Prakiraan Musim Kemarau 2010 pada Lahan Sawah di Sumatera Jawa dan Kalimantan

PRAKIRAAN MUSIM KKEMARAU 2010 pada LAHAN SAWAH di SUMATRA JAWA dan KALIMANTAN Oleh Balitklimat Online

Kondisi Aktual Indikator Iklim Global Selama periode Juni sampai November 2009 kondisi El Nino lemah terjadi di wilayah Nino 3.4. Kondisi ini terus menguat sampai bulan Januari 2010 dimana anomali suhu muka laut mencapai +1.7 yang masuk kategori El Nino sedang. Memasuki bulan Februari 2010 kondisi El Nino mulai melemah. Sedangkan kondisi dipole mode/ DM cukup berfluktuasi, pada bulan September sampai Desember 2009 pada kisaran negatif dan bulan Februari positif, memasuki bulan Februari menunjukkan tren yang netral. Untuk semua lokasi ENSO pada umumnya menunjukkan tren melemah dan anomali SST di lautan Hindia selatan Sumatera cenderung mendingin terutama di bagian barat ekuator. Gambar 1. Perkembangan anomali suhu muka laut Pasifik di zona Nino 3.4. dan dipole mode sampai Februari 2010. Pada saat ini walaupun kondisi El-Nino positif di Pasifik yaitu 27.83oC, namun suhu perairan Indonesia lebih hangat yaitu 29.18o C sehingga pengaruh El Nino dapat diimbangi dan kondisi hujan di wilayah Indonesia tidak terpengaruh secara signifikan.

Pengamatan Data Curah Hujan untuk Kondisi Iklim di 5 Wilayah Indonesia

PENENTUAN PANJANG PENGAMATAN DATA CURAH HUJAN UNTUK MENGGAMBARKAN KONDISI IKLIM DI LIMA WILAYAH INDONESIA Oleh: Popi Rejekiningrum Balitklimat Online

Sistem penyimpanan data yang baik sangat diperlukan untuk bisa (i) meletakkan data pengamatan yang sedang berjalan ke dalam kontek data historis dan (ii) mendokumentasikan kondisi iklim pada suatu kondisi khusus misalnya saat berlangsung fenomena ENSO dan lain-lain. Ketersediaan sistem untuk mengakses data iklim sangat diperlukan agar semua pihak yang berkepentingan dapat memanfaatkan data untuk berbagai keperluan analisis. WMO menyarankan minimum diperlukan panjang pengamatan data iklim sekitar 30 tahun untuk dapat menggambarkan kondisi iklim Metode cepat untuk menentukan panjang minimum data yang diperlukan (Y) untuk suatu analisis ialah dengan menggunakan rumus regresi linear Y=(4.30t*log(R))2 + 6. Data yang digunakan adalah data curah hujan dari stasiun hujan/iklim yang mewakili pola monsunal yaitu stasiun BMG Jakarta, Talang Betutu Sumsel, dan Mauhau NTT dan pola ekuatorial yaitu stasiun Kendari Sultra dan Pontianak Kalbar. Hasil analisis menunjukkan bahwa pada wilayah yang lebih kering dan pada bulan-bulan kering (musim kemarau) memerlukan panjang data yang relatif panjang dibandingkan bulan-bulan basah (musim hujan). Hal yang sama juga terjadi pada hujan musiman dimana hujan musiman pada bulan-bulan kering (JJA dan SON) memerlukan panjang data yang relatif lebih panjang dibandingkan DJF dan MAM untuk menggambarkan kondisi iklim di wilayah tersebut.

Model Prakiraan Curah Hujan Bulanan di 10 Kabupaten

PERFORMA MODEL PRAKIRAAN CURAH HUJAN BULANAN DI 10 KABUPATEN Oleh Woro Estiningtyas Balitklimat Online

Validasi model prakiraan curah hujan bulanan dibahas dalam tulisan ini, dengan pendekatan metode Filter Kalman, serta dibandingkan dengan 4 metode lain, yaitu : ARIMA, ANFIS,Transformasi Wavelet dan ANFIS ITB yang merupakan hasil dari validasi model iklim multi teknik kerjasama dengan Badan Meteorologi dan Geofisika. Sepuluh kabupaten yang tersebar di Propinsi Jawa Barat, Jawa Tengah, Bali, Jawa Timur dan Kalimantan Selatan digunakan sebagai lokasi studi, masing-masing dengan 3 hingga 4 tipe hujan di setiap kabupaten. Parameter yang digunakan untuk melihat performa model adalah koefisien korelasi validasi (r) dan Root Mean Square Error (RMSE). Data yang digunakan untuk validasi adalah data curah hujan bulanan tahun 2005. Hasil validasi dengan metode filter Kalman menunjukkan bahwa model yang paling banyak digunakan untuk menghubungkan SST Nino 3.4 sebagai input dan curah hujan sebagai output adalah model Output Error (OE). Nilai koefisien korelasi (r) menunjukkan bahwa nilai r tertinggi sebesar 0,89; dan yang terendah sebesar -0,83. Untuk nilai RMSE terendah sebesar 60,4 dan yang tertinggi sebesar 185. Untuk sebaran performa kalman filter mempunyai r diatas 0,8 sebesar 32,3% dan r dibawah 0,5 sebesar 16,1%. Untuk data RMSE dibawah 100 sebesar 46,9% dan diatas 150 sebesar 18,8%. Sebaran ini menunjukkan bahwa performa kalman filter untuk memprediksi curah hujan cukup baik. Validasi beberapa metode prediksi hujan bulanan menghasilkan nilai koefisien korelasi (r) > 0,75 masing-masing adalah: ARIMA 32%, ANFIS 11%, WAVELET 14%, Filter Kalman 38% dan ANFIS-ITB 30%. Sedangkan untuk nilai RMSE < 100%, masing-masing model menghasilkan persentase : ARIMA 19%, ANFIS 11%, WAVELET 8%, Filter Kalman 38% dan ANFIS-ITB 30%. Dari dua parameter yang dibandingkan tersebut mengindikasikan bahwa model filter Kalman menghasilkan performa yang cukup baik. 

Kata kunci: Filter Kalman, SST Nino 3.4, curah hujan, validasi, ANFIS, Transformasi Wavelet

Land Resources Information System in Agricultural Development Indonesia

LAND RESOURCES INFORMATION SYSTEMS AS DECISION SUPPORT TOOL IN AGRICULTURAL DEVELOPMENT IN INDONESIA By Istiqlal Amien and E. Runtunuwu Indonesian Agroclimate and Hydrology Research Institute Balitklimat Online

Agriculture in Indonesia that withstands the prolonged economic crisis is unable to crater the still growing market demands. Domestically the agriculture is also threatened by better quality imported agricultural products. This is among other because of the very limited agricultural land that often inappropriately utilized. Except for few commodities, agriculture initially was the cater the basic need of the farmers. Therefore, many were intended to produce the daily need of the farmers such as food without much consideration on the advantages of the existing resources. In the area of globalization and with increasing awareness of environment safety the agriculture is urgently need to be oriented. The land resources should be utilized correctly with appropriate management to produce commodities that are able to compete in wider markets. For that purpose, land resources information with the utilization alternatives is imperative. Land information such as soil, water and climate has been collected separately in the past. But it was very difficult for the users to digest the  information that was not always systematically prepared. Therefore, with agroecological approach that combines information on physiography, climate, and soil land resource information system was initiated. This information can be fed into the expert system model to delineate areas for conservation and production forests, perennial crop plantations, agroforestry and annual crop farming. Further crop options for particular agricultural systems, as well as cropping patterns for annual crops can be generated. Combination between the product agroecological map and present land use delineates the under, proper, and over utilization areas.

Anomali Curah Hujan Periode 2010-2040 di Indonesia

Anomali Curah Hujan Periode 2010-2040 di Indonesia Oleh : Haris Syahbuddin dan Tri Nandar Wihendar Balitklimat Online

Sejak tahun 1980an para pemerhati dan peneliti meteorologi meyakini bahwa akan terjadi beberapa penyimpangan iklim global, baik secara spatial maupun temporal, seperti peningkatan temperatur udara, evaporasi dan curah hujan. Menjadi hal sangat krusial mengetahui besaran anomali curah hujan yang akan terjadi pada masa datang di wilayah Indonesia dalam skala global menggunakan model prakiraan iklim yang dikembangkan berdasarkan keterkaitan proses antara atmosfer, laut, dan kutub dengan memperhatikan evolusi yang proporsional dari peningkatan konsentrasi CO2 di trophosfer. Penelitian desk studi simulasi zonasi curah hujan untuk periode 1950-1979 dan periode 2010-2039 beserta anomalinya terutama untuk musim hujan (Maret sampai Oktober) dilaksanakan pada tahun 2002. Anomali zonasi curah hujan merupakan selisih kejadian hujan (mm) pada periode inisial (1950-1979) dengan periode berikutnya (2010-2039), dengan menggunkan model ARPEGE (Action de Recherche Petite Echelle Grande Echelle) Climat versi 3.0. Besaran curah hujan yang ditampilkan merupakan keadaan curah hujan rataan bulanan pada kedua periode tersebut. Koordinat yang dipilih berkisar antara 25° Lintang Utara dan Lintang Selatan serta berkisar 150° Bujur Timur. Selain itu, dianalisis zonasi temperatur maksimal dan temperatur minimal untuk ketinggian 2 m di atas permukaan tanah dan evaporasi (mm). Untuk melihat perubahan frekuensi kejadian hujan sepanjang tahun 1980 sampai 2000 pada kondisi lapang, dilakukan analisis frekuensi untuk parameter curah hujan dan temperatur pada dua periode pengamatan: periode 1980-1990 dan 1991-2000. Data iklim hasil pengamatan tersebut diperoleh dari stasiun klimatologi Tamanbogo, Lampung Tengah (105°05’ BT ; 5°22’ LS ; 20 m dpl) dan Genteng, Jawa Timur (114°13’ BT ; 8°22’ LS ; 168 m dpl). Pada periode 2010-2039 diprakirakan akan terjadi peningkatan jumlah curah hujan di atas wilayah Indonesia, yang ditandai dengan perubahan zonasi wilayah hujan dengan anomali positip zona konveksi, peningkatan temperatur, dan evaporasi terutama pada zona konveksi tertinggi di sepanjang selat Malaka, Laut Banda, Laut Karimata, dan Laut Arafura. Perubahan kualitas dan kuantitas curah hujan, khususnya curah hujan 100-150 mm/hari secara signifikan (59% dan 100%) pada stasiun sinoptik Tamanbogo dan Genteng telah terjadi pada periode 1991-2000. Langkah antisipasi limpahan curah hujan yang lebih besar dapat dilakukan secara serentak melalui pendekatan lingkungan dan kemasyarakatan. 

Kata Kunci : Anomali curah hujan, simulasi, Model ARPEGE climate version 3.0

Result of Bat Guano

As we have already said, bat guano is an ecological fertilizer, obtained naturally from the excrement and physical remains of bats living in caves. This product is rich in nutrients, outclassing all other existing organic fertilizers, with a better balance of essential nutrients (N-P-K), a wealth of micro-organisms and much higher levels of organic matter. Its chemical and biological composition vary according to the bats’ feeding habits, type of cave, age of guano, etc.

Over the years, different agrochemical analyses have been carried out on bat guano, showing that nutrient and micro-organism content is high but varies according to the type of guano.

The table below summarizes the various results obtained from analyses of bat guano, which show the range of values for each indicator. It would be difficult to set a single value for each of these indicators, because the chemical, physical and biological composition of bat guano and other ecological fertilizers tends to vary naturally.Selengkapnya download disini