Asimilasi Model Weather Research And Forecasting (WRF) Dengan Data Observasi Untuk Prediksi Curah Hujan di Wilayah Jawa.

Abstract

Asimilasi data merupakan metode memperbaiki data kondisi awal atmosfer sebagai input model dengan memperhitungkan data observasi ke dalam sistem grid model. Weather Research And Forecasting (WRF) adalah salah satu model prediksi cuaca numeric. Salah satu pilihan untuk meningkatkan akurasi prediksi model WRF adalah dengan meningkatkan akurasi kondisi awal model dengan asimilasi data. Metode asimilasi data yang digunakan dalam penelitian ini adalah Three Dimensional Variation (3D-Var). Penelitian ini melakukan 3 skema percobaan. Pertama, model tanpa proses asimilasi data. Kedua, model asimilasi data observasi cuaca permukaan dan data cuaca udara atas yang kemudian disebut asimilasi data konvensional. Ketiga, model asimilasi data observasi cuaca permukaan, data cuaca udara atas, dan data observasi radiasi dari sensor AMSU-A yang kemudian disebut asimilasi data radiasiobs. Tujuan penelitian ini adalah mengidentifikasi pengaruh asimilasi data pada kondisi awal model dan hasil prediksi curah hujan. Kondisi awal model pada ketiga skema percobaan memiliki perbedaan nilai pada parameter suhu permukaan, tekanan permukaan, angin zonal dan angin meridional pada ketinggian 10 meter. Asimilasi data radiasiobs menghasilkan kondisi awal model yang lebih baik dari 2 skema percobaan yang lain, karena dapat meningkatan koefisien korelasi estimasi suhu permukaan sebesar 0.2 – 0.3 terhadap data observasi. Metode yang digunakan untuk verifikasi prediksi curah hujan secara spasial adalah Root Mean Square Error (RMSE), korelasi dan Forecast Skill Score. Forecast Skill Score merupakan metode untuk mengidentifikasi perubahan nilai RMSE setelah asimilasi data. Meskipun verifikasi prediksi curah hujan secara spasial menunjukkan kenaikan nilai RMSE untuk asimilasi data radiasiobs di wilayah laut, namun asimilasi data radiasiobs dapat memperbaiki distribusi intensitasi hujan lebat di wilayah darat dan mengurangi korelasi negatif prediksi model terhadap observasi curah hujan TRMM. Metode yang digunakan untuk verifikasi titik observasi di beberapa stasiun adalah diagram Taylor dan kurva Receiver-Operating Characteristic (ROC). Diagram Taylor merupakan diagram yang menggambarkan 3 parameter statistik: RMSE, korelasi, dan rasio standar deviasi antara model dan observasi. Kurva ROC merupakan kurva yang menggambarkan hubungan seberapa besar keakuratan model dalam memprediksi suatu kejadian dengan ketidakakuratan model dalam memprediksi suatu kejadian. Verifikasi titik observasi di beberapa stasiun meteorologi menunjukkan kenaikan nilai akumulasi curah hujan pada skema percobaan model asimilasi data konvensional dan asimilasi data radiasiobs terhadap model tanpa asimilasi. Nilai diagram Taylor berkisar dari 0 hingga 1, semakin mendekati nilai 1 menunjukkan model memiliki kemampuan yang lebih baik dalam memprediksi. Skema percobaan asimilasi data konvensional menunjukkan kenaikan nilai diagram Taylor hingga 0.09 dan skema percobaan asimilasi data radiasiobs menunjukkan kenaikan nilai diagram Taylor hingga 0.13 terhadap model tanpa asimilasi untuk nilai diagram Taylor. Verifikasi kurva ROC menunjukkan asimilasi data radiasiobs memiliki kemampuan prediksi curah hujan dengan threshold ≥ 1 mm, ≥ 5 mm, ≥ 10 mm, dan ≥ 20 mm lebih baik dari 2 skema percobaan yang lain. Hal itu semua menunjukkan model asimilasi data radiasiobs memberikan hasil prediksi curah hujan secara spasial dan titik lokasi lebih baik dari model tanpa proses asimilasi data dan model asimilasi data konvensional.