TINJAUAN PUSTAKA 2.1 Rainfall spatial and temporal variation analysis over Papua based on GSMAP during 1998-2006 and it‟s relation to the regional climate

I. PENDAHULUAN

1.1 Latar Belakang

Papua merupakan salah satu wilayah terbasah di dunia dengan curah hujan berkisar antara 2500 –4500 mm per tahun. Wilayah ini memiliki iklim basah yang tidak biasa, baik di Indonesia maupun untuk skala global, dengan kondisi geografis yang beragam mulai dari padang rumput, rawa, hutan hujan, hingga pegunungan Prentice dan Hope 2007. Papua mempunyai pegunungan Jayawijaya dengan puncak tertinggi yang terletak diantara pegunungan Himalaya dan Andes, serta merupakan lokasi satu-satunya glacier di wilayah warm pool ekuatorial Samudera Pasifik BMKG dan BPRC 2010. Penelitian yang komprehensif tentang pola curah hujan di Papua masih relatif sedikit karena terbatasnya stasiun pengamatan hujan. Penelitian yang pernah dilakukan sebelumnya lebih banyak menitikberatkan pada data dari stasiun-stasiun pengamatan hujan tertentu saja, sehingga belum bisa merepresentasikan karakteristik curah hujan di Papua secara keseluruhan. Penakar hujan pada stasiun pengamatan hujan merupakan suatu alat pengukur yang akurat dalam menggambarkan kondisi hujan pada suatu tempat. Ketersediaan data curah hujan selama ini sangat tergantung pada stasiun pengamatan hujan, namun tidak semua daerah memilikinya. Sebaran pos penakar hujan ini tidak merata, khususnya di daerah tidak berpenghuni serta di sekitar lautan, yang mengakibatkan adanya kesulitan dalam memperoleh informasi mengenai sebaran pola spasial curah hujan di suatu wilayah. Pendugaan curah hujan menggunakan satelit menjadi solusi bagi ketersedian data ini, karena dapat memberikan data yang kontinyu baik secara spasial maupun temporal. Teknologi observasi cuaca dengan satelit memungkinkan analisis pola curah hujan dalam skala ruang yang lebih besar dibandingkan data observasi stasiun cuaca. Karakteristik curah hujan di suatu wilayah yang luas dapat dikaji secara mendalam, misalnya kapan dan di mana saja curah hujan terjadi pada suatu waktu tertentu, serta bagaimana pola curah hujan dapat bervariasi antara wilayah yang satu dengan wilayah yang lain. Salah satu produk data penginderaan jauh dengan satelit adalah GSMaP Global Satellite Mapping of Precipitation. GSMaP merupakan produk data grid hasil asimilasi data pengamatan beberapa satelit cuaca, antara lain TRMM Tropical Rainfall Measuring Mission, AQUA, DMSP Defense Meteorological Satellite Program F13-F17, NOAA National Oceanic and Atmospheric Administration N15-N18 serta beberapa satelit geostasioner seperti GMS Geostationary Meteorological Satellite. Data ini mempunyai resolusi spasial 0.1°x0.1° hingga 0.25°x0.25° dan resolusi temporal 60 menit hingga 30 hari sehingga sangat baik digunakan untuk mengkaji pola curah hujan di suatu wilayah yang luas seperti Papua, baik secara spasial maupun temporal. Pemahaman tentang variabililitas curah hujan secara spasial dan temporal sangat penting dalam menyusun informasi iklim yang dapat dimanfaatkan untuk berbagai keperluan. Penelitian ini menggunakan metode EOF dan transformasi wavelet untuk menganalisis variabilitas curah hujan di Papua berdasarkan data GSMaP periode 1998-2006.

1.2 Tujuan

Tujuan dibuatnya tugas akhir ini adalah: 1. Validasi data GSMaP di wilayah Papua, 2. Menganalisis pola spasial dan temporal curah hujan di wilayah Papua menggunakan data GSMaP periode 1998-2006, 3. Menganalisis variabilitas curah hujan di Papua dan hubungannya dengan iklim regional menggunakan indikator SOI dan Nino 3.4.

II. TINJAUAN PUSTAKA 2.1

Global Satellite Mapping of Precipitation GSMaP GSMaP merupakan project milik badan antariksa Jepang untuk melakukan pendekatan nilai curah hujan menggunakan media satelit luar angkasa. Tujuan dari project ini adalah pemetaan hujan secara global dengan resolusi dan keakuratan yang tinggi menggunakan satelit dengan sensor MWR microwave radiometer Okamoto 2007. GSMaP dikelola oleh EORC Earth Observation Research Center dari JAXA Japan Aerospace Exploration Agency JAXA 2008. Data GSMaP dapat diakses di: http:sharaku.eorc.jaxa.jpGSMaP. GSMaP melibatkan 3 satelit pengukur curah hujan dengan menggunakan sensor MWR yaitu TRMM, AQUA, dan DMSP yang masing-masing memiliki karakteristik sebagai berikut: Tabel 1 Satelit dan sensor dalam GSMaP JAXA 2008 Satelit Ketinggian km Sensor MWR Frekuensi GHz TRMM 402 TMI 10,19,21,37,85 AQUA 705 AMSR-E 7,10,19,24,37,89 DMSP-F13 803 SSMI 19,37,85 DMSP-F14 803 SSMI 19,37,85 DMSP-F15 803 SSMI 19,37,85 Selain menggunakan 3 satelit MWR tersebut, GSMaP juga menggunakan data satelit dengan sensor IR infrared, antara lain: MTSAT, METSOSAT-7-8, dan GOES-11-12. Kombinasi dari sensor gelombang mikro dan inframerah digunakan untuk mendapatkan vektor pergerakan awan Cloud Motion Vector, yang selanjutnya digunakan dalam algoritma GSMaP Kubota et al 2007. Penggunaan kombinasi sensor dilakukan untuk menutupi kelemahan sensor lainnya. a b Gambar 1 LintasanOrbit gabungan satelit TRMMTMI, AQUAAMSR-E, ADEOOS-IIAMSR,dan DMSP SSMI a dan diagram alir algoritma GSMaP MWR b Okamoto 2007. Pengambilan data curah hujan GSMaP terdiri dari beberapa tahapan, yaitu: 1. Pengumpulan data dari satelit-satelit GEO IR yang dilakukan oleh JMA Japan Meteorology Agency. Data GEO IR ini digunakan untuk memperoleh data pergerakan awan meridional dan zonal secara global, Gambar 2 Algortima GSMaP Okamoto 2007. 2. Data MWR yang dikumpulkan dari empat satelit setiap tiga jam citra hujan tiga jam sebelumnya diinterpolasikan dengan citra CMV untuk mendapatkan pergerakan hujan. Hasil interpolasi tersebut hanya berupa pergerakan hujan, tidak terdapat proses pertumbuhan atau penghilangan hujan. Oleh karena itu diperlukan suatu persamaan untuk membuat proses tersebut, yakni dengan Kalman filter. Kalman filter adalah suatu hubungan antara nilai suhu kecerahan yang didapatkan dari sensor IR dengan nilai intensitas hujan Ushio 2008. Selanjutnya diperoleh citra hujan satu jam- an secara global empat jam sebelumnya kemudian dijumlahkan dengan nilai dari sensor MWR pada jam tersebut, hanya pada lokasi tertentu yang sedang dilintasi oleh orbit satelit Gambar 3. Penelitian-penelitian yang menggunakan data GSMaP telah banyak dilakukan sebelumnya, diantaranya sebagai berikut: Tabel 2.