Sirkulasi Lintas Paparan dan Keterkaitannya dengan Peningkatan Konsentrasi Klorofil-a di Selatan Jawa

Abstract

Variabilitas klorofil-a dalam sistem Upwelling berasosiasi dengan variabel variabel fisik yang terlibat di dalamnya. Beberapa variabel fisik ini antara lain adalah angin, sirkulasi laut yang terkait arus, Suhu Permukaan Laut (SPL), dan Anomali Tinggi Permukaan Laut (ATPL). Pengaruh dari keempat variabel fisik tersebut terhadap variabilitas klorofil-a di wilayah paparan Selatan Jawa diuji menggunakan data satelit dan data reanalisis dari tahun 2002 hingga 2017. Variabilitas klorofil-a ditentukan menggunakan Empirical Orthogonal Function (EOF) dan analisis klimatologi. Hubungan antar variabel upwelling ditentukan melalui korelasi Pearson, korelasi silang dan Regresi Linier multi parameter. Angin, SPL, dan klorofil-a digunakan untuk menentukan Indeks Upwelling (IU). Arus Selatan Jawa bergerak dominan ke Timur dari permukaan hingga kedalaman sekitar 150 m pada bulan Januari hingga Mei dan mulai mengalami pelemahan dan bahkan pembalikan arah pada bulan Juni hingga September. Analisis spektrum Arus Selatan Jawa menunjukkan siklus 73 dan 182.5 harian. Kekuatan arus batas Selatan Jawa di wilayah kajian hanya mampu mengangkat massa air di bagian interior saja, sekitar 50 m ke lapisan di atasnya dan belum cukup kuat untuk mengangkat massa air sampai ke permukaan sehingga komtribusinya terhadap variasi klorofil-a relatif kecil, yang ditunjukkan dengan nilai korelasi dan regresi yang relative rendah. Angin merupakan variabel yang memiliki kontribusi paling signifikan terhadap variasi klorofil-a melalui proses upwelling. Transpor Ekman ke lepas pantai yang diakibatkan oleh hembusan angin sejajar pantai akan diikuti dengan peningkatan konsentrasi klorofil-a di wilayah paparan sekitar 49–64 hari kemudian, sementara SPL dingin akan disusul dengan kejadian peningkatan klorofil-a sekitar 6-12 hari kemudian di wilayah tersebut. SPL dan Klorofil-a memberikan pengaruh signifikan terhadap Catch per Unit Effort (CPUE). Generalised Additive Model (GAM) dan Generalised Linier Model (GLM) yang dibangun telah mampu menjelaskan sekitar 49% dan 55% secara berturut-turut variasi CPUE ikan layang deles (Decapterus macrosoma) di Prigi selama periode 2018 - 2020, sementara 54% dan 45% lainnya oleh faktor atau variabel lain yang tidak dimasukkan di dalam model.