sebesar 0.35, sedangkan masing-masing 0.15 untuk penutup lahan dan jenis lahan. Dengan kata lain, kontribusi curah hujan dan NDVI di dalam risiko kebakaran
hutan dan lahan lebih besar dibandingkan penutup lahan dan jenis lahan. Dolling et al
. 2005 meneliti hubungan antara IKKB dengan luasan total area terbakar di Kepulauan Hawaii. Sementara itu, Hernandez-Leal et al. 2006 mengembangkan
Indeks Dinamik Risiko Kebakaran FRDI = Fire Risk Dynamic Index yang diturunkan dari integrasi antara Indeks Statis Risiko Kebakaran FRSI = Fire Risk
Static Index dengan komposit nilai NDVI 10 harian global resolusi 1 Km dari
AVHRR-NOAA. Variabel yang digunakan untuk menentukan FRSI adalah ketinggian tempat altitude, insolasi, kemiringan lereng slope, penutup lahan
land cover, dan jarak dari jalan utama. Selanjutnya, model peluang kejadian kebakaran dihitung berdasarkan regresi multivariat logistik. Nilai peluang
kejadian kebakaran akan berkisar antara 0 – 1. Bilangan 0 – 1 ini merupakan peubah Bernoulli atau biner. Model FRDI ini dikembangkan di Pulau Tenerife,
Spanyol. LAPAN dan BMKG juga telah mengembangkan SPBK Sistem Peringkat
Bahaya Kebakaran. SPBK LAPAN mengadopsi metode FDRS yang dikembangkan oleh Canada dan parameter yang digunakan diturunkan dari data
satelit, sedangkan SPBK BMKG diturunkan dari data historis iklim hasil pengukuran stasiun klimatologi. Model SPBK LAPAN telah diuraikan pada
bagian sebelumnya. Kedua model SPBK ini tentu saja memiliki sensifitas berbeda dan masih perlu dikaji lebih lanjut keunggulan dan kelemahan kedua sistem
SPBK tersebut.
2. 3. Data READY-ARL NOAA
Salah satu data yang dihasilkan oleh READY-ARL NOAA adalah data profil vertikal atmosfer. READY adalah sebuah perangkat yang berbasis web
yang dikembangkan oleh ARL sejak 1997. Programnya antara lain adalah penayangan data meteorologi dan hasil model dispersi udara dalam format yang
lebih mudah untuk digunakan oleh para pengguna para ilmuwan dan peneliti atmosfer, meteorolog, para pengelola lembaga pelayanan peramalan cuaca
nasional, peramalan kualitas udara, dan sebagainya. READY-ARL NOAA juga mengeluarkan data meteorologi yang dihasilkan oleh NCEP untuk berbagai
tempat di dunia, seperti data time-series peubah meteorologi, kestabilan atmosfer, dan peta-peta dua dimensi yang dapat dipilih sendiri oleh pengguna, dan
sebagainya www.arl.noaa.govready.php
. Data profil atmosfer dari READY-ARL NOAA ini merupakan data GDAS
Global Data Assimilation System yang secara operasional diinformasikan oleh dan diperoleh dari NCEP website. Oleh ARL Air Resources Laboratory NOAA,
luaran model NCEP ini digunakan untuk pemodelan dispersi dan transport kualitas udara dalam format luaran EDAS Eta Data Assimilation System dan
GDAS.Kedua jenis arsip data tersebut berisi data komponen angin U dan V u- winddan v-wind
, suhu, dan kelembaban dengan resolusi berbeda, dikarenakan yang satu resolusinya secara horizontal dan yang lain secara vertikal
www.arl.noaa.govready.php .
Data harian profil horizontal dan vertikal dari READY-ARL NOAA ini tersedia sejak Desember 2004. Data profil vertikal tersebut terdiri dari data
ketinggian potensial H, suhu T, suhu titik embun Td, arah angin WD, kecepatan angin WS, dan kelembaban RH dari beberapa lapisan atmosfer
mulai di atas permukaan hingga pada ketinggian 20 mb dengan resolusi spasial 1
o
x 1
o
. Data profil vertikal ini merupakan fungsi dari tekanan dan ketinggian dari permukaan hingga ketinggian batas sounding yang ditentukan. Selanjutnya, dari
data profil vertikal atmosfer ini dapat diturunkan data total precipitable water TPW dan nilai indeks stabilitas atmosfer KI = K-Index, LI = Lifted Index, dan
MVV maximum vertical velocity yang bisa diekstraksi menggunakan perangkat lunak RAOB Rawinsonde Observation. Data profil atmosfer ini dapat
diaplikasikan untuk pengkajianpenelitian klimatologi antara lain dalam inisialisasi model-model prediksi cuaca secara numeris, kajian iklim, sebagai data
ground truth untuk pengembangan algoritma perolehan data satelit, sebagai data
masukan untuk model-model dispersi polutan, penerbangan, dan sebagainya.
2. 4. Data CMORPH CPC MORPHing Technique
