Proses Pembuatan Indeks Terkait Cuaca dan Iklim

Pada artikel sebelumnya tentang Proses Analisis Iklim, indeks sudah disebutkan sebagai bentuk sederhana dari berbagai kondisi iklim yang kompleks tanpa meninggalkan makna fisisnya. Ada berbagai macam indeks yang sudah digunakan. Penulis sendiri tidak bisa mendaftar semua indeks tersebut dengan lengkap karena sangat banyak. Ini nanti akan dijelaskan pada bagian contoh-contoh indeks dalam dunia meteorologi dan klimatologi. Sebelum itu, akan dijelaskan bagaimana caranya membuat indeks.

Tahap-Tahap Pembuatan Indeks terkait Iklim

Indeks dibuat dengan menganalisa data yang dibutuhkan terlebih dahulu kemudian dilakukan perumusan untuk menghasilkan indeks. Setelah indeks selesai dibuat, indeks harus dievaluasi untuk mengetahui apakah indeks tersebut mampu untuk menggambarkan kondisi yang diinginkan. Dari sini, kita akan membagi proses pembuatan indeks menjadi tiga tahap yaitu tahap analisis, tahap perumusan, dan terakhir, tahap evaluasi.

Tahap Analisis

Analisis dapat dilakukan dengan mempelajari latar belakang keilmuan dari suatu masalah yang ingin diselesaikan dan analisis data terkait. Dalam analisis ini, ada beberapa pilihan metode statistik yang bisa digunakan, contohnya korelasi dan emphirical orthogonal function (EOF).

Mari kita mulai dengan bagian pertama yaitu mempelajari latar belakang keilmuan dari suatu masalah yang ingin diselesaikan. Ini bisa dilakukan dengan mempelajari berbagai hasil pemikiran sebelumnya baik berupa buku, jurnal atau catatan hasil pengamatan. Dalam tahap ini, perlu diketahui proses-proses yang terjadi serta parameter-parameter yang terlibat. Pada beberapa kasus, parameter yang terlibat bisa jadi hanya sedikit, contohnya Indeks NINO dan indeks SPI. Sementara itu kasus-kasus lainnya bisa melibatkan proses yang kompleks, contohnya Fire Weather Index (FWI).

Untuk memudahkan proses ini, sebagian atau semua pertanyaan ini perlu dijawab:

  1. Apa saja parameter-parameter yang terlibat?
  2. Apakah data parameter-parameter yang terlibat bisa dikumpulkan dengan mudah?
  3. Apa peran dari masing-masing parameter dalam proses yang ingin dijelaskan?
  4. Apa saja kriteria-kriteria yang bisa dipakai untuk menjelaskan proses yang diinginkan?

Sebagai contoh, kita analisis bagaimana indeks FWI dibuat. Di sini hanya dijelaskan dengan singkat, selengkapnya bisa membaca buku tentang FWI yang ditulis oleh Van Wagner. FWI ini terdiri dari 6 indeks yang masing-masing menggambarkan tiga parameter yang dibutuhkan untuk menjelaskan kebakaran hutan yaitu bahan bakar, sebaran api, dan pengendalian api. Kita bahas indeks yang paling pertama dari susunan indeks FWI yaitu Fine Fuel Moisture Index (FFMC). FFMC merupakan tingkat kekeringan bahan bakar halus yang biasanya ada di permukaan tanah (serasah, daun kering, rumput kering, dll). Menjawab pertanyaan pertama, FFMC dipengaruhi oleh angin, curah hujan, kelembapan, dan suhu maksimum. Untuk pertanyaan kedua, jawabannya adalah iya karena empat faktor itu diamati secara rutin. Pertanyaan ketiga dapat dijawab dengan pengaruh masing-masing parameter terhadap tingkat an bahan bakar (jika nilai angin dan suhu maksimum makin tinggi, bahan bakar makin kering, sebaliknya untuk kelembapan dan curah hujan). Nomor 4 bisa dijawab dengan teori (jika sudah ada yang meneliti) atau statistik (dilanjutkan pada tahap 2). Kalau kita menemukan teori yang sudah membahas hal ini, bisa saja langsung diaplikasikan, jika tidak, bisa dilanjutkan ke tahap berikutnya. Untuk kasus FWI, Van Wagner meneliti sendiri kriteria-kriteria yang akan digunakan untuk membangun indeks FFMC.

Bagian kedua adalah analisis data. Ada indeks yang sudah jelas tujuannya sehingga tidak membutuhkan tahap analisis, contohnya Standardized Precipitation Index (SPI). SPI ini tujuannya adalah menggambarkan magnitudo kondisi kekeringan dengan melihat lokasi sebuah kejadian hujan dalam grafik distribusi log. Lebih jelasnya bisa lihat dokumen WMO tentang SPI . Indeks ini bisa langsung dirumuskan. Begitu pula dengan indeks NINO dimana sudah diketahui sebelumnya bahwa anomali SST di wilayah perairan timur pasifik berpengaruh kuat terhadap curah hujan di berbagai wilayah. Anomali bisa langsung dirumuskan dengan menghitung beda observasi dengan normalnya.

Analisis akan dibutuhkan ketika perlu dilakukan pengelolaan awal data sebelum perumusan indeks. Contohnya, kalau diketahui bahwa satu parameter tergantung terhadap parameter lainnya (suhu dan kelembapan). Biasanya untuk menyelesaikan ini dilakukan analisis EOF terlebih dahulu. Selain itu, analisis juga perlu dilakukan untuk parameter yang belum jelas hubungannya dengan tujuan yang dicapai. Dalam hal ini mungkin scatter plot dan korelasi bisa digunakan. Lokasi observasi data juga perlu ditentukan. Terakhir, pada beberapa indeks, bobot perlu ditetapkan. Hal ini membutuhkan analisis.

Tahap Perumusan

Setelah analisis selesai, dilakukan perumusan untuk membuat standar perhitungan indeks. Perumusan biasanya erat kaitannya dengan nilai normal dari suatu dataset. Karena indeks biasanya digunakan untuk mengetahui variasi iklim yang terjadi, perlu dilihat bagaimana geraknya terhadap normal. Oleh karena itulah sebagian indeks adalah bentuk anomali suatu parameter iklim. Apalagi jika parameter yang digunakan hanya satu.

Perumusan juga bisa dilakukan dengan penentuan lokasi indeks dalam sebuah distribusi frekuensi. Dalam hal ini, persentil, desil, dan kuartil adalah hal yang lumrah dipakai. Selain lokasi, bisa juga dirumuskan dengan menghitung magnitudo suatu parameter. Cara lain adalah dengan mendefinisikan suatu nilai berdasarkan suatu kriteria untuk tiap parameter kemudian nilai-nilai tersebut bisa digabungkan menjadi sebuah indeks. Ini bisa dilihat dari Holiday Climate Index (HCI). Pada akhirnya perumusan ini bisa menggunakan ribuan cara dan bermacam-macam kreatifitas tergantung tujuan yang dipakai.

Tahap Evaluasi

Evaluasi ini digunakan untuk mengetahui apakah indeks yang dibuat benar-benar bisa menggambarkan tujuan yang ingin dicapai. Jika kita ingin menggambarkan kekeringan dengan SPI, kita bisa evaluasi indeks tersebut dengan kejadian-kejadian kekeringan yang terjadi. Begitu pula dengan kebakaran hutan dan indeks pariwisata.

Kita bisa memeriksa keterkaitan suatu indeks terhadap kejadian-kejadian terkait atau menginvestigasi gangguan suatu proses ketika nilai indeks tertentu muncul. Evaluasi dapat dilakukan dengan berbagai peralatan statistik seperti korelasi dan tabel kontingensi.

Contoh – Contoh Indeks di Bidang Iklim

Sebelum kita lanjutkan dengan membuat indeks, akan lebih baik jika kita tahu dulu indeks-indeks apa yang telah digunakan saat ini. Daftar indeks akan dibagi menjadi beberapa kategori untuk memudahkan pembaca.

27 Indeks Iklim Inti

Indeks-indeks iklim ini biasanya dianalisa untuk mengetahui dampak perubahan iklim yang terjadi sesuai standar WMO. Indonesia sendiri tidak perlu menganalisa semua indeks-indeks iklim ini karena berada di wilayah tropis.

KodeIndikator NamaDefinisiSatuan
FD0Hari dengan frost (Frost Days)Jumlah hari dalam setahun dengan suhu minimum < 0 derajat CelciusHari
SU25Hari musim panas (Summer Days)Jumlah hari dalam setahun dengan suhu maksimum > 25 derajat CelciusHari
ID0Hari es (Ice Days)Jumlah hari dalam setahun dengan suhu maksimum < 0 derajat CelciusHari
TR20Malam tropis (Tropical Night)Jumlah hari dalam setahun dengan suhu minimum < 20 derajat CelciusHari
GSLPanjang musim tumbuh (Growing Season Length)Hitungan tahunan panjang periode dari hari dengan TG > 5 derajat celsius pertama (minimal 6 hari) dan periode dengan TG > 5 derajat celsius pertama setelah 1 Juli BBU / 1 Januari BBS (sama, minimal 6 hari). Periode tahunan BBU : 1 jan – 31 dec,; BBS: 1 Jul – 30 Jun.Hari
TXxMax TmaxNilai maksimum bulanan dari suhu maksimum harianDerajat Celsius
TNxMax TminNilai maksimum bulanan dari suhu minimum harianDerajat Celsius
TXnMin TmaxNilai minimum bulanan dari suhu maksimum harianDerajat Celsius
TNnMin TminNilai minimum bulanan dari suhu minimum harianDerajat Celsius
TN10pMalam dingin (Cool nights)Persentase dari hari ketika TN<persentil ke 10Hari
TX10pSiang dingin (Cool days)Persentase dari hari ketika TX<persentil ke 10Hari
TN90pMalam hangat (Warm nights)Persentase dari hari ketika TN>persentil ke 90Hari
TX90pSiang hangat (Warm days)Persentase dari hari ketika TX>persentil ke 90Hari
WSDIWarm Spell Duration IndicatorHitungan jumlah hari dengan sekurang-kurangnya 6 hari berurutan dengan TX>persentil 90Hari
CSDICold Spell Duration IndicatorHitungan jumlah hari dengan sekurang-kurangnya 6 hari berurutan dengan TN<persentil 10Hari
DTRDiurnal Temperature RangePerbedaan rata-rata bulanan antara TX dan TNderajat celsius
RX1dayMax 1-day precipitationPresipitasi harian maksimum bulananmm
Rx5dayMax 5-day precipitationPresipitasi harian maksimum selama 5hari berturut-turut bulananmm
SDIISimple Daily Intensity IndexTotal presipitasi tahunan dibagi dengan jumlah hari hujan (didefinisikan sebagai PR>= 1.0mm) dalam setahunmm/hari
R10Number of Heavy Precipitation DaysHitungan jumlah hari dalam satu tahun ketika CH >= 10 mmHari
R20Number of very heavy precipitation daysHitungan jumlah hari dalam satu tahun ketika CH >= 20 mmHari
RnnNumber of Days above nn mmHitungan jumlah hari dalam satu tahun ketika CH >= nn. nn adalah batas yang dibuat oleh userHari
CDDConsecutive dry daysHari tanpa hujan; maksimum jumlah hari berurutan dengan CH < 1 mmHari
CWDConsecutive wet daysHari hujan; maksimum jumlah hari berurutan dengan CH >= 1 mmHari
R95pVery wet daysJumlah total presipitasi tahunan ketika PR > persentil 95mm
R99pExtremely wet daysJumlah total presipitasi tahunan ketika PR > persentil 99mm
PRCPTOTAnnual total wet-day precipitationJumlah total presipitasi tahunan ketika hari hujan (presipitasi >= 1 mmmm

Indeks Monsun

1.Webster-Yang monsoon index, menggunakan rata-rata dari angin zonal (U), U850-U200 di koordinat:

    \[WYI = U850 - U200 di (0-20^{0}N ; 40^{0}E - 110^{0}E)\]

2. Australian monsoon index, menggunakan rata-rata dari angin zonal (U),
U850 di koordinat:

     \[AUSMI = U850 di (2.5^{0}S - 15^{0}S ; 110^{0}E - 150^{0}E)\]

3. South Asian monsoon index, menggunakan rata-rata dari angin meridional (V), V850-V200 di koordinat:

     \[SAMI = V850 - V200 di (10^{0}N - 30^{0}N ; 70^{0}E - 110^{0}E)\]

4. Dynamic Indian Monsoon Index, Menggunakan rata-rata dari angin zonal (U), U850 di koordinat:

     \[DIMI = U850 (5^{0}N - 15^{0}N ; 40^{0}E - 80^{0}E) - U850 (20^{0}N - 30^{o}N; 70^{0}E - 90^{0}E\]

5. East Asian – Western North Pacific monsoon index, Menggunakan rata-rata dari angin zonal (U), U850 di koordinat:

     \[WNPM = U850 (5^{0}N - 15^{0}N ; 90^{0}E - 130^{0}E) - U850 (20^{0}N - 30^{o}N; 110^{0}E - 140^{0}E\]

6. East Asia Monsoon Index, cek referensi [6]

Indeks Stabilitas/Labilitas Atmosfer

Sebenarnya judul yang lebih cocok adalah indeks labilitas atmosfer karena yang dihitung di sini adalah seberapa labil atmosfer sehingga mampu menghasilkan cuaca buruk. Indeks ini biasanya membutuhkan data Radiosonde karena yang diperhitungkan adalah kondisi lapisan-lapisan udara atas.

Semua indeks labilitas ini diturunkan secara empiris sehingga tidak bisa menjelaskan proses-proses fisis dan hukum-hukum fisika di atmosfer. Sama seperti indeks-indeks lain, indeks labilitas juga cara praktis yang digunakan para ahli meteorologi untuk mengestimasikan kondisi atmosfer. Oleh karena itu prinsip-prinsip meteorologi tetap harus diperhatikan (contoh: massa udara dan gerak vertikal atmosfer).

Beberapa indeks labilitas atmosfer yang dikenal antara lain:

  1. Showalter Index: dihitung dengan mencari selisih T500 (suhu pada lapisan 500mb) dan Tp500 (suhu dari sebuah parsel yang naik secara adiabatik kering dari 850mb ke level kondensasinya kemudian dinaikkan secara adiabatik basah sampai ketinggian 500mb). SI = T500 – Tp500. Nilai SI +3 mengidentifikasikan kemungkinan shower (hujan tiba-tiba langsung deras) atau badai guntur. Sedangkan, nilai SI -3 mengidentifikasikan kemungkinan aktivitas konvektif yang buruk. SI termodifikasi mirip dengan SI biasa hanya saja parameter yang digunakan adalah mixing ratio rata-rata. Nilai +5 mengindikasikan potensi badai guntur; nilai lebih dari 11 mengidentifikasikan kemungkinan aktifitas konvektif kecil.
  2. K-Index: dihitung dengan rumus KI = (T850 – T500) + Td850 – (T700 – Td700). Dimana T adalah suhu, Td adalah suhu titik embun dan 3 angka terakhir menunjukkan lapisan atmosfer dalam mb. K-Indeks menunjukkan ketidakstabilan atmosfer ketika lapisan 700 mb lembap. Sayangnya indeks ini bukan indikator badai guntur yang baik mengingat udara kering pada lapisan 700mb mungkin saja ada aktifitas konvektif. Nilai K-indeks +20 menindikasikan potensi terjadinya thunderstorm massa udara, K-indeks +40 mengindikasikan hampir 100% kemungkinan terjadinya thunderstorm massa udara, terakhir, K-indeks lebih dari +30 mengindikasikan potensi terjadinya messoscale convective complex (MCC).
  3. Lifted Index: Perhitungan lifted indeks (LI) mirip dengan SI yaitu = T500 – Tp500. Bedanya, Tp500 pada LI dihitung berdasarkan rata-rata suhu Lapisan geopotensial 100mb terbawah. Jadi parsel diturunkan dari 100mb ke 500mb. Semakin rendah nilai LI, semakin besar kemungkinan terjadinya badai guntur dan semakin buruk cuaca yang terjadi.
  4. Total Total Index; dihitung dengan rumus TT = T850 + Td850 – 2T500. Nilai TT +60 mengindikasikan kemungkinan badai guntur sedang, dengan peluang badai guntur besar yang terpecah-pecah. Kenapa indeks ini namanya Total Total Index? itu karena indeks ini sebenarnya adalah kombinasi dari Vertical Total (VT) = T850 – T500 dan Cross Total (CT) = Td850 – T500. Karena digabung, diberi nama Total Total.
  5. Severe Weather Threat (SWEAT Index): dihitung dengan formula SWEAT = 12Td850 + 20 (TT-49) + 2f850 + f500 + 125(s +0.2). Bagian pertama (12Td850) diberi nilai nol jika titik embun lapisan 850mb bernilai negatif dalam skala celsius. Jika nilai TT < 49, bagian kedua juga menjadi nol. f adalah lambang kecepatan angin dalam knot dan s adalah nilai sinus dari selisih arah angin pada lapisan 500mb dan 850mb. Bagian terakhir bernilai nol jika: (1) angin lapisan 850mb antara 130 – 250 derajat, (2) angin lapisan 500mb antara 210 – 310 derajat, (3) selisih arah angin 500mb dan 850mb bernilai > 0; atau 4, kecepatan angin kedua lapisan >= 15 knot. Nilai SWEAT +250 mengindikasikan potensi konveksi kuat. Nilai +300 mengindikasikan batas untuk badai guntur hebat. Terakhir, nilai +400 adalah batas awal kejadian tornado
  6. Boyden Index: dihitung dengan rumus: BI = Z700-1000 – T100 -200. Z700-1000 adalah selisih ketinggian potensial antara lapisan 700mb dan 1000mb. Indeks ini biasa digunakan untuk mendiagnosa badai guntur yang dihasilkan oleh front (tidak ada di Indonesia). Semakin tinggi nilai indeks ini, semakin besar kemungkinan terjadinya thunderstorm. Nilai threshold biasanya 95.

Indeks Kekeringan

Indeks-indeks untuk analisis kondisi kekeringan cukup banyak. Silahkan lihat panduan indeks kekeringan ini untuk mengetahui lebih lanjut.

Indeks yang Menggambarkan Fenomena Cuaca dan Iklim

  • NINO
  • SOI
  • IOD
  • PDO
  • MJO
  • Atlantic Multi-Decadal Oscillation (AMO)
  • North Tropical Atlantic Index (NATL)

Indeks Cuaca Kebakaran

  • FWI
  • KBDI
  • FFMC

Kenapa Indeks dalam Analisis Iklim Populer?

Indeks mudah dihitung dan digunakan. Selain itu, indeks masih memuat makna fisis yang dapat menjelaskan proses-proses iklim yang terjadi secara sedehana. Selain untuk analisis, indeks juga bisa digunakan untuk visualisasi data yang sederhana.

Apa itu Indeks Iklim?

Indeks iklim adalah Indeks yang menerangkan tentang kondisi iklim di suatu titik pengamatan untuk. Biasanya digunakan untuk mengetahui dampak perubahan iklim yang terjadi sesuai standar WMO

Referensi:

  1. Webster, P.J., and S.Yang, 1992: Monsoon and ENSO: Selectively interactive systems. Quart. J. Roy. Meteor. Soc., 118, 877-926.
  2. Hung, C.-W, and M. Yanai, 2004: Factors contributing to the onset of the Australian summer monsoon. Quart. J. Roy. Meteor. Soc., 130, 739-758.
  3. Goswami, B. N., B. Krishnamurthy, and H. Annamalai, 1999: A broad-scale circulation index for interannual variability of the Indian summer monsoon. Quart. J. Roy. Meteor. Soc., 125, 611-633.
  4. Wang, B., and Z. Fan, 1999: Choice of south Asian summer monsoon indices. Bull. Amer. Meteor. Soc., 80, 629-638.
  5. Wang, B., Z. Wu, J. Li, J. Liu, C.-P. Chang, Y. Ding, and G. Wu, 2008: How to measure the strength of the East Asian summer monsoon. J. Climate, 21, 4449-4463.
  6. Li, J., and Q. Zeng, 2002: A unified monsoon index. Geophys. Res. Lett.,29, NO. 8, 1274, 10.1029/2001GL013874.
  7. https://weather.cod.edu/sirvatka/si.html
  8. http://www.zamg.ac.at/docu/Manual/SatManu/main.htm?/docu/Manual/SatManu/Basic/Convection/Parameters.htm

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