Pengaruh Asimilasi Data Penginderaan Jauh (Radar Dan Satelit) pada Prediksi Cuaca Numerik untuk Estimasi Curah Hujan

Salah satu masalah utama pada pemodelan cuaca numerik adalah ketidak-akuratan data kondisi awal (initial condition). Penelitian ini menguji pengaruh asimilasi data observasi penginderaan jauh pada kondisi awal untuk prediksi numerik curah hujan di wilayah cakupan radar cuaca BMKG Tangerang (Provinsi Banten dan DKI Jakarta) pada 24 Januari 2016. Prosedur yang diterapkan pada prakiraan curah hujan adalah model Weather Research and Forecasting (WRF) dengan teknik multi nesting yang di-downscale dari keluaran Global Forecast System (GFS), model ini diasimilasikan dengan data hasil observasi citra radar dan satelit menggunakan WRF Data Assimilation (WRFDA) sistem 3DVAR. Data yang digunakan sebagai kondisi awal berasal dari data observasi permukaan, data C-Band radar EEC, data satelit sensor AMSU-A dan sensor MHS. Analisis dilakukan secara kualitatif dengan melihat nilai prediksi spasial distribusi hujan terhadap data observasi GSMaP serta metode bias curah hujan antara model dan observasi digunakan untuk mengevaluasi pengaruh data asimilasi untuk prediksi curah hujan. Hasil penelitian yang diperoleh menunjukkan prediksi curah hujan dengan asimilasi data yang berbeda menghasilkan prediksi yang juga berbeda. Secara umum, asimilasi data penginderaan jauh memberikan perbaikan hasil prediksi estimasi curah hujan di mana asimilasi menggunakan data satelit menunjukan hasil yang paling baik