22 bulanan, hasil curah hujan Grell dapat
merepresentasikan pola curah hujan observasi di daerah bertipe monsunal dan ekuatorial
lebih baik dibandingkan MIT, walaupun memiliki nilai curah hujan yang cenderung
rendah. Baik skema MIT maupun Grell dapat mendeteksi adanya sinyal MJO pada analisis
keragaman
curah hujan
intra-musiman, sehingga belum dapat disimpulkan skema yang
lebih mampu meng-gambarkan keragaman curah hujan intra-musiman diantara MIT dan
Grell, walaupun MIT memperlihatkan hasil yang lebih baik pada analisis sebaran komposit
curah hujan. Kesimpulan yang dapat diberikan adalah bahwa MIT lebih dominan dalam
menggambarkan keragaman curah hujan intra- musiman berdasarkan persentase keragaman
PCA yang lebih tinggi. Namun, secara umum, MIT menunjukkan hasil yang lebih baik dalam
merepresentasikan keragaman curah hujan di Indonesia.
Berdasarkan simulasi curah hujan dari kedua skema konveksi yang digunakan dalam
penelitian ini, skema MIT memiliki hasil yang lebih baik dibandingkan skema Grell dalam
menggambarkan karakteristik iklik Indonesia, khususnya curah hujan. Untuk simulasi model
RegCM4 pada penelitian yang lain, dapat digunakan skema konveksi MIT.
5.2. Saran
Time series yang digunakan pada analisis MJO untuk dibandingkan dengan indeks RMM
adalah hasil PCA yang kemudian difilter mengikuti metode band-pass filter indeks
RMM. Nilai korelasi yang diperoleh tidak terlalu tinggi dan tidak berada pada peringkat
PC awal, karena hasil komponen utama diduga masih memiliki keragaman selain siklus MJO.
Filter data sebaiknya dilakukan pada awal pengolahan data sebelum pembuatan PCA.
Jadi, PCA dibuat dari data yang telah difilter, sehingga
hanya tersisa
pengaruh dari
keragaman intramusiman MJO, seperti yang dilakukan pada penyusunan indeks RMM 1
dan 2. Hasil simulasi tidak dapat menduga curah
hujan yang terjadi di atas lautan. Hal ini berkaitan dengan parameterisasi skema transfer
fluks lautan dan atmosfer yang digunakan, yaitu Zeng Zeng et al. 1998. Masing-masing
skema memiliki parameterisasi yang berbeda- beda simulasi yang dijalankan, sehingga
pengaruh-nya juga berbeda-beda terhadap hasil simulasi. Oleh karena itu, perlu dilakukan
kajian mengenai
pengaruh skema-skema
lainnya pada hasil simulasi.
DAFTAR PUSTAKA
Anthes RA. 1977. A Cumulus Parameteriza- tion
Scheme utilising
A One-
dimensional Cloud Model. Monthly Weather Review, 105:270-286
Arakawa A dan Schubert WH. 1974. Interac- tion of A Cumulus Cloud Ensemble
with The Large Scale Environment, Part 1. Journal of Atmospheric Science,
American Meteorological
Society, 31:674-701.
Dool HVD. 2007. Empirical Methods in Short Term Climate Prediction. New York:
Oxford University Press. Emmanuel KA dan Zivkovic RM. 1999.
Development and Evaluation of a Convective Scheme for Use in Climate
Models. Journal of Atmospheric Science,
American Meteorological
Society, 56:1766-1782. Fritsch JM dan Chappel CF. 1980. Numerical
Prediction of Convectively Driven Mesoscale Pressure System, Part 1:
Convective Parameterization. Journal of Atmospheric Science, American
Meteorological Society, 37:1722-1733.
Giorgi F, Pal JS, Bi X, Sloan L, Elguindi N, dan Solmon F. 2006. Introduction to
The TAC Special Issue: The RegCNET Network. Journal of Theory and
Application Climatology.
Giorgi F, Elguindi N, Cozzini S, dan Giuliani G. 2011. Regional Climatic Model
RegCM User Manual Version 4.2. International Centre for Theoretical
Physics, Italia.
Giorgi F, Hewitson B, Christensen J, Fu C, Jones R, Hulme M, Mearns L, Storch
HV, dan Whetton P. 2001. Regional Climate Information
– Evaluation and Projections, in Climate Change 2001:
The Scientific Basis, p.944pp, J.T. Houghton et al., Eds., Cambridge
University Press.
Gottschalk J, Wheeler M, Weickmann K, Vitart F, Savage N, Lin H, Hendon H,
Waliser D, Sperber K, Nakagawa M, Prestrelo C, Flatau M, dan Higgins W.
2010. A Framework for Assessing Operational Madden-Julian Oscillation
Forecasts A Clivar MJO Working Group Project. Bulletin American
Meteorological Society.
Grell GA. 1993. Prognostic Evaluation of Assumptions
Used by
Cumulus Parameterization.
Journal of
23 Atmospheric
Science, American
Meteorological Society. 121:764-787. Hidayat R, dan Kizu S. 2009. Influence of
Madden Julian
Oscillation on
Indonesian Rainfall Variability in Austral Summer. International Journal
of Climatology, Royal Meteorological Society, 30:1816-1825.
Huffman GF, Adler RF, Bolvin DT, Gu Guojun, Nelkin EJ, Bowman KP, Hong
Yang, Stocker EF, dan Wolf DB. 2007. The TRMM Multisatellite Precipitaion
Analysis TMPA : Quasi-Global, Multiyear Combined-Sensor Precipi
tation Estimates at Fine Scales. Journal of Hydrometeorology, American Meteo
rological Society, 8:38-55
Jiang X, Waliser DE, Olson WS, Tao W, L’ecuyer TS, Li J, Tian B, Yung YK,
Tompkins AM, Lang SE, dan Grecu M. 2009.
Vertical Heating
Structures Associated
with the
MJO as
Characterized by TRMM Estimates, ECMWF Reanalyses, and Forecasts: A
Case Study during 199899 Winter. Journal
of Climate,
American Meteorological Society, 22:6001-6020.
Jie C, Zhang X, You Y, dan Yang R. 2007. Applicability of Cumulus Convective
Parameter Scheme in RegCM3 to The Rainfall Over The Longitudinal Range
Gorge Region.
Chinese Science
Bulletin, Springer, 52:115-121. Johnson RA dan Wichern DW. 2002. Applied
Multivariate Statistical Analysis, 5
th
Edition. New Jersey: Prentice Hall. Kalnay E, Kanamitsu M, Kistler R, Collins W,
Deaven D, Gandin L, Iredell M, Saha S, White G, Woollen J, Zhu Y, Chelliah
M, Ebisuzaki W, Higgins W, Janowiak J, MO KC, Ropelewski C, Wang J,
Leetmaa A, Reynolds R, Jenne Roy, dan
Dennis Joseph.
1996. The
NCEPNCAR 40-Year
Re-analysis Project. Bulletin American Meteorologi-
cal Society 77 3. Kim D, Sperber K, Stern W, Waliser D, Kang
IS. Maloney E, Wang W, Weickman K, Benedict J, Khairoutdinov M, Lee MI,
Neale E, Suarez M, Thayer-Calder K, dan Zhang G. 2009. Application of
MJO Simulation Diagnostics to Climate Models. Journal of Climate, American
Meteorological Society, 22: 6413-6436.
Madden RA dan Julian PR. 1994. Observation of 40-50 Day Tropical Oscillation
– A Review.
Journal of
Atmospheric Science,
American Meteorological
Society, 122:814-837 Nicholson SE, Some B, Mc Collum J, Nelkin
E, Berte Y, Diallo BM, Gaye I, Kpabeba G, Ndiaye O, Noukpozzoun-
kou JN, Tanu MM, Thiam A, Toure AA, dan Traore AK. 2003. Validation
of TRMM and Other Rainfall Estimates with a High-Density Gauge Dataset for
West Africa. Part II: Validation of TRMM Rainfall Products. Journal of
Applied
Meteorology, American
Meteorological Society, 42:1355-1368. Reynolds RW, Rayner NA, Smith TM, Stokes
DC, dan Wang Wanqiu. 2002. An Improved In Situ and Satellite SST
Analysis for Climate. Journal of Climae, 15:1609-1625.
Subrahmanian AC, Jochum M, Miller AJ, Mortugudde R, Neale RB, dan Waliser
DE. 2011. The Madden-Julian Oscilla- tion in CCSM4. Journal of Climate,
American Meteorological
Society, 24:6261-6282.
Wheeler M dan Hendon H. 2004. An All- Season Real-Time Multivariate MJO
Index: Development of an Index for Monitoring and Prediction. Journal of
Atmospheric Science,
American Meteorological Society, 132:1917-1932.
Wilks DS. 2006. Statistical Methods in The Atmospheric Science, 2
nd
Edition. USA: Elsevier Inc.
Zanis P, Douvis C, Kapsomenakis I, Kioutsioukis I, Melas D, dan Pal JS.
2008. A Sensitivity Study of The Regional Climate Model RegCM3 to
The Convective Scheme with Emphasis in Central Eastern and Southeastern
Europe. Journal of Theory and Application Climatology, Springer.
Zeng X, Zhao M, dan Dickinson RE. 1998. Intercomparison of Bulk Aerodynamic
Algoryths for The Computation of Sea Surface Fluxes Using Toga Coare and
Tao Data. Journal of Climate, 11:2628- 2644.
Zhang C. 2005. Madden Julian Oscillation. Review
of Geophysics,
American Geophysical Union 43.
Zhang L, Wang B, dan Zeng Q. 2009. Impact of The Madden-Julian Oscillation on
Summer Rainfall in Southeast China. Journal
of Climate,
American Meteorological Society, 22:201-216.
24
LAMPIRAN
25 Lampiran 1 Skrip Simulasi
Simulasi RegCM4 untuk Domain Indonesia Skema Konveksi dimparam
iy = 104, jumlah grid lintang UtaraSelatan
jx = 224, jumlah grid bujur BaratTimur
kz = 18, jumlah grid vertikal
nsg = 1, jumlah sub-grid, nsg=1, tanpa sub-grid
geoparam iproj = NORMER,
jenis proyeksi yang digunakan Normal Mercator ds = 30.0,
resolusi grid dalam km ptop = 5.0,
nilai tekanan lapisan teratas dalam cbar centi bar clat = -2.5,
lintang pusat domain clon = 118.5,
meridian pusat domain plat = 45.39,
lintang kutub untuk proyeksi Rotated Mercator plon = 13.48,
meridian kutub untuk proyeksi Rotated Mercator truelatl = 30.0,
sisi lintang rendah untuk proyeksi Lambert truelath = 60.0,
sisi lintang tinggi untuk proyeksi Lambert i_band = 0,
opsi band non aktif terrainparam
domname = grellFC_30, awalan nama file
ntypec = 10 resolusi data landuse dan global terrain 10 menit
ntypec_s = 10, untuk sub-grid
smthbdy = .false., smoothing control
lakedpth = .false., domain bathymetry
fudge_lnd = .false., fudging control, untuk landuse grid
fudge_lnd_s = .false., fudging control, untuk landuse sub-grid
fudge_tex = .false., fudging control, untuk texture grid
fudge_tex_s = .false., fudging control, untuk texture sub-grid
h2opct = 75., persen H
2
O minimum permukaan dirter = input,
direktori hasil terrain inpter = homefidafida-dataREGCM_GLOBEDAT, direktori input data permukaan
ioparam ibyte = 4,
debugparam debug_level = 1,
dbgfrq = 3, boundaryparam
nspgx = 12, nspgd = 12,
modesparam nsplit = 2,
26 globdatparam
ibdyfrq = 6, resolusi waktu data ICBC 6 jam
ssttyp = OI_WK, tipe data SST mingguan
dattyp = NNRP1, tipe data atmosfer global
gdate1 = 1997122800, tanggal awal data ICBC
gdate2 = 2011010100, tanggal akhir data ICBC
dirglob = input, letak direktori data ICBC
inpglob = homefidafida-dataREGCM_GLOBEDAT, letak direktori data input global globwindow
lat0 = 0.0 lat1 = 0.0
lon0 = 0.0 lon1 = 0.0
aerosolparam aertyp = AER00D0
menonaktifkan model aerosol default ntr = 10,
nbin = 4, restartparam
ifrest = .false. , simulasi awal, true untuk me-restart
mdate0 = 1998010100, tanggal awal simulasi
mdate1 = 1998010100, tanggal awal simulasirestart
mdate2 = 2011010100, tanggal akhir simulasirestart
timeparam dtrad = 30.,
time step dalam detik dtabem = 18.,
interval perhitungan radiasi menit dtsrf = 300.,
interval perhitungan absorbsi-emisi jam dt = 100.,
interval pemanggilan land model detik outparam
ifsave = .true. , savfrq = 7200.,
ifatm = .true. , atmfrq = 6.,
ifrad = .true. , radfrq = 6.,
ifsrf = .true. , ifsub = .true. ,
srffrq = 3., ifchem = .false.,
chemfrq = 6., dirout=output
physicsparam Inisialisasi parameter fisika
27 iboudy = 5,
skema kondisi lateral boundary layer relaxation, teknik eksponensial
ibltyp = 1, skema boundary layer Holstlag PBL 1990
icup = 2, tipe skema konveksi 4=MIT, 2=Grell
igcc = 2, tipe skema konveksi Grell 1=AS, 2=FC
ipptls = 1, skema kelembaban explicit moisture
iocnflx = 2, skema fluks lautan Zeng et al. 1998
ipgf = 0, skema PGF Pressure Gradient Force, full fields
iemiss = 0, perhitungan emisi tidak dilakukan
lakemod = 0, lake model non aktif
ichem = 0, aerosol chemical model non aktif
scenario = A1B, skenario IPCC yang digunakan
idcsst = 0, skema sst diurnal cycle non aktif
iseaice = 0, model sea-ice effect non aktif
idesseas = 1, model dessert seasonal albedo variability
iconvlwp = 1, menggunakan liquid water path
subexparam qck1land = .250E-03,
rataan autokonversi untuk daratan qck1oce = .250E-03,
rataan autokonversi untuk lautan cevap = .100E-02,
koefisien evaporasi butir hujan caccr = 3.000,
accretion arate butir hujan m
3
kgs cftotmax = 0.75,
total fraksi penutupan awan maksimum radiasi grellparam
inisialisasi parameter skema Grell emanparam
inisialisasi parameter skema MIT elcrit = 0.0011D0,
coeffr = 1.0D0, chemparam
inisialisasi skema aerosol idirect = 1,
inpchtrname = , inpchtrsol = .00,
inpchtrdpv = .00000, .00000, inpdustbsiz = .00, .00,
clmparam dirclm = homefidafida-dataREGCM_GLOBEDAT,
imask = 1, clmfrq = 12.,
28 Lampiran 2 Cakupan Wilayah MJO sumber: http:esrl.noaa.gov
Lampiran 3 Roadmap MJO Per Tiga Bulan Tahun 1998 dan 1999 Sumber: http:www.bom.gov.auclimatemjo
29
Lampiran 4 Wilayah Pengukuran Citra TRMM
30 Lampiran 5 Domain Simulasi
Lampiran 6 Peta Sebaran Curah Hujan Musiman MAM, JJA, SON TRMM, MIT, dan Grell 1.
Musim Maret-April-Mei MAM
31
2. Musim Juni-Juli-Agustus JJA
32
3. Musim September-Oktober-November SON
33
Lampiran 7 Peta Sebaran Selisih Curah Hujan Musiman MAM, JJA, SON TRMM-MIT dan TRMM-Grell
1. Musim Maret-April-Mei MAM
34 2. Musim Juni-Juli-Agusttus JJA
3. Musim September-Oktober-November SON
35
Lampiran 8 Jumlah Piksel Per Rentang Selisih Curah Hujan Musiman
Lampiran 9 Plot Nilai RMM 1 dan RMM 2
Lampiran 10 Plot TRMM PC 2 dengan MIT PC 1 dan Grell PC 2 Pada MJO Fase 4
DJF MAM
JJA SON
DJF MAM
JJA SON
-1000 33
46 40
33 29
89 78
162 -1000 sd -250
509 543
524 532
1299 1401
1339 1531
-250 sd 250 684
823 913
837 694
568 604
364 250 sd 1000
693 524
489 567
95 60
94 59
1000 206
189 139
156 8
7 10
9
MIT - TRMM Grell - TRMM
Rentang Selisih
36 Lampiran 11 Persentase Keragaman PCA MIT Kiri dan Grell Kanan Pada MJO Fase 4
Lampiran 12 Plot TRMM PC4 dengan MIT PC1 dan Grell PC3 Pada MJO Fase 5
Lampiran 13 Persentase Keragaman PCA MIT Kiri dan Grell Kanan Pada MJO Fase 5
ii
ABSTRACT SWARI FARKHAH MFIDA. Evaluation of Convective Scheme used in Regional Climate Model
RegCM4 in Simulating Seasonal and Intra-Seasonal Rainfall Variability in Indonesia. Under supervision of AKHMAD FAQIH.
RegCM4 simulations for Indonesia based on two different convective schemes MIT and Grell have been done in this study. The simulations were conducted for two consecutive years
between 1998 and 1999 periods for Indonesia. Two different convective schemes were evaluated based on their ability in simulating seasonal and intraseasonal rainfall variability in the region.
The modeled seasonal rainfall were analyzed through their comparisons with satellite-based rainfall observation data from TRMM. The results show that the MIT-based rainfall simulation
produced higher rainfall mostly over mountainous regions and lower rainfall in some other areas over Indonesia compared to the observation. Differently, the Grell scheme underestimated rainfall
over almost all areas in the country. In analysis of monthly rainfall, Grell could describe monsoonal and equatorial pattern of monthly rainfall in Cengkareng and Pontianak station better
than MIT. MIT couldn’t describe monsoonal and equatorial pattern of Cengkareng and Pontianak rainfall which are located in low land. Despite its tendency of being more sensitive over
mountainous areas, MIT was found to be better in simulating the seasonal cycle of rainfall than Grell. In order to ilustrate intraseasonal variability of rainfall, MJO was used as the case reference.
Principal component analysis of TRMM, MIT, and Grell were calculated and analyzed in order to detect MJO phases. This was done by comparing the PC results with RMM Index. The output of
MIT and Grell Schemes can well recognize MJO signal by giving higher rainfall value on the MJO events affecting the region. However, it has not known yet which better scheme could be
used in ilustrating intraseasonal rainfall variability, because the PCA time series of MIT and Grell still have another cycle beside of MJO cycle. MIT scheme consider to be more dominant in
describing intraseasonal rainfall variability based on the higher PCA
’s percentage of variant. As a whole of this study, MIT was found better in representing Indonesian Rainfall Variability than
Grell. Thus, MIT scheme can be used in other simulations of RegCM4 on Indonesian Climate Studies.
Keyword
: convective scheme, intraseasonal variability, regional climate model, seasonal variability
iii
ABSTRAK
SWARI FARKHAH MUFIDA. Evaluasi Skema Konveksi dalam Model Iklim Regional RegCM4 untuk Simulasi Keragaman Curah Hujan Musiman dan Intra Musiman di Indonesia. Di bawah
bimbingan AKHMAD FAQIH. Di dalam penelitian ini telah dilakukan simulasi model iklim regional RegCM4 untuk
wilayah Indonesia dengan menggunakan dua macam skema konveksi yaitu MIT dan Grell-FC. Simulasi dijalankan untuk periode dua tahun 1998-1999 pada wilayah domain Indonesia. Tujuan
dari penelitian ini adalah untuk mengevaluasi kedua macam skema konveksi yang digunakan berdasarkan kemampuannya menggambarkan keragaman musiman dan intra-musiman curah
hujan Indonesia. Analisis keragaman curah hujan musiman dilakukan dengan membandingkan curah hujan hasil simulasi dengan curah hujan observasi. Nilai curah hujan citra TRMM
digunakan sebagai representasi curah hujan observasi. Hasil yang diperoleh menunjukkan bahwa, MIT menduga curah hujan lebih tinggi hampir di seluruh wilayah daratan bertopografi tinggi, dan
menghasilkan curah hujan lebih rendah di beberapa wilayah lainnya di Indonesia. Sementara itu, Grell-FC menduga curah hujan lebih rendah hampir di seluruh wilayah Indonesia. Analisis pola
curah hujan bulanan memeprlihatkan bahwa Grell dapat merepresentasikan pola curah hujan observasi tipe monsunal dan ekuatorial di stasiun Cengkareng dan Pontianak lebih baik daripada
MIT. Namun, MIT dianggap lebih mampu menggambarkan keragaman curah hujan musiman dibandingkan Grell-FC, walaupun cenderung sensitif terhadap topografi dan kurang mampu
menduga pola curah hujan di daerah Cengkareng dan Pontianak. MJO diambil sebagai kasus dalam analisis keragaman curah hujan intra-musiman. Analisis komponen utama PCA dibuat
dari seri data TRMM, MIT, dan Grell-FC untuk mendeteksi kejadian MJO dengan membandingkannya terhadap indeks RMM. Baik hasil MIT maupun Grell-FC dapat dengan baik
menangkap adanya kejadian MJO, dibuktikan oleh curah hujan yang lebih tinggi pada tanggal- tanggal kejadian MJO. Namun, belum dapat diketahui skema yang lebih menggambarkan
keragaman curah hujan intra-musiman diantara MIT dan Grell, karena pada time series PCA yang diperoleh masih ditemukan pengaruh siklus selain siklus MJO. PCA MIT dianggap lebih dominan
dalam menggambarkan keragaman curah hujan intra-musiman dilihat dari persentase keragaman yang lebih tinggi, tetapi bukan berarti lebih baik dibandingkan Grell. Akan tetapi, secara
keseluruhan MIT lebih merepresentasikan keragaman curah hujan di Indonesia daripada Grell, sehingga dapat digunakan skema MIT pada simulasi model RegCM4 dalam penelitian lain.
Kata kunci : keragaman curah musiman, keragaman curah hujan intra-musiman, model iklim
regional, skema konveksi
1
I. PENDAHULUAN