Prakiraan Curah Hujan dengan Metode CST

Nothing to post, jadi saya akan posting tentang percobaan saya baru-baru ini. Sekalian juga saya ingin mengasah kemampuan programming pyhton saya sendiri. Ini bukan metode yang saya ciptakan, saya hanya mengaplikasikannya saja sesuai dengan jurnal pada referensi di penghujung artikel ini. Sesuai judulnya, kali ini kita akan mencoba menggunakan metode CST untuk mengukur curah hujan.

Apa itu metode CST? Ini adalah metode yang memperkirakan curah hujan yang jatuh ke tanah berdasarkan daerah yang di cover awan konvektif atau stratifoam. Kita tahu kalau curah hujan yang diturunkan dari awan konvektif cenderung lebih lebat dibandingkan dari awan stratifoam. Oleh karena itu, kedua cover awan ini perlu dibedakan. Perlu di catat, prakiraan curah hujan ini hanya berdasarkan dari puncak awan yang gelombang infra rednya tertangkap oleh satelit. Sedangkan untuk menentukan hujan akan turun atau tidak, parameter ini saja masih kurang.

Data yang kita gunakan untuk mengetahui daerah cover awan-awan itu adalah data IR1 yang bisa di dapatkan di website universitas kochi, Jepang. Data ini resolusinya 1/20° (derajat lintang dan bujur bumi). Jadi, inputnya adalah data gambar format PGM yang berukuran 1800 x 1800 pixel. Selain itu, daerah yang di cover pada data PGM ini menurut websitenya adalah

Geo-coordinate mapped data for GAME research area. N70 - S20, E70 - E160. 1/20 degree resolution. 1800 x 1800 pixels. PGM (Portable Gray Map) format with Gzip compression.

Berarti dari 70° lintang utara sampai 20° lintang selatan dan 70° bujur timur sampai 160° BT.

Selain data PGM, kita juga butuh dara koreksi PGM-nya untuk mengetahui nilai suhu asli pada setiap pixelnya. Untuk data koreksinya bisa didownload di sini.

Kita bahas singkat tentang algoritma dari CST method ini, yaitu:
- Baca suhu pada data pgm dengan bantuan data koreksi suhu data pgm terkait.
- Periksa tiap pixel pada data pgm untuk mengkategorikannya sebagai inti konvektif atau inti stratifoam.
- Ukur curah hujannya.

Pada metode CST yang biasanya, mereka mengukur "slope" pada inti tiap pixelnya yang mana pada intinya jika slopenya tinggi maka pixel itu dianggap sebagai inti konvektif dan sebaliknya jika slopenya rendah maka dianggap sebagai bukan sebagai inti konvektif. Belum sampai disitu, ada beberapa langkah algoritma lagi untuk menentukan apakah inti yang bukan konvektif itu di anggap sebagai inti stratifoam atau bukan. Cukup rumit, sedangkan pada metode CST yang baru ini, cukup mengukur indeks variabilitas (VI) pada pixel yang di amati dengan sekitarnya, jika indeks variabilitasnya tinggi (variabilitas suhu) maka itu di anggap inti konvektif, sebaliknya di anggap inti stratifoam, tapi konsekuensinya semua pixel dari data PGM itu dianggap berpotensi membuat hujan. Untuk mengatasi masalah ini, akan dibahas nanti pada artikel ini.

Cukup simpel metode CST baru ini, makanya saya cukup tertarik untuk mengaplikasikannya. Abra kadabra...silahkan download source code pythonnya untuk perhitungan metode CST ini di sini.

Sekarang mari kita tes. Sayang sekali, kita tidak bisa mengetes keakuratan metode ini karena tidak adanya data pembanding. Kali ini kita hanya akan mengetes metode ini pada waktu dan tempat yang dilaporkan hujan oleh teman komunitas saya.

Special thanks to mz fowaah

Sekarang kita cari koordinat lintang dan bujur Kecamatan tanah sareal kota Bogor tersebut di google map.

Catat koordinat pada gambar di atas dan kita edit kode python kita. Koordinat yang kita catat ini akan menjadi pusat dari area yang akan dihitung prakiraan curah hujannya.

Luasan area yang di prakirakan curah hujannya pada program python kita defaultnya adalah 2° x 2° (lintang dan bujur) atau sebanding dengan 4 x 110.57 km luas totalnya. Sementara itu, cover daerah tanah sereal tidak seluas itu dan ini bisa jadi semacam pemborosan energi dan buang-buang waktu bagi komputer kita. Untuk itu, pada kode python tersebut bisa di edit sehingga area cover yang akan dihitung curah hujannya menjadi lebih kecil (variabel luasan tersebut ada pada line 42). Akan tetapi pada praktek kali ini saya memakai luasan area cover yang default pada program pythonnya. Sehingga, pada variabel penentu pusat daerah prakiraan akan menjadi seperti ini

X untuk koordinat bujur pusat dan Y untuk koordinat lintang pusatnya.

Lalu, sebelum menjalankan program prakiraannya kita harus punya data inputnya terlebih dahulu yaitu data PGM dan data koreksi PGMnya. Tempat downloadnya sudah di jelaskan sebelumnya. Download datanya untuk tanggal yang ingin kita amati yaitu 21 Januari 2017 jam 13.00 UTC (20.00 WIB). 

Untuk data PGM

Untuk data koreksinya

Sekarang jalankan dan dapatkan file outputnya. Untuk melihatnya dengan jelas, buka sebagai file excel (nama file outputnya ctmVI.txt). 

Output dari program  pythonnya. Kolom A lokasi derajat lintang pixelnya, kolom B derajat bujur, kolom C klasifikasi tipe awannya, dan kolom D jumlah curah hujan yang di prakirakan akan di cover oleh tiap pixelnya.

Tiap pixelnya punya potensi hujan beberapa mm dan tidak 0, karena konsekuensi dari algoritma CSTnya. Untuk itu perlu pengkategorian batas bawah dan batas atas jumlah curah hujan yang di anggap tidak hujan, pada jurnal yang di jadikan referensi, pengkategoriannya sebagai berikut:

Ah, tapi apalah arti data spasial tanpa peta yang merepresentasikannya? Untuk itu kita akan tampilkan data ini di peta dengan bantuan quantum gis seperti artikel sebelumnya.

Yup, karena variabel luasan covernya masih memakai yang default, jadinya datanya menjadi sampai keluar di daerah jawa barat karena terlalu banyak sementara bogor cuma secuil dari jawa barat :D

Potensi hujan jawa barat pada 21 Januari 2017 jam 13.00 UTC (20.00 WIB)

Potensi hujan "Perkiraan daerah tanah sareal", Bogor jawa barat. Dibilang "perkiraan daerah" karena saya tidak tahu pasti dimana daerah tanah sareal pada peta jabar ini, itu disebabkan keterbatas file shp yang saya punya (tidak punya file shp tanah sareal T_T)

Dengan begini, laporan dari teman komunitas saya dan hasil prakiraan curah hujan cocok. Di perkirakan daerah tanah sareal pada waktu itu terjadi hujan ringan dan sedang.

Dengan begini, berakhir sudah artikel ini. Sebenarnya saya masih ragu dengan program prakiraan curah hujan ini, apa benar algoritma program yang saya buat ini sudah cocok dengan metode CST atau belum. Tapi tak apalah, ini juga cuma blog casual :p (oh, no excuse please). Oleh karena itu, kalau ada yang saya rasa salah atau kurang, artikel ini akan saya update kedepannya. Sekian.

referensi:
http://teacher.buet.ac.bd/mnislam/JNDS02.pdf,  diakses pada 20 Januari 2017
journals.itb.ac.id/index.php/jmfs/article/download/421/770, diakses pada 22 Januari 2017
http://www.longitudestore.com/how-big-is-one-gps-degree.html,  diakses pada 20 Januari 2017