key area keragaman iklim indonesia mendukung...

KEY AREA KERAGAMAN IKLIM INDONESIA MENDUKUNG

PENINGKATAN INDEKS PERTANAMAN

Woro Estiningtyas dan Tim

Balai Penelitian Agroklimat dan Hidrologi

Kick of Meeting Penerapan Inovasi Teknologi untuk Peningkatan Indeks

Pertanaman

Bogor, 5 Maret 2019

PENDAHULUAN

SISTEMATIKA PENYAJIAN

1

HASIL PENELITIAN KEY AREA KERAGAMAN IKLIM INDONESIA

2 PERKEMBANGAN EL NINO 2019

3 KONSEP KEY AREA

4

RENCANA PENGEMBANGAN KEY AREA KERAGAMAN IKLIM INDONESIA DAN MONITORING DAMPAK UNTUK SEKTOR PERTANIAN 5

PENUTUP 6

3

SANGAT RENTAN TERHADAP

PERUBAHAN IKLIM

PERUBAHAN IKLIM

IKLIM INDONESIA YANG SANGAT KOMPLEKS DAN DINAMIS

Pemanasan Global

Perubahan Iklim

Dampak

Respon/Tindakan

ADAPTASI

SEBARAN

WILAYAH KUNCI

KERAGAMAN

IKLIM

INDONESIA

Keberlanjutan peningkatan produksi dan pendapatan Adaptasi dan membangun ketahanan thd PI Melakukan Mitigasi

Tingkat Kerentanan

5

Meningkatnya kejadian iklim ekstrim akibat perubahan iklim berdampak terhadap produksi padi nasional

Walaupun terjadi peningkatkan tren produksi akibat perkembangan teknologi namun kejadian iklim ekstem akibat dan La nina menyebabkan penurunan produksi signifikan

DAMPAK KEJADIAN IKLIM EKSTRIM TERHDAP PRODUKSI PADI

6

Bagaimana prediksi El Nino 2019

8

Sumber : Hidayat 2019

9


10

PERKEMBANGAN EL NINO 2019


11 Sumber : LAPAN 2019

12

Sumber : BMKG 2019

13

JUSTIFIKASI PENETAPAN KEY AREA

Fenomena perubahan iklim / kejadian iklim ekstrim terus terjadi dan menimbulkan dampak yang signifikan terutama pada sektor pertanian

Faktor pengendali curah hujan Indonesia dapat diidentifikasi pola dan sifatnya

Dari berbagai penelitian ada keterkaitan antara indeks global dengan curah hujan di Indonesia

Posisi Indonesia yang diapit dua samudera dan dua benua menjadikan iklim Indonesia sangat kompleks dan dinamis

Oleh karena itu perlu ada wilayah kunci (Key Area) yang bisa digunakan sebagai indikator untuk monitoring perubahan iklim/kejadian iklim ekstrim dan dampaknya pada sektor pertanian

14

KEY AREA : Konsep

Key Area adalah suatu wilayah kunci yang dapat digunakan sebagai indikator untuk monitoring perubahan iklim/kejadian iklim ekstrim dan dampaknya pada sektor pertanian

Key Area diidentifikasi dengan melihat korelasi dan signifikansi antara anomali curah hujan dan indeks global

15

BEBERAPA HASIL KAJIAN/PENELITIAN

Studi penentuan summer monsoon onset di Kerala (India) menggunakan 9 indikator global (Pai n Nair 2009)

Kajian Indeks sirkulasi monsoon berdasarkan Indikator global Solid Box angin zonal untuk mendefinisikan indeks sirkulasi monsoon

Pemanfaatan indikator global untuk berbagai kajian

(Wang et al 2001)

1. Anomali suhu muka laut pada zona NINO-1.2 (NINO12)

2. Anomali suhu muka laut pada zona NINO-3 (NINO3)

3. Anomali suhu muka laut pada zona NINO-4 (NINO4)

4. Anomali suhu muka laut pada zona NINO-3.4 (NINO34)

5. Oceanic Nino Index (ONI)

6. Multivariate Nino Index (MEI)

7. Japan Meteorologi AgencySea Surface Temperature

(JMASST)

8. ENSO Modoki Index (EMI)

9. Southern Oscillation Index (SOI)

10. Outgoing longwave radiation (OLR)

INDEKS GLOBAL

Trans Nino Index (TNI) didapatkan dari normalisasi rata-rata anomali SML antara wilayah Nino 1.2 dan Nino 4.

ONI adalah rerata bergerak dari anomali suhu muka laut pada wilayah east-central equatorial Pacific (atau dikenal sebagai wilayah Nino 3-4) minimal 5 bulan berturut-turut.

Indeks JMASST didefinisikan oleh Japan Meteorological Agency dan SML yang diukur berada pada wilayah Nino 3 mulai dari 4oN-4oS hingga 150oW-90oW.

17

TAHAPAN ANALISIS

Data Indikator

Global

Data Iklim

Data produksi, luas tanam, luas banjir, kekeringan dan

OPT

Data Debit

Quality Control

Analisis Korelasi/

Signifikansi

Peta Key Area Keragaman Iklim Indonesia

Analisis Pola Hujan

musiman dan dampak

Pola hubungan dan dampak Keragaman Iklim pada Sektor

Pertanian

Peta Key Area Keragaman Iklim Indonesia untuk Sektor Pertanian

1 2

3

El-Nino, La-Nina, Normal

Hubungan indikator global dan anomali CH

uji RAPS (Rescaled Adjusted Partial Sums) (Buishand, 1982).

Analisis key area dilakukan dengan tahapan, antara lain : 1. Pembaharuan (updating) data curah hujan,

2. Seleksi data curah hujan bulanan lebih dari 20 tahun,

3. Uji konsistensi data,

4. Penggolongan data berdasarkan tahun normal, El Nino dan La Nina,

5. Analisis korelasi dan signifikansi antara anomali curah hujan dengan indeks global (ada 10 indeks) pada lag 1-4,

6. Klasifikasi korelasi sangat kuat, kuat dan cukup serta signifikan dan sangat signifikan,

7. Klasifikasi sangat kuat dan kuat serta signifikan dan sangat signifikan untuk penentuan Key Area keragaman iklim Indonesia,

8. Analisis hubungan indikator pertanian (produksi dll) dengan anomali curah hujan,

9. Penyusunan Peta Key Area Keragaman Iklim Indonesia untuk Sektor Pertanian.

TAHAPAN ANALISIS

UJI KONSISTENSI DATA

Uji RAPS (Rescaled Adjusted Partial Sums) (Buishand, 1982)

SEBARAN STASIUN HUJAN

664 stasiun hujan seleksi data > 20 tahun dan uji homogenitas 621 stasiun hujan

Contoh Hasil korelasi untuk indeks global Nino 3.4 pada kondisi El Nino

Contoh Hasil signifikansi untuk indeks global Nino 3.4 pada kondisi El Nino

KERAGAAN NILAI KORELASI ANTARA ANO CH DENGAN INDEKS NINO 3.4

PADA KONDISI EL-NINO

-0.80

-0.60

-0.40

-0.20

0.00

0.20

0.40

0.60

0.80

1

28

55

82

10

9

13

6

16

3

19

0

21

7

24

4

27

1

29

8

32

5

35

2

37

9

40

6

43

3

46

0

48

7

51

4

54

1

56

8

59

5

Nila

i Ko

rela

si

Nino 3.4-lag 1

-0.80

-0.60

-0.40

-0.20

0.00

0.20

0.40

0.60

0.80

1

28

55

82

10

9

13

6

16

3

19

0

21

7

24

4

27

1

29

8

32

5

35

2

37

9

40

6

43

3

46

0

48

7

51

4

54

1

56

8

59

5

Nila

i Ko

rela

si

Nino 3.4-lag2

-0.80

-0.60

-0.40

-0.20

0.00

0.20

0.40

0.60

0.80

1

28

55

82

10

9

13

6

16

3

19

0

21

7

24

4

27

1

29

8

32

5

35

2

37

9

40

6

43

3

46

0

48

7

51

4

54

1

56

8

59

5

Nila

i Ko

rela

si

Nino 3.4-lag 3

-0.80

-0.60

-0.40

-0.20

0.00

0.20

0.40

0.60

0.80

1

28

55

82

10

9

13

6

16

3

19

0

21

7

24

4

27

1

29

8

32

5

35

2

37

9

40

6

43

3

46

0

48

7

51

4

54

1

56

8

59

5

Nila

i Ko

rela

si

Nino 3.4-lag 4

Contoh Hasil korelasi untuk indeks global Nino 3.4 pada kondisi La Nina

Contoh Hasil signifikansi untuk indeks global Nino 3.4 pada kondisi La Nina

KERAGAAN NILAI KORELASI ANTARA ANO CH DENGAN INDEKS NINO 3.4

PADA KONDISI LA-NINA

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

12

75

37

91

05

13

11

57

18

32

09

23

52

61

28

73

13

33

93

65

39

14

17

44

34

69

49

55

21

54

75

73

59

9

Nila

i Ko

rela

si

Nino 3.4-lag 1

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

1

16

31

46

61

76

91

10

6

12

1

13

6

15

1

16

6

18

1

19

6

21

1

22

6

24

1

25

6

27

1

28

6

30

1

31

6

33

1

34

6

Nila

i Ko

rela

si

Nino 3.4-lag 2

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

12

75

37

91

05

13

11

57

18

32

09

23

52

61

28

73

13

33

93

65

39

14

17

44

34

69

49

55

21

54

75

73

59

9

Nila

i Ko

rela

si

Nino 3.4-lag 3

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

1

12

75

37

91

05

13

11

57

18

32

09

23

52

61

28

73

13

33

93

65

39

14

17

44

34

69

49

55

21

54

75

73

59

9

Nila

i Ko

rela

si

Nino 3.4-lag 4

Klasifikasi korelasi : Sangat kuat = 0,75 – 1, Kuat = 0,5 – 0,75, Cukup = 0,25 – 0,5

Sudah dipetakan untuk 10 indeks global 10 indeks x 4 lag x 3 klas x 2 kondisi = 240 peta

PENENTUAN KEY AREA

• Dipilih stasiun dengan korelasi kuat dan sangat kuat (>0,5)

• Dipilih tingkat signifikansi <0,1 (signifikan dan sangat signifikan)

Kelas Korelasi Nilai Korelasi Kelas Signifikansi

Nilai Signifikansi

Klasifikasi Key Area

Sangat Kuat Negatif

-1--0.75 Sangat Signifikan 0-0.05 Korelasi Sangat Kuat Negatif - Sangat Signifikan

Sangat Kuat Negatif

-1--0.75 Signifikan 0.05-0.1 Korelasi Sangat Kuat Negatif - Signifikan

Kuat Negatif -0.75-0.50 Sangat Signifikan 0-0.05 Korelasi Kuat Negatif - Sangat Signifikan

Kuat Negatif -0.75-0.50 Signifikan 0.05-0.1 Korelasi Kuat Negatif - Signifikan

Kuat Positif 0.50-0.75 Signifikan 0.05-0.1 Korelasi Kuat Positif - Signifikan

Kuat Positif 0.50-0.75 Sangat Signifikan 0-0.05 Korelasi Kuat Positif - Sangat Signifikan

Sangat Kuat Positif

0.75-1 Signifikan 0.05-0.1 Korelasi Sangat Kuat Positif - Signifikan

Sangat Kuat Positif

0.75-1 Sangat Signifikan 0-0.05 Korelasi Sangat Kuat Positif - Sangat Signifikan

PROVINSI KABUPATEN LOKASI KORELASI SIGNIFIKANSI LAG KLASIFIKASI KEY AREA

JAWA BARAT Indramayu Juntinyuat -0.585 0.011 1 Korelasi Kuat Negatif - Sangat Signifikan

JAWA TENGAH Blora Jiken 0.507 0.027 1 Korelasi Kuat Positif - Sangat Signifikan

JAWA TENGAH Pati Cluwak -0.548 0.015 1 Korelasi Kuat Negatif - Sangat Signifikan

DIY Bantul Ringinharjo -0.552 0.004 1 Korelasi Kuat Negatif - Sangat Signifikan

BALI Jembrana Palasasri -0.5 0.029 1 Korelasi Kuat Negatif - Sangat Signifikan

SULAWESI SELATAN Jeneponto Tamanroya 0.599 0.067 1 Korelasi Kuat Positif - Signifikan

JAWA TENGAH Blora Jiken 0.594 0.007 2 Korelasi Kuat Positif - Sangat Signifikan

BALI Jembrana Palasasri -0.562 0.012 2 Korelasi Kuat Negatif - Sangat Signifikan

NTT Ende Detusoko -0.693 0.009 2 Korelasi Kuat Negatif - Sangat Signifikan

KALIMANTAN TENGAH Kotawaringin Barat Pangkalanbun 0.566 0.012 2 Korelasi Kuat Positif - Sangat Signifikan

KALIMANTAN TIMUR Paser Tanah Grogot -0.511 0 2 Korelasi Kuat Negatif - Sangat Signifikan

PAPUA Nabire Sta. Met. Kelas III Moanamani 0.585 0 2 Korelasi Kuat Positif - Sangat Signifikan

JAWA BARAT Bogor Cigudeg 0.52 0.00 3 Korelasi Kuat Positif - Sangat Signifikan

JAWA BARAT Subang Subang -0.53 0.05 3 Korelasi Kuat Negatif - Signifikan

JAWA TENGAH Semarang Banyubiru 0.64 0.00 3 Korelasi Kuat Positif - Sangat Signifikan

PAPUA Nabire Sta. Met. Kelas III Moanamani 0.59 0.00 3 Korelasi Kuat Positif - Sangat Signifikan

JAWA BARAT Bogor Cigudeg 0.548 0.00 4 Korelasi Kuat Positif - Sangat Signifikan

JAWA TENGAH Semarang Banyubiru 0.627 0.00 4 Korelasi Kuat Positif - Sangat Signifikan

BANTEN Tangerang Rancasumur-Cisoka 0.503 0.00 4 Korelasi Kuat Positif - Sangat Signifikan

KALIMANTAN UTARA Barito Utara Sta Muara Teweh Tengah 0.552 0.01 4 Korelasi Kuat Positif - Sangat Signifikan

GORONTALO Gorontalo Gorontalo -0.549 0.03 4 Korelasi Kuat Negatif - Sangat Signifikan

PAPUA Nabire Sta. Met. Kelas III Moanamani 0.579 0.00 4 Korelasi Kuat Positif - Sangat Signifikan

CONTOH HASIL IDENTIFIKASI KEY AREA UNTUK NINO 3.4 PADA KONDISI EL-NINO

PROVINSI KABUPATEN LOKASI KORELASI SIGNIFIKANSI LAG KA

JAWA BARAT Bogor Dayeuh 0.51 0.001 1 Korelasi Kuat Positif - Sangat Signifikan

KALIMANTAN SELATAN Tabalong Haruai Muui -0.51 0 1 Korelasi Kuat Negatif - Sangat Signifikan

SULAWESI SELATAN Jeneponto Tamanroya -1.00 0.055 1 Korelasi Sangat Kuat Negatif - Signifikan

LAMPUNG Lampung Selatan Metro DPU 0.515 0 2 Korelasi Kuat Positif - Sangat Signifikan



SULAWESI SELATAN Jeneponto Tamanroya -1 0.1 2 Korelasi Sangat Kuat Negatif - Signifikan


BANTEN Tangerang Cikasungka 0.534 0 3 Korelasi Kuat Positif - Sangat Signifikan

SULAWESI SELATAN Jeneponto Tamanroya -1 0.06 3 Korelasi Sangat Kuat Negatif - Sangat Signifikan


CONTOH HASIL IDENTIFIKASI KEY AREA UNTUK NINO 3.4 PADA KONDISI LA-NINA

Sudah dilakukan pemetaan untuk 10 indeks global x 4 lag x 2 kondisi = 80 peta

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

1000000

19

86

19

87

19

91

19

92

19

94

19

95

19

97

19

98

20

02

20

03

20

09

20

10

20

14

20

15

Pro

du

ksi P

adi (

ton

)

Tahun El-Nino

Produksi Padi Jawa dan Luar Jawa pada Kondisi El Nino

Jawa

Luar Jawa

0

100000

200000

300000

400000

500000

600000

700000

800000

900000

1000000

19

88

19

89

19

99

20

00

20

01

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

20

16

Pro

du

ksi P

adi (

ton

/tah

un

)

Tahun La-Nina

Produksi Padi Jawa dan Luar Jawa Pada Kondisi La-Nina

Jawa

Luar Jawa

KERAGAANPRODUKSI PADI DI LOKASI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA

Produksi Padi Pada kondisi El-Nino rata-rata lebih rendah dibandingkan pada kondisi La-Nina

Provinsi Kabupaten/Kota Stasiun Hujan

1 Jawa Tengah Pati Cluwak y = 68.447x + 447892 0,6214

2 Jawa Barat Karawang Lemahabang y = -61.832x + 1E+06 0,8982

3 Jawa Barat Indramayu Jutinyuat y = 277.59x + 1E+06 0,9961

4 Jawa Barat Cianjur Pacet y = 89.924x + 741189 0,9014

5 Banten Tangerang Rancasumur-Cisoka y = 57.602x + 361307 0,5421

6 Nusa Tenggara Timur Timor Tengah Utara Eban y = -9.4332x + 35129 0,6327

7 Nusa Tenggara Barat Lombok Barat Narmada y = 62.222x + 202697 0,8378

8 Nusa Tenggara Barat Sumbawa Alas y = 654.17x + 466041 0,5783

9 Lampung Lampung Barat Sekincau y = 12.011x + 97176 0,5733

10 Kalimantan Utara Barito Utara Muara Teweh Tengah y = -6.0309x + 27487 0,8739

11 Bali Jembrana Palasari y = -12.116x + 54542 0,6249

12 Bali Klungkung Dawan y = 1.6385x + 31514 0,5315

Persamaan (y)Key Area

R2No

HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI PADI DI KEY AREA

PADA KONDISI EL-NINO DAN LA-NINA


1 Kalimantan Selatan Tabalong Haruai Muui y = -19.285x + 94511 0,5545

2 Nusa Tenggara Timur Timor Tengah UtaraEban y = -5.5216x + 28196 0,8094

3 Nusa Tenggara Timur Manggarai Ruteng y = -24.952x + 83615 0,5192

Key AreaPersamaan (y) R2No

El-Nino

La-Nina

Produksi pada El-Nino lebih besar dari pada La-Nina

KERAGAAN PRODUKSI JAGUNG DI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA

HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI JAGUNG DI KEY AREA



1 Jawa Barat Cianjur Pagelaran y = 3.5107x + 30158 0,9044

2 Jawa Barat Cianjur Pacet y = 4.7609x + 31024 0,9953

3 Jawa Barat Cianjur Ciwangi y = 5.5868x + 30175 0,5744

4 Jawa Barat Garut Leles y = 574.76x + 2E+06 0,8863

5 Jawa Barat Bandung Cicalengka y = -89.054x + 31136 0,7457

6 Jawa Barat Indramayu Juntinyuat y = -0.9122x + 848.22 0,8423

7 Jawa Barat Tasikmalaya Singaparna y = 6.8489x + 45413 0,717

8 Jawa Barat Subang Karanganyar y = -0.8092x + 2719.3 0,5894

9 Jawa Tengah Pati Cluwak y = 58.048x + 60849 0,6557

NoKey Area

Persamaan (y) R2

Provinsi Kab/Kota Stasiun Hujan

1 Nusa Tenggara TimurFlores Timur Larantuka y = 29.465x + 31179 0,5005

Key Area

Persamaan (y)R2No

El-Nino

La-Nina

KERAGAAN PRODUKSI KEDELAI DI KEY AREA PADA KONDISI EL-NINO DAN LA-NINA

No Key Area

Persamaan (y) R2 Provinsi Kab/Kota Stasiun Hujan

1 Jawa Barat Cianjur Pacet y = 8.6186x + 9293.6 0,7069

2 Jawa Barat Bandung Cicalengka y = 0.7552x + 997.01 0,5629

3 Jawa Barat Indramayu Jutinyuat y = 25.636x + 10443 0,9202

4 Jawa Barat Garut Leles y = 24.225x + 66595 0,9285

5 Jawa Barat Karawang Lemahabang y = -0.161x + 469.95 0,6019

6 Jawa Barat Tasikmalaya Singaparna y = 3.8453x + 2825.6 0,6297

7 Jawa Tengah Semarang Cimalak y = -0.1602x - 186.5 0,6331

8 Kalimantan Tengah Kotawaringin Timur Sampit y = 0.0169x + 19.997 0,9601

9 Kalimantan Tengah Kotawaringin Barat Pangkalanbun y = 0.0892x + 57.046 0,8508

10 Kalimantan Tengah Barito Utara Muara Teweh Tengah y = -0.3136x + 255.4 0,634

11 Nusa Tenggara Barat Lombok Barat Mataram Kediri y = 24.483x + 7885.6 0,8789

12 Nusa Tenggara Timur Manggarai Ruteng y = 0.2643x + 447.45 0,7553

13 Nusa Tenggara Timur Ende Detusoko y = -0.0335x + 2.3976 0,7794

HUBUNGAN ANOMALI CURAH HUJAN DENGAN PRODUKSI KEDELAI DI KEY AREA


No Key Area

Persamaan (y) R2 Provinsi Kab/Kota Stasiun Hujan

1 Jawa Tengah Magelang Magelang y = 0.0241x + 13.5 0,8256

2 Nusa Tenggara Barat Lombok Barat Mataram Kediri y = -4.5142x + 4744.8 0,554

PENGEMBANGAN KEY AREA DAN MONITORING DAMPAK

Simulasi tanaman

METODOLOGI

PREDIKSI HUJAN :

BMKG

Filter Kalman

MARS

ANN

dll

PREDIKSI INDIKATOR PERTANIAN (PRODUKSI/PRODUKTIFITAS/LUAS TANAM :

Berdasarkan hubungan curah hujan dan indikator pertanian secara time series jangka panjang

Simulasi tanaman

http://www.cpc.ncep.noaa.gov/products/predictions/90day/tools/briefing/ssttt.gif






Sistim Informasi Key Area dan Monitoring Dampak Keragaman Iklim Indonesia MH/MK 20....pada Sektor Pertanian

Mendukung Adaptasi Terhadap Perubahan Iklim

abcdhhhhhhhhhhhhhhh

Pola curah hujan

MH/MK 20...

Prediksi produksi/produktifitas/

luas tanam pajale MH/MK 20.....

Fluktuasi produksi/produktifitas/

luas tanam pajale MH/MK 20.....

Prediksi curah hujan

MH/MK 20...

LOKASI MONITORING DAMPAK

1. Wilayah kunci untuk monitoring dampak kejadian iklim ekstrim pada produksi padi untuk kondisi El Nino adalah : Cluwak-Pati, Lemahbang-Karwang, Juntinyuat-Indramayu, Pacet-Cianjur, Rancasumur Cisoka-Tagerang, Eban-Timor Tengah Utara, Narmada-Lombok Barat, Alas-Sumbawa, Sekincau-Sumbawa, Muara Teweh Tengah-Barito Utara, Palasari-Jembrana dan Dawan-Klungkung. Pada kondisi La-Nina adalah : Haruai Muui-Tabalong, Eban-Timor Tengah Utara dan Ruteng-Manggarai.

2. Wilayah kunci monitoring dampak kejadian iklim ekstrim pada produksi jagung untuk kondisi El-Nino adalah : Pagelaran-Cianjur, Pacet-Cianjur, Ciwangi-Cianjur, Leles-Garut, Cicalengka-Bandung, Juntinyuat-Indramayu, Singaparna-Tasikmalaya, Karanganyar-Subang dan Cluwak-Pati, sedangkan untuk kondisi La-Nina adalah : Larantuka-Flores Timur di Provinsi Nusa Tenggara Timur.

3. Lokasi monitoring dampak kejadian iklim ekstrim pada produksi kedelai untuk kondisi El-nino adalah: Pacet-Cianjur, Cicalengka-Bandung, Juntinyuat-Indramayu, Leles-Garut, Lemahabang-Karawang, Singaparna-Tasikmalaya, Cimalak-Semarang, Sampit-Kotawaringin Timur, Pangkalanbun-Kotawaringin Barat, Muarateweh Tengah-Barito Utara, Mataram Kediri-Lombok Barat, Ruteng-Manggarai dan Detusoko-Ende. Untuk kondisi La-Nina adalah di Magelang-Magelang dan Mataram Kediri-Lombok Barat.

PENUTUP

Key Area yang telah teridentifikasi merupakan lokasi dimana anomali curah hujannya sangat dipengaruhi oleh anomali global (SST Nino 3.4, Nino 2, Nino 3 dll)

Munculnya kejadian iklim ekstrim yang tercermin dari indeks global akan berpengaruh terhadap anomali curah hujan di lokasi Key Area

Prediksi anomali iklim (El Nino dan La Nina) yang dapat dipantau melalui indeks global dan dapat diakses dari situs resmi (NOAA, IRI dll) menjadi informasi awal untuk mengetahui kemungkinan fluktuasi produksi dan luas tanam

Apabila dari hasil prediksi indeks global diindikasikan akan terjadi kejadian iklim ekstrim (El Nino atau La Nina), maka lokasi Key Area harus menjadi prioritas dalam melakukan monitoring dampak terhadap produksi dan luas tanam

Usahatani di wilayah yang terdampak (Key Area) perlu didukung dengan penyiapan prasarana dan sarana pertanian dalam rangka meminimalkan risiko dan peningkatan indeks pertanaman

TERIMA KASIH

key area keragaman iklim indonesia mendukung...

Documents