Delft-FEWS Pelatihan Pengantar Konfigurasi Delft-FEWS Portal Komunitas - Paket dapat diunduh Latihan bagian 2 Versi II Januari 2015

Delft-FEWS Pelatihan Pengantar Konfigurasi Delft-FEWS Portal Komunitas - Paket dapat diunduh Latihan bagian 2

Versi II – Januari 2015

TimeSeriesSets

Deltares Training Konfigurasi

July 2014

2

FEWS seri waktu (time series) Seri waktu (time series) tersedia dari 2 sumber:

•Eksternal •Simulasi Seri waktu terbagi dalam dua kategori dalam kaitannya dengan waktu:

•historis (terus-menerus dalam waktu) •peramalan (ditandai oleh waktu mulainya)

Seri waktu bisa dalam empat format: •0D - skalar •1D - vektor atau longitudinalprofile

•2D - kotak (grid) •2D - poligon •Time Series ditangani dalam bentuk Time Series Sets


July 2014

3

FEWS Seri Waktu – Eksternal Historis • Ditambahkan secara bertahap.

• Dapat diedit oleh pengguna. • Hanya penambahan dan pengubahan nilai yang disimpan Waktu Impor Seri lengkap Edit manual

Seri lengkap 10:00

07:00 04:00 00:00


July 2014

4

FEWS Seri Waktu – Eksternal Peramalan • Ditambahkan dan disimpan secara individual. • Dapat diedit oleh pengguna.

• Penggunaan series tergantung pada T0

Waktu dari permalan/forecast

Seri pada 08:00 Seri pada 06:00

08:00 04:00 00:00 00:00

04:00 Deltares Training Konfigurasi

06:00 July 2014

08:00 5

FEWS Seri Waktu – Simulasi Historis • Berkelanjutan dalam waktu. • Direferensikan oleh model perkiraan yang menghasilkan mereka.

• Seri yang disetujui ditampilkan secara otomatis (termasuk yang lalu). • Paling sering dikaitkan model state Waktu sistem Seri pada 16:00 Seri pada 08:00 16:00

12:00 08:00 04:00 00:00


12:00

08:00 July 2014

6

16:00

FEWS Seri Waktu – Simulasi Peramalan • Berkelanjutan dalam waktu (dalam kombinasi dengan simulasi historis). • Direferensikan oleh model perkiraan yang menghasilkan mereka.

• Seri yang disetujui dan dipilih dapat dilihat

Waktu sistem

Seri pada 12:00

12:00 08:00 04:00 00:00


12:00

08:00 July 2014

7

16:00

FEWS Seri Waktu – Sementara Deret waktu sementara • Time series yang digunakan dalam pra/post-processing

• Tidak disimpan dalam database


July 2014

8

Time Series Sets Properti time series: • locationId - atau - locationSetId

• Parameter Id • timestep

• relativeViewPeriod • valuetype (skalar, grid, profil, ..) • timeSeriesType (historis eksternal, perkiraan eksternal, ..) • moduleInstanceId (impor, PDM, KW, ISIS, ..) • readWriteMode

• expiryTime (ketika menghapus dari database) • synchLevel • transformasi sederhana (delay, multiplier, pembagi, incrementer)

• ensembleId Deltares Training Konfigurasi

July 2014

9

Time Series Sets • Semua penanganan data dilakukan melalui Time Series Set • Beberapa elemen hanya digunakan

ketika mengambil time series, elemen lainnya hanya ketika menyimpan data


July 2014

10

Time Series Sets - Contoh Import Run


General Adapter Run

July 2014

11

FEWS Alur Kerja dan Modul


July 2014

12

Alur Kerja FEWS • Alur kerja adalah urutan logis pada saat menjalankan modul peramalan

• Alur kerja harus terdaftar di workflow descriptors - Module Instance ID - Sub-workflows - Run independent

- Fallback activity - Ensemble


July 2014

13

FEWS Modules and Module Instances • Modul - Adalah plug-in FEWS yang dapat digunakan dalam sebuah alur kerja - Terdaftar dalam file moduleDescriptor sebagai Java Classes

- Merupakan bagian dari konfigurasi sistem • Modul Instances - Merupakan modul yang terkonfigurasi dari modul-modul tertentu

- Teregister dalam file moduleInstanceDescriptors - Merupakan bagian dari konfigurasi regional


July 2014

14

FEWS Modules and Module Instances Module

ModuleInstance

Impor

   

GRIB data (meteo format) CSV Data NetCDF …

Transformasi

    

Interpolasi Temporal Interpolasi Spasial Agregasi Transformasi yang ditetapkan pengguna …

Adapter Umum

 Menjalankan sebuah model Sobek  Menjalankan sebuah model MIKE  …

Ekspor

 To HTML  To XML  …


July 2014

15

Sub workflows Workflows dapat dikelompokkan: •Workflow “Forecast” - (sub)Workflow “Data_Preprocessing” - (sub)Workflow “Model_Run”

FEWS Explorer:

Tampilan forecast manual Dimana:

•Workflow “Forecast”

•(sub)Workflow “Data_Preprocessing”

• (sub)Workflow “Data_Preprocessing”

-ModuleInstance “Interpolate_Gaps”

• (sub)Workflow “Model_Run”

-ModuleInstance “Merge_2Series”

-ModuleInstance “Disaggregate” •(sub)Workflow “Model_Run”

-ModuleInstance “Hydrodynamical_Model” -ModuleInstance “WaterQuality_Model”


July 2014

16

Pengenalan beberapa modul yang tersedia Workflows dapat dikelompokkan:

• Import • Export

• Transformation • General Adapter • Lookup • ErrorModel • Correlation

• PerformanceIndicator • ThresholdEvent

• Report


July 2014

17

FEWS Alur Kerja (Workflows) Fews Alur kerja dapat dijalankan (dan didebug) secara modul (via F12)


July 2014

18

Impor Data


July 2014

19

Tahapan Proses Peramalan Banjir Mengimpor data dari sumber eksternal

Jalankan model hidrologi untuk menghitung debit catchment

Hitung rata-rata curah hujan area berdasarkan data alat penakar hujan

Siapkan input untuk hidrodinamik model berdasarkan model-model hidrologi, stasiun pengukuran, dan batas pasang surut

Gabung data hujan dari berbagai sumber (misalnya pos hujan, Radar, model peramalam meteorologi)

Buat profil penguapan untuk model hidrologi


July 2014

Jalankan hidrodinamik model untuk menghitung tinggi muka air untuk peramalan Jalankan model koreksi kesalahan untuk memperbaharui hasil model hidrodinamik

20

Impor Data Import Modules memungkingkan data dari sumber luar untuk diimpor •Berbagai data Scalars – e.g. PI XML and CSV

•ASCII grid time series •Binary GRIB (grid) and BIL time series •Saat ini terdapat sekitar 50 jenis data import Kunjungi link berikut untuk informasi lebih lengkap: https://publicwiki.deltares.nl/display/FEWSDOC/Available+data+types FEWS mengimpor file-file dari sebuah folder yang spesifik ditentukan pada global.properties


July 2014

21

Impor Data – Jenis Data yang tersedia Type String

Description

AHD

Data Type

Type String

scalar

FewsDatabase

Description

Data Type

scalar/grid

AifsML

Specific XML type for ContentReviewer importType

scalar

generalCsv

ArcInfoAscii

ArcInfo/Arcview Ascii grid format

grid

GermanSnow

grid

scalar

GHD

scalar

Arctic Oscillation

configurable csv import

scalar

ArcWat

ArcWat DBF

scalar

GrayscaleImage

Bayern

Level forecasts (ASCII) from Raunheim am Main

scalar

GRIB1

grib1 format used by meteorological institutes

grid grid

Hessen

Level forecasts (ASCII) from Mosel and Lahn

scalar

GRIB2


grid

BC2000

scalar

GRIB


grid

BFG

scalar

GRIBBASIC

Deprecated. Use GRIB1 instead.

grid

BIL

grid

GRIBCOSMO

Deprecated. Use GRIB1 instead.

grid

BUFR

Meteorological data

grid

HCS

Exchange format used by the Australian Bureau of Meteorology

scalar

Campbell Data

Campbell CSV format

scalar

hdf4

(not yet available on Linux)

grid

CERF

Import CERF Ascii grid in CSV format

grid

hdfSoilMoisture

grid

CSV

Simple CSV format

scalar

Hims

scalar

grid

Hydris

scalar

COSMO7_COR database

generic database import

only scalar

HymosAscii (OTT)

Delft3D-Flow

Import D3D-Flow point-based results, stored in NEFIS structures

scalar

HYMOS

scalar

DINO

TNO DINO ASCII files

scalar

IFKIS

DINO Service

SOAP import for GrondWaterService of TNO

scalar

iHistorian

GE Proficy iHistorian

scalar

DiverMon

Diver MON ASCII files

scalar

IJGKlepstanden

Import for IJsselmeer Klepstanden

scalar

DSS

scalar

iMod IDF

binary import for IDF

grid

DWD-LM

grid

iMod IPF

binary import for IPF

scalar

DWD-LM2

grid

IP1

CSV type import for FEWS-Basque

scalar

DWD-GME

grid

Keller

Keller IDC

scalar

HYMOS Transfer database

scalar scalar

EA

Environment Agency format

scalar

KNMI

EasyQ

Easy Q format

scalar

KNMICSV

KNMI CSV files, one column with data

scalar

EKSW

scalar

KNMIEPS

KNMI Ensemble files

scalar

EKSW2005

scalar

KNMI-HDF5

KNMI radar files (not yet available on Linux)

grid

EVN

scalar

KNMIIRIS

KNMI IRIS files (daily values)

scalar

Era15

scalar

KNMISYNOPS

KNMI SYNOPS files (hourly values)

scalar

scalar

Landsat-HDF5

Landsat data files

grid

LMW

Direct connection to "Landelijk Meetnet Water"

scalar

FOC

SEPA format


July 2014

scalar

22

Impor Data – Jenis Data yang tersedia Type String

Data Type

Type String

Description

Data Type

LMW Hy3m

scalar

Obserview

Obserview ASCII format

scalar

LMW KNMI CSV

scalar

OTT HymosAscii

LMW Lixhe

scalar

Radolan

LMW UKMO

scalar

RijnlandRTD

LMW Wallonie

scalar

SSE

LMW Weatherdata

scalar

SHD

LUBW

scalar

SHEF

Madden--Julian oscillation

scalar

SingaporeLDS

grid

SMA

McIdasArea

grid

SMAecmwf

MeteoFranceAscii

scalar

swan-spectrum

MIS

scalar

SwissRadar

Matroos NetCDF

Description

NetCDF files from MATROOS database

scalar

Radar data from DWD-Hydrometeorologie

grid scalar

Scottish & Southern Electric ASCII files

scalar scalar scalar

Singapore OMS Lake Diagnostic System files

scalar scalar

scalar Imports spectral time series for point locations from SWAN ascii files

spectra grid

MM3P

Metasphere Import Files (CSV style files)

scalar

Synop

Modis

Images from the MODIS satellites

grid

SWE

Imports timeseries from a Sensor Web Enabled service

scalar

grid

Tmx

TMX Access MDB database files

scalar

TmxCSV

TMX CSV export files

scalar

Mosaic Msw

MSW (mfps) csv files, with observed levels and flows in Rijn and Maas scalar

Mosm

scalar

scalar

TTRR

scalar

NETCDF-CF_GRID

import module to import grid data from NetCDF files

grid

Tva Daily Water View Csv

scalar

NETCDF-CF_PROFILE

import module to import longitudinal profile data from NetCDF files

profile

Tva Hourly Water View Csv

scalar

NETCDF-CF_TIMESERIES

import module to import timeseries data from NetCDF files

scalar

Tva Kentucky Barkley

scalar

NetcdfGridDataset

NC, Grib1 and Grib2 formats

grid

Tva Transaction

Nimrod

grid

UVF

NimrodMultipleDir

grid

UsgsTwis

scalar Universelles Variables Format

scalar scalar

NOOS

NOOS data stored in the Matroos database

scalar

WapdaTelemetric

NTURAIN Import

NTU datalogger csv like files

scalar

Wiski

Wiski ZRXP format

scalar

NTUQUARTER Import

NTU datalogger csv like files, multiple columns

scalar

WSCCCsv

csv type files. Location per column

scalar

WRF Grid import

grid

PDO Climate index

scalar

scalar

WRF Grads

Pegelonline

Pegelonline ASCII time series files

scalar

Wsd

PI

Delft-Fews Published Interface

scalar

WQCSV

Water Quality csv file

sample

PMDSynoptic

scalar

WaterML2Import

WaterML 2.0 Timeseries import

scalar

PMDTelemetric

scalar

UmAquo

UM Aquo metingen. Import from CSV or XML

scalar


July 2014

scalar

23

Modul Impor Fitur utama:

 ID mapping (id pemetaan)  Flag mapping (tanda pemetaan)

 Units mapping (unit pemetaan)  Time zone mapping (zona waktu pemetaan)  Tolerance (toleransi)  Validate (validasi)


July 2014

24

CSV Impor


July 2014

25

Module Impor – Id Mapping • Mencocokan apa yang dari “luar dunia” ke “dunia FEWS”

- Locations (ids) - Parameter (ids) • Tiga tingkat - Pemetaan langsung  nama lokasi dan nama parameter yang berbeda - Tidak langsung  baik nama lokasi atau nama parameter berbeda - 1:1  nama lokasi dan nama parameter tidak sama • Digunakan ketika melakukan impor dan ekspor time series


July 2014

26

Id Mapping (pemetaan) • Langsung

• Tidak langsung

• 1:1


July 2014

27

Modul Impor – Unit konversi • Unit internal peta ke unit eksternal peta

• Digunakan saat melakukan impor dan ekspor time series • Opsi tambahan untuk mengkonversi datum dari tingkat perekaman (unit eksternal mAOD)


July 2014

28

Modul Impor – Konversi flag • Flag kualitas internal ke flag kualitas ekternal • Digunakan saat melakukan impor dan ekspor time series


July 2014

29

Modul Impor – komponen lainnya Zona waktu pemetaan

• Basis data menyimpan semua data dalam GMT, tentukan zona waktu ketika melakukan proses importing Toleransi • Ketika proses impor data tidak diamati secara benar pada

langkah waktu kardinal Validasi • Impor file dapat divalidasi terhadap skema itu sendiri


July 2014

30

Modul Impor – Latihan 5 Impor time series mengunakan CSV format (modul CSV Import)

•Tambahkan elemen-elemen pada tabel ID pemetaan locationInternal = RG_Depok, locationExternal = RG_Depok locationInternal = RG_Bajawa, locationExternal = RG_Bajawa locationInternal = WL_Katupampa, locationExternal = PDA_Katulampa InternalParameter = H.obs – ExternalParameter = Muka Air

•Pastikan data input berada di direktori folder: Import\CSV baik untuk water level.csv dan rainfall.csv •Analisa keenam time series -3 * pengamatan muka air untuk Katulampa, Depok dan Manggarai -3* data hujan untuk pos hujan Bajawa, Katulampa dan Depok •Jalankan alur kerja impor

•Analisa data dengan menggunakan time series display •Tambahkan fungsi double mass curve, analisa data hujan depok dan katulampa Deltares Training Konfigurasi

July 2014

31

Validasi Data • Memungkingkan pengecekan kualitas dari semua data time series skalar • Terdapat perbedaan pada pengecekan hard limit dan soft limit

-

Tanda hard limit menunjukkan data tidak dapat digunakan

-

Tanda soft limit menunjukkan data diragukan


July 2014

32

Validasi Data • Pilihan untuk memasukkan limit bulanan

• Aturan dapat dikhususkan pada satu time series atau pada seluruh set


July 2014

33

Validasi Data – Latihan 6 • Periksa data yang baru diimpor • Tentukan aturan validasi (pilih WL_Katulampa dan WL_Depok, masukkan nilai hard dan soft limit) • Masukkan aturan dalam file XML ValidationRuleSets • Hapus data yang tersimpan di database

• Lakukan impor data lagi • Lihat datanya

• Lihat perbedaannya!


July 2014

34

Ambang Batas


July 2014

35

Contoh (peta) (Jakarta, Indonesia)


July 2014

36

Contoh (grafik) (Jakarta, Indonesia)


July 2014

37

Kegunaan Ambang Batas Kegunaan ambang batas untuk mengecek ketika data time series melampaui ambang batas •Time series observasi dan simulasi

•Ikon-ikon terlihat di peta •Grafik/garis melewati garis ambang batas •Kejadian-kejadian dapat dipicu (MC) •Kejadian naik dan turun Tiga file konfigurasi •thresholdWarningLevels.xml defininsi dari ambang batas (unik) + detil •thresholds.xml  kelompok dari (terpilih) ambang batas •thresholdValueSets.xml  timeseries (loc/par) dan info level aktual


July 2014

38

Ambang Batas - thresholdWarningLevels • Informasi ambang batas yang unik - Warna: tampilan, laporan

- Ikon • Normal/peringatan

• Warna untuk data historik • Warna untuk data peramalan

• Catatan: Tanda warning level tidak muncul apabila kejadian diluar waktu relatif view period.


July 2014

39

Kegunaan Ambang Batas – Thresholds • Penggunaan Ambang - kelompok - pilihan


July 2014

40

Kegunaan Ambang Batas – Thresholds Values Sets • Informasi lengkap ambang batas - Tiap lokasi/parameter - Nilai yang sebenarnya yang akan melintas untuk ambang batas yang berbeda - 'Pemicu' (aksi untuk kejadian baik up atau downcrossings)


July 2014

41

Thresholds – Latihan 7 Tambahkan threshold untuk pos duga air Depok dan Katulampa


July 2014

42

Penyajian Data dalam FEWS


July 2014

43

Penyajian Data - Filters

Peta

List Box


July 2014

44

Penyajian Data - Filters Filters digunakan untuk: - Menentukan lokasi-lokasi yang akan ditampilkan di peta - Menentukan lokasi-lokasi yang akan ditampilkan pada list box - Menentukan parameter yang akan ditampilkan di list box


July 2014

45

Penyajian Data - Filters Filters -Menyusun dalam folder filter dan sub-sub filter -Mengatur time series sets dalam kelompok yang logis -Mengimpor elemen pada time series sets -Opsi-opsi tambahan -Ijin untuk melihat -Ikon validasi terlihat -Jalur pintas ke extent peta


July 2014

46

Penyajian Data - Filters Relative View Period untuk icon pada peta utama

Menginjinkan/tidak mengijinkan editing data SynchLevel – hanya untuk system live

(5 = data teredit)


July 2014

47

Penyajian Data - Filters Turunan Filter Tersusun pada subsub folder (turunan)


July 2014

48

Time Series Display Time series display digunakan untuk menampilkan data pada grafik pada sebuah tabel •Merubah dan melihat data •Tampilan yang telah terkonfigurasi •Ambang batas •Kejadian-kejadian yang lalu


July 2014

49

Time Series Display Pengaturan Time series display menggunakan 4 buah konfigurasi file dalam pengaturannya, yaitu: •TimeSeriesDisplayConfig •Threshold dan ThresholdValueSets •DisplayGroups •HistoricalEvent


July 2014

50

Time Series DisplayTimeSeriesDisplayConfig • Tampilan periode standar • Penanda waktu • Parameter

• Modul contoh pemetaan


July 2014

51

Time Series DisplayDisplayGroups Kelompok tampilan (DisplayGroups): •Adalah tampilan yang sudah ditentukan •Digunakan untuk membuat struktur folder dari tampilan

•Dapat diulang

Shortcuts button

DisplayGroup


July 2014

52

Time Series DisplayDisplayGroups Elemen tampilan mengandung time series untuk menampilkan beberapa sub plot

untuk tiap-tiap sub plot -Time series

Pilihan -Minimum

-Maksimum -convertDatum

-relativeViewPeriod -nrOfRecentForescasts (jumlah dari peramalan sekarang)


July 2014

53

Time Series DisplayLatihan 8 Latihan: Tambahkan pre-configured display

-Tambahkan display group baru untuk lokasi yang baru  Pos Duga Air -Tambahkan tampilan baru untuk lokasi pos duga air  Katulampa dan Depok -Tambahkan tampilan baru untuk lokasi pos hujan  Katulampa


July 2014

54

Modul Manipulasi Data FEWS


July 2014

55

Tahapan Proses Peramalan Banjir Mengimpor data dari sumber eksternal

Jalankan model hidrologi untuk menghitung debit catchment

Hitung rata-rata curah hujan area berdasarkan data alat penakar hujan

Siapkan input untuk hidrodinamik model berdasarkan model-model hidrologi, stasiun pengukuran, dan batas pasang surut

Gabung data hujan dari berbagai sumber (misalnya pos hujan, Radar, model peramalam meteorologi)

Buat profil penguapan untuk model hidrologi


July 2014

Jalankan hidrodinamik model untuk menghitung tinggi muka air untuk peramalan Jalankan model koreksi kesalahan untuk memperbaharui hasil model hidrodinamik

56

Modul Interpolasi/ Transformasi Modul interpolasi sebelumnya terpisah, tetapi sekarang sudah terintegrasi dengan modul transfiormasi. Modul interpolasi menghasilkan data pada lokasi yang diinginkan atau pada titik-titik yang diinginkan dalam waktu dengan cara: Metode interpolasi serial •Interpolasi linier •Interpolasi blok •Nilai standar •Ekstrapolasi Metode interpolasi spasial

•Kriging •Inverse distance

•Interpolasi Bi-linear •Grid cell averaging over catchment


July 2014

57

Modul Interpolasi – interpolasi serial


July 2014

58

Modul Interpolasi – Latihan 9 Catatan:

1.Pastikan modul menggunakan relativeViewPeriod pada time series data: Fungsinya modul hanya akan melakukan interpolasi selama relativeViewPeriod apabila kita tidak menambahkan startOverrulable="true" 2.Pada saat running modul, set awal run start time pada awal data tersedia (misal 2009) karena kalau tidak FEWS hanya akan menginterpolasi selama waktu relativeViewPeriod •Analisa module untuk mengisi gap pada time series data muka air •Ganti locationId dengan locationSets semua pos duga air •Ganti maxGapLength = 300, artinya gap maksimum yang diisi adalah 300 timestep •Tambahkan modul instance baru pada module instance descriptors

•Konfigurasikan sebuah workflow untuk mengeksekusi modul instance interpolasi tersebut pada workflow descriptor •Cek hasilnya! Deltares Training Konfigurasi

July 2014

59

Interpolasi Catatan masalah dan isu yang mungkin terjadi Time series set yang digunakan untuk interpolasi •ModuleInstanceID dari time series!!! (CSV_Import)

•Relative View Period Ketika proses interpolasi untuk mengisi gap •Input time series dengan output time series adalah sama Penggunaan LocationSets dan/atau Locations

•Interpolasi linier  dapat dilakukan dengan menggunakan locationSet •Default  berhati-hati pada nilai default ini dapat bervariasi menurut tiaptiap lokasi


July 2014

60

Modul Transformasi  Konsep dari fungsi trasnformasi  Fungsi ditentukan oleh pengguna  Rating curve

 Rata-rata DAS • Hierarki data

• Profil yang khas • Aggregasi/ dis-aggregasi

• Equidistant ke non-equidistant • Latihan: tambahkan rating curve


July 2014

61

Transformasi - konfigurasi


July 2014

62

Transformasi – Input/Output Input dan Output ditentukan dalam TimeSeriesSets


July 2014

63

Transformasi – user defined funtions dan rating curve Fungsi yang berbeda/ parameter per segmen/ kisaran Menentukan rentang pada file rating curve/ file coefficientsets


July 2014

64

Transformasi – Skema user defined funtions


July 2014

65

Transformasi – Contoh user defined funtions


July 2014

66

Transformasi – Fungsi user defined funtions Fungsi umum parser digunakan Fungsi “apa saja" dapat didefinisikan


July 2014

67

Transformasi – Rating Curve  Pendekatan yang sama  Pendekatan yang sama seperti transformasi lainnya menggunakan kelas stageDischarge.  Konvensi pada inputId /ouputId & nama parameter.  Rating Curve terdapat dalam CoefficientSetFiles (RatingCurves.xml)


July 2014

68

Transformasi – Rating Curve  Rating curve adalah kurva hubungan antara nilai muka air (sumbu y) dan debit (sumbu x) dari hasil pengukuran debit

 Nilai ini harus mencakup nilai muka air pada saat aliran rendah, aliran sedang, dan aliran tinggi (banjir)  Persamaan rating curve adalah sebagai berikut: Q = a(h + b)c


July 2014

69

Transformasi – stageDischarge (Rating Curve) Rating curve terhubung ke lokasi Menggunakan 1 location atau locationSets

Menggunakan coeffisien dari CoefficientSetFile


July 2014

70

Transformasi – stageDischarge (Rating Curve)  StageDischargeCoefficientSets.xml (nama tidak tetap)  Terdapat dalam folder CoefficientSetsFiles

 Direferensikan dalam Transformasi ModuleInstance  Rating Curve didefinisikan hanya sekali

Direferensikan oleh locationId


July 2014

71

Transformasi – Rata-rata tertimbang  Konvensi pada inputId/outputId dan nama-nama parameter berlaku  Formula: (X1 * a + X2 * b) / (a + b)

 Jumlah lokasi fleksibel, bisa diatur sesuai kebutuhan


July 2014

72

Hierarki Data Pilihan mundur untuk melengkapi sebuah seri data. Contoh, dalam menggunakan series data hujan misalkan kita memiliki data observasi, radar, dan satelit. Maka penggunaan data pertama adalah hujan obervasi, kedua adalah radar, dan ketiga baru data satelit apabila seri data belum lengkap.

Seri data 2 Radar Seri data 3 Satelit Hasil seri data

Waktu


July 2014

73

Penting

Seri data 1 (hujan observasi)

Digunakakan pertama Digunakan kedua Digunakan ketiga

Transformasi - Hierarki Data/ merge

Digunakakan pertama

Digunakan kedua

Digunakan ketiga


July 2014

74

Transformasi – Typical Profil Digunakan untuk menggambarkan nilai yang biasanya berulang Contoh dari penggunaan typical profil antara lain:

Seri evaporasi/penguapan Variasi suhu disepanjang hari


July 2014

75

Transformasi – Typical Profil tanggal dan waktu yang Fix


July 2014

76

Modul Transformasi – Latihan 10 Tambahkan rating curve untuk lokasi Katulampa dan Depok (stageDischarge) Modul ini sudah ada dalam FEWS, kita tinggal mengganti nilai koefisien a, b, dan c

Analisa file transformasi: Buat coefficientSet untuk katulampa dan depok dengan memasukkan rumus rating curve (Q = a(h + b)c pada file LevelToFlowCoefficient.xml (Pada Folder CoffecientSetsFiles): •Katulampa:

a:28.984

b:0.140

c:1.911

•Depok

a:22.393

b:0.150

c:2.710

Masukkan module instance pada file descriptors dan Tambahkan module instance pada workflow latihan Catatan: 1.Pastikan anda menggunakan relativeViewPeriod pada time series data: Fungsinya modul hanya akan melakukan interpolasi selama relativeViewPeriod apabila kita tidak menambahkan startOverrulable="true" 2.Pada saat running modul, set awal run start time pada awal data tersedia (misal 2009) karena kalau tidak FEWS hanya akan menginterpolasi selama waktu relativeViewPeriod


July 2014

77

Modul Transformasi – Latihan 10 Tambahkan rating curve untuk lokasi Katulampa dan Depok dengan UserDefineTransformation) UserDefineTransformastion

•

Input timeSeries dari muka air katulampa

•

Didefinisikan sebagai variable H1 •


July 2014

78

Rumus Debit lokasi Katulampa

•

Output timeSeries dari trasnformasi (Q.generated)

•

Copy ke Filter.xml agar muncul pada data dispaly

Rata-rata DAS– Latihan 11 Latihan: membuat rata-rata hujan DAS dari 2 lokasi menjadi 1 Buat sebuah lokasi baru (antara Depok dan Katulampa) •Nama lokasi CatchAvg alias Rata-rata DAS

•<x>106.818 •-6.477

Masukkan bobot DAS pada (input) seri untuk membuat keluaran seri baru untuk lokasi ini (Katulampa 0.6 dan Depok 0.4) Daftarkan module instance pada descriptor file Tambahkan module instance pada workflow latihan


July 2014

79

FEWS Grid Data


July 2014

80

FEWS Grid Data Fews mendukung tampilan data grid, baik grid tidak teratur dan teratur Tersedia jenis-jenis impor (umum) • ArcInfoAscii

• BIL • CSV • GRIB • HDF5 • NetCDF


July 2014

81

FEWS Grid Data Umumnya tipe data yang digunakan • Curah hujan • Moisture tanah • Tekanan

• Angin • Suhu • Tinggi gelombang • Gelombang


July 2014

82

FEWS Grid Data Data dapat dimanipulasi dengan menggunakan modul transformasi dan interpolasi • Cookie cutter • Interpolasi

• Transformasi • Hirarki data


July 2014

83

FEWS Grid Data


July 2014

84

Grid Data – Latihan 12 Impor TRMM Grid Data Pastikan module terdaftar dalam workflow Input data TRMM disimpan dalam folder “import”


July 2014

85

Fungsi Ekspor FEWS

Deltares Configuration Course

March 2012

86

Fungsi Ekspor FEWS Laporan hasil peramalan dihasilkan dalam sebuah bentuk yang bisa disajikan

tanpa mengunakan Delft-FEWS dalam sebuah server web. Laporan yang dihasilkan oleh Delft-FEWS terdiri dari dua tujuan: • Penyediaan informasi yang detail dan spesifik, contoh : pegawai di bidang peramalan, pegawai daerah • Penyediaan laporan overview dan umum


September 2014

87

Fungsi Ekspor FEWS

Laporan dapat dihasilkan berupa: • • • •

Grafik Tabel Kesimpulan (tabel) Status sistem


September 2014

88

Fungsi Ekspor FEWS

Hasil terhubung ke templates. Templates terformat dalam dokumen html. Hasil tersebut bisa digunakan sebagai bagian

dari sebuah situs web.


September 2014

89

Fungsi Ekspor FEWS


September 2014

90

Akhir dari Latihan - 2


July 2014

91

Delft-FEWS Pelatihan Pengantar Konfigurasi Delft-FEWS Portal Komunitas - Paket dapat diunduh Latihan bagian 2 Versi II Januari 2015

Recommend Documents