3
BAB III
DATA DAN METODOLOGI
3.1
Data
Ada 3 data utama yang digunakan dalam penelitian ini. •
Data IR yang didownload dari http://www.weather.is.kochi-u.ac.jp/sat.GAME dalam format PGM (Portable Grey Map). Data ini berukuran 1800 x 1800 pixel yang memiliki resolusi yang sangat tinggi yakni 1/20 derajat dengan jangkauan area pengamatan pada 70˚ BT - 160˚ BT dan 70˚ LU - 20˚ LS.
•
Data rain rate dari satelit TRMM (Tropical Rainfall Measuring Mission) kode 2B31, yaitu data rain-rate PR (Precipitation Radar) dengan resolusi horizontal 4
km
dan
lebar
swath
200
km.
Data
ini
di-download
dari
http://daac.gsfc.nasa.gov/data/datapool. •
Data pengamatan perjam dari stasiun pengamatan klimatologi yang diperoleh dari BMG Cemara kota Bandung, dari 1 Desember 2006 – 28 Februari 2007.
3.2
Pengolahan Data
Pengolahan data dibagi menjadi dua bagian: •
Evaluasi persamaan rain rate
•
Mencari persamaan rain rate sebagai fungsi dari TBB (RR=F(TBB)) untuk wilayah Indonesia.
3.2.1 Evaluasi Persamaan Rain Rate Ketiga persamaan yang dievaluasi adalah yang digunakan oleh Vicente et. al (1998), Adler dan Negri (1988), serta Islam (2002). Untuk itu dilakukan tiga kali estimasi curah hujan, masing-masing menggunakan rain rates yang berbeda. Ketiga hasil estimasi tersebut kemudian divalidasi dengan data pengamatan BMG, untuk selanjutnya dianalisa.
3-1
Tahap-tahap pengerjaan dijabarkan sebagai berikut: 3.2.1.1 Konversi data IR menjadi temperatur puncak awan Data citra satelit yang sudah dicuplik kemudian di konversi menjadi data temperatur puncak awan dengan menggunakan data kalibrasi yang juga di download bersamaan dengan data global citra satelit kanal IR. Data kalibrasi ini berisi nilai konversi dari tingkatan level pixel warna tertentu pada setiap pixel citra menjadi nilai temperatur (dalam K). Dengan mengubah nilai pixel citra satelit menjadi nilai temperature puncak awan, maka langkah selanjutnya yang dilakukan yaitu melakukan penajaman warna dari nilai temperatur puncak awan dengan memberikan tingkatan warna tertentu. 3.2.1.2 Metode Convective Stratiform Technique (CST) Langkah-langkah dalam metode CST: •
Identifikasi inti konvektif
Identifikasi letak inti konvektif pada citra satelit dengan cara mencari pixel dengan nilai temperatur minimum relatif (Tmin) dari temperatur puncak awan. Pixel ini merupakan kandidat inti konvektif. Kemudian dilakukan perhitungan parameter slop (S). Parameter slope yang digunakan adalah persamaan Islam et al, (2002) (persamaan 3.1). S = k(Ti-2,j + Ti-1,j + Ti+1,j + Ti,j-2 + Ti,j-2 +Ti,j-1 + Ti,j+2 + Ti,j+1 -8Ti,j)
(3.1)
Pixel yang diidentifikasikan sebagai inti konvektif menurut Goldenberg et al. (1990) adalah pixel dengan slope yang memenuhi persamaan 3.2. S ≥ 0.0568 (Tmin – 217)
(3.2)
3-2
Gambar 3.1
Temperatur puncak awan (warna biru menunjukkan temperatur rendah) dan posisi inti konvektif (warna putih)
•
Identifikasi luas awan
Setelah diperoleh inti-inti konvektif, maka tahap selanjutnya yaitu mencari luas area awan yang akan menghasilkan hujan tersebut. Adler dan Negri (1988) menghitung luas area awan hujan yang telah di identifikasi inti konvektifnya dengan persamaan 3.3. Ac = exp(15.27 – 0.0465Tmin) •
(3.3)
Perhitungan Rain Rates
Menurut Adler dan Negri (1988) rain rates pada awan konvektif merupakan fungsi dari temperatur puncak awan, dimana fungsi yang mereka gunakan adalah persamaan 3.4. (3.4)
RR = 74.89 – 0.266*Tc Dengan Tc adalah temperatur koreksi yang dihitung dari persamaan 3.5. Tc= Tmin-0.283*Tmin+56.6
(3.5)
3-3
(a) Gambar 3.2
(b)
Garis persamaan rain rate a) Adler dan Negri (1988) dan b) Vicente et. al (1998)
Sementara Vicente et. al (1998) menghitung rain rate pada awan konvektif dengan persamaan 3.4, dan Islam (2002) menggunakan rain rate konstan untuk awan konvektif sebesar 20 mm/h RR = 1.1183*1011 *exp(-3.6382*10-2*Tmin1.2) •
(3.4)
Perhitungan curah hujan konvektif
Rata-rata curah hujan konvektif dapat dihitung menggunakan persamaan 3.5. Curah hujan konvektif (mm/waktu) = C(Ac / A)T*RR
(3.5)
Dimana C = bilangan sel konvektif; Ac = area hujan konvektif; A = rata-rata area kover oleh tiap-tiap pixel (Km2); T = rata-rata periode (jam); R = rain rate. 3.2.2 Mencari Persamaan Rain Rate Sebagai Fungsi Dari TBB (RR=F(TBB)) Untuk Wilayah Indonesia Menurut Vicente et.al (1998), persamaan rain rate merupakan fungsi dari temperatur puncak awan yang dapat diperoleh dari power fit antara rain rate radar dan temperatur puncak awan pengukuran satelit. Dalam kajian ini, data rain rate radar diganti dengan data rain rate hasil pengukuran instrumen PR (Precipitation
3-4
Radar) di satelit TRMM. Untuk itu, dilakukan pemilihan pasangan data MTSAT dan TRMM yang sesuai dengan kriteria sebagai berikut: •
Data Satelit TRMM yang digunakan adalah data pada saat satelit melintas di wilayah kajian.
•
Data MTSAT yang tersedia adalah data tiap jam (00-23 UTC), oleh karena itu data satelit TRMM dipilih pada saat melintas pada jam-jam tersebut, atau dengan selisih waktu kurang dari 10 menit.
•
Data TRMM yang digunakan adalah data yang secara kualitatif menunjukkan rain-rate yang cukup besar.
Pencarian data dilakukan dalam rentang waktu 1 tahun, Desember 2006 – Desember 2007. Panjangnya rentang waktu dapat dimaklumi, sebab satelit TRMM yang orbitnya polar tidak mungkin melewati daerah kajian setiap jam. Dari kriteria di atas, diperoleh 15 pasang data seperti yang ditunjukan dalam Tabel 3.1. Tabel 3.1 Pasangan data MTSAT dan TRMM yang digunakan No. Orbit (TRMM) 51590 52338 52399 52788 52857 52918 53429 53498 54948 55276 55856 57245 57306 57314 57375
Tanggal 2006-12-04 2007-01-21 2007-01-25 2007-02-19 2007-02-24 2007-02-28 2007-04-01 2007-04-06 2007-07-08 2007-07-29 2007-09-04 2007-12-02 2007-12-06 2007-12-07 2007-12-11
TRMM 23:06 22:55 20:51 18:57 06:03 03:59 22:00 09:06 09:54 10:06 15:09 18:03 15:58 05:09 03:04
3-5
Jam MTSAT 23:00 23:00 21:00 19:00 06:00 04:00 22:00 09:00 10:00 10:00 15:00 18:00 16:00 05:00 03:00
Selisih Waktu (menit) 6 5 9 3 3 1 0 6 6 6 9 3 2 9 4
Selanjutnya dilakukan pengolahan data dengan tahap-tahap sebagai berikut: 3.2.2.1 Cropping data TRMM dan downsampling data MTSAT Data TRMM dengan format HDF di-crop menggunakan software Orbit (software pengolah produk data TRMM) sesuai dengan wilayah kajian. Hasil cropping kemudian disimpan dalam format data gridded untuk kemudian diolah menggunakan GrADS dan/atau MatLab.
(a) Gambar 3.3
(b)
a) Cropping data TRMM dengan software Orbit dan b) disimpan dalam format gridded (resolusi 11 km x 11 km)
Sementara data TBB hasil konversi dari MTSAT IR1 di downsampling untuk disesuaikan dengan resolusi data TRMM.
3-6
(a) Gambar 3.4
(b)
Downsampling data TBB dari resolusi a) 5,5 km x 5,5 km menjadi b) 11 km x 11 km
3.2.2.2 Identifikasi Inti Konvektif Selanjutnya dilakukan identifikasi inti konvektif, dengan tahap pengerjaan sama seperti sebelumnya. 3.3
Diagram Alir
Secara garis besar metode pelaksanaan penelitian ini adalah sebagai berikut: 1. Bagian Pertama : evaluasi persamaan rain rate yang digunakan oleh Vicente et. al (1998), Adler-Negri (1988), dan Islam (2002). Untuk mengevaluasi persamaan rain rate, dilakukan tiga kali estimasi curah hujan, masing-masing menggunakan rain rates yang berbeda. Ketiga hasil estimasi tersebut kemudian divalidasi dengan data pengamatan BMG, untuk selanjutnya dianalisa. 2. Bagian Kedua : menemukan persamaan rain rate sebagai fungsi dari temperatur puncak awan, RR=F(TBB). Persamaan ini diperoleh dari hubungan empiris antara TBB (dari data MTSAT) dan rain rate (dari data TRMM) di wilayah kajian.
3-7
Secara sederhana metode pelaksanaan penelitian ini ditunjukkan oleh diagram alir pada Gambar 3.5, Gambar 3.6, dan Gambar 3.7. MTSAT IR1
Data TBB
CST Dengan Persamaan Rain-Rate Vicente
CST Dengan Persamaan Rain-Rate Adler Negri
CST Dengan Rain-Rate Islam
CH Estimasi
CH Estimasi
CH Estimasi
Data Observasi
Validasi dan Analisis
Diagram alir bagian 1: evaluasi persamaan rain rate
Gambar 3.5
Data TBB
Identifikasi Inti Konvektif Screening Temperatur Local Minima (Tmin) Perhitungan Slope Parameter S=
T1−8 -Tmin
Eliminasi Cirrus S ≥ exp[0.0826(Tmin-207)]
Identifikasi Luas Area Hujan Ac =exp(15.27 – 0.0465* Tmin) Estimasi Curah Hujan CH = nC* (Ac/ A)T*R
Gambar 3.6
Diagram alir metode CST
3-8
PRE-PROCESSING Pemilihan Pasangan Data MTSAT dan TRMM (Des 06 – Des 07)
MTSAT IR1
TRMM
Konversi ke Data TBB (Res. 5.5 km x 5.5 km)
Data Rain Rates (Res. 11 km x 11 km)
Downsampling Data TBB (Res. 11 km x 11 km)
Identifikasi Inti Konvektif
Tmin (Temperatur Inti Konvektif)
Cropping Data
PROCESSING
Curve Fitting (Tmin Vs RR)
Persamaan RR(Tmin)
Analisa
Gambar 3.7
Diagram alir bagian 2: mencari persamaan rain rate sebagai fungsi dari TBB (RR=F(TBB)) untuk wilayah Indonesia
3-9