Vol. 13, No. 1, Juni 2012

Vol. 13, No. 1, Juni 2012

Dari Redaksi ... (Pemimpin Redaksi)

iii

Berdasarkan Surat LIPI No. 2111/I.2/KP/2001, tanggal 12 April 2001, Jurnal Sains & Teknologi Modifikasi Cuaca diklasifikasikan sebagai Jurnal Ilmiah

ISSN 1411-4887 JURNAL SAINS & TEKNOLOGI MODFIKASI CUACA Vol 13, No.1, Juni 2012 Hal.: 1 – 35

Diterbitkan Oleh: Unit Pelaksana Teknis Hujan Buatan Badan Pengkajian dan Penerapan Teknologi Pelindung: Kepala BPPT Penasihat: Deputi Kepala TPSA, BPPT, Ka. UPT Hujan Buatan, BPPT Penanggung Jawab: Kabid PPTPH, UPTHB, BPPT Pemimpin Redaksi: Dr. Findy Renggono Wakil Pemimpin Redaksi: Drs. Sunu Tikno Msi. Dewan Redaksi: Prof. Untung Haryanto MSi., APU, Dr. Mahally Kudsy, Dr. Tri Handoko Seto, Dra. Mimin Karmini MSc., Drs. Moh. Husni MT Redaksi Pelaksana: Budi Harsoyo SSi., MSi., Cornelius Antoni Nababan, S. Si Halda Aditya Belgaman SSi., MM Sekretariat: Gangsar Wijanarko SE, Warsun Alamat Redaksi: Gedung BPPT I, Lantai 19 Jalan MH Thamrin 8 – Jakarta 10340 Tlp.: (021) 316 8828, Fax: (021) 390 6225 Email: [email protected] Dicetak Oleh: BPPT Press

Frekuensi terbit: 2 kali pertahun Terbit Pertamakali: Juni 2000

Dari Redaksi

Dewan redaksi mengucapkan puji syukur kehadirat Allah swt, karena pada tahun 2012 ini Jurnal Sains & Teknologi Modifikasi Cuaca telah memasuki tahun yang ke 13. Pada edisi yang pertama tahun 2012 ini diisi dengan laporan hasil penelitian dan kajian para peneliti dari berbagai bidang. Tulisan tentang teknologi modifikasi cuaca ditampilkan dalam tiga tulisan, yaitu kajian dengan model WRF, analisis pertumbuhan awan dengan pengamatan langsung di lapangan dan kajian evaluasi penerapan TMC di Bakaru, Selain itu pada edisi ini juga ditampilkan dua tulisan lain yang masih berhubungan dengan cuaca, yaitu analisis angin danau di Sulawesi dan kajian perubahan parameter cuaca di perkotaan. Akhirnya, kami ucapkan selamat membaca, dan kami tunggu partisipasinya, baik dalam bentuk tulisan, saran maupun kritik terhadap isi maupun penampilan jurnal ini. Semoga Jurnal Sains & Teknologi Modifikasi Cuaca ini dapat memberikan sumbangan yang positif bagi perkembangan di Indonesia.

Juni 2012 Pemimpin Redaksi

iv

Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 13, No. 1, 2012

DAFTAR ISI Hal Dari Redaksi

iii

Daftar Isi

iv

”The Use of WRF Model To Support Cloud Seeding Operation: A Study in the Citarum Catchment Area” (Mahally Kudsy, Ridwan, Findy Renggono dan Faisal Sunarto) ”Analysis of Storm Category and Coalescence Activity: Relationship to The Daily Mean Catchment Rainfall (Cases Cloud Seeding Operational in Larona and Citarum Catchment Area)” (Untung Haryanto, Dini Harsanti, R. Djoko Goenawan dan Krisna Adithya)

1-5

7-11

“Analisis Angin Danau di DAS Larona, Sulawesi Selatan” (Findy Renggono)

13-18

“Studi Pulau Panas Perkotaan dan Kaitannya dengan Perubahan Parameter Iklim Suhu dan Curah Hujan Menggunakan Citra Satelit Landsat TM. Studi Kasus DKI Jakarta dan Sekitarnya” (Halda Aditya, Sri Lestari dan Hilda Lestiana)

19-24

”Penerapan Teknologi Modifikasi Cuaca (TMC) untuk Mengatasi Defisit Inflow PLTA Bakaru Periode 15 Februari s.d. 03 Maret 2012” (Djazim Syaifullah)

25-34

Syarat dan Format Penulisan

35-37

1

THE USE OF WRF MODEL TO SUPPORT CLOUD SEEDING OPERATION: A STUDY IN THE CITARUM CATCHMENT AREA Mahally Kudsy, Ridwan, Findy Renggono, Faisal Sunarto

Abstract This paper presents about the use of WRF modelling to assist weather analysis for cloud seeding operation in the Citarum Catchment Area, West Java, Indonesia. In this study, WRF parameterization was carried out . The parameterized values were used to forecast precipitation during cloud seeding operation. To study the effect of variational run, WRF 3DVAR was run using GDAS data set and doppler weather radar data. The result of this study shows that precipitation can be better predicted by ingesting radar data into 3DVAR run.

Intisari Makalah ini menyajikan tentang penggunaan pemodelan dengan WRF untuk membantu analisis cuaca yang dipakai dalam operasi penyemaian awan di DAS Citarum, Jawa Barat, Indonesia. Dalam kajian ini telah dilakukan parameterisasi WRF, kemudian nilai parameter yang diperoleh dipakai untuk mendapatkan prakiraan presipitasi selama operasi penyemaian awan. Untuk mempelajari pengaruh dari run variasional, WRF 3DVAR dijalankan dengan menggunakan data GDAS dan data radar doppler. Hasil dari studi ini menunjukkan bahwa prakiraan presipitasi yang lebih baik dapat diperoleh dengan mengasimilasikan data radar ke dalam run 3DVAR.

Kata kunci :

WRF Model, parameterisasi, prediksi presipitasi, 3dvar

1. INTRODUCTION The Citarum Catchments Area is a very important area in Indonesia because it provides water for rice irrigation and hydropower generation. Its total area covers more then 7000 km2. There are 3 cascaded hydropower dams that supply ~ 6000MW electricity and rice field that produce about 30% of national production (Figure-1). Due to its strategic value, Indonesian Government and related authorities have conducted many short-termed cloud seeding programs to ensure the provision of water supply for this area. WMTU has conducted 76-months cloud seeding operations since 1980. This year, WMTU has conducted 30 days operation during 18 March- 8 April 2011. Weather predictability is very important in cloud seeding operation, this can be achieved if atmospheric measurement can be conducted. In case of instrumentation lack, some efforts must be made to obtain the likely atmospheric condition. Models such as WRF can be used to forecast near future atmosphere properties. We have used 1

Perekayasa Madya - UPT Hujan Buatan, BPPT, Thamrin No. 8 Jakarta, email: [email protected]

WRF to study weather seedability during the period mentioned above. WMTU has operated C-band Doppler weather radar for several years. It is desired that radar can be used to optimize the operation economy by data assimilation into WRF prediction runs. WRF has potential use in cloud seeding such as mentioned by several workers (Peckham et.al, 2008; Stone, et.al, 2009). The use of model is very helpful to remove some uncertainties during cloud seeding operation (Levin et.al, 1997).

Figure 1.

The Citarum Catchment 3-cascaded dams

Area

with

Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 13, No. 1, 2012: 1-5

2

This paper presents the result our first attempt to utilize model in cloud seeding. First, WRF physics parameterization was conducted to obtain correct physical parameters, namely microphysical and cumulus parameters. Subsequently, these parameters were used to forecast rain precipitation within a selected period. Then, WRF 3DVAR was employed using GDAS data set. Finally Doppler weather radar data was ingested into 3DVAR WRF runs. Comparisons of observed and forecast values are reported here. 2. METHOD First , WRF was run using freely available GFS data set obtained from NCAR to generate a 3-day forecast within the domain bounded by (5S9S, 105E-112E). This domain is much larger in size than the actual area of cloud seeding operation. To obtain the desirable parameters, WRF was run to forecast precipitation of the area outside the cloud seeding period. by varying the microphysics (mp_physics=3,4,6,8) and cumulus parameters (cu_physics=0,1,2,3,5). The output of WRF was analyzed for precipitation amount. Analyses results indicates that for mp_ physics for this domain does not have strong influence on precipitation, which is contrast to the cumulus parameter. The best cumulus parameter for this study is 5. Table 1 shows the explanation of the parameters studied. Table 1. Microphysical and cumulus investigated in this study

Microphysics value

scheme

parameters

Cumulus value

scheme

0

No cumulus

3

WRF-SM3

1

Kain-Fristch

4

WRF-SM5

2

Bets-MillerJanjic

6

WRF-SM6

3

Grell-Devenyi

8

New Thompson

5

3D-Grell

The parameters (cu_physics and mp_ physics) which produced the best patterns were used in WRF to predict 3 days condition (24-26 May 2011). Precipitation data obtained from 10 rain gages were compared with observed data and compared using point analysis.

WRF variation runs (WRF3DVAR) were made using observational data GDAS data set using PREPBUFR format from NCEP. GDAS data set used in this prediction was taken at the model initialization time (without data update). Finally, for the purpose to improving the results of the prediction, WRF 3DVAR was run using Doppler weather data. During cloud seeding period a mobile doppler radar was operated to help locate potentially seedable clouds. The radar data volume itself is very large, so it needs a series of selection and thinning proces before it can be ingested into 3DVAR. 3.

RESULTS AND DISCUSSION

WRF accommodates a large number of parameterization. Previous studies such as Nepal’s study (Regmi, et.al 2011), suggested that parameterization can often be successfully made by directly targeting to the specific problem. Figure 3 shows that there is no significant in precipitation pattern from WRF output by varying microphysics parameter. Thus subsequent WRF runs were then made by using mp_physics = 5. This parameter has been used in operation forecasting by NCEP, where the scheme considers a mixed phase processes. Physical cumulus parameterization in WRF has developed from simple to advanced scheme. Now there are 6 cumulus schemes have been introduced. In general, where grid size is larger than cumulus’ scale, WRF is often run without considering Cu (Cu=0). In this study cu_physics=5 is relatively better than other values, as can be seen in Figure 3. The results of precipitation prediction from WRF output can be seen in Figure-4. The results were taken from a 3-day forecast (March 2426,2011). The results are compared with observed values from 9 rain gauges within cloud seeding operation area. The effect of data assimilation using GDAS and assimilation with Doppler weather radar are presented here for comparison. Although WRF 3DVAR is run, the result nearer to the model initial will give the best result. The longer the difference to the initial time, more spurious error will be expected from the result. Figure 4 show the comparison of observed values (OBS), WRF control run without assimilation (CNTL), run with GDAS assimilation (GDAS), and run with GDAS and Doppler weather radar assimilation (GDAS+DWR) for March 24.

The Use of WRF Model To Support Cloud Seeding ... (Mahally, dkk)

3

Figure-2. Sample from WRF preciptation output

4.

CONCLUSION AND REMARKS

Observable precipitation increase (or decrease) is the main objective in cloud seeding works. Therefore the predictability of precipitation will to extent remove some uncertainty of the result. It is shown from the present study that precipitation can be relatively to some extent accurately predicted. WRF run can produce precipitation. Using GFS data it can forecast precipitation 72 hr- ahead. The accuracy of prediction can be increased by running GDAS data and doppler data ingestion. There are many indicators that are usually used to predict the atmospheric condition, namely K index, Sweat Index, Index of Coalescence Activity (ICA). In the absence of measurement, it is

impossible to measure or calculate these indices, while they are very handy indicators for cloud seeding operation. However, with a reliable forecast product, such indices can be easily approximated. . According author’s study from published papers ICA is one of the best indicators to predict air seedability. ACKNOWLEDGEMENT This paper constitutes a partial report to The Ministry of Research and Technology for their funding support through The Research Incentive Program 2011; and to Weather Modification Technical Services through Global Warming Mitigation Program – 2011.

4


Figure 3: Effect of microphysical parameter on precipitation in WRF

Figure 4: Precipitation comparison of observed, control, 3DVAR with GDAS, and 3DVAR with radar data ingestion

The Use of WRF Model To Support Cloud Seeding ... (Mahally, dkk) REFERENCES Levin, Zev, Shimon, O. Krichak, and Tamir Reisin. Numerical simulation of dispersal of inert seeding material in israel using a three dimensional mesoscale model. J. Appl. 36, 474-484, 1997 Murali-Krishna , I. V. and Manickam, V., Global Climatic Change And Weather Modification Technologies, 760pp BS Publicatons Hyderabad – ISSN : 978 -81-7800 -184 -5 (HB), 2009m Peckham, S., Grell, G. A., McKean, S. A., Fast, J. D., and Gustafson, W. I. Annual Report CIRES/Univ. of Colorado & NOAA/ESRL GSD, Boulder, CO Regmi, Suman Kumar, Jayaraman Potty, PVS Raju and Itesh Dash: Performance evaluation of WRF model for Nepal, Workshop on Weather Forecasting and Flood Early Warning System in Nepal, 08th Apri 2011, KathmanduRosenfeld, D. and Silverman, BA., Results of On –Top Glaciogenic Cloud Seeding in Thailand, Part 1: The Demonstration Experiment, J. App. Meteor., 42,939-951, 2003.

5

Stone, R. H., Reno, NV; McGurty, B. M., Farber , R. J., Shaw, B. L., and Clarke, B.: Assessment of the San Joaquin Cloud Seeding Program using WRF based Sub Basin Quantitative Precipitation Forecasts as Formal Controls for Unseeded Precipitation: Preliminary Results obtained from the 2009 and 2010 Winter Seasons, 91st Americam Meteriological Society Meeting, 2011 Woodley, W. L., D. Rosenfeld and BA Silverman, Results of On –Top Glaciogenic Cloud Seeding in Thailand, Part 1: The Demonstration Experiment, J. App. Meteor., 42,920- 938, 2003.

7

ANALYSIS OF STORM CATEGORY AND COALESCENCE ACTIVITY : RELATIONSHIP TO THE DAILY MEAN CATCHMENT RAINFALL (CASES CLOUD SEEDING OPERATIONAL IN LARONA AND CITARUM CATCHMENT AREA) Untung Haryanto, Dini Harsanti, R. Djoko Goenawan, Krisna Adithya

Abstract Cloud seeding operational has been conducted in Indonesia. In this study, the two cases operational were analysis, ie Larona (2005) and Citarum Catchment Area (2011). The coalescence activity during operational were analysed using archives of NOAAGFS model sounding and it also used to determined storm category and ICA. For this purpose, the number parameters for moderate threshold range on Raob-55 software were reduced and modified with more suitable range for Indonesia region. Result indicated that in Larona Catchment Area, the most of the storm having category weak to moderate with mean of storm category 67% and 21% respectively, the mean ICA value was -5.7. Relative larger weight of Weak and Medium category of storm were shown in Citarum ie 72% for weak and 18%, with the mean of ICA was -2.7%. As consequences, proportion of Medium together with Strong category for Larona is larger than Citarum, resulting larger amount mean catchment rainfall for Larona (17.1mm) compare to the Citarum (5.2 mm). The coalescence actifity in cloud during operation was effective for booth of two area, but varies due to the varies of cloud base height temperature and potential buoyancy (PB). The mean of CCL temperature in Larona was 20.30C since PB was 3.80C. This study also found that mean 500mb temperature (T) and mean rising parcel (TP) in Larona catchments was more warmer comparing to the Citarum ie -4.00C and -0.150C for Larona , and -5.30C and -1.50C for Citarum. Base of the result it has been concluded that ICA has inverse correlation to the mean daily catchments rainfall, since together of Medium and Strong Storm Category has positive correlation.

Intisari Modifikasi awan sudah operasional . Pada studi ini dilakukan analisis dua kasus operasional , yaitu operasional di DAS (Daerah Aliran Sungai) Larona (2005) dan DAS Citarum (2011). Aktifitas koalesensi selama operasional dianalisis menggunakan arsip data sounding NOAA-GFS yang digunakan untuk menentukan ICA (Index Coalescence Activity – indeks aktifitas koealesensi) dan Storm Category – kategori awan hujan). Bagi keperluan ini banyaknya parameter dan rentang kategori moderat pada perangkat lunak Raob -55 di dikurangi dan dimodifikasi dengan yang paling sesuai dengan kondisi daerah di Indonesia. Hasil analisis menunjukkan sebagian besar awan hujan yang ada memiliki kategori weak hingga moderat – yaitu 67% dan 21% di DAS Larona dengan rata-rata nilai ICA besarnya -5.7, sedangkan di DAS Citarum, nilai kategori ini lebih besar yaitu 72% dan 18% dengan nilai rata rata ICA adalah -2.7. Sebagai konsekuensinya adalah porsi awan hujan dengan kategori ini lebih banyak muncul di DAS Larona dibandingkan pada DAS Citarum dengan rata rata hujan masing masing 17.1mm di DAS Larona dan 5.2mm di DAS Citarum. Aktivitas koalesensi di kedua DAS INI sama sama aktif, variasinya ditentukan oleh variasi ketinggian dasar awan konvektif (CCL) dan potensi daya apung awan (PB). Di DAS Larona CCL cukup hangat yaitu 20.30C , dengan nilai PB 3.80C. Pada sutudi ini juga di peroleh bahwa rata rata suhu dan suhu parsel paras 500mb pada DAS Larona lebih hangat (-4.00C dan -0.150C) dari pada di DAS Citarum (-5.30C dan -1.50C). Dari studi ini, disimpulkan bahwa ICA berkorelasi terbalik dengan curah hujan harian, dan berkorelasi positif dengan awan hujan berkategori “ sedang” dan “kuat” secara bersama-sama. 1

Profesor Modifikasi Cuaca, UPT Hujan Buatan, BPPT, Thamrin No. 8 Jakarta, email: [email protected]

8


1. INTRODUCTION Indonesia located spread out in tropical region, with warm surface temperature of about 25 – 280C. Variation of temperature mainly due to diurnal variation of sun insulation and due to altitude of places. This characteristic affects the local cloud formation in the whole area. Convective cloud formations mixed with orographic formation are dominated type of rainfall. In the rainy season, the westerly monsoon Asia air mass covered the the atmosphere over the country, in general occur from November until April. During this season, atmosphere usually very humid, with high water content. As consiquences, the dew point are very closed to the air temperature, specially in the surface and some times until more 500 mb vertical provile. This situation are caused formed mixed cloud with layer type as Sc, Ns, and convective as Cu and Cb with low (warm) base of cloud. Cloud seeding operational was conducted for filling Towuti and Matanu Lake (Larona Catcment Area) in South Sulawesi since Citarum Catchment

Figure 1.

Target Area Cloud seeding Operational. Left: Lake Towuti and Matano in Larona Catchment Area (South of Sulawesi) , and Right: Jatiluhur-Saguling-Cirata in Citarum Catchment Area (West of Java). The blue arrow indicate the dams or lakes in each of Catchment Area.

Area in West Java which is having 3 large dam for electric generation (Fig. 1). Result of observation indicates that cloud base level is about 18 – 200C. Mostly the storm caused by these type of clouds was having weak to moderate category. In some days a large amount of mean catchment rainfall occurs in Larona catchment. Its produced from moderate storm followed by light rain falling during the night day, and some times occured until early morning of the next day. In Citarum Catcment area, in general the amount of mean daily rainfall is less than Larona catchment mean rainfall. Index Coalescence Activity ICA has been used to evaluate the effectiveness of glaciogenic seeding in Thailand (Wooley et.al., 2003). Base on physical properties in ICA formula, in this study, ICA was used to evaluate mean daily rainfall during warm cloud seeding operational in those of two target area. 2.

METHOD OF ANALYSIS

Storm category analysed using RAOB55, with modification of weighing and threshold range of parameters. According to Storm definition rain is one marks manifested of the atmospheric disturbance. Storm with Strong category usually accompanied with heavy rainfall and strong wind The reason for modified those parameters was differences storm and rainfall processes between Indonesia region and United States region which was original parameters threshold was developed. For example, hail producing from storm is unusual in Indonesia, so hail parameter in severe weather parameters on RAOB must be zero weighing. The other examples are surface air temperature and surface dew point temperature, include 850 mb dew point temperature. In Indonesia, precursor of ordinary storm in general characterized by warm surface temperature (25 – 280C) and warm dew point temperature 23 – 240C. In this case, it was observed that dewpoint temperature on 850 mb ranges between 17 – 190C. Wind velocity also modified. In Indonesia, high speed wind also unusual, even in high altitude (500 and 200 mb). Near the surface, precursor high wind speed usually caused drifting or breaking cloud formation and rain not occured from the cloud or shifted to down wind area. But condition too low wind speed precursor is not good for developing storm. The other parameters to be modified are Lifting Index (LI), Showalter Index (SI), and CAPE, and K-Index (KI). LI and SI are sensitive parameters due to convective and orographic processes of Indonesia precursor storm. As consequence, high updraft velocity is favorable for storm in convective cloud, so CAPE also used for precursor storm predictor. In other view, warmer lifting parcel compare to the

Analysis of Storm Category and Coalescence Activity ... (Untung H., dkk)

Parameters o

Surface Dewpoint ( C) o 850 mb Dewpoint ( C) 850mb Wind Speed (kt) 500mb Wind Speed (kt) 200mb Wind Speed (kt) Level of Free Convection (mb) Lifted Index Showalter Index o K Index ( C) o Total-totals ( C) CAPE Total (J/kg)

Raob

Weight

Table 1. Modified weight and threshold parameters for Indonesia Storm.

Threshold for moderate storm

3 3 1 1 1 3

23 ~ 24 17 ~ 19 10 ~ 20 15~30 40 ~ 45 990 ~ 1000

4 1 1 1 1

-3 ~ -4 -2 ~ - 4 37 ~ 40 45 ~ 50 1500 ~ 2500

environment temperature in 500 mb level are most favourable for precursor storm. The large value of LI and also large negative value of SI are most favorable condition as transport high water vapor content in the atmosphere over the area to high altitude and then precipitate to producing storm or rain. The other parameters in Raob are not used and weighed as zero. Parameters weighed and threshold of moderate storm shown in Table 1. For this purposes, archives data from NOAA ARL - GFS model 3-hourly, generally data 06z are used. For operational in Citarum, sounding position located in upwind of target at -6.8 Latitude and 107.2 Longitude, since for operation in Larona Catchment, sounding located at -2.7 Latitude and 121.5 Longitude. Rainfall monitored using relative dense of raingage in Catchment area and also some in outer border of Catchment Area. The Index Coalescence activity has been used to evaluate cloud seeding experiment in Thailand (Woodley et al., 2003), Texas (Woodley et al., 2007), and also in India (Muralli et al., 2009). The Index of Coalescence Activity (ICA) has been developed as a predictor of in-cloud collision-coalescence activity using an atmospheric upper-air sounding. The ICA is described as the summation of the collision and collection efficiency, which results in the coalescence efficiency. The ICA has been used extensively as a measure of quantifying the seed ability of a cloud (http://www. sandylandwater.com /reports.htm), which was mathematical expression consisting base of cloud temperature and differences of parcel temperature and environment temperature, ie ICA = 8.6 – TCCL + 1.72(PB) and TCCL is the temperature at the convective condensation level and PB is

9

the potential buoyancy at 500 mb for a saturated parcel raised from the convective condensation level (CCL) to 500 mb (Woodley,2003). In warm cloud seeding using hygroscopic substance (Sodium Chloride or Calcium Chloride) produced from flare burning or in powder form, coalescence is a part of mechanism of droplet growth in cloud via deposition of water vapor onto surface of hygroscopic substance particles, and then collect (swept) the small cloud dropllets to become raindrop. In certain condition, many cloud droplets in cloud are support to effectiveness of coalescence activity, ie on warm cloud base and enough lifting force of air and updraft speed which is corresponds to buoyance force of cloud. So the ICA can also used to evaluate favorable environment condition for warm cloud seeding. Low (warm) base of cloud, and large PB are favorable for cumulus development. If CCL warms (for example 200C) and PB value of about 50C, ICA value becomes arround -5. The ICA are shifted into 0 (zero) direction with value arround of -1 in case of unfavorable condition that was for high cloud base (170C) altitude and small of PB (30C). Significat drift of more negative the ICA value occure in favorable condition that is for large number of PB and very low warm cloud base temperature. In this case, the ICA value becomes more negative then -5. The negative component of the ICA contributes from cloud base temperature, and positive component contribute from lifting parcel temperature, so ICA and weather condition are not linear. Cluster of the ICA arround -1 and -2 indicates the less favorable condition for collission and coalescence processes in cloud and corelated with high cloud base with less amount of mean rainfall over the area. The cluster of the ICA arround -5 indicates good condition (more favorable condition for production rainfall in cloud). In this case, high intensity of rain maybe occurred from cumulus cloud over the target area. From the physical view, its mean that - if seeding carry out with correct and proper procedures -, the operational will have positive effects and resulting additional water. 3. RESULTS During cloud seeding in Larona catchment area, daily catchment rainfall varies from 0.7 – 52.2 mm, with mean daily rainfall was 17,1 mm. The mean of daily rainfall are correspond to the dominant of mean weight of weak and medium storm category ie 67% and 21%. On some days, amount of mean daily rainfall for catchment area was large enough, but no indication the strong storm category from Raob display. These large amount of mean daily catchment rainfall maybe comes from stratiform cloud occurred with longtime duration during the

10


night day, and also from short duration of medium rainfall in some place in the catchment area. That is why some times looks inconsistent between storm category and amount of daily rainfall. But in general daily catchment rainfall having relationship to the storm category, in term of correlation. Figure 2 show the sample of Raob display storm category for 06Z 9 April 2005 from sounding at Timampu, near coast of Towuti lake, after parameters be modified. The amount of mean daily Catchment Area for this day was 37.6mm. Dominant combination of two category that is weight together of Weak and Moderate category and also weight together of Moderate and Strong Category looks more suitable as precursor rainfall in catchment area. Larona Catchment with large body of Water Lake maybe affects the storm formation through warmer temperature of water body comparing the land surround the lake after sunset (Haryanto, 2006). Need mo accurate re rainfall data which can explore peak and tail on rainfall distribution. The relationship between storm category looks more strong and clearly in Citarum. In Citarum area, storm category has different with Larona which has 72% and 18% of Weak and Moderate Category respectively. Much smaller of mean rainfall (5.2 mm) caught during cloud seeding operational in Citarum area, February 2011 with more less variation of daily rainfall (0.30 – 14.5 mm). Much larger mean daily Larona Catchment rainfall may be comes from occurrence combination of booth Moderate and Strong Category which has total 33% of weight, camparing with 28% weight of Citarum Catchment. The summary of Storm category together of booth Larona and Citarum catchment area are shown in Table 2. There are significant difference of mean ICA during Cloud seeding operational conducted in Larona and Citarum. The mean ICA for Larona Catchment Area was -5.7, since for Citarum was -2.7 or about two times larger than ICA in Larona

Figure 2.

Display of Storm Category for 06Z sounding at Timampu (near coast of Towuti Lake), 9 April 2005. The amount of mean Catchment Area for the day was 37.6mm correspond to dominant of weak and strong category.

Catcment Area. It’s mean that atmospheric environment of cloud seeding in Larona Catchment Area conducted on March – May 2005 was more favorable due too more effective of coalescence activity in cloud compare to the cloud seeding conducted on February 2011 in Citarum. It was agree with observation that if event weak storm occur and dominant (or little weight category of Moderate and Strong), it is mean that on average, daily rainfall tend to decrease. As recorded of daily rainfall on those of two areas, mean daily rainfall Larona Catchment area was more than three times (17.1 mm) compare to Citarum Catchment (5.2 mm). Actually, ICA was calculated base on 2 parameters from sounding data (Tccl and PB) on 500 mb level but actualy PB strongly depends on T ( ambient temperature) and TP (parcel lifting parcel temperature), so exactly there were 3 parameters related to the ICA. All of these parameters that was processed for Larona looks more warmer than Citarum and as consequences ICA for Larona have more negative value even though slight difference on PB. Its mean that more warmer booth of environment and parcel temperature resulting more favourable condition comparing to less warmer condition, related to the more water vapour content on the atmosphere. The summary of the ICA and related parameters for booth Larona and Citarum included the mean daily catchment rainfall are shown in Table 2. Furthermore, statistical technics has been used to explore relationship between daily catchment rainfall to the storm category and also to the ICA. It was found that storm with category weak having negative correlation and consisten for mean catchment rainfall booth of Larona and Citarum Area. The other category (Moderate and Strong) Table 2. Summerized of storm category (% weight), ICA and related parameters for determining of ICA for Larona and Citarum Catchment Area.

Storm Category and Parameters Weak storm Moderate storm Strong storm o T( C) o TP( C) o TCCL( C) o PB( C) ICA Mean Daily Rainfall (mm)

Larona Catchment Area

Citarum Catchment Area

67 21

72 18

12 -4.00 -0.15 20.30 3.80 -5.70 17.1

10 -5.30 -1.50 17.7 3.7 -2.7 5.2

Analysis of Storm Category and Coalescence Activity ... (Untung H., dkk) were same correlation ie positive. Correlation of the ICA and mean dailly rainfall looks also consistent for Larona and Citarum. If ICA tends to be large negative ( litle value of ICA), mean daily rainfall tends to be large (Figure 3). 4.

CONCLUDING REMARKS

Storm Category and the ICA during cloud seeding operational that conducted in Larona Catchment Area (South of Sulawesi) and Citarum Catchment Area (West of Java) has been analysis. It was founded that booth of dominant storm and ICA has relationship to the mean daily catchment rainfall in term of correlation. Storm with weak and medium category are frequently (dominant) occurred booth in Larona and Citarum Catchment Area with proportion occurrence of weight are 67 and 72% respectively. As consequence, total proportion of Medium and Strong category together for Larona Catchment Area are more frequently occurs comparing to the Citarum Catchment Area (ie 34% and 28%) respectively, resulting mean daily rainfall in Larona much larger (17.2 mm) compare to the Citarum (5.2 mm). This result support and agree to the ICA analyisis, which was – 5.7 and -2.7 for Larona and Citarum respectively. It was indicated that coalescence activity more active in Larona Catchment Area comparing to the Citarum, resulting received larger amount of rainfall in Larona. Negative correlation found for both weak storm criteria and also for ICA, positive correlation found for Medium and Strong criteria of storm

11

ACKNOWLEDGEMENTS Our thanks are given to all UPT Hujan Buatan scientists, and we are indebted to Mr. Budi Darmawan at Hydrological and Environment Section for his supporting of rainfall Larona and Citarum Area rainfall data. REFERENCES Iyyanki. V. Muralli Krishna and Valli Manickam, Global Climatic Change And Weather Modification Technologies, 760pp BS Publicatons Hyderabad – ISSN : 978 -81 7800 -184 -5 (HB), 2009 Woodley, W. L., D. Rosenfeld and B.A., Silverman, Results of On –Top Glaciogenic Cloud Seeding in Thailand, Part 1: The Demonstration Experiment, J. App. Meteor., 42,920-938, 2003. ------, Rosenfeld D., and B., A., Silverman, Results of On –Top Glaciogenic Cloud Seeding in Thailand, Part 2: Exploratory Analyses, J. App. Meteor., 42,939-951, 2003. ------, ------, Evaluation of The Texas Cloud seeding Program for Seeding Effects (2002 – 2006), Final Report From Woodley Weather Consultant to Texas Weather Modification Association and Sandyland Underground Water Conservation District Plains, Texas, 1-143, 2007.

0

60 1

6

11

16

21

26

31

36

41

46

51

56

-2

50

-4

40

-6

30 ICA MDCR

-8

20

-10

10

-12

0

Figure 3.

Relationship of Index Coalescence Activity (ICA) and Mean Daily Catchment Rainfall (MDCR). Plot using all data : Citarum, followed by data Larona. Relationship of ICA (left vertical axis) and MDCR (right vertical axis) looks as inverse correlation.

13

ANALISIS ANGIN DANAU DI DAS LARONA, SULAWESI SELATAN Findy Renggono

Abstract Study of climate characteristic around Larona watershed is very important as it is associated with water availability on the lakes which is used to drive turbines of Hydro electric power. The three large lakes inside the watershed are a great contributor for affecting local climate. Surface data from nine locations near the lakes were analyzed to reveal the existence of lake-land wind. The result shows that the effects of lakeland breeze were found on the location near the lake beach. The lake-land breeze occurrence was also correlated with rain fall over the area.

Intisari Karakteristik cuaca di DAS Larona sangat penting untuk diketahui karena terkait dengan ketersediaan air danau sebagai sumber utama penggerak turbin pembangkit listrik di wilayah tersebut. Keberadaan tiga danau yang berada di dalam DAS sangat memengaruhi kondisi cuaca lokal. Data permukaan tahun 2009-2010 dari 9 lokasi di sekitar danau digunakan untuk melihat kemunculan angin danau. Hasil analisis menunjukkan adanya perubahan arah angin pada siang hari di lokasi-lokasi yang terletak dekat dengan tepi danau. Kejadian hujan yang muncul pun berkorelasi dengan angin yang berhembus dari arah danau. Kata kunci :

Angin danau, Matano, Towuti, curah hujan

1. PENDAHULUAN Daerah Aliran Sungai (DAS) Larona yang terletak di Provinsi Sulawesi Selatan, mempunyai total wilayah sebesar 5703 km2. DAS ini memiliki karakteristik wilayah yang unik, karena selain diapit oleh dua laut, yaitu laut Bone di sebelah Barat dan Laut Banda di sebelah Timur, juga di dalam DAS terdapat lima buah danau. Kelima danau tersebut diantaranya ada tiga yang besar, yaitu Matano, Mahalona dan Towuti (Gambar 1). Tiga danau besar yang teletak di dalam DAS ini saling berhubungan membentuk sebuah jaringan yang mengalir menuju Laut Bone. Sebelum dikeluarkan melalui sungai Larona, air danau di bendung di Bendungan Batu Besi yang terletak di outlet danau Towuti. Air dari danau ini kemudian digunakan untuk menggerakkan turbin pada tiga pembangkit listrik tenaga air (PLTA) yang terdapat di sepanjang aliran sungai tersebut. Listrik dari PLTA inilah yang kemudian digunakan sebagai sumber energi utama pertambangan nikel dan juga untuk kebutuhan masyarakat yang tinggal di sekitarnya (kabupaten Luwu Timur, kabupaten 1

Perekayasa Madya - UPT Hujan Buatan, BPPT, Thamrin No. 8 Jakarta, email: [email protected]

Luwu Utara, Kotamadya Palopo dan Kabupaten Luwu). Untuk menjaga kesinambungan pasokan airnya, pengelola bendungan perlu mempertahankan ketinggian muka air danau diatas batas yang ditetapkan. Prediksi iklim dan cuaca yang akurat merupakan salah satu usaha untuk dapat mengetahui kapan diperlukan tindakan antisipasi untuk mengurangi kerugian karena kekurangan air pada saat kemarau panjang. Prediksi cuaca dan iklim untuk wilayah ini hanya dapat dilakukan jika karakteristik iklim dan cuacanya telah diketahui secara jelas termasuk faktor-faktor yang memengaruhinya. Dalam penelitian sebelumnya disebutkan bahwa curah hujan di wilayah ini banyak dipengaruhi oleh faktor global (Aldrian, 2006). Fenomena iklim global juga sangat memengaruhi curah hujan di wilayah ini (Renggono, 2012). Faktor lokal yang memengaruhi wilayah ini selain topografi juga keberadaan tiga danau besar di dalam DAS. Danau Matano yang termasuk terdalam di dunia dan danau Towuti yang luas dapat membangkitkan efek angin danau. Haryanto (2006) yang melakukan analisis dengan pengamatan awan

14

Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 13, No. 1, 2012: 13-18 Tabel 1. Lokasi AWS (lihat gambar 1)

Gambar 1. DAS Larona, Sulawesi Selatan. Nama lokasi dan koordinat AWS ditunjukkan dengan nomor yang sesuai dengan table 1.

secara langsung menyebutkan bahwa keberadaan danau memengaruhi pertumbuhan awan di wilayah tersebut. Disebutkan juga bahwa selama pengamatan pada siang hingga sore hari jarang terjadi hujan di atas danau. Hal ini disebabkan karena pada siang hari suhu permukaan air danau lebih dingin dibandingkan suhu permukaan darat. Sehingga hujan siang hari akan lebih banyak terjadi di darat. Hasil pengamatan ini juga dikuatkan oleh Aldrian (2006) dan Renggono (2011a) yang melakukan analisis terpisah dengan menggunakan data curah hujan dari beberapa penakar yang tersebar di sekitar DAS. Analisis mereka menunjukkan bahwa hujan yang terukur pada penakar yang terletak di daratan tersebut lebih banyak terjadi pada saat siang hingga sore hari. Sebaran awan di DAS Larona berhasil ditunjukkan oleh Renggono, dkk (2011b) yang melakukan analisis awan hujan dengan radar cuaca selama bulan Maret 2010. Dari analisis tersebut ditemukan bahwa pada siang hari awan lebih banyak berkumpul di daratan, sedangkan di dalam danau tidak terlalu banyak terlihat awan Angin danau dapat memengaruhi pertumbuhan awan di suatu wilayah. Tulisan ini merupakan analisis data permukaan pada beberapa lokasi di sekeliling danau di dalam maupun luar DAS untuk mengetahui seberapa luas wilayah yang dipengaruhi oleh angin danau dari danau Matano dan Towuti. 2.

DATA DAN METODA

Data permukaan diambil dari Automatic Weather Station (AWS) yang dipasang di beberapa lokasi di dalam dan di luar DAS. Nama dan

No

Station

Longitude

Latitude

1 2 3 4 5 6 7 8 9

Plant Site Matano Nuha Mahalona Timampu Lampesue Ledu-Ledu Togo Zeba-zeba

121.3806 121.2162 121.3399 121.5309 121.4282 121.65472 121.79722 121.2617 121.7972

-2.5665 -2.4565 -2.4468 -2.6102 -2.6573 -2.60139 -2.80250 -2.6059 -2.8025

koordinat masing-masing lokasi ditunjukkan pada tabel 1. Nomor masing-masing lokasi menunjukkan posisinya pada peta seperti yang terlihat pada gambar 1. Pengamatan dengan AWS meliputi pengukuran angin, tekanan udara, suhu udara dan curah hujan. Seluruh data disimpan dalam data logger setiap 30 menit, dan dilakukan secara terusmenerus (kontinyu). Data dari masing-masing stasiun dianalisis dengan statistik sederhana untuk melihat perubahannya setiap waktu, yang kemudian juga dibandingkan dengan lokasi dan curah hujan untuk masing-masing stasiun pengamat. Data AWS yang digunakan pada analisis ini adalah data dari bulan Januari 2009 sampai September 2010. 3.

ANGIN DANAU

Umumnya angin danau-darat banyak terlihat pada musim peralihan di danau yang mempunyai badan air yang luas dan dalam. Karena adanya perbedaan kecepatan menyerap panas antara danau dan daratan, maka pada saat matahari mulai memanasi bumi, suhu di daratan akan lebih cepat naik. Hal ini menyebabkan tekanan udara di darat lebih cepat turun dibandingkan di danau, sehingga terjadi pergerakan massa udara dari danau ke darat. DAS Larona yang memiliki danau-danau yang luas dan dalam mempunyai potensi besar untuk menimbulkan angin danau di wilayah tersebut. Danau Towuti, yang mempunyai luas 562 km2 dengan kedalaman 203 m pada ketinggian 293 m dari permukaan laut merupakan danau terluas di Sulawesi. Sedangkan danau Matano yang terletak pada ketinggian 382 m dari permukaan laut memiliki kedalaman mencapai 590 m, yang merupakan salah satu danau terdalam di dunia. Pada siang hari, danau Towuti dan Matano lebih lambat untuk menyerap radiasi matahari,

Analisis Angin Danau di DAS Larona ... (Findy Renggono) sehingga tekanan udara di badan air menjadi lebih rendah dibandingkan di daratan. Hal ini menyebabkan terjadinya pergerakan udara dari tengah danau ke daratan. Haryanto (2006) yang menggambarkan sirkulasi udara di atas danau menyebutkan bahwa gerakan massa udara dari danau ke darat juga diiringi dengan pergerakan turun massa udara di atas danau dan pergerakan massa udara naik ke atas di tepi danau. Hal ini menyebabkan di sepanjang pantai danau akan banyak terlihat awan-awan. Proses ini sama dengan pemanasan yang terjadi antara laut dan darat yang mengakibatkan adanya angin laut-darat (sea-land breeze). 4.

PENGAMATAN DI TIMAMPU

4.1. Angin permukaan dan Curah Hujan Kemunculan angin danau di Timampu yang terletak di tepi barat danau Towuti (lihat gambar 1, no. 5) dianalisis dengan menggunakan data aws yang dipasang di lokasi tersebut. Gambar 2 merupakan hasil pengamatan di Timampu tahun 2009 – 2010 untuk curah hujan dan arah angin. Hasil pengamatan menunjukkan bahwa hujan di Timampu terlihat lebih banyak terjadi pada sore hingga malam hari seperti yang ditunjukkan pada gambar 2a. Gambar ini merupakan pola variasi harian curah hujan tahunan untuk masing-masing jam. Terlihat pada gambar ini bahwa jumlah curah hujan makin meningkat setelah pukul 14, terutama setelah lewat pukul 18, dan mencapai puncaknya

Gambar 2. Variasi harian dari (a) curah hujan dan (b) arah angin di Timampu tahun 2009 - 2010

15

pada pukul 20. Setelah lewat tengah malam, curah hujan mulai berkurang, sampai mencapai titik terendah pada pukul 9 pagi. Pola variasi harian untuk curah hujan ini sesuai dengan pola variasi harian kemunculan awan hujan hasil pengamatan dengan radar cuaca oleh Renggono (2011a). Dalam tulisannya disebutkan bahwa pada sore hingga menjelang malam hari, frekuensi kemunculan awan hujannya tinggi, sedangkan pagi hari frekuensi kemunculannya rendah. Grafik pola variasi harian untuk arah angin ditunjukkan oleh gambar 2b. Dari pola hariannya terlihat bahwa adanya perubahan arah angin pada siang hari di Timampu. Pada sore hingga pagi hari berikutnya, angin berhembus dari barat laut (2700-3300), sedangkan antara pukul 08 sampai 16, angin berhembus dari tenggara (1000-1300). Sebaran arah angin yang bertiup pada siang-sore hari tampak lebih sempit dibandingkan dengan yang bertiup pada malam hingga pagi hari. Dari hasil pengamatan jangka panjang ini dapat diketahui bahwa angin dari tenggara berkorelasi dengan hujan yang turun di Timampu. Angin yang berhembus dari arah danau pada siang hari membuat awan terbentuk di sepanjang tepi danau yang kemudian akan menjadi hujan pada sore harinya. Diketahui pula bahwa curah hujan terlihat meningkat pada saat arah angin mulai berubah dari tenggara menjadi dari barat daya. 4.2. Studi kasus tgl 10 Maret 2010 Untuk mengetahui lebih jelas kondisi pada saat terjadinya angin danau, dilakukan analisis harian kondisi cuaca di Timampu. Sebagai studi kasus adalah kondisi cuaca pada tanggal 10 Maret 2010 yang terpantau di wilayah ini. Parameterparameter hasil pengukuran dengan AWS pada hari tersebut ditunjukkan pada gambar 3. Gambar paling atas menunjukkan grafik suhu (garis tegas) dan tekanan udara (garis putus-putus), gambar tengah adalah arah (titik hitam) dan kecepatan angin (garis tegas), sedangkan gambar bawah adalah curah hujan. Masing-masing data ditampilkan dengan kerapatan waktu 30 menit dari pukul 00.00 sampai 23.30 waktu setempat. Pada gambar 3 (atas) diketahui bahwa radiasi matahari mulai memanasi wilayah ini dari pukul 07.00 sampai 18.00. Hal ini terlihat dengan mulai meningkatnya suhu udara pada kurun waktu tersebut. Pada siang hari tampak suhu agak menurun bersamaan dengan turunnya hujan di wilayah ini. Kenaikan suhu ini juga dibarengi dengan menurunnya tekanan udara yang mencapai puncak terendahnya pada pukul 16.00, dan kemudian berangsur-angsur meningkat kembali. Secara umum, arah angin yang ditunjukkan pada gambar 3 (tengah) terlihat bertiup dari barat

16


laut dan dari tenggara. Angin dari barat laut terjadi pada malam hari dan angin dari tenggara terjadi antara pukul 09.30 – 17.00. kecepatan angin tidak terlalu tinggi, dan mulai meningkat setelah pukul 17.30 bersamaan dengan berubahnya arah angin menjadi dari barat laut. Kejadian hujan pada tanggal 10 ini terpantau muncul antara pukul 11.30-13.00 dan 18.00-22.30 (gambar 3.bawah). Kejadian hujan yang pertama berkorelasi dengan perubahan arah angin antara pukul 12.30-15.00. Kejadian hujan yang kedua juga terjadi setelah terjadinya perubahan arah angin pada pukul 17.30. Dari gambar 3 ini terlihat bahwa mulai meningkatnya suhu dan menurunnya tekanan di Timampu seiring dengan berubahnya arah angin yang semula barat-laut menjadi dari tenggara, yang berarti bahwa pada siang hari angin berhembus dari danau. Angin yang bertiup ke darat membawa uap air dari danau, tumbuh dan membentuk awan di tepi danau yang kemudian menjadi hujan di Timampu pada sore hingga malam hari. Keberadaan awan di sepanjang tepi barat danau Towuti pada tanggal 10 Maret 2010 ini telah ditunjukkan oleh Renggono, dkk. (2011) dengan menggunakan data pengamatan radar cuaca di Sorowako.

5. PENGAMATAN ANGIN DANAU PADA LOKASI LAIN DI SEKITAR DANAU Hasil pengukuran angin tahun 2009-2010 dengan AWS di beberapa lokasi yang tersebar di DAS Larona (Lihat tabel 1) menunjukkan perbedaan pola harian bergantung dari lokasi pengamatan (Gambar 4a-h). Matano yang berada tepat di tepi danau Matano mempunyai pola yang mirip dengan Timampu (Gambar 4b). Lokasi Matano yang berada di tepi Barat danau menyebabkan pada siang hari terpantau adanya angin timuran. Angin yang berhembus dari arah danau Matano tersebut muncul pada pukul 8 – 16. Selain selang waktu tersebut, angin dominan berhembus dari Barat. Nuha yang terletak di tepi utara danau Matano, mempunyai variasi harian yang juga mirip. Namun karena lokasinya yang diapit oleh bukit di sebelah utaranya, maka angin di wilayah ini lebih dipengaruhi oleh angin dari bukit. Angin dari utaratimur laut tampak dominan bertiup dari pukul 9 - 16 (gambar 4c). Untuk lokasi yang agak lebih jauh dari tepi danau, pengaruh angin danau masih terlihat walaupun tampak sedikit melemah. Pada siang hari angin yang bertiup di Mahalona yang berada

Gambar 3. Pengamatan suhu dan tekanan udara (atas), arah dan kecepatan angin (tengah) , serta curah hujan (bawah) di Timampu pada tanggal 10 Maret 2010.

Analisis Angin Danau di DAS Larona ... (Findy Renggono) di utara danau Towuti, terlihat datang dari Selatan dan barat laut (gambar 4d). Angin dari selatan kemungkinan merupakan pengaruh dari angin danau Towuti, sedangkan dari barat laut merupakan pengaruh angin global. Sedangkan di Plantsite yang terletak di selatan danau Matano menunjukan bahwa kebanyakan angin bertiup dari utara (Gambar 4a). Angin yang bertiup dari tenggara juga terlihat muncul di lokasi ini, namun frekuensinya tidak terlalu banyak. Kemungkinan angin dari tenggara yang biasanya muncul sekitar bulan Mei-September terhalang oleh

17

angin danau dari sebelah utara. Hal ini masih perlu dibuktikan lagi dengan kajian yang lebih detil untuk wilayah ini, termasuk dengan menambah peralatan pengukur cuaca disekitar danau Matano. Hal yang sama terlihat di Lampesue yang terletak di utara danau Towuti. Angin dari Selatan terpantau muncul pada pukul 12-22 namun frekuensinya lebih sedikit dibandingkan yang dari utara (gambar 4e). Hal ini kemungkinan disebabkan karena lokasinya yang berada di dekat batas DAS bagian utara, sehingga pengaruh angin global lebih kuat.

Gambar 4. Frekuensi harian kemunculan angin di (a) Plantsite (b) Matano, (c) Nuha, (d) Mahalona, (e) Lampesue, (f) Ledu-ledu, (g) Togo, dan (h) Zeba-zeba.

18


Untuk lokasi-lokasi yang berada di luar DAS, yaitu Togo, Zeba-zeba dan Ledu-ledu pola anginnya lebih banyak dipengaruhi oleh topografi di sekelilingnya. Seperti misalnya di Ledu-ledu dan Togo (gambar 4f dan 4g) yang lebih banyak angin baratan karena banyaknya bukit yang mengelilinginya. Sedangkan stasiun Zeba-zeba yang terletak di tengah hutan di bagian tenggara DAS, pada siang hari angin permukaannya lebih banyak bertiup dari tenggara. Selain karena pengaruh angin global, juga diduga efek ketinggian kanopi hutan juga turun berperan dalam variasi arah angin di lokasi ini (gambar 4h). Angin global di sekitar DAS Larona mengikuti pola monsoon yang dipengaruhi oleh posisi matahari. Pada saat musim panas di bumi belahan utara (JJA), angin bertiup dari tenggara, dan sebaliknya, pada saat musim panas di belahan bumi selatan, angin bertiup dari barat laut. 6. KESIMPULAN Variasi harian dari angin permukaan sangat dipengaruhi oleh factor lokal. Angin danau yang berhembus dari tengah danau ke daratan pada siang hari terpantau dengan jelas di lokasi pengamatan yang terletak di tepi danau, seperti di Timampu dan Matano. Pengaruh angin danau masih terlihat pada beberapa lokasi yang agak terpisah dari tepi danau, seperti misalnya di Mahalona dan Plantsite. Untuk lokasi-lokasi yang berada jauh dari danau, seperti di Zeba-zeba, Ledu-ledu dan Togo, pengaruh angin danau tidak terlihat sama sekali, namun pola anginnya lebih dipengaruhi oleh topografi sekitarnya.

UCAPAN TERIMAKASIH Data AWS diperoleh dari EHS Department, Vale Inco. Terimakasih yang sebesar-besarnya kepada pak Kaimudin dari Vale Inco yang telah membantu melakukan pengukuran data permukaan. Penelitian ini dilakukan dengan dukungan dari UPT Hujan Buatan, BPPT. DAFTAR PUSTAKA Aldrian, E, Karakteristik Hujan Jam-jaman, Bulanan dan Tahunan DAS Larona, Soroako, Sulawesi Selatan, Jurnal Sains & Teknologi Modifikasi Cuaca, 7, 43-53, 2006 Renggono, F., Pola Sebaran Hujan di DAS Larona, Jurnal Sains & Teknologi Modifikasi Cuaca, 12, 17-24, 2011a. Renggono, F., Erwin Mulyana, Tri Handoko Seto, Budi Harsoyo, Djazim Syaifullah, Lake and Land Breezes on Lake Tomuti snd Their Effect on Convection in Larona Catchment Area, Sulawesi, Indonesia, Prosiding Ilmiah Internasional dan dipresentasikan pada 10th Scientific Conference on Weather Modification, 2011b Renggono, F., Analisis kemunculan Awan hujan di DAS LArona, jurnal lingkungan Haryanto, U., Pengamatan Pembentukan Awan dan Hujan di sekitar matano dan Towuti serta kaitannya dengan Karakteristik Fisiografi setempat: observasi langsung, Jurnal Sains & Teknologi Modifikasi Cuaca, 7, 9-14, 2006.

19

STUDI PULAU PANAS PERKOTAAN DAN KAITANNYA DENGAN PERUBAHAN PARAMETER IKLIM SUHU DAN CURAH HUJAN MENGGUNAKAN CITRA SATELIT LANDSAT TM STUDI KASUS DKI JAKARTA DAN SEKITARNYA Halda Aditya*, Sri Lestari**, Hilda Lestiana***

Abstract Heat island was a phenomenon where the temperature of air in one region higher than the temperature of the open air around it. Urban areas often had the temperature higher 1-6 Celsius when compared the area of surrounding area (the area of outskirts/rural). This phenomenon that was known as ”Pulau Panas Perkotaan” or ”Urban Heat Island” (UHI). This Research aimed to knowing influence of the heat islands of urban areas to climate parameter especially the temperature and the rainfall in the Jakarta and surrounding area. Data used in this research was rainfall data and daily air temperature from 5 climate observation stations, within time period from January 1991 to December 2001 as the surface data. The Landsat satellite image 7 ETM+ path/row 122/064 acquisition date 15/07/2001, band 5, 4, 2 was used to analyze the cover of land and the band 6 was used for the distribution of surface temperature was based on the pixels value.Results showed the value of surface temperature in Jakarta and surrounding area was between 15.07˚C through to 33.28˚C. Location of heat island were in the centre Jakarta and north Jakarta, with the difference of the temperature as big as 3˚C with the surrounding area. The land cover in this location were the housing building, the office complex, and the highway. Calculation of Spearman correlation value between the air temperature and surface temperature showed the existence of the positive correlation between two variables that it was demonstrated by the correlation index 0.6. From the regression equation we get the interpolated air temperature in Jakarta area.

Intisari Pulau panas adalah suatu fenomena dimana suhu udara di suatu daerah lebih tinggi daripada suhu udara terbuka di sekitarnya. Daerah urban (perkotaan) sering mempunyai suhu lebih tinggi 1-6 derajat Celsius dibandingkan daerah sekitarnya (daerah pinggiran/ rural). Fenomena inilah yang dikenal sebagai ”Pulau Panas Perkotaan” atau ”Urban Heat Island” (UHI). Penelitian ini bertujuan untuk mengetahui pengaruh fenomena pulau panas perkotaan terhadap parameter iklim terutama suhu dan curah hujan di daerah Jakarta dan sekitarnya. Data yang digunakan pada tugas akhir ini adalah data curah hujan dan temperatur udara harian pada 5 stasiun pengamatan iklim, periode Januari 1991 – Desember 2001 sebagai data permukaan. Citra satelit Landsat 7 ETM+ path / row 122/064 akuisisi tanggal 15/07/2001 band 5,4,2 digunakan untuk menganalisis tutupan lahan dan band 6 digunakan untuk distribusi temperatur permukaan. Hasil menunjukkan nilai temperatur permukaan Kota Jakarta dan sekitarnya berada antara 15.07˚C hingga 33.28˚C. Lokasi pulau panas perkotaan terdapat di daerah Jakarta pusat dan Jakarta utara, dengan perbedaan temperatur sebesar 3˚C dibandingkan dengan daerah sekitarnya.Tutupan lahan yang terdapat di lokasi tersebut merupakan lahan terbangun yang terdiri dari bangunan perumahan, perkantoran, dan jalan raya. Perhitungan nilai korelasi Spearman antara data temperatur udara dari lima stasiun pengamatan dengan nilai piksel temperatur permukaan memperlihatkan adanya korelasi positif antara dua variabel tersebut yang ditunjukkan oleh indeks korelasi sebesar 0.6. Dengan persamaan regresi diperoleh citra temperatur permukaan di seluruh daerah pengamatan yang hasilnya menggambarkan bahwa lokasi pulau panas perkotaan sangat berpengaruh terhadap distribusi temperatur udara di atasnya. Kata kunci :

Urban Heat Island, Jakarta, Temperature

*UPT HB-BPPT, **Prodi Geofisika dan Meteorologi FITB - ITB, ***Geotek LIPI

20


1. PENDAHULUAN Fenomena Heat Island ditandai dengan adanya suatu daerah yang memiliki suhu jauh lebih tinggi dibandingkan dengan daerah sekitarnya. suhu disini bisa meliputi suhu udara ataupun suhu permukaan lahan. Urban heat island atau pulau panas perkotaan dapat ditimbulkan oleh perubahan tata guna lahan (Mujiasih, 1998). Umumnya fenomena ini terjadi di perkotaan dengan bangunan atau gedung-gedung dan jaringan jalan yang rapat atau daerah industri yang padat yang dikelilingi pinggiran kota atau lahan bervegetasi. Yang patut dicermati adalah bahwa selain suhu, perbedaan juga terlihat pada curah hujan, curah hujan di daerah perkotaan cenderung lebih besar dibandingkan dengan daerah sekitarnya, mungkinkah heat island mempengaruhi curah hujan di perkotaan?. Studi heat Island menggunakan data suhu udara dari stasiun permukaan telah banyak dilakukan oleh sejumlah ahli klimatologi. Namun disadari, bahwa hasilnya kurang memuaskan karena data suhu udara dari stasiun pengamatan permukaan sangat terbatas, sehingga hasilnya kurang akurat. Di sisi lain suatu studi terdahulu telah memanfatkan data satelit NOAA-AVHRR untuk mengkaji fenomena heat island meskipun dengan tingkat ketelitian yang masih kasar mengingat keterbatasan resolusi spasial data tersebut. Sedangkan penelitian mengenai dampak fenomena heat island terhadap parameter iklim, terutama curah hujan di indonesia umumnya, ataupun kota Jakarta khususnya, masih sangat terbatas. Oleh karena itu dalam paper ini penulis mencoba meneliti dampak fenomena heat island terhadap parameter iklim. Sedangkan untuk meneliti distribusi spasial suhu udara permukaan digunakan citra satelit Landsat-TM band 6. 2. TUJUAN Penelitian ini bertujuan untuk mengetahui pengaruh fenomena pulau panas perkotaan terhadap parameter iklim terutama suhu dan curah hujan di daerah Jakarta dan sekitarnya. 3. TEORI DASAR Pulau Panas Perkotaan Heat island adalah suatu fenomena dimana suhu udara kota yang padat bangunan lebih tinggi daripada suhu udara terbuka di sekitarnya baik di desa maupun pinggir kota. Daerah urban (perkotaan) sering mempunyai suhu lebih tinggi 1-6 derajat Celsius dibandingkan daerah sekitarnya (daerah pinggiran/rural). Fenomena inilah yang dikenal sebagai ”Pulau Panas Perkotaan” atau

”Urban Heat Island” (UHI). Fenomena ini pertama kali ditemukan seorang ahli meteorologi bernama Luke Howard pada tahun 1818. Pada umumnya suhu udara tertinggi akan terdapat di pusat kota dan akan menurun secara bertahap ke arah pinggir kota sampai ke desa. Suhu tahunan rata-rata di kota lebih besar sekitar 3˚C dibandingkan dengan pingir kota (Landsberg,1981). Gambar 1 memperlihatkan perbandingan suhu perkotaan dibandingkan dengan suhu pinggiran kota.

Gambar 1. Sketsa profil temperatur pulau perkotaan sumber : http://www.atmosphre.mpg.de/enid

panas

Karakteristik Iklim di Wilayah Jakarta Jakarta beriklim tropis, dengan suhu tahunan rata-rata 27 C dengan kelembaban 80 - 90%. Karena terletak di dekat garis khatulistiwa, arah angin dipengaruhi oleh angin musim. Angin musim barat bertiup antara November dan April, sedang angin musim timur antara Mei dan Oktober. Suhu sehari-hari kota Jakarta dipengaruhi angin laut yang nyaman karena di sepanjang pantai. Curah hujan rata-rata 2.000 mm, curah hujan paling besar sekitar bulan Januari dan paling kecil pada bulan September (asriani, 2003). Konsep Dasar Penginderaan Jauh Pada umumnya dalam penginderaan jauh digunakan media gelombang elektromagnetik untuk berinteraksi dengan objek atau fenomena yang akan dikaji. Terdapat tujuh buah elemen terkait dalam penginderaan jauh, yaitu sumber energi yang akan menghasilkan gelombang elektromagnetik (EM); radiasi dan atmosfer; interaksi gelombang EM dengan target, perekaman energi oleh sensor; transmisi, penerimaan, dan proses gelombang EM; interpretasi dan analisis; serta aplikasi dari informasi yang diperoleh pada suatu masalah atau pengkajian informasi yang lebih mendalam mengenai suatu target di bumi. Metode Kuadrat Terkecil Data hasil pengukuran berfluktuasi mungkin disebabkan oleh galat acak dari sistem pengukuran atau kelakuan stokastik dari sistem yang diukur.

Studi Pulau Panas Perkotaan dan Kaitannya dengan ... (Halda. A.B. dkk) Apapun alasannya, keperluan mencocokkan suatu fungsi pada data hasil pengukuran kerap kali terjadi. Dalam mencocokkan suatu fungsi pada data hasil pengukuran, semakin banyak titik datanya maka kecermatan kurva yang dicocokkan semakin tinggi. Pendekatan terbaik adalah meninjau fungsi dengan sedikit parameter bebas dan menentukan nilai parameter tersebut sedemikian sehingga simpangan fungsi dari titik-titik data sekecil mungkin. Peminimuman simpangan dicapai dengan menggunakan metode kuadrat terkecil. Uji Hipotesis Parameter Nonparametrik Setelah melakukan regresi linier, perlu adanya suatu uji kelayakan mengenai korelasi yang kita dapatkan. Uji kelayakan ini banyak macamnya. Pemakaiannya disesuaikan dengan karakteristik data dan kebutuhan. Data-data yang kita peroleh dari alam sebagian besar merupakan data yang tidak diketahui distribusinya. Oleh karena itu, uji hipotesis yang akan digunakan adalah Uji Hipotesis Non Parametrik. Dalam uji ini diperlukan suatu taraf keberartian dan hipotesa awal mengenai koefisien yang di uji. Terdapat banyak cara dan persamaan yang dapat digunakan untuk membuktikan hipotesa tersebut. Apabila sesuai, maka dinyatakan diterima atau hal yang di uji, dalam hal ini adalah koefisien dari regresi linier, layak untuk digunakan. 4. DATA DAN METODOLOGI Dalam pengerjaaan tugas akhir ini, digunakan data-data sebagai berikut : a. Data Klimatologi : 1. Data curah hujan harian 5 stasiun pengamatan iklim BMG, yaitu Curug Tangerang (6° 14’ 0.0” S, 106° 39’ 0.0” E), Darmaga (6° 30’ 0.0” S, 106° 45’ 0.0” E), Jakarta Observatorium (6° 10’ 0.0”S, 106° 49’ 0.0” E), Halim Perdanakusumah (6° 16’ 0.0” S, 106° 53’ 0.0” E), dan Cengkareng (6° 7’ 0.0” S, 106° 39’ 0.0” E) periode Januari 1991 – Desember 2001. 2. Data Temperatur udara rata - rata harian 5 stasiun pengamatan iklim BMG, dengan stasiun dan waktu yang sama. b. Data citra satelit : Citra satelit Landsat 7 ETM+ path / row 122/064 yang direkam pada tanggal 15 – Juli – 2001, yang diperoleh dari Global Land Cover Facility (http://glcf.umiacs.umd.edu).

21

Diagram Metodologi

DATA

CITRA LANDSAT TM

CITRA TATA GUNA LAHAN

SUHU

CURAH HUJAN

CITRA GMS/ GOES

BAND TERMAL

KOREKSI GEOMETRIK

SUHU UDARA SPASIAL

DISTRIBUSI SPASIAL CH

ESTIMASI SUHU PERMUKAAN

PENGARUH TATA GUNA LAHAN TERHADAP SUHU PERMUKAAN

ESTIMASI DAERAH HUJAN & PERGERAKAN AWAN

DISTRIBUSI SPASIAL SUHU PERMUKAAN (Ts)

CITRA CUHU UDARA

ANALISIS DAERAH HUJAN

STUDI PENGARUH PULAU PANAS TERHADAP CURAH HUJAN DAN SUHU

5. HASIL 5.1 ANALISIS HASIL PERHITUNGAN TEMPERATUR PERMUKAAN Temperatur permukaan dipengaruhi oleh karakteristik masing – masing permukaan dan kondisi iklim mikro di daerahnya. Nilai temperatur permukaan Kota Jakarta dan sekitarnya seluruh grid berada antara 15.072˚C hingga 33.279˚C. terlihat bahwa temperatur permukaan tertinggi terdapat di daerah pusat Kota Jakarta, atau lebih tepatnya berada pada koordinat (6° 29’ 30.8” S, 106° 53’ 7.3”E) dengan nilai 33.278595˚C. Nilai rata – rata temperatur permukaan yang didapat adalah 23.623˚C. Sedangkan untuk temperatur permukaan di Kota Bogor, Tangerang dan Bekasi didapat nilai yang lebih kecil daripada Kota Jakarta, ini menunjukkan bahwa Kota Jakarta memiliki koefisien termal yang lebih tinggi daripada kota – kota disekitarnya. Citra satelit yang menggambarkan temperatur permukaan diperlihatkan oleh gambar 5.1 5.2. ANALISIS PULAU PANAS PERKOTAAN Pada gambar 5.2 terlihat bahwa lokasi pulau panas perkotaan terdapat di daerah pusat hingga utara Jakarta, dan tata guna lahan yang terdapat di lokasi tersebut merupakan lahan terbangun yang

22


terdiri dari bangunan perumahan, perkantoran, dan juga jalan raya. Gambar 5.3 menunjukkan lokasi yang memiliki nilai temperatur permukaan diatas 27.5˚C (ditunjukkan oleh warna merah), sedangkan warna hitam menunjukkan nilai temperatur permukaan dibawah 27˚C. Nilai tersebut diambil dikarenakan definisi pulau panas perkotaan yang mengharuskan perbedaan suhu mencapai 1.5° - 3° C dibandingkan dengan daerah sekitarnya.

Gambar 5.2. Urban Heat Island dan kondisi tata guna lahan

Gambar 5.3. Temperatur permukaan di atas 27.5˚C Gambar. 5.1. Distribusi spasial temperatur permukaan

5.3. ANALISIS TEMPERATUR UDARA Gbr. 5.4 Distribusi temperatur udara koreksi Dari data temperatur udara tanggal 15 Juli 2001 dari lima stasiun pengamatan diperoleh distribusi spasial temperatur udara dalam bentuk isotherm untuk keseluruhan daerah pengamatan. Temperatur udara tertinggi (28.6˚C) terdapat pada daerah Kota Jakarta, kemudian menurun kearah selatan dan timur Kota Jakarta, yaitu Kota Bogor dan Tangerang, dan terus menurun sampai temperatur udara terendah di daerah pegunungan di sebelah barat dan timur Kota Bogor. Untuk mendapatkan hubungan antara temperatur permukaan dan temperatur udara, maka dilakukan proses overlay antara peta distribusi spasial temperatur permukaan dan peta distribusi spasial temperatur udara (gambar 5.4)

Dengan menggunakan persamaan regresi y = 1.0681x - 3.8997, yang didapat dari hasil regresi linier antara temperatur udara dan data temperatur permukaan dari citra satelit menggunakan metoda kuadrat terkecil, akan dicari nilai temperatur udara di lokasi yang tidak terlingkup oleh stasiun pengamatan, Gambar 5.5 merupakan citra temperatur udara hasil koreksi menggunakan persamaan regressi tersebut. 5.4. ANALISIS HUJAN Pengkorelasian, data curah hujan dengan data temperatur pemukaan tidak dapat dilakukan, dikarenakan nilai curah hujan untuk waktu penelitian yaitu 15 Juli 2001 adalah nol/tidak ada hujan.

Studi Pulau Panas Perkotaan dan Kaitannya dengan ... (Halda. A.B. dkk)

Gambar 5.4. Distribusi temperatur udara

temperatur permukaan, atau nilai temperatur udara yang kecil berpasangan dengan nilai temperatur permukaan. • Persamaan regresi y = 1.0681x 3.8997 dapat digunakan untuk mendapatkan nilai temperatur udara di lokasi penelitian yang tidak terdapat data temperatur udara. Diperoleh citra temperatur udara yang dapat memberi informasi mengenai distribusi temperatur udara di daerah penelitian. Lokasi pulau panas perkotaan sangat berpengaruh terhadap distribusi temperatur udara di atasnya. • Berdasarkan citra distribusi spasial temperatur permukaan dan citra komposit band 542 (tata guna lahan) diperoleh bahwa sebaran distribusi temperatur permukaan dipengaruhi oleh tata guna lahan, dimana tata guna lahan yang merupakan lahan terbangun, akan memiliki temperatur permukaan yang lebih tinggi dari temperatur permukaan di lahan terbuka. • Korelasi antara temperatur Permukaan dan Curah hujan, tidak dapat dilakukan karena pada waktu penelitan tidak terdapat hujan. 7.

Gambar 5.5. Distribusi temperatur udara koreksi

6. KESIMPULAN • Hasil proses citra landsat band 6 diperoleh bahwa distribusi temperatur permukaan di daerah DKI jakarta dan sekitarnya bervariasi antar 16 – 30 ºC, dengan lokasi pulau panas perkotaan terdapat di daerah Jakarta Utara, Jakarta Pusat. • Hasil uji hipotesis nonparametrik rang spearman antara temperatur permukaan (Ts) dan temperatur udara (Tu) di lima titik pengamatan menghasilkan nilai r = 0.675. Syarat penolakan Ho adalah nilai r < ra/2. Dari tabel dengan kepercayaan 95%, diperoleh nilai ra/2 = 0.900 sehingga dalam hal ini Ho ditolak, dan hipotesis Ha diterima. Artinya ada kecenderungan nilai besar temperatur udara berpasangan dengan nilai besar

23

DAFTAR PUSTAKA

Adiningsih, Erna S, et all, Januari 1994 Studi Pulau Panas Di Jakarta dan Sekitarnya Dengan Menggunakan Data Satelit, Majalah Lapan, No 68, 18 – 37 Asriani, Lisa, 2003, Penggunaan citra satelit dalam estimasi distribusi Evapotranspirasi spaisal (Studi Kasus Daerah Jakarta dan sekitarnya), Tugas Akhir, Institut Teknologi Bandung. Bornstein, R., and Q. Lin, 2000: Urban heat islands and summertime convective thunderstorms in Atlanta: Three case studies. Atmos.Environ., 34, 507–516. Canada Centre for Remote Sensing, 1998, Fundamental of Remote Sensing tutorial: Natural Resources Canada. Huff, F. A., and S. A. Changnon, 1972: Urban effects on daily rainfall distribution. Preprints, Second National Conf. on Weather Modification, Santa Barbara, CA, Amer. Meteor. Soc., 215–220. Landsberg, H. E., 1981: The Urban Climate. Academic Press, 275 pp. Lillesand/Kiefer, 1997, Penginderaan Jauh dan Interpretasi Citra: Gajah Mada University Press.

24


Mujiasih, S, 1998 , Studi perubahan tata guna lahan terhadap pembentukan pulau panas perkotaan studi kasus cekungan bandung, Tugas akhir, Institut Teknologi Bandung. Mahardhika, R., 2004, Validasi model penyebaran karbon monoksida (CO) Kota Bandung berdasarkan distribusi temperatur menggunakan citra satelit Landsat 5 TM, Tugas akhir, Institut Teknologi Bandung. Soenarmo, S. H., 1994, Penginderaan Jarak Jauh untuk Meteorologi-Oseanografi-Geofosika: Diktat Kuliah, Jurusan Geofisika dan Meteorologi, ITB. Tjasyono, Bayong. 1999. Klimatologi Umum. Penerbit ITB. Bandung.

Tursilowati, 2005, Fenomena “Pulau Panas” Perkotaan, Lembaran Cakrawala, Harian umum Pikiran Rakyat Kamis, 24 Maret 2004. Yang J, & Wang J Q, Estimation of land surface temperature using Landsat 7 ETM+ Thermal infrared & weather Station data, Departement of Natural Recources Science, University of Rhode Island Kingston, USA http://en.wikipedia.org/wiki/uhi Urban Heat Island http://faculty.vassar.edu/lowry/corr_rank.html Rank-Order Correlation http://ltpwww.gsfc.nasa.gov/IAS/handbook/ handbook_htmls/index.html Landsat 7 Science Data User Handbook

25

PENERAPAN TEKNOLOGI MODIFIKASI CUACA (TMC) UNTUK MENGATASI DEFISIT INFLOW PLTA BAKARU PERIODE 15 FEBRUARI SD. 03 MARET 2012 Djazim Syaifullah

Abstract Weather modification technology have been conducted in the Mamasa watershed West Sulawesi to address the deficit inflow at Bakaru Hydroelectric power plant. During the implementation of these activities the cloudiness condition in the Mamasa watershed indicated the presence of fluctuations opportunities the existence of potential clouds. In general the potential clouds is quite good enough from the beginning to the end of the activity. In early activity, cloud growth relatively happening at noon and afternoon especially was in the mamasa and sumarorong, while in the end the weather conditions occurring with cloud growth fast enough and more found clouds potential. Indicating the number of inflow during the evaluation of this event is worth 100,60 million cubic meter with an average inflow of 64,68 m3/second in addition to inflow 16.77 million cubic meter. In general the implementation of Weather Modification Technology in in the Mamasa watershed has had suceeded in increasing inflow significantly

Intisari Teknologi Modifikasi Cuaca (TMC) telah dilakukan di DAS Mamasa Sulawesi Barat untuk mengatasi defisit inflow PLTA Bakaru. Selama pelaksanaan kegiatan ini, kondisi perawanan di DAS Mamasa menunjukan adanya fluktuasi peluang keberadaan awan-awan potensial. Potensi awan secara umum cukup baik sejak awal sampai akhir kegiatan. Pada awal kegiatan, pertumbuhan awan relatif terjadi pada siang dan sore hari terutama terjadi di wilayah Mamasa dan Sumarorong, sementara di akhir kegiatan kondisi cuaca terjadi dengan pertumbuhan awan yang cukup cepat dan lebih banyak ditemukan awan potensial. Hasil evaluasi menunjukkan jumlah inflow selama kegiatan ini adalah sebesar 100,60 juta m3 dan rata-rata inflow sebesar 64,68 m3/detik, dengan tambahan inflow hasil TMC sebesar 16.77 juta m3. Secara umum pelaksanaan Teknologi Modifikasi Cuaca di DAS Mamasa telah berhasil meningkatkan inflow secara signifikan.

Kata kunci : Teknologi Modifikasi cuaca, defisit inflow, PLTA Bakaru 1. PENDAHULUAN Pembangkit Listrik Tenaga Air (PLTA) Bakaru merupakan salah satu pemasok energi listrik yang mempunyai peran strategis untuk wilayah Sulawesi Selatan, Sulawesi Tenggara dan Sulawesi Barat (Sulselrabar). PLTA Bakaru memanfaatkan potensi sumber daya air dari Daerah Aliran Sungai (DAS) Mamasa. Kapasitas produksi PLTA Bakaru sejak pertengahan Januari 2012 sudah mulai menurun dari kapasitas normal sebesar 126 MW. Ini disebabkan karena inflow yang tersedia pada periode tersebut berkisar di bawah 40 m3/detik, dari yang seharusnya sekitar 43,5 m3/detik yang Peneliti Madya - UPT Hujan Buatan, BPPT, Thamrin No. 8 Jakarta, email: [email protected]

1

dibutuhkan untuk produksi listrik beban maksimum. Meskipun secara klimatologis di wilayah DAS Mamasa masih dalam periode musim hujan, kondisi ini ternyata terus berlanjut sampai dengan awal bulan Februari 2012. Atas dasar permasalahan tersebut, pihak PLN Wilayah Wilayah Sulawesi Selatan, Sulawesi Tenggara dan Sulawesi Barat (Sulselrabar) meminta UPT Hujan Buatan BPPT untuk melaksanakan kegiatan Teknologi Modifikasi Cuaca (Hujan Buatan) di wilayah DAS Mamasa, guna meningkatkan debit sungai Mamasa supaya produksi listrik PLTA Bakaru dapat kembali normal. Permintaan pelaksanaan pekerjaan Teknologi Modifikasi Cuaca (TMC) dilakukan oleh PT PLN (Persero) Sulselrabar kepada UPT Hujan Buatan BPPT. Setelah melakukan beberapa tahap

26


Gambar 1. Peta Wilayah Kerja TMC di DAS Mamasa dan penampakan 3D

persiapan dan koordinasi dengan berbagai instansi terkait, UPT Hujan Buatan selaku pihak pelaksana pekerjaan melaksanakan kegiatan TMC di DAS Mamasa mulai tanggal 15 Februari s.d. 03 Maret 2012 selama 17 (tujuh belas) hari pekerjaan. Tujuan dari pelaksanaan penerapan TMC di DAS Mamasa ditujukan untuk mengatasi defisit inflow di PLTA Bakaru supaya PLTA tetap dapat berproduksi secara optimal. 1.1. Daerah Kerja Daerah sasaran (target operasi) adalah seluruh wilayah DAS Mamasa, seperti yang tergambarkan dalam Gambar 1. Karakteristik fisik DAS Mamasa (dengan luas sekitar 1.080 km2) yang berbentuk pipih dengan topografi yang curam, serta sistem PLTA Bakaru yang memanfaatkan sistem run-off river (tanpa ada reservoir), menjadi suatu tantangan bagi UPT Hujan Buatan BPPT karena memiliki tingkat kesulitan yang cukup tinggi. Sistem run-off river ini menyebabkan curah hujan yang jatuh di dalam DAS Mamasa langsung dipergunakan untuk pembangkit listrik tanpa disimpan terlebih dahulu sebagai cadangan.

Nilai anomalinya antara +0.50C sampai +10C. Pada kodisi ini pengangkatan massa uap air melalui proses konveksi cenderung terjadi di wilayah Indonesia. Akibat dari konveksi ini maka tekanan udara permukaan di wilayah Indonesia akan lebih rendah daripada tekanan udara di pasifik. Sehingga massa udara (yang banyak mengandung uap air) akan bergerak dari samudera pasifik (tekanan tinggi) ke wilayah Indonesia (tekanan rendah). Kawasan Indonesia timur merupakan daerah yang menerima efek yang besar dari fenomena ENSO ini. Sehingga pada kondisi La Niña ini pertumbuhan awan akan lebih mudah terjadi. La Niña lemah dapat memberikan supply awan-awan yang potensial di daerah target, dimana kondisi cukup menguntungkan pelaksanaan TMC di DAS Mamasa. Angin timuran masih terlihat mendominasi di wilayah target, dimana kondisi ini menunjukkan masih banyak uap air dari samudera pasifik untuk pertumbuhan awan. Selain itu, osilasi harian (diurnal oscillation) cukup kuat pengaruhnya terhadap daerah target sehingga pembentukan awan pada sore hari berlangsung baik. Topografi daerah target yang bergunung-gunung juga mendukung terjadinya awan-awan orografis.

1.2. Kondisi meteorologis daerah target 1.2.1. Analisis Cuaca Global Kondisi cuaca selama kegiatan pelaksanaan Teknologi Modifikasi Cuaca (TMC) dari tanggal 15 Februari hingga 03 Maret 2012 di wilayah DAS Mamasa dipengaruhi oleh kondisi cuaca global/ regional dan lokal. Kondisi cuaca global yang dominan pengaruhnya selama periode kegiatan adalah adanya; La Niña lemah, dominasi angin timuran dan pengaruh MJO. La Niña merupakan suatu kondisi dimasa suhu muka laut di wilayah Indonesia lebih hangat daripada suhu muka laut pasifik timur (Gambar 2).

Gambar 2.

Peta anomali suhu muka laut rerata selama 5 Februari – 4 Maret 2012. (diambil dari ENSO Cycle: Recent Evolution, Current Status and Predictions – edisi Maret 2012).

Penerapan TMC untuk Mengatasi Defisit Inflow ... (M. Djazim. S.) Menurut ENSO Cycle: Recent Evolution, Current Status and Predictions – edisi Maret 2012 yang diterbitkan oleh Climate Prediction Center, La Niña lemah sedang terjadi dan semakin melemah hingga bulan Maret 2012 (mendekati pada kondisi netral). MJO (Madden Julian Oscillation) merupakan fenomena global berupa gelombang atmosfer di sekitar equator yang bergerak ke arah timur. MJO mempunyai periode yang bervariasi sekitar 40 – 50 hari. Fase dari gelombang ini disebut fase aktif dan fase inaktif. Fase aktif diasosiasikan dengan nilai negatif dari outgoing longwave radiation (OLR) yang merupakan radiasi balik gelombang panjang dari planet bumi ke luar sistem atmosfer bumi akibat radiasi matahari yang masuk. Radiasi gelombang panjang tersebut diserap oleh awan tebal

Gambar 3.

27

sehingga radiasi yang keluar dari sistem atmosfer bumi menjadi negatif, sehingga nilai negative mengindikasikan banyaknya pertumbuhan awan. Demikian sebaliknya fase inaktif diasosiasikan dengan nilai positif OLR. Gambar 3. berikut memperlihatkan plot Bujur – Waktu OLR di daerah tropis yang memperlihatkan kondisi MJO aktif sejak Dasarian II Februari 2012 di posisi 400BT dan bergerak ke arah timur dan mencapai daerah target di posisi 1200BT pada Dasarian I Maret 2012. Dengan masuknya sistem keawanan yang berasosiasi dengan MJO menunjukkan fase aktif di Samudera Hindia dan juga adanya pertumbuhan awan konvektif sangat besar dari barat Indonesia dapat membantu pertumbuhan awan yang baik di daerah target sampai pertengahan Maret.

Plot bujur-waktu OLR rata-rata 7,5 LS - 7,5 LU. Positif anomali (warna kuning) diasosiasikan dengan kurang menunjang presipitasi, sementara anomali negatif (warna biru) diasosiasikan dengan sangat mendukung pembentukan presipitasi. Daerah target terletak pada bujur 120oBT (garis tebal tegak)

28


Gradient wind adalah angin yang terbentuk karena adanya perbedaan tekanan pada dua titik yang biasanya diamati pada level ketinggian (paras) 3000 feet (sekitar 1000 meter) di atas permukaan laut yang menggambarkan aliran udara pada atmosfer bagian bawah dimana tidak lagi terpengaruh oleh adanya gesekan permukaan bumi. Pada level ini tidak ada pengaruh angin lokal maupun pengaruh topografi seperti angin laut, angin darat, angin lembah dan sebagainya. Angin gradien di daerah target dan sekitarnya umumnya bertiup dari arah timur dengan kecepatan berkisar antara 15 – 20 knots, seperti terlihat pada gambar 4. Pusaran angin (Eddy) dan pusat tekanan rendah yang muncul di barat Sumatera semakin memperkuat angin timuran yang mendukung terjadinya pembentukan awan di wilayah target.

1.2.2. Analisis Cuaca Lokal Potensi cuaca lokal dianalisa menggunakan data cuaca permukaan yang diperoleh dari pengamatan pos meteorologi (Posmet) yang berada di Mamasa, Sumarorong dan Bakaru.

Gambar 5. Citra satelit tanggal 02 Maret 2012 jam 09.00 WITA (Bureau of Meteorology Australia).

Gambar 4. Angin gradien lapisan 3000 feet tanggal 25 Februari 2012 jam 07.00 WITA (Bureau of Meteorology, Australia).

Citra satelit digunakan sebagai informasi tutupan dan jenis awan di atmosfer. Citra satelit yang digunakan untuk analisis dalam kegiatan penerapan TMC di DAS Mamasa diambil dari chanel / kanal infra merah. Sensor infra merah satelit mendeteksi obyek berdasarkan suhu obyek dan dikonversikan ke dalam gradasi warna. Semakin dingin suhunya, warna objek semakin putih. Sebaliknya semakin panas suhunya, warna objek semakin hitam. Gambar 5. berikut adalah contoh citra satelit yang diambil dari Bureau of Meteorology Australia. Pergerakan awan dapat diamati dengan menggunakan citra satelit secara realtime setiap jam. Dari citra satelit pada Februari - Maret 2012 terlihat bahwa sistem keawanan regional yang direpresentasikan oleh MJO fase aktif telah masuk ke wilayah Indonesia sehingga di daerah target mendapat supply uap air yang membantu pertumbuhan awan.

Data cuaca permukaan yang diukur terdiri dari: tekanan udara permukaan (P); temperatur bola basah (BB) dan bola kering (BK atau T); untuk mendapatkan nilai kelembaban udara (RH); temperatur titik embun (Td). Pengukuran pilot balon (Pibal) digunakan untuk mengukur arah dan kecepatan angin atas secara vertikal. Selain mengukur cuaca permukaan dan angin atas, Posmet digunakan untuk memonitor perkembangan awan potensial serta suplai massa udara yang masuk ke daerah target secara visual. Pengukuran cuaca permukaan dilakukan setiap jam dari jam 07.00 s.d. 17.00 WITA, sedangkan angin atas diukur setiap 3 jam sekali yaitu jam 07.00, 10.00, 13.00 dan 16.00 WITA. Data hasil pengukuran dan pengamatan langsung dikirim ke Posko untuk dianalisis. Data cuaca permukaan dan angin atas hasil pengukuran ini dianalisis untuk menilai kecenderungan potensi cuaca setiap hari sehingga menjadi bahan masukan dalam pelaksanaan TMC. Selama kegiatan kisaran suhu udara tersebut umumnya bervariasi untuk semua stasiun pengamatan, namun secara umum memiliki perbedaan > 40 C antara pagi hari (pukul 07.00 WITA) dengan pukul 10.00 WITA. Nilai ini menunjukkan adanya radiasi yang masuk ke permukaan sehingga terjadi kenaikan suhu permukaan. Peningkatan suhu ini mengindikasikan potensi terjadinya proses konvektif.

Penerapan TMC untuk Mengatasi Defisit Inflow ... (M. Djazim. S.) Disamping kondisi cuaca lokal permukaan, juga dianalisis kondisi angin atas yang bersifat lokal yang diambil dari pengukuran pibal. Analisis angin atas ini dilakukan untuk melihat perkembangan pola angin lokal yang terbentuk. Dari analisis angin ini tampak bahwa pola angin umumnya bervariasi antara berhimpit (confluent) dan divergen. Pada daerah target angin umumnya menunjukkan variasi arah angin di setiap level ketinggian. Angin bertiup dari timur di lapisan bawah hingga utara di lapisan atas. Kecepatan angin bervariasi antara 5 – 20 knot. 1.2.3. Analisis Radar C-Band Informasi perawanan yang sangat vital bagi jalannya pekerjaan ini salah satunya adalah data radar cuaca jenis C-band milik Badan Meteorologi, Klimatologi dan Geofisika (BMKG) Propinsi Sulawesi Selatan yang dioperasikan di Makasar. Data ini memberikan gambaran tentang obyek awan yang meliputi ketinggian dasar awan, puncak awan dan diameter awan serta tingkat reflektivitas awan yang menggambarkan tingkat kandungan air dalam awan. Radar ini dapat menjangkau daerah target yang jaraknya sekitar 150 – 250 kilometer. Hasil analisisnya digunakan untuk memonitor perkembangan pertumbuhan awan di DAS Mamasa. Informasi data radar ini juga digunakan untuk memonitor perkembangan awan setelah proses penyemaian awan, dengan mamantau awan sebelum penyemaian, selama penyemaian dan setelah penyemaian. Gambar 6. menunjukkan contoh pantauan radar cuaca selama pelaksanaan penyemaian.

Gambar 6. Pantauan radar cuaca pada tanggal 24 Februari 2012 jam 14.50 WITA.

Dari pemantauan radar cuaca, awan yang tumbuh di daerah target pada umumnya mulai terjadi pada siang hingga sore hari. Faktor lokal seperti angin

29

laut (sea breaze) cukup berpengaruh terhadap pertumbuhan awan di daerah target. Angin laut yang berhembus mulai siang hingga sore hari mengakibatkan uap air naik ke atmosfer akibat tertahan oleh pegunungan yang ada di sekitar DAS Mamasa. Uap air tersebut akhirnya membentuk awan-awan orografik di sebagian besar batas DAS bagian barat dan selatan seperti di daerah Sumarorong dan Makuang. Secara umum dapat disimpulkan bahwa kondisi cuaca di DAS Mamasa dipengaruhi oleh gabungan dari berbagai faktor meteorologi yang seperti fenomena El Niño , MJO, Gelombang ekuatorial Rossby, pusat tekanan rendah, dan faktor topografi lokal. La Niña memberikan supply uap air dari wilayah Samudera Pasifik bagian barat sehingga banyak membantu pembentukan awan selama kegiatan. MJO fase aktif yang bergerak dari Samudera Hindia di awal kegiatan menuju wilayah Indonesia bagian timur mendukung pada akhir Februari. Topografi daerah target yang bergununggunung menjadi faktor yang memungkinkan bagi pembentukan awan, meskipun ada beberapa kondisi meteorologis lainnya yang menghambat. 2.

PELAKSANAAN KEGIATAN

Mengingat pertumbuhan awan di wilayah daerah target relatif lambat, maka penerbangan sorti pertama direncanakan sekitar jam 13.00 - 14.30 WITA dan penerbangan sorti kedua direncanakan sekitar jam 15.00 - 16.00 WITA. Direncanakan 2 (dua) sorti setiap hari, namun realisasinya tergantung kondisi cuaca yang setiap saat selalu berubah. Kegiatan penerbangan penyemaian awan dipandu oleh flight Scientist, yang mempunyai kemampuan dalam menganalisis kondisi awan dan dapat memutuskan apa yang harus dilakukan selama penerbangan. Selain harus mempunyai pengetahuan dasar meteorologi, seorang flight scientist mempunyai kemampuan khusus diantaranya : mampu mengamati ada tidaknya awan potensial dan memilih awan yang layak disemai berdasarkan kriteria yang telah ditentukan, mampu membaca dan memantau instrumen pesawat dan mentransformasikannya ke dalam peta serta mampu mengoperasikan peralatan Global Positioning System (GPS). Pengoperasian GPS dimaksudkan untuk melihat tracking pesawat mulai onboard, selama penerbangan dan saat penyemaian awan, hingga pesawat kembali ke Posko, sehingga route dan manuver pesawat selama terbang terekam dengan baik. Pengoperasian GPS dilakukan oleh Flight Scientist selama penerbangan eksekusi.

30


Penerbangan di luar daerah target dilakukan dengan mempertimbangkan arah angin agar awan yang disemai masuk ke daerah target saat menjadi hujan. Berikut rekapitulasi tracking pesawat Casa 212-200 ke daerah target selama periode kegiatan dapat dilihat pada Gambar 7.

Gambar 7. Rekapitulasi track penyemaian selama periode kegiatan tanggal 15 Februari sd. 03 Maret 2012.

Gambar 8. di bawah ini merupakan contoh pemantauan radar sebelum dilakukan penyemaian dan setelah dilakukan penyemaian beserta track penerbangannya.

kondisi aliran aktual dan jumlah aliran inflow selama kegiatan TMC. Data hidrologi yang dimonitor setiap hari adalah curah hujan, inflow outflow selama kegiatan TMC berlangsung. 3.1. Informasi Kejadian Hujan Informasi kejadian hujan diperoleh dari beberapa sumber yaitu : laporan dari flight Scientist yang baru menyelesaikan penerbangan, laporan Petugas Observer Cuaca BPPT di Posmet Mamasa, Posmet Sumarorong, Posmet Bakaru, serta laporan dari pengamat curah hujan di masing - masing lokasi dimana terpasang peralatan penakar curah hujan manual. Total penakar curah hujan yang terpasang di daerah target berjumlah 13; 12 lokasi berada di dalam DAS Mamasa dan 1 lokasi berada di luar DAS Mamasa sebagai daerah kontrol. Informasi kejadian hujan secara kuantitatif dapat dilihat pada Gambar 9. Selama periode kegiatan TMC tanggal 15 Februari – 03 Maret 2012, setiap harinya selalu turun hujan di dalam daerah target dengan intensitas hujan yang beragam seperti terlihat pada Gambar 9. 3.2. Distribusi Curah Hujan.

Selama periode kegiatan TMC tanggal 15

Gambar 8. Citra radar sebelum penerbangan (kiri), Peta Penerbangan tanggal 15 Februari 2012 (tengah) dan citra radar setelah penerbangan (kanan)

3.

HASIL DAN PEMBAHASAN

Hasil kegiatan meliputi informasi kejadian hujan, informasi distribusi curah hujan, informasi durasi curah hujan, informasi intensitas curah hujan dan informasi aliran di daerah target serta kondisi hidrologi DAS Mamasa yang dipantau di Dam Site (DCC) Bakaru. Informasi aliran berupa

Februari – 03 Maret 2012, setiap harinya selalu terjadi hujan dengan distribusi yang hampir merata di daerah target dengan intensitas yang berbeda. Di bagian utara (Mamasa, Malabo dan Talamantik) hingga bagian tengah DAS Mamasa (Sumarorong, Tabone, Ripung, Sikuku dan Makuang) hujan terjadi setiap hari, sementara di bagian Selatan DAS Mamasa (Salembongan dan Bakaru) sempat

Penerapan TMC untuk Mengatasi Defisit Inflow ... (M. Djazim. S.)

31

Gambar 9. Grafik rata-rata curah hujan wilayah DAS Mamasa selama Kegiatan TMC periode 15 Februari sampai dengan 03 Maret 2012

tidak terjadi hujan pada tanggal 21, 23, 28 Februari dan 01 Maret 2012. Untuk análisis, data curah hujan yang digunakan berasal dari 12 (dua belas) lokasi stasiun penakar hujan milik BPPT yang terpasang di dalam DAS Mamasa selama kegiatan TMC berlangsung. Kedua belas lokasi penakar hujan tersebut adalah di Posmet Mamasa, Posmet Bakaru, Posmet Sumarorong, DCC Bakaru, Salembongan, Pamombong, Makuang, Rippung, Sumarorong, Tamalantik, Malabo dan Tabone. Sementara untuk daerah kontrol dipasang satu buah penakar di luar DAS Mamasa, yaitu di Pamombong yang berada di sebelah Barat Daya DAS Mamasa. Akumulasi curah hujan wilayah DAS Mamasa selama periode kegiatan TMC adalah sebesar 281,1 mm dengan nilai rerata hariannya sebesar 15,6 mm/hari. Curah hujan tertinggi berada di Sumarorong (460 mm) sementara yang terendah berada di Malabo (157,5 mm). Dari Gambar 10 terlihat bahwa curah hujan di DAS Mamasa selama periode 15 Februari – 03 Maret 2012 paling banyak terjadi pada bagian tengah DAS (Sumarorong dan sekitarnya ke arah selatan). Pada wilayah ini, total curah hujannya di atas 300 mm. Daerah hulu DAS (utara) yang diwakili oleh stasiun Posmet Mamasa dan Stasiun Malabo serta daerah hilir DAS (selatan) yang diwakili stasiun Posmet Bakaru dan penakar di DCC Bakaru curah hujannya cenderung lebih kecil, yaitu kurang dari 200 mm. Distribusi curah hujan yang masih relatif cukup tinggi di wilayah tengah DAS Mamasa menyebabkan hujan yang terjadi pada hari itu masih dapat memberikan kontribusi aliran di damsite PLTA Bakaru dalam beberapa hari berikutnya.

3.3. Durasi dan Intensitas Curah Hujan Data curah hujan yang digunakan dalam analisis intensitas curah hujan adalah jumlah curah hujan dalam satu hari, karena sebagian besar alat penakar hujan yang terpasang di lapangan masih menggunakan sistem manual. Sejak awal kegiatan TMC dilakukan di DAS Mamasa, kondisi klimatologis mengindikasikan bahwa cuaca di wilayah target mulai basah dengan indikasi kondisi angin timuran yang membawa uap air dari Samudera Pasifik. Hal ini ditandai dengan durasi terjadinya hujan yang terjadi di beberapa stasiun penakar curah hujan yang berlangsung dalam durasi lama. Hujan secara umum berlangsung sekitar 1 (satu) hingga 2 (dua)

Gambar 10. Distribusi spasial curah hujan DAS Mamasa selama periode TMC (sumber : UPT Hujan Buatan)

32


jam pada sore hari, bahkan di beberapa lokasi hujan terjadi dengan durasi yang cukup lama sejak sore hingga malam hari ataupun sejak malam hingga dini hari. Besarnya intensitas curah hujan yang terjadi di daerah target selama kegiatan TMC berlangsung mulai dari intensitas gerimis (tidak terukur), sedang sampai lebat. Selama periode kegiatan TMC hujan terjadi secara merata di dalam DAS dengan intensitas cukup tinggi (>10 mm/hari) sebanyak 10 hari, yaitu pada tanggal 15, 16 18, 19, 20, 26, 27, 28 dan 29 Februari 2012 serta 03 Maret 2012. Intensitas curah hujan harian tertinggi untuk wilayah DAS Mamasa terjadi pada hari pertama kegiatan, tanggal 15 Februari 2012 dengan intensitas hujan mencapai 43,1 mm/hari. Pada tanggal tersebut, di beberapa lokasi terjadi hujan dengan intensitas tinggi (diatas 50 mm/hari), yaitu di Sumarorong (88 mm), Posmet Sumarorong (79,5 mm), Tabone (70,5 mm) dan Salembongan (54,5 mm). Kejadian hujan dengan intensitas tinggi lainnya terjadi pada tanggal 27 Februari 2012, yaitu sebesar 40.1 mm/hari, dimana pada tanggal tersebut intensitas hujan yang tinggi terjadi di Sikuku (68.5 mm), Sumarorong (68 mm), Posmet Sumarorong (56 mm) dan Rippung (56 mm). Jumlah hari hujan terbanyak selama kegiatan TMC terjadi di Posmet Mamasa, Talamantik, Malabo, Posmet Sumarorong dan Sumarorong sebanyak 17 (tujuh belas) hari, sedangkan jumlah hari hujan paling sedikit berada di Salembongan dan DCC Bakaru, yaitu 14 (empat belas) hari.

3.4. Informasi Aliran Informasi aliran menyangkut kondisi hidrologi waduk yang terdiri dari Tinggi Muka Air (TMA), Inflow (m3/det) dan Outflow (m3/det), yang terbagi menjadi discharge / pemakaian air (m3/ detik) dan limpasan (m3/detik). Kondisi hidrologi di PLTA Bakaru berbeda dengan waduk-waduk lain di Indonesia yang difungsikan sebagai PLTA. Kondisi waduk di PLTA Bakaru hanya berfungsi untuk menaikkan tinggi muka air sungai kemudian disalurkan ke suatu saluran menuju turbin untuk keperluan PLTA. Karena fungsi bendung (dam) hanya menaikan tinggi muka air, maka bendung Bakaru tidak berfungsi sebagai penyimpan air (reservoir) layaknya waduk-waduk lain seperti Waduk Kotopanjang di Riau atau Waduk Cirata, Saguling dan Jatiluhur di Jawa Barat. Karena Bendung Bakaru tidak mempunyai fungsi penyimpan air, maka jika terjadi aliran air yang besar akan terjadi limpasan diatas bendung dan airnya mengalir menuju laut, tanpa bisa dimanfaatkan lebih berdaya guna lagi. Selama kegiatan TMC, nilai inflow yang terukur di DCC Bakaru menunjukkan nilai yang fluktuatif. Nilai rata-rata inflow sebesar 64,68 m3/ detik dan nilai inflow tertinggi terjadi pada tanggal 01 Maret 2012 sebesar 124,66 m3/detik yang menyebabkan limpasan sebesar 81,11 m3/detik. Fluktuasi nilai inflow, discharge dan limpasan selama kegiatan TMC dapat dilihat pada Gambar 11 berikut ini.

Gambar 11. Fluktuasi Inflow, discharge, limpasan dan tinggi muka air DCC Bakaru selama periode Kegiatan TMC

Penerapan TMC untuk Mengatasi Defisit Inflow ... (M. Djazim. S.) Peningkatan inflow di Bendung Bakaru selama periode kegiatan TMC dapat dilihat pada Gambar 12 di bawah ini. Garis berwarna biru adalah nilai inflow historis dalam 27 tahun terakhir (tahun 1985 – 2011), garis berwarna hijau adalah inflow tahun 2011 dan garis berwarna ungu adalah inflow aktual tahun 2012. Dari Gambar 12 terlihat jelas bahwa secara umum kondisi inflow sejak awal tahun 2012 hingga sebelum dimulainya kegiatan TMC selalu berada di bawah nilai historis maupun kondisi tahun 2011 (kecuali beberapa hari di pertengahan Januari 2012). Semenjak dimulainya kegiatan TMC, kondisi inflow di Bendung Bakaru mengalami kenaikan secara signifikan. Pada periode awal kegiatan, kondisi inflownya melebihi nilai inflow tahun 2011 dan mulai mendekati nilai historisnya. Di periode pertengahan kegiatan, meski kondisi inflownya sempat menurun namun masih tetap berada di atas nilai tahun 2011, dan pada periode akhir kegiatan kondisi inflow aktual saat ini meningkat kembali bahkan jauh melebihi nilai tahun 2011 maupun nilai historisnya. Dari profil inflow terlihat dengan jelas bahwa pelaksanaan Teknologi Modifikasi Cuaca di DAS Mamasa telah berhasil meningkatkn inflow secara signifikan. Dengan mengambil asumsi dan berdasarkan pengalaman pelaksanaan TMC di Indonesia yang mampu menghasilkan tambahan air hujan sebanyak 20% sampai dengan 100%, serta pernyataan dari World Meteorological Organization (WMO), bahwa kegiatan TMC mampu menghasilkan rata-rata kenaikan curah hujan berkisar 20%, maka jumlah tambahan inflow yang terukur selama kegiatan TMC berlangsung adalah 20% x (100,60 /(120%))

33

= 16,77 juta m3. Jumlah inflow yang terpakai setiap harinya untuk pemakaian produksi listrik adalah air yang keluar untuk menggerakkan turbin pembangkit listrik (discharge) sementara sisanya terbuang dalam bentuk limpas. Akumulasi pemakaian air selama kegiatan adalah 64,23 juta m3 sehingga tambahan inflow sebagai pemakaian air adalah 20% x (64,23 / (120%)) = 10,70 juta m3. 4. KESIMPULAN Akumulasi curah hujan wilayah DAS Mamasa selama periode kegiatan TMC adalah sebesar 281,1 mm dengan nilai rerata hariannya sebesar 15,6 mm/hari. Curah hujan di DAS Mamasa paling banyak terjadi pada bagian tengah DAS. Daerah hulu serta daerah hilir DAS curah hujannya cenderung lebih kecil. Berdasarkan perhitungan Tim Evaluasi UPTHB BPPT, besarnya aliran hasil kegiatan TMC yang masuk di daerah target selama kegiatan TMC tanggal 15 Februari sd. 03 Maret 2012 adalah sebesar 100,60 juta m3, dengan inflow rata-rata sebesar 64,68 m3/detik. Dengan mengambil asumsi bahwa kegiatan TMC mampu menghasilkan kenaikan rata-rata inflow berkisar 20%, maka jumlah tambahan inflow yang diperoleh selama kegiatan TMC berlangsung adalah sekitar 16,77 juta m3. Hasil lain dari pekerjaan TMC adalah meningkatnya curah hujan yang bermanfaat bagi masyarakat di DAS Mamasa dan wilayah hilir sungai Mamasa untuk berbagai keperluan. Pelaksanaan Teknologi Modifikasi Cuaca di DAS Mamasa telah berhasil meningkatkn inflow secara signifikan.

Gambar 12. Kondisi inflow di Bendung Bakaru selama periode Kegiatan TMC dibandingkan kondisi dalam periode yang sama pada tahun 2011 dan historisnya (Qr)

34


DAFTAR PUSTAKA Climate Prediction Center. 2012. ENSO Cycle: Recent Evolution, Current Status and Predictions, edisi Maret 2012. Matthew C. Wheeler and Harry H. Hendon. 2004:, An All-Season Real-Time Multivariate MJO Index: Development of an Index for Monitoring and Prediction, Monthly Weather Review, 132, 1917-1932.

Salby, M. L., and H. H. Hendon, 1994: Intraseasonal behavior of clouds, temperature, and motion in the Tropics. J. Atmos. Sci.,51, 2207–2224. UPT Hujan Buatan, 2011 Laporan Kegiatan Penerapan Teknologi Modifikasi Cuaca Untuk Mengatasi Defisit Inflow PLTA Bakaru Tanggal 15 Februari sd. 03 Maret 2012 (Tahap II), Jakarta, 2009.

35

Syarat dan Format Penulisan Mengingat Jurnal Sain & Teknologi Modifikasi Cuaca bersipat ilmiah maka syarat dan format penulisan akan mengikuti majalah ilmiah. Adapun syarat dan format penulisan pada Jurnal Sain & Teknologi Modifikasi Cuaca adalah sebagai berikut:

1. Syarat Penulisan: A. Penulis harus mengikuti format penulisan yang diberikan. B. Untuk menjaga kwalitas Jurnal Sain & Teknologi Modifikasi Cuaca. penulis harus mengikuti kaidah penulisan ilmiah: sesuai antara judul dan tulisan; menggunakan bahasa Indonesia yang baik dan benar serta mudah dipahami; menggunakan bahasa Inggris (bila ada) yang baik dengan memperhatikan grammar dan spelling kata dengan cermat sebelum memasukan tulisan ke meja redaksi. C. Tulisan bukan duplikasi dan belum pernah dimuat atau dipublikasikan. D. Referensi harus jelas (nama, tahun dan dicantumkan dalam daftar referensi) untuk menghindari tuduhan plagiat (pencurian tulisan) E. Redaksi Jurnal Sain & teknoligi Modifikasi Cuaca memiliki hak dan wewenang penuh untuk: mengkoreksi; mengembalikan untuk diperbaiki; dan menolak tulisan yang masuk meja redaksi bila dirasa perlu. Penilaian akan dilakukan secara objektif. F. Tulisan yang dikembangkan untuk diperbaiki kalau mau diterbitkan harus diperbaiki terlebih dahulu sesuai dengan koreksi yang dilakukan oleh Redaksi. G. Tulisan yang diterbitkan menjadi milik UPT Hujan Buatan selaku penerbit Jurnal Sains & Teknologi Modifikasi Cuaca. H. Tulisan dan gambar dibuat dalam hitam putih. I. Tulisan yang dimasukan untuk diseleksi Redaksi dalam bentuk hard copy dan bila tulisan terpilih untuk diterbitkan harus memberikan soft copy yang berisi tulisan tersebut. J. Untuk dapat diterbitkan pada edisi terdekat, tulisan harus masuk paling lambat dua bulan sebelum bulan penerbitan (Juni dan Desember) agar Redaksi mempunyai kesempatan menyeleksi.

2. Format Penulisan:

A. JUDUL (center, bold, Font 14, semua huruf capital) (Gunakan kertas ukuran A4 dengan margin sebagai berikut: Atas 1 inchi dan bawah adalah 0,8 inchi dengan footer dan header masing-masing 0,6 inchi; Kiri adalah 1 inchi, dan kanan adalah 0,75 inchi. Badan tulisan ditulis dalam 2 kolom dengan jarak antara kolom adalah 0,25 inchi dan line spacing adalah satu, Khusus untuk bagian judul, abstract dan kata kunci, tulisan diberi indent dari margin kiri dan kanan masing-masing 0,5 inchi.)

B. Penulis1 (center, italic, Font 10, Arial, bukan huruf capital semua, dua spasi dibawah judul)

C. Abstract (Center, Bold, Font 12, Arial, tiga spasi dibawah penulis)

Abstract tulisan anda maksimum 500 kata (Justified, Italic, Font 10, Arial). Untuk memenuhi aturan dari LIPI, abstract ditulis dalam dua bahasa yaitu Inggris dan Indonesia. Bila makalah ditulis dalam bahasa Indonesia, silahkan tulis Intisari (dalam bahasa Indonesia) kemudian Abstract (dalam bahasa Inggris). Jika makalah dalam bahasa Inggris, silahkan tulis Abstract dahulu dan disusul dengan Intisari,

D. Kata Kunci: Tulis kata kunci yang berhubungan dengan tulisan Anda maksimum 5 kata kunci (Justified, normal,font 10, Arial, tiga spasi dibawah abstract).

1

Nama penulis secara lengkap disertai alamat untuk korespondensi


36

E. Isi Tulisan:

1. PENDAHULUAN (semua judul Chapter/Bab ditulis dengan format seperti ini, Justified, Bold, font 12, Arial, huruf kapital semua). Jumlah Chapter/Bab disesuaikan dengan kebutuhan tulisan.

Isi tulisan ditulis dengan format Justified, normal, font 10, Arial, dan dimulai satu spasi dibawah judul chapter/bab. Jika memungkinkan, judul chapter/bab mempunyai urutan sebagai berikut: 1. Pendahuluan 2. Metoda 3. Hasil 4. Pembahasan/Diskusi 5. Kesimpulan

1.1. Sub Chapter/Bab (Justified, Bold italic, font 12, Arial, dua spasi dibawah akhir kalimat). Isi tulisan ditulis dengan format Justified, normal, font 10, Arial dan dimulai satu spasi dibawah judul sub chapter/bab.

1.1.1. Sub Sub Chapter/Bab (Justified, italic, font 12, Arial, dua spasi dibawah kalimat terakhir). Isi tulisan ditulis dengan format Justified, normal, font 10, Arial dan dimulai satu spasi dibawah judul sub sub sub chapter/bab.

F. Gambar dan Tabel:

Jika Gambar atau Tabel cukup dalam format dua kolom, Gambar atau tabel harus diletakan dekat dengan tulisan yang menjelaskan gambar atau tabel tersebut. Jika gambar atau tabel yang akan ditampilkan cukup banyak, maka sebaiknya gambar atau tabel diletakan di akhir tulisan secara terpisah. Keterangan gambar diletakan dibawah gambar, sedangkan keterangan tabel diletakan diatas tabel.

G. Ucapan Terimakasih (bila ada)

Ucapan terimakasih (bila ada) dapat dituliskan sebelum menuliskan referensi.

Syarat dan Format Penulisan (Redaksi)

37

H. Daftar Pustaka/Referensi

Penulisan daftar pustaka/referensi mengikuti Bulletin of the American Meteorological Society. Beberapa contoh penulisan referensi adalah sebagai berikut:

Betts. A. K., H. H. Ball, and A. C. Beljaars, 1993: Comparison Between the land and surface response of the ECMWF model and the FIFE-1987 data. Quart. J. Roy. Meteor. Soc., 119 975-1001. Jackson, M. H., 1993: Galapagos: A Natural Hystory, University of Calgary Press, 316pp. Simpson, J., R. F. Adles, and G. R. North, 1988: A Proposed Tropical Rainfall Measuring Mission (TRMM) satellite. Bull. Amer. Meteor. Soc., 69 278-295.

I. Panjang makalah minimum 1000 kata dan maksimum 12 halaman termasuk gambar dan tabel.

J. Makalah yang sudah direvisi dan siap diterbitkan harus diserahkan dalam bentuk file, doc dan PDF, dan dikirim ke:

Redaksi Jurnal Sains & Teknologi Modifikasi Cuaca Gedung BPPT 1, Lantai 19 Jl. Mh. Thamrin no. 8 Jakarta Telp: 021 - 316 8828 (adit/cornel)

Atau dapat dikirim melalui email ke: [email protected]

Vol. 13, No. 1, Juni 2012

Recommend Documents