Tahun-tahun El Nino, La Nina, IOD positif dan IOD negatif

Berbicara tentang El Nino, La Nina serta IOD benar-benar tidak ada habisnya… hal ini ya karena fenomena-fenomena itu memiliki dampak yang cukup besar terhadap kondisi lingkungan dan social di Indonesia. Dampak-dampak itu bias bersifat positif maupun bersifat negative. Tapi biasanya untuk saat-saat ini hanya dampak negative yang serinmg di dengung-dengungkan… ya biasalah…

Saat ini saya akan memcoba menulis tahun-tahun kejadian El Nino, La Nina, IOD positif, dan IOD negatif. Isu ini saya coba angkat karena masih ada beberapa penulis lepas yang sekedar mengutip informasi tanpa mengecek kembali kebenaran dari informasi tersebut. ENSO merupakan pola berulang dari variabilitas iklim di bagian timur samudera Pasifik yang ditandai dengan anomali temperatur permukaan laut (penghangatan permukaan laut menggambarkan kejadian El Nino sedangkan pendinginan permukaan laut menggambarkan kejadian La Nina) serta anomali Sea level pressure (Southern Oscillation). Perlu diingatkan kembali bahwa kejadian El Nino dicirikan oleh PENGHANGATAN SUHU PERMUKAAN LAUT DI SAMUDERA PASIFIK BAGIAN TENGAH DAN MEMBENTUK SUATU KOLAM HANGAT YANG BEREFEK PADA PENDINGINAN SUHU PERMUKAAN LAUT DI LAUTAN INDONESIA sedangkan kejadian La Nina dicirikan oleh PENDINGINAN SUHU PERMUKAAN LAUT DI SAMUDERA PASIFIK BAGIAN TENGAH DAN KOLAM HANGATNYA BERPINDAH KE BAGIAN BARAT SAMUDERA PASIFIK (DISEKITAR LAUTAN INDONESIA) YANG BEREFEK PADA PENGHANGATAN SUHU PERMUKAAN LAUT DI LAUTAN INDONESIA. IOD dicirikan oleh adanya zona gradien perbedaan suhu permukaan laut yang kuat di wilayah ekuatorial samudera hindia. IOD positif dicirikan oleh MENGHANGATNYA SUHU PERMUKAAN LAUT DI SEKITAR BENUA AFRIKA DAN MENDINGINNYA SUHU PERMUKAAN LAUT DI SEKITAR PULAU SUMATERA. Sedangkan IOD negatif dicirikan oleh MENDINGINNYA SUHU PERMUKAAN LAUT DI SEKITAR BENUA AFRIKA DAN MENGHANGATNYA SUHU PERMUKAAN LAUT DI SEKITAR PULAU SUMATERA. Kondisi ini harus di ingat dan jangan di balik-balik. Beberapa tulisan mengartikan kondisi hangat (warm even) di samudera pasifik juga diartikan kondisi hangat di lautan Indonesia, padahal saat disana itu panas, ya disini dingin… 😀

Pengaruh Hujan Terhadap Erosi (1)

Sebagai suatu sistem yang dinamis, tanah akan selalu mengalami perubahan-perubahan yaitu perubahan segi fisik, kimia ataupun biologi (Dariah dkk., 2004). Perubahan-perubahan ini terutama terjadi karena pengaruh berbagai unsur iklim, tetapi tidak sedikit pula yang dipercepat oleh tindakan atau perlakuan manusia. Kerusakan tubuh tanah mengakibatkan berlangsungnya perubahan-perubahan yang berlebihan misalnya kerusakan dengan lenyapnya lapisan olah tanah yang dikenal dengan istilah erosi tanah (Sutedjo dan Kartasapoetra, 2002).

Daerah yang paling banyak mengalami erosi umumnya terbatas pada daerah di antara 40^o Lintang Utara dan 40^o Lintang Selatan (Kartasapoetra dan Sutedjo, 1985). Keadaan iklim menentukan kecenderungan terjadinya erosi yang mencerminkan keadaan pola hujan. Selain pola hujan, jenis, dan pertumbuhan vegetasi serta jenis tanah juga mempengaruhi erosi di daerah tropis (Arsyad, 1989). Dalam buku yang sama, Arsyad (1989) juga mengatakan bahwa hujan merupakan merupakan faktor yang paling berpengaruh terhadap erosi di Indonesia, dalam hal ini besarnya curah hujan, intensitas, dan distribusi hujan menentukan kekuatan dispersi hujan terhadap tanah, jumlah dan kecepatan aliran permukaan dan kerusakan erosi.

Curah hujan adalah salah satu unsur iklim yang besar perannya terhadap kejadian longsor dan erosi (Sutedjo dan Kartasapoetra, 2002). Air hujan yang menjadi air limpasan permukaan adalah unsur utama penyebab terjadinya erosi. Hujan dengan curahan dan intensitas yang tinggi, misalnya 50 mm dalam waktu singkat (<1 jam), lebih berpotensi menyebabkan erosi dibanding hujan dengan curahan yang sama namun dalam waktu yang lebih lama (>1 jam). Intensitas hujan menentukan besar kecilnya erosi. Curah hujan tahunan >2000 mm terjadi pada sebagian besar wilayah Indonesia. Kondisi ini berpeluang besar menimbulkan erosi, apalagi di wilayah pegunungan yang lahannya didominasi oleh berbagai jenis tanah.

Berdasarkan penelitian Dariah, et al (2004) di Dusun Tepus dan Laksana, Kecamatan Sumberjaya, Kabupaten Lampung Barat pada areal perkebunan kopi, menunjukkan bahwa curah hujan berpengaruh pada ringkat erosi tanah di mana saat curah hujan tinggi tingkat erosi yang terjadi juga tinggi (Gambar 1).

Data Hujan dari TRMM (Tropical Rainfall Measuring Mission); Basic Information

Pengalaman pribadi nieh… mulai mencari data-data hujan itu sejak tahun 2000. dan kondisinya ga ada yang berubah sampai sekarang, masih sama sulitnya untuk medapatkan data itu hehehe…. klo di Jepang kita bisa mendapatkan data hujan secara on line. Coba deh kunjungin website ini, bahkan datanya itu bisa sampai data harian, kapan ya pemerintah Indonesia bisa seperti itu? Mungkin 1 atau 2…. (tahun, dasarwasra, atau ABAD) yang akan datang kali ya…. hehehehe… seorang peneliti yang merasa kesal dengan kondisi tersebut (susahnya mendapatkan data hujan, padahal untuk kepentingan penelitian) mengupload data hujan untuk sebagian wilayah indonesia yang diperolehnya dari GPCP (Global Precipitation Climatology Project), yang sebelumnya di oleh dulu, di website pribadinya. Data-data tersebut dapat di download pada website ini.

Tapi kita ga usah bingung… data hujan bukan hanya bisa diperoleh dari hasil stasiun pengamatan di bumi saja, tapi juga dapat diperoleh dari hasil analisis citra satelit juga kok, jadi sekerang kita bisa mengakalinnya hehehe… Saat ini data-data hujan sudah bisa dipeoleh dengan mudah dari satelit-satelit meteorologi seperti TRMM (Tropical Rainfall Measuring Mission) dengan sensornya PR (Precipitation Radar), TMI (TRMM Microwave Imager), dan VIRS (Visible and Infrared Scanner). trus Satelit DMSP (Defense Meteorological Satellite Program) dengan sensor SSM/I (Special Sensor Microwave Imager). Satelit Aqua dengan sensor AMSR-E (Advanced Microwave Scanning Radiometer-Earth Observing System). dan satelit NOAA (National Oceanic and Atmospheric Administration) dengan sensor AMSU-B (Advanced Microwave Sounding Unit-B). wedeww… banyak ternyata… akan tetapi pada tulisan ini, fokusnya hanya pada data hujan yang diperoleh dari TRMM. Kenapa??? karena pada hasil akhirnya nanti, beberapa data dari hasil analisis beberapa satelit tersebut digabungkan/dikombinasikan untuk memproduski data hujan yang disebut dengan produk TRMM Multisatellite Precipitation Analysis (TMPA) yang memiliki tingkat keakurasian data lebih baik dari data-data aslinya.

Yuuukkk kita cari tau apa itu TRMM…

Perubahan Penggunaan Lahan Di DAS Badung-Bali

Penggunaan lahan merupakan hasil akhir dari setiap bentuk campur tangan kegiatan (intervensi) manusia terhadap lahan di permukaan bumi yang bersifat dinamis dan berfungsi untuk memenuhi kebutuhan hidup baik material maupun spiritual (Arsyad, 1989). Secara umum penggunaan lahan di Indonesia merupakan akibat nyata dari suatu proses yang lama dari adanya interaksi yang tetap, adanya keseimbangan, serta keadaan dinamis antara aktifitas-aktifitas penduduk diatas lahan dan keterbatasan-keterbatasan di dalam lingkungan tempat hidup mereka.

Perubahan penggunaan lahan adalah bertambahnya suatu penggunaan lahan dari satu sisi penggunaan ke penggunaan yang lainnya diikuti dengan berkurangnya tipe penggunaan lahan yang lain dari suatu waktu ke waktu berikutnya, atau berubahnya fungsi suatu lahan pada kurun waktu yang berbeda (Martin, 1993 dalam Wahyunto dkk., 2001). Perubahan penggunaan lahan dapat mempengaruhi sistem ekologi setempat diantaranya pencemaran air, polusi udara (Hu, et al., 2008), perubahan iklim lokal (Mahmood, et al., 2009; Hu, et al., 2008), berkurangnya keanekaragaman hayati (Sandin, 2009), dinamika aliran nitrat (Poor and McDonnell, 2007), serta fluktuasi pelepasan dan penyerapan CO₂ (Canadell, 2002).

Daerah aliran sungai (DAS) merupakan suatu kesatuan ekosistem dimana organisme dan lingkungannya berinteraksi secara dinamik dan memiliki ketergantungan satu sama lain dalam setiap komponennya (Asdak, 2002). Kondisi hidrologi DAS dapat terpengaruh akibat terjadinya perubahan penggunaan lahan (de la Cretaz and Barten, 2007), selain itu kualitas air DAS yang melewati daerah perkotaan juga dipengaruhi oleh perkembangan kota/perubahan penggunaan lahan seperti perkembangan industri dan perkembangan pemukiman di wilayah DAS (Coskun, et al., 2008)

Mencari Jumlah Penyerapan CO2 oleh Tanaman dengan Penginderaan Jauh

Perkembangan ekonomi suatu daerah biasanya tidak selalu diikuti perkembangan daerah tersebut secara ekologi. Hal ini menyebabkan terganggunya keseimbangan ekosistem yang berupa penurunan jumlah tutupan vegetasi dan peningkatan pencemaran udara seperti peningkatan jumlah CO₂ udara. Besarnya populasi manusia merupakan faktor penting dalam permasalahan lingkungan dimana tingginya laju pertumbuhan penduduk menyebabkan semakin terdesaknya alokasi ruang untuk vegetasi yang mempunyai fungsi sangat penting di di suatu daerah (As-syakur dan Adnyana, 2009).

Perubahan luasan tutupan vegetasi dan peningkatan kadar gas CO2 atmosfer di perkotaan merupakan isu yang sangat penting. CO2 bersama gas-gas rumah kaca yang lain berperan dalam meningkatkan suhu global dan perubahan iklim. Vegetasi memerlukan CO2 dalam proses fotosisntesis. Penyerapan CO2 oleh vegetasi merupakan proses dalam pengendalian pencemaran udara dalam menguragi kadar CO2 di udara. Teknologi penginderaan jauh dengan pendekatan berbasis spasial dapat merekam dan menganalisa secara spasial kondisi penyerapan CO2 oleh vegetasi.

Medium Spatial Resolution Satellite Imagery to Estimate Gross Primary Production in an Urban Area

Remote Sens. 2010, 2, 1495-1506; doi:10.3390/rs2061495

Remote Sensing

ISSN 2072-4292

http://www.mdpi.com/journal/remotesensing

Article

A. Rahman As-syakur ^1,2,*, Takahiro Osawa ² and I Wayan S. Adnyana ^{1, 2}

Received: 6 April 2010; in revised form: 10 May 2010 / Accepted: 21 May 2010 /
Published: 3 June 2010

Abstract: Remote sensing data with medium spatial resolution can provide useful information about Gross Primary Production (GPP), especially on the scale of urban areas. Most models of ecosystem carbon exchange that are based on remote sensing use some form of the light use efficiency (LUE) model. The aim of this work is to analyze the distribution of annual GPP in the urban area of Denpasar, Bali. Additional analysis using two types of satellite data (ALOS/AVNIR-2 and Aster) addresses the impact of spatial resolution on the detection of various ecosystem processes in Denpasar.

Annual GPP estimated using ALOS/AVNIR-2 varied from 0.13 gC m⁻² yr⁻¹ to 2,586.18 gC m⁻² yr⁻¹. Meanwhile, the Aster estimate varied from 0.14 gC m⁻² yr⁻¹ to 2,595.26 gC m⁻² yr⁻¹. GPP as measured by ALOS/AVNIR-2 was lower than that from Aster because ALOS/AVNIR-2 has medium spatial resolution and a smaller spectral range than Aster. Variations in land use may influence the measured value of GPP via differences in vegetation type, distribution, and photosynthetic pathway type. The medium spatial resolution of the remote sensing data is crucial for discriminating different land cover types in heterogeneous urban areas. Given the heterogeneity of land cover over Denpasar, ALOS/AVNIR-2 detects a smaller maximum value of GPP than Aster, but the annual mean GPP from ALOS/AVNIR-2 is higher than that from Aster. Based on comparisons with previous work, we find that ALOS/AVNIR-2 and Aster satellite data provided more accurate estimates of maximum GPP in Denpasar and in the tropical Kalimantan-Indonesia and Amazon forest than estimates derived from the MODIS GPP product (MOD17).

Keywords: ALOS/AVNIR-2; Aster; gross primary production; spatial resolution

More can be read at

As-syakur, A.R.; Osawa, T.; Adnyana, I.W.S. Medium Spatial Resolution Satellite Imagery to Estimate Gross Primary Production in an Urban Area. Remote Sens. 2010, 2, 1496-1507.

Pola Hujan Rata-Rata Bulanan Wilayah Indonesia

Kemarin saat sedang mencari-cari literatur untuk tulisan, saya temuin satu paper yang menurut saya sangat bagus. Paper itu di tulis oleh pak Dr. Edvin Aldrian dan diterbitkan pada tahun 200 oleh Jurnal Sains & Teknologi Modifikasi Cuaca, Vol. 1, No. 2 dan berjudul POLA HUJAN RATA-RATA BULANAN WILAYAH INDONESIA; TINJAUAN HASIL KONTUR DATA PENAKAR DENGAN RESOLUSI ECHAM T-42. Paper ini menceritakan tentang hujan di Indonesia dan faktor-faktor umum penyebab hujan itu turun di Indonesia dari bulan januari sampai desember. Paper ini menceritakan cukup detail faktor-faktor tersebut misalnya tentang kenapa musim kemarau mulai ada di bulan mei dan musim hujan mulai masuk pada bulan september. trus kenapa curah hujan sangat rendah sekali di NTT pada bulan agustus serta pergerakan musim hujan atau kemarau dari ujung barat indonesia sampai ujung timur indonesia, ujung selatan indonesia sampai ujung utara indonesia. Sangat menarik dan bisa di jadikan sebagai acuan bagi yang mempelajari hujan baik itu untuk tugas, skripsi, tesis, bahkan desertasi. Karena informasi ini sangat jarang di peroleh. Paper aslinya saya akan tautkan di bagian bawah tulisan ini sedangkan gambar sebaran spasial hasil modelnya yang berupa sebaran spasial rata-rata curah hujan di Indonesia saya ganti dengan yang berwarna (gambar di samping, klik untuk memperbesar) yang saya peroleh dari desertasinya pak Aldrian, karena klo dari papernya tersebut gambarnya hitam putih.

OK silahkan di baca dan dinikmati. Berikut ini adalah kajian curah hujan rata-rata bulanan wilayah Indonesia.

El Nino dan La Nina serta dampaknya di Indonesia

Seperti yang sudah bnyak diceritakan sebelumnya dan mungkin sudah banyak yang tau klo Indonesia ini terletak di antara dua benua dan dua samudera. Kondisi yang menyebabkan indonesia menjadi sangat unik lokasinya. Lokai yang unik ini juga menyebabkan fluktuasi iklim, khususnya curah hujan yg juga unik. Misalnya indonesia ini merupakan lokasi terjadinya konvergensi dua buah sirkulasi utama di dunia yaitu sirkulasi walker dan sirkulasi hadley. Karena terletak di antara dua benua, maka aktifitas hangat dan dingin dikedua benua akibat dari pergerakan matahari yang berpindah dari 23.5^o LU ke 23.5^o LS setiap tahun menyebabkan negeri kita ini juga di lewati oleh angin monsoon. Trus indonesia juga di penuhi oleh gunung2, hutan, ladang yang juga unik bentuknya. Semua itu mempengaruhi hujan di indonesia. Apa hubungannya dengan El Nino dan La Nina? Akibat dari interaksi semuanya itu menyebabkan pengaruh El Nino dan La Nina semua tempat di Indonesia berbeda2…

Contohnya saja di Bali. Pengaruh fluktuasi nilai indeks osilasi selatan yang menggambarkan kejadian El Nino/La Nina antara bagian selatan dan utaranya. Karena di tengah2 pulau Bali ada gunung yang membentang dari timur ke barat (As-syakur, 2007). Aldrian and Susanto (2003) juga menyimpulkan bahwa pengaruh El Nino/La Nina juga berbeda pada setiap daerah dengan pola hujan yang berbeda, dimana di daerah dengan polah hujan monson pengaruh fenomena iklim ini kuat, pada daerah berpola hujan equatorial pengaruhnya lemah, sedangkan pada daerah berpola hujan lokal tidak jelas. Hasil yang sama juga di ungkapkan oleh Hamada et al. (2002), walaupun Hamada et al. membagi pola hujan di Indonesia dengan 4 pola yang berbeda, tapi intinya dia jua mengungkapkan bahwa setiap daerah dengan pola hujan yang berbeda, responnya terhadap El Nino/La Nina juga berbeda-beda. gambar di bawah adalah pola spasial efek El Nino 1997/1998 terhadap curah hujan di dunia (Bell et al., 1999) (klik untuk memperbesar). bila di lihat dari gambar tersebut terlihat penurunan hujan di indonesia sangat drastis saat El Nino 97/98. 

Memanfaatkan data SRTM untk membuat garis kontur dengan ArcView

Seperti yang telah disebutkan pada artikel sebelumnya disini, data SRTM atau Shuttle Radar Topography Mission merupakan suatu bentuk data yang menyediakan informasi tentang ketinggian tempat atau biasa disebut DEM (Digital elevation Model) dan menurut Ozah and Kufoniyi (2008) data SRTM 90 ini memiliki akurasi vertikal lebih kurang 7.748 sampai 3.926 meter. Dari data ketinggian ini kita bisa mebuat sebuah garis kontur. Garis Kontur adalah sebuah garis khayal yang menghubungkan titik-titik yang mempunyai ketinggian yang sama dipermukaan Bumi. Data kontur yang dihasikan dari analisis data SRTM maksimumnya adalah untuk peta berskala 1 : 50.000 atau maksimum interval kontur yang dihasilkannya adalah berinterval 25 m (Ozah and Kufoniyi, 2008).

Bahan-bahan yang perlu diracik untuk membuat peta kontur ini tentu saja sebuah data SRTM yang bisa di download disini. Sedangkan alat-alatnya ya pastinya program ArcView (krn kita menggunakan ArcView) dan extensions spatial analyst.

Acara masak memasaknya kita lanjutkan…

Ebook USLE (Walter H. Wischmeier and Dwight D. Smith)

Bagi para pencinta Tanah atau mungkin lebih senang di sebut Soilers, ada kabar gembira buat para Soilers ini. setelah lama mencari-cari dan mengubek-ubek dunia maya yang sangat luas ini akhir didapatkan juga mbahnya buku untuk prediksi erosi. ya bukunya si mbah eyang Walter H. Wischmeier dan Dwight D. Smith, buku yang selalu menjadi patokan para peneliti yang memprediksi erosi menggunakan metode USLE (Universal Soil Loss Equation). Buku yang melegenda tersebut berjudul “Predicting rainfall erosion losses – A guide to conservation planning”.

seperti yang sudah disebutkan disini, Metode USLE (Universal Soil Loss Equation) merupakan metode yang umum digunakan untuk memperediksi laju erosi. Selain sederhana, metode ini juga sangat baik diterapkan di daerah-daerah yang faktor utama penyebab erosinya adalah hujan dan aliran permukaan. Wischmeier mengatakan bahwa metode USLE didesain untuk digunakan memprediksi kehilangan tanah yang dihasilkan oleh erosi dan diendapkan pada segmen lereng bukan pada hulu DAS, selain itu juga didesain untuk memprediksi rata-rata jumlah erosi dalam waktu yang panjang.