Validasi Curah Hujan Data TerraClimate dengan Data Pengamatan BMKG di Provinsi Kalimantan Barat
Abstrak
Estimasi curah hujan memanfaatkan data hujan bentuk grid merupakan alternatif untuk memperoleh data hujan yang terbatas karena sedikitnya pengamatan pada wilayah yang luas. TerraClimate menyediakan data curah hujan bulanan dalam bentuk grid dengan resolusi spasial dan temporal yang tinggi. Tujuan penelitian ini adalah mengevaluasi akurasi data TerraClimate dalam mengestimasi curah hujan bulanan di Provinsi Kalimantan Barat. Penelitian menggunakan data curah hujan TerraCLimate dan penakar hujan dari Badan Meteorologi, Klimatologi dan Geofisika (BMKG) periode tahun 1996 - 2020 (25 tahun) pada 8 stasiun meteorologi yang tersebar di Provinsi Kalimantan Barat. Uji konsistensi data curah hujan bulanan TerraClimate dan data BMKG dilakukan menggunakan metode Rescaled Adjusted Partial Sums (RAPS). Akurasi data TerraClimate ditentukan menggunakan nilai Mean Absolute Error (MAE), Root Mean Square Error (RMSE), persen bias (PBIAS) dan koefisien korelasi Pearson (R). Hasil penelitian menunjukkan bahwa nilai MAE berkisar antara 58 – 106 mm, nilai RMSE antara 93,3 – 133,8 mm, nilai PBIAS antara 0,45% – (-12,2%), dan koefisien korelasi antara 0,47 – 0,71. Nilai rerata PBIAS diperoleh 1,89% dan koefisien korelasi data TerraClimate secara keseluruhan 0,62 yang menunjukkan data TerraClimate mempunyai akurasi sangat baik dengan tingkat korelasi yang kuat.
Download
Referensi
Adidarma, W. K., Martawati, L., Syofyan, D. M. K., Levina, L., & Subrata, O. (2010). Dampak Perubahan Iklim Terhadap Pola Hujan Dikhususkan Bagi Pertanian Di Pulau Sumatera Dan Kalimantan. Jurnal Teknik Hidraulik, 1(1), 43–56.
Badan Meteorologi, Klimatologi, dan Geofisika. (2021). Metadata Stasiun. Retrieved from https://dataonline.bmkg.go.id/mcstation_metadata
Buishand, T. A. (1982). Some Methods for Testing the Homogeneity of Rainfall Records. Journal of Hydrology, 58(1–2), 11–27.
Caroletti, G. N., Coscarelli, R., & Caloiero, T. (2019). Validation of Satellite, Reanalysis and RCM Data of Monthly Rainfall in Calabria (Southern Italy). Remote Sensing, 11(13). https://doi.org/10.3390/rs11131625
Daeng, B., & Faisol, A. (2021). Evaluasi Data TerraClimate Dalam Mengestimasi Suhu Udara Bulanan Di Provinsi Papua Barat. Rona Teknik Pertanian, 14(April), 15–25. https://doi.org/10.17969/rtp.v14i1.19241
Dinas Tanaman Pangan dan Hortikultura. (2018). Laporan Tahunan Dinas Tanaman Pangan dan Hortikultura Tahun 2016 Provinsi Kalimantan Barat. Retrieved from http://distan.kalbarprov.go.id/sites/default/files/lap tahunan 2018.pdf
Fatkhuroyan, Wati, T., Sukmana, A., & Kurniawan, R. (2018). Validation of Satellite Daily Rainfall Estimates Over Indonesia. Forum Geografi, 31(2), 170–180. https://doi.org/10.23917/forgeo.v32i2.6288
Ibarra-Zavaleta, S. P., Landgrave, R., Romero-López, R., Poulin, A., & Arango-Miranda, R. (2017). Distributed Hydrological Modeling: Determination of Theoretical Hydraulic Potential & Streamflow Simulation of Extreme Hydrometeorological Events. Water (Switzerland), 9(8). https://doi.org/10.3390/w9080602
Jarwanti, D. P., Suhartanto, E., & Fidari, J. S. (2021). Validasi Data Curah Hujan Satelit TRMM (Tropical Rainfall Measuring Mission) dengan Data Pos Penakar Hujan di DAS Grindulu, Kabupaten Pacitan, Jawa Timur. Jurnal Teknologi Dan Rekayasa Sumber Daya Air, 1(2), 772–785. https://doi.org/10.21776/ub.jtresda.2021.001.02.36
Lemenkova, P. (2021). Comparative Analysis of Climate and Topography in Chaco and Oriental, Paraguay. Caderno de Geografia, 31(66), 865. https://doi.org/10.5752/p.2318-2962.2021v31n66p865
Lufi, S., Ery, S., & Rispiningtati, R. (2020). Hydrological Analysis of TRMM (Tropical Rainfall Measuring Mission)
Data in Lesti Sub Watershed. Civil and Environmental Science, 3(01), 018–030. https://doi.org/10.21776/ub.civense.2020.00301.3
Mamenun, M., Pawitan, H., & Sopaheluwakan, A. (2014). Validasi dan Koreksi Data Satelit Trmm Pada Tiga Pola Hujan di Indonesia. Jurnal Meteorologi Dan Geofisika, 15(1), 13–23. https://doi.org/10.31172/jmg.v15i1.169
Moriasi, D. N., Gitau, M. W., Pai, N., & Daggupati, P. (2015). Hydrologic and Water Quality Models: Performance Measures and Evaluation Criteria. Transactions of the ASABE, 58(6), 1763–1785. https://doi.org/10.13031/trans.58.10715
Saemian, P., Hosseini-Moghari, S. M., Fatehi, I., Shoarinezhad, V., Modiri, E., Tourian, M. J., Tang, Q., Nowak, W., B´ardossy, A., & Sneeuw, N. (2021). Comprehensive Evaluation of Precipitation Datasets Over Iran. Journal of Hydrology, 603(September), 1–23. https://doi.org/10.1016/j.jhydrol.2021.127054
Salehie, O., Ismail, T. bin, Shahid, S., Sammen, S. S., Malik, A., & Wang, X. (2022). Selection of the Gridded Temperature Dataset for Assessment of Thermal Bioclimatic Environmental Changes in Amu Darya River Basin. Stochastic Environmental Research and Risk Assessment, 8. https://doi.org/10.1007/s00477-022-02172-8
Searcy, J. K., & Hardison, C. H. (1960). Double- Mass Curves. Manual of Hydrology: Part 1. General Surface –Water Technique.
Sun, W., Sun, Y., Li, X., Wang, T., Wang, Y., Qiu, Q., & Deng, Z. (2018). Evaluation and Correction of GPM IMERG Precipitation Products Over the Capital Circle in Northeast China at Multiple Spatiotemporal Scales. Advances in Meteorology, 2018. https://doi.org/10.1155/2018/4714173
Suryanto, J. (2017). Analisa Perbandingan Pengelompokkan Curah Hujan 15 Harian Provinsi DIY Menggunakan Fuzzy Clustering dan K-Means Clustering. Jurnal AGRIFOR, XVI(2), 229–242.
Susanti, I., Sipayung, S. B., Siswanto, B., Maryadi, E., Latifah, H., Nurlatifah, A., Supriatin, L. S., Witono, A., & Suhermat, M. (2021). Implications of Extreme Events on the Water Balance in Java. AIP Conference Proceedings, 2331(April), 0–7. https://doi.org/10.1063/5.0042006
Tjasyono, B. (2004). Klimatologi. Bandung: Institut Teknologi Bandung.
Wang, X., Gao, B., & Wang, X. (2020). A modified ABCD model with temperature-dependent parameters for cold regions: Application to reconstruct the changing runo in the headwater catchment of the Golmud river, China. Water (Switzerland), 12(6), 1–23. https://doi.org/10.3390/w12061812
World Meteorological Organization. (2018). Guide to Climatological Practices. WMO-No. 100. 2018ed. Geneva: World Meteorological Organization.
Wu, W., Li, R., & Shao, J. (2022). Assessment of Regional Spatiotemporal Variations in Drought from the Perspective of Soil Moisture in Guangxi, China. Water (Switzerland), 14(3). https://doi.org/10.3390/w14030289
Kebijakan Hak Cipta
Lisensi 
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional. Pemegang hak cipta adalah penulis sesuai dengan ketentuan yang berlaku.
