Komparasi dan Evaluasi Data Hujan Berbasis Satelit dalam Mengestimasi Curah Hujan Harian Maksimum di Provinsi Papua Barat

Arif Faisol, Samsul Bachri

Sari


Banjir merupakan salah satu bencana alam yang mendominasi kejadian bencana alam di Provinsi Papua Barat. Terbatasnya stasiun iklim dan stasiun hujan di Provinsi Papua Barat mengakibatkan sebagian besar wilayah di Provinsi Papua Barat belum memiliki data hujan sehingga menjadi kendala dalam melakukan analisis banjir. Tersedianya data hujan hasil pengamatan satelit dapat dijadikan sebagai solusi alternatif dalam penyediaan data hujan di Provinsi Papua Barat, diantaranya adalah Tropical Rainfall Measuring Mission (TRMM), Global Precipitation Measurement (GPM), dan Climate Hazards Group Infrared Precipitation with Stations (CHIRPS). Penelitian ini bertujuan untuk menguji akurasi data TRMM, GPM, dan CHIRPS dibandingkan dengan data hasil perekaman pada automatic weather stations (AWS) menggunakan 7 (tujuh) parameter statistik, yaitu root mean square error (RMSE), mean error (ME), mean absolute error (MAE), relative bias (RBIAS), mean bias factor (MBIAS), percent bias (PBIAS), dan koefisien korelasi (r). Hasil penelitian menunjukkan data TRMM, GPM, dan CHIRPS memiliki akurasi yang acceptable dalam mengestimasi curah hujan harian maksimum di Provinsi Papua Barat dengan nilai bias sebesar 23,29% - 33,47% dibanding data AWS serta memiliki hubungan yang kuat dengan data AWS yang ditunjukkan dengan nilai koefisien korelasi sebesar 0,65 – 0,69. Dari ketiga data tersebut, data TRMM memiliki akurasi yang lebih baik dalam mengestimasi curah hujan harian maksimum di Provinsi Papua Barat. Oleh sebab itu data TRMM lebih direkomendasikan apabila digunakan untuk analisis banjir di Provinsi Papua Barat khususnya pada wilayah yang belum tersedia stasiun iklim maupun stasiun penangkar hujan.

Kata Kunci


banjir, Tropical Rainfall Measuring Mission (TRMM), Global Precipitation Measurement (GPM), dan Climate Hazards Group Infrared Precipitation with Stations (CHIRPS)

Teks Lengkap:

PDF

Referensi


Azka, M. A., Sugianto, P. A., Silitonga, A. K., dan Nugraheni, I. R. (2018). Uji Akurasi Produk Estimasi Curah Hujan Satelit GPM IMERG di Surabaya, Indonesia. Jurnal Sains & Teknologi Modifikasi Cuaca, 19(2), 83–88.

Badan Nasional Penanggulangan Bencana. (2020). Data Informasi Bencana Indonesia (DIBI). http://bnpb.cloud/dibi/tabel1a

Badan Pusat Statistik. (2020). Provinsi Papua Barat Dalam Angka 2020. Badan Pusat Statistik.

Budiyono, dan Faisol, A. (2021). Evaluasi Data Climate Hazards Group Infrared Precipitation With Station ( CHIRPS ) Dengan Data Pembanding Automatic Weather Stations ( AWS ) Dalam Mengestimasi Curah Hujan Harian Di Provinsi Papua Barat. Jurnal Teknik Pertanian Lampung. 10(1), 64–72.

Climate Hazards Center. (2020). CHC Early Estimates. https://www.chc.ucsb.edu/monitoring/ early-estimates.

Faisol, A., dan Atekan, A. (2020). Potensi Pemanfaatan Data Iklim Berbasis Citra Satelit untuk Pengembangan Lahan Pertanian di Provinsi Papua Barat. Igya Ser Hanjop, 2(2), 69–80. https://doi.org/10.47039/ish.2.2020.69-80

Faisol, A., Budiyono, B., Indarto, I., dan Novita, E. (2019). Evaluasi Data Hujan Harian Global Precipitation Measurement (GPM) versi ke-6 di Provinsi Papua Barat. Prosiding Seminar Nasional MIPA UNIPA IV, 147–154.

Faisol, A., Indarto, I., Novita, E., dan Budiyono, B. (2020). Komparasi Antara Climate Hazards Group Infrared Precipitation With Stations (CHIRPS) dan Global Precipitation Measurement (GPM) Dalam Membangkitkan Informasi Curah Hujan Harian di Provinsi Jawa Timur. Jurnal Teknologi Pertanian Andalas, 24(2), 148–156.

Funk, C. C., Peterson, P. J., Landsfeld, M. F., Pedreros, D. H., Verdin, J. P., Rowland, J. D., Romero, B. E., Husak, G. J., Michaelsen, J. C., and Verdin, A. P. (2014). A Quasi-Global Precipitation Time Series for Drought Monitoring (1st ed.).

Goddard Space Flight Center. (2013). Global Precipitation Measurement (GPM) Science Implementation Plan. NASA.

International Research Institute for Climate and Society. (2015). Indonesia CPT Precipitation Forecast. https://iridl.ldeo.columbia.edu/maproom/Agriculture/Forecast/Indonesia_ Precip_CHIRPS.html#tabs-2.

Khawaja, S. (2019). Global Precipitation Mission: Improved, Accurate and Timely Global Precipitation Information. https://www.space4water.org/news/global-precipitation-mission-improved-accurate-and-timely-global-precipitation-information

Krisnayanti, D. S., Welkis, D. F. B., Hepy, F. M., and Legono, D. (2020). Evaluasi Kesesuaian Data Tropical Rainfall Measuring Mission (TRMM) dengan Data Pos Hujan Pada Das Temef di Kabupaten Timor Tengah Selatan. Jurnal Sumber Daya Air, 16(1), 51–62.

LAPAN. (2020a). Curah Hujan. https://spbn.pusfatja.lapan.go.id/maps/7122.

LAPAN. (2020b). Rawan Kering Lahan Sawah. https://sipandora.lapan.go.id/site/ rawankeringsawah.

Lelis, L. C., Bosquilia, R. W. D., and Duarte, S. N. (2018). Assessment of Precipitation Data Generated by GPM and TRMM Satellites. Revista Brasileira de Meteorologia, 33(1), 153–163.

Macritchie, K. (2017). README Document for the Tropical Rainfall Measurement Mission ( TRMM ) Version 7 (4th ed.). National Aeronautics and Space Administration.

National Center for Atmospheric Research Staff. (2020). The Climate Data Guide: Precipitation Data Sets: Overview & Comparison table. Agustus.https://climatedataguide.ucar.edu/climate-data/precipitation-data-sets-overview-comparison-table

Nuraini, T. A., Nuryanto, D. E., Komalasari, K. E., Satyaningsih, R., Fajariana, Y., Anggraeni, R., dan Sopaheluwakan, A. (2019). Pengembangan Model HyBMG 2.07 Untuk Prediksi Iklim Di Indonesia Dengan Menggunakan Data Tropical Rainfall Measuring Mission (TRMM). Jurnal Meteorologi Dan Geofisika, 20(2), 101.

Omranian, E., Sharif, H. O., and Tvakoly, A. A. (2018). How Well Can Global Precipitation Measurement ( GPM ) Capture Hurricanes ? Case Study : Hurricane Harvey. Remote Sensing, 14. https://doi.org/10.3390/rs10071150

Saeidizand, R., Sabetghadam, S., Tarnavsky, E., and Pierleoni, A. (2018). Evaluation of CHIRPS Rainfall Estimates over Iran. Advances in Remote Sensing Pf Rainfall and Snowfall, 144(May), 282–291. https://doi.org/10.1002/qj.3342

Syaifullah, M. D. (2014). Validasi Data TRMM Terhadap Data Curah Hujan Aktual di Tiga DAS di Indonesia. Jurnal Meteorologi Dan Geofisika, 15(2), 109–118.

Trejo, F. J. P., Barbosa, H. A., Peñaloza-Murillo, M. A., Moreno, M. A., and Farías, A. (2016). Intercomparison of Improved Satellite Rainfall Estimation with CHIRPS Gridded Product and Rain Gauge Data over Venezuela. Atmósfera, 29(4), 323–342.

Wang, Z., Zhong, R., Lai, C., and Chen, J. (2017). Evaluation of The GPM IMERG Satellite-based Precipitation Products and The Hydrological Utility. Atmospheric Research, 196(June), 151–163. https://doi.org/10.1016/j.atmosres.2017.06.020

World Meteorological Organization. (2010). Commission for Instruments and Methods of Observation (WMO-No. 1064). In Fifteenth session - Abridged final report with resolutions and recommendations (Issue 1064).


Refbacks

  • Saat ini tidak ada refbacks.


View My Stats