Publisher

GAWPALUGAWPALU

Journal Buletin GAW Bariri (BGB)Buletin GAW Bariri (BGB) Abstract

Model cuaca numerik WRF – ARW digunakan dalam membuat prakiraan dan menganalisis suatu fenomena cuaca ekstrem hujan es. Pada WRF – ARW terdapat pilihan pendekatan terhadap proses fisis yaitu konfigurasi Skema parameterisasi yang menentukan hasil dari simulasi model numerik. Proses mikrofisik berperan penting melalui pengaruh langsung terhadap kekuatan kolam dingin dan pemanasan laten dalam awan konvektif. Penelitian ini bertujuan untuk mendapatkan Skema parameterisasi terbaik dan mengetahui kondisi atmosfer saat kejadian hujan es di wilayah Jakarta Pusat menggunakan model WRF – ARW. Adapun tiga Skema parameterisasi mikrofisik yang diuji adalah WSM3, WSM6 dan THOMPSON. Pengolahan WRF – ARW menggunakan input data FNL yang didapatkan dari NCEP dan data radar EEC yang diperoleh dari Stasiun Meteorologi Cengkareng serta diolah menggunakan Rainbow. Variabel yang diolah adalah nilai reflektivitas secara spasial dan vertikal yang dibandingkan dengan pengamatan radar cuaca. Hasil simulasi menunjukkan Skema WSM6 dan THOMPSON cukup representatif dalam menggambarkan pola sel konvektif kuat di wilayah Jakarta Pusat meskipun lokasi jatuhnya hujan es berbeda dengan hasil pengamatan radar. Kemudian, hasil verifikasi menunjukkan Skema THOMPSON lebih baik dengan nilai RMSE lebih kecil dan nilai korelasi yang tinggi.

Conclusion

Secara umum model WRF – ARW sudah cukup baik dalam melakukan simulasi terhadap fenomena hujan es yang ditunjukkan dengan kemampuan model WRF – ARW dalam mengidentifikasi sel – sel konvektif meski belum cukup baik dalam menentukan lokasi terjadinya hujan es karena dari hasil analisis lokasi hujan es berbeda antara model dengan pengamatan radar.Untuk parameterisasi mikrofisik, Skema 3 (THOMPSON) lebih baik dibanding Skema 1 (WSM3) dan Skema 2 (WSM6), hal ini ditunjukkan dengan hasil verifikasi Skema 3 yang lebih baik yaitu nilai RMSE 0.94, serta kemampuan dalam mensimulasikan hujan es yang terbagi mulai dari fase pertumbuhan, matang hingga peluruhan yang serupa dengan hasil citra radar.

Future Research

Penelitian selanjutnya dapat menguji apakah penambahan data observasi lidar atau citra satelit multispektral ke dalam proses inisialisasi WRF‑ARW mampu meningkatkan ketelitian penentuan lokasi titik jatuh hujan es dibandingkan dengan hanya menggunakan data radar. Selain itu, sebuah studi komparatif yang melibatkan tidak hanya tiga skema mikrofisik (WSM3, WSM6, THOMPSON) tetapi juga skema terbaru seperti Morrison dan Goddard, serta variasi parameterisasi konvektif, dapat menilai sensitivitas hasil simulasi terhadap kombinasi skema yang berbeda. Penelitian dapat memperluas cakupan wilayah dengan melakukan simulasi multi‑kasus hujan es di daerah dengan topografi beragam, seperti dataran tinggi, pesisir, dan daerah tropis interior, untuk mengevaluasi kemampuan generalisasi skema THOMPSON. Selanjutnya, analisis statistik yang mengaitkan parameter atmosferik kritis (misalnya suhu permukaan, kelembaban relatif, dan kerapatan awan) dengan keberhasilan prediksi hujan es dapat membantu mengidentifikasi indikator utama yang perlu dimasukkan dalam model. Pengembangan metode verifikasi berbasis machine‑learning, seperti jaringan saraf tiruan untuk membandingkan output model dengan citra radar real‑time, dapat memberikan ukuran kesalahan yang lebih detail dan mempercepat proses kalibrasi. Akhirnya, kajian tentang dampak perubahan iklim terhadap frekuensi dan intensitas hujan es di wilayah Jakarta dan sekitarnya dapat memberikan wawasan penting bagi perencanaan mitigasi bencana di masa depan.

Metadata

File size	680.52 KB
Pages	7
DMCA	Report