rencana 3-tahun riset & pengembangan model risiko ... dan informasi curah hujan baseline...
TRANSCRIPT
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Tim Riset Banjir (TRB)
Dipresentasikan pada Simposium “Asuransi Banjir Nasional” oleh Tim Riset Banjir:
Tri Wahyu Hadi (WCPL-ITB), Hengki Eko Putra (MAIPARK), Aditia Rojali (IRISIKO), I DewaGede A. Junnaedhi; M. Ridho Syahputra; Edi Riawan (WCPL-ITB), Ibnu Sofian (BIG)
Rencana 3-Tahun Riset & Pengembangan
Model Risiko Banjir Dinamis
untuk
Wilayah DKI Jakarta
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Risiko Banjir DINAMIS, apa dan mengapa?Variabilitas Iklim Global dan Peluang Kejadian Banjir
Statistik kejadian kekeringan dan banjir yang berasosiasi dengan variabilitas iklim terkaitfenomena El Nino dan La Nina di India dan Australia Utara. (K.M. Lau, Encyclopedia of Atmospheric Sciences, 2003)
(Merz et al., 2014)
Centennial climatology of ENSO sensitive regions with regard to the global land-surface precipitation from 1901 to 2010
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Risiko Banjir DINAMIS, apa dan mengapa?Kejadian Banjir: Cara Pandang “Klasik” dan “Baru”
AspekCara Pandang“Klasik” “Baru”
Randomness (sifatacak)
Random (Acak): Banjir adalah kejadian acak yangmagnitudo-nya hanya tergantung kepada distribusistatistik
Kausal: kejadian banjir, baik magnitudo maupun frekuensinyaditentukan oleh serangkaian process di atmosfer dan DaerahAliran Sungai (DAS). Sebagian dari variabilitas banjirtergambarkan oleh proses deterministik, dijelaskan darikarakteristik iklim yang mengubah distribusi peluang banjir.
Perspektif spasial Lokal: kejadian banjir sepenuhnya dapatdigambarkan oleh proses-proses di dalam lingkupDAS.
Global: banjir terjadi dalam kerangka spasial yang melibatkanpola sirkulasi skala besar di dalam sistem iklim.
Variabilitas naturaldan banjir
Stasioner: karakteristik banjir bersifat stasioner,yakni merupakan rata-rata jangka panjang darivariabilitas natural di dalam DAS
Bervariasi terhadap waktu: karakteristik banjir berubah sesuaidengan variabilitas iklim pada beberapa skala waktu yangberbeda
Perspektif temporal Recent (kekinian): karakteristik banjir sebagai hasildari kondisi paling mutakhir yang terkunci di dalamDAS
Jangka panjang: karakteristik banjir merupakan hasil dari prosesyang saling terkait dalam jangka panjang melibatkan iklim,topografi, geologi, vegetasi, dan manusia.
Estimasi banjir Netral terhadap proses: antara satu kejadian banjirsatu dengan lainnya tidak ada perbedaan prosesyang mendasar
Berbasis proses: banjir dapat terjadi dengan proses yang berbedadalam satu DAS. Informasi mengenai proses-proses banjir yangterjadi menentukan distribusi peluang kejadian banjir.
Manajemen risikobanjir
Fokus pada hazard; statik: manejemen banjir fokuspada pengurangan hazard terutama pembangunanstruktur pengendali banjir; instrumen finansial jugadigunakan berdasarkan zonasi hazard banjir
Berorientasi pada risiko; dinamis: manajemen risiko (mencakuphazard dan vulnerability) yang komprehensif melibatkanpenanganan struktural, non-struktural, dan finansial secaraterintegrasi. Kemampuan memprediksi risiko banjir, baik dalamjangka pendek maupun panjang menentukan keberhasilanmitigasi banjir.
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Risiko Banjir DINAMIS: Konsep dan Rencana KerjaKonsep Umum Pengelolaan Risiko Banjir Dinamis
simulasi banjirdengan model dinamis yang memperhitungkanketidakpastian input curah hujan
Data dan informasicurah hujan baseline
Analisis risiko banjirmenggunakanprobabilistic flood hazard map yang lebih robust terhadapketidakpastian(unpredicatbility) proses iklim
Estimasi peluangkejadian banjirberbasis prediksiiklim (seasonal prediction) curahhujan ensemble dananalisis trenvariabilitas iklim
Analisis perubahanrisiko banjir yang memperhitungkanperkembangankondisi iklim satutahun ke depan
Penentuan rate asuransi banjir yang dinamis, adaptif, dan kompetitif olehindustri asuransi nasional
Panduan rate asuransi banjirstandar nasional
Pe
nd
ekat
an“K
lasi
k” y
ang
Dik
em
ban
gkan
Imp
lem
en
tasi
Pen
dek
atan
“Bar
u”
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Risiko Banjir DINAMIS: Konsep dan Rencana KerjaKomponen Pemodelan Banjir
Base flow
Hujan
Kondisi permukaan
Limpasan(proses denganskala waktu relatifpendek)
Infiltrasi (prosesdengan skala wakturelatif panjang)
Iklim/Cuaca
Evaporasi
Aliran sungai
Tinggi muka air laut
Aliran sungai dimuara
Pasang-surut (Pasut)
Luapan sungai jikavolume sungai tidakdapat menampungaliran sungai
Banjir perkotaanjika terjadikegagalandrainase
Kejadian banjirkombinasi
Data historis sebagai “baseline”
Prediksi curah hujan skalamusim (seasonal prediction)
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Risiko Banjir DINAMIS: Konsep dan Rencana Kerja“Blue Print” 3-tahun Riset dan Pengembangan Model Risiko Banjir
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Hujan Sebagai Salah Satu Permasalahan UtamaIklim di Indonesia: Monsun
dry
dry
December to February (DJF)
June to September (JJAS)(Webster and Fasullo, 2003)(Johnson, 1992)
Rainfall area
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Data Satelit TRMM 3B42-V7 sebagai Baseline
Temporal range 01-01-1998 to 31-05-2015
Spatial range 50° S-50°N , 180°W-180°E
Temporal res. 3 hourly
Horizontal res. 0,25° x 0,25°;
nlat = 400, nlon = 1440
Average file size Compressed: ~0,71MB;
Original: ~11MB
Data format HDF
ftp://disc2.nascom.nasa.gov/data/TRMM/Gridded/3B42_V7/
GAUGES OBSERVATIONBadan Meteorologi, Klimatologi dan Geofisika (BMKG) ●
Pusat Litbang Sumber Daya Air (PUSAIR) ●Global Summary of The Day (GSOD) ●
http://www.ncdc.noaa.gov/cgi-bin/res40.pl?page=gsod.html ftp://ftp.ncdc.noaa.gov/pub/data/gsod.
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
Quantifying Uncertainties of TRMM Estimates
𝑷𝒔𝒊𝒎 = 𝑷𝒔𝒂𝒕 + 𝑷𝒔𝒂𝒕 × 𝝈𝟏 + 𝝈𝟐
AghaKouchak, A. , N. Nasrollahi and E. Habib. “Accounting for Uncertainties of the TRMM Satellite Estimates”. Remote Sens. 2009, 1, 606 - 619; doi:10.3390/rs1030606
Simulated fields
Satellite Estimates
Total error, used to perturb satellite estimates
Multiplicative error, proportional to magnitude of satellite estimates
Represent random error sources
etc.....
PT Reasuransi Maipark, Jakarta, 2015/10/19 Simposium “Asuransi Banjir Nasional”
ALGORITHMPairs of observation (Pobs) and TRMM estimates (P*
sat)
Remove overall bias (β1)
𝛽1 = 𝑖=1𝑛 𝑃𝑜𝑏𝑠,𝑖 𝑖=1𝑛 P∗sat,i
𝑃𝑠𝑎𝑡 = P∗sat,𝑖 × 𝛽1
Maximize log-likelihood function to estimates model parameters (σ1 and σ2)
𝐿 = −𝑛
2𝑙𝑛 𝜎2𝑃𝑜𝑏𝑠 × 𝜎1 + 𝜎2 −
1
2
𝑖=1𝑛 𝑃
𝑜𝑏𝑠−𝑃𝑠𝑎𝑡 2
𝜎2𝑃𝑜𝑏𝑠
×𝜎1+𝜎2
Maximum Likelihood Estimators (MLE)
Estimate perturbation fields𝑃𝑠𝑎𝑡 × 𝜎1+ 𝜎2
Monte Carlo Method
Calculate ensemble of simulated fields (rain-rate)
𝑃𝑠𝑖𝑚 = 𝑃𝑠𝑎𝑡 + 𝑃𝑠𝑎𝑡 × 𝜎1+ 𝜎2