PENGEMBANGAN SISTEM TATA RUANG TANGGUH IKLIM UNTUK MENJAMIN KEBERLANJUTAN PELAYANAN JASA TATA AIR DI DAS BATANGHARI

1.Abstract

Perubahan iklim global akan menyebabkan peningkatkan kejadian ekstrim, seperti curah hujan ekstrim, suhu udara ekstrim, intensitas badai dan tornado, serta perubahan percepatan siklus air di permukaan bumi, yang ditandai dengan meningkatnya frekuensi bencana. Selain itu denga adanya perubahan iklim akan menyebabkan tidak tercukupinya kebutuhan air untuk kebutuhan masyarakat dalam berbagai sektor (Roggema, 2009; Boer et al, 2002; Aldrian, 2014: Klijn et al, 2015). Curah hujan ekstrim adalah kondisi curah hujan yang cukup tinggi/rendah dari rata-rata kondisi normalnya. Secara garis besar, curah hujan ekstrim dapat dibedakan menjadi curah hujan ekstrim basah yang mengakibatkan banjir, dan curah hujan ekstrim kering yang berdampak kekeringan. Begitu pentingnya informasi curah hujan ekstrim untuk antisipasi bencana alam banjir dan kekeringan yang pada gilirannya akan mengganggu sumber daya air, maka diperlukan informasi kondisi kejadian ekstrim yang terjadi di suatu wilayah. Dengan menggunakan model iklim dan pemodelan perubahan lahan pada masa yang akan datang, diharapkan dapat untuk menentukan suautu wilayah yang tangguh iklim terhadap ketersediaan sumber daya air.

2.Keywords
perubahan iklim, kejadian ekstrim, sumber daya air, model iklim, landuse, perencanaan tata ruang wilayah, tangguh iklim
3.Objective

1. Menggambarkan karakteristik kejadian ekstrim dari tahun ke tahun di DAS Batanghari.
2. Menganalisis penggunaan lahan DAS Batanghari saat ini ditinjau dari aspek tangguh iklim (climate proof).
3. Merumuskan arahan RTRW yang bersifat tangguh iklim(climate proof) untuk masa yang akan datang di DAS Batanghari

4.Methodology

Melakukan gridding data observasi disesuaikan dengan grid dari data model iklim numerik (current). Kemudian dihitung rata-rata hujan hariannya mengikuti yang dilakukan oleh Dasanto, et al (2014). Data hujan dari model numerik di koreksi biasnya dengan metode koreksi bias statistik Piani pada tiap-tiap grid. Metode ini mengasumsikan bahwa data hujan observasi dan data hujan model berdistribusi gamma (Piani et al, 2010). Setelah data model terkoreksi, langkah selanjutnya adalah dilakukan uji kehandalan. Maidment dalam Hidayah (2010), menyatakan bahwa nilai parameter rata-rata dari simulasi dan observasi pada periode yang sama dapat digunakan untuk menguji keakuratan antara data simulasi dengan data observasi. Parameter rata-rata yang dimaksud tersebut adalah: Mean square error dan R squared


Model dikatakan akurat jika nilai errornya kecil dan korelasinya tinggi. Selain dengan parameter tersebut, digunakan juga Nash-Sutcliffe Efficiency (NSE). NSE menunjukkan keeratan hubungan antara data observasi dengan data simulasi (model). Suatu model yang sempurna akan sama dengan observasi dan kesempurnaan ini ditunjukkan dengan nilai NSE = 1.
Setalah data model dikatakan handal, maka koreksi bias dapat diaplikasikan pada data model iklim future. Selanjutnya melakukan analisis kejadian ekstrim di lokasi penelitian, baik ekstrim basah maupun ekstrim kering untuk periode present ataupun future. Analisis ektrim basah dan ekstrim kering ini menggunakan SPI. SPI adalah indikator yang digunakan untuk mengkuantifikasi anomali hujan sehubungan dengan kondisi normal jangka panjangnya (Mc Kee et al, 1993). SPI pada umumnya digunakan untuk menganalisis kekeringan. Namun menurut ( WMO,2012 dan Seiler et al, 2002), SPI selain efektif untuk analisis kekeringan, SPI juga efektif digunakan untuk menganalisis periode basah. Hasil SPI dapat digunakan untuk identifikasi awal pola spasial dan temporal dari kejadian ekstrim di lokasi penelitian secara time series (present dan future).
Output yang diharapkan pada langkah pertama ini adalah karakteristik kejadian ekstrim yang ada di DAS Batanghari dari tahun ke tahun (saat ini dan masa depan).
 

5.Team

1. Unggul Handoko
2. Prof. Dr. Rizaldi Boer, Ms
3. Prof. Dr. Edvin Aldrian, M.Eng
4. Dr. Bambang Dwi Dasanto

6.Computation plan (required processor core hours, data storage, software, etc)

Prosesor 60 core
Storage 50 terra
RegCM

7.Source of funding
Ristekdikti
8.Target/outputs
Publikasi dan Diseminasi berupa rekomendasi
9.Date of usage
17/10/2017 - 31/08/2019
10.Gpu usage
-
11.Supporting files
12.Created at
17/10/2017
13.Approval status
approved