TUGAS PEMODELAN LINGKUNGAN

“SOFTWARE PEMODELAN AERMOD DAN SURFER”

DISUSUN OLEH :

1. SITTI HARIYATI (13513032)2. IKA BAYU KARTIKASARI (13513071)

JURUSAN TEKNIK LINGKUNGAN

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN

UNIVERSITAS ISLAM INDONESIA

2015/2016

BAB 1 : AERMOD

1.1 Sejarah Pengembangan Program Aermod

AERMOD dikembangkan oleh AERMIC (Amerika Meteorological

Society (AMS) / Amerika Serikat Environmental Protection Agency (EPA)

Regulatory Model Peningkatan Komite), sebuah kelompok kerja kolaboratif

ilmuwan dari AMS dan EPA.  AERMIC awalnya dibentuk di 1991 dengan tujuan

yang didesain untuk memperkenalkan PBL (Planetary Boundary Layer) kedalam

konsep regulatory Dispersion Models.

Dalam sebagian besar aplikasi kualitas udara salah satunya saling berkaitan

dengan dispersi dalam PBL, lapisan udara turbulen diatas permukaan bumi yang

dikendalikan oleh pemanasan permukaan dan gesekan dan stratifikasi atasnya.

PBL biasanya berjarak kisaran dari beberapa ratus meter di kedalaman di malam

hari sampai 1-2 km di siang hari. Perkembangan utama dalam memahami PBL

dimulai pada tahun 1970-an melalui pemodelan numerik, observasi lapangan, dan

simulasi laboratorium. (Wyngaar, 1988)

Singkatnya, Untuk lapisan batas konvektif (CBL), simulasi numerik Deardorff

mengungkapkan struktur vertikal CBL dan skala turbulensi penting. Pemahaman

yang lebih banyak dalam dispersi diikuti dari percobaan laboratorium, simulasi

numerik, dan observasi lapangan .Untuk lapisan batas stabil (SBL), kemajuan

terjadi lebih lambat. Namun, teori/kerangka eksperimental suara untuk lapisan

permukaan dispersi dan pendekatan untuk sumber elevasi muncul pada

pertengahan 1980-an.

Selama pertengahan 1980-an, para peneliti mulai menerapkan informasi ini

untuk model dispersi sederhana untuk aplikasi. Ini terdiri dari teknik eddy-difusi

untuk perilisanpermukaan, teori statistik dan skala PBL untuk estimasi parameter

dispersi, fungsi kepadatan probabilitas baru (pdf) pendekatan untuk CBL, teknik

sederhana untuk memperoleh variabel meteorologi (misalnya, fluks panas

permukaan) yang diperlukan untuk turbulensi parameterizations, dll . Pada

pertengahan tahun 1980, model dispersi terapan baru berbasis pada teknologi ini

telah dikembangkan termasuk PPSP (Weil dan Brower 1984), OML (Berkowicz

et al. 1986), HPDM (Hanna dan Paine 1989), TUPOS (Turner et al. 1986) ,

CTDMPLUS (Perry et al 1989.) kemudian, ADM dikembangkan di Inggris (lihat

Carruthers et al. (1992)) ditambahkan serta SCIPUFF (Sykes dkk. 1996). Anggota

AERMIC terlibat dalam pengembangan tiga model ini - PPSP, CTDMPLUS dan

HPDM.

AERMIC mengembangkan AERMOD dalam tujuh tahap:

Formulasi model awal

Evaluasi perkembangan

Internal peer review dan pengujian beta

Formulasi model revisi

Evaluasi kinerja dan pengujian sensitivitas

Peer review eksternal

Diserahkan kepada EPA untuk dipertimbangkan sebagai model regulasi.

Pada tanggal 21 April 2000, EPA mengusulkan agar AERMOD diadopsi

sebagai pemilihan model regulasi EPA untuk kedua medan sederhana dan

kompleks.  Pada tanggal 9 November 2005, AERMOD diadopsi oleh EPA dan

diumumkan sebagai model regulasi yang mereka inginkan, secara efektif pada 9

Desember 2005. Seluruh proses perkembangan dan adopsi memakan waktu 14

tahun (1991-2005).

1.2 Fungsi Program AERMOD

AERMOD berfungsi sebagai pengganti lengkap untuk ISC3. Namun, ini

merupakan tujuan AERMIC untuk menyatukan kedua partikel kering dan basah

serta desposisi gas begitu juga sumber atau dispelasi kepulan asap. Model

AERMOD di sini berlaku untuk daerah pedesaan dan perkotaan, datar dan medan

yang kompleks, permukaan dan berelevasi, dan berbagai sumber (termasuk, titik,

wilayah dan sumber volume).

Sistem pemodelan AERMOD yang dikembangkan oleh US Environmental

Protection Agency merupakan plume model mutakhir yang menggabungkan

dispersi udara berbasiskan struktur turbulensi planetary boundary layer dan profil

elevasi muka tanah. Data meteorologi yang diperlukan oleh AERMOD terdiri dari

surface profile dan upper air data. Kedua data tersebut dapat diperoleh dari hasil

keluaran model WRF baik sebagai data primer maupun data sekunder yang harus

diturunkan dari data primer. Data yang diperoleh dari WRF harus diolah terlebih

dahulu sebelum dapat digunakan oleh AERMOD. Solusi perangkat lunak yang

dikembangkan dalam penelitian ini memungkinkan untuk mengotomasi proses

pemodelan meteorologi, ekstrasi dan pemrosesan data dari WRF hingga menjadi

input untuk AERMOD. AERMOD, melalui program AERMAP, dapat memproses

data elevasi tanah dalam format Digital Elevation Model (DEM).

1.3 Langkah-Langkah Pemodelan AERMOD

Berikut merupakan langkah-langkah tutorial dalam menjalankan program

AERMOD untuk model dispersi :

a. Contoh :

Sebuah pabrik di daerah pedesaan

cerobong dengan bangunan di antaranya

SO2 sebagai polutan dalam gas buang

Nilai diasumsikan untuk cerobong

Surface file, * .SFC

Profile file, * .PFL

b. Mendefinisikan parameter awal

c. Site Geometry

d. AERMOD Environment

e. Mengimpor peta dasar

Sebuah peta raster dengan file gambar (JPEG, TIFF, DXF, ...) harus

diimpor

Peta Basis → Impor ...

Kemudian, luasan peta harus geo-referenced

f. Mengimpor Cerobong dan Bangunan

Luasan dari fondasi bangunan dan cerobong diimpor oleh file

DXF. Impor → peta dasar ...

g. Mendefinisikan Bangunan

h. Menggambarkan Cerobong

Drawing Tools

Visualisasi 3D

i. Control Pathway

Pilihan dispersi

Polutan

Jika jenis penggunaan lahan termasuk penggunaan industri, komersial

dan perumahan account untuk 50% atau lebih dari area dalam radius 3

km dari sumber, situs diklasifikasikan sebagai perkotaan;jika tidak, itu

digolongkan sebagai desa.

Pilihan Medan

j. Source Pathway

Source Summary

Building Downwash (Bangunan Downwash)

k. Receptor Pathway

Receptor Summary

Grid

l. Meteorology Pathway

1.4 Resume Jurnal

Estimasi Pencemaran Udara Dari Transportasi Laut di Daerah Shore Line Selat Madura Dengan Menggunakan Data Automatic

Identification System (AIS) dan Sistem Informasi Geografis (SIG)

Polusi udara dan pemanasan global adalah masalah yang sering mendapat perhatian khusus belakangan ini. Suhu rata-rata global pada permukaan Bumi telah meningkat 0.74 ± 0.18 °C (1.33 ±0.32 °F) selama seratus tahun terakhir. Intergovermental Panel on Climate Change (IPCC) menyimpulkan bahwa, "sebagian besar peningkatan suhu rata-rata global sejak pertengahan abad ke-20 kemungkinan besar disebabkan oleh meningkatnya konsentrasi gas- gas rumah kaca akibat aktivitas manusia melalui efek rumah kaca. Efek rumah kaca disebabkan oleh keberadaan CO2, CFC, metana, ozon, dan N2O di lapisan trofosfer yang menyerap radiasi panas matahari yang dipantulkan oleh permukaan bumi. Akibatnya panas terperangkap dalam lapisan troposfer dan menimbulkan fenomena pemanasan global.

Emisi gas buang dari mesin kapal telah di ketahui dapat menyebabkan masalah kesehatan dan lingkungan. Nitrogen oksida (NOx), karbon monoksida (CO), hidrokarbon (HC), dan sulfur oksida (SOx) adalah beberapa macam polusi udara yang terdapat pada emisi gas buang dari kapal. Dampaknya bagi kesehatan manusia,substansi pencemar yang terdapat di udara dapat masuk ke dalam tubuh melalui sistem pernafasan. Jauhnya penetrasi zat pencemar ke dalam tubuh bergantung kepada jenis pencemar [8]. Partikulat berukuran besar dapat tertahan di saluran pernapasan bagian atas, sedangkan partikulat berukuran kecil dan gas dapat mencapai paru-paru [5]. Dari paru-paru, zat pencemar diserap oleh sistem peredaran darah dan menyebar ke seluruh tubuh. Dampak kesehatan yang paling umum dijumpai adalah ISPA (infeksi saluran pernapasan akut), termasuk di antaranya, asma, bronchitis, dan gangguan pernapasan lainnya. Beberapa zat pencemar dikategorikan sebagai toksik dan karsinogenik. Dan bagi lingkungan dampaknya yaitu tanaman yang tumbuh di daerah dengan tingkat pencemaran udara tinggi dapat terganggu pertumbuhannya dan rawan penyakit, antara lain klorosis, nekrosis, dan bintik hitam [8]. Partikulat yang terdeposisi di permukaan tanaman dapat menghambat proses fotosintesis. Pencemar udara seperti SO2 dan NO2 bereaksi dengan air hujan membentuk asam dan menurunkan pH air hujan. Dampak dari hujan asam ini antara lain mempengaruhi kualitas air permukaan, merusak tanaman, melarutkan logam-logam berat yang terdapat dalam tanah sehingga mempengaruhi kualitas air tanah dan air permukaan, dan bersifat korosif sehingga merusak material dan bangunan [1].

Flag Of Registry

No. % NOx CO CO2 VOC SOx PM

Indonesia 53 69% 402,9 967,127

277,460

180,114

758,450

15,521

Panama 5 6,5% 105,8 196,277

54,579 27,331 158,599

3,172

Antigua & Barbuda

2 2,6% 8,959 30,207 5,635 3,740 18,307 0,366

Cambodia 2 2,6% 32,67 22,900 13,843 3,773 31,000 0,620

Liberia 2 2,6% 242,9 74,036 90,842 15,754 197,524

3,950

Marshall Island

2 2,6% 34,72 84,982 23,877 17,214 64,521 1,509

Netherlands

2 2,6% 16,46 57,082 9,522 6,165 34,595 0,729

Norway 2 2,6% 24,19 85,427 13,198 8,383 51,774 1,035

China 1 1,3% 16,99 56,222 11,247 7,569 34,074 0,681

Dominica 1 1,3% 6,539 21,161 4,579 3,126 12,825 0,256

Greece 1 1,3% 17,64 61,837 9,878 6,328 37,477 0,750

Iran 1 1,3% 4,830 17,965 2,156 1,267 10,888 0,218

Korea 1 1,3% 13,735

46,530 8,525 5,637 28,200 0,564

Vietnam 1 1,32%

4,360 9,991 3,344 2,331 8,215 0,164

Total 76

100%

932,8 1731,7 528,68 288,73 1446,4 29,53

Selat Madura merupakan salah satu jalur pelayaran yang terpadat di Indonesia, tidak hanya pelayaran domestik tetapi juga internasional yang berpusat di Pelabuhan Tanjung Perak. Dengan bertambahnya transportasi laut yang terjadi di Selta Madura sudah barang tentu juga bertambahnya polutan udara disekitar daerah Selat Madura. Tujuan dari penelitian ini adalah untuk mengestimasi konsentrasi serta sebaran emisi di udara yang di akibatkan oleh transportasi laut di Selat Madura. Penelitian ini menggunakan data Automatic Identification System atau AIS dan data Sistem Informasi Geografis. Dalam pencapaian tujuan dari penelitian ini, paper ini disajikan dalam beberapa bagian. Pertama, tinjauan pustaka, menunjukkan bagaimana data AIS dan SIG digunakan untuk perhitungan estimasi jumlah emisi, sebaran emisi tersebut, dan konsentrasi emisi dimasing-masing wilayah shore line sepanjang Selat Madura. Kedua, metodologi penelitian, menjelaskan bagaimana langkah-langkah penelitian ini dilakukan. Ketiga, investigas data AIS dalam menentukan trafik densitas terpadat di Selat Madura selama 1 tahun. Keempat, perhitungan jumlah emisi yang dikeluarkan oleh masing-masing kapal berdasarkan perhitungan yang dikembangkan oleh Carlo Trozzi dan Rita Vaccaro. Terakhir, permodelan sebaran emisi dengan menggunakan Gaussian Plume Model. Dalam penelitian ini permodelan sebaran emisi dilakukan dengan bantuan perangkat lunak AERMOD View Ver.7.1 yang mana perangkat lunak ini menggunakan Gaussian plume model untuk permodelan sebaran emisinya.

METODE

Metode penelitian ini dimulai dari investigasi data AIS, seperti dijelaskan pada gambar 1, data AIS yang digunakan adalah data tahun 2010. Tahap selanjtnya, pencairan data tambahan yang diperlukan untuk estimasi perhitungan emisi bersamaan dengan pencarian data GIS yaitu peta Selat Madura. Data AIS diperoleh dari AIS receiver yang ada di Marine Reliability and Safety Labortory

Teknik Sistem Perkapalan ITS. Data AIS ini yang akan diolah untuk menghitung estimasi jumlah emsisi yang dikeluarkan oleh kapal pada saat trafik densitas terpadat. Setelah mendapatkan data tersebut, posisi kapal dbisa diketahui setelah diplot di AERMOD View Ver.7.1. Tahap berikutnya adalah, perhitungan estimasi emisi dengan menggunkan metodelogi perhitungan yang telah dikembagkan oleh Trozzi et al [22] [23].Setelah mengetahui jumlah emisinya, langkah berikutnya adalah memodelkan sebaran emisi berdasarkan permodelan Gaussian model [2] [9] [17]. Dalam hal ini, perangkat lunak yang digunakan untuk memodelkan sebaran emisi adalah AERMOD View Ver.7.1. Tahap selanjutnya adalah menganalisa hasil sebaran emisinya dan konsentrasi emisi tersebut.

HASIL PENELITIANBerikut ini hasil perhitungan estimasi emisi dan sebaran emisi dari data AIS, GIS, dan data sekunder lainnya dengan menggunakan metodologi dari Trozzi dan permodelan gaussian plume model :

Tabel 10. Jumlah Emisi Untuk Masing-masing Kapal Berdasarkan Bendera

Flag Of Registry

No. % NOx CO CO2 VOC SOx PM

Indonesia 53 69% 402,9 967,127 277,460 180,114 758,450 15,521

Panama 5 6,5% 105,8 196,277 54,579 27,331 158,599 3,172

Antigua & Barbuda

2 2,6% 8,959 30,207 5,635 3,740 18,307 0,366

Cambodia 2 2,6% 32,67 22,900 13,843 3,773 31,000 0,620

Liberia 2 2,6% 242,9 74,036 90,842 15,754 197,524 3,950

Marshall Island

2 2,6% 34,72 84,982 23,877 17,214 64,521 1,509

Netherlands 2 2,6% 16,46 57,082 9,522 6,165 34,595 0,729

Norway 2 2,6% 24,19 85,427 13,198 8,383 51,774 1,035

China 1 1,3% 16,99 56,222 11,247 7,569 34,074 0,681

Dominica 1 1,3% 6,539 21,161 4,579 3,126 12,825 0,256

Greece 1 1,3% 17,64 61,837 9,878 6,328 37,477 0,750

Iran 1 1,3% 4,830 17,965 2,156 1,267 10,888 0,218

Korea 1 1,3% 13,735 46,530 8,525 5,637 28,200 0,564

Vietnam 1 1,32% 4,360 9,991 3,344 2,331 8,215 0,164

Total 76 100% 932,8 1731,7 528,68 288,73 1446,4 29,53

Dari Tabel 10 diketahui bahwa jumlah total emisi untuk NOx sebesar 932 kg/jam, SOx sebesar 1446 kg/jam, CO 1731,7 kg/jam, CO2 adalah sebesar 528 kg/jam, dan PM sebesar 29,53 kg/jam. Dan dari Tabel 10 diketahui pula untuk penyumbang emisi terbesar adalah kapal berbendera Indonesia untuk urutan pertama dengan jumlah NOx sebesar 402,9 kg/jam, SOx sebesar 758,45 kg/jam, CO sebesar 967,13 kg/jam, CO2 sebesar 277,46 kg/jam, dan PM sebesar 15,52 kg/jam. Lalu diikuti kapal berbendera Panama untuk urutan kedua dengan jumlah NOx sebesar 105,8 kg/jam, SOx sebesar 158,9 kg/jam, COsebesar 196,28 kg/jam, CO2 sebesar 54,58 kg/jam, dan PM sebesar 3,17 kg/jam. Dan urutan ketiga adalah kapal berbendera Antigua&Babuda, Norwegia, Kamboja, Liberia, Marshall Island, dan Belanda. Sedangkan untuk urutan terakhir adalah kapal berbendera China, Yunani, Korea, Vietnam, Iran, dan Republik Dominika.

Sedangkan untuk sebaran emisi masing-masing polutan dengan bantuan perangkat lunak AERMOD View Ver.7.1 ditunjukkan oleh gambar 7, 8, 9, 10, dan 11 berikut ini :

Gambar 7. Sebaran dan Konsentrasi Emisi NOx

Gambar 8. Sebaran dan Konsentrasi Emisi SOx

Gambar 9. Sebaran dan Konsentrasi Emisi CO

Dari permodelan sebaran polutan udara yang telah dijalankan di AERMOD View Ver7.1 dapat dianalisa sebaran dan konsentrasi emisinya di sekitar Selat Madura. Dalam permodelan sebaran emisi dalam AERMOD View berjarak sekitar 30 km dari titik tengah koordinat sumber emisi. Dari hasil sebaran emisi dapat dilihat bahwa angin pada tanggal 22 Oktober 2010 pukul 17.00 – 18.00 mengarah ke barat laut dan tenggara. Itu terlihat pada model yaitu konsentrasi terbesar berada pada dua arah tersebut. Tabel 11 dibawah ini menunjukkan daerah shoreline sepanjang Selat Madura dan kandungan konsentrasi emisinya

KESIMPULAN

Setelah melaksanakan seluruh proses penelitian ini, dan dari hasil pengolahan

data yang diperoleh, maka dapat ditarik beberapa kesimpulan sebagai berikut :

1. Penelitian untuk estimasi emisi dan sebaran konsentrasi emisi dari

transportasi laut sangat memungkinkan dengan menggunakan data dari

Automatic Identification System (AIS) dan Sistem Informasi Geografis.

Akan tetapi AIS sendiri memiliki kelemahan yaitu kapal yang terdeteksi

oleh AIS hanya kapal yang mempunyai GT diatas 300 sehingga kapal

dengan GT dibawah 300 dan kapal yang tidak dilengkapi dengan AIS

tidak dapat dianalisa.

2. Jumlah polutan emisi pada trafik densitas terpadat adalah :

a. NOx : 932,8 kg / jam

b. SOx : 1446,4 kg / jam

c. CO : 1731,7 kg / jam

d. CO2 : 528,7 kg / jam

e. PM : 29,5 kg/jam

3. Jumlah konsentrasi tertinggi polutan emisi pada trafik densitas terpadat

berada di daerah sekitar pelabuhan Semen Gresik dengan konsentrasi

emisi yaitu :

a. NOx : 184,924 µ g / m3 b. SOx : 377,959 µ

g / m3 c. CO : 479,086 µ g / m3 d. CO2 :

133,365 µ g / m3

e. PM : 7,634 µ g / m3

4. Dari hasil penelitian ini, konsentrasi polutan NOx, SOx, dan CO tidak

mempengaruhi kesehatan manusia kecuali polutan PM. Konsentrasi

polutan dari penelitian ini dapat memberikan gejala berupa gangguan

pernafasan di daerah dengan konsentrasi tertinggi.

BAB 2 : SURFER

2.1 Sejarah Pengembangan Program Surfer

Surfer merupakan salah satu perangkat lunak produk Golden Software,

Inc. untuk pembuatan peta kontur dan pemodelan tiga dimensi yang didasarkan

atas grid. Perangkat lunak ini berperan besar dalam pemetaan kawasan. Meskipun

canggih, perangkat ini tidak banyak menuntut untuk sistem operasi maupun

perangkat keras.

Golden Software Inc. adalah sebuah perusahaan swasta, perusahaan

Amerika yang berbasis di Golden, Colorado. Perusahaan ini mengembangkan dan

memasarkan perangkat GIS dan perangkat lunak ilmiah. Didirikan pada tahun

1983, Golden Software adalah salah satu perusahaan perangkat lunak tertua di

dunia, dan yang pertama kali memasarkan aplikasi tiga dimensi permukaan dan

pemetaan kontur aplikasi untuk PC (komputer). Patrick Madison, seorang CSM

ilmu komputer instruktur, dan Smith, salah seorang mahasiswa pascasarjana,

mulai kemitraan pada tahun 1983 dengan pengembangan bahasa yang mengambil

keuntungan dari resolusi penuh untuk printer dot-matrix. Program pertama mereka

komersial, PlotCall, berubah petunjuk plotter menjadi petunjuk dot-matrix

kompatibel dengan lebih dari 20 printer komersial. Hal ini membuat grafik

komputer dan pemasaran dunia pemetaan ke arena yang lebih luas dari pengguna

dengan printer komersial murah. Antara tahun 1985 dan 1986 perusahaan ini

merilis dua aplikasi DOS: Surfer, program pemetaan permukaan dan kontur, dan

Grapher, aplikasi spreadsheet-plotting. Pada tahun 1990 kemudian merilis

program Windows pertama: MapViewer. lalu kemudian produk mereka

berikutnya, yaitu Didger dirilis pada tahun 1996. Program terbaru mereka, Strater

dan Voxler yang dirilis pada tahun 2004 dan 2006.

2.2 Fungsi Program Surfer

Surfer merupakan salah satu perangkat lunak produk Golden Software,

Inc. untuk pembuatan peta kontur dan pemodelan tiga dimensi yang didasarkan

atas grid. Perangkat lunak ini berperan besar dalam pemetaan kawasan. Meskipun

canggih, perangkat ini tidak banyak menuntut untuk sistem operasi maupun

perangkat keras.

Gambar 1. Hasil (output) Program Surfer 9 dengan Kontur 3 Dimensi.

Surfer dalam bahasan ini adalah perangkat lunak atau software Surfer 9.0

Full Crack yang memiliki banyak fungsi visualisasi, 3D contouring dan paket

modeling permukaan yang berjalan di bawah Microsoft Windows. Surfer

digunakan secara luas untuk pemodelan medan, visualisasi landscape, analisis

permukaan, pemetaan kontur, pemetaan permukaan 3D, gridding, volumetrics,

dan banyak lagi. Sebuah Software yang canggih interpolasi sebuah permodelan

yang mengubah data XYZ ke publikasi-peta berkualitas. Surfer menyediakan

metode yang lebih gridding dan kontrol yang lebih luas terutama parameter

gridding, termasuk variograms yang bisa disesuaikan, support database dari paket

perangkat lunak lain di pasar. Anda juga dapat menggunakan kotak file yang

diperoleh dari yang lain, seperti file USGS DEM atau file jaringan ESRI.

Menampilkan grid Anda sebagai peta kontur yang luar biasa, peta 3D, wireframe

3D, vektor, gambar, relief berbayang, dan peta pos. Tambahkan peta dasar dan

gabungkan beberapa jenis peta untuk menciptakan tampilan yang se-informatif

mungkin. Hampir semua aspek dari peta Anda dapat disesuaikan untuk

menghasilkan persis presentasi yang Anda inginkan. Peta publikasi menghasilkan

kualitas lebih cepat atau lebih mudah. Dengan kata lain Surfer merupakan

software yang dikhususkan untuk analisa kontur dan 3D. Surfer dapat membuat

kontur, relief, serta visualisasi 3D lainnya dengan metode input “excel like”.

Membahas surfer generasi sebelumnya yaitu pada versi 8 ini, banyak

fungsionalitas baru serta perbaikan. Penggunaan surfer sangatlah mudah, user

tinggal memasukkan data titik,yang terdiri dari 2 titik koordinat, yaitu x dan y,

serta satu titik ketinggian yaitu z dalam suatu worksheet seperti di excel. setelah

itu dilakukan proses gridding atau interpolasi titik tersebut dengan menggunakan

algoritma pilihan di surfer meliputi inverse distance, krigging, minimum

curvature, nearest neighbour, polynominal regression, radial basis function,

shepard method, serta triangulation with linear interpolation. selain fungsi

interpolasi untuk pembuatan data 3D, surfer juga dilengkapi dengan analisa

overlay, selain itu terdapat pula fungsi annotation untuk melengkapi informasi

peta serta advanced editing, untuk perbaikan data.

Gambar 3. Tampilan Surfer 8

Pemetaan Kontur dan Pemodelan Spasial 3 Dimensi ini berbasiskan pada

software Surfer. Surfer adalah salah satu perangkat lunak yang digunakan untuk

pembuatan peta kontur dan pemodelan tiga dimensi dengan mendasarkan pada

grid. Perangkat lunak ini melakukan plotting data tabular XYZ tak beraturan

menjadi lembar titik-titik segi empat (grid) yang beraturan. Grid adalah

serangkaian garis vertikal dan horisontal yang dalam surfer berbentuk segi empat

dan digunakan sebagai dasar pembentuk kontur dan surface tiga dimensi. Surfer

tidak mensyaratkan perangkat keras ataupun sistem operasi yang tinggi. Oleh

karena itu, surfer relatif mudah dalam aplikasinya.

Surfer memberikan kemudahan dalam pemuatan berbagai macam peta

kontur atau model spasial 3 Dimensi. Sangat membantu dalam analisis

volumetrik, Cut And Fill, slope, dan lain-lain. Memungkinkan pembuatan peta 3

dimensi dari suatu data tabular yang disusun dengan menggunakan worksheet

seperti excel dan lain-lain.Surfer membantu dalam analisis kelerengan, ataupun

morfologi lahan dari suatu foto udara atau citra satelit yang telah memiliki datum

ketinggian. Aplikasi lain yang sering menggunakan surfer adalah analisis spasial

untuk mitigasi bencana alam yang berkaitan dengan faktor topografi dan

morfologi lahan. Surfer dapat memberikan gambaran secara spasial letak potensi

bencana.

Kemudian Surfer adalah Contouring dan pemetaan permukaan 3D

program yang berjalan di bawah Microsoft Windows. Dengan cepat dan mudah

mengkonversi data anda ke kontur yang menonjol, 3D permukaan, 3D gambar

rangka, vektor, gambar, naungan lega, dan pasca peta. Hampir semua aspek peta

Anda dapat disesuaikan untuk menghasilkan presentasi persis yang Anda

inginkan. Memproduksi kualitas publikasi peta tidak pernah lebih cepat atau lebih

mudah.

2.3 Langkah-Langkah Pemodelan Menggunakan Surfer

1. Persiapkan data hasil ukuran yang sudah diproses ke dalam excel dan sesuai dalam aplikasi surfer untuk pengidentifikasian nilai X, Y dan Z.2. Susun data koordinat sesuai gambar di bawah ini:

3. Buka Aplikasi Golden Surfer yang sudah terinstal di komputer dan akan muncul tapilan awal seperti gambar dibawah ini:

4. Pilih menu Grid --> Data dan kita diminta untuk membuka file excel yang sudah kita persiapkan. Pilih data excel di direktori penyimpanan kita kemudian pilih Open. Data akan diconvert ke dalam format ekstensi *.grd.

5. Pada tampilan gambar seperti di bawah ini, isilah X=Column A; Y=Column B; Z= Column C. Pada Gridding Method isilah Kriging atau yang lainnya, menyesuaikan metode penarikan garis kontur yang kita inginkan, kali ini pilihlah Kriging.

6. Close Tampilan Gridding Report dan tidak perlu disimpan.7. Pilih menu Map --> Contour Map --> New Contour Map, kemudian pilih file yang telah kita buat dalam format ekstensi *.grd --> Open

8. Tampilan kontur akan muncul seperti gambar berikut:

9. Double Click pada bidang kontur untuk mendapatkan menu Contours Properties seperti gambar di bawah ini:

Pilih menu tab Level dan klik tulisan Level yang berada di sebelah kiri Line untuk mengatur interval kontur.

10. Pembuatan kontur kita sudah selesai, untuk mengeksport kontur pilih menu Map --> Export Contour.11. Untuk mendapatkan tampilan 3D pilih menu Map --> New --> 3D Surface dan atau 3D Wireframe.

2.4 Resume Jurnal

Assessment Erosion 3D Hazard with USLE and Surfer Tool: A Case Study of Sumani Watershed in West Sumatra Indonesia

1. Pendahuluan

Erosi tanah di Indonesia adalah salah satu yang paling serius masalah degradasi lingkungan (Kusumandari dan Mitchell 1997). Hampir 80% dari hal ini disebabkan menurunnya dalam produktivitas lahan pertanian dan yang lainnya pendangkalan sistem irigasi dan hilangnya kapasitas waduk.

Sumani DAS adalah daerah penghasil beras di Sumatera Barat menghadapi Danau Singkarak untuk (107,8 km2 , 364 m dpl) yang memasok listrik oleh pembangkit listrik tenaga air untuk Sumatera Barat dan Riau. Sumani DAS di berada di risiko serius di mana kesuburan tanah dan produktivitas tanaman menurun karena erosi tanah kondisi air karena curah hujan yang tinggi (2.201 mm y-1) (Farida et al. 2005).

Evaluasi saat erosi sangat penting untuk perbaikan daerah terancam punah. Menentukan jenis pengukuran konservasi untuk diterapkan untuk tujuan memperkirakan dengan 3D distribusi erosi yang diperlukan untuk pengelolaan berkelanjutan dan konservasi pertanian daerah (Ahmet et al. 2007). Saat ini yang paling umum metode yang digunakan untuk memprediksi Tingkat erosi dari lahan pertanian adalah Universal Soil Loss Equation (USLE) dan Revised Universal soil Loss Equation (RUSLE) (Renard et al. 1994).

2. Metode Penelitian

Daerah penelitian

DAS Sumani, meliputi 58.330 ha dan terletak di kabupaten Solok Sumatra Barat. DAS Sumani dipilih karena merupakan DAS yang terkenal di Sumatra Barat dan memasok kebutuhan listrik disekitarnya. Namun kondisi yang sekarang karena pendangkalan yang disebabkan erosi, maka terjadi pemadaman listrik mendadak.

Survey lapangan dan metode analitis

Survei tanah dilakukan di 101 lokasi (42 lokasi dan tahun 2002, 39 lokasi di tahun 2007 dan 20 situs di 2011). Tanah dikumpulkan dari lokasi tersebut dikedalaman 0-20 cm dan 20 - 40 cm. Sampel tanah yang dikeringkan dan diayak dengan ukuran mesh 2 mm untuk fisika-kimia analisis. Organik karbon ditentukan dengan metode Metode Walkley dan Black, tekstur tanah ditentukan dengan

Metode pipette, permeabilitas tanah menggunakan metode De Boot dan sampel volumetrik menggunkan bulk density. Hasil analisis ini diintegrasikan ke dalam usulan agro-ekologi penggunaan lahan dan di modelkan dengan soil erosion 3D.

Model pendekatan dan proses data Mapping and Erosion 3 Dimension (E3D)

Pengolahan data keseluruhan menggunakan USLE, dilakukan di Surfer® 9 (software Golden 2010) berhubungan dengan meteorologi, survei tanah, peta topografi, dan petugas studi lain yang berlaku. Sumber data dikonversi ke dalam format grid, tiap grid mewakili ukuran 125 m dengan 125 m.

Analisis Dampak Erosi

Dalam USLE, kehilangan tanah rata-rata tahunan dinyatakan sebagai fungsi dari enam faktor erosi:

E = R × K × L × S × C × P [1]

DAS dibagi oleh 39.316 grid dengan ukuran 125 m × 125 m data dasar dialokasikan atau diperkirakan pada setiap kotak dengan cara membaca peta dan citra Landsat untuk penggunaan lahan jenis dan ketinggian atau metode kriging untuk aplikasi dan tanah properti.

Curah hujan erosivitas Factor (R-faktor)

R-faktor adalah faktor erosivitas curah hujan yang merupakan kemampuan potensi hujan menyebabkan erosi tanah. Untuk menghitung nilai bulanan dari R-faktor digunakan:

R = 6,19 (Rf) 1,21 (Rn) -0,47 (Rm) 0,53 [2]

Di mana R adalah erosivitas bulanan, Rf total bulanan curah hujan, Rn adalah jumlah hari hujan per bulan, dan Rm adalah curah hujan maksimum selama 24 jam dibulan yang diamati.

Tanah Erodibilitas Factor (K-Factor)

K-faktor mewakili kerentanan tanah erosi dan tingkat limpasan yang diukur dalam kondisi alur standar. Nilai untuk K-faktor itu dihitung dengan menggunakan persamaan berikut (Wischmeier dan Smith. 1978):

100K = 2,713 M 1.14 (10 -4) (12-a) 3,25 (b-2) 2,5 (c-3) [3]

Kemiringan Panjang dan kecuraman Factor (LS-Factor)

Untuk perhitungan LS-faktor, yang USLE asli rumus untuk memperkirakan panjang lereng dan kemiringan kecuraman dapat digunakan (Wischmeier dan Smith 1978). Berikut rumus LS:

LS = (L / 22,1) m (.. 65,41 sin2 X + 4,56 dosa X + 0,065) [4]

LS = (L / 22,1) 0,7 (6,432 dosa (. X 0,79). cos (X)) [5]

Dimana L adalah panjang lereng dalam, X adalah sudut kemiringan dalam derajat, m adalah eksponen yang bervariasi dengan gradien kemiringan seperti pada 0.2 <1%, 0,3 untuk 1-3%, 0,4 untuk 3,5-4,5% dan 0,5 untuk> 5%. m adalah eksponen yang tergantung pada kecuraman lereng (0,5 untuk lereng> 5%, 0,4 untuk lereng 4% dan 0,3 untuk lereng <% 3). M diambil 0,5 untuk lereng antara 5% dan 21% dan 0,3 untuk lereng <5% dalam Persamaan (4).

Cover Crop (C-faktor) dan Konservasi

Nilai C-faktor Hutan yang diambil 0.001, 0.29 untuk padang rumput (Brachiaria sp.), 0.4 untuk tanah pertanian, 0.2 untuk campuran taman (agroforestry) didominasi oleh (abadi tanaman kelapa, cengkeh, kopi, jati, mahoni, sawo (a jenis buah tropis), alpukat, melinjo (K.O. Pohon), karet. cinnamons), 0,3 untuk kelapa, 0.01 untuk sawah, 0,01 untuk semak, 0,002 untuk pinus dan 0,95 untuk penyelesaian. Daerah sawah memiliki konservasi praktek sebagai teras tradisional dengan nilai P-faktor 0,4 dan untuk bidang pertanian, campuran taman dan kelapa memiliki P-faktor 0,5 karena memiliki tanaman perkebunan yang memiliki tutupan lahan tengah.

Rasio sedimen Pengiriman (SDR)

Rasio pengiriman sedimen (SDR) adalah jumlah sedimen yang sebenarnya diangkut dari mengikis sumber ke titik pengukuran. dinyatakan sebagai:

SDR (%) = Y / E × 100

Di mana Y adalah hasil sedimen tahunan rata-rata per satuan luas dan E adalah erosi tahunan rata-rata lebih menilai daerah yang sama di Mg ha-1thn-1. Sedimen hasil Data tahun 1992 dikumpulkan oleh Saidi (1995). Sampel sedimen dikumpulkan dari lima DPS outlet dan outlet DAS yang dikumpulkan pada waktu-langkah bulanan untuk periode 1 tahun pengamatan (Agustus 1992-Juli 1993). SDR di 1992 dihitung berdasarkan hasil sedimen ini nilai-nilai dan tingkat erosi tanah diperkirakan di penelitian ini. SDR pada tahun 1992 digunakan untuk memperkirakan sedimen untuk 2011.

3. HASIL DAN DISKUSI

Curah hujan erosivitas (R) Factor

Nilai erosivitas curah hujan dihitung menggunakan Persamaan 2. DAS Sumani dikelompokkan menjadi 3 erosivitas hujan digolongkan berdasarkan distribusi 3 stasiun klimatologi yang masih ada sampai sekarang. O'Neal dkk. (2005) menjelaskan bahwa peningkatan curah hujan dan sedikit daerah tadahan hujan dapat meningkatkan erosi.

Tanah Erodibilitas (K-Factor)

Hasil menunjukkan bahwa perlu melakukan survei tanah untuk melihat kondisi erodibilitas tanah (K-faktor) yang sebenarnya.

Analisis Topografi (LS-Factor)

Data topografi digital untuk DAS Sumani diperoleh dengan digitalisasi 3 lembar topografi peta skala 1: 50.000. Kontur dan sistem drainase yang didigitalkan secara terpisah dengan DEM (Digital Elevation Model). Interval kontur digunakan adalah 25 m. Distribusi LS-faktor menggunakan metode kriging di Surfer. The LS-factor dihitung menggunakan Persamaan 4 dan 5 pada kemiringan yang lebih kecil dari 20% atau lebih.

Secara umum, nilai dari dataran tinggi lebih tinggi dari dataran rendah karena mereka didominasi oleh lereng tajam dari> 20%. Fox et al. (1999)

melaporkan bahwa turunnya hujan meningkatkan erosi di sekitar lahan yang miring. Van Remortel dkk. (2001) melaporkan bahwa di USLE dan RUSLE model yang digunakan untuk memprediksi erosi tanah.

Tanaman dan Manajemen (C-Factor).

C-faktor diproyeksikan ke USLE yang disesuaikan dengan DAS Sumani sesuai untuk setiap vegetasi kondisi / tanaman. Nilai C-faktor berkisar 0,001-0,95.

Menentukan Praktek Konservasi (P Factor)

Dari gambar menunjukkan bahwa nilai-nilai dataran tinggi P-faktor berkisar 0,4-1 dan didominasi oleh teras sawah dan bidang taman dan campuran sayuran dataran rendah namun Nilai P-faktor berkisar 0,4, 0,5 dan 1 dan didominasi oleh sawah, campuran taman, pemukiman dan tidak ditemukan di hutan.

Soil Erosion Rate in Sumani Watershed and Sediment Delivery Ratio (SDR)

4. Kesimpulan

Penelitian ini dilakukan dengan menggunakan survei data yang representatif. Data

dimasukkan dalam USLE dan E3D di Surfer dan diterapkan untuk menentukan

erosi tanah. Peta 3D tematik berguna untuk memberi data yang belum tersedia,

seperti R, K, LS, C dan P-faktor 3D peta tematik, serta 3D erosi bahaya peta

Sumani DAS. Dominan Faktor USLE dipengaruhi oleh tanah fisik-kimia sifat,

topografi, penggunaan lahan dan iklim. USLE dan E3D di Surfer digunakan

untuk memprediksi kerugian tanah cukup baik untuk besar DAS dan taksiran

untuk DPS dan dapat membantu memprediksi daerah diendapkan. Bahaya erosi

diprediksi sebagai kategori 26,23% (berat - ekstrim parah), 24,59% (moderat) dan

49,18% (sangat rendah-rendah). Masalah erosi tanah di DAS Sumani disebabkan

perubahan penggunaan lahan atau tanaman (C-faktor) perubahan dan Kondisi

alam DAS curah hujan tinggi erososivity (R-faktor), erodibilitas

DAFTAR PUSTAKA

Setyawan, Bayu Fitra Perdana, Trika Pitana, Dwi Priyanta. Estimasi Pencemaran Udara Dari Transportasi Laut di Daerah Shore Line Selat Madura Dengan Menggunakan Data Automatic Identification System (AIS) dan Sistem Informasi Geografis (SIG).Surabaya.Insitut Teknologi Sepuluh November

Aflizar, Roni Afrizal1 and Tsugiyuki Masunaga.2012. J Trop Soils, Vol. 18, No. 1, 2013: 81-92.Pakuyumbuh. State Polytechnic Payakumbuh for Agriculture

U.S. Environmental Protection Agency.2004.AERMOD:Description of Model Formulation.United States