Komparasi Citra Satelit Hujan Resolusi Tinggi dalam Mengestimasi Curah Hujan Harian di Provinsi Papua Barat

  • Arif Faisol
  • Bertha Ollin Paga

Abstract

Hujan merupakan salah satu penyebab utama bencana banjir dan tanah longsor. Oleh sebab itu ketersediaan data hujan yang akurat dengan rentang data lebih dari 20 tahun sangat dibutuhkan. Saat ini data hujan di Provinsi Papua Barat diperoleh dari hasil pengamatan 7 (tujuh) stasiun iklim yang dikelola oleh Badan Meteorologi dan Geofisika (BMKG) yang tersebar di Provinsi Papua Barat, sehingga secara spasial belum mewakili data hujan di Provinsi Papua Barat. Disamping itu data yang tersedia pada umumnya kurang dari 20 tahun. Saat ini telah tersedia data hujan hasil pemantauan satelit dengan durasi perekaman lebih dari 20 tahun serta memiliki tingkat keterwakilan spasial yang tinggi. Penelitian ini bertujuan untuk mengevaluasi dan mengkomparasi performa Global Precipitation Measurement (GPM), Tropical Rainfall Measuring Mission (TRMM), dan Climate Hazards Group Infrared Precipitation with Stations (CHIRPS) dalam mengestimasi hujan harian di Provinsi Papua Barat. Penelitian ini terdiri atas 5 (lima) tahapan utama yaitu; inventarisasi data, ekstraksi data, seleksi data, evaluasi data, dan komparasi data. Data GPM, TRMM, CHIRPS, dan data hujan harian tahun 2015 – 2019 hasil pengamatan pada stasiun iklim Rendani – Kabupaten Manokwari, Torea – Kabupaten Fakfak, dan Utarom – Kabupaten Kaimana digunakan pada penelitian ini. Hasil penelitian menunjukkan bahwa TRMM, GPM, dan CHIRPS sangat baik dalam menggambarkan distribusi hujan di Provinsi Papua Barat dengan tingkat keterwakilan spasial yang tinggi. Disamping itu TRMM, GPM, dan CHIRPS dapat mendeteksi hujan dengan baik. Namun, hasil uji statistik menunjukkan TRMM, GPM, dan CHIRPS kurang akurat dalam mengestimasi curah hujan harian di Provinsi Barat serta terdapat perbedaan yang signifikan dengan data hasil pengamatan pada stasiun iklim. Oleh sebab itu, masih perlu dilakukan penelitian lebih lanjut menggunakan rentang data yang lebih panjang.

References

Azka, M. A. dkk., (2018), ‘Uji Akurasi Produk Estimasi Curah Hujan Satelit GPM IMERG di Surabaya, Indonesia’, Jurnal Sains & Teknologi Modifikasi Cuaca, 19(2), pp. 83–88.
Badan Meteorologi Klimatologi dan Geofisika, (2021), Ketersediaan Data. Available at: http://dataonline.bmkg.go.id/akses_data.
Badan Nasional Penanggulangan Bencana, (2021), Geoportal Data Bencana Indonesia. Available at: https://gis.bnpb.go.id/.
Badan Standardisasi Nasional, (2016), SNI 2415: 2016 - Tata Cara Perhitungan Debit Banjir Rencana. Jakarta.
BMKG, (2018), Metadata Stasiun. Available at: https://dataonline.bmkg.go.id/mcstation_metadata (Accessed: 7 November 2018).
Funk, C. C. dkk., (2014), A Quasi-Global Precipitation Time Series for Drought Monitoring. 1st edn. Virginia.
Goddard Space Flight Center, (2013), Global Precipitation Measurement (GPM) Science Implementation Plan. Greenbelt: NASA.
Lelis, L. C., Bosquilia, R. W. D. and Duarte, S. N., (2018), ‘Assessment of Precipitation Data Generated by GPM and TRMM Satellites’, Revista Brasileira de Meteorologia, 33(1), pp. 153–163.
Meyer, H., Drönner, J. and Nauss, T., (2017), ‘Satellite-based High-Resolution Mapping of Rainfall over Southern Africa’, Atmospheric Measurement Techniques, 10, pp. 2009–2019.
Moriasi, D. N. dkk., (2007), ‘Model Evaluation Guidelines for Systematic Quantification of Accuracy in Watershed Simulation’, American Society of Agricultural and Biological Engineers, 50(3), pp. 885–900.
National Center for Atmospheric Research Staff, (2020), The Climate Data Guide: Precipitation Data Sets: Overview & Comparison table, Agustus. Available at: https://climatedataguide.ucar.edu/climate-data/precipitation-data-sets-overview-comparison-table (Accessed: 30 September 2020).
Omranian, E., Sharif, H. O. and Tvakoly, A. A., (2018), ‘How Well Can Global Precipitation Measurement ( GPM ) Capture Hurricanes ? Case Study : Hurricane Harvey’, Remote Sensing, p. 14. doi: 10.3390/rs10071150.
Ott, R. L. and Longnecker, M., (2016), An Introduction to Statistical Methods & Data Analysis. 7th edn. Boston: Cengage Learning.
Prakash, S. dkk. (2017) ‘How Accurate are Satellite Estimates of Precipitation over The North Indian Ocean ?’, Theoretical and Applied Climatology. Theoretical and Applied Climatology, p. 9 p. doi: https://doi.org/10.1007/s00704-017-2287-2.
Randolph, K. A. and Myers, L. L. (2013) Basic Statistics in Multivariate Analysis. 1st edn, Basic Statistics in Multivariate Analysis. 1st edn. New York: Oxford University Press. doi: 10.1093/acprof:oso/9780199764044.001.0001.
Saeidizand, R. dkk. (2018) ‘Evaluation of CHIRPS Rainfall Estimates over Iran’, Advances in Remote Sensing pf Rainfall and Snowfall, 144(May), pp. 282–291. doi: 10.1002/qj.3342.
Sungmin, O. dkk. (2017) ‘Evaluation of GPM IMERG Early , Late , and Final rainfall estimates using WegenerNet gauge data in southeastern Austria’, Hydrology and Earth System Science, 21, pp. 6559–6572.
Trejo, F. J. P. dkk. (2016) ‘Intercomparison of Improved Satellite Rainfall Estimation with CHIRPS Gridded Product and Rain Gauge Data over Venezuela’, Atmósfera. Elsevier, 29(4), pp. 323–342. doi: 10.20937/ATM.2016.29.04.04.
Wang, Z. dkk. (2017) ‘Evaluation of The GPM IMERG Satellite-based Precipitation Products and The Hydrological Utility’, Atmospheric Research. Elsevier, 196(June), pp. 151–163. doi: 10.1016/j.atmosres.2017.06.020.
Wei, G. dkk. (2018) ‘TMPA Precipitation Products with Gauged Rainfall over Mainland China’, Advances in Meteorology, 2018(4), p. 18 p.
World Meteorological Organization (2010) Commission for Instruments and Methods of Observation (WMO-No. 1064), Fifteenth session - Abridged final report with resolutions and recommendations. Available at: http://www.wmo.int/pages/prog/www/CIMO/CIMO15-WMO1064/1064_en.pdf
Statistik Abstract view : 241 times
Statistik PDF Views : 233 times
Published
2022-08-28
How to Cite
FAISOL, Arif; PAGA, Bertha Ollin. Komparasi Citra Satelit Hujan Resolusi Tinggi dalam Mengestimasi Curah Hujan Harian di Provinsi Papua Barat. Agritechnology, [S.l.], v. 4, n. 1, p. 43-56, aug. 2022. ISSN 2620-4738. Available at: <https://journal.fateta.unipa.ac.id/index.php/agritechnology/article/view/81>. Date accessed: 29 mar. 2024. doi: https://doi.org/10.51310/agritechnology.v4i1.81.
Section
Articles