PENGEMBANGAN MODEL FAVEUR UNTUK PENILAIAN
KINERJA HIDROLOGIS
GREEN ROOF
DI ILE DE FRANCE, PRANCIS
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2014
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI
Dengan ini saya menyatakan bahwa tesis berjudul Pengembangan Model FAVEUR untuk Penilaian Kinerja Hidrologis Green Roof di Ile de France, Prancis adalah benar karya saya dengan arahan pembimbing dari Prancis dan dari komisi pembimbing di IPB serta telah diajukan sebagai laporan magang penelitian kepada Université Paul Sabatier dan le Centre d’Etudes Techniques de l’Equipement Ile de France (CETE IdF). Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini.
RINGKASAN
LISMA SAFITRI. Pengembangan Model FAVEUR untuk Penilaian Kinerja Hidrologis Green Roof di Ile de France, Prancis. Dibimbing oleh PRASTOWO dan NORA HERDIANA PANDJAITAN.
Pemanfaatan green roof meningkat secara signifikan selama 10 tahun terakhir. Hal ini terlihat dari bertambahnya jumlah green roof di perkotaan. Kinerja dari berbagai green roof ini berbeda-beda. Tetapi saat ini khususnya di Ile de France (Prancis) belum ada sebuah metode yang dapat digunakan untuk menilai kinerja hidrologis green roof. Hal ini menjadi permasalahan tersendiri baik bagi kalangan produsen maupun konsumen. Sehubungan dengan permasalahan tersebut tujuan dari penelitian ini adalah untuk menyusun sebuah tools dari pengembangan model FAVEUR untuk menilai kinerja hidrologis green roof.
Dalam penelitian ini ditentukan 2 kriteria hidrologis green roof yaitu kriteria koefisien limpasan (CR) dan kriteria retensi (Ab). Analisis kedua kriteria tersebut dihitung dalam 3 skala waktu yaitu tahunan, musiman dan setiap kejadian hujan. Kriteria koefisien limpasan dan retensi tersebut menunjukkan korelasi yang baik dengan kapasitas intersepsi (Cint). Variasi parameter FAVEUR seperti
kapasitas intersepsi, koefisien tanaman (Kcint), kapasitas transfer (Ctra) dan
geometri horizontal (Ttra) secara acak dengan simulasi ncalc=500 untuk skala
tahunan, musiman dan setiap kejadian hujan menghasilkan nilai koefisien limpasan tahunan rata-rata antara 0.24-0.50, retensi tahunan rata-rata antara 301-470 mm, koefisien limpasan musim panas rata-rata antara 0.02 – 0.33, koefisien limpasan musim dingin rata-rata antara 0.49 – 0.70, retensi musim panas rata-rata antara 218-327 mm dan retensi musim dingin rata-rata antara 84-143 mm. Selain itu diperoleh juga untuk setiap kejadian hujan nilai koefisien limpasan minimum selalu sama dengan 0, koefisien limpasan maksimum selalu sama dengan 1 dan koefisien limpasan rata-rata antara 0.22-0.39. Di samping itu nilai retensi kejadian hujan maksimum selalu berbanding lurus dengan kapasitas intersepsi dalam interval 12-100 mm, retensi minimum selalu sama dengan 0 dan retensi rata-rata antara 5.13-44.46 mm. Berdasarkan hasil simulasi tersebut dapat disimpulkan bahwa secara umum kriteria koefisien limpasan berbanding terbalik dengan kapasitas intersepsi, sedangkan kriteria retensi berbanding lurus dengan kapasitas intersepsi.
Berdasarkan hubungan kriteria hidrologis green roof terhadap kapasitas intersepsi,disusun 48 persamaan polinomial koefisien limpasan dan retensi dalam skala tahunan, musiman dan setiap kejadian hujan dengan kapasitas intersepsi sebagai parameter utama. Berdasarkan hubungan kriteria hidrologis green roof dan karakteristik green roof terhadap kapasitas intersepsi disusun sebuah tools yang dapat digunakan untuk menilai kinerja hidrologis green roof dalam format Excel©. Tools ini sangat mudah digunakan dan dengan memasukkan data input berupa kapasitas maksimum substrat (CME), ketebalan substrat dan jenis vegetasi green roof, kinerja hidrologis green roof dapat dihitung.
SUMMARY
LISMA SAFITRI. Development of FAVEUR Model for Assesing Hydrological Performance of Green Roof at Ile de France, France. Supervised by PRASTOWO and NORA HERDIANA PANDJAITAN.
Utilization of green roof in urban area has increased significantly in the last ten years. The performance of green roof is different one to another. However nowadays especially in Ile de France (France) there is no tools which can be used to assess the hydrological performance of green roof. Certainly it becomes a problem for both the producers and consumers. The purpose of this study was to develop an assessment tools based on FAVEUR model for analyzing the green roof performance in urban areas.
In this research, there were 2 hydrogical criteria : runoff coefficient criteria (CR) and retention criteria (Ab) which were calculated for different time-scales; annual, seasonal and rain event. Those criteria showed a good correlation with the interception capacity (Cint). The simulation of FAVEUR parameters
variation with ncalc=500 for annual, seasonal and rain event time scales showed that mean annual runoff coefficient between 0.24-0.5, mean annual retention between 301 - 470 mm, mean summer runoff coefficient between 0.02 – 0.33, mean winter runoff coefficient 0.49 – 0.7, mean summer retention between 218-327 mm and mean winter retention between 84-143 mm. Then for rain event time scales, the minimum value of runoff coefficient always equal zeros, the maximum value of runoff coefficient always equal 1 and the mean runoff coefficient between 0.22-0.39. Besides, the maximum retention was directly proportional to interception capacity in interval 12-100 mm, the minimum retention was continuously equal 0 and the mean retention between 5.13-44.46 mm. Based on those simulations, it can be concluded that the runoff coefficient criteria was inversely proportional to interception capacity while the retention criteria was directly proportional to interception capacity.
According to the correlation between runoff coefficient and retention criteria with interception capacity, 48 polynomial equations were created in 3 times scales: annual, seasonal and rain event. Based on those equations, the green roof’s hydrological tools was developed using Excel© format for analyzing hydrological performance of green roof at 3 different time scales. The model was easy to use to evaluate the hydrological performance of green roof by varying characteristics of green roof such as the maximum capacity of substrat (CME), the substrat’s thickness and the type of vegetation.
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains
pada
Program Studi Teknik Sipil dan Lingkungan
LISMA SAFITRI
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2014
PENGEMBANGAN MODEL FAVEUR UNTUK PENILAIAN
KINERJA HIDROLOGIS
GREEN ROOF
Judul Tesis : Pengembangan Model FAVEUR untuk Penilaian Kinerja Hidrologis Green Roof di Ile de France, Prancis
Nama : Lisma Safitri NIM : F451110081
Disetujui oleh Komisi Pembimbing
Dr Ir Prastowo, MEng Ketua
Dr Ir Nora H. Pandjaitan, DEA Anggota
Diketahui oleh
Ketua Program Studi
Teknik Sipil dan Lingkungan
Dr Satyanto K. Saptomo, STP, M.Si
Dekan Sekolah Pascasarjana
Dr Ir Dahrul Syah, MScAgr
PRAKATA
Puji dan syukur dipanjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga tesis ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari hingga bulan Juni 2013 ini adalah kinerja hidrologis green roof, dengan judul Pengembangan Model FAVEUR untuk Penilaian Kinerja Hidrologis Green Roof di Ile de France, Prancis.
Dengan selesainya penyusunan tesis ini disampaikan ucapan terima kasih kepada :
1. Dr. Emmanuel BERTHIER selaku pembimbing magang di CETE IdF, Prancis atas kesempatan magang penelitian yang telah diberikan serta atas segala bimbingan dan arahannya
2. Dr. Ir. Prastowo, M.Eng selaku ketua komisi pembimbing yang telah memberikan masukan, arahan serta bimbingan untuk perbaikan kualitas penelitian serta penulisan
3. Dr. Ir. Nora H. Pandjaitan, DEA selaku anggota komisi pembimbing yang telah memberikan bimbingan untuk dapat menyelesaikan program DDIP ini dengan baik
4. Beasiswa Unggulan Dalam Negeri DIKNAS untuk kesempatan studi pascasarjana yang telah diberikan dan Beasiswa Unggulan Luar Negeri DIKTI atas kesempatan pembiayaan studi Master tahun kedua di Prancis 5. Suami dan anak tercinta : Suranto Wahyu W dan Ghazaliy Arrayan W,
keluarga Medan tercinta : Bapak Suparno, Ibu Alm. Satimah, Ibu Endang TR, adik M. Fadly, ST serta keluarga Sragen tercinta : Bapak Supadi, Ibu Sri Suwarsih, mas Agus Sriwanto, SE, mbak Lukito Ningsih, Amd dan mbak Puji Astuti, SPd atas doa yang tak pernah henti dan dukungan yang terus mengalir serta kasih sayang yang diberikan
6. Dr. Jérôme VIERS selaku penanggung jawab program Mastère2 Hydrologie, Hydrochimie, Sol et Environnement (H2SE) di Université Paul Sabatier atas kesempatan serta bimbingannya
7. Teman – teman SIL IPB : Habib, Angga, Dwinata, Ifah, Helena, Yasmin, Farid, Puji, Nasir, Rantau, Sikom, Nesh atas segala bantuan yang telah diberikan serta kebersamaan yang tak terlupakan
8. Teman – teman di program M2 H2SE : Fadoua BAALI, Clemens Von SCHEFFER, Duc M NGUYEN, Laurie CAILLOT, Yoan MALBETAU, Nabil ELMOCHYAD dan lain-lain untuk pertemanan, bantuan, semangat, serta kebersaman yang telah tercipta
9. Tim CETE IdF : Samuel SORHAITS, Gaëlle ARDENOY, Wolfgang BORST dan teman-teman magang : Mustapha BOUKIRAT, Qingxiao ZHOU, Elise ROLLAND, Marine CAVERNE untuk kebersaman yang luar biasa serta bantuan yang telah diberikan selama magang
Semoga karya ilmiah ini bermanfaat.
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR ISTILAH vii
1 PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 3
Ruang Lingkup Penelitian 3
2 TINJAUAN PUSTAKA 4
Green Roof 4
Manfaat Green Roof untuk Pengelolaan Air Hujan Perkotaan 6
Model FAVEUR 8
Validasi Hasil Simulasi Model FAVEUR 10
Korelasi Model FAVEUR dengan Karakteristik Green Roof 12
3 METODE 13
Waktu dan Tempat 13
Alat dan Bahan 13
Prosedur Penelitian 13
4 HASIL DAN PEMBAHASAN 19
Analisis Keluaran Model 19
Kriteria Hidrologis untuk Green Roof Referensi 24
Hubungan Kriteria Hidrologis Green Roof dengan Cint 28
Analisis Sensitivitas Parameter Simulasi Model FAVEUR 36
Formulasi Pengembangan Model FAVEUR dengan Tools 39
5 SIMPULAN DAN SARAN 43
Simpulan 43
Saran 43
DAFTAR PUSTAKA 44
DAFTAR TABEL
1 Sistem perawatan dan karakteristik green roof ekstensif dan intensif
(ADIVET 2007) 5
2 Nilai parameter model FAVEUR yang paling optimal untuk
6 jenis green roof eksperimental di CETE IdF (Pinta 2012) 12 3 Pengembangan model FAVEUR yang dilakukan dalam penelitian 18
4 Hasil perhitungan dengan tools operasional green roof dalam format Excel© untuk CME 30%, ketebalan substrat = 10 cm dan jenis vegetasi
“S” 40
5 Hasil perhitungan dengan tools operasional green roof dalam format Excel© untuk CME 20%, ketebalan substrat = 3 cm dan jenis vegetasi
“S” 40
6 Hasil perhitungan dengan tools operasional green roof dalam format Excel© untuk CME 30%, ketebalan substrat = 10 cm dan jenis vegetasi
“G” 41
7 Hasil perhitungan dengan tools operasional green roof dalam format Excel© untuk CME 20%, ketebalan substrat = 3 cm dan jenis vegetasi
“G” 41
DAFTAR GAMBAR
1 Road Map TVGEP (Gouvello dan Christophe 2009) 2
2 Struktur green roof (Lasalle 2008) 4
3 Perbandingan limpasan tahunan dari berbagai atap (Mentens et al.
2006) 6
4 Berbagai komposisi struktur green roof di CETE IdF (Berthier dan
Ramier 2010) 7
5 Struktur model FAVEUR (Pinta 2012) 8
6 Perbandingan Qsimulasi dan Qobservasi green roof referensi V0 tiap 180
detik untuk periode 15 Juni 2011-15 Juni 2012 (Pinta 2012) 11 7 Perbandingan Qsimulasi dan Qobservasi green roof V1 tiap 180 detik untuk
periode 15 Juni 2011-15 Juni 2012 (Pinta 2012) 11
8 Diagram alir penelitian 14
9 Plu1 untuk periode 1993-2011 (mm/ dT1) 19
10 Plu_ev untuk periode 1993–2011 (mm/ kejadian hujan) 20
11 Plu_an untuk periode 1993–2011 (mm/tahun) 20
12 ETP 1 untuk periode 1993-2011 (mm/ dT1) 21
13 Fungsi Q1 terhadap dT1 (mm/dT1) untuk periode 1993-2011 22
14 Fungsi Plu1 dan Q1 terhadap dT1 (mm / dT1) untuk periode 1993-2011 22
15 CR tahunan dan musiman untuk green roof referensi pada ncalc=1 24
16 Ab tahunan dan musiman untuk green roof referensi pada ncalc=1 24
17 Distribusi kriteria CR, Ab, qmax kejadian hujan green roof referensi terhadap curah hujan dan frekuensinya dalam histogram 26
19 Kurva CR dan Ab tahunan serta fungsinya terhadap Cint untuk
ncalc=500 28
20 Kurva CR dan Ab musiman terhadap Cint untuk ncalc=500 30
21 Kurva CR dan Ab kejadian hujan dan kejadian hujan terpilih terhadap
Cint untuk ncalc=500 31
22 Sensitivitas CR_an dan CR_ev rata-rata dan median terhadap ncalc 37
23 Sensitivitas Ab_an dan Ab_ev rata-rata dan median terhadap ncalc 37
24 Sensitivitas CR_ev dan Ab_ev rata-rata dan median terhadap d’ev 38
DAFTAR ISTILAH
Ttra (mm) Geometri horizontal green roof
Plu1 (mm) Data curah hujan tiap 300 detik untuk periode 1993-2011
ETP1 (mm) Data evapotranspirasi tiap 300 detik periode 1993-2011 ET (mm) Evapotranspirasi aktual
Sint(mm) Simpanan air dalam reservoir intersepsi
I (mm/ satuan waktu) Infiltrasi
Stra (mm) Simpanan air reservoir transfer
Qtra (mm) Limpasan reservoir transfer
Q1 (mm) Limpasan reservoir ransfer tiap 300 detik
S Jenis vegetasi sedum
G Jenis vegetasi rumput (graminée)
dT1 Time step data masukan tiap 300 detik dT2 Time step data simulasi tiap 300 detik
ncalc Jumlah simulasi
d’ev Durasi kejadian hujan
ddeb_an, ddeb_ete ddeb_hiv, ddeb_ev
Waktu dimulainya periode tahunan, musim panas, musim dingin dan kejadian hujan
dfin_ev Waktu berakhirnya periode kejadian hujan Sintinit (mm) Simpanan air awal reservoir intersepsi
Strainit (mm) Simpanan air awal reservoir transfer
CR_an, CR_ete, CR_hiver
Kriteria koefisien limpasan tahunan, musim panas dan musim dingin
Q1_an , Q1_ete, Q1_hiv (mm)
CR_ev Kriteria koefisien limpasan tiap kejadian hujan Plu_ev (mm) Curah hujan tiap kejadian hujan
Ab_an, Ab_ete, Ab_hiver (mm)
Kriteria retensi tahunan, musim panas dan musim dingin Ab_ev Kriteria retensi tiap kejadian hujan
qmax (l/ det/ ha) Debit spesifik maksimum tiap kejadian hujan
q25 Batas nilai dimana 25% data pengamatan lebih kecil atau sama dengan nilai q25
1
PENDAHULUAN
Latar Belakang
Salah satu konsekuensi dari urbanisasi adalah peningkatan lahan terbangun. Hal ini berdampak pada penurunan infiltrasi air limpasan dan meningkatnya volume air limpasan yang berpotensi menimbulkan banjir. Untuk mengatasinya saat ini banyak dilakukan alternatif upaya pengelolaan air hujan perkotaan, tetapi umumnya membutuhkan ketersediaan lahan yang luas. Oleh sebab itu, diupayakan alternatif lain seperti pemanfaatan atap rumah berupa green roof. Pemanfaatan permukaan atap (40-50% dari permukaan terbangun) dengan menggunakan green roof, diharapkan mampu menghijaukan dan juga mengoptimalkan pengelolaan air hujan (Palla et al. 2009).
Saat ini di Prancis penggunaan green roof sedang berkembang. Manfaat green roof, khususnya dalam pengelolaan air hujan diantaranya adalah mengurangi air limpasan karena adanya peningkatan penyimpanan air dan evapotranspirasi serta memperlambat terjadinya puncak limpasan (Mentens et al. 2006). Tetapi saat ini belum tersedia tools untuk merancang dan mengevaluasi pemanfaatan green roof sesuai dengan tujuannya untuk pengelolaan air hujan.
Oleh karena itu disusunlah sebuah konsep Toiture Végétalisée pour la Gestion de l’Eau Pluvial (TVGEP) yaitu penggunaan green roof untuk pengelolaan air hujan. Program ini bertujuan untuk meningkatkan pemahaman dan produktivitas green roof untuk pengelolan air hujan perkotaan. TVGEP merupakan program kerja sama antara : ADIVET (l'Association des Toitures Végétales, Assosiasi Green Roof), CETE IdF (le Centre d’Etudes Techniques de l’Equipement, Pusat Studi Teknik dan Insfrastruktur), LEESU (le Laboratoire Eau Environnement Systèmes Urbains, Laboratorium Air dan Lingkungan Sistem Urban), CSTB (le Centre Scientifique et Technique du Bâtiment, Pusat Sains dan Teknik Bangunan) dan le Conseil Général des Hauts-de-Seine (Dewan Umum Hauts de Seines). TVGEP memiliki tahapan dan bagian kerja yang saling melengkapi seperti gambaran teknik dan inventarisasi cara dan material penggunaan green roof untuk pengelolaan air hujan, observasi dan modelisasi karakteristik green roof, analisis dampak green roof pada pencemaran air limpasan dan aplikasi model pengelolaan air hujan green roof ke dalam bentuk operasinal (Gouvello dan Christophe 2009). Secara lengkap, road map kerja program TVGEP disajikan pada Gambar 1.
Perumusan Masalah
Masalah utama yang akan diamati melalui penelitian ini adalah: 1) banyaknya solusi pengelolaan air hujan di kawasan perkotaan yang membutuhkan lahan yang luas untuk aplikasinya 2) meningkatnya aplikasi green roof di Prancis mendorong banyak kreasi desain dan struktur green roof yang belum tentu optimal dalam pengelolaan air hujan perkotaan 3) belum tersedianya tools yang memungkinkan untuk mengevaluasi kinerja hidrologis green roof.
Tujuan Penelitian
Berdasarkan latar belakang dan permasalahan yang telah diuraikan sebelumnya maka tujuan penelitian adalah sebagai berikut :
1. Menganalisis simulasi limpasan dengan model FAVEUR untuk periode yang sama dengan data input ;
2. Mengidentifikasi kriteria hidrologis green roof untuk pengelolaan air hujan ; 3. Menganalisis kriteria hidrologis green roof untuk berbagai nilai parameter
model FAVEUR dan menentukan korelasi antara keduanya ;
4. Menyusun formulasi tools untuk penilaian kinerja hidrologis green roof dalam pengelolaan air hujan perkotaan.
Gambar 1 Road Map TVGEP (Gouvello dan Christophe 2009)
Jan 2010-Jun 2011 Jun 2011-Des 2012
CSTB,CETE, LEESU, ADIVET, CG 92
Inventarisasi jenis-jenis green roof yang umum di pasaran dan realisasi salah satu jenis green roof referensi Identifikasi peluang dan hambatan aplikasi green roof
Analisis peran pengambil kebijakan jaringan air perkotaan terhadap pengembangan aplikasi green roof
CETE, CSTB, CG 92 Pengamatan neraca air green
roof ; pengukuran langsung Modelisasi neraca air green
roof dengan struktur kompleks
Menyusun sebuah metode sederhana untuk menilai kinerja hidrologis green roof
Menyusun rekomendasi untuk rancangan, ukuran serta perawatan
green roof yang dapat diadaptasi oleh pengelola jaringan dan sanitasi air perkotaan
Evaluasi efek green roof dalam pengelolaan air hujan perkotaan dalam skala daerah aliran sungai
Manfaat Penelitian
Manfaat dari penelitian ini adalah menyusun sebuah tools yang dapat membantu arsitek, produsen green roof atau pengguna lainnya untuk menilai karakteristik green roof berdasarkan jenis vegetasi, ketebalan substrat dan CME (capacité maximum en eau, kapasitas maksimum) substrat.
Ruang Lingkup Penelitian
2
TINJAUAN PUSTAKA
Green Roof
Visualisasi struktur sebuah green roof ditunjukkan pada Gambar 2. Struktur green roof dari atas ke bawah secara umum terdiri dari (Lasalle 2008) :
- Vegetasi; adapun jenis vegetasi yang sering digunakan pada struktur green roof adalah Sedum (Sedum album, Sedum rupestre, Sedum sexagulare, Sedum reflexum, Sedum kamchatikum, Sedum spurium, Sedum acre), tanaman berbunga (Tunic, Petrorhagia saxifraga, Allium schoenoprasum, dan lain-lain) dan rumput (Koeleria glauca, K.macrantha, Festuca rubra, Festuca ovina, Dianthus carthusianorum, Poa pratensis).
- Lapisan substrat yang merupakan media untuk vegetasi tumbuh; komposisi substrat biasanya terdiri dari campuran tanah dan atau kompos atau campuran antara agregat batu-batuan.
- Lembaran filter geotextil yang membantu menahan substrat tetapi memungkinkan air untuk lolos;
- Lapisan drainase yang memungkinkan drainase cepat; beberapa jenis lapisan drainase yang dapat digunakan antara lain: agregat mineral berporos seperti batuan dan pasir vulkanik, lempung serta lapisan polystyrene dan lain-lain.
Saat ini, secara umum dikenal 3 jenis sistem vegetasi green roof seperti : green roof Ekstensif (Toitures Végétalisées Extensives), green roof semi-intensif (Toitures Végétalisées Semi Intinsives) dan green roof Intensif (Toitures Végétalisées Intensives). Dunnet et al. (2004) membedakan ketiga jenis sistem vegetasi green roof tersebut sebagai berikut :
- Green roof Ekstensif
Green roof ekstensif pada umumnya tidak memerlukan perawatan secara teratur. Ketebalan substrat yang diperlukan untuk jenis atap ini relatif tipis yaitu antara 1-15 cm.
Gambar 2 Struktur green roof (Lasalle 2008) Vegetasi
- Green roof Semi-Intensif
Green roof semi-intensif menggunakan teknologi yang ringan dan komposisi nutrisi yang sama seperti green roof ekstensif. Akan tetapi, ketebalan substrat yang dibutuhkan sedikit lebih tebal supaya tanaman yang ditanam di atasnya dapat lebih bervariasi.
- Green roof Intensif
Green roof intensif pada dasarnya mirip dengan kebun atap. Tanamannya secara umum ditanam secara terpisah. Ketebalan subtrat yang dibutuhkan untuk jenis green roof ini adalah tidak kurang 15 cm. Berbeda dengan jenis green roof ekstensif, green roof intensif memerlukan perawatan secara rutin, karena green roof intensif dapat menampung segala jenis vegetasi seperti : pohon, semak dan rumput.
Selain perbedaan jenis vegetasi dan ketebalan susbtrat, l’Assosiation de Toitures Végéales (Asosiasi Green Roof; ADIVET (2007) ) telah menetapkan batasan dari ketiga kategori green roof secara spesifik. Batasan tersebut berdasarkan sistem perawatan dan karakteristik green roof dan disajikan pada Tabel 1.
Tabel 1 Sistem perawatan dan karakteristik green roof ekstensif dan intensif (ADIVET 2007)
Perawatan dan karakteristik green roof
Green roof ekstensif
Green roof intensif Ekstensif Semi-intensif
Irigasi Tidak Ya Ya
Jenis lapisan tumbuh Substrat ringan Substrat ringan Tanah Ketebalan substrat (cm) 3 - 15 12 - 30 > 30 Tingkat beban total (daN/m²) 60 – 180 150 – 350 > 600
Dokumen referensi Règles
professionnelles
Règles professionnelles
DTU 43.1
Manfaat Green Roof untuk Pengelolan Air Hujan Perkotaan
Green roof memiliki peran penting sebagai salah satu alternatif (Techniques Alternatives) dalam membantu mengalirkan limpasan ke hilir di kawasan urban. Teknik ini dirancang agar air limpasan dapat dimanfaatkan secara maksimal dan jumlah limpasan yang terjadi akibat meningkatnya lahan terbangun dapat dikurangi. Dengan pemasangan green roof, limpasan akan berkurang karena adanya peningkatan penyimpanan air dan evapotranspirasi serta puncak limpasan akan terjadi lebih lambat (Mentens et al. 2006).
Mentens et al. 2006 melakukan studi komparatif persentase limpasan tahunan pada berbagai jenis atap dan menyimpulkan bahwa persentase limpasan tahunan pada green roof intensif dan ekstensif lebih kecil dibandingkan pada atap biasa maupun atap dengan batuan kerikil seperti yang ditunjukkan pada Gambar 3. Berthier dan Ramier (2010), yang telah melakukan studi literatur, menyimpulkan bahwa semua studi menunjukkan bahwa green roof efektif untuk mengurangi limpasan. Penurunan limpasan ini disebabkan adanya air limpasan yang tersimpan di substrat maupun yang menguap melalui proses evapotranspirasi. Menurut Carter dan Rasmussen (2007), sebuah green roof dapat menurunkan limpasan antara 20 sampai 30% dibandingkan atap biasa. Akan tetapi, kapasitas green roof untuk menahan limpasan akan maksimum pada saat intensitas hujan rendah dan frekuensinya tinggi. Penurunan limpasan akan maksimum pada awal kejadian hujan. Green roof dalam hal ini bertindak sebagai ruang penyimpanan yang memiliki kapasitas retensi (Berthier dan Ramier 2010). Ketika jumlah air yang tertahan mencapai kapasitas simpannya maka green roof tidak dapat lagi menyerap air. Selain itu, musim juga berpengaruh pada green roof. Contohnya, limpasan akan berkurang pada musim panas.
Gambar 3 Perbandingan limpasan tahunan (%) dari berbagai atap (Mentens et al. 2006)
Faktor lainnya yang juga berpengaruh pada kapasitas simpan air green roof adalah ketebalan substrat. Peningkatan ketebalan substrat akan meningkatkan volume air limpasan yang tertahan di green roof (Baskaran dan Bass 2001). Untuk green roof dengan ketebalan substrat antara 5 - 15 cm, diperoleh koefisien limpasan (CR) sebesar 30 % pada musim panas, 67 % pada musim dingin dan 51 % pada musim lainnya.
Di CETE IdF pengamatan eksperimental langsung pada green roof dilakukan di salah satu atap gedung mulai dari Juni 2011 sampai Juni 2014. Ragam jenis dan tipe green roof pada atap gedung CETE IdF ditunjukkan pada Gambar 4. Berbagai komposisi struktur green roof pada CETE IdF (Gambar 4) adalah sebagai berikut :
- Nu atau atap tanpa vegetasi ; - Gravier atau atap dengan kerikil ;
- Green roof V5 (G15SI) merupakan green roof dengan jenis substrat untuk green roof semi-intensif dengan ketebalan 15 cm dan dengan jenis vegetasi campuran antara rumput dan sedum;
- Green roof referensi atau green roof V0 (S3E) merupakan jenis green roof yang dijadikan referensi dengan komposisi : substrat ringan yang diperuntukkan bagi green roof ekstensif, ketebalan substrat 3 cm, jenis vegetasi sedum dan sebuah lapisan drainase berupa polystyrene;
- Green roof V3 (S3EHy) juga merupakan green roof yang identik dengan green roof referensi hanya saja memiliki lapisan drainase yang terbuat dari bantalan pozolan yang memiliki sifat tahan air (hydro-rétentrice);
- Green roof V4 (3E) juga merupakan green roof yang identik dengan green roof referensi tanpa vegetasi;
- Green roof V1 (G15E) yang identik dengan green roof referensi namun memiliki substrat dengan ketebalan 15 cm dan jenis vegetasi yang merupakan campuran antara rumput dan sedum ;
- Green roof V2 (S15E) merupakan jenis green roof yang juga identik dengan green roof referensi, hanya ketebalan substrat yang berbeda yaitu 15 cm.
Model FAVEUR
Sebuah model yang menggambarkan tentang kondisi hidrologis green roof dikembangkan dalam tahap kedua pada program TVGEP. Struktur pertama model ini dikembangkan oleh Berthier et al. (2010). Dalam model ini, green roof dipresentasikan oleh 3 reservoir yaitu vegetasi, substrat dan lapisan drainase. Selanjutnya, model green roof ini disederhanakan oleh Pinta (2012) dan disebut sebagai model FAVEUR.
Pada dasarnya, model FAVEUR memodelkan struktur green roof yang kompleks ke dalam 2 reservoir saja, yaitu :
− reservoir intersepsi yang mewakili fungsi intersepsi vegetasi dan substrat yang dapat menahan sebagian air hujan, yang kemudian akan menguap melalui proses evapotranspirasi. Reservoir ini identik dengan kapasitas intersepsinya. Kapasitas intersepsi ini merepresentasikan volume air hujan yang mampu ditahan oleh vegetasi dan substrat.
− reservoir transfer yang mengalirkan kelebihan air sebagai fungsi kelebihan limpasan dari reservoir intersepsi.
Struktur model FAVEUR ini jauh lebih sederhana dibanding model yang pertama. Secara sederhana, semua parameter yang berhubungan dengan reservoir intersepsi diberi simbol “int” dan semua parameter yang berhubungan dengan reservoir transfer diberi simbol “tra”. Struktur model FAVEUR disajikan pada Gambar 5.
Parameter Model FAVEUR
Model FAVEUR ini terdiri dari 4 parameter utama. Keempat parameter ini dibedakan berdasarkan masing-masing fungsi reservoir yaitu fungsi intersepsi dan transfer.
a. Fungsi intersepsi (Cint,Kcint)
Ada 2 parameter utama yang memiliki fungsi intersepsi yaitu Cint (kapasitas
intersepsi) dan Kcint (koefisien tanaman reservoir intersepsi). Dalam model FAVEUR
ini, kapasitas intersepsi dari ketiga lapisan green roof disederhanakan menjadi satu. Kapasitas intersepsi merupakan jumlah dari kapasitas intersepsi vegetasi (Cveg), kadar
air substrat pada kapasitas lapang (Csubfc) dan kapasitas retensi yang tidak terduga pada
lapisan drainase (Cdra) yang masih harus dipelajari. Kcint dalam model FAVEUR ini
ditentukan berdasarkan jenis vegetasi. Dalam hal ini, ada dua jenis vegetasi yang Gambar 5 Struktur model FAVEUR (Pinta 2012)
digunakan: sedum dan rumput. Untuk itu, Berthier dan Ramier (2010) telah memvalidasi nilai Kcint untuk kedua jenis vegetasi tersebut yaitu : Kcint = 1 untuk sedum
dan Kcint = 1.2 untuk rumput.
b. Fungsi transfer (Ctra, Ttra,)
Menurut Pinta (2012), baik lapisan substrat maupun drainase, keduanya terbukti berperan dalam proses transfer vertikal air dalam struktur green roof. Oleh karena itu, Ctra yang dalam hal ini menggambarkan transfer vertikal sangat dipengaruhi oleh jenis
dan ketebalan substrat dan ketebalan lapisan drainase. Selain Ctra, parameter lain dari
fungsi transfer ini adalah Ttra (geometri horizontal green roof, dalam meter). Ttra dalam
hal ini diharapkan dapat menggambarkan hubungan perbandingan antara panjang geometri green roof (L dalam meter) dengan velocity factor (c, tanpa satuan) dalam skala green roof.
Persamaan dalam Model FAVEUR
Untuk menjalankan model FAVEUR, ada 2 data utama yang dibutuhkan yaitu data curah hujan tiap 300 detik (Plu1) dan evapotranspirasi potensial dalam 300 detik (ETP). Rujukan untuk perhitungan evapotranspirasi adalah Instruksi no.56 dari dokumen milik the FAO (2000). Dokumen ini meyajikan perhitungan evapotranspirasi aktual (ET) sebagai hasil dari ETP dengan bantuan sebuah koefisien korektor yang tergantung dari jenis tanaman yang disebut sebagai koefisien tanaman (Kc). Pinta (2012) menghitung nilai ET dalam reservoir intersepsi seperti pada persamaan (1).
ET= min (Sint, ETP1xKcint)……….. (1)
dimana :
- ET : evapotranspirasi aktual (mm)
- Sint : simpanan air dalam reservoir intersepsi (mm)
- ETP1 : evapotranspirasi potensial tiap 300 detik (mm) - Kcint : koefisien tanaman reservoir intersepsi
Persamaan (1) menunjukkan bahwa ET tidak hanya bergantung pada nilai Kcint
tetapi juga pada jumlah simpanan air dalam reservoir intersepsi. Sumber dari seluruh proses evapotranpirasi adalah simpanan air yang ada di vegetasi. Oleh sebab itu, jika tidak ada persediaan air yang cukup, nilai ET maksimum yang akan terjadi hanya sejumlah nilai simpan air aktual. Dalam hal ini persamaan (1) berlaku pada saat Plu1 sama dengan 0, sebaliknya ketika Plu1 tidak sama dengan 0, ET dianggap 0 (Pinta 2012). Selain itu, persaman (1) hanya berlaku untuk kondisi kering seperti pada musim panas. Oleh sebab itu, untuk membedakan variasi pertumbuhan tanaman pada green roof, Pinta (2012) mengasumsikan nilai Kcint pada musim dingin merupakan setengah
dari nilainya pada musim panas seperti tertulis dalam persamaan (2).
ET = min (Sint, ETP1xKcintx0.5) ………... (2)
dimana :
- I : infiltrasi (mm) - Plu1 : curah hujan (mm)
- Cint: kapasitas intersepsi reservoir intersepsi (mm)
Langkah berikutnya adalah menghitung ulang nilai simpanan air aktual reservoir intersepsi dan transfer. Pinta (2012) mengasumsikan perhitungan perubahan simpanan air pada reservoir intersepsi transfer seperti pada persamaan (4) dan (5).
Sint = Sint + P - I - ET ………...………...(4)
Stra = Stra + I………...……….…(5)
dimana : Stra : simpanan air reservoir transfer (mm)
Untuk reservoir intersepsi, nilai simpanan aktual yang baru dihitung merupakan kelebihan dari variabel produksi (curah hujan dan cadangan awal) dan variabel transfer (infiltrasi dan evapotranspirasi). Untuk reservoir transfer, evaporasi transfer dianggap nol sehingga infiltrasi dan simpanan air reservoir transfer sebelumnya menjadi variabel utama pada persamaan (5). Pada bagian reservoir transfer, ada sebagian air yang keluar sebagai limpasan. Pinta (2012) merumuskan perhitungan keluaran limpasan dari reservoir transfer dengan persamaan (6).
Qtra = min (Stra, dT2/Ttra x Stra x (Stra/Ctra)) ..………...(6)
dimana :
- Qtra : limpasan reservoir transfer (mm)
- Ctra : kapasitas transfer (mm)
- Ttra : geometri horizontal dari green roof (mm)
Terakhir, untuk menyelesaikan seluruh tahapan dalam model FAVEUR ini, nilai simpanan reservoir transfer harus dihitung ulang. Secara prinsip, simpanan air aktual yang baru dari reservoir transfer adalah surplus simpanan air sebelumnya dengan limpasan. Pinta (2012) menghitung simpanan air aktual tersebut berdasarkan persamaan (7).
Stra =Stra–Qtra..………...(7)
Validasi Hasil Simulasi Model FAVEUR
Sebelumnya, Pinta (2012) telah melakukan simulasi serta validasi model FAVEUR di CETE IdF untuk periode simulasi pada 15 juin 2011 sampai 15 Juni 2012 dan periode validasi pada 1 Februari sampai 15 Juni 2012. Validasi model dilakukan dengan membandingkan Qsimulasi (debit spesifik simulasi dalam l/ det/ ha) dan Qobservasi
(debit spesifik hasil observasi dalam l/ det/ ha) dari tiap jenis green roof pada Gambar 3 (green roof referensi, V1-V5). Sebagai contoh, pada Gambar 6 ditunjukkan grafik Qsimulasi dan Qobservasi dari green roof referensi dengan jenis vegetasi sedum, ketebalan
substrat 3 cm dan lapisan drainase berupa polystyrene. Pada Gambar 7 disajikan grafik Qsimulasi dan Qobservasi dari green roof V1 dengan jenis vegetasi campuran sedum dan
rumput, ketebalan substrat 15 cm dan lapisan drainase berupa polystyrene. Berdasarkan Gambar 7 dapat dilihat bahwa Qsimulasi mendekati nilai Qobservasi. Dengan hasil tersebut,
Qobservasi (l/ det/ ha)
Gambar 6 Perbandingan Qsimulasi dan Qobservasi green roof referensi V0 tiap
180 detik untuk periode 15 Juni 2011-15 Juni 2012 (Pinta 2012)
Qsi
m
u
lasi
(l
/
d
et
/
h
a)
Qobservasi (l/ det/ ha)
Gambar 7 Perbandingan Qsimulasi dan Qobservasi green roof V1 tiap
180 detik untuk periode 15 Juni 2011-15 Juni 2012
Qsi
m
u
lasi
(l
/
d
et
/
h
a)
Korelasi Model FAVEURdengan Karakteristik Green Roof
Berdasarkan pengamatan yang telah dilakukan pada green roof experimental CETE IdF, diperoleh sebuah korelasi antara parameter model FAVEUR yaitu Cint
dengan karakteristik green roof. Secara umum, ada 3 karakteristik utama green roof yaitu jenis vegetasi, ketebalan substrat serta CME substrat (ADIVET 2007). Ramier et al. (2013) merumuskan hubungan antara Cint dan ketebalan serta CME substrat green
roof seperti pada persamaan (8) dan (9).
Jika ketebalan < 5 cm, Cint (cm) = CME (tanpa satuan) x ketebalan (cm)…………(8)
Jika ketebalan > 5 cm, Cint (cm) = CME (tanpa satuan) x50………...(9)
Selain ketebalan serta CME substrat, karakteristik green roof lain yang juga berperan dalam model FAVEUR ini adalah jenis vegetasi. Jenis vegetasi merupakan karakteristik yang berhubungan dengan parameter Kcint dalam model. Kcint pada
penelitian ini dibedakan menurut dua jenis vegetasi yang biasa digunakan dalam konstruksi green roof yaitu S untuk sedum dan G untuk rumput. Dalam hal ini, Kcint = 1
untuk sedum dan Kcint = 1.2 untuk rumput (nilai tersebut berlaku selama musim panas)
(Pinta 2012).
Tabel 2 Nilai parameter model FAVEUR yang paling optimal untuk 6 jenis green roof eksperimental di CETE IdF (Pinta 2012)
Parameter FAVEUR
Jenis atap pada penelitian
V0 (ref)
V4 V3 V2 V1 V5
Kcint 1 1 1 1 1.2 1.2
Kcinthiv* 0.5 0.5 0.5 0.5 0.5 0.5
Cint (mm) 12 12 12 21 21 21
Ctra (mm) 10 10 20 30 30 32
3
METODE
Waktu dan Tempat
Penelitian ini dilaksanakan pada bulan Februari - Juni 2013. Penelitian dilakukan di unit Hidrologi dan Manajemen Air Hujan le Centre d’Etudes Techniques de l’Equipement Ile de France (CETE IdF),Trappes, Prancis.
Alat dan Bahan
Alat
Adapun peralatan yang digunakan dalam penelitian ini adalah:
1. Seperangkat komputer beserta Open Office yang dilengkapi dengan Open Writer dan Open calc
2. Software Matlab Version 7.13 R2011b 2011 (lisensi CETE IdF)
Bahan
Bahan yang digunakan dalam penelitian ini adalah atap datar berukuran 350 m2 serta bahan-bahan penyusun struktur green roof seperti tanaman sedum dan rumput, substrat, lapisan filter serta lapisan drainase. Selain itu dibutuhkan juga data curah hujan dan evapotranspirasi potensial. Dalam penelitian ini, data curah hujan yang digunakan merupakan data curah hujan yang didapatkan dari Conseil Général des Hauts-de-Seine (92) untuk periode tahun 1993 sampai dengan 2011. Data curah hujan tersebut merupakan data tiap 300 atau tiap dT1 (time step data masukan) atau Plu1 (mm). Pada penelitian ini, data curah hujan tahun 1996 tidak digunakan karena data curah hujan pada periode tersebut tidak lengkap.
Prosedur Penelitian
Penelitian ini terdiri dari beberapa tahapan. Secara umum tahapan-tahapan tersebut disajikan pada Gambar 8.
Data Input dan Inisialisasi Parameter Simulasi
Seperti telah dibahas sebelumnya, pada penelitian ini ada 2 data sekunder yaitu Plu1 dan ETP1 yang kemudian dimasukkan sebagai input simulasi model FAVEUR. Akan tetapi, sebelum simulasi dimulai, ada 6 parameter simulasi yang harus diinisialisasi yaitu ncalc (jumlah simulasi), dT1 (time step data masukan) dan dT2 (time step data simulasi), d’ev (durasi kejadian hujan), time step hasil model atau data keluaran, Sintinit (simpanan air awal reservoir intersepsi) serta Strainit (simpanan air awal
reservoir transfer). Parameter ncalc = 1 digunakan untuk simulasi hidrologi tunggal dengan satu jenis green roof sedangkan ncalc>1 digunakan untuk mensimulasikan green roof dengan variasi parameter model yang dapat menggambarkan ragam jenis green roof yang berbeda. Dalam hal ini digunakan ncalc = 500 untuk simulasi variasi parameter model.
Parameter dT1 ditetapkan sesuai dengan series data masukan yaitu 300 detik. Pada simulasi dT2 diasumsikan sama dengan dT1. Akan tetapi, untuk menguji sensibilitas model, dilakukan juga variasi interval dT2.
Parameter d’ev menjadi dasar penentuan jumlah kejadian hujan. Pada penelitian ini diasumsikan bahwa sebuah kejadian hujan diamulai pada saat curah hujan tidak sama dengan 0 dan diakhiri pada saat curah hujan sama dengan 0 selama durasi 12 jam
(d’ev = 12 jam). Adapun curah hujan yang dihitung adalah curah hujan > 1mm dan curah hujan > 5mm untuk kejadian hujan terpilih.
Parameter keempat adalah time step hasil model atau data keluaran. Dalam hal ini ada 3 skala waktu yang akan dihasilkan yaitu tahunan, musiman dan kejadian hujan. Untuk itu, yang perlu dilakukan adalah menentukan titik awal dari setiap skala waktu tersebut seperti : ddeb_an yang mewakili waktu dimulainya periode tahunan, ddeb_ete yang mewakili waktu dimulainya periode musim panas, ddeb_hiv yang mewakili waktu dimulainya periode musim dingin dan ddeb_ev yang mewakili waktu dimulainya kejadian hujan serta dfin_ev yang mewakili waktu berakhirnya periode kejadian hujan.
Selanjutnya adalah parameter Sintinit (simpanan air awal reservoir intersepsi) dan
Strainit (simpanan air awal reservoir transfer). Nilai Sintinit dan Strainit diasumsikan sama
dengan 0. Oleh sebab itu, simulasi dimulai pada saat simpanan air dalam kadar minimum yaitu pada saat musim panas. Asumsi ini yang menjadi dasar dimulainya simulasi model FAVEUR pada tanggal 1 Juli 1993.
Penentuan Parameter Model FAVEUR
Seperti telah disebutkan bahwa dalam model FAVEUR terdapat 4 parameter utama yaitu Cint, Kcint, Ttra dan Ctra. Untuk ncalc = 1, parameter yang digunakan adalah
parameter green roof referensi CETE IdF berupa sebuah substrat green roof ekstensif, dengan ketebalan 3 cm , jenis vegetasi sedum dan memiliki lapisan drainase dari polystyrene dengan nilai sebagai berikut (Pinta 2012) :
• Cint : kapasitas intersepsi reservoir intersepsi, 12 mm ;
• Kcint yang merepresentasikan tipe vegetasi yaitu sedum, dalam hal ini
ditentukan Kcint = 1 ;
• Ctra : kapasitas transfer untuk reservoir transfer, dalam hal ini dipengaruhi
oleh karakter hidro-retensi drainase, 10 mm;
• Ttra yang menggambarkan geometri horizontal green roof , 1000 mm.
Untuk ncalc=500, parameter Cint, Kcint, Ttra dan Ctra divariasikan secara acak
seperti berikut ini :
• Cint : divraiasikan secara acak antara [12 ;100] (mm) ;
• Kcint : untuk parameter ini perhitungan dilakukan 2 kali yaitu untuk Kcint = 1
(untuk sedum) dan Kcint = 1.2 (untuk rumput);
• Ctra : divariasikan secara acak antara [10 ;100] (mm) ;
• Ttra : divariasikan secara acak antara [100 ;1000] mm).
Analisis Kriteria Hidrologis Green Roof
detik (dT1) sebanyak data tahunan. Untuk skala musiman, agar dapat mengetahui perbedaan yang ekstrim antar musim diasumsikan hanya ada 2 musim yaitu musim panas dan musim dingin. Setiap musim berlangsung selama 6 bulan. Musim panas berlangsung dari Mei sampai Oktober dan musim dingin berlangsung dari bulan November sampai April di tahun berikutnya. Prinsip perhitungan kriteria hidrologis skala musiman sama dengan skala tahunan yaitu dengan menjumlahkan seluruh elemen-elemen yang bersangkutan untuk tiap interval simulasi 300 detik (dT1) sebanyak data musiman (6 bulanan). Untuk menghitung kriteria pada skala setiap kejadian hujan, diperlukan identifikasi jumlah kejadian hujan selama periode simulasi 1993-2011. Berdasarkan definisi kejadian hujan yang telah ditentukan, dari kejadian hujan dengan curah hujan > 1mm diperoleh 1438 kejadian hujan sedangkan dari kejadian hujan dengan curah hujan > 5 mm diperoleh 694 kejadian hujan.
a. Kriteria CR
CR adalah koefisien limpasan yang menggambarkan perbandingan antara air yang melimpasdengan curah hujan.Dalam konteks green roof, CR mewakili sejumlah air yang telah terinfiltrasi melalui 4 lapisan yaitu vegetasi, substrat, lembaran filter dan akhirnya keluar dari lapisan drainase (Berthier dan Ramier 2010). Nilai CR berkisar antara 0 – 1. Pada skala waktu tahunan, CR_an (CR tahunan) dihitung berdasarkan Dengan perhitugan bulanan, CR_ete (CR musim panas) dan CR_hiver (CR musim dingin) dihitung sebagaimana pada persamaan (11) dan (12).
CR_ete= !!_!"! Plu1_an, Plu1_ete dan Plu1_hiv = curah hujan tahunan, musim panas dan musim dingin (mm).
Berbeda halnya dengan perhitungan CR tahunan dan musiman, CR untuk setiap kejadian hujan dihitung sebagai fungsi dari debit dan curah hujan serta kondisi awal dan akhir simpanan air reservoir transfer seperti ditunjukkan pada persamaan (13).
CR_ev = (Q(ev) + Stra(fin‐ev) – Stra (deb‐ev)) / Plu(ev)……….(13) dimana : CR_ev = CR setiap kejadian hujan (mm), Stra = Simpanan aktual reservoir
transfer pada akhir (fin-ev) dan awal (deb-ev) kejadian hujan, Plu_ev = curah hujan tiap kejadian hujan (mm).
b. Kriteria Ab
volume air hujan total (Plu1) dan limpasan (Q1) dalam mm. Pada skala tahunan, Ab
Dengan perhitungan bulanan, Ab_ete (Ab musim panas) dan Ab_hiver (Ab musim dingin) dihitung dengan persamaan (15) dan (16).
Ab_ete= !"#1!"!− !!!!"!1!"!
Untuk perhitungan Ab skala kejadian hujan, yang dihitung merupakan kapasitas retensi di awal kejadian hujan. Ab kejadian hujan merupakan selisih antara Cint dan Sint
di awal tiap kejadian hujan. Ab_ev (Ab tiap kejadian hujan) didefinisikan sebagaimana persamaan (17).
Ab_ev = Cint–Sint(ddeb(ev))……… ………..(17)
Untuk mengetahui nilai-nilai penting dari setiap hasil perhitungan kriteria, dihitung nilai maksimum, rata-rata, median dan minimum untuk semua kriteria ditambah nilai q25 (kuartil 25) dan q75 (kuartil 75) khusus untuk kriteria kejadian hujan. Nilai q25 atau kuartil pertama merupakan batas dimana 25% data pengamatan lebih kecil atau sama dengan nilai q25. Sedangkan q75 atau kuartil ketiga merupakan batas dimana 75% data pengamatan lebih kecil atau sama dengan nilai q75.
c. Kriteria qmax
Debit spesifik (q) green roof dalam l/det/ha dihitung dari nilai limpasan simulasi (Q1) berdasarkan persamaan (18).
q = Q1/dT1x10000………....(18)
dimana : q = debit spesifik (l/det/ha), Q1 = limpasan tiap interval simulasi (mm), dT1 = interval simulasi (300 det).
Kriteria qmax hanya dihitung dalam skala waktu kejadian hujan. Oleh karena itu, untuk mendapatkan gambaran debit yang maksimum, dari sejumlah q, dipilihkan qmax_ev (debit spesifik maksimum kejadian hujan) sejumlah kejadian hujan.
Formulasi Pengembangan Model FAVEUR dengan Tools
- ls_critere_sais yang merupakan matriks kriteria tahunan dan musiman yang memuat : Plu_an, CR_an, CR_ete, CR_hiver, Ab_an, Ab_ete, Ab_hiver ;
- ls_critere_ev :yang merupakan matriks kriteria kejadian hujan dengan curah hujan > 1 mm yang memuat : Plu_ev, CR_ev, Ab_ev, qmax_ev ;
- ls_critere_evs : yang merupakan matriks kriteria kejadian hujan terpilih yang memuat semua elemen matriks kriteria kejadian hujan dengan curah hujannya > 5 mm ;
Selanjutnya, semua matriks dikumpulkan dalam sebuah matriks hasil yang memuat nilai minimum maksimum, rata-rata dan median dari semua elemen dari tiap matriks kriteria. Kemudian disusunlah korelasi antara parameter model tervariasi seperti Kcint, Cint, Ctra dan Ttra dengan kriteria hidrologis green roof. Untuk mencari
korelasi dari keempat parameter tersebut dengan semua elemen matriks, digunakan pilihan “multiple regression” pada Matlab©. Persamaan yang diperoleh merupakan persamaan dengan variabel lebih dari satu (multi variable). Persamaan yang didapat akan dianggap tepat jika koefisien korelasi (R²) mendekati 1.
Kriteria yang diperoleh dari hasil persamaan tersebut kemudian dibandingkan dengan kriteria model. Persamaan dikatakan tepat jika kriteria persamaan mendekati linear dengan kriteria model. Analisis regresi ini dapat juga menunjukkan parameter yang lebih dominan terhadap tiap kriteria. Dalam hal ini, digunakan bantuan basic fitting dari Matlab ©. Jika diperoleh korelasi yang baik antara kriteria hidrologis dengan hanya salah satu parameter model, maka parameter model tersebut dapat digunakan sebagai variabel untuk menyusun persamaan linear atau polinomial dengan kriteria hidrologis, Untuk menguji validitas persamaan tersebut, dilakukan perbandingan yang sama dengan kriteria model.
Tabel 3 Pengembangan model FAVEUR yang dilakukan dalam penelitian
Parameter Pengembangan Model FAVEUR
Model FAVEUR Model FAVEUR
dengan tools
ncalc ncalc =1 ncalc =1 dan ncalc > 1
dT1 180 detik 300 detik
4
HASIL DAN PEMBAHASAN
Analisis Keluaran Model
Curah Hujan
Data curah hujan yang digunakan dalam penelitian ini merupakan data curah hujan tiap 300 detik dari Conseil Général des Hauts-de-Seine (92) untuk periode 1993– 2011. Dalam hal ini, data curah hujan disajikan dalam rangkaian bervariasi yaitu Plu1, Plu_an dan Plu_ev. Plu1 ditunjukkan pada Gambar 9. Berdasarkan Gambar 9, nilai Plu1 berkisar antara 0-25 mm/ dT1 dan terjadi pada tahun ke-17 atau tahun 2010.
Pada Gambar 10 disajikan Plu_ev dari 1438 kejadian hujan yang telah diidentifikasi. Berdasarkan Gambar 10 dapat dilihat bahwa nilai Plu_ev brekisar antara1.2-116 mm/ kejadian hujan. Terakhir, pada Gambar 11 disajikan seri 1-18 Plu_an yang mewakili periode 1993-2011. Berdasarkan Gambar 11, nilai Plu_an tertinggi adalah 930 mm/ tahun dan terjadi pada tahun ke-6 (1999), ke-7 (2000) dan ke-8 (2001).
.
Gambar 10 Plu_ev untuk periode 1993–2011(mm/ kejadian hujan)
Evapotranspirasi Potensial
ETP yang digunakan merupakan data ETP harian untuk periode 1993-2011 dari stasiun Météo-France, Trappes. Data ETP harian yang telah dikonversi menjadi ETP/ dT1 disajikan pada Gambar 12. Pada Gambar 12, ada 8 puncak ETP yang juga menggambarkan jumlah tahun data ETP. Puncak ETP pertama yang tidak sempurna menggambarkan data pada tahun 1993 yang dimulai pada bulan Juli. Nilai ETP tertinggi adalah 0.1 mm/ dT1.
Limpasan
Keluaran utama dari model FAVEUR adalah Q1 (limpasan green roof tiap interval waktu dT1). Pada Gambar 13 ditunjukkan nilai Q1 (mm/dT1) untuk periode 1993-2011 pada ncalc=1 yang menggambarkan limpasan pada green roof referensi dengan jenis vegetasi sedum dan ketebalan substrat 3 cm dengan luasan 37.5 m2. Karakteristik green roof referensi tersebut menunjukkan nilai parameter model FAVEUR sebagai berikut : Cint = 12 mm, Kcint = 1, Ctra =10 mm dan Ttra = 1000 mm
(Pinta 2012). Berdasarkan Gambar 13, nilai Q1 berkisar antara 0-4 mm /dT1 dengan sebagian besar nilai relatif stabil dalam interval antara 0 – 0.8 mm/dT1. Selanjutnya pada Gambar 14 disajikan grafik perbandingan nilai Plu1 dan Q1 terhadap dT1 (mm/dT1) untuk periode 1993 – 2011. Dari Gambar 14 dapat diketahui bahwa nilai Plu1 berkisar antara 0-25 mm/dT1. Secara keseluruhan berdasarkan Gambar 14 dapat dilihat bahwa nilai Q1 jauh lebih kecil dibanding Plu1. Namun, tercatat pula pada sebagian titik, nilai Q lebih tinggi dibanding nilai Plu1.
Gambar 14 Fungsi Plu1 dan Q1 terhadap dT1 (mm / dT1) untuk periode 1993-2011
Dari perbandingan keseluruhan jumlah Q1 dan Plu1 yaitu 130 : 354 (0.37), dapat diketahui pada simulasi ini, ada sejumlah 224 mm dari nilai Plu1 yang tidak menjadi menjadi limpasan. Seperti diketahui bahwa kurva laju dan volume limpasan dari sebuah atap tanpa vegetasi akan relatif sama atau mendekati kurva curah hujan (Bass dan Baskaran 2001). Meskipun berbeda, jumlah limpasan dari atap tanpa vegetasi hanya akan sedikit lebih kecil dari jumlah curah hujan. Limpasan yang terjadi pada atap tanpa vegetasi sangat jauh lebih besar dibanding pada green roof. Adapun sebagian kecil limpasan yang lebih tinggi dari nilai curah hujan disebabkan oleh simpanan air aktual di awal kejadian hujan dipengaruhi oleh curah hujan sebelumnya (Palla et al. 2009). Pengurangan limpasan pada green roof ini disebabkan oleh keberadaan green roof yang terbukti dapat mengurangi air limpasan karena adanya peningkatan penyimpanan air pada substrat dan evapotranspirasi pada vegetasi (Mentens et al. 2006). Namun, model FAVEUR yang digunakan untuk simulasi pada penelitian ini masih dalam tahap pengembangan sehingga dalam hal ini belum memiliki perangkat untuk menghitung Q1 pada atap tanpa vegetasi. Oleh sebab itu, untuk dapat membandingkan perbedaan limpasan pada green roof dan pada atap biasa, diperlukan simulasi Q1 pada atap tanpa vegetasi dengan kondisi iklim serta luasan area yang sama.
Kriteria Hidrologis untuk Green Roof Referensi
Hasil Q1 simulasi model FAVEUR dengan ncalc = 1 untuk green roof referensi dengan nilai parameter Cint = 12 mm, Kcint = 1, Ctra =10 mm dan Ttra = 1000 mm dapat
digunakan untuk menghitung kriteria hidrologis CR dan Ab pada skala waktu tahunan dan musiman. Adapun kriteria hidrologis yang dihasilkan antara lain : CR_an, CR_ete, CR_hiver, Ab_an, Ab_ete, Ab_hiver dan untuk perbandingan dimuat juga Plu_an. Gambar 15 menunjukkan nilai CR dan Gambar 16 menunjukkan nilai Ab untuk skala waktu tahunan dan musiman. Pada Gambar 15, dibandingkan kriteria CR_an, CR_ete dan CR_hiver juga Plu_an. Dengan parameter Cint = 12 mm, Kcint = 1, Ctra =10 mm dan
Ttra = 1000 mm pada green roof referensi, diperoleh nilai CR_an berada dalam interval
nilai 0.3 – 0.6, CR_ete antara 0.07 – 0.5 dan CR_hiver antara 0.6 – 0.8. Dari Gambar 15, dapat dilihat juga bahwa CR_ete merupakan nilai CR terendah dibandingkan CR_an dan CR_hiver. Dari Gambar 15 terlihat bahwa CR_an dan Plu_an memiliki kecenderungan yang sama. Ketika nilai Plu_an tinggi, nilai CR_an juga meningkat, begitu pula sebaliknya.
Gambar 15 CR tahunan dan musiman untuk green roof referensi pada ncalc=1
0
1993 1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
CR
Gambar 16 Ab tahunan dan musiman untuk green roof referensi pada ncalc=1
0
1993 1994 1995 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Ab (mm)
Tahun
Ab_an
Ab_ete
Pada Gambar 16 terlihat kurva Ab_an, Ab_ete dan Ab_hiver. Dengan nilai Cint =
12 mm, Kcint = 1 dan Ctra =10 mm dan Ttra = 1000 mm , diperoleh nilai Ab_an berada di
antara 138-375 mm/ tahun, Ab_ete antara 109–282 mm/ tahun dan Ab_hiver antara 29– 105 mm/ tahun. Kebalikan dari CR, nilai Ab_hiver lebih rendah dibanding nilai Ab_ete. Selain itu, dapat dilihat bahwa nilai Ab_an merupakan jumlah dari Ab_ete dan Ab_hiver.
Menurut Mentens et al. (2006), tingkat evapotranspirasi sangat tinggi selama musim panas. Selain curah hujan yang rendah dan tingkat evapotranspirasi yang tinggi, pada musim panas kemampuan substrat dalam menyimpan air juga lebih tinggi (Berthier dan Ramier 2010). Oleh sebab itu, dalam hal ini simpanan air menurun dengan cepat dan limpasan yang keluar dari green roof lebih rendah selama musim panas sehingga CR_ete lebih kecil. Sebaliknya, nilai CR_hiver lebih tinggi dibandingkan nilai CR_an dan CR_ete karena pada musim dingin, tingkat evapotranspirasi rendah dalam hal ini diasumsikan setengah dari nilai evapotranspirasi pada musim panas. Hal ini menyebabkan simpanan air lebih tinggi dan limpasan yang keluar dari green roof lebih tinggi pula. Pengamatan 2 musim yaitu musim dingin (1 Oktober-30 Maret) dan musim panas (1 April–30 September) pada sebuah green roof dengan ketebalan substrat 10 cm dan kemiringan atap 2% menghasikan persentase limpasan : 80% untuk musim dingin atau 20% retensi dan 52% untuk musim panas atau 48% retensi (Kaufmann 1999 dalam Mentens et al. 2006). Terkait fungsi retensi, sebuah green roof terbukti dapat menahan limpasan sebesar 20-30% dibanding pada atap tanpa (Carter dan Rasmussen 2007). Hal ini sebanding dengan persentase limpasan yang tertahan (Ab) hasil simulasi yaitu : 48 % untuk tahunan, 64 % untuk musim panas dan 28 % untuk musim dingin. Akan tetapi dalam hal ini, nilai CR maupun Ab yang diperoleh dari hasil simulasi hanya dapat dibandingkan dengan nilai atap tanpa vegetasi dari referensi. Oleh sebab itu, untuk dapat membandingkan perbedaan limpasan pada green roof dan pada atap biasa, diperlukan perhitungan kriteria hidrologis pada atap tanpa vegetasi dengan kondisi iklim serta luasan area yang sama.
Selain tahunan dan musiman, simulasi pengembangan model FAVEUR untuk penilaian kinerja hidrologis dengan ncalc = 1 untuk green roof referensi juga menghasilkan kriteria hidrologis untuk skala waktu kejadian hujan seperti : CR_ev, Ab_ev serta qmax_ev. Berdasarkan definisi kejadian hujan yang telah diasumsikan sebelumnya yaitu diawali pada saat curah hujan tidak sama dengan nol dan diakhiri pada saat curah hujan sama denga nol selama durasi 12 jam (d’ev=12 jam) dimana curah hujan >1 mm diperoleh 1438 kejadian hujan. Pada Gambar 16 (a dan b) disajikan distribusi nilai CR_ev, Ab_ev dan qmax_ev terhadap Plu_ev dan frekuensinya dalam grafik histogram.
Gambar 17 (a) menggambarkan distribusi nilai CR_ev terhadap Plu_ev dan juga frekuensinya dalam bentuk histogram dengan nilai Cint = 12 mm, Kcint = 1, Ctra =10 mm
dan Ttra = 1000 mm. Untuk nilai Plu_ev yang sama, ada banyak nilai CR_ev yang
(c) (b) (a)
Gambar 17 Distribusi kriteria CR, Ab, qmax kejadian hujan green roof referensi terhadap curah hujan dan frekuensinya dalam histogram
Gambar 18 Distribusi kriteria CR, Ab, qmax kejadian hujan terpilih green roof referensi terhadap curah hujan dan frekuensinya dalam histogram
(b) (a)
Gambar 17 (b) menggambarkan distribusi Ab_ev terhadap Plu_ev dan frekuensinya dalam histogram dengan nilai Cint = 12 mm, Kcint = 1, Ctra =10 mm dan Ttra
= 1000 mm. Ab_ev merepresentasikan kapasitas simpan substrat atap bervegetasi pada awal kejadian hujan yang merupakan selisih dari kapasitas intersepsi dan simpanan aktual pada awal kejadian hujan. Dengan nilai Cint = 12 mm, nilai Ab_ev sangat
bervariasi namun dibatasi oleh nilai Cint. Nilai Ab_ev antara 0 – 1 mm merupakan
interval dengan frekuensi tertinggi yaitu 37%. Selanjutnya proporsi Ab_ev antara 11-12 mm menempati frekuensi tertinggi berikutnya yaitu sebesar 27%.
Gambar 17 (c) menggambarkan distribusi nilai qmax terhadap Plu_ev dan distribusinya frekuensinya dalam histogram dengan nilai Cint = 12 mm, Kcint = 1, Ctra
=10 mm dan Ttra = 1000 mm. Sebagian besar nilai qmax (sejumlah 98%) berada dalam
interval 0- 40 l/s/ha. Hanya ada beberapa nilai ekstrim qmax yang mencapai 300 - 400 l/s/ha. Karena sebagian besar nilai kriteria kejadian hujan sangat kecil, kejadian hujan dipilih lagi berdasarkan ketinggian hujan >5 mm. Gambar 18 menunjukkan distribusi dan histogram dari CR, Ab dan qmax untuk 694 jumlah kejadian hujan terpilih (evs) dari green roof referensi dengan nilai Cint = 12 mm, Kcint = 1, Ctra =10 mm dan Ttra =
1000 mm. Sebanyak 29 % CR_evs berada antara 0 dan 0.1. Sedangkan sebanyak 23 % antara 0.9 -1. Untuk nilai Plu_ev yang sama diperoleh nilai CR_evs yang sangat bervariasi antara 0–1. Nilai Ab_evs antara 0-1 mm merupakan persentase terbesar yaitu dalam hal ini 36 %. Persentase Ab_ev terbesar berikutnya yaitu pada rentang nilai 11-12 mm sebesar 30 % dari total Ab_ev. Untuk qmax, 95% berada pada inteval 0- 40 l/s/ha.
Hubungan Kriteria Hidrologis Green Roof dengan Cint
Simulasi pengembangan model FAVEUR untuk penilaian kinerja hidrologis dengan ncalc = 500 untuk green roof menghasilkan :
- ls_critere_sais yang merupakan matriks kriteria musiman yang memuat : Plu_an, CR_an , CR_ete, CR_hiver, Ab_an, Ab_ete, Ab_hiver ;
- ls_critere_ev :yang merupakan matriks kriteria tiap kejadian hujan yang memuat : Plu_ev, CR_ev, Ab_ev;
- ls_critere_evs : yang merupakan matriks kriteria kejadian hujan terpilih yang memuat semua elemen matriks kriteria kejadian hujan dimana curah hujannya > 5 mm ;
Seperti telah diketahui sebelumnya bahwa ada 4 parameter model FAVEUR yang divariasikan secara acak dalam simulasi ncalc = 500 yaitu Cint [12 ;100], Kcint (1
atau 1.2), Ctra [10 ;100] dan Ttra [10 ;1000]. Untuk mengembangkan model FAVEUR
dalam penilaian kinerja hidrologis green roof, terlebih dahulu diperlukan korelasi antara kriteria hidrologis dengan keempat parameter tervariasi tersebut. Setelah kriteria hidrologis dan kempat parameter tersebut dihubungkan, ternyata hanya parameter Cint
yang memiliki korelasi yang kuat dengan kriteria hidrologis CR dan Ab. Hal ini karena penurunan limpasan pada green roof merupakan fungsi dari kapasitas simpannya dan siklus curah hujan-evapotranspirasi (Uhl dan Schiedt 2008). Selain itu, hubungan qmax dengan keempat parameter Cint, Kcint, Ctra dan Ttra belum dapat didefinisikan. Oleh
sebab itu, dalam hal ini hanya akan ada korelasi fungsi kriteria hidrologis CR dan Ab dalam ls_critere_sais, ls_critere_ev dan ls_critere_evs terhadap Cint. Gambar CR dan
Ab tahunan, musiman dan kejadian hujan hasil simulasi ncalc = 500 serta hubungan Gambar 19 Kurva CR dan Ab tahunan serta fungsinya terhadap Cint
untuk ncalc = 500
(b) (d)
antara CR dan Ab terhadap Cint dapat dilihat pada Gambar 18-20. Adapun fungsi
evapotranspirasi yang dalam hal ini direpresentasikan oleh parameter Kcint tidak dapat
disajikan juga pada Gambar 19-21 karena hanya ada 2 parameter Kcint yaitu Kcint sedum
dan Kcint rumput. Oleh karena itu, hubungan antara Kcint dan kriteria hidrologis hanya
dapat dilihat dengan melakukan simulasi berbeda dengan masing-masing nilai Kcint
yang berbeda.
Pada Gambar 19 dapat dilihat distribusi CR_an dan Ab_an (maksimum, rata-rata, median dan minimum) untuk 500 ncalc (a dan b) dan kurva CR dan Ab terhadap Cint (c
dan d). CR_an minimum bervariasi antara 0.08 dan 0.35 sedangkan CR_an maksimum berkisar antara 0.38 dan 0.6. CR_an_rata-rata berkisar antara 0.24 – 0.5 dan CR_an median antara 0.24 – 0.52. CR_an rata-rata dan CR_an median memiliki kecenderungan yang sama secara umum. Hasil tersebut sesuai dengan kesimpulan review dari 18 penelitian tentang green roof yang ada di Jerman yaitu untuk green roof ekstensif (dengan ketebalan substrat antara 2-15 cm) menghasilkan nilai CR tahunan minimum, maksimum, rata-rata dan median antara lain : 0.19, 0.73, 0.5 dan 0.55 (Mentens et al. 2006). Hasil CR simulasi dapat dikatakan lebih variatif karena mewakili series data 18 tahun (1993-2011) yang disimulasikan sebanyak 500 kali. Sedangkan, hasil CR referensi merupakan simulasi dari series data 1-4 tahun. Sekalipun demikian, nilai CR_an maksimum masih lebih rendah dibanding nilai CR pada atap tanpa vegetasi yaitu 0.91 (Mentens et al. 2006).
Akan tetapi hasil CR_an ini hanya merupakan nilai CR pada ruang lingkup objek studi atau nilai CR pada bangunan. Adapun simulasi pengaruh green roof pada limpasan perkotaan di Brussel menunjukkan bahwa pada skala kota green roof hanya dapat menurunkan limpasan dengan persentase 2,7 %, pada skala bangunan-bangunan untuk satu kota diperoleh persentase 5,4 % sedangkan pada skala satu bangunan diperoleh persentase 54% (Mentens et al. 2006). Oleh sebab itu meskipun telah terbukti bahwa green roof dapat menurunkan limpasan, perlu dilakukan analisis lebih lanjut terkait skala penurunan limpasan green roof.
Selanjutnya, pada Gambar 19 (c) disajikan hubungan CR_an minimum, maksimum, rata-rata dan median terhadap Cint. Seperti telah dijelaskan sebelumnya
bahwa dari ke-4 parameter pada model, hanya Cint yang dapat dikorelasikan secara
langsung. Berdasarkan Gambar 19 (c) dapat dilihat bahwa baik CR_an minimum, maksimum, rata-rata dan median memiliki hubungan yang berbanding terbalik dengan Cint. Semakin tinggi nilai Cint, akan semakin rendah nilai CR begitu pula sebaliknya. Hal
ini disebabkan Cint yang merupakan kapasitas intersepsi yang bertindak sebagai sebuah
ruangan penyimpanan dimana semakin luas ruang penyimpanan (Cint tinggi) akan
semakin banyak air yang dapat tersimpan dan sebaliknya air yang akan keluar sebagai limpasan akan lebih kecil begitu pula sebaliknya (Berthier dan Ramier 2010). Variasi Cint antara 12-100 dalam hal ini merupakan simulasi untuk melihat hubungan kriteria
hidrologis terhadap variasi kapasitas simpannya. Saat ini belum banyak penelitian yang menggunakan asumsi tersebut. Oleh sebab itu, perbandingan hasil simulasi variasi Cint
belum dapat dilakukan.
total curah hujan. Sedangkan salah satu hasil penelitian menyimpulkan bahwa green roof dapat menyerap air hujan hingga 75% (Stifter 1997). Dalam hal ini, hasil simulasi menyajikan nilai dan persentase Ab yang lebih spesifik dibanding pada referensi. Hal ini dikarenakan penelitian terkait kriteria retensi masih sangat jarang. Oleh sebab itu, hasil simulasi dengan variasi ncalc =500 dapat menunjukkan gambaran bahwa nilai dan juga persentase Ab_an sangat bervariasi.
Untuk hubungan dengan Cint, kebalikan dengan CR, nilai Ab berbanding lurus
terhadap Cint. Semakin tinggi nilai Cint, semakin tingi pula nilai Ab. Seperti yang telah
dijelaskan sebelumnya bahwa Cint yang merupakan kapasitas intersepsi bertindak
sebagai sebuah ruangan penyimpanan dimana semakin luas ruang penyimpanan (Cint
tinggi) akan semakin banyak air yang dapat tersimpan (Berthier dan Ramier 2010). Selanjutnya, pada Gambar 20 dapat dilihat kurva CR_ete dan Ab_ete terhadap terhadap Cint (a dan b) dan kurva CR_hiver dan Ab_hiver terhadap Cint (c dan d).
CR_ete minimum bervariasi antara 9.5x10-8 - 0.07 (retensi maksimum 93-99%) sedangkan CR_ete maksimum berkisar antara 0.17 - 0.5 (retensi minimum 50-83%). CR_ete_rata-rata berkisar antara 0.02 – 0.33 (retensi rata-rata 67-98%) dan CR_ete median antara 2.1x10-4 – 0.32 (retensi median 68-99%). CR_hiver minimum bervariasi antara 0.19 dan 0.56 (retensi maksimum 44-81%) sedangkan CR_hiver maksimum berkisar antara 0.77 dan 0.79 (retensi minimum 21-23%). CR_hiver_rata-rata berkisar antara 0.49 – 0.7 (retensi rata-rata 30-51%) dan CR_hiver median antara 0.48 – 0.73 (retensi median 27-52%).
Ab_ete minimum bervariasi antara 109-203 mm sedangkan Ab _ete maksimum berkisar antara 282 – 514 mm. Ab_ete rata-rata berkisar antara 218-327 mm dan Ab_ete median antara 213-302 mm. Ab_hiver minimum bervariasi antara 29-38 mm sedangkan Ab_hiver maksimum berkisar antara 106-237 mm. Ab_hiver rata-rata berkisar antara 84-143 mm dan Ab_hiver median antara 84-145 mm.
Gambar 20 Kurva CR dan Ab musiman terhadap Cint untuk ncalc = 500
(d) (c)
