Saran SIMPULAN DAN SARAN

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