PENILAIN KETIDAKPASTIAN DATA MODEL PERUBAHAN IKLIM DENGAN METODE CDFDM DI WILAYAH SUMATERA BARAT
DOI: https://doi.org/10.25077/js.14.2.51-72.2017
Sugeng Nugroho * (Stasiun Klimatologi Padang Pariaman, BMKG, Sumatera Barat. Jln Padang-Bukittinggi Km.51, Sicincin, Padang Pariaman, Sumatera Barat, 25584, Indonesia.)
Rudi Febriamansyah (Program Studi Ilmu-Ilmu Pertanian, Pascasarjana, Universitas Andalas. Kampus Unand Limau Manis, Padang, Sumatera Barat, 25163, Indonesia)
Robi Muharsyah (Sub-bidang Analisis dan Informasi Klimatologi BMKG, Jakarta. Jln.Angkasa I, No. 2, Kemayoran, Jakarta Pusat, 10720, Indonesia.)
(*) Corresponding Author
Abstract
Dampak perubahan iklim yang terjadi pada suatu wilayah sangat tergantung sensitivitas faktor lokal dalam merespon perubahan iklim global yang terjadi, sehingga sangat penting untuk melakukan koreksi data perubahan iklim global dengan data observasi di lokasi. CDFDM merupakan salah satu metode koreksi bias yang dapat digunakan untuk melakukan koreksi tersebut. Tujuan utama dari penelitian ini adalah untuk mengetahui ketidakpastian (uncertainty) data curah hujan, suhu maksimum dan suhu minimum hasil downscaling dari lima model GCMs, yaitu MIROC-ESM, MIROC-ESM-CHEM, MPI-ESM-MR, MPI-ESM-LR dan MRI-CGCM3 di wilayah Sumatera Barat. Data yang digunakan terdiri dari dua kelompok utama: data model GCMs dan observasi. Data observasi bersumber dari stasiun pengamatan BMKG Sumatera Barat dalam periode waktu 1981-2015. Untuk mengetahui ketidakpastian antara dua kelompok data digunakan metode PBIAS, MAE dan RMSE. Hasil penelitian menunjukkan bahwa CDFDM dapat mengurangi terjadinya bias antara data GCMs dan data Observasi ditunjukan dengan nilai bias yang lebih kecil. Namun besarnya kesalahan (magnitude error) tetap tidak dapat terkoreksi, ditunjukan oleh nilai RMSE dan MAE yang lebih besar setelah dilakukan koreksi. Dari kelima model telihat bahwa model MPI-ESM-LR dan MPI-ESM-MR memiliki performa terbaik dalam memproyeksikan data curah hujan dan suhu udara minimum. Sedangkan untuk suhu udara maksimum, selain kedua model tersebut model MIROC-ESM dan MIROC-ESM-CHEM, juga mempunyai tingkat performa yang hampir sama, baik di wilayah dataran rendah maupun dataran tinggi Sumatera Barat pada periode data tersebut
Kata kunci : uncertainty, GCMs, bias koreksi, CDFDM, Sumatera Barat
Full Text:
PDFReferences
Bao, Y and X.Y. Wen (2016). Projection of China’s Near-and Long-Term Climate in a New High-Resolution Daily Downscaled Dataset NEX-GDDP. J. Meteor. Res., 31(1): 236-249, doi: 10.1007/s13351-07-6106-6.
Cammarano, M., Rivington, K.B. Matthews, D.G. Miller, G. Bellocchi (2016). Implications of climate model biases and downscaling on crop model simulated climate change impacts. Europ J. Agronomy. http://dx.doi.org/10.1016/j.eja.2016.05.012
Case M., F Ardiansyah and E Spector (2007). Climate Change in Indonesia: Implication for Human and Nature. WWF Press Conference, Mahattan Hotel, Jakarta, November 28, 2007.
Daksiya, V., P. Mandapaka, and Edmon Y.M.L. (2017). A Comparative Frequency Analysis of Maximum Daily Rainfall for a SE Asian Region under Current and Future Climate Condition. Advance in Meteorology, Vol. 2017, Article ID 2620798, 16 pages, Hindawi. . http://dx.doi.org/10.1155/2017/2620798
Ghahreman, N., M. Tabatabaei and I. Babaeian. (2015). Investigation of Uncertainty in the IPCC AR5 Precipitation and Temperature Projection over Iran under RCP Scenarios. Poster on COP21-CMP11, Paris 2015.
Iizumi T., M. Nishimori, K. Dairaku, S.A. Adachi, M. Yokozawa (2011). Evaluation and intercomparison of downscaled daily precipitation indices over Japan in present-day climate: Strengths and weaknesses of dynamical and bias correction-type statistical downscaling methods. J. Geophys. Res., 116, D01111, doi:10.1029/2010JD014513.
Malaysian Metorological Department (2009). Climate Change Scenarios fo Malaysia 2001-2099. Scientific Report, Numerical Weather Prediction Development Section Technical Development Division Malaysian Meteorological Department Ministry of Science, Technology and Innovation
Muharsyah, R., (2017). Koreksi Bias Hasil Proyeksi MIROC5 Keluaran WRF dengan Metode CDFDM. Komunikasi pribadi.
Palazzoli, S., Maskey, S., Uhlenbrook, E., Nana dan D. Bocchiola (2015). Impact of prospective climate change on water rsources and crop yield in the Indrawati basin, Nepal. Agricultural System 133: 143-157. http://dx.doi.org/10.1016/j.agsy.2014.10.016.
Stanski, H, R., L.J. Wilson and W.R Burrows (1989). Survey of Common Verification Methods in Meteorology. Atmospheric Research Report No (MSRB) 89-5, Atmospheric Environment Canada.
Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley (2013). IPCC Summary for Policymakers. In: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
Tanggang, F. T., I. Juneng, E.Salimum, K. M., Sei L Julle and H. Muhamad (2012). Climate Change and Variability Over Malaysia: Gaps in Science and Research Information. Sains Malaysiana 41(11) : 1355–1366.
Wilby, Robert C.W. Dawson (2007). Statistical Downscaling Model, SDMS Version 4.2 : User Manual.
Article Metrics
This article has been read : 1323 timesPDF file viewed/downloaded : 26 times
Copyright (c) 2017 Jurnal Solum
