Perpustakaan Digital ITB

Prediksi cuaca numerik regional terus mengalami perkembangan dalam memprakirakan cuaca terutama prakiraan kejadian hujan lebat. Salah satu upaya dalam mengurangi tingkat kesalahan dalam keakurasian model WRF yaitu melakukan perbaikan dalam initial model dengan asimilasi data uap air. Perbaikan model dengan asimilasi uap air dapat mendeteksi uap air lebih baik yang berpotensi dalam konvergensi, pembentukan awan konvektif hingga hujan. Sehingga dalam penelitian ini dilakukan perbaikan initial model dengan melakukan asimilasi data uap air dari satelit Global Navigation Satellite System (GNSS) dalam pada prakiraan hujan lebat 1 Januari 2020 di Jakarta. Penelitian ini menggunakan model prediksi cuaca numerik regional Weather Research and Forecasting Data Asimilation (WRFDA) dengan metode Three Dimensional Variational (3DVAR). Data asimilasi yang digunakan yaitu data Precipitable Water Vapor (PWV) dan Zenith Tropospheric Delay (ZTD) dari GNSS. Hasil simulasi dengan asimilasi kemudian dibandingkan dengan hasil simulasi model tanpa asimilasi. Berdasarkan hasil simulasi penelitian ini, secara kuantitatif rata-rata error model eksperimen asimilasi PWV saja dengan eksperimen asimilasi kombinasi data PWV dan ZTD memiliki nilai bias yang lebih rendah di beberapa titik observasi curah hujan Stasiun Meteorologi di Jakarta. Model skenario asimilasi PWV dan model skenario dengan kombinasi asimilasi PWV dan ZTD memiliki magnitudo yang lebih besar pada prediksi PWV dibandingkan dengan model tanpa asimilasi. Moisture flux dari seluruh skenario memperlihatkan adanya transportasi uap air dari utara yang bertemu dengan angin dari selatan mengakibatkan konvergensi yang cukup kuat di wilayah Jakarta bagian utara dengan nilai konvergensi terbesar dihasilkan dari skenario asimilasi data PWV yang kemudian diikuti dengan puncak curah hujan yang tinggi diwilayah Jakarta. Selain itu, hasil model skenario PWV dan kombinasi PWV dan ZTD mampu mengurangi bias pada prediksi PWV. Sehingga model asimilasi PWV saja dan kombinasi PWV dan ZTD mampu meningkatkan performa model. Sedangkan tidak terdapat perubahan yang signifikan pada skenario dengan asimilasi ZTD dibandingkan dengan skenario tanpa asimilasi.