analisis hubungan antara dinamika lautan/atmosfer dengan keragaman hujan dan produksi pertanian
DESCRIPTION
Analisis hubungan antara dinamika lautan/atmosfer dengan keragaman hujan dan produksi pertanian. Rizaldi Boer. - PowerPoint PPT PresentationTRANSCRIPT
Analisis hubungan antara dinamika lautan/atmosfer dengan keragaman hujan dan
produksi pertanian
Rizaldi Boer
ENSO AND IOD Fenomena global yang terjadi di lautan pasifik
(ENSO) juga terjadi di lautan india (IOD). Massa air panas di lautan India bergerak ke arah timur (1 ke 3), seperti yang terjadi kawasan lautan pasifik (4 ke 6)
dalam siklus 3 sampai 7 tahun sekali
10N
10S
7050 11090
EW NINO-4
160
NINO-3NINO-2
NINO-1
150 90
Bujur Timur Bujur Barat
NINO-3.4
IOD=SMLE-SMLW
Perbedaan Tekanan Udara
antara Tahiti dan Darwin (SOI)
Perbedaan Tekanan Udara
antara Tahiti dan Darwin (SOI)
ENSO dan Hujan IndonesianENSO menjelaskan ~ 50% dari keragaman hujan seluruh Indonesia Mei-Desember
Mei-Agus
Sept-DesJan-April
Sumber: Battisti et al, 2006
ENSO/IOD dan Hujan Indonesian
Korelasi curah hujan wilayah dengan IOD sama seperti ENSO
Jan-April
Mei-Agus
Sept-Dec
Sumber: Battisti et al, 2006
IOD dan Hujan IndonesianApabila ENSO dikeluarkan, IOD hanya menjelaskan 5-10% dari keragaman hujan Sept-December)
Jan-April
May-August
Sept-Dec
Sumber: Battisti et al, 2006
Fase SOI (Stone et al., 1996)
Turun cepat(Rapidly falling)
Naik cepatRapidly rising
Konsisten PositifConsistently
positive
Konsisten NegatifConsistently
negative
Nearzero
-45,0
-30,0
-15,0
0,0
15,0
30,0
45,0
-45,0 -30,0 -15,0 0,0 15,0 30,0 45,0
SOI Bulan Lalu
SO
I Bu
lan
ini
M2=10-1.08M1
M2=-27.8-2.9M1
M2=-5.2+0.78M1-0.024M12+0.006M1
3
M2=4.2+1.07M1+0.048M12+0.0008M1
3
(M1)
(M2)
OKT NOV DES JAN FEB MAR APR MAI1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
73/7474/7575/7676/7777/7878/7979/8080/8181/8282/8383/8484/8585/8686/8787/8888/8989/9090/9191/9292/9393/9494/9595/9696/9797/9898/9999/00
Persen Luas Tanam Padi thd Total 3 2 4 24 33 19 1 1
Keragaman Awal MH dan Lama MH di Oekabiti, Kupang
Sumber: Boer, 2005
Hubungan SOI September dengan Awal MH dan Lama MH di Oekabiti, Kupang
Apabila SOI September sekitar nol (normal) awal masuk musim hujan sekitar akhir November atau awal
Desember. Apabila nilai SOI naik 10 dari nol, maka awal MH akan maju
sekitar 11 hari, sebaliknya kalau turun 10, awal MH mundur sekitar 11 hari
y = 0.1233x + 12.002
R2 = 0.1886
0
5
10
15
20
25
-30 -20 -10 0 10 20 30
SOI September
Lam
a M
H (
Dek
ade)
y = -1.1175x + 331.48
R2 = 0.3195
250
270
290
310
330
350
370
-30 -20 -10 0 10 20 30
SOI September
Aw
al M
H (
Har
i ke)
Apabila SOI September sekitar nol (normal) lama musim hujan diperkirakan sekitar 4 bulan (120 hari). Apabila nilai
SOI naik 10 dari nol, maka lama MH akan lebih panjang sekitar 12 hari,
sebaliknya kalau turun 10, lama MH akan lebih singkat 12 hari
Akhir Nov,Awal Des
Lama MH: 4 bulan
Sumber: Boer, 2005
Prediksi Peluang Awal Masuk MH dan Lama MH berdasarkan Fase SOI September di Oekabiti, Kupang
• Apabila pada bulan September Fase SOI masuk kategori 1 atau 3 (El-Nino), maka peluang awal MH akan mundur menjadi besar dan lama MH relatif menjadi lebih singkat dibanding fase lain (normal atau La-Nina)
• Sebaliknya apabila Fase SOI bulan September masuk kategori 2 dan 4 (La-Nina), maka peluang terjadinya MH yang lebih panjang lebih besar dibanding fase lain (normal atau El-Nino)
0.0
0.2
0.4
0.6
0.8
1.0
265 275 285 295 305 315 325 335 345 355 365
Awal MH
Pel
uang
Ter
lam
paui
Fase 1+3NormalFase 2+4
0.0
0.2
0.4
0.6
0.8
1.0
6 8 10 12 14 16 18 20 22
Lama MH (Dekade)
Pel
uang
Ter
lam
paui
Fase 1+3NormalFase 2+4
Sumber: Boer, 2005
Rainman
Peluang mendapatkan hujan minimal sebesar nilai median pada nilai SOI > +5
Peluang mendapatkan hujan minimal sebesar nilai median pada nilai SOI < -5
CLIMLAB
Korelasi spasial antara hujan MJJA
dan SML (CLIMLAB)
Relationship of seasonal rainfall with SST at Pacific is consistently negative while with Indian Ocean is consistently positive,
particularly for dry season rainfall
Sumber: Boer and Faqih, 2004
Hubungan antara Anomali Hujan dan SOI/DMI
Sumber: Boer and Faqih, 2004Margahayu
y = 13.45x + 11.147
R2 = 0.203
-600
-400
-200
0
200
400
600
800
-30 -20 -10 0 10 20
SOI (Mei-Juni)
Ra
infa
ll A
no
ma
ly (
Jul-
Oct
)
Margahayu
y = -205.25x + 13.862
R2 = 0.065
-600
-400
-200
0
200
400
600
800
-1 -0.5 0 0.5 1
IOD (Mei-Juni)
Ra
infa
ll A
no
ma
ly (
Jul-
Oct
)
Montaya
y = 18.958x - 1.615
R2 = 0.3496
-600
-400
-200
0
200
400
600
800
-30 -20 -10 0 10 20
SOI (Mei-Juni)
Ra
infa
ll A
no
ma
ly (
Jul-
Oct
)
Montaya
y = -191.7x + 19.241
R2 = 0.0337
-600
-400
-200
0
200
400
600
800
-0.5 0 0.5 1
IOD (Mei-Juni)
Ra
infa
ll A
no
ma
ly (
Jul-
Oct
)
DMI
DMI
Persamaan untuk menduga waktu tanam optimum (OPT) dari SOI dan DMI
• Karena SOI dan DMI pengaruhnya bersifat berlawanan maka akan ada pengaruh interaksi kedua indek ini terhadap waktu tanam
• Bentuk hubungannya– OPTW = 272 + 0.843 SOIJA - 1.57 (SOI*DMI)JA
• Persamaan ini menunjukkan kalau El-Nino kuat (SOI negatif kuat) tetapi DMI juga negatif kuat, awal MH tidak akan mundur sehingga penanaman awal musim masoh memungkinkan. Kalau DMI positif kuat maka penanaman awal musim (September) tidak disarankan
Sumber: Boer et al, 2004
0
SOI
-30 –25 –20 –15 –10 –5 0 +5 +10 +15 +20 +25 +30
+1.5
+1.0
-1.0
-1.5
DM
I Julian Days
Pendekatan ini juga bisa digunakan untuk menduga hasil kentang yang optimum pda musim Wuku dari informasi Juli-Agust SOI/DMI
Sumber: Boer and Ismail, 2004
Menduga Hasil Kentang pada beberapa waktu tanam dan nilai SOI/IOD Mai-Agustus
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30SOI
0
-1.0
1.0
I O D
Tanam awal November (Julian Day 305)
-30 -25 -20 -15 -10 -5 0 5 10 15 20 25 30SOI
0
-1.0
1.0
I O D
Tanam awal Desember (Julia Day 335)t/ha t/ha
Pupuk N 130 kg/ha and populasi 30,000 tanaman per ha
Ln(Y) = 2.14 + 13.7 N - 2.20(P*N) -0.000822 (PT*IODJA)
+0.000890 (PT*SOIJA*IODJA) - 0.279 (IODJA*SOIJA)
+ 0.0000002(PT2*SOIJA) ; R2=84%
Sumber: Boer et al, 2005
Latihan
• Gunakan data hujan 10 harian periode pengamatan minimal 20 tahun untuk melihat hubungan antara phase SOI dan keragaman awal musim hujan, panjang musim hujan.
• Gunakan data produksi pangan nasional atau propinsi atau kabupaten jangka panjang (padi, jagung, kedelai) dan pelajari hubungannya dengan SST dengan memakai CLIMLAB. Buat grafik hubungan antara peluang terlampaui dengan anomali produksi