MACAM – MACAM INDEKS IKLIM

MACAM – MACAM INDEKS IKLIM

Oleh: Gilang Arya Putra (Taruna Jurusan Klimatologi STMKG)

atmosfer

Indeks Monsun

Monsun merupakaan keadaan angin kebanyakan yang berubah secara periodic. Menurut Khromov, daerah monsoon adalah daerah tempat arah angin yang berkuasa berbalik arah antara bulan Januari dan Juli. Pada bulan Januari merupakan maksumujm musim dingin di BBU dan Juli merupakan maksimum musim panas di BBU. Wilayah Indonesia dipengaruhi oleh Monsun Asia dan Australia. Monsun memiliki indeks yang disebut sebagai indeks monsun. Kecepatan angin pada wilayah yang menjadi tempat terbentuknya monsun inilah yang akan menjadi dasar untuk perhitungan indeks monsun. Dalam memamahim kekuatan angin monsun di suatu daerah dibutuhkan perhitungan indeks monsun yang diturunkan dari angin zonal. Sementara itu, dalam memperkirakan kondisi iklim yang dominan dikontrol oleh curah hujan dihitung dengan kekuatan angin monsun tersebut. Berikut merupakan beberapa indeks monsun.

  • Webster-Yang Monsoon Index

Webster dan Yang (1992) memperkenalkan indeks monsun yang dasarnya bersifat dinamis, di mana sirkulasi monsun skala besar diartikan sebagai respons dari gelombang Rossby terhadap panas laten yang berada di midtroposfer yang kemudian dilepaskan oleh konveksi monsun di Asia Selatan. Respon yang dinamis ini didominasi oleh mode baroklinik terendah dan menunjukkan geseran angin vertikal terkait dengan kekuatan sumber panas dan dengan curah hujan monsunal. Mereka juga mendefinisikan monsun mereka sebagai pergeseran angin zonal antara lapisan 850 hPa dan 200 hPa dan berada di wilayah 0⁰ hingga 20⁰N dan 40⁰ hingga 110⁰E. Indeks ini menghubungkan geseran angin zonal ke gradien suhu meridional melalui keseimbangan angin termal.

  • Australian Monsoon Index

Indeks ini didefinisikan sebagai nilai rata-rata angin zonal pada level ketinggian 850mb dalam area antara 5⁰ hingga 150⁰S dan 110⁰ hingga 130⁰E. Indeks monsun Australia ini telah merepresentasikan dengan sangat baik curah hujan monsunal di sebagian besar wilayah Indonesia dan di Australia bagian utara pada skala musiman, antarmusiman, tahunan, antartahunan, hinggal skala 10-tahunan. Di Australia bagian utara, indeks monsun ini telah dijadikan pedoman untuk variabilitas curah hujan di daerah tersebut. Menurut Kajikawa (2009), hal ini dikarenakan penguatan dan pelemahan indeks ini terbukti berkorelasi linier dengan pertambahan dan pengurangan curah hujan di wilayah Australia bagian utara.

  • Western North Pasific Monsoon Index

Indeks ini didasarkan pada anomali angin di atas domain besar di Pasifik Barat. Indeks ini juga didefinisikan sebagai nilai rata-rata angin zonal pada level ketinggian 850mb di dua wilayah yang berbeda. Wilayah pertama berada pada 5⁰ hingga 15⁰N dan 90⁰ hingga 130⁰E, serta wilayah kedua berada pada 20⁰ hingga 30⁰N dan 110⁰ hingga 140⁰E.

  • East Asian Monsoon Index

Indeks ini didefinisikan sebagai indeks monsun terpadu. Beberapa indeks monsun telah dibuat untuk menggambarkan variabilitas iklim di suatu daerah tertentu, tetapi indeks monsun terpadu ini cocok digunakan untuk semua wilayah monsun bahkan wilayah yang belum ditemukan indeks nya. Salah satu fitur menonjol dari EASM adalah konsentrasi curah hujan di sabuk hujan yang hampir memanjang ke timur-barat. Sabuk hujan subtropis ini paling menonjol selama bulan Juni dan Juli, yang membentang ribuan kilometer, mempengaruhi Cina, Jepang, Korea, dan laut sekitarnya.

  • South Asian Monsoon Index

Monsun Asia Selatan merupakan salah satu monsun global yang terdistribusi secara geografis, dimana monsun ini memengaruhi wilayah di India yang merupakan salah satu fenomena cuaca tertua dan yang paling diantisipasi dari Juni hingga September. Indeks ini dicirikan oleh sistem angin pembalik musiman serta didefinisikan sebagai selisih rata-rata angin meridional pada lapisan 850mb dan 200mb di wilayah dengan koordinat 10⁰ hingga 30⁰N dan 70⁰ hingga 110⁰E.

Indeks Kekeringan

Kekeringan merupakan kondisi dimana ketersediaan air tergolong kategori rendah yang berada jauh dibawah kebutuhan pada berbagai sector. Kekeringan dapat dikatakan sebagai kondisi penyimpangan yang bersifat sementara yang tidak termasuk ke dalam musim kemarau. Banyak faktor yang menyebabkan kekeringan ini terjadi, salah satu penyebabnya antara lain adalah cuaca ekstrim yang terjadi akibat perubahan iklim di wilayah ekuator seperti El Nino dan La Nina. Kekeringan dikategorikan sebagai bencana alam yang kompleks dan terjadi secara perlahan-lahan. Berikut merupakan beberapa indeks kekeringan yang dapat digunakan untuk mengukur tingkat kekeringan di suatu wilayah.

  1. CDD (Consecutive Dry Days)

CDD atau Consecutive Dry Days adalah salah satu dari beberapa Indeks Iklim Inti yang memberikan gambaran seberapa lama kekeringan terjadi pada suatu wilayah dengan menghitung jumlah hari tanpa hujan (CH < 1 mm) secara kontinu (Leslie Malone, 2011). CDD ini juga merupakan salah satu indeks perubahan iklim yang direkomendasikan oleh Expert Team on Climate Change Detection and Indices (ETCCDI) untuk mendeteksi dan mempelajari kejadian iklim ekstrim terutama yang berkaitan dengan kekeringan. pemantauan

CDD yang saat ini dilakukan oleh Badan meteorologi Klimatologi dan Geofisika (BMKG) sangat tergantung oleh ketersediaan data hujan harian di titik observasi. Ketika data pengamatan hujan tersebut tidak terkirim, maka nilai CDD tidak dapat ditentukan dan informasi kekeringan di wilayah tersebut menjadi hilang. Akibatnya, peringatan dini kekeringan tidak dapat dilakukan dan peta CDD spasial menjadi tidak lengkap.

  • SPI (Standardized Precipitation Index)

Terdapat berbagai macam metode analisis indeks kekeringan berdasarkan data curah hujan yang diterapkan untuk memproyeksikan tingkat kekeringan salah satunya yaitu Standardized Precipitation Index (SPI). SPI adalah idnikator yang cukup umum digunakan di seluruh dunia untuk mendeteksi dan mengkarakterisasi fenomena meteorologi yaitu kekeringan. SPI merupakan indeks yang digunakan untuk menentukan penyimpangan curah hujan terhadap normalnya, dalam suatu periode yang panjang (bulanan, dua bulanan, tiga bulanan, dan seterusnya).  Indikator SPI yang dikembangkan oleh McKee, dkk (1993) dan dijelaskan secara rinci oleh Edwards dan McKee (1997), mengukur anomaly curah hujan pada lokasi tertentu berdasarkan perbandingan jumlah curah hujan total yang diamati untuk periode akumulasi yang diinginkan. Nilai SPI dihitung menggunakan metode statistik probalistik distribusi gamma. SPI merupakan indeks probabilitas dari data curah hujan dimana indeks negatif menunjukkan kondisi kering sedangkan indeks positif menunjukkan kondisi basah.

  • Thornwaitte-Matter Method

Indeks kekeringan Thornwaitte-Matter adalah metode yang dikembangkan oleh ThornthwaiteMatter (1957) yang berdasarkan konsep neraca air yaitu presentase perbandingan besarnya curah hujan dengan evapotranspirasi potensial. Metode ini sudah banyak digunakan untuk menganalisis indeks kekeringan di suatu daerah. Metode Thornthwaite Mather merupakan metode yang didasarkan pada konsep neraca air dalam menghitung indeks kekeringan (Kafindo, 2015). Metode Thornthwaite Mather menggunakan curah hujan sebagai masukan, evapotranspirasi sebagai luaran, sifat fisik tanah dan karakteristik penutupan lahan sebagai pemeroses (Pramono & Adi, 2010).

  • MAI (Moisture Adequacy Index)

Kelembaban yang diperlukan untuk kelangsungan tanaman atau spesies vegetasi paling baik diperoleh dari pengetahuan tentang indeks kecukupan kelembaban/Moisture Adequacy Index (MAI) ini. Indeks ini sejatinya mewakili efektivitas kelembaban, dengan demikian indeks ini dapat digunakan dalam studi korelatif vegetasi yang berkaitan dengan iklim. Indeks kecukupan kelembaban (MAI) merupakan rasio evapotranspirasi aktual terhadap evapotranspirasi potensial (PET) dan merupakan indikator yang baik dari status kelembaban tanah dalam kaitannya dengan kebutuhan air. Kelebihan atau kekurangan kelembaban baik itu di atas atau di bawah kapasitas lapangan di zona akar tanah tergantung pada besaran relatif curah hujan di atas area tersebut dan kebutuhan air tanaman atau vegetasi.

  • KBDI (Keetch-Byram Dryness Index)

KBDI atau Keetch-Byram Dryness Index merupakan metode untuk mengukur tingkat kekeringan yang biasanya digunakan sebagai dasar acuan untuk mengetahui beberapa resiko seperti kebakaran hutan dan lahan yang dapat terjadi di suatu wilayah. John L. Keetch dan George Bryam merancang indeks kekeringan khusus untuk penilaian potensi kebakaran. Ini adalah angka yang mewakili efek bersih evapotranspirasi dan presipitasi dalam menghasilkan defisiensi kelembaban kumulatif di lapisan tanah atas dan lapisan tanah atas. Metode ini pertama kali diperkenalkan pada tahun 1986 di Florida, Amerika Serikat. Seiring perkembangan dan pengembangan, indeks KBDI ini pun dapat digunakan di wilayah dengan iklim tropis. Beberapa wilayah di Indonesia, seperti Sumatera dan Kalimantan telah banyak menggunakan indeks ini, dan perhitungannya pun sudah disesuaikan dengan kondisi wilayah di Indonesia. 

Indeks Labilitas Atmosfer

Salah satu cara untuk memprediksi fenomena atmosfer (misalnya badai guntur), adalah melalui analisis kndisi udara atas dari hasil sounding. Dari rekaman data sounding akan menghasilkan indeks-indeks labilitas atmosfer, indeks-indeks ini biasanya digunakan untuk menduga dan memperkirakan kejadian-kejadian fenomena atmosfer ini. Berikut merupakan beberapa indeks labilitas atmosfer.

  1. SI (Showalter Index)

Untuk menganalisis ketidakstabilan cuaca di suatu wilayah tertentu, maka perlu dilakukan perhitungan menggunakan indeks. Indeks stabilitas udara merupakan salah satu parameter yang dapat dihasilkan dari pengolahan data Radiosonde. Data Radiosonde merupakan salah satu hasil observasi udara atas yang berperan penting dalam bidang meteorologi. Terdapat beberapa parameter cuaca yang dapat dihasilkan oleh pengamatan Radiosonde, diantara seperti data suhu udara, suhu titik embun, arah dan kecepatan angin, serta kelembaban udara. Showalter (1953) memperkenalkan indeks bernama SI untuk menentukan jumlah ketidakstabilan dan prediksi badai petir dan hujan es. Showalter Index dapat dikembangkan untuk menentukan kestabilan udara. Indeks ini memperhitungkan nilai suhu udara pada tekanan 500 hPa yang dikurangi dengan nilai suhu paket udara pada tekanan yang sama, suhu paket udara di tekanan 500 hPa merupakan suhu dari sebuah parsel yang naik secara adiabatic kering dari 850 hPa ke level kondensasinya kemudian naik secara adiabatik basah sampai ketinggian 500 hPa.

  • KI (K-Index)

Salah satu cara untuk memprediksi kejadian badai guntur adalah melalui analisis kondisi udara atas dari hasil sounding. Dari rekaman data sounding akan menghasilkan indeks-indeks labilitas atmosfer salah satunya untuk menduga kejadian badai guntur. Indeks-indeks tersebut salah satunya adalah K-Index. K-Indeks (KI) merupakan suatu ukuran potensi badai akibat gerak konvektif yang diukur berdasarkan selang suhu vertikal dan kelembapan atmosfer. Nilai KI dihitung berdasarkan nilai suhu pada lapisan 850, 700, dan 500 mb serta nilai suhu titik embun pada lapisan 850 dan 700 mb.

Indeks Kenyamanan Iklim

Menurut Karyono (2010), kenyamanan termal sangat mempengaruhi aktivitas manusia karena respon yang dihasilkan oleh manusia adanya rasa panas atau dingin. Kenyamanan termal juga dapat diartikan sebagai presepsi manusia terhadap kondisi termal yang dirasakan. Selain kondisi kenyamanan termal, kondisi kenyamanan iklim juga berpengaruh pada aktivitas wisata. Kenyamanan iklim memanfaatkan informasi dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) dengan parameter suhu udara (ᵒC) dan kelembaban relatif (%) untuk mengetahui kenyamanan dan adaptasi terhadap termal. Berikut merupakan beberapa indeks yang dapat digunakan untuk mengukur tingkat kenyamana iklim.

  1. THI (Temperature Humidity Index)

Indeks ini ditemukan pertama kali oleh Thom dan dimodifikasi oleh Nieuwolt. Menurut Kurnia (2006), THI merupakan metode yang banyak digunakan pada daerah tropis untuk mengukur kenyamanan termal yang dirasakan tubuh manusia dengan menitikberatkan pada nilai suhu dan kelembaban udara. Suhu udara dan kelembaban udara sangat berpengaruh terhadap aktivitas manusia dan makhluk hidup lainnya yang berada di kawasan tersebut. Dapat dikatakan THI merupakan indeks yang menentukan tingkat kenyamanan lingkungan yang mengkombinasikan parameter temperatur dan kelembaban udara.

  • TCI (Tourism Climate Index)

Indeks iklim pariwisata (TCI) merupakan indeks yang menggambarkan kondisi iklim yang cocok untuk kegiatan pariwisata, termasuk dalam perspektif perencanaan, investasi, atau pengadaan kegiatan wisata. Indeks ini sangat berpotensi untuk dikembangkan dan dapat disesuaikan bergantung kepada produk pariwisata tertentu dan parameter serta bobotnya dengan mempertimbangkan survei tentang preferensi wisatawan dalam hal kenyamanan. TCI dirancang untuk menilai kesesuaian iklim untuk kegiatan pariwisata dimana indeks ini memperhitungkan kenyamanan berdasarkan analisa subjektif dari literatur yang telah diteliti. Skema penilaian ini relative dari masing-masing variabel yang berkaitan dengan wisatawan yang tersusun dalam beberapa variabel iklim independent dan kombinasi bioklimatik. Variabel-variabel tersebut diantaranya adalah suhu udara maksimum, suhu udara rata -rata, kelembaban relative rata-rata, kelembaban relatif minimum, jam sinar matahari, dan kecepatan angin rata-rata.

  • DI (Discomfort Index)

Indeks bioklimatik yang paling umum digunakan dalam studi iklim perkotaan untuk menggambarkan tingkat sensasi termal yang dialami seseorang karena kondisi iklim yang dimodifikasi dari suatu daerah perkotaan, adalah indeks ketidaknyamanan (DI) dari Thom. Indeks Ketidaknyamanan ini pertama kali diusulkan oleh Thom pada tahun 1959, DI merupakan salah satu indeks panas yang berkaitan dengan manusia dan lingkungan. Indeks ini diperoleh dengan cara menghitung nilai suhu udara dan hidrometri parameter suhu titik embun atau nilai kelembaban udara relatif.

  • HCI (Holiday Climate Index)

Holiday Climate Index merupakan salah satu indeks kenyamanan iklim yang dikembangkan agar dapat lebih akurat dalam menilai kesesuaian iklim yang dirancang khusus untuk kegiatan wisata rekreasi luar ruangan yang dihitung menggukanan data iklim harian. (Scott, 2016). Berbeda dengan TCI, HCI dirancang untuk ditentukan untuk segmen pariwisata utama dan jenis tujuan. Kemajuan besar dari HCI adalah bahwa skala penilaian variabel dan sistem pembobotan komponennya didasarkan pada literatur yang berkembang tentang preferensi iklim yang dinyatakan wisatawan selama dekade terakhir.

DAFTAR PUSTAKA

  • Salehi, Hassan & Saneinejad, Hossein & Mousavi-Baygi, Mohammad. (2014). Analysis of Instability Indices during severe weathers, in Mashhad Metropolis. Geography and Environmental Hazards. 3. 113-123.
  • Marina I. Stathopoulou, dkk. 2005. Thermal remote sensing of Thom’s discomfort index (DI): comparison with in-situ measurements. Remote Sensing for Environmental Monitoring, GIS Applications, and Geology V.
  • Setiawan, A. M, dkk. (2019). Karakteristik Consecutive Dry Days (CDD) Di Indonesia Berdasarkan Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS). Seminar Nasional Penginderaan Jauh Ke-6.  313–320.
  • Gautam, Shweta, dkk. (2012). Determination of Moisture Adequacy Index over Uttarakhand using GIS. Journal of agrometeorology. 14. 972-1665.
  • Cahyono, S, dkk. (2017). ANALISIS INDEKS KEKERINGAN MENGGUNAKAN METODE THORNTHWAITE MATHER PADA DAS SIAK. 4. 1–15.
  • Nuryanto, Danang. (2012). RELATIONSHIP BETWEEN INDO-AUSTRALIAN MONSOON WITH SEASONAL RAINFALL VARIABILITY IN INDONESIAN MARITIME CONTINENT SPATIALLY BASED ON ANALYSIS RESULT OF TRMM SATELLITE DATA. Jurnal Meteorologi dan Geofisika. 13. 91-102.
  • Walker, J. M. (2015). Interannual Variability in the Large-Scale Dynamics of the South Asian Summer Monsoon, 28, 3731–3748. https://doi.org/10.1175/JCLI-D-14-00612.1
  • Webster, Peter & Yang, Song. (1992). Monsoon and ENSO: Selectively Interactive Systems. Quarterly Journal of the Royal Meteorological Society. 118. 877 – 926. 10.1002/qj.49711850705.
  • Zahroh, N. F, dkk. (2017). INDEKS LABILITAS UDARA UNTUK MEMPREDIKSI KEJADIAN BADAI GUNTUR PADA PERIODE PUNCAK MUSIM HUJAN TAHUN 2016. Jurnal Sains & Teknologi Modifikasi Cuaca. 18. 9–15.
  • Scott, Daniel & Rutty, Michelle & Amelung, Bas & Tang, Mantao. (2016). An inter-comparison of the Holiday Climate Index (HCI) and the Tourism Climate Index (TCI) in Europe. Atmosphere. 7. 10.3390/atmos7060080.
  • Dubois, Ghislain & Ceron, Jean-Paul & Dubois, Clotilde & Frias, Maria & Herrera García, Sixto. (2016). Reliability and usability of tourism climate indices. Earth Perspectives. 3. 10.1186/s40322-016-0034-y.

veanti

Siapa penulis utama veantiworld.com? Blog ini dibuat, dikelola, dan ditulis oleh Desak Putu Okta Veanti. Penulis adalah dosen jurusan klimatologi dan juga salah satu lulusan terbaik Sekolah Tinggi Meteorologi Klimatologi dan Geofisika. Penulis lulus Master Program of School of Integrated Climate System Science, University of Hamburg, Germany pada tahun 2017. Saat ini penulis aktif menekuni pekerjaan sebagai dosen, menulis blog, belajar Python, meningkatkan kemampuan bahasa asing, serta mencari informasi mengenai pseudo-science seperti astrologi dan tarot.

Tinggalkan Balasan