SIMULASI CUACA DI WILAYAH BRANTI LAMPUNG SELATAN
Berdasarkan banyaknya pilihan yang disediakan oleh model WRF-EMS, dilakukan penelitian untuk mensimulasikan kondisi cuaca untuk 3 hari kedepan di wilayah Branti Lampung Selatan. Simulasi ini dilakukan untuk melihat seberapa akurat model WRF-EMS dalam melakukan prakiraan terhadap beberapa unsur yang akan dikaji terutama dalam unsur hujan.
WRF-EMS merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi tinggi dengan domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai fenomena cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam pembentukan cuaca di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan diharapkan menjadi lebih akurat. Simulasi cuaca dikemas dalam bentuk meteogram agar lebih mudah untuk dilakukan analisa serta lebih menarik dalam tampilannya.
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017, hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan verifikasi terhadap hasil prakiraan tersebut.
ABSTRACT
Based on the many options provided by the WRF-EMS model, a study was conducted to simulate
the weather conditions for the next 3 days in the Branti area of South Lampung. This simulation
is done to see how accurate the WRF -EMS model is in forecasting some elements that will be
studied especially in rain element.
WRF-EMS is a NWP modeling system that can be operated with high resolution with nested
domains. With such a prediction system, various weather phenomena, both global, synoptic and
local scale that play a role in weather formation in a region are taken into account so that the
expected weather forecasts are expected to be more accurate. Weather simulation is packed in
the form of meteogram for easier analysis and more interesting in appearance.
From the research that has been done can be drawn some conclusions as follows:
1. Rain is predicted to fall in the Branti and surrounding areas from November 9 to 11, 2017, the
rains are identified because of Cumulunimbus cloud growth with thunder storms that could
potentially lead to bad weather.
2. The atmospheric conditions in Branti and surrounding areas that support the rain occur from
the factors of Humidity, Lifted Index, Total Index, and Vertical Shear.
3. WRF-EMS model was able to predict the rain fall time for Branti area and its surroundings
now stay waiting until the next 3 days to verify the results of these forecasts.
Keyword : WRF, Forecasts, Meteogram.
1. PENDAHULUAN
Sekarang ini, prakiraan cuaca konvensional sudah banyak ditinggalkan. Kini, prakiraan cuaca dibuat dengan menginterpretasikan peta-peta cuaca prakiraan output model NWP (Numerical Weather Prediction). Meskipun peran subyektifitas masih berperan dalam pembuatan prakiraan, namun sudah relatif jauh berkurang.
Weather Research Forecasting (WRF) merupakan generasi masa depan model prediksi cuaca skala meso dan sistem asimilasi data yang saat ini sudah menggantikan model – model numerik yang telah ada sebelumnya (seperti NAM-Eta) di Amerika Serikat untuk keperluan operasional
WRF-EMS (Weather Research and Forecasting Environmental Modeling System) merupakan suatu sistem pemodelan NWP yang dapat dioperasikan dengan resolusi tinggi dengan domain ganda bersarang (nested). Dengan sistem prediksi yang demikian, berbagai fenomena cuaca, baik skala global, sinoptik maupun skala lokal yang berperan dalam pembentukan cuaca di suatu wilayah diperhitungkan sehingga prakiraan cuaca yang dihasilkan diharapkan menjadi lebih akurat. Tekhnik prediksi semacam ini, dalam bahasa Inggris disebut teknik dynamic downscaling. Selain teknik tersebut, WRF-EMS juga dilengkapi dengan pilihan-pilihan dinamis
hidrostatik, non hidrostatik dan beberapa skema parameterisasi termasuk skema konvektif (cummulus). Dengan adanya sarana tersebut, pengguna dapat melakukan eksperimen atau penelitian guna memperoleh model yang sesuai dengan keadaan setempat sehingga hasil prakiraan yang diperoleh menjadi lebih akurat.
Keuntungan prakiraan dengan mengunakan output NWP dibandingkan cara konvensional yang paling penting adalah: (a) model NWP menghasilkan pola-pola cuaca yang akan datang sehingga prakirawan cukup menginterpretasikan pola-pola cuaca tersebut untuk kemudian dibuat prakiraan dan (b) peta-peta prakiraan cuaca jauh lebih cepat tersedia dibanding peta-peta cuaca yang dibuat dengan cara konvensional sehingga prakiraan cuaca dapat dibuat secara lebih cepat.
hari kedepan. Hal ini untuk memberi gambaran serta untuk mengetahui seberapa akurat hasil prakiraan yang dihasilkan dari WRF-EMS untuk wilayah Branti.
2. DATA DAN METODE
2.1 LOKASI PENELITIAN
Gambar 1. Lokasi Penelitian
2.2 DATA
Dalam simulasi ini digunakan data output model gobal, yaitu data FNL yang diunduh dari situs
www.rda.ucar.edu pada tanggal 9 November 2017 jam 00.00 – 18.00 UTC. Data output FNL mempunyai resolusi spasial 1o x 1o (±111 km) dan temporal 6 jam dengan jangka prakiraan 10 hari. Data FNL tersedia untuk level permukaan, dari 1000 mb hingga 10mb.
2.3 METODE
1. Running Model
adalah domain dari FNL yang mempunyai resolusi 30 km, domain 2 mempunyai resolusi 10 km, dan domain 3 mempunyai resolusi 3 km.
Fisik model yang dipilih adalah Non-Hidrostatik dengan pilihan skema-skema paramererisasi sebagai berikut :
Dynamics : Non-Hydrostatic
Cumulus Scheme : D1,D2 = Kain-fritscz, BMJ, Drell De Microphysics Scheme : Lin et al.
PBL Scheme : Yonsei University Land Surface Scheme : Noah 4-Layer LSM Number Soil Layers : 5
Surface Layer Physics : Monin-Obukhov Longwave Rad : RRTM
Shortwave : Dudhia
2. GraDs
Mengolah output model dengan software GrADS, lalu menganalisa secara visual hasil output GraDs berupa meteogram.
3. ANALISA DAN PEMBAHASAN
Interpretasi masing – masing parameter keluaran WRF yang dilihat berdasarkan meteogram adalah sebagai berikut :
Berdasarkan grafik profil angin vertikal didapatkan bahwa pada tanggal 9 November 2017 jam 00.00 – 12.00 UTC angin bergerak ke arah selatan sampai lapisan 1000 mb dengan kecepatan 5 - 10 m/s. Dengan melihat kondisi angin yang seperti ini bisa dikatakan pada tanggal 9 November 2017 hujan berpotensi turun dalam waktu yang cukup lama sebab pergerakan angin seperti mendapat dorongan yang kuat dari atas menuju ke permukaan. Pada jam 12.00 – 00.00 UTC pergerakan angin masih cenderung tidak banyak mengalami perubahan hanya dilapisan atas 600mb – 500mb angin bergerak secara acak.
Pada tanggal 10 November 2017 jam 00.00 – 12.00 UTC pergerakan angin masih dari utara menuju ke selatan dengan kecepatan 5 – 10 m/s. Dengan melihat pola angin yang seperti ini potensi terjadi hujan ada di waktu sore menjelang malam hari. Pada jam 12.00 – 00.00 UTC angin di lapisan bawah bergerak dari arah timur menuju ke barat. Bisa dikatakan di malam hari hingga esok pagi hujan tidak berpeluang terjadi.
Pada tanggal 11 November 2017 jam 00.00 – 12.00 UTC pergerakan angin bergerak dari utara menuju ke selatan mulai lapisan 500mb - 700mb, lalu mulai lapisan 700mb – permukaan pergerakan angin dari timur menuju ke barat dengan kecepatan 5 – 10 m/s. Jika dilihat dari pergerakan anginnya maka pada tanggal 11 November 2017 potensi hujan turun adalah kecil di wilayah Branti dan sekitarnya.
Berdasarkan grafik suhu perlapisan, pada tanggal 9 – 11 November 2017 mulai jam 00.00 – 12.00 UTC suhunya berada diatas 25°C sehingga di jam-jam tersebut pengaruh konveksi sangat mendukung. Suhu semakin keatas nilainya semakin berkurang, sampai dititik dimana 0°C atau yang biasa disebut dengan freezing level disekitar lapisan 550mb. Adanya freezing level menandakan potensi terbentuknya awan Cumulunimbus yang bisa menghasilkan hujan dengan intensitas sedang – lebat.
atasnya mulai lapisan 800mb – 600mb nilai kelembabannya 70%. Pada saat ini potensi terbentuk awan-awan hujan sangat mungkin terjadi. Pada tanggal 11 November 2017 tidak jauh berbeda dengan tanggal 10 November 2017 dimana pada hari ini terjadi kemiripan nilai kelembaban sehingga potensi terbentuknya awan-awan hujan kembali terulang di keesokan harinya.
2. Thickness
Mengacu pada teori bahwa semakin tebal thickness maka kolom udara bersifat hangat dan semakin tipis thickness maka kolom udara cenderung dingin, maka berdasarkan output meteogram pada jam 00.00 - 12.00 UTC pada tanggal 9 November 2017 thickness tercatat mengalami pelonjakan dari 578 sampai 580 yang berarti disini udara dingin berubah menjadi udara hangat dan jika dipadukan dengan kelembaban yang lembab maka akan terbentuk awan-awan hujan di wilayah Branti dan sekitarnya.
Pada tanggal 10 November 2017 pada jam 00.00 – 12.00 UTC terlihat lonjakan nilai thickness dari 579 sampai 582 yang berarti pada waktu-waktu ini potensi awan hujan terbentuk di wilayah Branti dan sekitarnya cukup besar dan di malam harinya kondisi cuaca cenderung baik. Tanggal 11 November 2017 mulai jam 00.00 – 12.00 UTC juga terjadi lonjakan nilai thickness dari 579 sampai 583 yang berarti pada jam-jam tersebut potensi awan-awan hujan
terbentuk juga sangat besar jika dipadukan dengan nilai kelembaban yang tinggi.
Lifted Index (LI) memberikan gambaran di boundary layer dan dipengaruhi oleh
kelembaban. Lifted Index merupakan perbedaan suhu antara lapisan 500 dengan lapisan 500’ (suhu parsel air yang terangkat dari lapisan 500mb). Sehingga Lifted Index menggambarkan potensi terjadinya Thunderstorm atau tidak, yang juga dapat menggambarkan adanya awan Cumulunimbus. Nilai Lifted Index yang cukup besar terjadi pada tanggal 9 November 2017 jam 12.00 – 00.00 UTC dan tanggal 10 – 11 November 2017 jam 00.00 – 00.00 UTC dimana nilainya berkisar -4 sampai -5 dimana nilai tersebut masuk dalam kategori ketidakstabilan yang besar, potensi adanya Thunderstorm besar.
4. Total Index (TT)
Total Index berkaitan dengan beda suhu lapisan atas dan bawah yaitu lapisan 850mb dan 500mb. Nilai Total Index mulai tanggal 9 – 11 November 2017 mulai jam 00.00 – 00.00 UTC nilai Total Index bervariasi sekitar 50 – 60 yang menandakan bahwa indikasi petir meluas bahkan merata ke arah cuaca buruk. Mulai tanggal 9 – 11 November 2017 diindikasikan akan terbentuk awan Cumulunimbus di sepanjang hari tersebut. Nilai Total Index yang lebih besar dari 56 menandakan akan terbentuk Thunderstorm yang tersebar dimana mana.
5. MSLP (Mean Sea Level Pressure)
Berdasarkan grafik nilai tekanan permukaan pada tanggal 9 November 2017 pada jam 00.00 – 12.00 UTC tekanan yang semula 1009mb turun sampai 1005mb. Dapat dianalisis bahwa nilai ini merupakan nilai Low Pressure dengan kemungkinan membuat massa udara berkumpul ke titik tersebut dengan suhu hangat. Perkumpulan massa udara di daerah Low Pressure ini mengindikasikan akan terbentuknya awan konvektif yang berpotensi menghasilkan hujan.
mengindikasikan meningkatnya suhu udara yang sangat mendukung proses konveksi lalu menghasilkan awan-awan hujan. Kondisi yang serupa terjadi pada tanggal 11 November 2017 dimana kondisinya tidak jauh berbeda dengan kejadian pada tanggal 10 November 2017, sehingga pada tanggal 11 November 2017 kondisi cuacanya tidak jauh berbeda dengan apa yang terjadi di tanggal 10 November 2017.
6. Wind Speed 10m
Angin permukaan dominan bertiup dari selatan menuju ke utara dengan kecepatan angin antara 0 – 4 m/s. Pola angin tanggal 9 - 11 November 2017 bergerak ke atas dimana bisa dikatakan terjadi proses dorongan ke atas sehingga massa udara bisa terbentuk menjadi awan. Setelah itu kecepatan angin cenderung menurun hingga kembali calm. Perbedaan kecepatan ini mengindikasikan adanya shear vertikal yang dapat menyebabkan gerakan udara vertikal ke atas dan mendukung proses terbentuknya awan.
7. Suhu dan Dew Point (2m)
menandakan semakin basahnya kondisi udara bisa dikarenakan hujan dan juga bisa saat kondisi dini hari.
8. Kelembaban (RH)
Kelembaban (RH) pada ketinggian 2m diatas menunjukkan bahwa RH 95 % selama jam 12.00 – 00.00 UTC pada tanggal 9 November 2017 hal ini didukung oleh grafik Suhu dan Dew Point yang menunjukkan bahwa selisih Suhu dan Dew Point pada waktu tersebut adalah 0.
Sehingga dapat disimpulkan bahwa kemungkinan ada hujan pada rentang waktu tersebut yang menyebabkan udara menjadi basah sehingga nilai RH mendekati maksimum. Hal ini menunjukkan adanya suplai uap air yang cukup banyak sehingga mendukung proses terbentuknya awan. Hal ini juga terjadi pada tanggal 10 dan 11 November 2017, nilai kelembaban udara mulai perlahan meningkat pada jam 10.00 UTC sampai jam 00.00 UTC, disinilah diprakirakan terjadinya hujan di wilayah Branti dan sekitarnya.
9. Total Rain
UTC dengan intensitas ringan – sedang. Kemudian tanggal 11 November 2017 hujan diprediksi turun lebih awal pada jam 03.00 UTC sampai jam 11.00 UTC, pada tanggal tersebut hujan diprediksi sudah turun sejak pagi hari dengan intensitas ringan – sedang. Salah satu tanda musim hujan sedang berlangsung adalah seringnya turun hujan pada waktu pagi hari dimana pada saat tersebut belum terjadi proses konveksi.
4. PENUTUP
4.1 KESIMPULAN
Dari penelitian yang telah dilakukan dapat ditarik beberapa kesimpulan sebagai berikut:
1. Hujan diprediksi turun di wilayah Branti dan sekitarnya mulai tanggal 9 – 11 November 2017, hujan tersebut turun diidentifikasi karena adanya pertumbuhan awan Cumulunimbus dengan badai guntur yang berpotensi mengarah ke cuaca buruk.
2. Kondisi atmosfer di wilayah Branti dan sekitarnya yang mendukung terjadi hujan yaitu dari faktor Kelembaban, Lifted Index, Total Index, serta Shear Vertical.
3. Model WRF-EMS ternyata mampu untuk memprediksi waktu turunnya hujan untuk wilayah Branti dan sekitarnya sekarang tinggal menunggu sampai 3 hari kedepan untuk dilakukan verifikasi terhadap hasil prakiraan tersebut.
5. DAFTAR PUSTAKA
Annisa., 2013 : Simulasi Kejadian Hujan Lebat Di Bandara Internasional Lombok dengan Model WRF-ARW (Studi Kasus Tanggal 4-5 Desember 2013). Tugas Akhir D III. Jakarta, AMG.
Ardin., 2013 : Analisa Keadan Cuaca Saat Kecelakaan Pesawat Merpati MA-60 di Teluk Kaimana. Jakarta, AMG.
Patty R., 2014 : 4 Jenasah Korban Pesawat Jatuh di Tual Diambil Keluarga. http://lipsus.kompas.com. Diakses pada tanggal 02 Mei 2014.
T.n., 2009 : Modul Diklat Teknis Meteorologi Penerbangan Edisi I. Jakarta, BMKG.
Wirjohamidjojo, S., 2006 : Meteorologi Praktik. Jakarta, BMKG.
Wirjohamidjojo, S., 2007 : Praktek Meteorologi Penerbangan. Jakarta, BMKG.
