{"title":"PERBANDINGAN TEKNIK WARM DAN COLD START PADA MODEL WRF-3DVAR ASIMILASI DATA RADAR PADA PREDIKSI HUJAN LEBAT DI WILAYAH SURABAYA DAN SEKITARNYA","authors":"Nayla Alvina Rahma, J. A. I. Paski","doi":"10.29122/jstmc.v21i1.4078","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk mengetahui perbedaan hasil prediksi hujan WRF-3DVAR asimilasi data radar dengan menggunakan teknik warm start (spin-up 12 jam) dan cold start (tanpa spin-up). Kejadian hujan yang dianalisis adalah kejadian hujan lebat tanggal 19-20 Januari 2019 di wilayah Surabaya dan sekitarnya. Data yang digunakan untuk simulasi adalah data Global Forescast System (GFS) dan data reflektivitas radar cuaca BMKG Surabaya produk Constant Altitude Plan Position Indicator (CAPPI). Analisis dilakukan dengan membandingan kondisi awal model pada parameter suhu dan kelembaban udara untuk mengetahui efek dari metode asimilasi data. Uji keandalan model dilakukan dengan melakukan verifikasi dikotomi (hujan/tidak hujan) hasil luaran model WRF dengan data hujan di 4 titik pengamatan, yaitu di Stasiun meteorologi Juanda, Stasiun meteorologi Perak, Stasiun Klimatologi Karangploso, dan Stasiun Geofisika Tretes. Hasil menunjukkan bahwa asimilasi data radar dengan mode cold start mempunyai hasil yang lebih baik dibandingkan dengan warm start, yang ditandai dengan lebih tingginya nilai Probability of Detection (POD) dan lebih rendahnya False Alarm Ratio (FAR). Asimilasi data dengan menggunakan mode cold start memiliki performa yang lebih baik dalam mendeteksi curah hujan per jam dengan ambang batas >1 mm dan >5 mm, sedangkan curah hujan >10 mm per jam lebih baik diprediksi menggunakan mode warm start.","PeriodicalId":353176,"journal":{"name":"Jurnal Sains & Teknologi Modifikasi Cuaca","volume":"8 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Sains & Teknologi Modifikasi Cuaca","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.29122/jstmc.v21i1.4078","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
这项研究的目的是确定WRF-3DVAR利用暖头技术和冷启动技术吸收雷达数据的结果。分析后的雨水事件是19-20年1月20日至2019年1月20日在泗水及其周边地区的暴雨事件。模拟使用的数据包括全球Forescast系统(GFS)和气象雷达反射数据。分析是通过比较温度参数和湿度参数的初始条件来确定数据同化方法的影响来进行的。可靠性试验模型进行核实有关二分法(雨/不雨)追随者WRF模式以适应数据结果在4点盛大气象观察、即在车站,车站地球物理气象学、银气候学Karangploso车站,车站Tretes。结果表明,雷达数据同化赶时髦冷启动有更好的结果相比,温暖的开始,以更好高价值的Probability of Detection (POD)和更低的虚假警报Ratio(远)。数据同化模式用冷启动有更好的性能检测每小时降雨量与阈值> 1毫米> 5 mm,而每小时大约10毫米降雨量>更好预测使用温暖的启动模式。
PERBANDINGAN TEKNIK WARM DAN COLD START PADA MODEL WRF-3DVAR ASIMILASI DATA RADAR PADA PREDIKSI HUJAN LEBAT DI WILAYAH SURABAYA DAN SEKITARNYA
Penelitian ini bertujuan untuk mengetahui perbedaan hasil prediksi hujan WRF-3DVAR asimilasi data radar dengan menggunakan teknik warm start (spin-up 12 jam) dan cold start (tanpa spin-up). Kejadian hujan yang dianalisis adalah kejadian hujan lebat tanggal 19-20 Januari 2019 di wilayah Surabaya dan sekitarnya. Data yang digunakan untuk simulasi adalah data Global Forescast System (GFS) dan data reflektivitas radar cuaca BMKG Surabaya produk Constant Altitude Plan Position Indicator (CAPPI). Analisis dilakukan dengan membandingan kondisi awal model pada parameter suhu dan kelembaban udara untuk mengetahui efek dari metode asimilasi data. Uji keandalan model dilakukan dengan melakukan verifikasi dikotomi (hujan/tidak hujan) hasil luaran model WRF dengan data hujan di 4 titik pengamatan, yaitu di Stasiun meteorologi Juanda, Stasiun meteorologi Perak, Stasiun Klimatologi Karangploso, dan Stasiun Geofisika Tretes. Hasil menunjukkan bahwa asimilasi data radar dengan mode cold start mempunyai hasil yang lebih baik dibandingkan dengan warm start, yang ditandai dengan lebih tingginya nilai Probability of Detection (POD) dan lebih rendahnya False Alarm Ratio (FAR). Asimilasi data dengan menggunakan mode cold start memiliki performa yang lebih baik dalam mendeteksi curah hujan per jam dengan ambang batas >1 mm dan >5 mm, sedangkan curah hujan >10 mm per jam lebih baik diprediksi menggunakan mode warm start.