Berdasarkan prediksi pada anomaly iklim El Nino dan La Nina bulan Februari 2009 oleh The International Research Institute for Climate and Society pada bulan juni ini diperkirakan anomali suhu permukaan laut samudera pasifik (Nino 3.4) akan berada di atas 0 (nol) derajat, dan keadaan itu benar2 terjadi pada bulan juni ini. Dan diperkirakan akan terus meningkat sampai pada bulan Oktober 2009. meningkatnya suhu permukaan laut di kawasan Nino 3.4 menggambarkan terjadinya kondisi El Nino untuk daerah sekitarnya. Dan untuk Indonesia, kejadian El Nino akan mengakibatkan kemarau yang berkepanjangan, kegagalan panen, hutan yang terbakar dan juga kekurangan pangan.

Hasil-hasil model prediksi tersebut dapat dilihat pada gambar di bawah. Dan semoga kita bisa merencanakan apa yang harus dilakukan untuk mengatasi masalah tersebut sehingga kerugiannya tidak terlalu besar. Misalnya dengan menyetok kebutuhan pokok seperti beras, merencanakan penanaman tanaman yg tahan kekeringan seperti jagung dan kedelai, serta berusaha menghemat air

Kompas hari Rabu 01 Juli 2009 memuat suatu berita yang berjudul ”Pertumbuhan El Nino Diselingi Hujan” adapun beritanya dapat di baca pada tulisan dibawah.

Jakarta, Kompas – Kondisi cuaca masih sulit diprediksikan. Tahap pertumbuhan El Nino saat ini yang diperkirakan membawa dampak kemarau panjang tahun 2009-2010 masih diselingi hujan deras di selatan dan barat Jakarta pada Senin malam.

Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) memperkirakan ada gangguan sirkulasi harian di perairan barat Sumatera akibat anomali suhu permukaan laut mencapai 0,8 derajat celsius di atas normal. Gangguan itu menimbulkan perubahan pola angin yang mendatangkan hujan deras. Seperti di stasiun pemantauan BMKG di Dermaga, Bogor, intensitas curah hujan tercatat 94 milimeter.

”Gangguan sirkulasi tidak akan mengubah pola besar menuju fase El Nino di wilayah Indonesia,” kata Kepala Bidang Analisis Iklim dan Kualitas Udara BMKG Soetamto, Selasa (30/6) di Jakarta.

Menurut dia, fenomena El Nino akan ditunjukkan dengan suhu muka laut yang dingin sehingga tidak menyuplai uap air yang membentuk awan hujan. Namun, saat ini masih berlangsung anomali suhu muka laut mencapai 0,8 derajat celsius di atas normal yang menunjukkan pendinginan suhu muka laut itu berjalan lamban.

Dampak yang ditimbulkan, menurut Soetamto, tahun ini musim hujan berpotensi mundur hingga beberapa bulan ke depan, sedangkan musim kemarau akan berlangsung lebih panjang daripada tahun sebelumnya.

Pembelokan arah angin

Kepala Subbidang Informasi Meteorologi Publik BMKG Hary Tirto Jatmiko mengatakan, hujan secara sporadis yang masih berlangsung di sebelah barat dan selatan Jakarta akibat terjadi pembelokan arah angin dari tenggara ke barat laut. Pembelokan yang memperbesar suplai uap air ini dipengaruhi pusaran angin yang terjadi di perairan sebelah barat Sumatera. ”Hujan di Jawa seperti terjadi di barat dan selatan Jakarta bersifat sporadis dan tidak merata,” katanya.

Menurut Hary, konsentrasi hujan di Indonesia saat ini terpusat di Sumatera bagian utara dan tengah, pesisir barat Sumatera, dan Sumatera bagian selatan. Di Kalimantan, hujan terkonsentrasi di Kalimantan Barat, Kalimantan Tengah bagian utara, serta Kalimantan Timur bagian utara dan timur.

Di Maluku Utara peluang hujan terkonsentrasi di bagian utara dan tengah, sedangkan di Papua di bagian barat, utara, dan tengah. (NAW)

1. bikin folder baru bernama “ilwisfree” di C:\program files\ atau bila mau disimpan di Drive selain C, maka bikin folder “ilwisfree” di drive yang dinginkan, seperti  C:\program files\ilwisfree atau D:\ilwisfree

2. ektrak file zip hasil download di dalam folder yang baru dibikin

3. instal setup.exe

4. di start menu akan muncul ILWIS 3.6

5. ILWIS 3.6 sekarang dah bisa dijalankan

Klo mau Download ILWIS 3.6nya

silahkan klik disini

Selamat mencoba…

ANALISIS INDEKS VEGETASI MENGGUNAKAN CITRA ALOS/AVNIR-2 DAN SISTEM INFORMASI GEOGRAFI (SIG) UNTUK EVALUASI TATA RUANG KOTA DENPASAR

A. Rahman As-syakur dan I.W. Sandi Adnyana

Abstract

Key word: vegetation index, percentage vegetation, urban planning, ALOS/AVNIR-2

Pendahuluan

Berdasarkan UU No. 26 tahun 2007 Tentang Penataan Ruang bahwa suatu wilayah kota diwajibkan memiliki ruang terbuka hijau minimal 30% dari luas kota dan minimal 20% adalah ruang terbuka hijau publik. Seiring dengan peningkatan jumlah urbanisasi dan peningkatan jumlah penduduk menyebabkan semakin tingginya perubahan penggunaan lahan yang mengakibatkan berkurangnya jumlah tutupan lahan oleh vegetasi khususnya di daerah perkotaan, keadaan ini menyebabkan menurunnya kualitas lingkungan di daerah perkotaan (Dardak, 2006).

Faktor yang sangat penting dalam permasalahan lingkungan adalah besarnya populasi manusia. Pertumbuhan penduduk merupakan faktor utama yang mempengaruhi perkembangan pemukiman dan kebutuhan prasarana dan sarana (Tinambunan, 2006). Jumlah penduduk di kota Denpasar pada tahun 2007 telah mencapai 608.595 jiwa dengan tingkat pertumbuhan rata-rata per tahun 3.34 % (BPS, 2008). Tingginya laju pertumbuhan penduduk tersebut dapat menyebabkan semakin terdesaknya alokasi ruang untuk vegetasi yang mempunyai fungsi sangat penting di daerah perkotaan.

Vegetasi perkotaan dapat mempengaruhi udara disekitarnya secara langsung maupun tidak langsung dengan cara merubah kondisi atmosfer lingkungan udara (Nowak et al., 1998). PP RI No.63/2002 menyebutkan bahwa fungsi vegetasi di perumahan ditekankan sebagai penyerap CO₂, penghasil oksigen, penyerap polutan (logam berat, debu, belerang), peredam kebisingan, penahan angin dan peningkatan keindahan. Kondisi dan keberadaan vegetasi di daerah perkotaan dapat diketahui dengan berbagai pendekatan, salah sataunya adalah pemanfaatan penginderaan jauh dengan melihat nilai indeks vegetasi (Yunhao, et al., 2005).

Nilai indeks vegetasi dapat memberikan informasi tentang persentase penutupan vegetasi, indeks tanaman hidup (Leaf Area Index), biomassa tanaman, fAPAR (fraction of Absorbed Photosynthetically Active Radiation), kapasitas fotosintesis dan estimasi penyerapan karbon dioksida (CO₂) (Horning, 2004; Ji and Peters, 2007). Nilai indeks vegetasi merupakan suatu nilai yang dihasilkan dari persamaan matematika dari beberapa band yang diperoleh dari data penginderaan jauh (citra). Band-band tersebut biasanya adalah band merah (visible) dan band infra merah dekat (Near Infra Red).

Pemanfaatan citra satelit dengan resolusi spasial yang tinggi sangat diperlukan di daerah perkotaan yang mempunyai tingkat kergaman tutupan lahan yang heterogen (Liang et al., 2007). Penelitian sebelumnya yang dilakukan oleh Yüksel, et al. (2008) menyimpulkan bahwa pemanfaatan citra Landsat dengan resolusi spasial 30m sangat efektif untuk mengklasifikasi daerah dengan tutupan lahan yang homogen, akan tetapi keakurasiannya untuk daerah yang heterogen berkurang. ALOS (Advanced Land Observing Satellite) merupakan satelit jenis baru yang dimiliki oleh Jepang setelah dua satelit pendahulunya yaitu JERS-1 dan ADEOS. ALOS yang diluncurkan pada tanggal 24 Januari 2006 mempunyai 5 misi utama yaitu untuk kepentingan kartografi, pengamatan regional, pemantauan bencana alam, penelitian sumberdaya alam dan pengembangan teknologi (JAXA, 2005). Satelit ALOS dengan sensor AVNIR-2 (Advanced Visible and Near Infrared Radiometer type-2) memiliki resolusi spasial 10 m diharapakan dapat menganalisa daerah-daerah yang mempunyai tutupan lahan yang heterogen.

Penginderaan jauh tidak pernah lepas dari Sistem Informasi Geografi (SIG). Data-data spasial hasil penginderaan jauh merupakan salah satu data dasar yang dipergunakan dalam analisis SIG. Dalam perkembangannya data-data SIG juga berguna dalam pengolahan data pengideraan jauh (Barus dan Wiradisastra, 2000). Integrasi antara data spasial dan data atribut dalam suatu sistem terkomputerisasi yang bereferensi geografi merupakan keunggulan SIG. Pengolahan data penginderaan jauh dengan memanfaatkan SIG diharapkan mampu memberikan informasi secara cepat dan tepat sehingga segera dapat digunakan untuk keperluan analisis dan manipulasi.

Melihat permasalah di atas, perlu dilakukan suatu pemantauan tutupan lahan secara cepat dengan memanfaatkan teknologi yang ada seperti teknologi penginderaan jauh dan Sistem Infomasi Geografi (SIG). Tujuan dari penelitian ini adalah untuk mengetahui kemampuan citra ALOS/AVNIR-2 dalam mendeteksi vegetasi yang dihubungkan dengan persentase vegetasi dengan menggunakan Sistem Informasi Geografi (SIG) dan juga untuk mengevaluasi peta tata ruang Kota Denpasar tahun 2003 berdasarkan peta sebaran persentase vegetasi yang diperoleh dari citra ALOS/AVNIR-2.

Selengkapnya bisa di baca pada:

As-syakur, A.R. dan I W. S. Adnyana. 2009. Analisis Indeks Vegetasi Menggunakan Citra ALOS/Avnir-2 dan Sistem Informasi Geografi (SIG) Untuk Evaluasi Tata Ruang Kota Denpasar. Jurnal Bumi Lestari, Vol 9, No 1. p 1-11

“Masalah terbesar bukan tentang teknologi atau biaya, tetapi mengatasi hambatan politik, sosial dan perilaku dalam upaya mengurangi emisi (Bert Metz dan Detlef van Vuuren)”

Pada tulisan Pemanasan Global (Catatan mengenai sebabnya), ditulis beberapa teori tentang penyebab pemanasan global atau khususnya peningkatan gas rumah kaca, lebih khususnya lagi gas CO2 itu adalah manusia, aktivitas gunung api dan juga pemanasan permukaan laut. Dua sebab yang terakhir jelas kita ga bisa ngapa2in karena itu adalah proses alam. Kita cuman bisa pasrah dan berusaha cepat beradaptasi. Tapi klo yang disebabkan oleh manusia, kita masih masih bisa bertindak, karena itu adalah kita sendiri. Untuk pemanasan permukaan laut, sebagian ahli menganggap bahwa itu adalah efek domino dari pemanasan global. Tapi sampai sekarang belum diketahui mana yang duluan, pemanasan muka air laut atau peningkatan gas CO2. seperti pertanyaan mana yang lebih dulu telur atau ayam

Kita fokus kemanusianya aja dah, kan Intergovernmental Panel on Climate Change (IPCC) tahun 2007 dah mengeluarkan maklumat klo kemungkinan manusia yang menyebabkan perubahan iklim itu sekitar 90% dimana penyebab utama terjadinya peningkatan Gas Rumah Kaca (GRK) seperti peningkatan gas Carbon Dioksida yang disebabkan oleh penggunaan bahan bakar fosil dan perubahan penggunaan dari lahan hutan menjadi lahan yang bernilai ekonomi seperti pemukiman dan perkebunan, sedangkan peningkatan gas metan dan gas dinitrogen oksida disebabkan oleh aktivitas pertanian dan peternakan. Gas metan juga dihasilkan oleh pembusukan sampah. Jadi bisa dah kita simpulin klo peningkatan gas rumah kaca itu akibat kesalahan manusia dalam pengelolaan energi, hutan, pertanian, peternakan dan juga sampah.

Semua butuh energi, dan selama ini kita memanfaatkan energi yang tidak terbaharukan. Kesalahan pengelolaan energi oleh manusia dituduh sebagai penyebab utama peningkatan pemanasan global. Jadi energi ini harus dikelola dengan baik. Sumber energi utama dibumi adalah energi matahari. Tapi jarang sekali manusia yang memanfaatkan energi ini. Tumbuhan secara alami sudah memanfaatkannya melalui proses fotosintesis. Kenapa kita manusia tidak memanfaatkan energi matahari untuk kehidupan kita sehari2? kembali ke kata pembuka aja deh

Kota Freiburg di Jerman merupakan kota pelopor yang memanfaatkan energi matahari sebagai sumber listriknya. Sejak tahun 1986 kota ini membuat visi tentang pemanfaatan energi berorientasi ekologis dan dititik beratkan pada efisiensi energi dan pemanfaatan transportasi umum. Hasilnya adalah emisi CO2 berkurang sekitar 20% perkapita. 100% orang naik transportasi umum dan 35% warganya tidak memiliki mobil…. waooooowwww… pada tahun 1992 kota ini mengemisikan CO2 sekitar 2,073 juta ton dimana 1,660 juta ton dari sektor energi dan 0,413 juta ton dari transportasi. Pada tahun 2007 emisi CO2nya berkurang menjadi 1,787 juta ton atau turun 13,8% dimana dari sektor energi emisinya turun menjadi 1,394 juta ton (turun 16%) dan sektor transportasi turun menjadi 0,393 juta ton (turun 4,8%). Hebat bngat oieee…… gambar dibawh adalah bagaimana rumah2 di kota ini memanfaatkan panel fotovoltaik sebagai perangkap energi matahari dan grafik jumlah CO2 yang turun dari tahun 1992 (c40cities.org/bestpractices/energy/freiburg _ecocity.jsp).

Panel-panel Fotovoltaik

Grafik penurunan emisi CO2

Lain Freiburg di Jerman, lain juga Samso di Denmark. Pulau kecil di lepas pantai Denmark ini menggunakan energi listrik yang berasal dari turbin angin yang tersebar disepanjang horizon. 75% energi panasnya berasal dari energi surya dan bio-energi. Dan hasilnya emisi karbon berkurang 300 ribu ton dari tahun 1997 sampai 2003. mantap mennn…

Turbin angin di Samso Denmark

Perusahaan StatoilHydro yang berada di Sleipner barat memproduksi minyak mentah sekitar 60 ribu barrel minyak mentah dan 20,7 juta meter kubik gas alam setiap harinya. Minyak mentah dan gas alam merupakan salah satu sumber CO2. dan perusahan ini memerangkap kembali CO2 dengan menginjeksikan CO2 yang tidak terpakai kedalam formasi lapisan tanah sedalam 1000 m. Dan bayangkan, sebanyak 2.800 metrik ton CO2 yang diinjeksikan setiap harinya. Dan sampai saat ini sudah sekitar 10 juta ton CO2 yg diperangkap…

Injeksi CO2 kedalam formasi lapisan tanah

Hutan menyerap sekitar 1,3 giga ton CO2 pertahun dari luas hutan didunia sekitar 4 giga hektar. Dan seluruh hutan didunia ini menyimpan karbon sekitar 610 giga ton. Akan tetapi sekitar 10-30% total CO2 yang ada diudara merupakan hasil dari pembabatan hutan. Sesuatu yang ironis, dimana sumber penyerap CO2 dihancurkan untuk menambah CO2 diudara.

Di Kalimantan, hutan menyerap karbon sekitar 3 kgC/m2/thun. Dikurangin respirasi yang melepaskan karbon, maka penyerapan karbon bersihnya hanya sekitar 0,5 kgC/m2/thn. Sekarang dihitung sendiri dah… klo sekian hektar, berapa hutan akan mampu menyerap karbon… dan coba hubungkan dengan reboisasi… akan tetapi ada perbedaan kemampuan tanaman menyerap karbon di daerah tropis dan subtrpis. Di daerah tropis lebih besar kemampuannya karena cahaya matahari yang terus ada sepanjang tahun. Dibawah adalah sebaran secara global penyerapan karbon bersih oleh tanaman

Sebaran global penyerapan karbon bersih oleh tanaman

Kemampuan tanaman hutan dan tanaman pertanian menyerap carbon sebenarnya hampir mirip, akan tetapi yang membedakan tanaman pertanian dan tanaman hutan adalah kemampuan mereka dalam menyimpan karbon. Tanaman pertanian seperti jagung akan menyimpan karbon selama hidupnya. Pembakaran tanaman jagung dalam proses pembersihan ladang akhirnya memunculkan masalah dalam penyumbangan karbon ke atmosfer oleh tanaman pertanian. Berbeda dengan tanaman hutan yang hidup cukup lama. Penyimpanan karbon akan berlangsung lebih lama karena umur yang panjang dan proses dekomposisi yang lambat yang bahkan bisa mencapai 300 tahun agar karbon yang diserap kembali lagi keudara.

Kota mempunyai penduduk yang bnyak, oleh karena itulah kota sangat boros energi. Mengembangkan kota yang ramah lingkungan akan memberikan dampak bagi pengurangan emisi gas rumah kaca. Desain kota hijau (sebuah angan2 untuk indonesia), misalnya dengan memasang panel2 fotovoltaik di perkantoran, desain bagunan yang memanfaatkan cahaya alami sehingga tidak membutuhkan bnyak energi listrik, pemusatan kegiatan sehingga penduduk tidak menyebar yang akan mengurangi pemanfaatan listrik dan transportasi, dan lain sebagainya

Kota Hijau - Kota Kiev Ukraina

Pemanasan global sudah terjadi, CO2 di udara berdasarkan hasil pengamatan di Muana Loa, Hawaii pada bulan maret 2009 telah mencapai 387,24 ppm. masa ampun dah… tinggi bangat tuh kandungan CO2 atmosfer kita… Ga bisa dicegah dalam waktu yang sesaat untuk menurunkannya, semua butuh proses. Untuk kita perlu beradaptasi dalam menghadapi perubahan ini. Ada bnyak cara misalnya dengan mempersiapkan diri dalam menghadapi cuaca ekstrim, jaga kesehatan karena penyakit tropis dah semakin bnyak, membiasakan diri dalam penggunaan energi dan air dengan efisien, cari tau prakiraan cuaca dan lain2nya…

Kalo mau nyari dasar teori, Hardy (2003. Climate Change: Causes, effects and solutions) mengatakan bahwa untuk mengurangi dampak perubahan iklim dapat melakukan hal2 sebagai berikut: Memerangkap emisi karbon, mengurangi pemanasan global atau efeknya dengan menggunakan geoengineering, meningkatkan carbon sink alami, mengkonversi karbon bebas dengan menggunakan energi terbaharukan, menghemat energi dan menggunakannya lebih efisien, dan adaptasi terhadap perubahan iklim.

Pranala di Blog ini:

Cerita ini merupakan sekelumit pandangan ttng eksplorasi data PJ untuk informasi perubahan iklim dan pemanasan global, khususnya ttng daur karbon dan kecepatan pertukaran gas CO2 antara laut-atmosfer…. yang merupakan sambungan dari cerita awal yang berjudul PERTUKARAN CO2 ANTARA ATMOSFER DAN LAUT: Pendahuluan…

Penginderaan jauh atau PJ atau juga remote sensing atau RS…. dah bnyak kyaknya yg mnulis ttng penginderaan jauh, seperti yg dah ditulis disini, tp sekedar mngingatkan aja… PJ merupakan ilmu untuk memperoleh, mengolah dan menginterpretasi citra yang telah direkam yang berasal dari interaksi antara gelombang elektromagnetik dengan sutau objek (Sabins, 1996 dalam Kerle, et al., 2004). Keuntungannya bila PJ ini diaplikasikan dilaut, kita ga perlu harus mengarungi lautan tiap kilometer persegi untuk mengetahui kondisi-kondisi fisik lautan, tp cukup dengan melihat data-data PJ, akan tetapi data-data PJ ini mempunyai batas atau tingkat keakuratan sehinga perlu juga ke laut untuk mngecek tingkat akurasinya… tp kelautanya cuman ngambil beberapa sampel aja .

Selain untuk mengatasi keterbatasan ruang tersebut, data PJ juga membantu tingkat kontinuitas data. Ga mungkinkan ngambil data tiap hari untuk waktu setahun, apalagi waktunya beberapa tahun, ditengah laut pula…   Citra-citra yang mengintari bumi tiap hari sangat membantu sekali, apalagi dengan adanya citra yang mempunyai resolusi spasial 1 km. Hal ini akan meningkatkan tingkat akurasi data dalam hal keruangannya. Pemantauan proses ini secara kontinyu dengan data penginderaan jauh diharapkan dapat memberikan informasi ttng fluktuasi dan pengaruh faktor lingkungan terhadap pertukaran CO2 ini yang akan memberikan informasi ttng besaran pengaruh lautan terhadap kandungan CO2 diatmosfer yang nantinya akan memberikan suatu cara baru untuk memitigasi efek dari perubahan iklim.

Data PJ selain digunakan untuk melihat sebaran suhu permukaan laut, memetakan potensi ikan, sebaran jumlah klorofil-a, mengetahui arah dan kecepatan angin, mengetahui fluktuasi tinggi muka air laut, bisa juga digunakan untuk mengetahui besaran jumlah pertukaran CO2 antara atmosfer dan laut. Baik itu yang dari atmosfer masuk ke laut atau sebaliknya. Mengetahui pertukaran CO2 antara atmosfer dan lautan ini sngat penting, pertama karena isu pemanasan global dan yang kedua juga perdagangan karbon yag entah nanti jadi atao tidaknya perdangan karbon ini. Setidaknya isu tentang perubahan iklim yang berkaitan dengan penyerapan karbon bisa diketahui secara cepat dengan pemanfaatan data PJ dalam bidang kelautan ini. Menurut Wannikhof (2009) pengetahuan pertukaran gas antara laut dengan atmosfer sngat penting dalam proses siklus biogeokimia dari iklim, cuaca, aliran dimethylsulfide (DMS) dari laut ke atmosfer yang berhubungan dengan proses kondensasi awan (cloud condensation nuclei/CCN), kandungan gas oksigen laut, dan penguapan polutan (pada skala lokal/regional).

Seperti yang dah ditulis disini, proses pertukaran CO2 antara atmosfer dan laut dipengaruhi oleh beberapa faktor spt fluktuasi suhu permukaan laut, tingkat kegaraman (salinitas), kecepatan angin, kandungan CO2 di atmosfer dan lautan, reaksi kimia dengan spesies dipermukaan laut serta aktivitas biologi lautan. Nah beberapa faktor yang mempengaruhi interaksi tersebut dapat diperoleh dari data penginderaan jauh spt SST yang dipeoleh dari data MODIS atau SSMI, kecepatan angin dari QuickScat dan beberapa pendekatan juga menggunakan aktivitas biologi laut yang didekati dari data PJ modis atau SeaWIFS.

Yang masih menjadi perdebatan alot pemanfaatan data PJ dalam bidang mencari tau bagaimana intekasi laut dan atmosfer dalam proses pertukaran CO2 ini adalah tentang pengaruh angin. Angin merupakan hal yang paling penting dalam proses pertukaran ini, dimana angin akan sangat berpengaruh terhadap proses terciptanya gelembung-gelembung air dilaut (bubbles). Kecepatan angin merupakan pendekatan yang paling tepat dalam mencari tau seberapa bnyak bubble yang tercipta dan seberapa besar luasannya (whitecap). Akan tetapi data kecepatan angin yang diperoleh dari PJ selama ini merupakan data kecepatan angin yang berasal pada ketinggian 10m dari permukaan laut atau biasa disebut U10. contohnya adalah data kecepatan angin yang diperoleh dari QSCAT.

Rik Wanninkhof dan kawan-kawan telah bnyak memberikan persamaan untuk mecari hubungan antara kecepatan angin dengan kecepatan tranfer gas CO2 (laut-atmosfer) dan juga gas-gas yang lainnya, dimana dalam persamaannya tersebut mengunakan data kecepatan angin 10m dari permukaan laut (U10), persamaan2 tersebut bisa dilihat di Wanninkhof (1992), Wanninkhof dan McGillis (1999) dan Wanninkhof et al. (2009). Selain itu terdapat persamaan2 dari Liss dan Merlivat (1986), Ho et al. (2006) dan Nightingale et al. (2000) yang juga menggunakan pendekatan kecepatan angin diatas 10m untuk mendapatkan kecepatan tranfer dari gas CO2 antara laut dengan atmosfer. dibawah ini diperlihatkan beberapa hubungan antara U10 dan kecepatan transfer gas CO2

Selain pendekatan kecepatan angin diatas 10m (U10), juga digunakan pendekatan U* (U star) atau kecepatan gesekan angin. Untuk mendapatkan nilai ini sangat sulit (mnurut saya) dan juga bisa diperoleh dari data penginderaan jauh. Hubungan ini dipeoleh dari data-data penginderaan jauh SAR (Synthetic Aperture Radar). Hubungannya sangat panjang, dimana mendapatkan nilai U* dari SAR dilihat dari kekasarang gelombang, umur gelombang, frekwensi gelombang dll. Menurut Hwang et al. (1989) semakin tinggi nilai U* maka jumlah gelembung air akan semakin bnyak. Nilai U* digunakan untuk mencari area dari sebaran buih (whitecap) dengan menggunakan beberapa model seperti Monahan model atau Woolf model. Nilai whitecap (W) inilah yang digunakan untuk menghitung kecepatan transfer gas CO2 antara laut dengan atmosfer. Sangat rumit . Yang mana yang paling baik? Belum ada teori yang jelas ttng mana yang terbaik. akan tetapi bukan hanya kecepatan angin yang berperan terhadap kecepatan tranfer gas antara laut dan atmosfer ini, Wanninkhof et al. (2009) merangkum beberapa hasil penelitian seperti dari Broecker et al. (1978), Asher (1997), Monahan & Spillane (1984), Ho et al. (1997), Erickson (1993) dll yang mengatakan bahwa proes transfer gas antara laut dan atmosfer juga dipengaruhi oleh selaput permukaan laut, curah hujan, pencampuran gelembung/buih air laut dan stabilitas batas lapisan permukaan laut

Dalam mencari kecepatan tranfer gas ini selain akibat pengaruh angin juga disebabkan oleh pengaruh suhu permukaan laut yang ditunagkan untuk mencari nilai schmidt number (Sc) baik itu Sc radon maupun Sc CO2. Wanninkhof (1992) memberikan suatu persamaan untuk untuk mencari nilai itu, dimana nilai ini merupakan korelasi dari suhu permukaan laut. Data PJ bisa digunakan untuk mencari nilai ini yaitu dengan memanfaatkan data SST dari MODIS atau SSMI.

inilah sekelumit cerita itu. selain pemanfaatan PJ untuk pemanasan global dengan memperhatikan  fenomena lingkungan laut, juga bisa digunakan untuk untuk mencari tau bnyaknya CO2 yg diserap oleh tanaman, tapi itu mungkin cerita lain kali. masih ada 1 bagian lagi lanjutan dari cerita ini. yaitu ttng pemanfaatan PJ untuk mencari Fluktuasi CO2 antara atmosfer dengan lautan.

Bahan Bacaan

Ho, D. T., C. S. Law, M. J. Smith, P. Schlosser, M. Harvey, and P. Hill. 2006. Measurements of air-sea gas exchange at high wind speeds in the Southern Ocean: Implications for global parameterizations. Geophy. Res. Lett., 33. 1-6.

Wanninkhof, R., and W.R. McGillis. 1999. A cubic relationship between air-sea CO2 exchange and wind speed, Geophys. Res. Lett., 26, 1889-1892

Wanninkhof, R., Asher, W. E., Ho, D. T., Sweeny, C. S., & McGillis, W. R. 2009. Advances in Quantifying Air-Sea Gas Exchange and Environmental Forcing. Annual Review of Marine Science , 1, 213-244

Woolf, D. K. 2005. Parametrization of gas transfer velocities and sea-state-dependent wave breaking. Tellus B, 87-93.

Ekayanti, N.W. 2009. Study of Air-Sea Interaction and CO2 Exchange Process between the Atmosphere and Ocean Using ALOS/Palsar: Study Cases of Wind Wave Bubbling Process in Badung and Lombok Straits (Thesis). Udayana University. Bali – Indonesia.

Nightingale, P. D., G. Malin, C. S. Law, A. J. Watson, P. S. Liss, M. I. Liddicoat, J. Boutin, and R. C. Upstill-Goddard. 2000. In situ evaluation of air-sea gas exchange parameterizations using novel conservative and volatile tracers, Glob. Biogeochem. Cycle, 14, 373-387.

Olsen. A., R. Wanninkhof, J.A. Trinanes, and Truls. 2005. The effect of wind speed products and wind speed–gas exchange relationships on interannual variability of the air–sea CO2 gas transfer velocity. Tellus, 57B, 95–106

Zhao, C.F. 1995. “The CO2 Flux Estimation in the North pacific Ocean Based on Satellite and Ship Data” (Doctor Dissertation). Doctor program in Center of Environment Remote Sensing. Chiba University. Japan.

Pranala di Blog ini:

]]> http://mbojo.wordpress.com/2009/04/09/pertukaran-co2-antara-atmosfer-dan-laut-eksplorasi-data-penginderaan-jauh-kecepatan-transfer-gas-co2/feed/ 2 mbojo images index1_large k bubble http://mbojo.wordpress.com/2009/04/03/evaluasi-zona-agroklimat-klasifikasi-schimidt-ferguson-di-pulau-lombok/ http://mbojo.wordpress.com/2009/04/03/evaluasi-zona-agroklimat-klasifikasi-schimidt-ferguson-di-pulau-lombok/#comments Fri, 03 Apr 2009 07:03:07 +0000 La An http://mbojo.wordpress.com/?p=259 ]]>

EVALUASI ZONA AGROKLIMAT DARI KLASIFIKASI SCHIMIDT-FERGUSON MENGGUNAKAN APLIKASI SISTEM INFORMASI GEOGRAFI (SIG)

Abstrak

Tulisan ini menguraikan tentang evaluasi data agroklimat klasifikasi Schmid-Ferguson di Pulau Lombok berdasarkan data-data curah hujan terbaru. Metode yang digunakan adalah interpolasi atau ektrapolasi dengan aplikasi SIG. Hasil penelitian menunjukan bahwa telah terjadi peningkatan luas untuk zona-zona dengan tipe C sebesar 109.432% dan tipe D sebesar 51.571% sedangkan penurunan luas terjadi pada zona-zona dengan tipe E sebesar 0.908% dan tipe F sebesar 36.194%. Tipe iklim E merupakan tipe iklim dominan di Pulau lombok dengan presentase masing 47.97 dari luas Pulau Lombok. Tipe D, E dan C masing-masing mempunyai persentase 29.11, 22.12 dan 5.81. Aplikasi SIG dapat mepermudah dalam penginterpolasian titik, Akan tetapi kelemahan peta isohyet yang dihasilkan oleh SIG tidak memperhitungkan faktor-faktor lain penyebab hujan selain faktor yang dimasukkan sebagai input data.

Kata Kunci: hujan, klasifikasii iklim Oldeman, Sistem Informasi Geografi

Abstrac

This writing describe about the evaluation Schmidt-Ferguson classification on agroclimat data at Lombok island based on the newest climaters data. Method that are used was the interpolation or extrapolation with GIS Aplications. The experimental result showed that there were raised area for zones with C type as much 109.432% % and D type as much 51.571 %. On the other land decreased areas happend on the zone with E type as much 0.908 % and F type as much 36.194 %. E climate type are the dominant climate type at Lombok island, with each prosentages of 47.97 from Lombok island area. D, E and C type each has prosentages of 29.11, 22.12 and 5.81.. The application of Geographical Information System (GIS) can make interpolated dots become more easier, but the weakness of isohyet map which produced by GIS, did not count on other factors that cause rain beside the factors that enter as a data input.

Key word: rain, Schmidt-Ferguson classification climate, Geographic Information System.

Selengkapnya bisa dibaca di

As-syakur, A.R. 2009. Evaluasi Zona Agroklimat Dari Klasifikasi Schimidt-Ferguson Menggunakan Aplikasi Sistem Informasi Geografi (SIG). Jurnal Pijar MIPA, Vol 3, No 1. p 17-22.

Pranala di Blog ini:

SRTM atau Shuttle Radar Topography Mission merupakan suatu bentuk data yang menyediakan informasi tentang ketinggian tempat atau biasa disebut DEM (Digital elevation Model). Data DEM biasanya digunakan untuk analasis-analisis GIS seperti untuk mengetahui ketinggian tempat, membuat peta lereng, melihat tampilan 3D dan juga bnyak dimanfaatkan untuk kepentingan2 GIS hidrologi seperti menghitung erosi, limpasan permukaan, prediksi banjir dan bnyak lagi.

Data DEM dari SRTM tersedia secara gratis dan besaran pixelnya adalah 3 detik atau sekitar 90m. Ada juga data yang tersedia denganbesaran 1 detik atau 30m, tapi saya belum tau tempat ngedownload data yang 1 detik tersebut. Untuk data yang 3 detik bisa didownload disini. Data2 DEM dari SRTM bisa juga langsung dibuka di ArcView. Ada dua bentuk data dari SRTM ini yaitu bentuk data GeoTIFF dan ArcInfo ASCII. Kedua bentuk data tersebut semua bisa dibuka di ArcView. Namun agar bisa dianalisis sebaiknya mendownload data SRTM yang berbentuk ArcInfo ASCII.

Adapun cara2 agar data SRTM tersebut bisa di buka di ArcView adalah sebagai berikut;

1. setelah data SRTM di download, ektrak file tersebut (file SRTM bergeoreferensi degree).

2. selanjutnya buka ArcView dan aktifkan extensions spatial analyst

3. pilih menu file dan sub menu import data source

4. dari kotak dalog yg muncul, pilih import file typenya ASCII raster. Klik OK dan cari lokasi file hasil ektrak data SRTM. Klik dan OK

5. selajutnya tentukan lokasi penyimpanan file SRTM yang berbentuk grid

6. selanjutnya akan kluar kotak dialo yang menanyakan “Cell values as integers? Pilih No, karena dengan memilih No maka nilai2 pixel akan memiliki angka dibelakang koma

7. lumayan lama nunggunya. Setelah itu maka DEM dalam bnetuk grid akan muncul dan langsung bisa digunakan

Selamat mencoba….

Pranala di Blog ini:

Saat ini SIG sudah diapliksikan dalam berbgai bidang seperti pertanian, lingkungan, manajemen sumbur daya alam, pariwisata, geologi, perencanaan dan lain sebagainya. Keunggulan SIG kenapa dipakai oleh bidang-bidang tersebut adalah kemampuannya mengintegrasikan antara data spasial dan data atribut sehingga dalam analisisnya mampu menghsilkan informasi yang kompleks. Selain kemampuan tersebut adalah penghematan waktu akibat dari Apliksi SIG.

Apliakasi SIG dalam proses perencanaan sangat beragam bentuknya tergantung dari keperluan pemakai. Anon (2003) mengatakan bahwa yang penting dari aplikasi SIG adalah menduga dari berbagai aktivitas yang dilakukan seperti pemantauan pencemaran, perubahan penggunaan lahan atau suatu perencanaan pembangunan. Diambil sebagai contoh adalah suatu rencana pembangunan jaringan irigasi dan bendungan. Jika suatu bendungan dibangun diloksi tertentu, maka dapat dikembangkan beberapa pertanyaan lanjutan yaitu bagaimana membuat variasi struktur atau bentuk serta dianalisis bagaiman efeknya atau skenario lain yang dapat dikembangkan misalnya yang berkaitan dengan umur bendungan itu sendiri.

Secara umum untuk mendapatkan jawaban dari informasi yang tersedia, diperlukan suatu kerangka dasar pertanyaan yang baik. Barus dan Wiradisastra (2000) memberikan ilustrasi tentang sistem kerangka kerja menganai perlunya jawaban tentang kemungkinan adanya bahaya dan manajemennya disuatu kawasan perkotaan.

1. Penyajian seluruh data yang ada dengan sasaran jawaban tertentu misalnya basisdata tentang jalan atau fasilitas umum yang ada

2. pola data harus terlihat, seperti nilai harga tanah dikawasan tertentu

3. prediksi tentang suatu data atau hasil yang dikaitkan dengan waktu dan tempat yang berbeda. Sebagai contoh pendugaan terjadinya bahaya tentang bencana alam, penting diketahui untuk membuat kemungkinan skenario keadaan darurat.

Untuk mendapatkan jawaban-jawaban di atas, maka perlu dikenali karakteristik dari data yang diperlukan mengenai pertanyaan spesifik yaitu:

1. tipe data yang sudah tersedia, bagaiman bentuknya? Misalnya, dalam data kadastral maka nama dan alamat pemilik rumah atau lahan perlu diketahui

2. bagaimana pola data yang ada? Pertanyaan ini meminta informasi yang berkaitan dengan pola penyebaran misalnya rumah yang berharga tertentu. Maka jika seluruh data disajikan seluruhnya sekaligus, informasi yang diperlukan tersebut misalnya rumah-rumah yang mempunyai nilai jual lebih mahal dari Rp 100 juta akan segera terlihat

3. data yang ada dapat dimodifikasi menjadi apa aja? Pertanyaan ini penting untuk mengembangkan pemodelan yang diinginkan. Model dapat dibuat sederhana, seperti menduga produksi tanaman pada tahun ini dengan analisis berdasarkan data tahun lalu dan tahun ini. Tapi model juga dapat lebih rumit misalnya untuk menduga perubahan aliran sungai di hilir jika terjadi perubahan hutan di bagian hulu daerah aliran sungai.

Dari pertanyaan yang ada maka fungsi-fungsi yang diperlukan adalah fungsi penyimpanan dan pemanggilan, fungsi pemilihan terbatas dan fungsi-fungsi pemodelan. Ketiga fungsi ini akan dimodelkan untuk menelusuri jalan yang mempunyai daerah utama, pemukiman yang bernilai lebih besar dari Rp 100 juta dan, penentuan jalur optimal untuk saluran bantuan.

Pranala di Blog ini:

Lautan menyerap CO2 dari atmosfer sekitar 2.2 giga ton per tahun atau 30% dari total CO2 yang dihasilkan oleh aktivitas manusia (JGOFS, 2000). CO2 yang masuk kedalam laut berbentuk asam karbonat (carbonic acid) yang akan membuat laut semakin asam. Hal ini akan membuat pH air laut turun dan juga menurunkan konsentrasi ion karbonat. Berkurangnya ion karbonat akan menurunkan kemampuan karang untuk membangun kerangka dan struktur kerang – tulang punggung gugusan koral.

Pertukaran CO2 dilautan dalam skala global sebenarnya seimbang, akan tetapi pengaruh keadaan setempat seperti fluktuasi suhu permukaan laut, tingkat kegaraman (salinitas), kecepatan angin, kandungan CO2 di atmosfer dan lautan, reaksi kimia dengan spesies dipermukaan laut serta aktivitas biologi lautan mempengaruhi besarnya fluktuasi CO2 antara lautan dan atmosfer. Secara umum terdapat selisih negatif antara jumlah CO2 yang dilepaskan ke atmosfer oleh lautan dengan jumlah CO2 yang masuk ke lautan dari atmosfer.

Wuieeehhh… lumayan juga nieh nyari2 literatur yg bisa mnjelaskan keadan di atas. Kita mulai dari awal… berdasarkan data dari hasil observasi kandungan CO2 di udara yang dilakukan di Muana Loa-Hawaii. Bulan januari 2009 rata2 kandungan CO2nya 386.92 ppm sedangkan rata2 trendnya mencapai 386.66 ppm. Ga berbeda jauh untuk bulan januari. Bisanya kandungan CO2 tertinggi itu dalam setahun paling tinggi di bulan Mei sedangkan terendah itu di bulan September. Blum tau alasannya kenapa, tp spt itu yg terlihat dari data konsentrasi CO2 di Muana Loa.

Trend CO2 di Muana Loa

Bagaimana CO2 bisa masuk dari atmosfer ke Laut atau sebaliknya? Ga mungkinkan langsung nyebur dan menguap gitu aja? . pernah dengan bubble? Bagi orang tanah spt saya, hanya mendengar istilah bubble itu sebagai merek permen karet .ternyata inilah media  penghubung pertukaran gas2 antara laut dengan atmosfer. Kalo menurut gambar yg saya liat bubble itu gelembung2 air yang terdapat dalam buih-buih air laut. Buih-buih ini disebut whitecap. Secara logika gelembung2 air akan terbentuk jika buih2 terbentuk akibat dari deburan ombak. Banyak sedikitnya buih-buih dipengaruhi oleh kecepatan angin. Nah hal inilah mengapa kecepatan angin berpengaruh terhadap interkasi pertukaran CO2 antara laut dan atmosfer. Kelarutan CO2 di laut dipengaruhi oleh suhu permukaan air laut dan tingkat kegaramannya (salinitas). Kecepatan pertukaran gas antara lautan dengan atmosfer dipengaruhi oleh suhu permukaan laut dan kecepatan angin. Sedangkan arah pertukarannya dipengaruhi oleh kandungan CO2 di atmosfer dan lautan, aktifitas biologi dilautan serta suhu permukaan laut. Untuk menghitung kandungan CO2 di lautan, pada beberapa literatur memasukkan pengaruh dari aktifitas biologi lautan dan beberapa lainnya tidak memasukkannya, dimana hanya dipengaruhi oleh suhu permukaan laut.

Bubbles dan Whitecap

Gelembung buih (Bubble) air laut

Dengan semakin meningkatnya suhu permukaan laut, maka daya larutnya (solubilitas) akan semakin berkurang. Dimana bila suhu permukaan laut tinggi (hangat) maka gambaran proses pertukaran CO2 antara atmosfer dan lautan adalah gas CO2 akan menuju ke atmosfer sedangkan bila suhu permukaan laut rendah (dingin) maka pergerakan pertukaran CO2 adalah dari amosfer menuju laut.

Bagaimana cara menghitungnya? Nanti deh… dah penuh bintang2 yg berterbangan nieh dikepala bubble, whitecap, kecepatan angin, dan suhu permukaan laut bisa diperoleh diturunkan dari data-data penginderaan jauh seperti data PALSAR, MODIS dan QSCAT. Dengan aplikasi GIS dan ditambah dengan hasil pemodelan untuk mendapatkan sebaran salinitas (dengan aplikasi GIS juga bisa, bila memiliki data kapal yang banyak) kita bisa menghitung dan mengetahui sebaran fluktuasi dari pertukaran CO2 antara atmosfer dan laut per hari, bulan atau bahkan bila kandngan CO2 di atmosfer telah mencapai angka yg diperkirakan.

Dibawah ini saya tampilkan fluktuasi dari pertukaran CO2 antara atmosfer dan laut di beberapa tempat di dunia (Sweeney, 2009)

Aliran rata-rata CO2 antara atmosfer dan lautan di beberapa tempat di dunia

Sebagai bahan bacaan saya tampilkan sebagian di bawah. Dan untuk lebih jelasnya tentang Bubble dan Whitecap bisa membaca karya2 Edward C. Monahan dan Jin Wu. Untuk interaksi pertukaran CO2 antara atmosfer dan laut bisa membaca karya2nya Rik Wanninkhof. Sedangkan untuk Aliran (flux) rata-rata CO2 (Delta PCO2) bisa membaca karya2nya Taro Takahashi.

BAHAN BACAAN

Ekayanti, N.W. 2009. Study of Air-Sea Interaction and CO2 Exchange Process between the Atmosphere and Ocean Using ALOS/Palsar: Study Cases of Wind Wave Bubbling Process in Badung and Lombok Straits (Thesis). Udayana University. Bali – Indonesia.

Zhao, C.F. 1995. “The CO₂ Flux Estimation in the North pacific Ocean Based on Satellite and Ship Data” (Doctor Dissertation). Doctor program in Center of Environment Remote Sensing. Chiba University. Japan.

Susandi, A., A. Subki, dan I.M. Radjawane. 2006. Kajian Pertukaran Gas Karbon Dioksida (CO2) Antara Laut dan Udara di Perairan Indonesia dan Sekitarnya. PROCEEDINGS CONVENTION SEMARANG 2006 – HAGI. The 31st Annual Scientific Meeting (PIT) HAGI.

Brooks. I. Air-Sea Exchange:2. Lucture 5 Presentation.

Olsen. A., R. Wanninkhof, J.A. Trinanes, and Truls. 2005. The effect of wind speed products and wind speed–gas exchange relationships on interannual variability of the air–sea CO2 gas transfer velocity. Tellus, 57B, 95–106

Sweeney, C. Spatial and Temporal variability of air-sea CO2 (fluxes): Issues for a global observing network. Presentation.

Monahan, E.C. and K.W. David. 1989. Comments on Variations of whitecap coverage with wind stress and water temperature, J. Phys. Oceanography. 19: 706-709.

NOAA. 2009. Trends in Atmospheric Carbon Dioxide – Mauna Loa. Earth System Research Laboratory. Global Monitoring Division

Pranala di Blog ini:

]]> http://mbojo.wordpress.com/2009/03/06/pertukaran-co2-antara-atmosfer-dan-laut-pendahuluan/feed/ 2 mbojo Trend CO2 di Muana Loa imagelmv Buih air laut aliran-rata-rata-co2-antara-atmosfer-dan-lautan http://mbojo.wordpress.com/2009/03/04/pengaruh-tutupan-kanopi-terhadap-besarnya-erosi-tanah/ http://mbojo.wordpress.com/2009/03/04/pengaruh-tutupan-kanopi-terhadap-besarnya-erosi-tanah/#comments Wed, 04 Mar 2009 12:42:59 +0000 La An http://mbojo.wordpress.com/?p=210 ]]>

Tidak bisa kita pungkiri, bahwa tanaman sangatlah penting dalam dalam mengendalikan erosi. Sehinggalah munculah metode vegetatif dalam pengendalian erosi. Yang paling penting pada tanaman dalam mengendalikan erosi adalah luas tutupan daun, tapi ada sebagian pendapat yang mengatakan bahwa yang paling penting dalam mengendalikan eorosi bukan hanya luas tutupan daunnya, tapi tanaman yang ada di permukaan tanah atau lebih sering disebut tanaman perdu/semak-semaknya. Akan tetapi walaupun tanaman-tanaman kecil ini yang paling penting, tetap saja luas tutupan daunnya yang diperhitungkan. Pentingnya tutupan kanopi ini bisa kita lihat pada persamaan USLE, dimana pada persamaan USLE tutupan daun (faktor C) merupakan salah satu faktor yang digunakan dalam memprediksi besarnya erosi.

Canopy cover, begitu istilah bahasa inggris merupakan suatu areal permukaan tanah yang dilindungin oleh vegetasi. Struktur dari tutupan kanopi berfungsi sebagai pengendali besarnya energi kinetik hujan yang akan akan mengenai tanah dimana luasan dan bentuk strata dari tutupan kanopi akan mempengaruhi besarnya intersepsi butiran hujan dan jumlah percikan air hujan.

Efektifitas tutupan kanopi dalam mengendalikan erosi sangat dipengaruhi oleh karakteristik hujan, jenis tanah dan juga karakteristik dari kanopi itu sendiri seperti jenis tanaman, tinggi tanaman dan struktur kanopi. Besarnya erosi dan liran permukaan menurun secara eksponensial dengan semakin baiknya tutupan kanopi. Semakin banyak lahan yang ditutupi oleh vegetasi akan semakin baik dalam melindungi tanah dari proses erosi. Selain mampu mengendalikan erosi akibat hujan, tutupan kanopi juga dapat mengendalikan erosi yang disebabkan oleh angin dengan cara mengintersepsi angin, sebagai penahan angin dan juga memperlambat pergerakan angin.

Tutupan kanopi sangat penting sebagai input dalam perhitungan prediksi erosi. Seperti prediksi erosi dengan mengunakan persamaan RUSLE, EPIC, WEPP, dan SWAT. Secara umum hubungan eksponensial antara tutupan kanopi dengan besarnya erosi dapat dilihat pada persamaan di bawah (Gyssels et al., 2005):

SL = e^−bC

RL = e^−bC

SL adalah kehilangan tanah relatif, RL adalah kehilangan aliran permukaan relatif, C adalah tutupan kanopi (%) dan b adalah konstanta dimana 0.0235 sampai 0.0816 untuk kehilangan tanah serta 0.0103 sampai 0.0843 untuk kehilangan aliran permukaan.

DAFTAR PUSTAKA

FAO & CIFOR. 2005. Hutan dan Banjir: Tenggelam dalam suatu fiksi, atau berkembang dalam fakta?. Center for International Forestry Research and Food and Agriculture Organization of the United Nations. Bogor

Blanco, H & R. Lal. 2008. Principles of Soil Conservation and Management. Springer Science+Business Media B.V.

Pranala di Blog ini:

]]> http://mbojo.wordpress.com/2009/03/04/pengaruh-tutupan-kanopi-terhadap-besarnya-erosi-tanah/feed/ 0 mbojo intercepsi Hujan