{"title":"Komparasi Dataset Suhu Udara Berbasis Penginderaan Jauh Dalam Mengestimasi Suhu Udara Bulanan di Provinsi Papua Barat","authors":"Arif Faisol, Bertha Ollin Paga', Baso Daeng","doi":"10.17969/rtp.v15i1.25319","DOIUrl":null,"url":null,"abstract":"Abstrak. Pada umumnya data suhu udara diperoleh dari hasil pengamatan pada stasiun iklim Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode ini dapat digunakan untuk merepresentasikan suhu udara suatu wilayah yang berada pada radius ≤ 10 km dari lokasi stasiun iklim, sehingga dibutuhkan sebuah solusi alternatif untuk mendapatkan data suhu udara yang dapat merepresentasikan wilayah yang lebih luas, salah satunya memanfaatkan dataset suhu udara berbasis penginderaan jauh. Penelitian ini bertujuan membandingkan performa sejumlah dataset suhu udara berbasis penginderaan jauh, yaitu Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), dan TerraClimate dalam mengestimasi curah hujan bulanan di Provinsi Papua Barat. Penelitian ini terdiri atas 6 (enam) tahapan utama, yaitu; (1) inventarisasi data yang bertujuan mengumpulkan dataset suhu udara dan data suhu udara hasil perekaman pada Automatic Weather Station (AWS) tahun 1996 sampai tahun 2019, (2) ekstraksi data, (3) screening data untuk mengganti nilai ekstrim dengan nilai rata-rata, (4) evaluasi data untuk membandingkan dataset dengan data AWS, (5) komparasi data untuk membandingkan performa dataset, dan (6) rekomendasi yang bertujuan untuk menentukan dataset yang paling sesuai untuk digunakan di Provinsi Papua Barat. Hasil penelitian menunjukkan bahwa CHELSA, TerraClimate, dan CRU-TS sangat akurat dalam mengestimasi suhu udara bulanan di Provinsi Papua Barat yang ditunjukkan dengan nilai RBIAS 0,1. Disamping itu CHELSA, TerraClimate, dan CRU-TS memiliki tingkat keeratan hubungan yang sedang terhadap data AWS dengan nilai r = 0,36 – 0,68. Sehingga TerraClimate, CHELSA, dan CRU-TS dapat digunakan sebagai solusi alternatif untuk mendapatkan informasi suhu udara bulanan di Provinsi Papua Barat.Comparison of Remote Sensing-Based Air Temperature Dataset in Estimating Monthly Air Temperature in West PapuaAbstract. Air temperature is one of the important components in agriculture. Generally, air temperature data is obtained from climate stations of the Meteorological, Climatological, and Geophysical Agency (BMKG). These methods represented an area within a radius of 10 km from the climate station, therefore an alternative solution is needed for a larger area. The utilization of the air temperature dataset is one alternative solution. This research aims to compare Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), and TerraClimate as an air temperature dataset in estimating the monthly temperature in West Papua. The main stages in this research are data inventory, data extraction, data screening, data evaluation, data comparison, and data recommendation. The data used in this research are CRU-TS, TerraClimate, CHELSA, and local AWS data recording from 1996 to 2019. The research showed that CRU-TS, TerraClimate, and CHELSA are very accurate in estimating the monthly temperature in West Papua as indicated by RBIAS 0.1. Furthermore, CRU-TS, TerraClimate, and CHELSA have a moderate correlation with AWS data in estimating monthly air temperature with r= 0.36 - 0.68. Therefore, CRU-TS, TerraClimate, and CHELSA can be used as an alternative solution to obtain monthly air temperature information in West Papua. ","PeriodicalId":55725,"journal":{"name":"Rona Teknik Pertanian","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2022-05-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Rona Teknik Pertanian","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.17969/rtp.v15i1.25319","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Abstrak. Pada umumnya data suhu udara diperoleh dari hasil pengamatan pada stasiun iklim Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). Metode ini dapat digunakan untuk merepresentasikan suhu udara suatu wilayah yang berada pada radius ≤ 10 km dari lokasi stasiun iklim, sehingga dibutuhkan sebuah solusi alternatif untuk mendapatkan data suhu udara yang dapat merepresentasikan wilayah yang lebih luas, salah satunya memanfaatkan dataset suhu udara berbasis penginderaan jauh. Penelitian ini bertujuan membandingkan performa sejumlah dataset suhu udara berbasis penginderaan jauh, yaitu Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), dan TerraClimate dalam mengestimasi curah hujan bulanan di Provinsi Papua Barat. Penelitian ini terdiri atas 6 (enam) tahapan utama, yaitu; (1) inventarisasi data yang bertujuan mengumpulkan dataset suhu udara dan data suhu udara hasil perekaman pada Automatic Weather Station (AWS) tahun 1996 sampai tahun 2019, (2) ekstraksi data, (3) screening data untuk mengganti nilai ekstrim dengan nilai rata-rata, (4) evaluasi data untuk membandingkan dataset dengan data AWS, (5) komparasi data untuk membandingkan performa dataset, dan (6) rekomendasi yang bertujuan untuk menentukan dataset yang paling sesuai untuk digunakan di Provinsi Papua Barat. Hasil penelitian menunjukkan bahwa CHELSA, TerraClimate, dan CRU-TS sangat akurat dalam mengestimasi suhu udara bulanan di Provinsi Papua Barat yang ditunjukkan dengan nilai RBIAS 0,1. Disamping itu CHELSA, TerraClimate, dan CRU-TS memiliki tingkat keeratan hubungan yang sedang terhadap data AWS dengan nilai r = 0,36 – 0,68. Sehingga TerraClimate, CHELSA, dan CRU-TS dapat digunakan sebagai solusi alternatif untuk mendapatkan informasi suhu udara bulanan di Provinsi Papua Barat.Comparison of Remote Sensing-Based Air Temperature Dataset in Estimating Monthly Air Temperature in West PapuaAbstract. Air temperature is one of the important components in agriculture. Generally, air temperature data is obtained from climate stations of the Meteorological, Climatological, and Geophysical Agency (BMKG). These methods represented an area within a radius of 10 km from the climate station, therefore an alternative solution is needed for a larger area. The utilization of the air temperature dataset is one alternative solution. This research aims to compare Climatic Research Unit gridded Time Series (CRU-TS), Climatologies at High Resolution for the Earth Land Surface Areas (CHELSA), and TerraClimate as an air temperature dataset in estimating the monthly temperature in West Papua. The main stages in this research are data inventory, data extraction, data screening, data evaluation, data comparison, and data recommendation. The data used in this research are CRU-TS, TerraClimate, CHELSA, and local AWS data recording from 1996 to 2019. The research showed that CRU-TS, TerraClimate, and CHELSA are very accurate in estimating the monthly temperature in West Papua as indicated by RBIAS 0.1. Furthermore, CRU-TS, TerraClimate, and CHELSA have a moderate correlation with AWS data in estimating monthly air temperature with r= 0.36 - 0.68. Therefore, CRU-TS, TerraClimate, and CHELSA can be used as an alternative solution to obtain monthly air temperature information in West Papua.
抽象。一般来说,温度数据来自气象局、气象学和地球物理站(BMKG)的观测结果。这种方法可以用来代表一个地区气温在≤10公里以内的位置气象站的温度,所以需要一种替代解决方案,以获取气温数据,可以代表更广泛的地区,其中基于遥感的利用空气温度数据集。这项研究旨在比较许多以遥感为基础的大气数据集的性能,即气候研究小组《地球表面的观察单位》、《对地球表面的理性解决方案aresa》和《大气适应法》对西巴布亚省每月降水的影响。本研究包括六个主要阶段,即(1)旨在收集数据集的库存数据记录温度和空气温度数据结果1996年自动气象车站(AWS)提取到2019年,(2),(3)筛选数据换极端值与平均成绩,(4)评价比较数据集的数据比较AWS,(5)数据集性能进行比较的数据,(6)旨在确定最适合在西巴布亚省使用的数据的建议。研究结果表明,切尔萨、水磨床和潜艇在西巴布亚省的月度空气升值上非常准确,表现为0.1。除此之外,切尔萨、水磨床和cruts与AWS数据的关系较好,得分为r = 0.36—0.68。因此,水藻、切尔萨和独木舟可以作为一种替代方案,在西巴布亚省获取每月的空气温度信息。关于西部帕普阿布斯特的远程空调温度数据。水的温度是农业中重要的综合之一。一般来说,水的温度数据来自气象、气候学和地理机构(BMKG)的气候变化。这些方法在离气候站10公里的半径内代表了一个区域,因此替代方案需要一个更大的区域。空调温度数据是一种替代方案。这一研究的aims to compare clidment research Unit of crudts,在地球表面的高分辨率aresa(切尔萨),以及地球气候数据分析西巴布亚的月刊温度。这项研究的主要阶段是数据清单、数据提取、数据筛选、数据评估、数据验证和数据推定。这项研究使用的数据是cruts、TerraClimate、车甲和地方AWS数据从1996年到2019年被记录。研究表明,原油、TerraClimate和车辙准确地估计了美国西巴布亚的月刊温度0.1。Furthermore, cruts, TerraClimate和车雷尔萨有一个关于AWS数据的温和关系,这些数据估计了月球水温度和r= 0.36 - 0.68。西巴布亚的水温度信息。