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