Hasil Pencarian  ::  Simpan CSV :: Kembali

"Variabilitas curah hujan merupakan penyebab utama dalam jumlah keseimbangan air di setiap Daerah Aliran Sungai (DAS) dalamskala ruang dan waktu, sehingga variabilitas curah hujan memiliki peranan penting terhadap debit aliran permukaan. Tidak hanya curahhujan sebagaiinput utama, tingkat penutupan lahan dan sifat fisiktanah dengan berbagai konsep pun merupakaninput penting dalammenjaga kesetimbangan jumlah air dalam suatu DAS, sehinggamenghasilkan satu kesetimbangan neraca air, dan debit aliranpermukaan dianggap sebagai keluaran yang berpeluang untukkebutuhan sektor. Data yang digunakan adalah luaran model GCMGeophysical Fluid Dynamics Laboratory (GFDL) curah hujan dalamsatuan (mm) yang direduksi dari skala global menjadi lokal. Selain itudata curah hujan (mm) satelitTropical Rainfall Measuring Mission (TRMM, 3B43) dengan resolusi 0,25 derajat (setara dengan 27,5 km2),suhu (0C) dariModerate Resolution Imaging Spectroradiometer (MODIS)level dengan resolusi 0,045 derajat (setara dengan 5 km2). Begitu puladata observasi curah hujan, suhu dan debit aliran permukaan(mm3/det) dari tahun 2001 hingga 2009 yang digunakan untuk validasidata satelit dan model atmosfer. Korelasi antara curah hujan observasidengan satelit dan luaran model atmosfer masing-masing sebesar 0,76dan 0,65. Dengan menggunakan metodeHydrological Simulation Model (HYSIM) dapat diketahui proyeksi debit aliran permukaan dimasamendatang berbasis model atmosfer di DAS Citarum, Jawa Barat.Berdasarkan debit aliran perhitungan dan observasi dari tahun 2001hingga 2009, ternyata memiliki kesesuaian yang sangat mirip dengankoefisien korelasi 0,8. Setelah dikalibrasi proyeksi debit aliran tahun2011 hingga 2019 adalah mengikuti pola tahun-tahun sebelumnyadengan korelasi 0,6. Debit aliran dipengaruhi dengan curah hujan diwilayahnya. Berdasarkan curah hujan proyeksi, diketahui bahwa curahhujan meningkat seiring dengan meningkatnya curah hujan, makaketersediaan air pun lebih banyak, sehingga debit aliran permukaan diDAS Citarum diperkirakan cenderung meningkat."

"[ABSTRAKPemahaman mengenai interaksi laut dan atmosfer merupakan kunci untuk menjelaskan fenomena iklim dan cuaca di benua maritim Indonesia. Dalam penelitian ini, akan dikaji hubungan antara energi radiasi gelombang panjang yang dipantulkan oleh bumi ke atmosfer, Outgoing Longwave Radiation (OLR), dengan suhu muka laut (SST). Sebagai ilustrasi, uap air (terutama awan), merupakan gas yang cukup efektif menyerap radiasi gelombang panjang. Namun jumlah uap air di atmosfer selalu berubah karena terjadi proses penguapan dan kondensasi secara terus-menerus, sementara sumber uap air utama adalah lautan. Data yang digunakan adalah OLR dan SST tahun 1979 hinggga 2011. Berdasarkan hasil analisis diketahui bahwa nilai koefisien korelasi di wilayah Indonesia menunjukkan ikatan hubungan yang sedang (r = 0,5). Sedangkan hasil pemetaan korelasi dan signifikansi menunjukkan bahwa hubungan OLR dan SST di wilayah Indonesia dipengaruhi oleh fenomena ENSO dan IODM.

---

ABSTRACTOcean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM.;Ocean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM.;Ocean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM.;Ocean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM.;Ocean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM., Ocean and atmosphere interactions are the key to explain the phenomenon of climate and weather in Indonesia. This study will be assessed the relationship between the energy of longwave radiation reflected by the earth into the atmosphere, Outgoing Longwave Radiation (OLR), and sea surface temperature (SST). As an illustration, water vapor (especially cloud), is an effective gas to absorb longwave radiation. But the amount of water vapor in the atmosphere is always changing due to evaporation and condensation processes continously, while the main source of water vapor is the ocean. The data used is OLR and SST in 1979 until 2011. Based on the analysis it is known that the value of the correlation coefficient in the region of Indonesia shows r = 0,5. While the results of the mapping correlation and significance shows that OLR and SST relationship in Indonesia affected by ENSO and IODM.]"

"Salah satu penghasil gas rumah kaca yang banyak menjadi sorotan adalah gas CO2. Gas ini paling banyak diemisikan dari pemakaian energi dan menyebabkan pemanasan global, oleh karena itu berbagai upaya telah dilakukan untuk menguranginya. Salah satu contoh pengimplementasiannya adalah gas CO2 yang disuntikkan ke dalam tanah, selain itu ada pula penyuntukkan CO2 cair kedalam laut."

"ABSTRAKPerubahan iklim telah menyebabkan kerugian jiwa dan ekonomi akibat fenomena iklim ekstrem seperti banjir, kekeringan, perubahan karakteristik hujan dan kenaikan suhu di Indonesia. Informasi tentang proyeksi iklim yaitu curah hujan dan tren suhu sangat penting untuk melakukan adaptasi, mitigasi serta perencanaan operasional untuk berbagai sektor yang terkena dampak. Dalam studi ini, peneliti menggunakan data observasi dan data model iklim global. Data observasi harian berasal dari 70 stasiun meteorologi di Indonesia selama 20 tahun dari 1986 hingga 2005. Selanjutnya 29 data model iklim global GCM (Global Circulation Model) dari CMIP5 (Coupled Model Intercomparison Project Phase 5) historical dianalisis berdasarkan kesamaan pola spasial dan pola temporal dengan pola pengamatan stasiun meteorologi di Indonesia menggunakan korelasi. Model proyeksi perubahan iklim masa depan hingga tahun 2100 untuk variabel curah hujan dan suhu udara dikoreksi biasnya untuk skenario RCP 4.5 dan RCP 8.5 dari model terbaik yang didapatkan dari korelasi tertinggi. Proyeksi masa depan dibuat dalam index iklim ekstrem berdasarkan ETCCDI (Expert Team on Climate Change Detection and Indices) menjadi index total curah hujan tahunan (Prcptot), hari kering berturut-turut (CDD), hari hujan berturut-turut (CWD), nilai suhu maksimum bulanan (TXx) dan nilai suhu minimum bulanan (TNn). Index iklim ekstrem berdasarkan ETCCDI proyeksi dibandingkan dengan periode historical (1981-2010) sehingga diperoleh seberapa besar persentase perubahan iklim ekstrim pada periode 2011-2040, 2041-2070 dan 2071-2100. Hasil proyeksi masa depan secara temporal dan spasial indek iklim ekstrim meliputi Prcptot, CWD, TXx dan TNn kecuali indek CDD relatif mengalami kenaikan terhadap periode historicalnya.

---

ABSTRACTClimate change has caused life and economic losses due to extreme climate phenomena such as floods, droughts, changes in the characteristics of rain and rising temperatures in Indonesia. Information about climate projections, namely rainfall and temperature trends is very important for adaptation, mitigation and operational planning for the various sectors affected. In this study, researcher used observational data and global climate model data. Daily observational data obtained from 70 meteorological stations in Indonesia for 20 years from 1986 to 2005. Furthermore, 29 global model GCM (Global Circulation Model) from CMIP5 (Coupled Model Intercomparison Project Phase 5) historical were analyzed based on similarity of spatial patterns and temporal patterns with pattern of observation of meteorological stations in Indonesia using correlation. The projection model of future climate change until 2100 for rainfall variables and air temperature bias corrected for RCP 4.5 and RCP 8.5 scenarios of the best models obtained from the highest correlation. Future projections are made in the extreme climate index based on ETCCDI (Expert Team on Climate Change Detection and Indices) to be an index of total annual rainfall (Prcptot), consecutive dry days (CDD), consecutive wet days (CWD), maximum monthly temperature values (TXx) ​​and minimum monthly temperature values (TNn). Extreme climate index based on projection ETCCDI compared to historical period (1981-2010) so that the percentage of extreme climate change is obtained in the period 2011-2040, 2041-2070 and 2071-2100. The results of temporal and spatial predictions of extreme climate indices include Prcptot, CWD, TXx and TNN except that the CDD index has relatively increased over the historical period."

"Tulisan ini akan mengulas potensi emisi metana dari sumber genangan banjirdengan alasan pertama baru sedikit pustaka yang menyebutkan banjir sebagai salahsatu sumber emisi metana yang bersifat antropogenik (dampak dari kegiatan manusia),temporer (sewaktu-waktu), dan bentuk emisi yang berupa sumber area. Ke dua,kejadian banjir yang cenderung, semakin hari semakin memiliki frekuensi yang tinggisetiap tahun, area yang terkena banjir semakin meluas dengan genangan yangsemakin meninggi setiap kejadian banjir. Ke tiga, penyebaran konsentrasi metan yangdapat sampai ke lapisan stratosfer berpotensi memanasi bumi (pemanasan global) danterjadinya penipisan lapisan ozon (lubang ozon). Oleh karena itu melalui tulisan iniakan diulas mengapa banjir berpotensi sebagai sumber emisi metan. Potensi emisimetana dari banjir dapat dilihat dari warna air genangan selama banjir yang berwarnasebagian besar adalah coklat tanah, luas areal yang terkena banjir, ketinggiangenangan air, dan lama kawasan tergenang air selama beberapa hari. Hasil estimasiemisi CH4 dari lahan banjir hanya 0,0002 % dari semua sumber emisi CH4. Walaupunprosentasi emisi CH4 dari sumber banjir sangat kecil, tetapi kecenderungan daerahyang terkena banjir dari tahun ke tahun semakin meluas dengan tinggi genangan lebihtinggi dan lama tergenang yang lebih lama."

"Matahari merupakan sumber utama energi, menjadi penggerak dan sebagai sumber gangguan bagi atmosfer bumi. Kondisi matahari selalu mengalami perubahan dalam skala waktu pendek (detik, menit, dan 27 hari-an) dan skala panjang (misalnya siklus matahari 11 tahun). Perubahan dalam skala waktu pendek dari matahari yang mempengaruhi lingkungan antariksa dikatakan sebagai cuaca antariksa. Hubungan matahari-bumi merupakan pembahasan tentang fenomena aktivitas matahari sebagai sumber energi dan gangguan terhadap orbit satelit dan dinamika sampah antariksa, magnet antariksa dan magnet bumi regional, dinamika ionosfer dan propagasi gelombang radio, dan dinamikaatmosfer tengah dan atas bumi, serta peran aktivitas matahari pada pemanasan dan perubahan iklim global. Parameter aktivitas matahari yang perlu ditinjau adalah bintik matahari (sunspot), solar flux (F10.7), flare optik (Hα) dan flare X-ray, ultra violet (UV), semburan radio (radio bursts), lontaran massakorona (Coronal Mass Ejection/CME), angin surya (solar wind) dan solar proton."

"Matahari merupakan sumber utama energi, menjadi penggerak dan sebagai sumber gangguan bagi atmosfer bumi. Kondisi matahari selalu mengalami perubahan dalam skala waktu pendek (detik, menit, dan 27 hari-an) dan skala panjang (misalnya siklus matahari 11 tahun). Perubahan dalam skala waktu pendek dari matahari yang mempengaruhi lingkungan antariksa dikatakan sebagai cuaca antariksa. Hubungan matahari-bumi merupakan pembahasan tentang fenomena aktivitas matahari sebagai sumber energi dan gangguan terhadap orbit satelit dan dinamika sampah antariksa, magnet antariksa dan magnet bumi regional, dinamika ionosfer dan propagasi gelombang radio, dan dinamikaatmosfer tengah dan atas bumi, serta peran aktivitas matahari pada pemanasan dan perubahan iklim global. Parameter aktivitas matahari yang perlu ditinjau adalah bintik matahari (sunspot), solar flux (F10.7), flare optik (Hα) dan flare X-ray, ultra violet (UV), semburan radio (radio bursts), lontaran massakorona (Coronal Mass Ejection/CME), angin surya (solar wind) dan solar proton."

"Perbandingan antara model TEC near-real time (TEC-NRT) regional Indonesia dan model TEC GIM (Global Ionospheric Map) berdasarkan variasi diurnal telah dapat dilakukan. Metode perbandingannya dengan mencari selisih nilai TEC kedua model secara spasial (lintang dan bujur) yang mencakup wilayah Indonesia. Perbandingan yang telah dilakukan hanya menggunakan data TEC kedua model tanggal 15 Maret 2009 dengan rentang waktu 0 â?? 10 UT. Kedua model memiliki pola yang sama dalam pola diurnal. Hanya saja, pola grafik diurnal TEC model GIM lebih landai dibandingkan model TEC-NRT sehingga terlihat waktu nilai puncak TEC kedua model berbeda. Jam 6 UT adalah waktu nilai TEC mencapai puncak dalam variasi diurnal untuk model TECNRT, sedangkan model GIM memiliki waktu puncak TEC pada jam 8 UT dalam variasi diurnal. Pemodelan TEC dari model TEC-NRT secara umum lebih rendah (underestimate) terhadap TEC model GIM. Dari jam 0 â?? 10 UT, selisih nilai TEC model TEC-NRT sekitar 2 â?? 20 TECU dari nilai TEC model GIM. Selisih terbesar pada jam 10 UT, yaitu sekitar 10 â?? 20 TECU. Pada jam tersebut, nilai TEC model TEC-NRT seluruh wilayah Indonesia model lebih rendah dibandingkan model GIM"