ini baru menjangkau Kota-kota besar dan kota kabupaten, namun hanya memprakirakan cuaca sampai satu hari ke depan. Tantangan ini yang menjadikan pentingnya pengembangan model prakiraan cuaca harian. Permasalahan yang dihadapi dalam pemberian informasi prakiraan cuaca harian oleh BMKG adalah belum adanya model prakiraan cuaca obyektif yang dapat dioperasionalkan, terutama dalam pembuatan prakiraan suhu maksimum, suhu minimum dan keadaan cuaca. Prakiraan yang dimaksud adalah prakiraan cuaca di titik stasiun dengan waktu prakiraan sampai beberapa hari ke depan. Untuk itu perlu dikembangkan model prakiraan cuaca obyektif dengan memanfaatkan luaran NWP Tujuan dari penelitian ini adalah (i) menentukan domain spasial luaran NWP, (ii) membangun model prakiraan suhu maksimum dan suhu minimum, dan (iii) kejadian hujan harian sampai empat hari ke depan di wilayah Jabodetabek. Sebagai prediktor digunakan data luaran NWP Global Forecasting System (GFS), sedangkan sebagai prediktan adalah data suhu maksimum, suhu minimum dan kejadian hujan harian di delapan Stasiun Meteorologi sekitar Jabodetabek. Model Output Statistics (MOS) adalah salah satu metoda statistical downscaling (SD) pada tahap post processing luaran Numerical Weather Prediction (NWP) untuk mendapatkan nilai prakiraan parameter cuaca di sebuah titik stasiun pengamatan. Metode ini memanfaatkan luaran NWP yang tersedia dari berbagai sumber dan data pengamatan stasiun cuaca. MOS merupakan model yang meghubungkan antara peubah prediktan y (pengamatan stasiun cuaca, seperti temperatur minimum, temperatur maksimum, kejadian hujan) dan peubah prediktor x (parameter NWP, seperti temperatur, angin dan sebagainya pada berbagai grid dan level) Data luaran NWP meliputi wilayah global yang terbagi menjadi beberapa ukuran persegi (grid). Ukuran grid data GFS yang digunakan dalam penelitian ini adalah 0,5o×0,5o lintang/bujur, sehingga satu grid mempunyai ukuran sekitar 55×55 km2. Domain spasial atau jumlah grid NWP secara total meliputi 720×360 grid, namun demikian tidak semua grid NWP akan digunakaan sebagai prediktor. Penentuan domain spasial yang optimum dalam MOS merupakan langkah awal yang sangat menentukan hasil prakiraannya. Pada tahap awal, domain spasial NWP ditentukan berukuran 8×8 grid, selanjutnya dicobakan untuk beberapa domain, yaitu berukuran 2×2, 3×3, 3×4, 4×4 dan 5×5 grid. Tiga metoda digunakan untuk menentukan domain spasial, yaitu metoda analisis korelasi spasial, singular value decomposition (SVD) dan regresi partial least square (PLSR). Analisis ketiga metoda secara umum menunjukkan hasil yang hampir sama, yaitu domain dengan ukuran 3×3 adalah yang paling baik. Analisis korelasi spasial menunjukkan luasan dengan korelasi lebih besar dari 0,4 hanya meliputi domain maksimal 3×3. Analisis SVD menunjukkan bahwa keeratan hubungan secara simultan antara data observasi dengan NWP hampir sama, yaitu pada ekspansi pertama. Sedangkan hasil verifikasi analisis PLSR menggunakan korelasi dan root mean square error (RMSE) menunjukkan bahwa grid berukuran 3×3 adalah domain terbaik. Selanjutnya domain spasial berukuran 3×3 digunakan sebagai acuan dalam pembangunan model prakiraan suhu dan kejadian hujan. Pemodelan prakiraan suhu maksimum dan minimum menggunakan metode PLSR dan Principal Component Regression (PCR), dan keduanya diterapkan dalam dua model yaitu Model I dan Model II. Pada Model I, tahap pengembangan model menggunakan prediktor luaran NWP pada hari ke-1, sedangkan tahap implementasi menggunakan luaran NWP hari ke-1, ke-2, ke-3 dan ke-4. Pada Model II, tahap pengembangan dan implementasi menggunakan luaran NWP pada hari yang sama. Hasil verifikasi prakiraan suhu maksimum dan minimum menunjukkan bahwa secara umum kedua metode dapat mengeliminasi error yang terbawa oleh NWP, yaitu rata-rata akurasi untuk prakiraan suhu maksimum mampu ditingkatkan sebesar 0,86oC dan suhu minimum 1,35oC. Berdasarkan nilai RMSE dan korelasi hasil prakiraan dengan empat model prakiraan suhu maksimum, dapat disimpulkan bahwa metode PCR Model I merupakan model terbaik. Demikian juga untuk model prakiraan suhu minimum, metode PCR Model I merupakan model yang terbaik. Nilai RMSE prakiraan suhu maksimum hari ke-i cenderung lebih kecil dibandingkan prakiraan hari ke -(i+1). Demikian pula nilai korelai prakiraan dan pengamatan ke-i cenderung lebih besar dibandingkan dengan hari ke-(i+1). Kejadian hujan harian dikategorikan ke dalam lima kategori, yaitu cerah (tidak hujan), hujan ringan, hujan sedang, hujan lebat dan hujan sangat lebat. Pemodelan dengan prediktan berupa data kategorik dan prediktor berupa data kontinyu digunakan metode Multiple Categorical Logistic Regression (MCLR) dan Principal Component-MCLR (PC-MCLR); keduanya di diterapkan dengan dua model, yaitu Model I dan Model II. Nilai percent correct prakiraan metode PC-MCLR Model II mencapai tertinggi 69,6%. Nilai percent correct di atas 55% tercatat di empat lokasi (Tanjung Priok, Kemayoran, Cengkareng dan Tangerang), namun di empat lokasi lainnya (Pondok Betung, Curug, Bogor dan Curug) kurang dari 55%. Dengan demikian untuk daerah datar sekitar pantai mempunyai akurasi yang lebih baik dibandingkan dengan daerah selatan yang lebih tinggi. Secara umum Metode PC-MCLR Model II lebih baik dari metode dan model lainnya. Keakuratan prakiraan kejadian hujan dari ke hari tidak menunjukkan pola yang jelas. Akurasi prakiraan hari ke-1 sampai hari ke-4 tidak seluruhnya menunjukkan adanya penurunan akurasi pada prakiraan hari yang lebih jauh. Untuk beberapa lokasi, menunjukkan bahwa makin jauh waktu prakiraan justru akurasinya lebih baik
Dispersion Modeling Of Pm10 And So2 Based On Atmospheric Boundary Layer Stability Over Industrial Area
No full textAktivitas pembangunan tidak bisa dilepaskan dari perkembangan sektor industri dan transportasi. Namun konsekuensi berupa emisi pencemar ke udara tidak dapat dihindari. Konsentrasi pencemar udara di suatu lokasi berfluktuasi, mengikuti kondisi meteorologi setempat. Proses pencemaran udara terjadi di lapisan atmosfer terbawah yang dikenal sebagai lapisan perbatas (boundary layer). Pemahaman mengenai dispersi pencemar udara di lapisan perbatas menjadi penting untuk menduga lokasi-lokasi yang rawan terpapar pencemar udara dengan konsentrasi maksimum. Pemantauan kualitas udara yang kontinu memerlukan biaya tinggi, sehingga penentuan lokasi pemantauan yang efektif dan representatif sangat diperlukan. Pemodelan terintegrasi meteorologi dan kualitas udara menjadi salah satu pilihan untuk dapat menganalisis kualitas udara secara spasial dari waktu ke waktu (dinamis), sehingga dapat membantu menganalisis lokasi-lokasi yang rawan pencemaran udara, juga dapat membantu mengenali karakteristik atmosfernya. Salah satu model yang dapat digunakan adalah Weather Research Forecasting-Chemistry (WRFChem).
Bagi wilayah industri PM10 dan SO2 menjadi pencemar utama, sehingga perlu dipelajari pola dispersi kedua jenis pencemar tersebut. Salah satu wilayah industri di Indonesia adalah Kabupaten Tangerang. Di daerah ini belum ada pemantauan kualitas udara ambien yang kontinu, sehingga bantuan pemodelan untuk menganalisis sebaran pencemar terutama PM10 dan SO2 menjadi sangat bermanfaat. Wilayah ini berbatasan dengan DKI Jakarta yang merupakan wilayah urban dengan emisi yang tinggi, juga berada di pinggir pantai, sehingga dalam analisis dispersi pencemar kedua kota ini menjadi satu wilayah kajian.
Berdasarkan hasil pemodelan didapatkan bahwa pola sebaran PM10 dan SO2 mengikuti pola angin, terutama pola angin laut-darat, yang terjadi di Jakarta bagian Utara. Konsentrasi maksimum kedua pencemar pada malam hari cenderung terjadi di wilayah Jakarta Pusat dan Jakarta Utara, dengan nilai berturut-turut > 200 μg m-3 untuk PM10 dan 471 μg m-3 untuk SO2. Nilai tersebut berpotensi melebihi nilai Baku Mutu Udara Ambien Nasional. Siang hari konsentrasi maksimum cenderung terjadi di sekitar Jakarta bagian Selatan, Tangerang Selatan, serta Kabupaten Tangerang. Pada bulan Agustus maupun Desember kondisi tersebut hampir sama, hanya sedikit bergeser ke arah Timur, karena pada bulan Desember dominan angin Baratan mulai terjadi. Pola angin gunung turut mempengaruhi, karena di bagian Selatan wilayah kajian terdapat Gunung Gede-Pangrango, serta dataran yang relatif lebih tinggi di bagian Selatan Kabupaten Tangerang. Pada malam hari, angin gunung menuruni lereng dan menuju ke arah Jakarta yang lebih rendah. Pada siang hari angin laut bertiup cukup dominan terutama pada bulan Desember, saat matahari di Selatan. Kecepatan angin turut berpengaruh, sebagaimana hasil pemantauan di daerah Jakarta Utara kecepatan angin menurun pada malam hari sehingga mempengaruhi akumulasi pencemar di daerah tersebut. Sementara siang hari, kecepatan angin yang rendah terdapat di bagian Selatan Jakarta, sehingga di wilayah ini pada siang hari konsentrasi pencemar mengalami peningkatan. Validasi model menunjukkan model WRFChem dapat merepresentasikan kondisi meteorologi cukup baik, tetapi untuk konsentrasi pencemar masih rendah.
Berdasar analisis stabilitas atmosfer di lapisan perbatas menggunakan model WRFChem, didapatkan bahwa pada malam hari lapisan atmosfer stabil terbentuk pada ketebalan hingga 100 m. Di atas lapisan stabil terdapat lapisan atmosfer netral dan lapisan dengan turbulensi lemah pada ketinggian 100-200 m. Menurut teori dasar, lapisan ini disebut lapisan residual (residual layer). Lapisan ini dapat dimanfaatkan untuk melepaskan emisi pencemar bagi cerobong industri.
Terdapat perbedaan karakteristik stabilitas atmosfer antara Balaraja (Tangerang) dan Jakarta, yaitu waktu pembentukan dan ketebalan lapisan stabil malam hari. Pada lapisan perbatas atmosfer di wilayah Jakarta, lapisan stabil dan netral terbentuk lebih awal dibandingkan dengan lokasi Balaraja Tangerang. Menjelang tengah malam hingga pagi hari lapisan stabil bertambah ketebalannya. Pada waktu ini pencemar akan mengendap dan terakumulasi di permukaan, serta dapat menurunkan kualitas udara. Oleh karena itu pada waktu-waktu tersebut disarankan untuk membatasi emisi pencemar.
Peningkatan ketebalan lapisan stabil berbeda antara wilayah Balaraja (Tangerang) dan wilayah Jakarta, diduga akibat perbedaan karakteristik permukaan Jakarta dan Balaraja. Penutupan lahan wilayah Jakarta sebagai kota besar (urban area), cenderung berupa lahan terbangun dan tertutup lapisan perkerasan serta beton, mempengaruhi kondisi atmosfer di atasnya. Sementara Balaraja walaupun banyak industri, tetapi masih banyak area yang terbuka dan termasuk daerah suburban. Lahan terbangun di wilayah Jakarta 30% lebih luas dibandingkan di Balaraja, diduga menyebabkan perbedaan ketebalan lapisan atmosfer stabil maksimum pada malam hari sekitar 26-29%. Ketebalan lapisan stabil tersebut mempengaruhi jumlah polutan yang terakumulasi dan akan mempengaruhi kualitas udara setempat.
Penurunan kualitas udara dapat menimbulkan risiko gangguan kesehatan. Risiko kesehatan (HR) dianalisis dengan pendekatan perbandingan dosis potensial dengan nilai Low Observed Adverse Effet level (LOAEL). Didapatkan bahwa dari kelima lokasi stasiun pengamatan di Jakarta, 4 diantaranya memiliki konsentrasi PM10 sudah melampaui nilai LOAEL untuk orang dewasa yang terpapar minimal 6 jam. Daerah Jagakarsa masih cukup baik kondisinya dibandingkan yang lain. Nilai HR SO2 di Jakarta lebih rendah daripada PM10. Sebaliknya di Balaraja Tangerang, nilai LOAEL untuk SO2 lebih tinggi daripada PM10. Pada kedua daerah tersebut nilai LOAEL terlampaui pada saat malam hingga pagi, bahkan menjelang siang hari. Bahkan pagi hari hingga pukul 06.00 kondisi kualitas udara masih memiliki potensi yang cukup rawan untuk kesehatan masyarakat. Hal tersebut harus mendapat perhatian baik dari pemerintah maupun masyarakat.
Paparan tersebut di atas merupakan bagian dari kebaruan (novelty) penelitian ini, yaitu (a) integrasi aspek meteorologi, kimia atmosfer dan risiko keterpaparan publik terhadap pencemar udara, (b) pendekatan dinamika stabilitas atmosfer serta ketebalan lapisan perbatas dan keterkaitannya dengan konsentrasi pencemar, (c) dinamika stabilitas atmosfer sebagai basis ilmiah dalam rekomendasi kebijakan penentuan tinggi cerobong dan waktu pengamatan kualitas udara ambien.
Berdasarkan penelitian secara keseluruhan maka beberapa rekomendasi untuk kebijakan pengendalian pencemaran udara dan pengelolaan kualitas udara adalah pemantauan lebih intensif di Jakarta Pusat dan Utara, pemantauan di wilayah industri khususnya di wilayah Tangerang dilakukan 24 jam atau minimal dilakukan pada malam hari, pengajuan rekomendasi kebijakan tinggi cerobong yang aman > 150 m dan atau pengelolaan waktu emisi yang tepat melalui pembatasan emisi pada malam hari
Ketahanan Nasional dan Resiliensi Iklim
No full textFenomena perubahan iklim telah diakui sebagai fenomena global yang
mengancam kehidupan manusia dan menyebabkan kondisi lingkungan yang
semakin memburuk. Penanganan perubahan iklim harus ditempatkan sebagai
agenda penting yang harus direspon dalam mewujudkan masyarakat yang lebih
tangguh (community resilience). Oleh karena itu, penelitian terkait resiliensi iklim
menjadi topik menarik untuk dilakukan. Sampai saat ini belum ada konsensus
tentang bagaimana mengukur resiliensi iklim sehingga tetap menjadi tantangan
tersendiri bagi peneliti. Perubahan fokus penelitian dari kerentanan maupun risiko
ke resiliensi lebih didasari oleh makna resiliensi yang mengusung narasi positif
sehingga bisa diintegrasikan dengan tujuan pembangunan berkelanjutan. Dalam
penelitian ini digali berbagai konsep dan teori sehingga menghasilkan metode
yang dapat diterapkan untuk mengukur resiliensi iklim.
Tujuan penelitian ini adalah (i) menganalisis isu perubahan iklim dalam
konteks ketahanan nasional (Tannas), (ii) mengembangkan metode pengukuran
indeks resiliensi iklim berdasarkan konektivitas faktor pembentuk kerentanan dan
risiko berdasarkan perubahan konsep IPCC (AR4 ke AR5), dan (iii) mengukur
indeks resiliensi iklim berdasarkan metode yang dikembangkan dan indeks risiko
iklim yang diakibatkan oleh bencana hidrometeorologi pada level provinsi.
Manfaat utama dari penelitian ini dapat digunakan sebagai dasar dalam
menentukan prioritas provinsi untuk dibangun dan menjadi rujukan dalam
mempelajari faktor-faktor yang melemahkan resiliensi iklim pada tiap-tiap
provinsi.
Penelitian ini merupakan perpaduan antara penelitian kualitatif dan
kuantitatif dengan penekanan pada deskriptif-eksploratif, sehingga bahaya dari
perubahan iklim tidak dibahas secara detil namun ditunjukkan melalui indeks
risiko iklim yang terjadi di tiap-tiap provinsi. Penelitian ini lebih difokuskan pada
pengembangan metode pengukuran indeks resiliensi iklim berdasarkan
konektivitas antara faktor kerentanan (AR4), risiko/dampak (AR5) dan konsep
resiliensi. Isu perubahan iklim terhadap Tannas juga menjadi salah satu bahasan
penting, terlebih lagi adanya kemiripan dari sisi konsep dan faktor-faktor yang
mempengaruhi Tannas dan resiliensi.
Dalam perpektif Tannas, perubahan iklim (PI) dapat digolongkan sebagai
gangguan/ancaman. Kondisi resiliensi provinsi dapat menjadi gambaran secara
nasional tentang ketangguhannya dalam menghadapi berbagai gangguan dan
ancaman. Ancaman PI sering dikaitkan sebagai pemicu terjadinya konflik atau
kekerasan di beberapa negara. Namun, menyimpulkan bahwa PI sebagai penyebab
terjadinya konflik hanya akan menghilangkan tanggung jawab pemerintahan
setempat dalam mengelola negara. Konflik yang terjadi lebih disebabkan oleh
kemerosotan ekonomi dan tata pemerintahan yang buruk. Di sisi lain, dampak
langsung maupun tidak langsung dari PI adalah memicu terjadinya kelangkaan
kebutuhan dasar hidup (basic needs), terutama air dan makanan.
Konsep resiliensi dapat diaplikasikan melalui konektivitas faktor pembentuk
kerentanan dan risiko sehingga mampu menghasilkan formulasi pengukuran
indeks resiliensi iklim (RI). Untuk menghasilkan RI, diukur berdasarkan bobot
dan skala masing-masing indikator. Hasil pengukuran RI pada 2010 dan 2018
menunjukkan peningkatan rata-rata sebesar 0,436 dan tiga provinsi yang memiliki
nilai RI tinggi yaitu: DKI Jakarta, Kep. Bangka Belitung, dan Bali. Besarnya
kenaikan RI tersebut, selain menunjukkan kemampuannya untuk pulih kembali
(bounce back) terhadap ancaman perubahan iklim dan bahaya hidrometeorologi,
dapat digunakan sebagai indikator kemajuan pembangunan provinsi. Kenaikan
tertinggi dicapai oleh Sulawesi Selatan sebesar 0,764 sedangkan terendah adalah
Papua yang hanya naik sebesar 0,041.
Sementara itu, indeks risiko iklim (CRI) dapat digunakan sebagai indikator
besarnya risiko iklim di suatu provinsi. Metode perankingan dan analisis klaster
digunakan sebagai dasar dalam memetakan tinggi rendahnya risiko dan kapasitas
adaptasi. Terdapat tiga provinsi yang memiliki risiko iklim tinggi yaitu Jawa
Tengah, Nusa Tenggara Timur, dan Sumatera Barat. Demikian juga dengan
kapasitas adaptasi (AC), tiga provinsi yang mampu meningkatkan indeks AC
tahun 2010 ke 2018 yang tertinggi adalah Sulawesi Selatan, Kalimantan Timur,
dan Kep. Bangka Belitung. Selanjutnya, berdasarkan analisis trend bencana
hidrometeorologi menunjukkan bahwa banjir, tanah longsor, dan puting beliung
akan semakin sering terjadi di masa depan
Pemodelan Sistem Konvektif Skala Meso Sebagai Penduga Curah Hujan Lebat Berpotensi Banjir di Kawasan Jabodetabek
No full textPenelitian sistem konvektif skala-meso (SKM) atau biasa dikenal sebagai mesoscale convective system (MCS) di wilayah Benua Maritim Indonesia (BMI) masih sangat terbatas, namun telah menggali siklus hidup serta karakter umum SKM terjadi di darat dan laut serta evolusi SKM pada saat aktivitas Madden-Julian Oscillation (MJO) dan adanya pengaruh wind shear vertikal. Sejauh ini penelitian tentang SKM yang mengakibatkan curah hujan lebat di BMI belum dilakukan lebih jauh. Dalam penelitian ini digali potensi SKM dalam menghasilkan hujan lebat berpotensi banjir di kawasan Jabodetabek.
Tujuan penelitian ini adalah (i) mendeskripsikan karakter SKM yang menghasilkan hujan lebat berpotensi banjir, (ii) menganalisis struktur kinematika dan dinamika SKM, dan (iii) mengembangkan pemodelan SKM sebagai penduga hujan lebat berpotensi banjir di kawasan Jabodetabek. Penelitian ini mempelajari parameter-parameter SKM sebagai penduga kejadian hujan lebat yang berpotensi banjir di wilayah Jabodetabek pada periode musim hujan Januari – Februari tahun 2013, 2014 dan 2015. Data yang digunakan dalam penelitian ini adalah data citra satelit inframerah Multi-functional Transport Satellite (MTSAT) untuk mendeteksi adanya SKM. Data curah hujan per 3-jam dari 6 stasiun sekitar Jabodetabek digunakan untuk mengkonfirmasi curah hujan lebat dan untuk menghitung persamaan ambang batas curah hujan lebat berpotensi banjir. Selanjutnya data radiosonde (rason) profil vertikal yang diperoleh dari Stasiun Meteorologi Cengkareng digunakan untuk identifikasi kondisi atmosfer menjelang tumbuhnya SKM pada saat terjadi hujan lebat. Selain itu data reanalisis JRA55 digunakan juga untuk melihat kondisi lapisan atmosfer secara spasial.
Tahap pertama adalah identifikasi SKM menggunakan algoritma algoritma “Grab ‘em, Tag ‘em, Graph ‘em” (GTG) yang berbasis teori graf. Kriteria black-body temperature (TBB) yang digunakan dalam penelitian ini adalah TBB ≤ 210 210 K dengan ukuran minimum 2.000 km2. Kriteria tersebut digunakan karena awan konvektif yang menghasilkan hujan lebat di wilayah tropis biasanya merupakan awan yang tumbuh tinggi menjulang ke atas dan mempunyai ukuran yang tidak telalu besar. Selanjutnya ambang batas curah hujan per 3 jam tersebut digunakan sebagai indikator adanya SKM di kawasan Jabodetabek. Secara umum karakteristik MCS di sekitar Jabodetabek mempunyai perbedaan dengan lintang menengah (mid-latitude), yaitu MCS cenderung mempunyai ukuran lebih kecil. Hal ini ditandai dengan adanya awan yang menjulang tinggi ke atas hingga ketinggian 14 km.
Tahap kedua melakukan analisis statistik untuk mengidentifikasi karakter SKM di wilayah Jabodetabek. SKM dengan ukuran kecil dengan ukuran maksimum < 50.000 km2 merupakan karakteristik umum di Jabodetabek. Hujan lebat berpotensi banjir pada umumnya terjadi pada pagi hari antara pukul 23:00 – 10:00 WIB. Hasil yang diperoleh menjelaskan adanya pengaruh kondisi atmosfer terhadap pertumbuhan SKM yang diperkuat adanya aliran pasokan uap air yang
masuk dari Samudera Hindia dan Laut Jawa. Dalam penelitian ini diperkenalkan kategori baru SKM di Jabodetabek yaitu TBB ≤ 210 K dengan luas area ≥ 2.000 km2, jika eksentrisitas ≥ 0,7 disebut sebagai deep circular convective system (DCCS) dan jika eksentrisitas < 0,7 disebut sebagai deep elongated convective system (DECS). Terdapat 5 SKM yang digolongkan sebagai DCCS dan 8 SKM yang digolongkan sebagai DECS.
Tahap ketiga menganalisis struktur kinematika dan dinamika SKM terkait dengan hujan lebat di Jabodetabek. Pergerakan SKM pada umumnya mengarah dari Barat ke Timur, menunjukkan adanya pengaruh monsoon (muson) pada perambatan SKM tersebut. Kecepatan gerak SKM yang kecil mampu memodulasi hujan lebat secara signifikan. Terdapat perbedaan kecepatan angin (terutama angin zonal) di atas dan di bawah ketinggian 2 km pada saat munculnya SKM. Kecepatan angin saat munculnya SKM di bawah 2 km lebih lemah sedangkan di atas 2 km lebih kuat dibandingkan dengan kecepatan angin rata-ratanya. Selain itu kandungan uap air di atmosfer (theta-e dan kelembaban relatif) pada saat munculnya SKM antara lapisan 2 – 6 km lebih tinggi dibandingkan dengan rata-ratanya.
Tahap keempat melakukan pengembangan model SKM sebagai penduga hujan lebat berpotensi banjir. Untuk itu dilakukan dua pendekatan model yaitu model statistik dan model numerik. Pemodelan statistik yang menggunakan penduga parameter dan indeks stabilitas atmosfer untuk merepresentasikan aktivitas SKM. Maksud dilakukannya pemodelan statistik tersebut adalah untuk menguji apakah parameter dan indeks stabilitas atmosfer tersebut mampu menghasilkan prediksi curah hujan yang akurat atau tidak. Hasil pemodelan statistik terbaik baik regresi lag berganda maupun regresi komponen utama mempunyai koefisien korelasi hampir 0,5 dan RMSE 15 mm, sedangkan model ARIMAX terbaik mempunyai koefisien korelasi 0,3 dan RMSE 16 mm. Hasil tersebut masih jauh dari harapan untuk memprediksi kejadian hujan lebat secara akurat. Namun kedua model statistik (regresi lag berganda dan regresi komponen utama) mampu menangkap pola puncak curah hujan, meskipun tidak seluruhnya.
Selain pemodelan statistik dalam penelitian ini juga dilakukan uji pemodelan numerik menggunakan weather research forecasting (WRF). Simulasi dilakukan dengan kombinasi 4 kondisi awal dan 5 skema parameter cumulus yang berbeda, sehingga diperoleh 20 kombinasi skenario yang berbeda. Maksud dilakukannya simulasi tersebut adalah untuk menguji apakah skenario model WRF tersebut mampu menangkap pola kemunculan SKM atau tidak. Secara umum hasil keluaran model menunjukkan adanya pola puncak curah hujan yang tertangkap oleh model WRF, meskipun ada beberapa skenario yang menunjukkan waktunya tidak tepat (maju atau mundur). Demikian juga dengan profil vertikal komponen atmosfer (angin, mixing ratio dan theta-e) secara umum mempunyai pola yang mendekati observasi, meskipun ada perbedaan yang relatif kecil. Struktur vertikal reflektivitas hasil luaran model WRF menangkap pola struktur sistem konvektif, meskipun tidak sama waktu tumbuhnya dibandingkan dengan observasi
Improved Understanding of Extreme Precipitation over Indonesia and Future Projections Using GCMs
No full textGlobal warming is expected to cause a non-uniform increase in the distribution of extreme rainfall events, posing significant hydro-meteorological hazards. Understanding past and future extreme rainfall events is vital for Indonesia due to the socio-economic implications of such hazards. This study investigates historical variations in extreme rainfall patterns in Indonesia, particularly their association with prominent climatic phenomena such as El Niño Southern Oscillation (ENSO) and Indian Ocean Dipole (IOD). Subsequently, we aim to simulate the projected alterations in extreme rainfall patterns for Indonesia, utilising Global Climate Models (GCMs), after evaluating their historical performance in depicting the extreme events.
In the past, extreme rainfall in Indonesia has been significantly influenced by natural variability, resulting in drier (during El Niño and positive IOD events) and wetter conditions (during La Niña and negative IOD). These findings elucidate that extreme rainfall is influenced by independent ENSO and IOD more on the northeast and southwest of the country, respectively. Notably, historical extreme rainfall events exhibit their most pronounced effects during the dry seasons (JJA-SON) with comparatively weaker impacts during the wet seasons (DJF-MAM) when subjected to the influences of ENSO and IOD.
In the future, extreme rainfall events in Indonesian are simulated using the most recent GCMs. With the better performance of Multi-Model Ensemble Mean (MMEM) of GCMs compared to individual models, future extreme rainfall events are projected using MMEM to vary seasonally across time periods, spatial resolutions, and climate scenarios. Future extreme wet events are simulated to increase during the wet season across most of Indonesia. Conversely, extreme dry events are expected to increase countrywide during the dry season but decrease (increase) in the half-north (half-south) of the country during the wet season. The medium-resolution (MR) models project smaller changes in extreme wet indices than the low-resolution (LR) models but simulate a more prolonged extreme dry index. Future extreme wet and dry events are anticipated to become more frequent and intense, exceeding historical records, particularly under a "business-as-usual" scenario. These projections necessitate policymakers' careful planning and judicious policy formulation for effective climate change adaptation and mitigation, which is crucial for the country's future development
Characteristics of carbon fluxes and catchment health from Java Major Rivers in Java.
No full textKarbon merupakan unsur kunci dari kehidupan. Siklus karbon penting untuk memahami biosfer dan mekanisme dasarnya. Bertambahnya jumlah penduduk dan meningkatnya aktivitas pembangunan telah menyebabkan karbon di atmosfer semakin meningkat. Dalam siklus karbon tersebut, sungai merupakan komponen penting karena berfungsi sebagai pemindah lateral karbon organik dan inorganik dari daratan menuju lautan, baik dalam bentuk terlarut maupun partikulat. Sungai-sungai di Indonesia diperkirakan memasok karbon organik terlarut sekitar 21 TgC/tahun atau 10% dari total pasokan sungai-sungai di dunia (Baum et al., 2007). Kondisi sungai-sungai di Jawa memiliki karakteristik yang lebih kompleks karena jumlah penduduk yang besar, penggunaan lahan yang intensif, berkembangnya industri dan permukiman, pencemaran dan sebagainya akan berpengaruh terhadap karakteristik fluks karbon sungai. Penelitian dilakukan dengan tujuan: a) Mengkaji karakteristik fluks karbon dari sungai-sungai di Jawa; b) Mengidentifikasi pola kecenderungan dan watak hidrologi; dan c) Menemukan indikator kesehatan DAS. Penelitian ini bersifat eksploratif-investigatif yang dilakukan untuk memperoleh fakta-fakta dari fenomena-fenomena yang ada, mencari dan mengungkapkan keteranganketerangan secara faktual, serta membandingkan obyek penelitian dengan lainnya. Penelitian mengenai karakteristik fluks karbon merupakan penelitian dasar untuk menjawab permasalahan lingkungan, khususnya dalam menjelaskan state of the knowledge dari siklus karbon di Jawa.Carbon derived from land, whether from natural or the result of human production and consumption will partially be dissolved by surface flow into the river and flows into the sea. Forms of carbon in the rivers are organic and inorganic in the form of dissolved and particulate matter. Watershed condition has great influenced on the river carbon fluxes. Carbon is very important as energy source for life in coastal waters and for the process of photosynthesis. There has not been extensive research yet on the relationship between the condition of watershed and carbon. Changes in river flow patterns have significant influence on the carbon cycle, particularly the flux of carbon from rivers. With regards to the above issue, this study aims to: a) assess characteristics of carbon flux from rivers in Java; b) identify trends and patterns in hydrological character; and c) identify level of catchment health as indicator of environmental degradation. This research is both exploratory and investigative to obtain facts of phenomena that exist, locate and disclose information in a factual, and compare with other research objects. The research on carbon flux is a kind of basic research conducted to address environmental problems, particularly in explaining state of knowledge of the carbon cycle that is always developing. Concentration of carbon and the dissolved organic carbon yield of rivers in Java is higher compared with the rivers in the world. The average concentration of dissolved organic carbon in Java about 11.15 mg/l, while the rivers in the world of 5.62 mg/l. This is influenced by a large population and watershed conditions that have degraded. Catchment health index shows most of the watersheds in Java are in critical condition. River which flows into the north of Java is in more critical condition than that into the south of Java. This phenomenon is also reflected in the distribution of carbon flux, where the flux of carbon going to the north of Java greater than that to the south. Some of the factors that cause smaller carbon export to the south of Java are among others: lower carbon concentration, river flow, watershed area, population density, and number of industries. The rivers in Java contributes dissolved organic carbon to the sea about 6.58% of the rivers in Indonesia, or about 0.66% of the rivers in the world. Export of carbon to the north of Java Island is greater than that to the south of Java Island. Based on calculations by the method of partial pressure of CO2 (pCO2), the rivers in Java has less than 4259 μatm. pCO2 of rivers in Java is greater than the rivers in the world, as an example of the Yangtze in China 1125 μatm, the Rhine in Europe 1268 μatm, and Amazon 3067 μatm. While the influence of carbon on the quality of river waters in the Java environment is still very difficult to determine. Up to now there has been unknown quality standard for carbon in the waters in the world. Carbon in the river can not be used as an indicator of the watershed health. To overcome damage to watersheds in Java, it is necessary for an integrated river basin management
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
- …
