SERAMBI MEKKAHSERAMBI MEKKAH

Proceedings of International Conference on Multidiciplinary ResearchProceedings of International Conference on Multidiciplinary Research

Keterbatasan observasi in-situ terhadap udara atas menjadi salah satu hambatan dalam analisis cuaca. Penggunaan data model dapat menjadi solusi. Tujuan penelitian ini adalah menentukan akurasi data model dalam menyediakan informasi udara atas menggunakan RAOB sebagai alat visualisasi diagram aerologi dan analisis informasi suara. Data yang digunakan adalah data observasi radiosonde dari Stasiun Meteorologi Cengkareng dan model tekanan ECMWF 1000–100 mb di lokasi yang sama dengan observasi in-situ. Waktu yang dipilih adalah saat terjadinya kabut dan mist pada pukul 00 UTC untuk 5 kejadian masing-masing. Metode yang digunakan adalah korelasi Pearson dan verifikasi visual sederhana. Hasil yang diperoleh menunjukkan bahwa korelasi diagram titik penting saat terjadi mist adalah 0,76 dan saat terjadi kabut adalah 0,67, secara visual menunjukkan bahwa data model cukup dekat dengan data observasi. Korelasi dari 59 informasi suara secara keseluruhan menghasilkan nilai 0,85–0,99 saat terjadi Mist dan nilai 0,89–0,99 saat terjadi Haze. Diharapkan hasil ini dapat digunakan sebagai pertimbangan penggunaan data model dalam mengisi celah data observasi radiosonde.

Data model ECMWF digunakan untuk menganalisis dan mengilustrasikan diagram aerologi selama kejadian kabut dan mist menggunakan RAOB 5.Langkah ini digunakan sebagai solusi untuk mengisi dan meningkatkan intuisi informasi analisis cuaca di luar jam observasi utama radiosonde.Hasil verifikasi visual menunjukkan bahwa data model ECMWF dapat memberikan gambaran yang cukup baik dari diagram Skew T dan hampir cocok dengan data observasi.Korelasi dalam parameter plotting titik penting memberikan nilai antara 0,67 hingga 0,76.Verifikasi kesesuaian data model juga dilakukan pada perhitungan indeks informasi visibilitas rendah dan menghasilkan korelasi antara 0,8–0,99 secara keseluruhan.Dengan demikian, dapat disimpulkan bahwa data model sangat baik dalam menggantikan data observasi dan mengisi celah observasi radiosonde serta untuk analisis cuaca di lokasi mana pun tanpa bergantung pada lokasi stasiun meteorologi utama.

Mengembangkan model prediksi kabut menggunakan algoritma machine learning seperti LSTM untuk meningkatkan akurasi prediksi visibilitas rendah. Mengintegrasikan data satelit dengan data model ECMWF untuk memperbaiki representasi struktur atmosfer selama kejadian kabut. Mempelajari pengaruh perubahan iklim terhadap frekuensi dan intensitas kejadian kabut dan mist di daerah tropis dengan pendekatan multidisipliner.

  1. A Haze Prediction Model in Chengdu Based on LSTM. haze prediction model chengdu based lstm next article... mdpi.com/2073-4433/12/11/1479A Haze Prediction Model in Chengdu Based on LSTM haze prediction model chengdu based lstm next article mdpi 2073 4433 12 11 1479
  1. #ii diabetes mellitus#ii diabetes mellitus
  2. #kluwih seed flour#kluwih seed flour
Read online
File size791.61 KB
Pages9
Short Linkhttps://juris.id/p-29K
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test