Independent
Gambar 70 Struktur hirarki sub elemen kebutuhan pengelolaan DAS optimal
#-7 , !
Pelaku atau aktor yang berperan dalam pengelolaan DAS yang optimal sebagian besar berada pada Sektor III atau Linkages (pengait) dari sistem ini. Variabel pelaku dari A1 sampai A7 berada pada posisi ini, yang berarti tindak;tindakan dari para pelaku ini akan mendukung keberhasilan dari pengelolaan DAS yang optimal, sedangkan jika tidak dilakukan tindakan dari para pelaku ini, maka pengelolaan DAS yang optimal tidak dapat berjalan dengan baik (atau gagal). Variabel A8 (masyarakat/LSM) berada pada Sektor IV atau Independent, yang berarti variabel ini mempunyai kekuatan penggerak (driver power) yang besar, namun mempunyai sedikit ketergantungan terhadap program ini. Pada sektor yang lain (I / Autonomous dan II / Dependent) tidak terdapat variabel pelaku, yang berarti tidak ada variabel dalam sub elemen pelaku ini yang tidak terkait dengan sistem serta tidak ada variabel yang sangat tergantung dari input dan tindakan yang diberikan pada sistem.
Berdasarkan diagram klasifikasi, diketahui bahwa kebutuhan untuk menyukseskan program pengelolaan DAS yang optimal sebagian besar berada pada Sektor III atau
Linkages (pengait) dari sistem ini. Variabel pelaku dari B1 (Penegakan hukum), B2 (Peningkatan luas kawasan lindung), B4 (Peningkatan pengetahuan dan keterampilan aparat), B5 (Restrukturisasi kelembagaan), B6 (Tata Ruang yang tepat), dan B12 (Teknologi pengelolaan DAS) berada pada posisi ini, yang berarti pemenuhan kebutuhan ini akan mendukung keberhasilan dari program pengelolaan DAS yang optimal, sedangkan jika kebutuhan ini tidak dipenuhi, maka pengelolaan DAS yang optimal dapat tidak berjalan dengan baik (atau gagal). Variabel;variabel pada sektor III ini harus dikaji secara seksama karena sifat hubungannya yang tidak stabil tapi sangat berkaitan sekaligus berdampak pada variabel lainnya terutama yang berada di Sektor II (Dependent). Pada sektor II ini terdapat beberapa variabel seperti B3 (Peningkatan pendapatan masyarakat), B7 (Pemberian insentif dan disinsentif), B10 (Pengembangan kearifan lokal), dan B11 (Peningkatan lapangan pekerjaan). Variabel;varibael ini sangat tergantung dari input dan tindakan yang diberikan pada sistem. Untuk variabel B8 (peningkatan stakeholder) berada pada Sektor IV atau Independent, yang berarti variabel ini mempunyai kekuatan penggerak (driver power) yang besar, namun mempunyai sedikit ketergantungan terhadap program ini. Pada Sektor I / Autonomous
tidak terdapat variabel kebutuhan, yang berarti tidak ada variabel dalam sub elemen kebutuhan ini yang tidak terkait.
1
Daerah aliran sungai Cisangkuy terletak antara 06o 59’24” – 07o 13’51” LS dan 107o 28’55” – 107o 39’84” BT yang berada di Kabupaten Bandung. DAS Cisangkuy mempunyai fungsi hidrologis, ekologis yang penting karena merupakan bagian dari Cekungan Bandung yang ditetapkan sebagai kawasan strategis nasional (PP No. 26/2008). Topografi DAS Cisangkuy bervariasi dari ketinggian 2327 m dpl di Gunung Malabar, hingga 661 m di pertemuannya dengan sungai induk, yaitu Sungai Citarum. Sungai Cisangkuy sangat berperan penting dalam memasok kebutuhan air baku untuk konsumsi penduduk kabupaten dan kota Bandung masing;masing sebesar 500 l/dt dan 1800 l/dt. DAS Cisangkuy mempunyai sifat yang menarik ditinjau dari aspek iklim yaitu antara daerah hulu dan daerah hilir mempunyai indeks kelembapan iklim yang berbeda, sifat temperatur, curah hujan, evapotranspirasi yang berbeda dan dampak perubahan iklim yang berbeda pula. Hal ini disebabkan oleh karakteristik biofisik yang berbeda antara hulu dan hilir terutama elevasi dan kelerengan. Karakteristik biofisik yang berbeda tersebut akan membawa konsekuensi logis bagi pendekatan aspek pengelolaan antara hulu dan hilir.
Curah hujan adalah masukan utama sumber air di suatu Daerah Aliran Sungai (DAS). Curah hujan akan mengalir atau meresap menjadi sumber air dalam bentuk air tanah, mata air, sungai, danau atau waduk. Karakteristik DAS (watershed properties) akan menentukan kualitas dan kuantitas air yang mengalir di suatu DAS. Selain penggunaan lahan, variabel DAS lainnya yang relatif tetap (seperti sifat geologi atau tanah, topografi dan kemiringan lereng). Perubahan variabel penggunaan lahan dan kekedapan tanah akan menentukan jumlah resapan dan limpasan air permukaan, secara sederhana dapat diilustrasikan dalam diagram I;O pada Gambar 71.
Gambar 71 Diagram I;O untuk melukiskan kejadian interaksi curah hujan dan sistem DAS
Untuk mengetahui dampak variabilitas hujan dan konversi lahan terhadap debit aliran sungai sangat penting untuk menjamin keberlanjutan sumber air. Curah hujan adalah variabel acak dan mempunyai fluktuasi yang tinggi. Hujan yang berkarakter acak akan menjadi debit aliran dengan sifat yang acak pula, (meskipun hujan relatif lebih independent daripada debit) dan menunjukkan perubahan probabilitas musiman yang ditunjukkan pada Gambar 72 dan Gambar 73. Karena hujan dan debit merupakan variabel acak, maka instrumen statistik dapat digunakan untuk mengetahui perubahan perilakunya. Curah hujan yang berupa impulse diskrit akan berinteraksi dengan hidrograf satuan yang bertindak sebagai fungsi transfer untuk menghasilkan fungsi limpasan atau debit yang berupa rangkaian data deret waktu yang deterministik non;
periodik. Fungsi seperti itu te yang menunjukkan karakteri mempunyai sifat prediktibilit
Gambar 72 Variabilitas dan Variabilitas curah huja setiap DAS dalam skala ru memiliki peranan terhadap li ruang dan waktu. Dampak v lahan terhadap debit aliran kawasan Cekungan Bandu bertumpu pada peningkatan lahan termasuk DAS Cisang bentuk dampaknya adalah Sebagian daerah RA di ka menjadi permukiman dan k produksi di kawasan ini yan lahan telah menyebabkan gan (hujan dan debit). Pengelolaa lahan dan air menjadi salah s 2007).
Dari Gambar 72 dan kuantitas maupun probabilita Cisangkuy di musim kemara hujan rata;rata harian sebesa debit bulanan rata;rata sebe Kedua fungsi curah hujan d
ti itu telah banyak dikenal oleh para peneliti sebaga rakteristik acak namun terkandung elemen;elemen ktibilitas.
as dan probabilitas musiman curah hujan di DAS C h hujan merupakan penyebab utama jumlah kesetim ala ruang dan waktu. Oleh karena itu variabilita adap limpasan. Distribusi curah hujan sangat berva
pak variabilitas hujan yang terkopel dengan dam aliran sungai sangat penting untuk diketahui. Bandung sebagai Kawasan Strategis Nasional
atan ekonomi, menyebabkan kawasan ini mengala isangkuy yang menjadi bagian Cekungan Bandu dalah berkurangnya daerah resapan air (rechar
di kawasan Cekungan Bandung telah banyak dan kawasan industri akibat tekanan populasi yang semakin meningkat (Wangsaatmaja 2004 gangguan terhadap keseimbangan komponen elolaan DAS yang kurang memperhatikan integras salah satu akar permasalahan di kawasan ini (Pribad dan Gambar 73 dapat dianalisis bahwa kejadian abilitas yang terjadi pada curah hujan dan debit lim emarau dan musim hujan. Pada saat musim hujan sebesar 10.5 mm dengan densitas probabilitas se sebesar 20 m3/detik dengan densitas probabilita ujan dan debit menunjukkan fungsi densitas pro
sebagai fungsi chaos lemen periodik yang
DAS Cisangkuy kesetimbangan air di
abilitas curah hujan t bervariasi terhadap an dampak konversi Pengembangan ional (KSN) yang engalami eksploitasi Bandung. Salah satu
charge area/RA). nyak beralih fungsi pulasi dan aktivitas a 2004). Eksploitasi utama hidrologi ntegrasi antara aspek (Pribadi dan Oktavia ejadian kontras baik bit limpasan di DAS hujan (DJF), curah itas sebesar 4% dan abilitas sebesar 2%. tas probabilitas log;
normal yang melebar ke kanan. Hal ini dapat ditafsirkan bahwa kedua parameter tersebut mempunyai potensi kecenderungan nilai ekstrem ke sebelah kanan pada musim penghujan. Probabilitas untuk menemukan nilai ekstrem kanan akan semakin besar untuk masa;masa mendatang yang berakibat volume limpasan semakin besar. Aspek pengelolaan dalam tahap perencanaan perlu mempertimbangkan nilai;nilai esktrem tersebut dalam rangka antisipasi dan mitigasi bencana seperti banjir, lonsor dan bencana lain terkait variabilitas iklim. Sebaliknya kontras pada musim kemarau (JJA), dengan rata;rata curah hujan harian sebesar 1.7 mm dan debit bulanan 10 m3/detik dengan probabilitas sangat kecil dengan bentuk fungsi densitas probabilitas eksponensial yang memuncak ke arah nol. Dengan demikian potensi kekeringan secara hidrologis masa; masa mendatang semakin besar. Potensi kejadian ini pula harus masuk pada tahap perencanaan.
Gambar 73 Variabilitas dan probabilitas debit akibat pengaruh musiman di DAS Cisangkuy
Berdasarkan analisis spektrum dan metode wavelet yang diuraikan pada Bab 3 maka dalam sepuluh tahun terakhir, terjadi penurunan debit pada musim kemarau namun peningkatan debit pada musim penghujan dan menimbulkan bencana banjir di beberapa kawasan sehingga perlu dikaji dari aspek variabilitas iklim. Data curah hujan dan debit bulanan dari tahun 2000;2011 telah diolah dengan menggunakan analisis
Coefficient of Variation (CV), wavelets dan moving average (simple, exponential, adaptive). Hasil analisis menunjukkan bahwa data curah hujan bulanan dari empat stasiun: Cileunca CV~78%, Kertamanah CV~82%, Cipanas CV~84%, Ciherang CV~70%, mempunyai osilasi dominan sekitar 8;16 bulan (annual oscillation) dan data debit dari dua stasiun hidrologi (Pataruman, CV~97% dan Kamasan, CV~86%) mempunyai osilasi masing;masing sekitar 128 bulan (ten to twelve oscillation) dan sekitar 64 bulan (ENSO oscillation, osilasi 2;5 tahunan). Dari hasil analisis metoda
peningkatan periode debit lima tahunan yang signifikan selama interval waktu pengamatan yang menimbulkan peristiwa banjir di daerah Kamasan Banjaran. Osilasi 8; 16 bulan terkait erat dengan pergerakan semu Matahari Utara;Selatan yang menyebabkan variasi regional unutk intensitas monsun. Sedangkan osilasi 128 bulan berkorelasi dengan osilasi temperatur troposfer tropis yang berosilas antara 10;12 tahun. Osilasi 64 bulan berhubungan erat dengan fenomana El Niño (kondisi hangat) dan La Niña (kondisi dingin) di Pasifik Tropis yang berosilasi 2;7 tahun dan dikenal dengan siklus ENSO.
Model hubungan antara curah hujan dan elevasi dikaji pada Bab 3 berdasarkan data curah hujan spasial bulanan dari WorldClim selama 50 tahun dan Digital Elevation Model (DEM) dari CGIAR;CSI di DAS Cisangkuy. Kedua data tersebut telah dikaji dan dianalisis untuk mengatahui hubungan antara curah hujan dan elevasi. Pengkajian didasarkan pada penurunan profil curah hujan terhadap elevasi dengan menggunakan SIG dari elevasi 650 m di atas permukaan laut (dpl) yaitu hilir sungai Cisangkuy sampai 1530 m dpl yaitu daerah hulu Situ Cileunca (Garis CD). Analisis regresi menunjukkan hubungan yang kuat antara curah hujan bulanan dan elevasi dengan rata;rata koefisien korelasi sebesar 89%. Peningkatan curah hujan dengan elevasi rata;rata 11.62 mm setiap 100 m kenaikan elevasi pada garis profil CD (Gambar 19), kecuali pada bulan Agustus kenaikan terjadi sampai ketinggian 1156 m lalu turun dengan laju 9.5 mm setiap penurunan 100 m. Musim penghujan yang diwakili oleh bulan DJF mempunyai kenaikan sebesar 17.7 mm dan musim kemarau yang diwakili bulan JJA mempunyai kenaikan sebesar 5.9 mm setiap 100 m kenaikan elevasi. Dengan menggunakan analisis regresi curah hujan bulanan terhadap elevasi maka akan didapat model yang sederhana namun efektif untuk pendugaan curah hujan pada berbagai elevasi di daerah aliran sungai tersebut. Di dapatnya hubungan antara curah hujan dan elevasi akan sangat mempengaruhi proses penanganan dalam pengelolaan DAS di daerah berlereng. Besar limpasan pada daerah;daerah dengan kelerengan atau kemiringan lahan tinggi sangat dipengaruhi oeh besar curah hujan, vegetasi, jenis tanah dan faktor;faktor pengelolaan.
Pola sebaran spasial curah hujan di DAS Cisangkuy membentuk dipole antara hulu dan hilir. Curah hujan di hulu relatif selalu lebih tinggi dari daerah hilir baik pada musim basah maupun musim kering. Analisis ini membuktikan hipotesis awal bahwa DAS dataran tinggi berperan sebagai menara air tawar (fresh water tower) di daerah tropis. Bahkan di musim kering selalu muncul bentangan curah hujan pada elevasi 920; 1100 m dengan kelerengan antara 20;40 derajat. Lokasi tersebut perlu mendapatkan prioritas penanganan karena akan mengakibatkan kecepatan limpasan permukaan yang tinggi terlebih bila curah hujan tinggi saat musim basah. Pola dipole tersebut terjadi pula pada besaran temperatur, evapotranspirasi dan potensi defisit serta surplus cadangan air permukaan, sehingga karakteristik DAS Cisangkuy menunjukkan dua lokasi dengan indek kelembapan iklim yang berbeda antara hulu dan hilir.
Dalam rangka mitigasi, peringatan dini dan skenario dari variabilitas iklim ke masa depan di DAS Cisangkuy maka perlu dikembangkan teknik prediksi untuk melengkapi metode;metode yang telah tersedia. Oleh karena itu pada Bab 5 dikembangkan model prediksi deret waktu berbasis linear dan nonlinear. Sesuai dengan karakteristik data maka metode analisis deret waktu linear dan non;linear yang sesuai telah diterapkan untuk mendapatkan nilai statistik deskriptif, probabilitas, pemodelan dan prakiraan ke depan berbasis data curah hujan bulanan dari tahun 1993 sampai 2011 di atas Situ Cileunca yang berada di DAS Cisangkuy Kabupaten Bandung. Data curah hujan bulanan terdiri dari 230 data dengan koefisien variabilitas sebesar 78%,
sedangkan untuk pemodelan digunakan 200 data dalam rangka memperoleh parameter non;linear optimal. Langkah pertama dicari waktu tunda dari keseluruhan data yang diterapkan dengan menggunakan metode autokorelasi dan informasi mutual yang menghasilkan waktu tunda 2 lalu dicari dimensi embedding secara iterasi. Diperoleh dimensi embedding 23 dengan koefisien korelasi 0.6 yang merupakan nilai paling besar dari 30 dimensi embedding yang dicoba. Dimensi embedding 23 merupakan batas atas dari jumlah variabel bebas yang cukup untuk pemodelan dinamika curah hujan. Hasil prediksi musiman atau antar musiman sangat bermanfaat dalam proses perencanaan pengelolaan DAS. Apabila dikombinasikan dengan hasil pada Bab 3 dimana pengaruh musiman dan ENSO sangat dominan pada curah hujan dan debit maka hasil;hasil prediksi dan juga metode yang dikembangkan akan membantu dalam perencanaan pengelolaan DAS jangka pendek dan menengah.
Dampak variabilitas dan perubahan iklim telah mendapat perhatian intensif dan serius yang mendorong penelitian ke arah tersebut selama beberapa dekade terakhir. Hasil penelitian menunjukkan bahwa variabilitas dan perubahan iklim dapat mempengaruhi sifat;sifat dan pola hidroklimat di berbabagai tempat. Hal ini akan berdampak pula terhadap perubahan sistem tata kelola air di suatu DAS. Atribusi perubahan iklim perlu diidentifikasi karena banyaknya elemen yang membangun sistem iklim Bumi. Perubahan iklim adalah perubahan variabel iklim seperti temperatur, curah hujan (presipitasi), kelembapan, tekanan, angin, radiasi dan sebagainya. Secara garis besar perubahan iklim dapat diwakili terutama oleh perubahan temperatur udara permukaan, seperti kecenderungan temperatur yang diteliti di DAS Cisangkuy pada Gambar 74 dan perubahan curah hujan yang terjadi secara berangsur;angsur dalam jangka waktu yang panjang antara periode 30 tahunan ditunjukkan pada Gambar 75, sedangkan unsur;unsur lain mengakibatkan atau terpengaruh oleh kedua unsur iklim tersebut (NAS and TRS, 2013).
Dalam tataran pengelolaan DAS konvensional, variabilitas dan perubahan iklim masih dipandang sebagai dua fenomena yang berada diluar kendali pengelolaan dan dianggap sebagai fenomena yang terjadi begitu saja secara natural. Kekeliruan cara pandang tersebut mulai disadari di seluruh dunia dengan munculnya realitas dampak negatif terhadap kehidupan. Dampak negatif pada skala DAS mulai terasa dengan munculnya kejadian;kejadian ekstrem seperti banjir dan kekeringan. Program;program perencanaan mulai memasukan variabilitas dan perubahan iklim dengan berbagai kemungkinan skenario dalam rangka mitigasi dan adaptasi.
Untuk membedakan variabilitas iklim secara alami dan perubahan iklim yang dipicu oleh manusia maka diperlukan sejumlah data yang panjang dan lengkap. Dekade merupakan kerangka waktu minimum untuk mendeteksi perubahan temperatur, akan tetapi sangat sulit untuk mendeteksi perubahan curah hujan. Perubahan curah hujan akan jelas terlihat dengan melakukan analisis PDF (Probability Density Function), seperti pada Gambar 75.
Gambar 75 Perubahan curah hujan pada musim basah (DJF) di DAS Cisangkuy Dapat diterangkan dengan merujuk pada Gambar 68 bahwa data curah hujan pada periode 1911;1940 mempunyai nilai kurtosis 2.46 dan skewness 1.58 (Weibull (3)) dengan bentuk lancip yang tidak simetris berubah menjadi nilai kurtosis ;0.89 dan
skewness 0.29 (Weibull (2)) pada periode 1921;1950 yang lebih landai dan simetris lalu berubah lagi menjadi nilai kurtosis ;0.92 dan skewness 0.04 (Gamma (2)) yang landai dan lebih simetris di periode 1971;2000.
Memahami iklim di suatu DAS dan kecenderungan (trend) dalam temperatur, curah hujan dan kejadian;kejadian ekstrem lainnya merupakan hal penting dan vital dalam aspek pengelolaan DAS terutama tahap perencanaan untuk mitigasi dan adaptasi bagi kehidupan manusia. Karena kecenderungan perubahan dan kejadian;kejadian ekstrem tersebut berada diluar kendali manajemen atau pengelolaan sumberdaya air, lahan dan komponen DAS lainnya yang telah berlangsung beberapa dekade. Dengan munculnya dampak perubahan iklim di berbagai sisi kehidupan manusia maka sangat perlu dan penting untuk memasukan dampak;dampak yang mungkin terjadi di masa mendatang kedalam perencanaan pengelolaan sumberdaya air, lahan dan sumberdaya DAS lain.
Iklim adalah kontruksi statistik yang dihitung dari sampel data meteorologi selama periode tertentu yang menurut konvensi pertemuan WMO tahun 1937 periode sampling tersebut selama 30 tahun (Larson 2012). Model iklim tidak memodelkan iklim secara langsung, tetapi hanya menghitung pemecahan persamaan evolusi keadaan sesaat sistem iklim atau sistem Bumi lalu dituliskan data tersebut dalam file histori yang kemudian diproses untuk menghitung rata;rata klimatologi. Oleh karena itu, untuk mengidentifikasi perubahan iklim dalam suatu daerah secara regional atau bahkan dalam skala lokal sepeti daerah aliran sungai dibutuhkan data pengamatan dalam selang waktu minimal dekade (WMO 2013) atau bahkan 30 tahun.
Dalam kajian perubahan iklim, digunakan anomali curah hujan yaitu perbedaan antara curah hujan pada periode yang dikaji dengan periode baseline yang dihitung
dengan merata;ratakan selama 30 tahun atau lebih (NOAA, 2014). Anomali positif menunjukkan curah hujan yang dikaji lebih besar dari baseline, sedangkan anomai negatif adalah curah hujan yang dikaji lebih kecil dari baseline.
Hasil proyeksi model iklim global (GCM) resolusi 1 km dengan skenario paling besar RCP85 (Representative Concentration Pathways 8.5 W/m2) dan paling rendah RCP26 (Representative Concentration Pathways 2.6 W/m2) ditunjukkan pada Gambar 76 dan Gambar 78. Gambar;gambar tersebut dianalisis untuk mengetahui anomali curah hujan masa depan terhadap garis dasar (baseline) rata;rata tahun 1950;2000.
Gambar 76 Anomali curah hujan rata;rata 2041;2060 terhadap rata;rata baseline
(1950;2000) pada musim basah dengan skenario RCP26 (A) dan RCP85 (B).
RCP adalah trayektori konsentrasi gas rumah kaca (bukan emisi) yang diadopsi oleh IPCC dalam laporan penilaian kelima (fifth Assessment Report (AR5)). RCP digunakan di dalam pemodelan iklim dan penelitian yang mensimulasikan kemungkinan iklim masa depan. Semua kemungkinan telah diperhitungkan, sehingga simulasi bergantung pada berapa banyak gas rumah kaca yang diemisikan pada tahun;tahun mendatang. Empat skenario RCP yang digunakan IPCC yaitu RCP26, RCP45, RCP6 dan RCP85 dengan nilai radiative forcing pada tahun 2100 relatif terhadap nilai sebelum masa revolusi industri masing;masing (2.6, 4.5, 6.0 dan 8.5 W/m2). Perubahan dalam radiative forcing terkait dengan kenaikan GRK di atmosfer yang akan meningkatkan pemanasan di permukaan4
Gambar 77 Anomali curah hujan rata;rata 2061;2080 terhadap rata;rata baseline
(1950;2000) pada musim basah dengan skenario RCP26 (A) dan RCP85 (B)
Didasarkan pada proyeksi model iklim NorESM1;M, maka pada musim basah atau musim penghujan (DJF) nilai anomali curah hujan positif secara spasial dari kedua skenario (RCP26 dan RCP85) untuk rata;rata 2041;2060 dan rata;rata 2061;2080 yang ditunjukkan pada Gambar 67 dan Gambar 68. Dengan skenario RCP26 kemungkinan terjadi peningkatan curah hujan di periode rata;rata 2041;2060 pada musim basah sebesar 4;7 mm/bulan dan skenario RCP85 pada rentang 15.5;24.5 mm/bulan. Pada periode rata;rata 2061;2080 dengan skenario RCP26 kemungkinan terjadi kenaikan curah hujan sebesar rentang 1.5;5.5 mm/bulan dan skenario RCP85 mengalami kenaikan sebesar rentang 39;67.5 mm/bulan. Secara umum proyeksi perubahan curah hujan menunjukkan lebih variasi karena curah hujan dipengaruhi oleh variasi geografi lokal. Bagian selatan daerah penelitian (bagian hulu) DAS Cisangkuy didominasi oleh pegunungan dengan dengan ketinggian antara 1500;2050 m dpl, sehingga proyeksi kenaikan curah hujan yang relatif besar terlihat jelas bila dibandingkan dengan daerah utaranya (daerah hilir) yang mempunyai ketinggian rata;rata 650 m dpl.
Proyeksi perubahan temporal musiman anomali curah hujan minimum dan maksimum dapat ditunjukkan pada Gambar 78 dan Gambar 79dengan skenario RCP26 dan RCP85 pada rata;rata periode tahun 2041;2060 dan 2061;2080.
Gambar 78 Pola temporal proyeksi anomali curah hujan bulanan minimum (A) dan Maksimum (B) pada periode 2041;2060 dengan skenario RCP26 dan RCP85
Pada Gambar 78 terlihat bahwa pola curah hujan musim basah pada periode rata;rata 2041;2060 terjadi pergeseran musim. Musim basah dimulai dari pertengahan Oktober;Nopember;Desember;pertengahan Januari dan nilai curah hujan kemungkinan akan naik. Musim kering dimulai dari pertengahan Juli;Agustus;September;pertengahan Oktober dan kemungkinan curah hujan akan berkurang pada musim kering tersebut. Dengan kata lain secara temporal, berdasarkan skenario RCP85 maka musim basah akan semakin basah dengan anomali bernilai positif pada rentang 12;58 mm/bulan dan musim kering akan semakin kering dengan anomali bernilai negatif pada rentang ;28 sampai ;11 mm/bulan. Berdasarkan skenario RCP26 dapat ditunjukkan pada Gambar 7 bahwa musim basah akan semakin basah dengan rentang anomali 2;45 mm/bulan dan musim kering akan semakin kering dengan rentang nilai ;27 sampai ;3 mm/bulan. Hasil ini didukung oleh hasil penelitian Naylor at al., 2007 tentang pengaruh perubahan iklim terhadap curah hujan di pulau Jawa. Hasil penelitian Naylor at al. 2007 menunjukkan bawah kemungkinan kenaikan curah hujan pada musim panen (April;Juni) sebesar ~10% dan penurunan pada musim kering sebesar 50% di Jawa Barat dan Tengah pada tahun 2015 berdasarkan skenario A2. Namun penelitian ini masih menggunakan model iklim Ar4 tetapi sudah mengakomodasi efek lokal dengan dikembangkannya EDM (Emperical Downscaling Model). Model ini mampu menangkap hubungan antara presipitasi sub;grid lokal dan variabel skala luas, topografi lokal dan rekaman pengamatan yang berkualias dan memenuhi durasi yang cukup untuk menentukan hubungan empiris yang akurat.
Pada Gambar 79 terlihat bahwa anomali curah hujan di musim basah akan meningkat dalam nilai minimum maupun maksimum dan kemungkinan durasi musim basah akan lebih panjang mulai Oktober;Maret pada periode 2061;2080 dibandingkan dengan pada periode 2041;2060. Perubahan iklim yang diindikasikan dengan