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