Implementasi Metode Deteksi Hujan Es Berbasis Data Radar Cuaca Menggunakan Algoritma Severe Hail Index (SHI)

Abdullah Ali; Umi Saâ€™adah

doi:10.25077/jfu.11.3.380-386.2022

Authors

Abdullah Ali BMKG
Umi Saâ€™adah Stasiun Meteorologi Soekarno-Hatta BMKG

DOI:

https://doi.org/10.25077/jfu.11.3.380-386.2022

Keywords:

Hail Detection Algorithm, Hujan Es, Radar Cuaca, , Severe Hail Index

Abstract

Metode Severe Hail Index (SHI) Â ini merupakan metode pendeteksian hujan es yang paling komprehensif dengan output berupa indeks probabilitas hujan es (pada setiap ukuran) dalam satuan Jm-1s-1, probabilitas severe hail dalam satuan %, dan prakiraan ukuran maksimum batu es yang mencapai permukaan dalam satuan milimeter. Penelitian ini bertujuan mengimplementasikan metode SHI sebagai detektor dan prediktor kejadian hujan es di Indonesia. Dari 13 kejadian hujan es diperoleh nilai maksimum indeks probabilitas hujan es untuk setiap ukuran sebesar 269 Jm-1s-1 dan nilai minimum 0 Jm-1s-1, nilai maksimum indeks probabilitas severe hail sebesar 64.4 % dan nilai minimum 0%, sedangkan nilai maksimum prakiraan ukuran maksimum batu es mencapai 63.76 mm dan minimum 8.25 mm. Simulasi dilakukan dengan membandingkan nilai SHI dengan WT yang kemudian digunakan untuk menentukan nilai POD (Possibility of Detection), CSI (Critical Succes Index), dan FAR (False Alarm Ratio). POD pada simulasi ini diperoleh nilai 0.307 dan 0.230, FAR 0.0, dan CSI 0.307. FAR bernilai 0.0 menunjukkan metode ini mempunyai tingkat kesalahan yang sangat kecil untuk mendeteksi atau memperdiksi adanya huajan es namun nilai POD masih tergolong rendah, sehingga metode ini juga cukup sulit untuk mendeteksi eksistenesi hail di lapangan. Hasil simulasi tersebut menunjukkan bahwa perlunya modifikasi pada perumusan WT untuk meningkatkan performa metode SHI dalam mendeteksi dan memprediksi kejadian hujan es.

References

Barry, R.G. and R.J. Chorley, 1998, Atmosphere, Weather and Climate, London: Seventh Edition, Rooutledge Ltd., hal. 409

Byers, H.R., 1974, General Meteorlogy, Newyork: McGraw-Hill Book Company Inc. London

Tjasyono, B.H.K., 2004, Klimatologi, Institut Teknologi Bandung, Bandung

Tjasyono, B.H.K., Harijono, Sri Woro B., 2006, Meteorologi Indonesia 2 Awan & Hujan Monsun, Institut Teknologi Bandung, Bandung

Ali, A., 2014, Analisa Dinamika Atmosfer Fenomena Hujan Es di Jakarta (Studi kasus kejadian hujan es di Jakarta tanggal 22 April 2014), Jurnal Meteorologi dan Geofisika Edisi September 2014, BMKG, Jakarta

Ali, A., Putra. R., M., 2015, Identifikasi Kejadian Hujan Es Menggunakan Radar Cuaca Doppler, Prosiding Seminar Nasional Sains Atmosfer 2015, LAPAN : Bandung

Ali, A., Adrianto, R. and Saepudin, M., 2019. Preliminary Study of Horizontal And Vertical Wind Profile Of Quasi-Linear Convective Utilizing Weather Radar Over Western Java Region, Indonesia. International Journal of Remote Sensing and Earth Sciences (IJReSES), 15(2), pp.177-186.

Ali, A., Deranadyan, G. and Umam, I.H., 2021. An Enhancement to The Quantitative Precipitation Estimation Using Radar-Gauge Merging. International Journal of Remote Sensing and Earth Sciences (IJReSES), 17(1), pp.65-74.

Ali, A., Supriatna, S. and Sa'adah, U., 2021. Radar-Based Stochastic Precipitation Nowcasting Using The Short-Term Ensemble Prediction System (Steps)(Case Study: Pangkalan Bun Weather Radar). International Journal of Remote Sensing and Earth Sciences (IJReSES), 18(1), pp.91-102.

Ali, A., Umam, I.H., Leijnse, H. and Sa'adah, U., 2021. Preliminary Study of A Radio Frequency Interference Filter For Non-Polarimetric C-Band Weather Radar In Indonesia (Case Study: Tangerang Weather Radar). International Journal of Remote Sensing and Earth Sciences (IJReSES), 18(2), pp.189-202.

Kawashima, Masayuki, dkk, 2006. Journal of the Meteorological Society of Japan, Vol. 84A, pp.33-56

Wadvogel, A., and P. Grimm, 1979, Criteria for the detection of hail cells. J. Appl. Meteor., 18, 1521-1525

Fadholi, Akhmad. 2012. Analisa Kondisi Atmosfer pada Kejadian Cuaca Ekstrem Hujan Es ( HAIL). Simetri: Jurnal Ilmu Fisika Indonesia Vol 1 No 2D

Tjasyono, B.H.K., 2007, Mikrofisika Awan dan Hujan: Hal 150. Jakarta: Badan Meteorologi dan Geofisika.

Wardoyo, Eko. 2012. Pengantar III Modul Radar Cuaca. Jakarta: BMKG.

Crum T.D and R.L Alberty, 1993: The WSR-88D and The WSR-88D Operational Support Facility. Bull. Amer. Meteor. Soc., 74, 1669-1687

Brandes, E. A., D. S Zrnic, G. E. Klazura, C. F. Suprenant, and D. Sirmans, 1991 : The Next Generation Weather Radar (WSR-88D) as an applied research tool. Preprimts. 25 th Int. Conf on Radar Meteorology, paris, France, Amer. Meteor. Society., 47-50

Lemon, L. R., 1978: On The Use of Storms Structure for hail identification. Preprints, 18th Conf. On Radar Meteorology, Atlanta, GA, Amer. Meteor. Soc., 203-206

Smart, J. R., and R. L. Alberty, 1985: The NEXRAD Hail Algorithm applied to Colorado thunderstorms. Preprints, 14th Conf. on Severe Local Storms, Indianapolis, IN, Amer. Meteor. Soc., 244â€“247.

Johnson, J. T., P. L. MacKeen, A. Witt, E. D. Mitchell, G. J. Stumpf, M. D. Eilts, and K. W. Thomas, 1998: The Storm Cell Identification and Tracking (SCIT) algorithm: An enhanced WSR-88D algorithm. Wea. Forecasting, 13, 263â€“276.

Waldvogel, A., W. Schmid, and B. Federer, 1978a: The kinetic energy of hailfalls. Part I: Hailstone spectra. J. Appl. Meteor., 17, 515â€“520.

Waldvogel, A., B. Federer, W. Schmid, and J. F. Mezeix, 1978b: The kinetic energy of hailfalls. Part II: Radar and hailpads. J. Appl. Meteor.,17, 1680â€“1693.

Federer, B., and Coauthors, 1986: Main results of Grossversuch IV.J. Climate Appl. Meteor., 25, 917â€“957.

Witt, A. 1998. An Enhanced Hail Detection Algorithm for the WSR-88D. American Meteorological Society Journal Wea. Forcasting,13, 286-303

Rinehard, Ronald E. 2010. Radar for Meteorologist fifth Edition: Hal 146-160. Nevada Missouri.

Sauvageot, Henri. 1991. Radar Meteorology. London : Artech House