2. PERKEMBANGAN TEKNIK STATISTICAL
DOWNSCALING DAN PERMASALAHAN STATISTIK
2.1. Pendahuluan
Luaran GCM hanya dapat memberikan informasi untuk skala besar dan belum dapat memberikan secara langsung informasi untuk skala kecil. Pada
umumnya GCM hanya menghasilkan informasi tentang sirkulasi atmosfir berskala besar Sailor Li 1999. Luaran GCM belum dapat digunakan terutama untuk
kawasan tropis dengan topografi dan vegetasi yang heterogen karena GCM belum dapat mempertimbangkan kondisi heterogenitas di kawasan berskala lokal dengan
resolusi lebih tinggi daripada resolusi luaran GCM, sehingga diperlukan suatu proses downscaling, yaitu teknik SD. Teknik SD digunakan untuk mendapatkan
informasi pada skala lokal berdasarkan luaran GCM yang berskala besar atau resolusi rendah.
Teknik SD membentuk suatu model statistik yang menyatakan hubungan fungsional antara peubah-peubah prediktor luaran GCM dengan peubah respon
lokal. Model ini berupa fungsi transfer Sailor et al. 2000; Trigo Palutikof 2001 yang melakukan transfer informasi dari luaran GCM terhadap peubah lokal
sehingga dapat digunakan untuk memprediksi nilai peubah lokal berdasarkan luaran GCM. Prediksi iklim dengan resolusi lebih tinggi ini selanjutnya
diperlukan untuk kajian iklim, misalnya untuk keperluan dalam bidang pertanian. Berbagai Teknik SD telah digunakan terhadap luaran GCM dengan
karakteristik, asumsi-asumsi, dan permasalahannya masing- masing. Berbagai upaya telah dilakukan agar karakteristik dan asumsi yang disyaratkan bagi suatu
teknik SD sesuai dengan karakteristik data yang akan digunakan luaran GCM dan curah hujan dan teknik SD tersebut dapat mengatasi masalahnya. Dalam Bab 2
ini dibahas tentang luaran GCM dan karakteristik nya, pendekatan downscaling, beberapa teknik SD yang selama ini digunakan, dan permasalahan dalam SD.
2.2. Karakteristik Luaran GCM
Studi dampak iklim biasanya menghendaki skenario perubahan iklim regional atau lokal dengan resolusi spasial dan temporal tinggi. Dalam kajian
klimatologi jangka panjang GCM mampu menghasilkan ciri sirkulasi global pada
10 skala besar atau resolusi rendah dan merupakan sumber informasi primer untuk
menilai pengaruh perubahan iklim. GCM merupakan model numerik, deterministik, dan simulasi komputer yang kompleks tentang kondisi iklim
dengan berbagai komponennya yang berubah sepanjang waktu. GCM menggambarkan hubungan matematik sejumlah interaksi fisika, kimia, dan
dinamika atmosfir bumi. Model ini diakui dan diyakini sebagai model penting dalam upaya memahami iklim di masa lampau, sekarang dan masa yang akan
datang. GCM adalah suatu alat penting dalam studi keragaman iklim dan
perubahan iklim Zorita Storch 1999. Model ini menggambarkan sejumlah subsistem-subsistem dari iklim di bumi, seperti proses-proses di atmosfir, lautan,
dan daratan, dan mampu mensimulasi kondisi-kondisi iklim berskala besar. Misalnya GCM dapat memproduksi dengan baik pola-pola keragaman atmosfir
dan temperatur permukaan laut sea surface temperature atau SST. Namun GCM dirancang tidak untuk menghasilkan informasi penting dengan resolusi lebih
tinggi, misalnya untuk temperatur dan curah hujan skala lokal. Walaupun GCM dapat melakukan simulasi dengan baik untuk peubah iklim skala besar, tetapi
tidak untuk peubah dengan skala yang lebih kecil lokal atau regional Huth Kysely 2000. Beberapa alasan mengapa GCM tidak menghasilkan informasi
untuk skala lokal, antara lain Zorita Storch 1999: 1 Deskripsi solusi spasial tentang struktur permukaan bumi, terutama topografi, tidak jelas; 2
Hidrodinamika atmosfir bersifat nonlinear dan adanya interaksi nonlinear antara grid skala kecil; 3 Terlalu banyak parameter yang tidak mungkin tepat untuk
proses-proses pada skala kecil. Penyempurnaan GCM dilakukan terus untuk mengatasi perbedaan skala,
yaitu dengan 1 Meningkatkan kemampuan komputer, terutama untuk resolusi lebih tinggi, sehingga RCM Regional Circulation Model atau LAM Limited
Area Model dari luaran GCM dapat dilakukan; 2 Menerapkan teknik SD. Menurut Fuentes Heimann 2000 GCM perlu disempurnakan secara terus
menerus dan bertahap, meskipun model- model ini masih belum memadai untuk fenomena berskala lebih kecil di kawasan dengan topografi yang kompleks. Oleh
11 karena itu GCM tidak dapat digunakan secara langsung untuk studi dampak iklim
regional atau lokal. Beberapa model sirkulasi global yang ada, antara lain GISS Goddard
Institute for Space Studies dari NASA, GFDL Geophysical Fluid Dynamic Laboratory dari NOAA, UKMO United Kingdom Meteorological Office,
CSIRO Commonwealth Scientific and Industrial Research Organization dari Australia, dan NCEP National Centers for Environmental Prediction. Setiap
GCM berbeda dalam bentuk resolusi spasial Tabel 2.1 dan persamaan- persamaan untuk membangkitkan parameter-parameter atmosfir.
Tabel 2.1. Beberapa GCM No
Nama GCM Resolusi
Jumlah Lapisan 1
GISS
1
4,0º×5,0º 20
2 UKMO
2
2,80º×3,75º 19
3 GFDL
3
2,8º×2,8º 18
4 CSIRO
4
1,875º×1,875º 18
5 NCEP
5
2,5º×2,5º 17
6 ECHAM
6
2,8125º×2,789º 18
Selama ini GCM telah dikembangkan dan digunakan di Indonesia untuk simulasi, prediksi dan pembuatan skenario iklim. GCM juga telah dimanfaatkan
untuk mempelajari variabilitas iklim dan mengkaji dampak perubahan iklim Ratag 2001; Mole et al. 2001. Siswanto dan Ratag 2001 memprediksi curah
hujan dan temperatur permukaan bulanan berbasis GCM CSIRO-9. Prediksinya dilakukan dengan menjalankan model sirkulasi global dari tahun 1949 sampai
dengan 1999, menggunakan data pengamatan temperatur permukaan untuk memprediksi curah hujan tahun 2000, dengan kriteria 1 di bawah normal, 2
normal, dan 3 di atas normal.
1
http:www.giss.nasa.govtoolsmodelE [10Januari 2006]
2
http:www.pcmdi.llnl.gov~36ukmo_TOC.htm [12 Maret 2006]
3
http:www.pcmdi.llnl.gov~17derf.htm [12 Maret 2006]
4
http:www.ioci.org.au [12 Maret 2006]
5
http:www.cdc.noaa.govcdcdata.ncep.reanalysis.html [12 Maret 2006]
6
http:iridl.ldec.columbia.edu~catsim.html [12 Maret 2006]
12 Pemodelan SD memerlukan domain GCM yang terdiri dari sejumlah grid
dan berada pada suatu lokasi tertentu. Data luaran GCM dalam suatu domain umumnya bersifat curse of dimensionality, yang sering menjadi masalah terutama
kalau dimensinya atau domainnnya semakin besar, yaitu jika pemodelan SD melibatkan banyak peubah dan lapisan-lapisan atmosfir. Dalam keadaan ini data
bersifat nonlinear dan tidak berdistribusi yang baku, seperti sebaran normal. Masalah lain yang berkaitan dengan data adalah terjadinya korelasi spasial
danatau multikolinearitas antar peubah. GCM menghasilkan luaran untuk berbagai peubah pada berbagai lapisan atmosfir atau ketinggian. Apabila banyak
peubah dan lapisan yang terlibat dalam pemodelan SD maka permasalahan data akan semakin kompleks.
2.3. Teknik