5
2. TINJAUAN PUSTAKA
2.1
Musim Hujan dan Monsun Di tinjau dari aspek geografis, Indonesia diapit oleh dua benua dan dua
samudera sehingga memungkinkan adanya tiga sirkulasi atmosfer yang aktif sepanjang tahun. Sirkulasi Hadley yang berubah menjadi monsun, sirkulasi Walker yang mengindikasikan fenomena ENSO (El Nino Southern Oscillation) serta sirkulasi laut-atmosfer menyebabkan konveksi kuat yang membentuk awan potensial hujan. Selain itu sebagai negara kepulauan yang terbesar di dunia dengan luas perairan sekitar 70% dan daratan 30%
serta di lewati garis khatulistiwa menyebakan
Indonesia menerima INSOLASI (Incoming Solar Radiation) dalam jumlah besar mengakibatkan potensi penguapan uap air cukup kuat terjadi. Wilayah lautan dengan temperatur 28°C merupakan lokasi potensial terjadi konveksi tropis (Vinaya et al. 2007). Monsun adalah angin yang arahnya berbalik secara musiman, pembalikan tersebut membutuhkan gaya gradien tekanan yang disebakan oleh beda tekanan atmosfer. Angin monsun disebabkan oleh perbedaan sifat fisis antara lautan (ocean) dan daratan (continen) karena kapasitas panas lautan lebih besar dari pada daratan. Permukaan lautan memantulkan radiasi matahari lebih banyak dari pada daratan dan radiasi matahari dapat memasuki kedalaman laut juga dengan bantuan arus laut, sedangkan didarat radiasi matahari hanya mencapai beberapa centimeter saja dari permukaan. Hasil dari beda sifat fisis ini adalah lautan lebih lambat panas bila ada radiasi matahari dan lebih lambat dingin bila tidak ada radiasi matahari dibandingkan daratan. Pergerakan semu matahari dapat membalikkan arah gaya gradient tekanan dari daratan ke lautan menghasilkan perubahan arah angin musiman atau monsun sehingga beda panas Utara-Selatan yang sangat penting diperkirakan antara benua Asia dan samudera Hindia. Jika angin berhembus dari arah Barat Laut (Northwest) atau menuju pantai (daratan) maka Indonesia terjadi periode musim hujan, sebaliknya jika angin berhembus dari arah Tenggara (Southeast) atau menuju lepas pantai
6
(lautan) maka Indonesia terjadi periode musim kemarau. (Gambar 1) menunjukkan daerah monsun yang dibatasi oleh garis bujur 30° Barat dan 170° Timur dan oleh garis lintang 35° Utara dan 25° Selatan (Ramage 1971). Namun, belum banyak metode yang digunakan untuk mengidentifikasi datangnya monsun, apalagi biasanya model yang ada tidak melibatkan variabilitas interannual (Falluso & Webster 2002).
Gambar 1. Peta daerah monsoon muka bumi berdasarkan definisi dari Ramage 1971.
2.2
Pengaruh Sirkulasi Walker Sirkulasi Walker adalah sirkulasi zonal (Timur-Barat) sepanjang ekuator.
Pada tahun normal, sirkulasi ini di tandai dengan kenaikan udara di sekitar pasifik bagian Barat dekat dengan benua maritime Indonesia dan penurunan udara di samudera pasifik bagian Timur lepas pantai Amerika Selatan. Intensitas sirkulasi Walker dikendalikan oleh variasi SML (Suhu Muka Laut) di samudera pasifik bagian Timur dan bagian Barat (Gambar 2).
7
DJF Normal
Eq 30oLS 90oBB
0o
90oBT
180o
90oBB
DJF El Nino
Eq 30oLS 90oBB
0o
90oBT
180o
90oBB
Gambar 2. Skematik dari sirkulasi Walker di bagian atas dan bawah atmosfer dalam keadaan normal dan ENSO (Nicholls 1987)
Perubahan dalam kadar panas SML kemudian di alihkan kedalam atmosfer dalam bentuk perubahan tekanan atmosfer. Berdasarkan pengamatan diketahui bahwa ada kopel (perangkai) yang kuat antara lautan dan atmosfer, demikian disebut El Nino Southern Oscillation (ENSO). Dalam tahun-tahun ENSO terjadi penurunan (subsidensi) massa udara diatas benua maritim Indonesia dan awan konvektif bergerak ke pasifik bagian tengah, sehingga sebagian besar wilayah Indonesia mengalami kekeringan atau musim kemarau panjang. Model dasar interaksi lautan adalah kenaikan temperatur Samudera Pasifik Ekuatorial. Di atas pusat anomali temperatur ini akan terjadi penguapan dan konveksi kuat, akibatnya angin pasat di sebelah barat pusat anomali temperatur akan melemah dan angin pasat di sebelah timur pusat ini akan menguat. ENSO menyebabkan variasi iklim tahunan di Indonesia, keterlambatan musim tanam terjadi pada tahun-tahun ENSO dibandingkan kondisi normal. Tanpa memperhitungkan manajemen air yang baik maka produksi pangan akan turun sehingga mengganggu stabilitas pangan Indonesia. Dari data yang tercatat saat tahun-tahun ENSO mengakibatkan musim kemarau lebih panjang dan musim hujan lebih pendek. Dampak kekeringan Tahun
8
ENSO di Indonesia tercatat hampir dirasakan diseluruh wilayah Indonesia kecuali untuk beberapa tempat yang pengaruh ekuatorialnya lebih kuat Penjelasan diatas menunjukkan, bahwa keragaman hujan di Indonesia sangat dipengaruhi oleh fenomena ENSO. Pada saat fenomena ENSO berlangsung, hujan pada sebagian besar wilayah Indonesia umumnya di bawah normal (Gambar 3). Pengamatan terhadap tahun El-Nino yang terjadi dalam periode 1896 sampai 1987, diperoleh bahwa untuk setiap peningkatan anomali suhu muka laut di daerah Nino 3 rata-rata curah hujan wilayah di Indonesia pada musim kering turun sekitar 60 mm. Penurunan curah hujan wilayah dapat mencapai 80 mm dari normal apabila suhu muka laut di Nino-3 naik sampai 1.8 oC di atas normal (Boer 2003).
Wilayah dengan Hujan Bawah Normal (%)
100 90 80 70 60 50 40 30 20 10 0 60 62 64 66 68 70 72 74 76 78 80 82 84 86 88 90 92 94 96 98 Tahun
Gambar 3. Persen daerah yang curah hujan di bawah normal (panah hitam menunjukkan tahun bukan El-Nino)
Fenomena ENSO tidak hanya mempengaruhi tinggi hujan tetapi juga mempengaruhi masuknya awal musim hujan atau akhir musim kemarau tergantung pada waktu pembentukan dan lama dan intensitasnya. Pada umumnya pada saat terjadi El-Nino awal musim hujan di wilayah yang bertipe iklim monsun mengalami
9
keterlambatan, sebaliknya pada saat berlangsungnya fenomena La-Nina,akhir musim hujan mengalami keterlambatan atau awal masuknya musim kemarau mundur. Faktor lain yang mempengaruhi keragaman hujan di Indonesia adalah Indian Ocean Dipole Mode (IOD). Fenomena ini pertama kali dikemukakan oleh (Saji et al. 1999). IOD dapat didefinisikan sebagai perbedaan antara suhu muka laut di kawasan barat Samudera
India (50°-70°BT, 10°LU-10°LS) dengan suhu muka laut di
kawasan tenggara Samudera India (90°-110°BT, 0°-10°LS). Apabila terjadi indeks sangat negatif (dibawah standar deviasi historis) yang berarti suhu di tengah samudera Hindia lebih hangat daripada di pantai barat Sumatera, maka wilayah Indonesia barat bagian selatan mendapat resiko kekeringan akibat terjadi subsidensi dan aliran masa udara menjauh daerah ini. Apabila yang terjadi sebaliknya, maka wilayah yang sama akan mengalami curah hujan tinggi. Dampak IOD penting di perhatikan saat periode Juni-Oktober dimana akan memberikan banyak bulan basah di bagian Tenggara (Southeast) dan Barat Daya (Southwest) lokasi IOD terjadi (Risbey et all. 2009). Selain itu pada akhir Mei potensi terjadi ketidakstabilan musim angin baratan Afrika (Hagos & Kerry 2006). Sehingga wilayah tengah Samudera india sangat penting diperhatikan pada bulan Juni, Juli, Agustus. Dibandingkan dengan ENSO, fluktuasi dari gejala IOD memiliki periode yang sangat pendek tidak lebih dari satu musim sehingga koherensi gejala ini rendah dan sulit diasosiasikan dengan iklim Indonesia. Selain itu sangat sulit untuk menduga besarnya pengaruh ENSO, IOD atau efek kombinasi keduanya terhadap curah hujan (Risbey et all. 2009). Untuk memahami lebih jauh kaitan kejadian ENSO dan IOD terhadap kejadian awal masuk musim hujan di wilayah Jawa, kajian di fokuskan menentukan domain prediktor interaksi lautan-atmosfer yaitu fluktuasi SML di Pasifik
ekuator
bagian
tengah
dan
timur
merepresentasikan ENSO dan IOD (Gambar 4).
hinga
Samudera
India
yang
10
Gambar 4. Skematik wilayah ENSO dan IOD
2.3
Definisi Awal Musim Hujan Kombinasi revolusi dan kemiringan bumi akan mempengaruhi sudut jatuh
sinar matahari dan intensitas insolasi (incoming solar radiation), akibatnya di muka bumi terjadi pembagian wilayah musim (musim dingin, semi, panas dan gugur). Musim diwilayah Indonesia tidak mengikuti pembagian wilayah musim dibumi karena unsur temperatur hampir konstan sepanjang tahun namun sebaliknya variasi unsur curah hujan sangat besar. Curah hujan yang terjadi di suatu wilayah memberikan gambaran musim pada wilayah tersebut. Awal musim hujan (AMH) dapat di jelaskan oleh curah hujan yang terjadi pada suatu tempat. Ketentuan definisi AMH di satu tempat dapat berbeda di tempat lainnya, hal itu dapat bergantung pada kondisi klimatologis. Kondisi klimatologi akan memberikan ciri atau indikator tertetentu ketika AMH terjadi, sehingga dapat ditetapkan definisi yang tepat. Sebagai ilustrasi, Departemen Meteorologi India menetapkan wilayah Kerala sebagai salah satu indikator awal datangnya AMH di seluruh India (Wang et al. 2009). Apabila setelah 10 Mei tercatat curah hujan sebanyak 10 mm per 24 jam dalam 2 hari di lima stasiun pengamatan dari tujuh stasiun yang ada di Kerala maka dinyatakan sebagai AMH (Pai & Rajeevan 2009). Sedangkan definisi AMH di wilayah Indonesia
11
didasarkan pada ketentuan yang dibuat oleh BMKG yaitu awal musim hujan ditandai dengan jumlah curah hujan dasarian telah lebih dari 50 mm dan diikuti minimal dua dasarian berikutnya, sebaliknya awal musim kemarau ditandai dengan jumlah curah hujan dasarian kurang dari 50 mm dan diikuti minimal dua dasarian berikutnya. Saat perhitungan awal musim hujan yang dilakukan BMKG biasanya setelah 1 September. Definifisi AMH dapat juga bergantung pada kondisi wilayah lokal untuk bidang pertanian. Untuk kepentingan sektor pertanian, AMH adalah informasi yang penting dalam penentuan waktu dan pola tanam. Definisi AMH yang digunakan pada bidang pertanian di Indonesia, apabila curah hujan setelah 1 Agustus tercatat > 40 mm dalam 5 hari berturut-turut tanpa diikuti 10 hari dry spell atau curah hujan < 5 mm dalam periode 10 hari (Moron et al. 2008). Sedangkang wilayah Sahel Afrika mendefinisikan AMH dalam bidang pertanian yaitu apabila curah hujan setelah 15 Mei tercatat > 20 mm dalam 2 hari berturut-turut tanpa diikuti 7 hari dry spell atau curah hujan < 5 mm dalam periode 20 hari (Marteu et al. 2007). Perbedaan definisi AMH di tiap tempat disebabkan karena perbedaan posisi geografis yang berimplikasi pada pola umum atmosfer suatu wilayah. Sebagai contoh untuk wilayah tropis pola atmosfer dominan adalah Intertropical Convergence Zone (ITCZ) atau pias pumpun antar tropis akibat dari gerak periodik Matahari 23.5o arah Utara dan Selatan. Wilayah yang di lewati ITCZ biasanya pada periode musim hujan dan sebaliknya. Kondisi tropis berbeda dengan yang terjadi di wilayah sub tropis hingga kutub (lintang tinggi), pada wilayah tersebut pola atmosfer yang berperan dan penting di perhatikan yaitu gelombang rossby (Graham et al. 2010). Gelombang Rossby adalah angin yang mengelilingi bumi, bergerak dari Barat ke Timur dan biasanya mendorong kelembaban dari Samudra Atlantik. Dalam penjalaranya, gelombang ini berosilasi diantara lintang 30o dan 60o sehingga memiliki pengaruh dominan terhadap wilayah lintang tinggi. Selain itu, faktor yang membedakan definisi AMH adalah posisi lautan dan daratan yang berimplikasi pada pola umum atmosfer. Contoh dalam hal ini adalah perilaku monsun yang hanya terjadi disekitar perairan India dan pasifik serta benua Asia dan Australia.
12
2.4
Faktor Yang Mempengaruhi Awal Musim Monsun adalah salah satu fenomena iklim global menyebabkan pergerakan titik
kulminasi matahari terhadap bumi yang bergerak utara selatan dan terciptanya kontras tekanan dan suhu antara benua dan samudera. Selain itu fenomena monsoon juga mengikuti pola garis pantai karena pada daerah tersebut terjadi pusat pusat konveksi dan juga diakibatkan oleh pola kontras antara benua dan samudera. Sehingga pergerakan daerah fenomena monsoon tidak murni bergerak arah utara selatan. Wilayah Jawa termasuk dalam pewilayahan monsun atau wilayah yang dicirikan dengan pola hujan tahunan satu puncak hujan dan satu puncak kemarau (Aldrian & Susanto 2003). Hal ini mengakibatkan nilai kontras akumulasi hujan pada puncak musim hujan dan puncak kemarau. Sesuai dengan kriteria yang dikembangkan oleh BMKG, jika hujan diatas 150 mm, maka dikategorikan musim hujan, sebaliknya apabila curah hujan dibawah 150 mm per bulan akan disebut musim kemarau. Dengan memahami kejadian monsun maka dapat menduga terjadinya awal musim Indonesia Fenomena iklim global lainnya adalah ENSO, dampak dari fenomena ini dapat dirasakan secara global. Fenomena ini berhubungan berturut turut dengan fase hangat dan dingin di wilayah ekuator Pasifik. Secara normal terdapat kolam hangat (warm pool) di sebelah utara pulau Papua yang merupakan tempat berkumpulnya arus permukaan dari aliran sabuk dunia sebelum dihantar melalui arus lintas Indonesia (Arlindo) melalui wilayah benua maritim menuju samudera india. Kolam hangat ini juga tempat sirkulasi Walker dimana terjadi pengangkatan masa udara (convection center). Pada saat El Niño, terjadi perpindahan daerah wam pool menuju ke timur daerah ekuator Pasifik dan meninggalkan daerah di utara Papua. Dinamika fenomena laut tersebut tentunya akan menggangu kondis atmosfer di wilayah lainnya. Sel Walker menyebabkan telekoneksi atmosfer antara wilayah samudera India dan pasifik yang berpusat di wilayah warm pool sekitar Papua (Aldrian & Susanto.2003). Pada kondisi normal, angin 850 mb atau angin lapisan bawah di perairan India-Pasifik pada periode JJA bertiup dari Timur (Gambar 5a). Kejadian ENSO menyebabkan pola angin di lapisan bawah pada periode bulan JJA di perairan India-Pasifik
13
menyimpang dari normalnya. Meningkatnya SML di pasifik tropis membuat arus angin berbalik atau terjadi putaran di Pasifik Tengah (Gambar 5b). Implikasinya untuk wilayah Pasifik Tengah-Timur akan terjadi banyak hujan akibat konvergensi efek dari putaran angin (pembalikan arah). Sedangkan Jawa atau Indonesia pada umumnya akan terjadi pengurangan curah hujan selanjutnya mengakibatkan awal masuk musim hujan akan mundur dari normalnya. Dengan demikian perlu memperhatikan sinyal kejadian ENSO sebagai faktor yang mempengaruhi AMH di Jawa. Sinyal tersebut yaitu fluktuasi SML periode JJA di wilayah pasifik equator sehingga kejadian AMH maju atau mundur dari normal di Jawa dapat di prediksi.
a
b
Gambar 5 Pola angin 850 mb JJA Samudera India-Pasifik Saat (a) Normal dan (b)ENSO Selain faktor tahunan tersebut, pola iklim Indonesia juga dipengaruhi oleh faktor-faktor non tahunan seperti harian intra seasonal dan faktor inter tahunan. Untuk skala intra seasonal atau antara 30 sampai 90 hari, terdapat dominasi pengaruh pergerakan daerah konveksi dari samudera India ke arah timur. Pergerakan variabilitas intra seasonal ini membawa akibat daerah hujan yang tinggi pada daerah yang dilaluinya. Variabilitas atau osilasi intra seasonal ini dikenal dengan istilah Madden Julian Oscillation (MJO) sesuai nama pencetusnya (Madden & Julian 1994). Untuk daerah benua maritim Indonesia, penjalaran gelombang ke timur gejala ini terjadi di samudera India dan peristiwa yang dimulai di laut akan berakibat pada
14
daerah hujan yang mana daerah hujan ini akan bergerak ke arah timur masuk di kepulauan Indonesia melalui propinsi Sumatera Barat dan terus bergerak ke Timur (Aldrian 2008). Apabila peristiwa tersebut terjadi pada bulan musim hujan maka pergerakan akan lebih ke arah selatan mengikuti jalur Intertropical Convergence Zone (ITCZ) atau daerah konvergensi antar tropis yang sedang berada di bumi belahan selatan. Pola mengikuti jalur ITCZ dikarenakan ITCZ merupakan pusat konveksi yang menarik massa udara sekitar. Peristiwa penjalanan dengan gelombang ini terjadi dengan periode antara 30 sampai 90 hari atau periode seasonal dan intraseasonal sehingga gejala MJO ini dikenal juga dengan istilah gelombang intraseasonal. Pergerakan intraseasonal ini mengakibatkan variabilitas curah hujan sehingga terjadi waktu jeda basah (wet spell) atau waktu jeda kering (dry spell), implikasinya akan terjadi kehilangan hari bulan basah atau hari bulan kering antara 20 sampai 50 hari (Benjamin
&
Pierre
2006).
Kejadian
tersebut
tentunya
akan
berpotensi
mempengaruhi AMH di wilayah Indonesia khususnya Jawa karena dasar perhitungan AMH adalah akumulasi curah hujan dalam sepuluh harian (dasarian). Dengan memahami kejadian MJO maka dapat dihindari menentukan awal musim palsu akibat dry spell atau wet spell.
2.5
Perkembangan Model Prediksi AMH Hasil dari model iklim global biasanya diberikan sebagai input untuk model
iklim regional dimana dinamika proses yang terjadi kembali dihitung dalam skala regional. Untuk model prediksi dibutuhkan model iklim laut dan atmosfir yang dijalankan sekaligus dimana terjadi umpan balik antara keduanya. Masing masing model tersebut tidak dapat jalan sendiri sendiri untuk prediksi karena masing masing saling membutuhkan untuk data di permukaan laut. Untuk model atmosfir global biasanya membutuhkan data SML, sedangkan untuk model iklim regional model atmosfir membutuhkan data di daerah batas domain di laut atau di atmosfir pada masing masing lapisan. Saat ini model AMH sudah banyak dikembangkan baik yang berdasar dinamika atmosfer, pemanfaatan data satelit maupun perhitungan statistik. Kajian data satelit dimanfaatkan untuk menduga anomali curah hujan dalam periode
15
masa transisi (Maret-Juni) sehingga akan di ketahui sebaran pola hujan spasial untuk wilayah Indonesia (As-syakur & Prasetia 2010). Kajian tersebut dapat dijadikan indikasi awal pertimbangan perkembangan fenomena iklim global untuk kepentingan menduga AMH. Dalam teknk perhitungan statistik (Hamada et al. 2002) melakukan analisa terjadinya AMH di Indonesia kaitannya dengan kejadian ENSO. Model prediksi AMH dengan teknik statistik namun menggunakan data prediktor SML telah banyak dikembangkan. BoM Australia mengidentifikasi wilayah prediktor SML potensial sebagai prediktor sebelum diaplikasikan dengan teknik statistik (Fiona lo et al. 2008). Demikian juga dengan India Meteorological Departemen (IMD) telah melakukan dengan teknik yang serupa dan bahkan telah dioperasionalkan (Rajeevan 2009).
Selain
teknik
tersebut,
(Moron
&
Robertson.
2009)
juga
telah
mengembangkan suatu metoda menduga awal terjadinya mosun dengan teknik pemanfaatan data satelit untuk wilayah India. Pengembangan model iklim atmosfir dan laut berbasis data satelit untuk Indonesia relatif masih baru. Keterbatasaan sumber daya manusia dan komputer untuk kajian ini merupakan hambatan tersendiri. Untuk kebutuhan data pada wilayah yang luas, Indonesia membutuhkan pengamatan iklim terpadu sehingga mencakup seluruh wilayah teritorialnya. BMKG masih memanfaatkan data hujan yang ada untuk operasional utama prediksi AMH. Model dengan teknik statistik dalam hal ini ARIMA masih menjadi tumpuan produk informasi awal musim. Kompleksitas masalah lingkungan dan iklim di Indonesia akhir akhir ini menambah persoalan tentang akurasinya. Hal itu mendorong institusi ini mencari teknik dan metode yang tepat dalam mengembangkan model prediksi iklim. Saat ini model prediksi iklim berbasis satelit sedang dikembangkan oleh BMKG sehingga diharapkan dapat menghasilkan produk informasi iklim yang lebih handal.
2.6
Potensi Aplikasi Prediksi AMH Iklim merupakan komponen ekosistem sekaligus faktor alam penting yang
sangat dinamik dan sulit dikendalikan. Karena sifat iklim yang dinamis dan beragam diperlukan suatu pemahaman yang lebih akurat teradap karakteristik iklim melalui
16
analisis dan interpretasi informasi iklim sehingga lebih berdaya guna dalam bidang pertanian. Pendekatan yang paling efektif untuk memanfaatkan sumber daya iklim adalah menyesuaikan sistem usaha tani termasuk paket teknologinya dengan kondisi iklim setempat. Penyesuaian tersebut harus didasarkan pada pemahaman terhadap karakteristik dan sifat iklim secara baik melalui analisis dan interpretasi informasi iklim. Berbagai proses fisiologi, pertumbuhan dan produksi tanaman sangat dipengaruhi oleh unsur iklim, yaitu keadaan atmosfer dari saat ke saat selama umur tanaman, ketersediaan air sangat ditentukan oleh curah hujan dalam periode waktu tertentu. Demikian juga, pertumbuhan dan produksi tanaman merupakan manivestasi akumulatif dari seluruh proses fisiologi selama fase atau periode pertumbuhan tertentu oleh sebab itu dalam pengertian yang lebih teknis dapat dinyatakan bahwa pertumbuhan dan produksi tanaman dipengaruhi oleh berbagai unsur iklim selama pertumbuhan tanaman. Sehingga kondisi iklim yang tidak menentu dapat menjadi faktor pembatas produksi pertanian. Secara teknis dalam budidaya tanaman, hampir semua unsur iklim berpengaruh terhadap produksi dan pengelolaan tanaman. Namun tiap unsur iklim mempunyai pengaruh dan peran yang berbeda teradap berbagai aspek dalam budidaya tanaman. Dalam perencanaan kegiatan operasional pertanian seperti perencanaan pola tanam, pengairan, pemupukan, pengendalian hama terpadu dan panen membutuhkan informasi prediksi awal musim hujan (AMH). Tingkat keakuratan prediksi AMH sangat membantu petani mengurangi resiko gagal panen, sehingga diperlukan model prediksi yang handal. Ini dapat dilakukan melalui pengembangan sistem analisis dan teknik prediksi AMH yang lebih kuantitatif dengan model statistik dan dinamik. Dengan memanfaatkan informasi iklim merupakan poin penting yang akan memberikan jalan petani dalam mencapai target produksi serta meningkatkan derajat petani (Ikrom & Gary 2008).
