Modul Pelatihan WRF 2011

Diktat Pelatihan WRF (Weather Research and Forcasting)

KATA PENGANTAR

Diktat Pelatihan Model WRF (Weather Research and Forecasting) ini disusun sebagai kelengkapan untuk melaksanakan Pelatihan Model WRF. Pelatihan ini ditujukan bagi mahasiswa Program Studi Sarjana Meteorologi dan Magister Sains Kebumian ITB, ataupun untuk peserta dari instansi/perusahaan lain yang ingin mempelajari dasar-dasar pemodelan Meteorologi dengan menggunakan model WRF. Diktat Pelatihan Model WRF ini disusun ulang oleh tim penyusun yang terdiri atas dosen, asisten akademik dan beberapa orang mahasiswa Program Studi Meteorologi ITB. Diktat ini merupakan hasil kompilasi ulang, perbaikan dan penambahan dari modul praktikum Pemodelan Meteorologi II yang diajarkan bagi mahasiswa tingkat III Prodi Meteorologi. Kompilasi modulmodul praktikum ini baru dapat dilakukan tahun ini dengan dukungan biaya dari Program Pelatihan Model WRF 2011. Sebelumnya, modul-modul dalam diktat ini secara terpisah telah disusun oleh dosen matakuliah dan tim asisten. Diktat ini terdiri dari 2 bagian besar. Bagian pertama diktat ini lebih banyak berisi teoriteori tentang pemodelan meteorologi. Pada bagian ini peserta diharapkan dapat lebih memahami aspek-aspek dasar dalam pemodelan meteorologi sebelum menjalankan model WRF. Bagian kedua dari modul ini lebih banyak berisi petunjuk praktis dalam menjalankan model WRF, termasuk sistem operasi dan software-software pendukungnya. Diktat ini diharapkan dapat membantu peserta pelatihan untuk memahami materi pemodelan meteorologi dalam aspek praktis pemrograman komputer dan penerapan metode untuk bidang ilmu meteorologi dan bidang-bidang ilmu lainnya yang berkaitan. Meskipun telah mengalami banyak perbaikan, namun diktat ini masih jauh dari kesempurnaan. Diktat ini masih perlu disempurnakan di waktu yang akan datang untuk dapat memenuhi kebutuhan kompetensi peserta Pelatihan Model WRF yang dinginkan.

Bandung, 8 November 2011

Tim Penyusun

Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Daftar Isi BAGIAN I _______________________________________________________________ 1 BAB 1 PREDIKSI CUACA NUMERIK ___________________________________________ 1 1.1

Model Cuaca Numerik ___________________________________________________ 2

1.2

Model Global dan Model Area Terbatas _____________________________________ 7

1.3

Prediksi Cuaca Operasional ______________________________________________ 11

1.4

Chaos, Prediktabilitas Atmosfer, dan Prediksi Ensemble _______________________ 13

1.5

Penelitian Prediksi Cuaca Numerik di KK Sains Atmosfer _______________________ 15

BAB 2 PENGENALAN WRF _________________________________________________ 19 2.1

Pengenalan Model WRF _________________________________________________ 19

2.2

Komponen Model WRF-ARW _____________________________________________ 21

2.3

Data Input dan Output Model ____________________________________________ 23

2.4

Teknik Downscaling dan Nesting __________________________________________ 24

2.5

Parameterisasi ________________________________________________________ 26

2.5.1 2.5.2 2.5.3 2.5.4 2.5.5 2.5.6

Parameterisasi Microphysics (mp_physics) ________________________________________ 26 Cumulus Parameterisasi (cu_physics) _____________________________________________ 30 Transfer Radiatif _____________________________________________________________ 31 Planetary Boundary Layer ______________________________________________________ 35 VALIDASI DATA MODEL ________________________________________________________ 39 PENGOLAHAN DATA HUJAN ____________________________________________________ 42

DAFTAR PUSTAKA _______________________________________________________ 43 BAGIAN II ______________________________________________________________ 44 BAB 3 INSTALASI MODEL WRF _____________________________________________ 45 3.1

Perangkat Keras _______________________________________________________ 45

3.2

Sistem Operasi Linux ___________________________________________________ 47

3.3.

Linux Open SUSE _______________________________________________________ 50

3.3.1 Instalasi Linux __________________________________________________________________ 51 3.3.2 Perintah-perintah Dasar Dalam Linux _____________________________________________ 61

3.5

Software Pendukung WRF _______________________________________________ 63

3.5.1 Install keperluan melalui YaST RPM ________________________________________________ 63 3.5.2 Install PGI _____________________________________________________________________ 65 3.5.3 Install SZIP ____________________________________________________________________ 66 3.5.4 Install Udunits1 ________________________________________________________________ 67 3.5.5 Install Udunits2 ________________________________________________________________ 67 3.5.6 HDF4 _________________________________________________________________________ 68 3.5.7 HDF5 _________________________________________________________________________ 68 3.5.8 GRIB _________________________________________________________________________ 69 3.5.9 NetCDF _______________________________________________________________________ 71 3.5.10 GrADS _______________________________________________________________________ 72 3.5.11 NCL_NCARG __________________________________________________________________ 72 3.5.12 MPICH2 ______________________________________________________________________ 74

i Weather and Climate Prediction Laboratory Meteorologi ITB 2011

Diktat Pelatihan WRF (Weather Research and Forcasting) 3.6 3.6.1 3.6.2

Instalasi WRF _________________________________________________________ 74 Source Code _________________________________________________________________ 74 Langkah-langkah Compile Model WRF ____________________________________________ 75

BAB 4

MENJALANKAN MODEL WRF UNTUK PREDIKSI ________________________ 77

4.1

Pengaturan Running Model ______________________________________________ 77

4.2

Pengaturan Parameterisasi ______________________________________________ 88

4.3

Pengolahan Output Model _______________________________________________ 90

ii Weather and Climate Prediction Laboratory Meteorologi ITB 2011


BAGIAN I


Prediksi Cuaca Numerik

BAB 1 BAB 1 PREDIKSI CUACA NUMERIK

Di kalangan masyarakat, Meteorologi dapat dikatakan hampir identik dengan prakiraan cuaca meskipun teknologi prediksi sebenarnya bukan monopoli ahli Meteorologi karena mengetahui keadaan masa depan adalah salah satu hal yang sangat diinginkan oleh manusia untuk berbagai tujuan. Contohnya saja, para ekonom memprediksi laju pertumbuhan ekonomi untuk satu tahun ke depan, pialang pasar modal memprediksi nilai valas dan saham untuk satu hari ke depan, para pengamat politik memprediksi perolehan suara partai peserta pemilu, dan sebagainya. Dalam hal ini, metoda empirik (regresi) yang dikembangkan untuk prediksi ekonomi, nilai valas, hasil Pemilu, temperatur di Bandung, mungkin saja sama karena dasar dari teknik prediksi menggunakan metoda empirik adalah pengenalan pola. Berbeda dengan itu, metoda prediksi cuaca numerik (PCN) atau numerical weather prediction (NWP) dibangun berdasarkan kaidah-kaidah fisis yang mengatur gerak atmosfer dan berbagai proses yang terkait di dalamnya. Kaidah-kaidah fisis ini kemudian diterjemahkan menjadi sistem persamaan matematis yang dapat diselesaikan secara numerik (dengan bantuan komputer). Sampai dua dekade ke belakang, PCN sering juga disebut metoda prediksi deterministik. Dewasa ini, prediksi cuaca numerik secara de facto sudah menjadi teknologi prediksi cuaca standar di dunia. Ide pengembangan metoda prediksi cuaca numerik awalnya dimajukan oleh Vilhelm Bjerknes, seorang fisikawan asal Norwegia, kemudian diimplementasikan oleh ilmuwan Inggris Lewis Fry Richardson sekitar tahun 1920-a, meskipun tanpa komputer. Eksperimen PCN pertama dilakukan oleh John von Neuman menggunakan komputer digital generasi pertama yang disebut ENIAC di sekitar tahun 1950-an (Nebeker, 1995). Kesuksesan ekperimen von Neuman menginspirasi banyak ilmuwan yang lebih muda seperti Jule Charney dan Carl Gustav Rossby pada waktu itu untuk melahirkan era baru dalam Meteorologi modern. Tulisan ini mengulas secara singkat mengenai beberapa aspek PCN, terutama mengenai model cuaca numerik dan sedikit permasalahan menyangkut kegiatan prakiraan cuaca operasional. Bagian akhir tulisan ini memperkenalkan aktifitas penelitian yang terkait dengan PCN di Kelompok Keahlian (KK) Sains Atmosfer ITB serta hasil-hasil yang telah dicapai sampai saat ini.

1 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


1.1


Model Cuaca Numerik

Model cuaca numerik adalah seperangkat sistem persamaan matematis yang menggambarkan kaidah-kaidah fisis yang mengatur gerak atmosfer dan proses-proses terkait di dalamnya. Sistem persamaan yang lengkap yang dapat digunakan sebagai model cuaca numerik disebut persamaan primitif dan dapat dijabarkan dalam bentuk persamaan diferensial parsial sebagai berikut sebagai berikut (e.g., Holton, 2004; Kalnay, 2003) a. Persamaan Momentum  ∂ 2 u ∂ 2u ∂ 2 u  du uw uv tan φ 1 ∂p − 2Ωv sin φ + 2Ωw cos φ + − =− + ν 2 + +  dt a a ρ ∂x ∂y 2 ∂z 2   ∂x  ∂ 2v ∂ 2v ∂ 2v  dv vw u 2 tan φ 1 ∂p − 2Ωu sin φ + − =− + ν 2 + +  ρ ∂y dt a a ∂y 2 ∂z 2   ∂x

(1)

 ∂ 2 w ∂ 2w ∂ 2w  dw u2 +v2 1 ∂p − 2Ωu cos φ − =− − g + ν 2 + +  dt a ρ ∂z ∂y 2 ∂z 2   ∂x

dimana (u,v , w ) adalah vektor kecepatan angin dan p, ρ,a , Ω, g , ν adalah masing-masing tekanan, densitas (rapat massa) atmosfer, jari-jari Bumi rata-rata, kecepatan sudut rotasi Bumi, (percepatan) gravitas, dan koefisien viskositas kinematik. Operator diferensial terhadap waktu sendiri didefinisikan sebagai diferensial material atau diferensial total terhadap ruang dan waktu yakni d ( ) ∂( ) ∂( ) ∂( ) ∂( ) = +u +v +w ∂t ∂x ∂y dt ∂z

(2)

Suku-suku yang mengandung Ω adalah suku-suku Coriolis untuk memperhitungkan efek rotasi Bumi, sedangkan suku-suku yang mengandung a adalah suku yang memperhitungkan efek kelengkungan Bumi. Efek gaya sentrifugal karena rotasi Bumi diperhitungkan di dalam nilai gravitas g . b. Persamaan Kontinuitas Persamaan kontinuitas menyatakan hukum kekekalan massa dalam aliran fluida dan dapat dinyatakan sebagai  ∂u ∂v ∂w  1 dρ = − + +  ρ dt  ∂x ∂y ∂z 

(3)

dalam bentuk divergensi kecepatan atau 2 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



 ∂(ρu ) ∂(ρv ) ∂(ρw )  dρ = − + +  dt ∂y ∂z   ∂x

(4)

dalam bentuk divergensi flux massa. c. Persamaan Energi Termodinamika cv

dT Dα +p =Q dt dt

(5)

dimana T adalah temperatur, c v adalah kapasitas panas pada volume konstan dan α = 1/ρ adalah densitas spesifik, sedangkan Q adalah laju pemanasan per satuan massa yang dialami oleh atmosfer karena radiasi, konduksi, ataupun pelepasan panas laten. d. Persamaan Lain untuk Konservasi Materi/Energi d (ρq ) = ρ(E − C ) dt

(6)

adalah persamaan konservasi uap air di atmosfer dalam bentuk mixing ratio q dengan laju evaporasi (penguapan) E sebagai sumber (source) dan laju kondensasi C sebagai lenyapan (sink). Sistem persamaan di atas, meskipun lengkap, sulit dipecahkan bahkan dengan metoda numerik yang paling canggih sekalipun. Suku-suku yang terkait dengan turbulensi dan radiasi tidak dapat dipecahkan secara eksak dalam skala grid. Proses skala subgrid pada umumnya diselesaikan menggunakan teknik parameterisasi dengan melibatkan faktor-faktor empirik. Pada awal perkembangan PCN, karena terbatasnya kemampuan komputer, baynak penelitian dilakukan untuk mendapatkan teknik penyederhanaan terhadap sistem persamaan primitif agar menghasilkan persamaan model cuaca yang tidak terlalu realistis tetapi masih berguna untuk membantu prediksi cuaca. Beberapa pendekatan dan asumsi penting yang sering digunakan dalam kajian Meteorologi dan Sains Atmosfer antara lain adalah : a. Pendekatan gas ideal p = ρRT

(7)

dengan tetapan gas R untuk udara kering. b. Asumsi adiabatik Dengan mendefinisika temperatur potensial sebagai 3 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


p θ = T  s  p


κ

 R  , κ = c p 

(8)

dimana p s adalah tekanan pada suatu paras referensi (biasanya diambil paras tekanan 1000 hPa) dan c p adalah kapasitas panas atmosfer pada tekanan konstan maka persamaan energi termodinamika dapat dituliskan sebagai

dθ θ dQ = dt C pT dt

(9)

dan asumsi adiabatik menyatakan bahwa perubahan pemanasan dQ /dt = 0 sehingga

θ = kons tan . c. Pendekatan hidrostatik dp = −ρg dz

(10)

menyatakan bahwa gaya gradien tekanan dalam arah vertikal diimbangi oleh gravitas. d. Pendekatan barotropik (fluida tak termampatkan) ∂u ∂v ∂w + + =0 ∂x ∂y ∂z

(11)

dalam pendekatan barotropik, densitas atmosfer dianggap homogen ( ρ = konstan ) sehingga divergensi kecepatan sama dengan nol. Hasil yang agak mirip akan didapatkan jika digunakan pendekatan Boussinesq. Dalam hal ini, efek perubahan densitas diabaikan dalam arah horizontal tetapi masih diperhitungkan dalam arah vertikal sebagai suku gaya apung (buoyancy). Secara umum, PCN merupakan permasalahan untuk mencari solusi diskrit dari persamaan

du(t ) = F (t ) dt

(10)

Untuk setiap langkah waktu ∆t , integrasi persamaan (10) terhadap t dari t = n∆t sampai dengan t = (n + 1)∆t akan menghasilkan

u n +1 = u n +

(n +1)∆t

∫ F (u, t ) dt

(11)

n∆t

yang dapat diselesaikan dengan metoda numerik seperti beda-hingga (finite difference). Namun demikian, persamaan (11) yang sederhana tidak mudah dipecahkan karena pada prakteknya 4 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



bentuk fungsi F (u, t ) adalah non-linier. Model cuaca numerik yang paling sederhana yang pernah digunakan secara operasional adalah model barotropik yang dapat dituliskan dalam bentuk persamaan prognostik untuk fungsi arus (stream function) ψ (x,y) sebagai (Krisnamurti and Bounoua, 1996)

(

)

(

)

∂ 2 ∂ψ ∇ ψ = −J ψ, ∇ 2 ψ − β ∂t ∂x

(12)

dimana J (, ) adalah operator Jacobian dan β = df /dy adalah faktor perubahan dari parameter Coriolis f = 2Ω sin φ terhadap lintang. Persamaan (12) adalah persamaan adveksi gelombang Rossby (Holton, 2004) yang dapat menunjukkan pergerakan pusat-pusat tekanan rendah/tinggi di daerah lintang menengah. Persamaan tersebut dapat diintegrasikanuntuk mendapatkan prediksi nilai medan fungsi arus bila diketahui nilai awal medan fungsi arus yang dapat dihitung dari data pengukuran kecepatan angin horizontal (u ,v ) pada paras tekanan 500 hPa. Hubungan antara fungsi arus dan medan vektor kecepatan angin diberikan oleh teorema Helmholtz sebagai berikut ∂ψ ∂χ − ∂y ∂x ∂ψ ∂χ v= − ∂x ∂y u=−

(13)

dimana χ adalah kecepatan potensial, sedangkan ∇2ψ =

∂v ∂u =ζ − ∂x ∂y

 ∂u ∂v  ∇ χ = − +  = −divergensi = -D  ∂x ∂y 

(14)

2

Besaran ζ disebut vortisitas relatif.

Dengan asumsi barotropik, maka divergensi = 0 dan

hubungan antara kecepatan angin dan fungsi arus menjadi lebih sederhana

u=−

∂ψ ∂y

, v=

∂ψ ∂x

(15)

Contoh hasil prediksi menggunakan model barotropik dapat dilihat dalam Gambar 1. Dapat dilihat bahwa perubahan di daerah tropis tidak signifikan. Meskipun sangat sederhana, model barotropik digunakan oleh C.G. Rossby untuk keperluan prediksi cuaca secara operasional di Swedia sekitar Desember 1954, setengah tahun lebih awal dari Amerika Serikat. Awal dari era baru dalam Meteorologi ini diabadikan melalui sebuah artikel dalam suatu edisi majalah Time (Gambar 2). Seiring dengan perkembangan teknologi komputer, PCN mengalami perkembangan pesat sejak tahun 60-an sampai sekarang sehingga model cuaca 5 Weather and Climate Prediction Laboratory Meteorologi ITB 2011

Diktat Pelatihan WRF Weather Research and Forcasting) Forcasting (Weather


numerik generasi terbaru menggunakan persamaan primitif dan jauh lebih realistis dari model barotropik di atas.

(a)

(b)

Gambar 1.. Contoh hasil keluaran model barotropik untuk prediksi 24 jam ke depan dengan data riil : (a)peta garis arus (stream ( line)) dari data awal dan (b)peta garis arus 24 2 jam kemudian.

Gambar 2.. Sampul suatu edisi majalah Time yang memuat berita mengenai dimulainya Prediksi Cuaca Numerik secara operasional di Swedia pada tahun 1954.



1.2


Model Global dan Model Area Terbatas

Karena atmosfer merupakan medium kontinu, perubahan atau proses yang terjadi di suatu tempat akan mempengaruhi kondisi atmosfer di tempat lain terutama bila skala proses tersebut cukup besar. Oleh karena itu, model cuaca numerik harus dapat mengakomodasi proses-proses atmosferik secara global. Dewasa ini model cuaca numerik global telah banyak dikembangkan oleh pusat-pusat prediksi cuaca di negara maju. Namun demikian, kemampuan komputer membatasi resolusi model atmosfer global. Oleh karena itu, selain model skala global dikembangkan juga model area terbatas (limited area model) atau sering juga disebut model regional (regional model) atau model skala meso (mesoscale model) yang memungkinkan prediksi dilakukan dengan resolusi yang lebih rinci. Model area terbatas menggunakan keluaran (output) model global sebagai syarat awal dan syarat batasnya. Perlu dicatat juga bahwa resolusi yang lebih tinggi tidak selalu berarti ketelitian yang lebih tinggi karena ketelitian model prediksi cuaca ditentukan juga antara lain oleh kuantitas dan kualitas data pengamatan yang ada. Meskipun berbagai metoda numerik dapat digunakan untuk menyelesaikan persamaan pengatur gerak atmosfer, sebagian besar model cuaca numerik global yang dijalankan sekarang ini memanfaatkan teknik spektral. Untuk domain Bumi yang bersifat sferis, teknik spektral mempunyai banyak keuntungan dibanding metoda beda-hingga atau metoda lainnya. Sebagai contoh, model atmosfer barotropik di atas dapat dituliskan dalam koordinat global (sferis) sebagai (Holton, 2004) ∂ 2 1 ∇ ψ= 2 ∂t a

 ∂ψ ∂∇ 2 ψ ∂ψ ∂∇ 2 ψ  2Ω ∂ψ −  − ∂λ ∂µ  a 2 ∂λ  ∂µ ∂λ

(16)

dimana ∇2ψ =

1 a2

(

)

∂  1 ∂ 2ψ  2 ∂ψ  +  1− µ  ∂µ  1 − µ 2 ∂λ2   ∂µ 

(17)

dengan λ adalah koodinat bujur (longitude), sedangkan µ ≡ sin φ mewakili kooordinat lintang. Dalam model spektral, fungsi arus dijabarkan sebagai deret tertentu dari fungsi harmonik sferis sebagai fungsi basis dan dapat dinyatakan dalam bentuk

ψ(λ, µ, t ) = ∑ ψ γ (t )Y γ (µ, λ )

(18)

γ

dengan ψ γ (t ) menyatakan fungsi amplituda kompleks yang tergantung waktu. Di sini, fungsi harmonik sferis didefinisikan oleh

Y γ (µ, λ) ≡ Pγ (µ)e i m λ

(19)




dimana γ ≡ (m, n ) adalah vektor yang menyatakan indeks bilangat bulat dari fungsi harmonik sferis yakni m = 0, ± 1, ± 2, ± 3,K dan n = 1, 2, 3,K dengan syarat m ≤ n . Dalam hal ini P γ adalah fungsi polinom associated Legendre jenis pertama berorde n . Dapat dilihat bahwa m mewakili bilangan gelombang dalam arah zonal (Barat-Timur) dan dapat ditunjukkan bahwa n − m menyatakan jumlah titik simpul dari P γ dalam interval − 1 < µ < 1 (dari kutub-ke-kutub)

yang menyatakan skala meridional (Selatan-Utara) dari fungsi harmonik sferis. Struktur dari beberapa fungsi harmonik sferis dapat dilihat dalam Gambar 3. Meskipun memerlukan perumusan matematis yang lebih rumit, model spektral memiliki banyak keunggulan sebagai model global. Salah satu keuntungan dari penggunaan fungsi harmonik sferis adalah karena turunan fungsi dapat dihitung secara eksak dan rekursif. Sebagai contoh, Laplacian dari fungsi harmonik sferis adalah ∇ 2Y γ = −

n (n + 1) a2

Yγ

(20)

Dengan menggunakan metoda transformasi spektral, hal ini memudahkan perhitungan suku-suku non-linier yang mengandung perkalian dua variabel. Metoda transformasi spektral diimplementasikan dengan menghitung nilai variabel pada domain spektral (m ,n ) maupun pada titik grid (λ i , µ i ) pada setiap langkah waktu. Alih-alih melakukan perkalian fungsi spektral yang sangat merepotkan, perkalian variabel pada titik grid dapat dikerjakan secara jauh lebih mudah pada titik grid kemudian hasilnya ditransformasikan kembali ke domain spektral. Sebagai ilustrasi, persamaan (16) dapat kita tuliskan sebagai ∂ 2 1 ∇ ψ=− 2 ∂t a

∂ψ   2Ω ∂λ + A(λ, µ )  

(21)

dengan  ∂ψ ∂∇ 2 ψ ∂ψ ∂∇ 2 ψ  A(λ, µ ) ≡ − +  ∂λ ∂µ   ∂µ ∂λ

(22)

dan substitusi (18) ke dalam (21) menghasilkan dψ γ −1 = iν γ ψ γ + A γ [n (n + 1)] dt

(23)

ν γ = 2Ωm /[n (n + 1)]

(24)

dimana

adalah hubungan dispersi gelombang Rossby-Haurwitz . Dalam hal ini, setiap keofisien spektral ψ γ dan Aγ dapat dihitung melalui transformasi dari nilai grid sebagai 8 Weather and Climate Prediction Laboratory Meteorologi ITB 2011

Diktat Pelatihan WRF Weather Research and Forcasting) Forcasting (Weather ψ γ (t ) =

1 2π ∫ 4π 0

+1

1 2π ∫ 4π 0

+1


∫ ψ(λ, µ, t )Y γ dλdµ *

(25)

−1

dan A γ (t ) =

∫ A(λ, µ,t )Y γ dλdµ *

(26)

−1

Integral dalam (25) dan (26) dapat dihitung dengan ketelitian sangat tinggi menggunakan teknik quadratur. Dengan menggunakan sifat fungsi harmonik sferis, perhitungan A(λ, µ ) untuk seluruh titik grid dapat dilakukan secara eksak. Ketelitian model spektral antara lain dibatasi oleh jumlah komponen harmonik sferis yang dipertahankan dalam deret (persamaan (18)). Ada dua cara pemotongan spektrum yang biasa digunakan, yaitu pemotongan segitiga (triangular) ( dan rhomboidal.. Jika (N , M ) adalah nilai maksimum dari (n ,m ) , maka pemotongan triangular mensyaratkan nilai N = M , sedangkan pemotongan rhomboidal memberikan N = m + M . Penjelasan lebih lengkap mengenai model spektral dan model global dapat dibaca antara lain dalam Haltiner and Williams (19980), Washington and Parkinson (1986), dan Holton (2004).

Gambar 3. 3. Pola negatif dan positif untuk fungsi spektral harmonik sferis dengan n = 5 dan m = 0,1,2,3,4,5. (Sumber : Holton, 2004)




Dewasa ini model global telah mencapai resolusi cukup tinggi. Model global yang dikembangkan oleh Japan Meteorological Agency (JMA), misalnya, saat ini telah mencapai resolusi ruang setara dengan interval grid 20 km. Namun demikian, beberapa proses yang menyangkut pembentukan awan dan hujan sulit direpresentasikan dengan baik di dalam model global. Untuk daerah tropis dan ekuatorial, hal ini menjadikan kelemahan yang penting dari model spektral karena proses pembentukan awan dan hujan didominasi oleh proses konvektif (awan cumulus) dengan skala waktu yang relatif pendek. Sebagai ilustrasi, Gambar 4 memperlihatkan sel tunggal awan konvektif yang cukup besar terbentuk di daerah Jawa Barat pada tanggal 13 Oktober 2004 dalam waktu kurang dari 2 jam. Sel konvektif seperti ini sulit disimulasikan oleh model global sehingga untuk daerah seperti Indonesia perlu dikembangkan model-model regional dengan multi-resolusi untuk meningkatkan ketelitian prakiraan cuaca.

(a)

(b)

Gambar 4. Citra satelit (visible) yang memperlihatkan pembentukan suatu sel tunggal awan cumulus di bagian Barat P. Jawa pada tanggal 13 Oktober 2004 jam (a)14:25 WIB dan (b)16:25 WIB. Untuk prediksi cuaca dengan resolusi ruang yang lebih tinggi, sebenarnya pusat-pusat prediksi cuaca di dunia dewasa ini juga mengembangkan penerapan model regional atau model area terbatas dimana metoda beda-hingga merupakan metoda utama yang digunakan untuk mendapatkan solusi persamaan gerak atmosfer (persamaan primitif). Di antara model regional yang telah banyak digunakan dapat disebutkan antara lain adalah MM5 dan WRF (Dhudia et al. 2005; Skamarock et al., 2005) yang dikembangkan oleh NCAR (National Center for Atmospheric Research), sedangkan JMA mengembangkan sendiri model non-hydrostatic (Saito et al., 2006). Beberapa pusat riset atmosfer lainnya di Amerika, Eropa, Jepang, dan Australia juga mengembangkan model-model regional untuk keperluan riset maupun operasional. Model cuaca numerik regional dapat dijalankan hingga resolusi 1 km pada dimensi domain horizontal sampai beberapa ribu kilometer. Satu hal lagi yang perlu diperhatikan mengenai model cuaca numerik adalah menyangkut koordinat vertikal. Beberapa jenis koordinat vertikal yang umum digunakan dalam model cuaca numerik adalah koordinat tekanan, koordinat sigma, koordinat eta, dan koordinat isentropik. Pemilihan koordinat vertikal sangat penting dalam memperhitungkan efek topografi terhadap gerak atmosfer. Pada awal perkembangannya, model cuaca numerik banyak menggunakan koordinat tekanan p = konstan karena dapat menyederhanakan formulasi gaya gradien tekanan 10 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



dan persamaan kontinuitas dengan “menyembunyikan” faktor densitas. Kesulitan dalam menerapkan syarat batas bawah menyebabkan koordinat sigma menjadi pilihan yang lebih baik dan sampai sekarang merupakan koordinat yang paling banyak dipakai di dalam model cuaca numerik. Koordinat sigma secara umum dirumuskan dalam bentuk σ=

p − pT p s − pT

(27)

dimana p s ( x , y , t ) adalah tekanan di permukaan dan p T = konstan adalah tekanan di batas atas model. Dengan demikian, koordinat sigma bernilai σ = 1 di permukaan dan σ = 0 di batas atas model serta mempunyai sifat mengikuti bentuk topografi (terrain-following) seperti dapat dilihat secara skematis dalam Gambar 5. Hal ini memberikan kemudahan karena kecepatan vertikal dapat dihitung secara diagnostik dari medan angin, tetapi sekaligus kelemahan karena suku gradien tekanan dalam persamaan gerak tidak dapat dihitung dengan benar pada daerah bertopografi kompleks. Dalam hal ini, koordinat eta merupakan alternatif yang dapat memberikan hasil lebih baik (e.g., Kalnay, 2003). Dengan koordinat eta, bentuk topografi diwakili oleh kotak atau kubus bertingkat. Koordinat isentropik θ = konstan sering digunakan dalam kajian teoritis tetapi jarang diimplementasikan dalam model numerik.

Gambar 5. Gambaran skematis koordinat vertikal sigma pada daerah bertopografi terjal (Sumber : Comet®Module, 2003).

1.3

Prediksi Cuaca Operasional

Suatu sistem prakiraan cuaca operasional biasanya dibangun secara nasional dan melibatkan jaringan pengamatan cuaca internasional yang terkoordinasi di bawah WMO (World Meteorological Organization). Di negara-negara maju model cuaca numerik yang dikembangkan selama puluhan tahun adalah tulang punggung sistem prakiraan cuaca operasional. Pusat-pusat 11 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



prediksi cuaca yang terkenal di dunia seperti ECMWF (Eropean Center for Middle Range Weather Forcasting) yang berlokasi di Inggris, NCEP (National Center for Environmental Prediction) di Amerika Serikat , dan Japan Meteorological Agency di Jepang, menjalankan model cuaca global pada superkomputer yang paling canggih. Selain model cuaca numerik itu sendiri, data yang didapatkan dari jaringan pengamatan global, sinoptik, dan lokal merupakan hal yang juga sangat penting di dalam sistem prakiraan cuaca operasional. Setiap negara yang tergabung di dalam WMO wajib memberikan data dan berhak menerima data pengamatan cuaca global yang didapatkan dari berbagai sumber. Namun demikian, tidak setiap negara mampu menggunakan data tersebut untuk menjalankan model cuaca numerik meskipun seandainya tersedia sistem perangkat keras dan lunak yang mendukung. Salah satu teknologi yang harus dikuasai untuk dapat menjalankan model PCN adalah teknologi asimilasi data. Asimilasi data pada dasarnya adalah teknik yang dikembangkan untuk mendapatkan nilai variabel cuaca pada titik grid yang ditentukan dari data pengamatan yang tersebar tidak beraturan di dalam ruang dan data prediksi yang dihasilkan sebelumnya menggunakan model PCN. Nilai variabel pada titik-titik grid ini kemudian digunakan sebagai nilai awal di dalam model cuaca numerik yang dijalankan untuk siklus prediksi berikutnya. Permasalahan asimilasi data cuaca sangat kompleks karena selain letak titik pengamatan tidak beraturan, sumber data juga bermacam-macam : sensor permukaan, radiosonde, satelit, radar dan sebagainya yang memberikan tingkat kesalahan yang berbeda pula. Berbagai metoda asimilasi data, atau secara tradisional dalam Meteorologi juga disebut “Objective Analysis”, telah dikembangkan sejak tahun 1950-an hingga kini. Metoda Cressman adalah metoda asimilasi data yang paling awal dikembangkan berdasarkan pencocokan polinomial. Setelah itu berkembang metoda lain yang lebih canggih seperti Optimum Interpolation (OI), 3D-Var, 4D-Var, dan Ensemble Kalman Filter. Selain data pengamatan, metoda-metoda ini melibatkan juga nilai dan kesalahan prediksi seperti diperlihatkan secara skematis dalam Gambar 6. Ulasan yang cukup singkat tetapi komprehensif mengenai berbagai metoda tersebut dapat dibaca dalam Kalnay (2003) . Satu hal lagi yang harus diperhatikan di dalam prediksi operasional adalah bahwa model cuaca numerik, sebaik apapun, merupakan representasi yang disederhanakan dari sistem cuaca Bumi yang jauh lebih kompleks. Oleh karena itu, setiap model numerik akan menghasilkan prediksi yang tidak akan persis sama dengan pengamatan. Pada akhirnya, keputusan akhir dalam sistem prediksi cuaca harus ditentukan oleh manusia yakni seorang ahli prakiraan cuaca (weather forecaster), terutama menyangkut prakiraan cuaca ekstrim dalam jangka relatif pendek. Namun demikian, mengingat besarnya jumlah data yang harus diolah dan terbatasnya jumlah ahli prakiraan yang berpengalaman, berbagai metoda objektif terus dikembangkan untuk mendukung otomatisasi prediksi. Salah satu metoda baku di dalam prediksi cuaca operasional adalah yang disebut sebagai Statistical Guidance (SG). Pada dasarnya, SG adalah teknik regresi untuk mendapatkan korelasi (sedapat mungkin linier) antara variabel yang diprediksi (prediktan) dengan variabel yang digunakan untuk memprediksi (prediktor) (e.g., Wilks, 1995). Di dalam SG, prediktor utama adalah keluaran model cuaca 12 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



numerik. Salah satu hal yang menarik adalah adalah nilai prediktan di dalam SG dapat bersifat kategoris, untuk hujan misalnya bisa “Hujan” dan “Tidak Hujan” atau secara numerik bisa diwakili oleh bilangan binari 1 dan 0. Ada dua metoda utama yang digunakan di dalam SG yakni : (1)MOS (model output statistics)) yang pertama kali dikembangkan oleh Glahn and Lowry (1972) dan (2)Perfect Prog(nosis). (nosis). Dalam Perfect Prog, semua variabel prediktor adalah pengamatan atau produk asimilasi (analysis analysis data) data) dan sebagai prediktan adalah data stasiun yang diamati pada pad waktu yang sama tetapi tidak boleh sama dengan salah satu prediktor. Dalam hal MOS, beberapa variabel prediktor bisa berupa data pengamatan atau keluaran model prediksi pada waktu yang tidak sama dengan pengamatan. Metoda manapun yang digunakan, pengembangan pengemb SG untuk suatu daerah memerlukan basisdata pengamatan dan keluaran prediksi yang lengkap dalam kurun waktu yang cukup panjang (lebih dari sepuluh tahun). Akhir-akhir Akhir akhir ini, Kalman filter juga dikembangkan sebagai salah satu metoda SG menggunakan filter filter adaptif dengan hasil yang cukup baik untuk rentang waktu data yang relatif pendek (Kalnay, 2003).

Gambar 6.. Skematika ssimilasi data menggunakan metoda (intermittent) 4D-Var Var dengan siklus prediksi setiap 6 jam. (Sumber : Japan Meteorological Agency ) Setelah melalui seluruh tahap pemrosesan data yang panjang seperti tersebut di atas, barulah informasi prakiraan dapat dipublikasikan kepada masyarakat umum atau kepada pihak-pihak pihak yang memerlukan secara khusus seperti sektor yang terkait dengan keselamatan keselamat penerbangan. Satu hal yang jelas adalah bahwa prediksi cuaca operasional dewasa ini merupakan perpaduan luar biasa dari kerja manusia dan mesin (komputer) untuk mengetahui sedikit dari rahasia masa depan.

1.4

Chaos, Prediktabilitas Atmosfer, dan Prediksi Ensemble

PCN telah berkembang pesat terutama selama setengah abad belakangan ini dan mencapai tingkat kepercayaan yang tinggi di negara-negara negara negara industri maju. Ketika Wilhelm Bjerknes 13 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



mencetuskan ide mengenai PCN kurang lebih seabad yang lalu, telah disadari bahwa terdapat dua syarat mutlak yang harus dipenuhi agar model cuaca numerik dapat memberikan prediksi yang akurat yaitu : (1)pengetahuan yang lengkap mengenai kondisi awal atmosfer, dan (2)pengetahuan yang lengkap mengenai seluruh proses yang terjadi di atmosfer yang dapat dituangkan ke dalam bentuk persamaan matematis. Kita mengetahui bahwa secanggih apapun teknologi observasi atmosfer, data cuaca yang dihasilkan akan mengandung galat dan bagaimanapun rapatnya titik pengamatan tidak akan dapat menghasilkan resolusi yang cukup tinggi untuk menangkap semua gejala cuaca. Meskipun teknologi asimilasi data telah sedemikian rupa dibangun untuk mengatasi kekurangan-kekurangan ini, jelaslah syarat pertama tersebut di atas jelas tidak akan terpenuhi secara mutlak. Ketika Jule Charney dan C.G. Rossby di tahun 1950-an berhasil mengimplementasikan PCN secara operasional, sempat muncul optimisme berlebihan mengenai sifat deterministik atmosfer yang dianggap telah terwakili oleh sistem persamaan gerak yang seluruhnya diketahui. Akan tetapi, tidak lama setelah itu Lorenz (1963) menunjukan bahwa solusi persamaan non-linier dalam model cuaca numerik secara inheren akan memunculkan solusi bersifat chaotic karena perbedaan kecil di dalam nilai awal. Oleh karena itu, atmosfer tidak selalu predcitable meskipun diatur oleh hukum-hukum fisika Newtonian yang deterministik. Keterbatasan model cuaca numerik ini secara cukup mengagumkan didemonstrasikan oleh Edward Lorenz, professor Meteorologi di Massachuset Institute of Technology (MIT) pada waktu itu, menggunakan suatu sistem persamaan differensial biasa sebagai berikut dx  = σ(y − x )  dt  dy  = rx − y − xz  dt  dz  = xy − bz  dt 

(28)

dimana σ,b, r adalah konstanta. Lorenz (1963) mendapatkan bahwa integrasi persamaan (28) terhadap waktu dengan σ = 10 , b = 8 /3 dan r = 28 menghasilkan solusi chaotic yang terkenal dengan pola atraktor Lorenz. Meskipun mengandung ketidakpastian, PCN tetap memberikan informasi yang sangat berguna bagi manusia mengenai salah satu faktor penting yang menentukan keadaan masa depan. Hal yang paling penting adalah bagaimana mengkuantifikasi ketidakpastian tersebut sehingga resiko yang diakibatkan dapat diperkirakan dengan baik. Di berbagai pusat prediksi cuaca di dunia saat ini dikembangkan metoda prediksi ensemble yang dapat dilakukan dengan satu atau banyak (multi) model meskipun dasar ilmiahnya masih diperdebatkan. Prediksi ensemble menggunakan satu model dadapatkan dengan cara memberikan nilai awal yang sedikit berbeda. Sekumpulan nilai awal dapat dibuat dengan memberikan suatu variasi terhadap nilai awal yang dihasilkan dari proses asimilasi data. Metoda ini akan menghasilkan sejumlah anggota (member) prediksi




dengan keluaran yang berbeda. Statistik dari sejumlah keluaran model ini akan menentukan tingkat kemungkinan kebenaran prediksi.

Gambar 7. Contoh hasil prediksi ensemble untuk tekanan permukaan laut di wilayah Amerika Utara menggunakan “diagram spageti”. Masing-masing warna menunjukan kontur yang dihasilkan oleh anggota prediksi yang berbeda. (Sumber : Comet®Module, 2003) Gambar 7 mengilustrasikan keluaran prediksi ensemble untuk tekanan permukaan laut. Di sini dapat dilihat bahwa prediksi dalam kotak ungu memounyai sebaran yang lebih kecil daripada prediksi dalam kotak merah yang berarti mempunyai ketidakpastian hasil prediksi yang lebih tinggi. Ini menunjukkan bahwa PCN menghasilkan tingkat ketidakpastian yang berbeda secara spasial (dan juga temporal) terhadap suatu kejadian cuaca. Dengan dipakainya produk prakiraan cuaca ensemble dalam prediksi cuaca operasional maka semakin disadari akan pentingnya untuk menyampaikan informasi mengenai ketidakpastian kepada masyarakat pengguna (National Research Council, 2006).

1.5

Penelitian Prediksi Cuaca Numerik di KK Sains Atmosfer

Dibandingkan dengan apa yang telah dicapai oleh negara-negara industri maju dalam pengembangan teknologi prediksi cuaca, Indonesia dan negara-negara Asia Tenggara lainnya masih sangat jauh ketinggalan. Hal ini setidaknya terungkap dalam “International Workshop on Regional Models for The Prediction of Trop1ical Weather and Climate” yang diadakan di Bandung pada bulan Maret 2006. Workshop ini diselenggarakan sebagai salah satu kegiatan dalam program KAGI 21 (Kyoto University Active Geosphere Investigation) yang merupakan kerjasama antara ITB dan Kyoto University. Selain peserta dari Jepang sebagai negara maju, dalam workshop tersebut hadir peserta yang mewakili negara-negara Asia Tenggara seperti Singapura, Malaysia, Vietnam, dan Philipina, sedangkan penulis (Dr. Tri Wahyu Hadi) berbicara mewakili ITB. Satu hal 15 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



yang mendapat perhatian dari workshop tersebut adalah bahwa perkembangan teknologi personal computer (PC) saat ini telah memungkinkan penelitian prediksi cuaca numerik dapat dilakukan dengan sarana komputasi yang relatif murah. Saat ini, aplikasi sistem prediksi cuaca numerik telah lebih jauh di Negara-negara Asia Tenggara telah lebih jauh berkembang. Penelitian prediksi cuaca numerik di KK Sains Atmosfer sendiri baru dimulai sejak pertengahan tahun 2005 setelah tersedianya PC-cluster sebagai sarana komputasi paralalel. PC-cluster, yang awalnya terdiri dari enam buah prosesor AMD Athlon-64 (Gambar 8) tersebut berhasil dirakit secara sederhana oleh Dr. Tri Wahyu Hadi dan beberapa mahasiswanya dari sumbangan peralatan yang diberikan oleh Kyoto University. Fasilitas tersebut harus terus dikembangkan mengikuti teknologi komputer yang ada sehingga, meskipun sangat terbatas, saat ini PC-Cluster yang terbaru telah dibangun menggunakan prosesor AMD-64 seri Magnicours 12 core. Sampai sekarang telah dilakukan beberapa kajian simulasi dan prediksi cuaca berdasarkan teknik dynamical downscaling yakni menggunakan model regional (MM5 dan WRF) untuk mempertinggi resolusi keluaran model global yang didapatkan dari NCEP (resolusi horizontal 1 derajat) melalui internet.

Gambar 8. Tampilan PC-cluster pertama yang dirakit dan digunakan oleh KK Sains Atmosfer dalam penelitian prediksi cuaca numerik di ITB tahun 2005. Hasil simulasi menggunakan model regional MM5 dengan resolusi horizontal (grid) 10 km menunjukkan bahwa model regional dapat dengan baik merepresentasikan proses-proses skala meso yang terkait dengan konveksi cumulus. Gambar 9 memperlihatkan hasil simulasi pada tanggal 13 Oktober 2004 dimana keluaran model menunjukkan adanya konvergensi uap air bertepatan dengan daerah pembentukan awan cumulus. Puncak konvergensi terjadi pada jam 16 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



09.00 UTC bertepatan dengan munculnya awan cumulus pada citra satelit. Proses ini akan luput dari model global dengan resolusi dari 20 km. Prediksi cuaca numerik adalah salah satu lambang kejayaan negara-negara maju dalam menguasai teknologi karena untuk menjalankannya diperlukan sumberdaya yang mumpuni. Melihat perkembangan aplikasi PCNdi Negara-negara Asia tenggara yang lain, kemungkinan bahwa Indonesia akan tertinggal dalam pengembangan prediksi cuaca numeric cukup perlu dikhawatirkan. Kondisi yang ada saat ini masihlah sangat memprihatinkan ditilik dari ketersediaan sumberdaya manusia maupun sarana-prasarana yang tersedia. Badan Meteorologi dan Geofisika sendiri (menurut situs internetnya, http://www.bmg.go.id/) saat ini masih lebih banyak menggunakan produk prediksi cuaca numerik dari luar negeri seperti Australia dan Jepang untuk mendukung prakiraan cuaca operasionalnya.

(a)

(c)

(b)

(d)

Gambar 9. Hasil simulasi dengan model regional MM5 yang menujukan medan angin pada ketinggian 10 m dan precipitable water (kontur berwarna, biru berarti kandungan uap air atmosfer tinggi) untuk dua waktu yang berbeda pada tanggal 13 Oktober 2004 : (a)jam 06.00 UTC dan (b)09.00 UTC dan citra satelit masing-masing (c) dan (d) sebagai data pembanding yang didapatkan pada waktu yang hampir sama. Dengan segala keterbatasan yang ada, KK Sains Atmosfer telah berupaya memperkenalkan prediksi cuaca numerik di kalangan masyarakat akademik. Beberapa hasil ekperimen prediksi numerik secara near-real time dicoba didiseminasikan melalui situs http://weather.meteo.itb.ac.id. Kerjasama dengan universitas lain di luar negeri untuk program 17 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



pengembangannya terus diupayakan tetapi tanpa dukungan yang lebih luas dari institusi dan msyarakat, mungkin tidak banyak yang dapat ditingkatkan. Selain itu, pengenalan model prediksi cuaca skala meso terus diupayakan untuk diberikan kepada mahasiswa Program Studi S1 Meteorologi, dan Program Magister Sains Kebumian (Opsi Sains Atmosfer) serta sumber daya manusia lain yang relevan.



Pengenalan WRF

BAB 2 BAB 2 PENGENALAN WRF

2.1

Pengenalan Model WRF

Kita mengenal iklim (climate) dan cuaca memiliki pengertian yang berbeda. Anda sebagai meteorologis tentu tahu perbedaan antara iklim dan cuaca. Dalam pemodelan meteorologi, model iklim juga berbeda dengan model cuaca. Perbedaan itu meliputi dari segi tujuan, asumsi yang digunakan, perhitungan di dalamnya, resolusi model, dll. Banyak hal yang dibedakan dan dipertimbangkan dalam model iklim dan model cuaca. Dalam Model Cuaca aspek umum yang diperhatikan adalah : • Hukum fisika Dalam model, hukum fisika meliputi berbagai aspek fisika yang diperhitungkan di dalam model. Seperti : asumsi-asumsi, persamaan prognostik dan diagnostik. o Asumsi : meliputi asumsi terhadap suatu keadaan, seperti : kondisi ideal atau real, menggunakan kondisi hidrostatik atau non-hidrostatik, dll. Hidrostatik : menggunakan keseimbangan hidrostatik, suatu keadaan dalam suatu sistem sewaktu suatu kompresi karena gravitasi diimbangi oleh suatu gaya gradien tekanan. Densitas dianggap konstan tidak berubah terhada ketinggian. Non-hidrostatik : densitas fluida (bersifat incompresible) kondisinya berubah terhadap ketinggian. Perhitungan lebih rumit. o Persamaan Prognostik : persamaan yang digunakan dalam model untuk memprediksi langsung variabelnya. Contoh persamaan Navier-Stokes. o Persamaan Diagnostik. • Variabel prognostik dan variabel diagnostik o Prognostik : diprediksi langsung oleh model, langsung output model. o Diagnostik : diprediksi dari turunan output model. • Syarat awal dan syarat batas o Data : observasi, output model, output model+observasi dll • Koordinat sistem dan resolusi model o Horizontal : koordinat sistem : grid-point, spektral resolusi : o (derajat), km, m o Vertikal 19 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

•

Koordinat sistem : eta, sigma, isentropik (ߠ), tekanan (pressure), ketinggian (height), hybrid Resolusi : mb, hPa, K, m, km Parameterisasi : memodelkan fenomena yang berukuran lebih kecil dari ukuran grid model. Bagaimana memasukkan efek dari proses fisis yang sifatnya implisit. Modelling the efect. The method of accounting for such effects without directly forecasting them. o Mikrofisika awan dan hujan o Konveksi o Radiasi Atmosfer o Lapisan Batas Atmosfer o dll

Model cuaca sendiri dapat dibedakan lagi berdasarkan skalanya, yaitu : 1. Model Skala Global. Contohnya : GFS, ECMWF Global Model, MRI Model 2. Model Skala Meso. Contohnya : MM5, JMA-NHM, WRF 3. Model Skala Lokal. Contohnya : FluentTM 4. Model “Allscale” Model skala meso adalah model prediksi cuaca numerik (NWP – Numerical Weather Prediction) yang memiliki resolusi horizontal dan vertikal yang cukup untuk memprediksi fenomena cuaca skala meso Pada pelatihan ini membahas Model Cuaca Skala Meso, yaitu dipilih model WRF (Weather Research and Forecasting). Weather Research and Forecasting – Advanced Research WRF (WRF-ARW) merupakan model generasi lanjutan sistem prediksi cuaca numerik skala meso yang didesain untuk melayani prediksi operasional dan kebutuhan penelitian atmosfer. Model ini mempunyai keistimewaan inti dinamik yang berlipat, variasi 3-dimensional (3DVAR) sistem asimilasi data dan arsitektur perangkat lunak yang mengijinkan untuk melakukan komputasi secara paralel dan sistem yang ekstensibel. WRF cocok untuk aplikasi yang luas dari skala meter sampai ribuan kilometer. Usaha untuk mengembangkan WRF merupakan kerjasama kolaborasi, yang pada prinsipnya antara National Center for Atmospheric Research (NCAR), National Oceanic and Atmospheric Administration (NOAA), National Centers for Environmental Prediction (NCEP) dan Forecast Systems Laboratory (FSL), Air Force Weather Agency (AFWA), Naval Research Laboratory, Universitas Oklahoma dan Federal Aviation Administration (FAA). WRF merupakan model yang fleksibel, seni, dan memiliki code portable yang efisien untuk lingkungan computing dari parallel supercomputer sampai laptop.WRF modular, single-source code dapat dikonfigurasi untuk penelitian dan aplikasi operasional. Memiliki pilihan spectrum fisis dan dinamis yang diperoleh dari percobaan dan hasil komunitas ilmuan. Terdapat WRF-Var yang merupakan sistem variasi data asimilasi yang dimana dapat memadukan data observasi untuk mengoptimalkan kondisi inisial model, dan juga WRF-Chem model untuk memodelkan kimiawi udara (air chemistry). 20 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

Model WRF memiliki 2 dynamical solver yaitu : 1. NMM (Nonhidrostatic Mesoscale Model) dikembangkan dan digunakan oleh Mesoscale and Microscale Meteorology Division dari NCAR , dan nonhydrostatic Mesoscale Model. http://www.dtcenter.org/wrf-nmm/users/ 2. ARW (Advanced Research WRF) dikembangkan oleh National Centers for Environmental Prediction yang didukung oleh Developmental Testbed Center. http://www.mmm.ucar.edu/wrf/users/

Gambar 1. Komponen sistem WRF Untuk pelatihan kali ini digunakan versi dynamical solver yaitu ARW.

2.2

Komponen Model WRF-ARW

ARW adalah versi dynamical solver ARW yang bersama-sama denga komponen lainnya dari sistem WRF yang kompetibel dalam penyelesaian dan digunakan untuk simulasi. Sistem modeling WRF-ARW melliputi skema fisis, pilihan numerik/dinamik, inisialisasi berkelanjutan,dan paket data asimilasi (WRF-Var). ARW solver berbagi dengan NMM solver dan semua komponen WRF lain dalam kerangka kerja. Sebagian besar paket fisis di-share antara ARW dan NMM meskipun dengan pertimbangan kompatibilitas. Komponen sistem WRF dengan ARW memungkinkan konfigurasi yang digunakan melibatkan NMM solver. Sistem Model WRF-ARW terdiri dari beberapa program utama yaitu : 1. WRF Processing System (WPS) Program ini utamanya digunakan untuk simulasi real data. Fungsinya meliputi : 21 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

a. Mendefinisikan domain simulasi b. Menginterpolasi terestrial data (sepertii terrain, landuse, dan tipe tanah) ke dalam domain simulasi c. Meng-grib ulang dan menginterpolasi data meteorologi dari model lain ke dalam domain simulasi. 2. WRF-Var Ini adalah program pilihan, tapi dapat digunakan untuk memasukkan observasi ke dalam analisis interpolasi yang dibuat dalam WPS. Dapat juga digunakan untuk memperbaharui kondisi awal model WRF ketika model sedang berjalan dalam mode siklus. • WRF-Var bergabung ke dalam kerangka kerja software WRF • Tambahan perumusan fungsi biaya model-ruang • Quasi-Newton atau algoritma gradient konjugasi minimisasai • Analsis bertahap pada unstaggerd Arakawa –A grid • Perwakilan dari komponen horisontal dari beckround error B melalui filter rekursif (regional) atau power spectra (global). Komponen vertikal diaplikasikan melalui proyeksi ke vektor eigen klimatologi rata-rata vertikal error. Error horizontal / vertikal non-terpisah (skala horisontal berbeda dengan vektor eigen vertikal). • Latar Belakang fungsi biaya (Jb) dikondisikan melalui transformasi variabel kontrol U, didefinisikan sebagai B = UUT. • Pilihan fleksibel model backround error dan variabel kontrol. • covariances Klimatologi backround error diestimasi melalui metode NMC dari rata-rata perbedaan prediksi atau sesuai rata-rata gangguan ensemble. • 3D-Var Bersatu (4D-Var dalam pengembangan), global dan regional, kemampuan multi-model. 3. ARW solver Bagian ini adalah komponen penting dari sistem pemodelan, dimana menyusun beberapa program awal untuk keidealan, dan simulasi data real, dan program integrasi numerik. BAgian ini juga mengandung program dengan one-way nesting. Bentuk komponennya : • Persamaan nonhidrosatik fully compresible dengan pilihan hidrostatik • Lengkap dengan coriolis dan bentuk-bentuk kurvatur • Two-way nesting • One-way nesting • Nesting berpindah (moving nest) • Koordinat mengikuti terrain • Jarak grid vertikal bisa bervariasi terhadap ketinggian • Faktor skala peta untuk proyeksi konformal o Polar stereographic o Lambert-conformal o Mercator • Arakawa C-grid staggering • Pilihan langkah waktu Runge-Kutta 2nd dan 3rd • Bentuk fluks scalar-conserving untuk variable prognostik • Pilihan adveksi (horizontal dan vertikal ) orde 2 sampai 6 22 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

• •

Pilihan adveksi positif untuk kelembapan, skalar, dan TKE Time-split small step untuk mode akustik dan gelombang gravitasi o Small step horizontally eksplicit, vertically implicit o Divergensi damping option end vertical time off-centering o External-mode filtering option • Syarat Batas Lateral o Idealized cases : periodic, symmetric, and open radiative o Real case : specified with relaxation zone • Pilihan Fisis penuh untuk land-surface, PBL, Radiation, microphysics dan cumulus parameterization. Model fisis : o Mikrofisis : skema mulai dari fisis sederhana cocok untuk studi kondisi ideal sampai fisis fasa campuran canggih cocok untuk studi proses dan NWP. o Kumulus Parameterisasi : penyesuaian skema fluks-massa untuk pemodela mesoscale. o Permukaan Fisis : Multi-layer model permukaan tanah mulai dari model thermal sederhana sampai penuh vegetasi dan model kelembapan tanah, termasuk tutupan salju dan lautan es. o PBL (Planetary Boundary Layer) Fisis : Prediksi energy kinetik turbulen atau skema K non-lokal. o Radiasi Atmosfer fisis : skema gelombang panjang dan pendek sederhana dengan multiple band spectral dan skema gelombang pendek sederhana cocok untuk aplikasi iklim dna cuaca. Efek awan dan fluks permukaan di sertakan. • Grid analysis nudging and observarion nudging 4. Post-Processing graphics tools Beberapa program didukung, termasuk RIP4 (berdasarkan graphics NCAR), NCL, dan program konversi untuk paket graphics lainnya yang tersedia : GrADS dan Vis5D.

2.3

Data Input dan Output Model

Data minimum yang diperlukan untuk menjalankan WRF ada 2 yaitu : 1. Data static (lower boundary data) Data ini adalah data yang digunakan sebagai batas bawah model yang terdiri atas : data topografi (ketinggian tempat), data tataguna lahan (landuse), data tipe tanah (soil type), data fraksi tanaman (vegetation fraction), data sebaran daratan-lautan (land-sea mask). Data-data ini disediakan oleh WRF dan sebagian besar diambil dari Data USGS (United States Geological Survey). Akan tetapi, sejak WRF versi 3 data ini juga ada yang diturunkan dari Data Satelit MODIS. Data ini memiliki beberapa resolusi yang bias dipilihh oleh pengguna yaitu : 10’, 5’, 2’ dan 30”. Khusus untuk Data MODIS resolusi yang diberikan hanya 30”.



Pengenalan WRF

2. Data dinamik (inisial dan lateral boundary condition data) Data ini merupakan data yang digunakan untuk inisial dan lateral boundary model. Data ini biasanya diambil dari output prediksi model global (GFS-Global Forecast System), ECMWF (European Center for Medium-Range Weather Forcast) atau data analisis global seperti NCEP FNL dan NCEP Reanalysis. Format data yang diterima oleh model WRF untuk input dan output data bias bermacam-macam. Untuk data static WRF menggunakan format simple binary. Untuk input berupa data dinamik, WRF bisa menerima format grib dan netCDF. Sedangkan untuk output, WRF biasanya menggunakan format nonstandard netCDF. Meskipun tidak standard, akan tetapi WRF menyediakan software untuk mengubah format outputnya agar bisa dibuka oleh graphic tools seperti GrADS atau Vis5D.

Gambar 2. Sistem WRF-ARW

2.4

Teknik Downscaling dan Nesting

Downscaling adalah suatu teknik untuk menaikkan resolusi model dengan cara menurunkan skala grid pada model global menjadi skala regional pada domain yang diinginkan. Resolusi model 24 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

global sendiri adalah 10x10 atau sama dengan 111 km x 111 km.Dengan melakukan downscaling, maka resolusi model akan meningkat sesuai dengan yang kita inginkan. Misalnya saja menjadi 27 km x 27 km. Downscaling tidak sekedar memotong data (cropping) dari domain besar ke domain yang lebih kecil. Namun dalam downscaling dilakukan pula interpolasi data dari satu grid besar menjadi grid-grid yang lebih kecil dengan nilai yang belum tentu sama dengan nilai grid induknya. Namun dalam teknisnya, downscaling tidak asal menaikkan resolusi modelnya saja, diperlukan pengetahuan mengenai perhitungan skala gridnya. Seperti dapat dilihat pada gambar di bawah ini:

Downscaling

Global model output : NCEP-GFS : 1° x 1°

Regional model output : WRF : 2,5° x 2,5°

Seperti terlihat dalam ilustrasi di atas, output model global yang beresolusi besar di crop menurut area yang dibutuhkan untuk menjalankan model skala meso (limited area model). Kemudian oleh model skala meso tiap grid dari domain induk dipecah mejadi beberapa grid yang lebih kecil dengan mempertimbangkan nilai yang dibawa oleh domain induk, sehingga diperoleh domain yang resolusinya lebih besar.

Dalam pemodelan meteorologi 2 ini kita akan menggunakan WRF V.3 yang mendukung downscaling secara horizontal dan vertikal, yaitu memungkinkan untuk fokus atas wilayah sesuai dengan resolusi yang diinginkan. Untuk saat ini downscaling secara horizontal sudah mengalami perbaikan pada WRF V.3 tidak dengan metode vertikal. Downscaling merupakan kondisi dimana 25 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

adanya satu grid persegi panjang yang selaras dengan satu grid persegi panjang yang lebih kecil dari grid sebelumnya. Untuk lebih mudahnya diilustrasikan sebagai berikut: Pada ilustrasi diatas, downscaling yang dilakukan hingga membentuk 4 domain. Untuk domain 1 melakukan resolusi model secara global, dan seterusnya hingga domain 4 yang melakukan resolusi model secara regional (lokal). Resolusi yang lebih tinggi akan menambah perhitungan secara eksponensial dan memerlukan kemampuan sumber daya komputasi yang tinggi. Dalam melakukan downscaling diperlukan pengetahuan tentang kondisi fisis dan dinamis atmosfer dalam perhitungan skala gridnya. Untuk model regional memerlukan kondisi awal (initial condition) dan syarat batas lateral (lateral boundary condition).

2.5

Parameterisasi

Model-model NWP tidak bisa memecahkan semua komponen dan/atau proses-proses yang muncul di dalam sebuah kotak grid. Misalkan, gaya gesek yang besar saat aliran melewati pohon yang tinggi, turbulen eddies yang muncul di sekitar gedung-gedung atau penghalang lainnya, dan gaya gesek yang jauh lebih kecil di atas area yang terbuka. Sebuah model tidak bisa menjelaskan munculnya proses-proses tersebut jika ia terjadi di dalam satu kotak grid. Namun, model harus menghitung efek agregat dari permukaan yang mempengaruhi aliran level bawah dengan sebuah single number yang dapat sejalan dengan bentuk gaya gesek di persamaan prediksi angin. Metode yang mampu menghitung efek-efek tersebut tanpa secara langsung memprediksinya disebut parameterisasi. Di dalam atmosfer sangat banyak proses-proses kompleks yang perlu diparameterisasikan. Dalam modul ini, kita akan mencoba memparameterisasikan proses-proses mikrofisis di dalam atmosfer, dan juga proses-proses untuk memunculkan awan kumulus di dalam model.

2.5.1

Parameterisasi Microphysics (mp_physics)

Mikrofisis melibatkan uap air, awan, dan proses presipitasi secara eksplisit. Dalam ARW versi terbaru, mikrofisis dibawa pada akhir dari time-step sebagai proses penyelesaian. Alasannya, adalah bahwa penyelesaian kondensasi harus dilakukan di akhir time-step untuk menjamin bahwa keseimbangan jenuh akhir cukup akurat untuk memperbaharui temperatur dan kelembapan. Namun, merupakan hal yang penting juga untuk memiliki panas laten agar dapat menekan temperatur potensial selama sub-step dinamis. Dan hal ini dilakukan dengan menyimpan pemanasan mikrofisis sebagai sebuah perkiraan untuk time-step selanjutnya. Baru-baru ini, proses sedimentasi dihitung di dalam modul individual mikrofisis, dan, untuk mencegah ketidakstabilan dalam perhitungan fluks vertikal dari presipitasi, time-step yang lebih boler dipergunakan. Penyelesaian kejenuhan juga dimasukkan ke dalam mikrofisis. Tabel dibawah memperlihatkan rangkuman dari pilihan-pilihan yang mengindikasikan jumlah variabel kelembapan, dan apakah proses-proses fase es dan fase percampuran dilibatkan. Proses26 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

proses fase percampuran dihasilkan dari interaksi antasa partikel es dan air. Untuk ukuran grid kurang dari 10km, dimana updraft bisa terlihat, skema fase percampuran harus digunakan, terutama pada situasi konvektif dan pembekuan. Skema Kessler

Purdue Lin

WRF SinggleMoment 3-class (WSM3)

WSM5

WSM6

Eta GCP

Keterangan Skema awan hangat yang sederhana, meliputi uap air, tetes hujan, dan hujan. Proses-proses mikrofisisnya meliputi, produksi, jatuh, dan penguapan hujan; pertumbuhan dan autokonversi tetes hujan; dan produksi tetes hujan dari kondensasi. Biasanya, digunakan untuk studi model awan ideal Enam kelas hidrometeor, meliputi, uap air, tetes hujan, hujan, es, salju, dan graupel. Semua bentuk produksi parameterisasi berdasarkan Lin et. al. (1983) dan Rutledge dan Hobbs (1984) dengan beberapa modifikasi, termasuk pengaturan kejenuhan mengikuti Tao et. al. (1989), sedimentasi es. Skema ini merupakan skema yang relatif canggih di WRF, dan sangat cocok digunakan dalam simulasi data real resolusi tinggi. Skema mikrofisis single-moment WRF meliputi sedimentasi es dan parameterisasi baru fase es lainnya. Perbedaan utamanya adalah digunakannya relasi diagnostik untuk jumlah konsentrasi es yang didasarkan pada kandungan massa es bukan pada temperatur. Proses pembekuan/peleburan dihitung selama fall-term sub-step untuk meningkatkan akurasi di profil pemanasan vertikal dari proses-proses ini. Urutan dari proses-proses ini juga dioptimasi untuk menurunkan sensitifitas skema terhadap langkah waktu dari model. Skema WSM3 memprediksikan tiga katagori hidrometeor, uap, tetes hujan/es, dan hujan/salju, yang disebut juga skema es sederhana. Skema ini efisien secara komputasi untuk pemasukan proses-proses pertumbuhan es, namun kurang dalam air kelewat dingin dan nilai peleburan bertahap. Skema ini cocok untuk ukuran grid skala meso Skema ini mirip dengan skema es sederhana WSM3. Namun, uap, hujan, salju, kristal es, dan tetes hujan dibawa dalam lima array yang berbeda. Jadi, skema ini mampu memunculkan air kelewat dingin, dan peleburan bertahap dari salju yang jatuh di bawah lapisan lebur. Skema ini efisien pada ukuran grid intermediet, antara skala meso dan cloud-resolving grid. Skema ini merupakan perluasan dari skema WSM5, yaitu memasukkan graupel dan proses-proses yang berhubungan dengannya. Kebiasaan pada skema WSM3, WSM5, dan WSM6 sedikit berbeda untuk grid skala meso yang kasar, namun akan sangat berbeda pada cloud-resolving grid. Dari ketiga skema WSM, WSM6 yang paling cocok untuk cloud-resolving grid, melihat dari efisiensi dan latar belakang teoritis. Dikenal juga dengan nama skema EGCP01 atau Eta Ferrier. Skema ini memprediksikan perubahan di uap air dan kondensasi dalam bentuk tetes awan, hujan, kristal es, dan presipitasi es (salju/graupel/sleet). Medanmedan individual hidrometeor dikombinasikan ke total kondensasi. Uap air 27



Thompson

Pengenalan WRF

dan dan total kondensasi inilah yang berpengaruh di dalam model. Simpanan lokal array menahan informasi perkiraan pertama yang mengekstrak kontribusi dari tetes hujan, hujan, kristal es, dan presipitasi es dari densitas variabel dalam bentuk salju, graupel, atau sleet. Densitas dari presipitasi es diestimasikan dari sebuah array lokal yang menyimpan informasi di pertumbuhan total es oleh deposisi uap dan pertumbuhan air liquid. Sedimentasi dilakukan dengan memisahkan time-averaged flux dari presipitasi ke dalam sebuah kotak grid antara penyimpanan lokal di dalam kotak dan jatuh melalu dasar kotak. Hal ini muncul bersamaan dengan modifikasi dalam perlakuan proses-proses mikrofisis yang acak, mengijinkan langkah waktu yang besar untuk digunakan dengan menghasilkan hasil yang stabil. Ukuran rata-rata dari presipitasi es diasumsikan untuk menjadi sebuah fungsi dari temperatur mengikuti hasil observasi dari Ryan (1996). Proses-proses fase pencampuran dipertimbangkan pada temperatur yang lebih hangat dari -30°C, padahal jenuhnya es diasumsikan untuk kondisi berawan pada temperatur yang lebih dingin. Bulk microphysical parameterization (BMP) yang baru sudah dikembangkan untuk digunakan dengan WRF atau model skala meso lainnya. Dibandingkan dengan single-moment BMP sebelum-sebelumnya, skema baru ini menggambungkan pengembangan dalam jumlah yang besar baik untuk proses-proses fisis maupun computer coding plus yang menggunakan berbagai teknik yang ditemukan jauh lebih memuaskan secara spektral/skema bin menggunakan tabel-tabel look-up. Tidak seperti BMP lainnya, asumsi distribusi ukuran salju bergantung pada kandungan air/es dan temperatur yang direpresentasikan sebagai sebuah penjumlahan dari eksponensial dan distribusi gamma. Selanjutnya, salju mengasumssikan sebuah bentuk non-spheric dengan sebuah densitas yang menonjol yang bervariasi secara terbalik dengan diameter seperti yang ditemukan di dalam observasi, dan kontras dengan skema BMP lainnya yang measumsikan bentuk salju yang bulat dengan densitas konstan. Fitur-fitur spesifik baru dalam skema bulk versi ini, diantaranya : • Jeneralisasi bentuk distribusi gamma untuk setiap jenis hidrometeor, • Non-spherical, variabel densitas salju, distribusi ukuran sesuai dengan observasi, • Y-intercept dari hujan bergantung pada mixing ratio hujan, walaupun sumber yang terlihat adalah es yang mencair, • Y-intercept dari graupel bergantung pada mixing ratio graupel, • Skema pengaturan kejenuhan yang lebih akurat, • Parameter variabel distribusi bentuk gamma untuk tetes awan dan hujan berdasarkan pada observasi, • Tabel look-up untuk pembekuan tetes air yang jatuh, • Tabel look-up untuk memindahkan kristal es ke dalam kategori salju, • Deposisi/sublimasi uap yang lebih baik dan penguapan, • Efisiensi kumpulan variabel untuk hujan, salju, dan graupel yang 28



Goddard

Morrison 2Moment

Pengenalan WRF

mengumpulkan tetes awan, • Hujan yang lebih baik, mengumpulkan salju dan graupel. Terdapat opsi untuk memilih graupel atau hail sebagai jenis es kelas ke tiga. Graupel memiliki densitas yang relatif rendah dan nilai intercept yang tinggi. Sebaliknya, hail memiliki densitas yang relatif lebih tinggi dan nilai intercept yang rendah. perbadaann ini tidak hanya akan mempengaruhi deskripsi dari populasi dan formasi hidrometeor dari anvil-stratiform region, namun juga kepentingan relatif dari proses-proses mikrofisisdinamis-radiatif. Selain itu, teknik penjenuhan baru juga ditambahkan. Teknik penjenuhan ini pada dasarnya didisain untuk memastikan super saturasi (sub-saturasi) tidak dimunculkan pada sebuah grid point yang bersih dari perawanan. Seluruh proses mikrofisis yang tidak menyertakan proses peleburan, penguapan atau sublimasi (jumlah transfer dari satu tipe hidrometeor ke tipe lainnya) dihitung berdasarkan pada satu keadaan termodinamik. Dengan ini, bisa dipastikan semua proses diperlakukan secara sama. Jumlah dari semua proses yang hilang yang berhubungan dengan satu jenis hisrometeor tidak akan melebihkan massanya. Hal ini, memastikan water budget akan diseimbangkan di dalam perhitungan mikrofisis. Mikrofisis Goddard memiliki opsi ke-3, yang ekivalen dengan skema two-ice (2ICE), yaitu hanya memiliki awan es dan salju. Opsi ini bisa diperlukan simulasi dengan resolusi kasar (ukuran grid >5km). Skema es kelas dua bisa diterapkan untuk musim dingin dan konveksi frontal. Enam jenis air dimasukkan, diantaranya uap, tetes awan, kristal es, hjan, salju, dan graupel/hail. Kodenya memilki sebuah user-specified switch untuk memasukkan baik graupel atau hail. Variabel prognostik meliputi jumlah konsentrasi dan mixing ratio dari kristal es, hujan, salju, dann graupel/hail, serta mixing ratio dari tetes awan dan uap air (total 10 variabel. Prediksi dari 2-moment (jumlah konsentrasi dan mixing ratio) membolehkan perlakuan yang lebih kasar untuk distribusi ukuran partikel, yang merupakan kunci dalam perhitungan nilai-nilai proses-proses mikrofisis dan evolusi awan/presippitasi. Beberapa liquid, es, dan prosesproses fase percampuran dilibatkan. Distribusi ukuran partikel ditentukan dengan menggunakna fungsi gamma, dengan parameter intercept dan kemiringan yang berhubungan, yang didapatkan dari hasil prediksi mixing ratio dan jumlah konsentrasi. Skema ini telah diuji dengan berbagai studi kasus yang mengkover berbagai kondisi dengan cakupa yang luas.

Tabel 1. Skema-skema mikrofisis dan penjelasannya.


Diktat Pelatihan WRF (Weather Research and Forcasting) 2.5.2

Pengenalan WRF

Cumulus Parameterisasi (cu_physics)

Adapun skema-skema parameterisasi awan cumulus dalam WRF adalah seperti berikut : Skema Skema KainFritsch

Keterangan Memungkinkan CAPE sesuai untuk badai dataran luas, model awan diformulasikan menjadi detrainment entrainment dengan parsel bouyanci yang dihitung sebagai fungsi dari parsel yang tercampur secara lateral antar lingkungan dan updraft. Perbedaan di reformulasikan menjadi kekelan massa,energi panas, massa dan momentum.Didesain untuk ukuran grid 2025 km. Memuat proses fisik awan yang sangat lengkap dalam parameterisasi konvektif. Parameter downdraft memungkinkan simulasi lebih baik untuk respon skala meso dan memungkinkan untuk sebagian besar skema.

Batas CAPE tidak sesuai untuk lingkungan tropis dan dapat menyebabkan konveksi yang sangat kuat. Skema Betts- Terdapat struktur termodinamika quasi-equilibrum dimana lingkungannya Miller-Janjic berpindah akibat konveksi. Struktur ini dapat didefinisikan dalam mixing line yang ditentukan dari data observasi. Untuk tujuan representasi konveksi dari model global, hal tersebut tidak penting untuk secara ekplisit menampilkan pemanasan dan kelembaban yang disebabkan oleh proses subgrid updraft, downdraft, peluruhan dan pembentukan. Dengan asumsi bahwa keserdahaan desain akan lebih efisien dan mengurangi eror, semuanya dibuat secara implisit. Batas skema diasumsikan bahwa laju saat kelabilan konvektif ditimbulkan dalam suatu lingkungan yang menentukan bagaimana kecepatan profil lingkungan berubah menurut mixing-line. Skala waktu relaksasi untuk konvektif selama 2 jam. Batas mixing-line didesain untuk laut tropis,grid yang kasar dan kasus-kasus yang mempengaruhi lingkungan. Sangat sempurna untuk berbagai variasi aplikasi dan dapat mengadaptasi untuk mesoscale dengan penyesuaian beberapa parameter. Hal tersebut digunakan dalam operasional NCEP Eta Model.

Skema Grell

Tidak memasukan parameter downdraft convektif. Batas mixing-line muncul kurang tepat dalam kasus konvektif dalam yang ekplosif dan tidak langsung menimbulkan skala tinggi dan rendah dari meso. Awan konveksi dalam untuk semua grid. Skema awal berasal dari fungsi cloud-work Arakawa-Schubert untuk batasnya, tetapi kemudian berubah menggunakan CAPE sebagaimana Kain-Fritsch. Tidak ada pencampuran langsung secara lateral dengan lingkungan, kecuali pada level awal atau akhir dair updraft/downdraft. Sehingga fluks massa konstan menurut ketinggian. Fraksi area yang menutupi updraft dan downdraft dalam suatu 30



Pengenalan WRF

kolom adalah kecil. Hal ini memungkinkan skema untuk memperbaiki, meskipun beberapa derajat range masih sangat penting. Skema yang sangat sempurna yang dimodifikasi sehingga seperti KainFritsch. Memasukan efek downdraft. Sangat baik untuk ukuran grid 1012km.

Skema GrellDevenyi ensemble

Karakteristik Arakawa-Schubert pada batas skema sebagian besar diganti. Tidak ada efek entrainment-detrainment. Semua Skema Grell menggunakan tipe skema massa-jenis fluks, tetapi dengan perbedaan entrainment updraft dan downdraft serta parameter detrainment, dan curah hujan efisiensi. Perbedaan-perbedaan dalam pengendalian statis yang dikombinasikan dengan perbedaan dalam kontrol dinamis yang merupakan metode penentuan fluks awan massa. Penutupan kontrol dinamis didasarkan pada konveksi energi potensial yang tersedia (CAPE), kecepatan vertikal tingkat rendah, atau kelembaban konvergensi. Skema GD telah menggunakan kelembaban dan updraft dalam lingkungan untuk memicu konveksi baru dan curah hujan di daerah ini. Skema GD terus menghasilkan curah hujan di daerah yang sama dengan skema Kain-Fritsch tapi tidak dapat mensimulasikan terisolasi sifat konveksi tersebut. Skema ensemble Grell-Devenyi saat ini tidak dapat menangani konveksi ideal di grid kecil.

2.5.3

Transfer Radiatif

Proses-proses Radiasi Gelombang Panjang dan Gelombang Pendek Proses-proses radiasi gelombang pendek (matahari) dan gelombang panjang (terrestrial) terjadi dalam skala waktu dan ruang yang kecil dan sangat dipengaruhi oleh komposisi local atmosfer. Energi matahari menyebar dari frekuensi ultraviolet, sinar tampak, dan frekuensi near-infrared , namun pada puncaknya (sekitar setengah dari total energi matahari) berada pada panjang gelombang sinar tampak. Ketika pancaran langsung dari radiasi matahari memasuki atmosfer, intensitasnya direduksi oleh: • •

Diserap oleh berbagai macam gas, awan dan aerosol Dipantulkan dan dihamburkan oleh molekul-molekul gas, awan, dan aerosol.



Pengenalan WRF

(Sumber: http://www.meted.ucar.edu/nwp/pcu1/ic4/images/physprc2.gif) http://www.meted.ucar.edu/nwp/pcu1/ic4/images/physprc2.gif Sebagian pantulan dan hamburaradiasi matahari tersebut juga mencapai permukaan sebagai radiasi matahari difus. Rata-rata, Rata sekitar itar setengah insolasi pada puncak atmosfer (TOA, Top of Atmosphere) mencapai permukaan tanah. Bumi memancarkan energi kembali ke luar angkasa namun dengan panjang gelombang yang lebih panjang. Energi ini diserap oleh gas rumah kaca, awan, dan aerosol ketika keti dipancarkan melalui atmosfer. Energi gelombang panjang dipancarkan kembali oleh absorber yang ada di atmosfer, namun ke segala arah dan dengan intensitas yang ditentukan oleh temperature dari objek yang meradiasikannya. Sebagai hasil dari absorpsi dan pancaran pancaran kembali dari gelombang panjang di atmosfer, rata-rata rata temperature permukaan bumi menjadi lebih hangat, yaitu sekitar 33°C. Implementasi Skema Radiasi Pada transfer radiatif ini akan digambarkan bagaimana model memperhitungkan radiasi gelombang panjang ang dan gelombang pendek di atmosfer dan permukaan bumi. Radiasi mempengaruhi profil temperatur dalam model. Pada radiasi gelombang pendek, absorpsi bergantung pada profil uap air dan karbon dioksida pada kondisi udara cerah dan berawan. Pengaruh radiasi ini ni juga termasuk absorpsi dan emisi gelombang panjang. Perhitungan model untuk radiasi gelombang panjang dan gelombang pendek tidak berpengaruh secara eksplisit. Skema radiasi memeperhitungkan pemanasan atmosfer dari divergensi fluks radiasi dan gelombang panjang permukaan serta radiasi gelombang pendek terhadap kapasitas panas permukaan. Radiasi gelombang panjang termasuk infra merah atau radiasi termal diserap dan dipancarkan oleh gas-gas gas dan permukaan. Pancaran fluks radiatif ke atas dari bumi ditentukan oleh emisivitas permukaan yang pada proses selanjutnya akan bergantung pada tata guna lahan. Radiasi gelombang pendek termasuk sinar tampak dan panjang gelombang disekitarnya yang menusun spectrum matahari. Meskipun sumber utamanya hanyalah matahari namun prosesproses di dalamnya termasuk juga absorpsi, refleksi, dan hamburan di atmosfer dan permukaan. Untuk radiasi gelombang pendek, fluks ke atasa merupakan pantulan dari albedo permukaan. Di atmosfer, radiasi member respon terhadap distribusi awan dan uap uap air yang diprediksi model, juga memperhitungkan respon radiasi terhadap konsentrasi CO2, ozon, dan gas-gas gas lainnya (opsional). Seluruh skema radiasi dalam WRF saat ini merupakan skema satu dimensi, sehingga 32 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

masing-masing kolom diperlakukan independen dan fluks berhubungan dengan kolom tersebut dalam bidang horizontal yang uniform yang tidak terbatas, dengan hasil aproksimasi yang baik bila ketebalan vertical dari layer model lebih kecil dari panjang grid horizontalnya. Asumsi ini menjadi kurang akurat pada resolusi horizontal yang tinggi. Radiation Option (basic features of the radiation schemes in the ARW) Skema LW/SW Spectral Bands CO2, O3, Clouds RRTM LW 16 CO2, O3, Clouds GFDL LW LW 14 CO2, O3, Clouds CAM3 LW LW 2 CO2, O3, Clouds GFDL SW SW 12 CO2, O3, Clouds MM5 SW SW 1 clouds Goddard SW 11 CO2, O3, Clouds CAM3 SW SW 19 CO2, O3, Clouds

Macam Skema Radiasi Shortwave Radiation (ra_sw_physics) No Jenis Skema Keterangan 0 No shortwave Menjalankan model tanpa skema Radiasi gelombang pendek. radiation 1 Dudhia scheme Penurunan integrasi sedehana yang efesien diterapkan untuk absorpsi dan hamburan pada udara cerah dan berawan. Ketika digunakan pada simulasi dengan resolusi tinggi, efek kemiringan dan bayangan hendaknya diperhatikan. Skema Dudhia meskipun hanya menggunakan satu band besar gelombang pendek untuk perhitungan transfer radiatif, namun lebih sering digunakan bila dibandingkan dengan skema yang lain. Hasil dari skema ini sesuai digunakan untuk short-range forecast time frame. Skema ini berdasarkan Dudhia (1989) yang diambil dari MM5. Skema ini memiliki penurunan integrasi sederhana untuk fluks matahari, perhitungan hamburan pada clear-air, absorpsi uap air (Lacis dan Hansen, 1974), serta albedo awan dan absorpsi. Skema ini menggunakan look-up tables untuk awan dari Stephens (1978). Pada versi 3, skema memiliki opsi untuk menghitung efek kemiringan dan bayangan lereng terhadap fluks matahari di permukaan. 2 Goddard short wave Skema multi band dengan memperhitungkan pengaruh ozon dari klimatologi dan awan. Skema ini berdasarkan Chou dan Suarez (1994). Memiliki 11 band spektral dan memperhitungkan komponen difusi dan radiasi matahari langsung dalam pendekatan 2 arah yang menghitung komponen hamburan dan refleksi. Ozon diperhitungkan juga dengan 33 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


3

99

Pengenalan WRF

beberapa profil klimatologi yang ada. CAM scheme Skema yang digunakan dalam model iklim CAM 3 yang digunakan dalam CCSM. Memperhitungkan aerosol dan traces gases. Skema band spectral yang digunakan dalam NCAR Community Atmosphere Model (CAM 3.0) untuk simulasi iklim. Skema ini memiliki kemampuan untuk mengatasi masalah optikal pada beberapa tipe aerosol dan traces gases. Skema ini menggunakan fraksi awan dan asumsi pada unsaturated region dan memiliki kondisi ozon (klimatologi) zonal bulanan. Skema ini didokumentasikan secara lengkap oleh Collins et al. (2004). Skema radiasi CAM lebih cocok digunakan pada wilayah simulasi iklim yang memiliki distribusi ozon bervariasi selama simulasi berdasarkan data klimatologi rata-rata zonal bulanan. GFDL (Eta) longwave Eta Geophysical Fluid Dynamics Laboratory (GFDL) Short-Wave. (semi-supported) Skema operasional Eta. Skema multi band dengan memperhitungkan pengaruh ozon dari klimatologi dan awan. Skema radiasi gelombang pendek ini merupakan versi GFDL dari parameterisasi Lacis dan Hansen (1974). Pengaruh uap air dan ozon di atmosfer (dari Lacis dan Hansen, 1974), dan karbondioksida (Sasamori et al. 1972) digunakan dalam skema ini. Awan di-overlap secara acak. Perhitungan gelombang pendek menggunakan rata-rata penyinaran matahari dalam satu hari cosinus sudut zenith matahari selama interval waktu tersebut.

Longwave Radiation (ra_lw_physics) No 0 1

Jenis Skema Keterangan No longwave Menjalankan model tanpa skema Radiasi gelombang panjang scheme RRTM Rapid Radiative Transfer Model. Skema yang akurat menggunakan look-up tables untuk efisiensi. Memperhitungkan multiple band, trace gases, dan mikrofisis. Skema RRTM, ini diambil dari MM5 berdasarkan Mlawer et al. (1997) dan salah satu band spektralnya menggunakan metode korelasi-k. Skema ini menggunakan pre-set tables untuk menggambarkan proses-proses gelombang panjang secara akurat dengan memodelkan uap air, CO2, ozon, traces gases (nitrous nitrogen, dan beberapa gas halocarbons umumnya), juga untuk menghitung kedalaman optikal awan. Validari RRTM terhadap LBLRTM telah dilakukan untuk berbagai kondisi atmosfer. Akurasi RRTM untuk clear-sky: 1:0 Wm-2 9relatif terhadap LBLRTM) untuk net flux pada berbagai ketinggian; 0:1Kday-1 34 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


3

CAM scheme

99

GFDL (Eta) longwave (semisupported)

2.5.4

Pengenalan WRF

untuk kesalahan total pendinginan di troposfer dan stratosfer bawah dan 0:3 Kday-1 di stratosfer atas dan level di atasnya. Skema yang digunakan dalam model iklim CAM 3 yang digunakan dalam CCSM. Memperhitungkan aerosol dan traces gases. Skema band spectral yang digunakan dalam NCAR Community Atmosphere Model (CAM 3.0) untuk simulasi iklim. Skema ini memiliki potensi untuk mengatasi simulasi untuk beberapa traces gases. Skema operasional Eta. Skema multi band dengan memperhitungkan pengaruh ozon dari klimatologi dan awan. Skema radiasi gelombang panjang ini dari GFDL. Skema ini berdasarkan metode pertukaran sederhana (simplified exchange method) dari Fels dan Schwarzkopf (1975) dan Schwarzkopf dan Felss (1991) dengan perhitungan pada band spectral yang berkaitan dengan CO2, uap air dan ozon. Skema ini menggunakan koefisien transmisi untuk CO2 dari Schwarzkopf dan Fels (1985), kontinuitas uap air (Roberts et al. 1976), dan pengaruh overlap dari uap air-CO2 dan koreksi Voigt line-shape. Formulasi dari Rodgers (1968) diadaptasi untuk absorpsi ozon. Awan di-overlap secara acak. Skema ini diimplementasikan untuk diujikan perbandingan dengan operasional model Eta.

Planetary Boundary Layer

PBL merupakan area antara permukaan dan atmosfer bebas dimana permukaan memiliki pengaruh langsung terhadap pemanasan, kelembaban, dan momentum. Sejumlah komponen fisis seperti kecepatan angin, temperatur, kelembaban dsb, menunjukkan fluktuasi yang berubah dengan cepat, dan dengan kondisi percampuran vertikal yang kuat. Di atas PBL merupakan atmosfer bebas dimana kondisi angin diperkirakan geostropik yang paralel dengan isobar, sementara di dalam PBL angin dipengaruhi oleh gesekan dengan permukaan disekitar geostropik yang paralel dengan isobar. Ciri-ciri lapisan batas: 1. Turbulensi hampir kontinu diseluruh ketinggian 2. Gaya gesekan yang besar terhadap permukaan besar sehingga terdapat sejumlah besar energi yang terdisipasi 3. Percampuran turbulen yang sangat cepat secara vertikal dan horizontal 4. Transpor vertikal didominasi oleh turbulensi 5. Kedalaman bervariasi antara 100-3000 km yang bervariasi terhadap ruang dan waktu dengan variasi diurnal



Pengenalan WRF

Forcing Mechanism: 1. Heat transport from/to ground 2. Frictional drag 3. Evaporation/transpiration Evaporation/tra 4. Terrain-induced induced flow modification 5. Pollution emision PBL dalam Prediksi Cuaca Numerik bertugas untuk: 1. Menentukan fluks dari permukaan bumi ke atmosfer 2. Merumuskan atau mendiagnosis lapisan model dimana pengaruh permukaan dirasakan 3. Memperhitungkan transpor panas, kelembaban, dan momentum melalui lapisanlapisan lapisan ini. Untuk menentukan jumlah lapisan dalam model PBL bergantung pada: 1. Rata-rata rata luas grid temperatur skin yang diprediksi dan rata-rata rata temperatur, kelembaban, dan angin grid-kubus grid pada lapisan san pertama, dari gradien vertikal temperatur, kelembaban, dan angin pada permukaan didiagnosis. 2. Lapse rate, gradien kelembaban vertikal, dan geser angin vertikal antara lapisan model yang berbatasan bergerak naik dari permukaan. 3. Estimasi hubungan antara gradien vertikal skala grid di atasnya dan turbulensi buoyant dan mekanik aktual, yang mengendalikan PBL. Gambar di bawah ini memberikan gambaran tentang komponen-komponen komponen komponen yang dapat mempengaruhi lapisan batas planeter dan menunjukka bagaimana perubahan ketinggian ke dan orientasinya pada keseluruhan siklus diurnal.

Sumber : http://cirrus.geoph.itb.ac.id/?cat=elearning&id=comet Gerak ke atas dari permukaan untuk masing-masing masing masing lapisan model, apabila kombinasi dari lapselapse rate skala grid dan geser angin vertikal menghasilkan ketidakstabilan, lapisan-lapisan lapisan tersebut 36 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Pengenalan WRF

diasumsikan menjadi turbulen dan bagian dari PBL. Kecepatan transpor vertikal momentum, panas, dan kelembaban berdasarkan pada gradien skala grid ini. Ketika ketinggian dari PBL sebenarnya maupun ketinggian PBL model mengalami perubahan, bilangan level model yang meliputinya dan kemampuan model untuk mengumpulkan data tentang proses-proses di PBL juga akan mengalami perubahan. Komponen-komponen harian dikendalikan oleh konduksi, konveksi, dan turbulensi. Komponen pada malam hari dikendalikan oleh konduksi dan pendinginan radiasi. Macam Skema PBL Dalam menjalankan model WRF ini terdapat beberapa macam setting PBL: No 0 1

Jenis Skema No boundary-layer scheme YSU scheme (Yonsei University Scheme)

2

Mellor-YamadaJanjic TKE scheme

3

NCEP Global Forecast System scheme (NMM only)

4

Quasi-Normal Scale Elimination PBL Mellor-Yamada Nakanishi and Niino

5

Keterangan Dalam setting PBL 0 ini model menjalankan simulasi tanpa memperhitungkan ketinggian PBL. Ketinggian PBL 0 meter. Generasi setelah MRF-PBL. Skema non-lokal-K dengan lapisan entraintment eksplisit dan profil parabolik K pada lapisan campuran yang tidak stabil (Skamarock et al. 2005). (Skema ini telah diuji untuk WRF-NMM) Yensei University scheme ini merupakan modifikasi dari skema MRF yang bertujuan untuk mengurangi efek percampuran nonlokal dan juga untuk memasukkan fluks entrainment eksplisit dari panas, kelembaban dan momentum, menghitung transpor gradien momentum, dan perbedaan spesifikasi dari ketinggian PBL (Hong and Dudhia 2003 dalam S. Chiao 2006). Ketinggian PBL dari skema YSU ditentukan oleh profir termal, dan juga asumsi percampuran nonlokal untuk panas dan kelembaban yang akan berpengaruh pada prediksi temperatur permukaan serta mixing ratio uap air. Skema prognostik kinetik turbulen satu dimensi dengan campuran vertikal skala lokal. (Janjic 1990, 1996a, 2002). (Skema ini telah diuji untuk WRF-NMM, pada NCEP) Skema vertikal difusi orde pertama dari Troen dan Mahrt (1986) ditentukan menggunakan pendekatan iterasi bulk-Richardson yang bekerja dari permukaan tanah ke atas dimana profil dari koefisien difusivitas dispesifikasikan sebagai fungsi kubistik dari ketinggian PBL. Nilai koefisien ditentukan dengan mencocokkan lapisan permukaan fluks. Parameterisasi flux gradien dimasukkan dalam skema ini. (skema ini telah diuji-coba untuk WRF-NMM) Adalah prediksi TKE yang menggunakan teori baru untuk region stabil terstratifikasi. Terdapat pada versi 3.1. Level 2.5 PBL Memprediksi sub-grid TKE. Terdapat pada versi 3.1. 37


Diktat Pelatihan WRF (Weather Research and Forcasting) 6

Mellor-Yamada Nakanishi and Niino

7

ACM2 (Pleim) PBL (ARW)

8

BouLac PBL

99

MRF scheme

LES PBL: A largeeddy-simulation (LES) boundary layer

Pengenalan WRF

Level 3 PBL Memprediksi TKE dan suku kedua lainnya. Terdapat pada versi 3.1 Model konvektif asimetris dengan tanpa percampuran ke atas dan ke bawah skala lokal. Skema ini berdasarkan pada konsep bahwa transpor vertikal di dalam lapisan campuran asimetris secara tidak terpisah. Transpor ke atas (upward transport) oleh buoyant plumes dimulai pada lapisan permukaan yang disimulasikan oleh percampuran dari lapisan model yang lebih rendah secara langsung ke seluruh lapisan yang lain dalam lapisan campuran. Bougeault-Lacarrère PBL adalah salah satu alternative prediksi TKE. Skema ini terdapat pada versi 3 dan didesain untuk digunakan dengan model urban BEP. Pilihan skema Urban Surface (sf_urban_physics – menggantikan versi lama switch dengan ucmcall): Urban canopy model (sf_urban_physics = 1): 3-kategory UCM opsi dengan efek permukaan untuk atap, dinding, dan pohon BEP (sf_urban_physics = 2). Building Environment Parameterization Merupakan model kanopi urban multi-layer dengan kondisi bangunan dapat lebih tinggi daripada level paling rendah pada model. Skema ini hanya dapat bekerja dengana Noah LSM dan Boulac dan MYJ PBL. Skema ini terdapat pada versi 3.1. Versi lama dari skema YSU dengan treatment implisit untuk lapisan entraintment sebagai bagian dari non lokal-K lapisan campuran. (Hong and Pan 1996). Skema MRF memerlukan profil difusivitas Eddy terhadap ketinggian, dengan magnitude yang bergantung pada karakteristik skala kecepatan pada lapisan permukaan. Skema ini terdapa transpor panas non-lokal sepanjang hari. terdapat pada versi 3. Pada skema ini dilakukan setting: bl_pbl_physic = 0, isfflx = 1, untuk setting surface digunakan sf_sfclay_physics dan sf_surface_physics. Setting pada skema ini menggunakan difusi untuk percampuran vertikal dan diff_opt = 2 km_opt = 2 atau 3 Alternatif untuk running LES PBL adalah dengan memilih: isfflx = 0 atau 2 Keterangan: isfflx adalah fluks panas dan kelembaban dari permukaan, 38



Pengenalan WRF

dengan setting: 1 = dengan efek fluks dari permukaan 0 = tanpa fluks permukaan (tidak digunakan pada sf_surface_sfclay = 2) Bila diff_opt=2, km_opt=2 atau 3 maka isfflx: 0 = fluks konstan ditentukan oleh koefisien drag, tke_heat_flux; 1 = menggunakan perhitungan model untuk u*, dan fluks panas dan kelembaban; 2 = menggunakan perhitungan model u*, dan fluks panas oleh tke_heat_flux

2.5.5

VALIDASI DATA MODEL

Untuk memvalidasi data model biasanya dilakukan beberapa analisis statistik yang intinya untuk melihat keakuratan model terhadap data observasi. Ukuran-ukuran statistik yang biasa digunakan antara lain, korelasi, standar deviasi, variaansi, dan error. i. KORELASI

3

Korelasi merupakan ukuran yang menentukan seberapa baik suatu pola atau kecenderungan dari prediksi sesuai dengan nilai observasinya. Prediksi dikatakan akurat jika memiliki korelasi yang baik. Contohnya, pada gambar time series hidrograf di atas, puncak dan lembahnya menunjukkan trend yang mirip baik di hasil prediksi maupun observasinya, namun nilainya berbeda. Nilai prediksi selalu lebih kecil dari observasi. Dalam hal ini, prediksi dan observasi terkorelasi dengan baik, namun mengandung error yang konsisten. ii. STANDAR DEVIASI DAN VARIANSI Variansi merupakan salah satu ukuran sebaran yang paling sering digunakan dalam berbagai analisis statistika untuk melihat tingkat keragaman suatu set data. Standar deviasi merupakan akar kuadrat positif dari variansi.



Pengenalan WRF

iii. ERROR Dua macam error yang biasa digunakan dalam statistik adalah Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE).

4

Keduanya didasarkan pada perbedaan nilai antara prediksi dan obsrvasi, tanpa memperhatikan apakah perbedaan bernilai positif atau negatif.

5

MAE adalah rata-rata perbedaan absolut antara observasi dan prediksi. RMSE merupakan akar dari pengurangan antara nilai observasi dan prediksi kuadrat yang dirata-ratakan. Untuk dua jenis error ini, nilai nol mengindikasikan kesesuaian yang sempurna antara observasi dan prediksi. RMSE lebih sensitif terhadap perbedaan yang besar antara prediksi dan observasi dari pada MAE. iv. CONTOH ANALISIS STATISTIK



Pengenalan WRF

Grafik

Grafik di samping memperlihatkan beberapa hasil simulasi model (profil yang berwarna-warni) dan hasil observasi (profil hitam). Dari gambar ini dapat terlihat kemiripan/ ketidakmiripan hasil model dengan observasi secara kualitatif.

6

Diagram Taylor

7

Scatter plot

Diagram Taylor merangkum beberapa parameter statistik ke dalam satu gambar. Angka pada busur terluarnya menunjukkan koefisien korelasi, garis horizontal menunjukkan standar deviasi, sedangkan busur hijau menunjukkan error. Jadi dapat dikatakan, semakin ke arah kanan bawah nilainya, semakin baik hasil model. Scatter plot dapat memperlihatkan tingkat ketersebaran data model terhadap data observasi. Dari sini dapat terlihat korelasi dari kedua data juga error-nya.

8

Box Plot

Box plot dibuat jika kondisi data tidak kontinu. Dari gambar ini juga dapat terlihat jangkauan dari set data.

9



2.5.6

Pengenalan WRF

PENGOLAHAN DATA HUJAN Verifikasi data hujan tidak bisa dilakukan dengan melakukan analisis statistik biasa karena datanya yang memiliki keunikan tersendiri dibanding data-data meteorologi lainnya. Untuk memverifikasi data hujan biasanya dilakukan analisis Threat score.

10

Threat score merupakan ukuran kebenaran penempatan dan waktu dari peramalan kejadian tertentu. Kecocokan antara peramalan (F) dan pengamatan (O) disebut sebagai hit (H). Threat score membandingkan ukuran kebenaran daerah peramalan terhadap total area dimana kejadian tersebut diamati. Threat Score sering dihitung dengan menggunakan batas (threshold) yang merupakan batas suatu nilai untuk dikatakan sebagai hit.



DAFTAR PUSTAKA COMET®Module, University Corporation for Atmospheric Research, http://meted.ucar.edu/, 2003 Dudhia, J. and Co-authors, PSU/NCAR Mesoscale Modeling System Tutorial Class Notes and User’s Guide, Mesoscale and Microscale Meteorology Division NCAR, January 2005 Glahn H. R., and D. A. Lowry, The use of model output statistics in objective weather forecasting, J. Appl. Meteor., 11, 1203-1211, 1972 Holton, J.R., An Introduction to Dynamic Meteorology 4th Ed., pp. 534, Elsevier Academic Press, USA, 2004 Kalnay, E., Atmospheric Modeling, Data Assimilation and Predictability, pp. 341, Cambridge University Press, 2003 Lorenz, E. N., Deterministic non-periodic flow, J. Atmos. Sci., 20, 120-141, 1963 National Research Council, Completing the Forecast : Characterizing and Communicating Uncertainty for Better Decisions Using Weather and Climate Forecast, National Academy of Sciences, USA, 2006 Saito, K., and collaborators, The Operational JMA Nonhydrostatic Mesoscale Model, Mon. Wea. Rev., 134, 1266-1298, 2006 Skamarock W.C., Klemp J.B., Dudhia J., Gill D.O., Barker D.M., Wang W., Powers J.G., A Description of the Advanced Research WRF Version, Mesosscale and Microscale Meteorology Division, National Center for Atmospheric Research Colorado USA, 2005 Wang, W., C. Bruyere, M. Duda, J. Dudhia, D. Gill, H. C. Lin, J. Mischalakes, S. Rizvi, dan X. Zhang, 2008 : Weather Research Forecasting – ARW : version 3 Modeling System User’s Guide, Mesoscale & Microscale Meteorology Division, National Center for Atmospheric Research Wilks, D.S., Statistical Methods in the Atmospheric Sciences, Academic Press, Newyork, 1995



BAGIAN II



Instalasi Model WRF

BAB 3 BAB 3 INSTALASI MODEL WRF 3.1

Perangkat Keras

Pada dasarnya WRF dapat dijalankan pada semua jenis komputer berbasis unix. Umumnya terdapat dua jenis komputer terbagi berdasarkan kemampuannya, yaitu: 1. Single PC Single PC merupakan perangkat komputer yang sederhana, dicirikan dengan perangkat motherboard yang hanya berjumlah satu unit. Single PC ini memiliki kemampuan komputasi yang relatif sederhana dan biasanya hanya digunakan untuk untuk menjalankan program-program ringan yang tidak membutuhkan kemampuan komputasi terlalu tinggi. Komputer jenis single PC banyak digunakan di rumah atau perkantoran, biasanya digunakan sebagai perangkat pengolah kata dan angka yang tidak terlalu rumit. Single PC juga sering digunakan untuk keperluan desain dan gaming.

Contoh single PC Sumber gambar: http://gamingbolt.com/wp-content/uploads/2011/09/Pc-thumb.jpg (kiri) dan http://www.cnet.co.uk/i/product_media/40000355/image1/440x330-apple_imac_10_1a.jpg (kanan)

2. PC Cluster PC Cluster/Klaster Komputer merupakan suatu sistem perangkat keras dan lunak yang menggabungkan beberapa komputer untuk dapat bekerja sama dalam memproses dan menyelesaikan suatu masalah atau tugas. Kelompok komputer tersebut dilihat sebagai komputer tunggal oleh aplikas-aplikasi yang berjalan di atasnya. Perbedaan PC cluster dan single PC pada dasarnya terletak pada jumlah motherboard yang digunakannya. Single PC hanya menggunakan sebuah motherboard, sedangkan PC cluster menggunakan lebih dari satu unit motherboard dalam sistemnya. 45 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Instalasi Model WRF

Sumber gambar: http://www.jonshouse.co.uk/photos/cluster2.jpg (kiri) dan http://www710.univ-lyon1.fr/~sbrandel/en/research/VR/cluster.jpg (kanan)

Tujuan dibangunnya komputer klaster antara lain : • High performance computing Dalam hal ini klaster dibangun dengan tujuan meningkatkan kerja komputasi dengan cara membagi tugas ke beberapa node. • Load balancing Bertujuan untuk membagi tugas secara merata sehingga semua operasi dikerjakan secara baik dan sebuah node tidak mempunyai load yang berlebihan. • High availability cluster Sistem ini bertujuan agar sebuah aplikasi atau layanan dapat selalu tersedia tidak terhalangi komponen sistem yang jika gagal beroperasi mengakibatkan layanan tidak tersedia contohnya kerusakan pada server, kerusakan hdd dll. Sebuah komputer kluster harus memiliki komponen sebagai berikut : • Node Merupakan komputer tunggal (slave) yang terhubung dengan Master yang mampu memproses tugas komputasi tanpa node lain. • Sistem operasi Sistem operasi yang digunakan untuk membangun klaster ini yaitu openSUSE. Merupakan sistem operasi berbasi linux. • Cluster middleware Perangkat lunak yang memungkinkan node yang ada saling bekerja sama • Aplikasi yang mendukung pemindahan tugas Software yang digunakan pada klaster ini yaitu MPICH2 Berikut ini tabel perbandingan kinerja komputer dalam menjalankan model WRF. Dilakukan prediksi dua hari dengan dua domain dan satu kali nesting.

Prosesor Memory Waktu running

Spesifikasi

Single PC Intel core2quad 4GB 8 jam 10 menit

PC cluster(6 node) Intel core2quad 4GB 1 jam 20 menit 46



3.2

Instalasi Model WRF

Sistem Operasi Linux

Sistem operasi adalah program yang bertindak sebagai perantara antara user dengan perangkat keras komputer. Sistem operasi membuat sistem komputer nyaman digunakan. Sistem operasi mempunyai tujuan untuk menggunakan perangkat keras komputer secara efisien. Secara umum komponen sistem komputer terdiri dari : 1. Perangkat Keras,, merupakan sumber daya utama untuk proses komputasi. Perangkat keras komputer terdiri dari : CPU, memory dan perangkat input output. 2. Sistem Operasi,, mempunyai tugas untuk melakukan kontrol dan koordinasi penggunaan perangkat keras pada berbagai program aplikasi untuk pengguna yang berbeda. 3. Program Aplikasi,, menentukan menentukan cara sumber daya sistem digunakan untuk menyelesaikan permasalahan komputasi dari pengguna, contohnya compiler,, sistem basis data, video games, program bisnis dan lain-lain. lain 4. Pengguna, yang menggunakan sistem, terdiri dari orang, mesin atau komputer lain. Hubungan antara komponen-komponen komponen komponen sistem komputer diatas dapat dilihat pada Gambar 1.1.

Pengguna Program Aplikasi Sitem Operasi Perangkat Keras Sistem operasi menyediakan suatu pustaka dari fungsi-fungsi fungsi fungsi standar, dimana aplikasi lain dapat memanggil fungsi-fungsi fungsi itu, sehingga dalam setiap pembuatan program baru, tidak perlu membuat fungsi-fungsi fungsi tersebut dari awal. Secara umum sistem operasi terdiri dari dua bagian: 1. Kernel, yaitu inti dari sebuah sistem operasi. 2. Command Interpreter atau shell,, yang bertugas membaca input dari pengguna.

Kernel

Command Interpreter/ Shell



Instalasi Model WRF

Anda tentu sudah tidak asing dengan sistem operasi Windows, sistem operasi yang dibuat oleh perusahaan korporasi Microsoft ini banyak diminati karena memiliki GUI (Graphical User Interface) yang membuatnya menarik dan mudah digunakan. Sistem operasi ini digunakan pada 91% komputer desktop di dunia. Dengan kata lain sistem operasi ini harus mampu melakukan pekerjaan dengan baik untuk mejadi populer. Pada kenyataannya, sistem operasi ini bukan tanpa masalah inilah yang membuatnya tidak aman. Hampir setiap hari celah keamanan baru ditemukan. Hal ini mengarah pada pembuatan “worms”. Worms adalah program kecil yang mengeksploitasi celah keamanan pada windows kemudian merusak sistemnya seperti crash atau mematikannya tanpa anda minta. Worms melompat dari satu komputer ke komputer lainnya yang kemudian berkembang menjadi virus. Banyak yang berpendapat virus muncul karena kepopuleran windows dipasaran, namun pada dasarnya program virus sangat sederhana mereka hanya mengambil keuntungan dari celah keamanan windows. Apakah tidak ada sistem operasi yang aman? Ada, dan jarang orang menggunakannya. Sistem operasi ini bernama Linux. Kita akan membahasnya di bab selanjutnya. Linux diciptakan oleh Linus Torvalds, pria Finlandia yang saat itu belajar di Helsinki dan membeli sebuah desktop PC. Ia membutuhkan operasi sistem untuk komputer barunya, namun pilihannya sangat terbatas. Saat itu terdapat beberapa versi DOS dan sesuatu bernama Minix, yang kemudian Linus putuskan untuk menggunakannya. Minix adalah klon dari Unix, sebuah sistem operasi yang saat itu populer digunakan pada komputer besar untuk bisnis dan universitas, termasuk di universitas Linus. Unix diciptakan pada awal tahun 1970 dan telah berkembang sejak saat itu untuk menjadi apa yang banyak orang anggap sebagai ujung tombak komputasi. Minix diciptakan oleh Andrew Tanenbaum, seorang profesor ahli komputasi, untuk menunjukkan prinsip-prinsip dasar desain sistem operasi untuk murid-muridnya. Karena Minix juga sarana belajar, orang bisa melihat source code (kode sumber) dari program-daftar asli yang Tanenbaum buat untuk menciptakan perangkat lunak. Tapi Torvalds memiliki sejumlah masalah dengan Minix. Pada saat itu, Minix tidak gratis (meskipun di banyak universitas, siswa dapat memperoleh salinan gratis dari profesor yang membayar biaya lisensi kelompok). Masalah hak cipta mengakibatkan penggunaan Minix di seluruh dunia menjadi lebih sulit, dan ini, bersama dengan beberapa masalah teknis, Linus terinspirasi untuk membuat versi sendiri dari Unix, seperti yang telah Tanenbaum lakukan dengan Minix. Linus berhasil memproduksi versi 0,01 dari Linux dalam setengah tahun. Linus ingin ciptaannya dibagi di antara semua orang yang ingin

menggunakannya. Dia mendorong orang untuk menyalinnya dan memberikannya kepada teman-teman. Dia tidak kenakan biaya untuk itu, dan ia juga membuat kode sumber tersedia secara bebas. Idenya adalah bahwa orang bisa mengambil kode dan memperbaikinya. 48 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Instalasi Model WRF

Seperti yang telah dijelaskan di bab sebelumnya, sistem operasi Linux memiliki keunggulan dari sistem operasi lainnya. Keunggulan sistem operasi Linux diantaranya. 1. Crash-Free Manfaat utama dari Linux adalah bahwa Linux tidak crash. Dalam tahun-tahun penggunaan Linux, Anda tidak akan pernah mengalami kursor mouse anda “freeze” di layar. Sebuah kotak kesalahan aneh tidak akan muncul dan tidak pergi sampai anda reboot. Ini memungkinkan untuk meninggalkan sistem Linux berjalan selama bertahuntahun tanpa pernah perlu untuk reboot. Tentu saja, program yang berjalan di atas Linux terkadang crash, tetapi mereka tidak mempengaruhi program yang berjalan di bawahnya, seperti yang bisa terjadi di bawah Windows. Bahkan, anda dapat membersihkan setelah terjadi crash dan melanjutkan apa yang sedang anda kerjakan. 2. Keamanan Manfaat berikutnya adalah bahwa Linux jauh lebih aman daripada Windows. Linux didasarkan pada pembuktian penelitian ilmu komputer bertahun-tahun. Ia bekerja pada prinsip pengguna yang memiliki izin untuk melakukan berbagai tugas pada sistem. Jika anda tidak memiliki izin yang benar, maka anda tidak dapat, misalnya, mengakses bagian tertentu dari perangkat keras. Selain itu, privasi dapat dipastikan karena file-file pada PC "dimiliki" oleh pengguna individu, yang dapat mengizinkan atau menolak orang lain akses ke file tersebut. 3. Gratis dan terbuka Manfaat besar lainnya bahwa Linux dapat diperoleh secara gratis. Sekali anda instal, update terbaru untuk semua program anda tidak dikenakan biaya. Tidak hanya itu, jika anda menginginkan software baru anda tidak perlu membelinya (biasanya hanya perlu men-download saja). 4. Kompatibel dengan hardware lama

Manfaat lain dari Linux adalah bahwa ia bekerja dengan baik pada hardware lama Versi terbaru dari Windows XP membutuhkan hardware bertenaga tinggi, upgrade sistem operasi biasanya berarti membeli PC baru, bahkan jika komputer lama anda masih bekerja dengan baik. Linux mendorong sikap daur ulang dan memaksimalkan yang anda miliki, daripada terus-menerus upgrade dan membeli perangkat keras baru. 5. Komunitas Linux Jadi kita telah sepakat bahwa Linux kuat, aman, dan fleksibel. Linux lebih dari sebuah sistem operasi komputer. Ini adalah seluruh komunitas pengguna yang tersebar di seluruh 49 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Instalasi Model WRF

dunia. Ketika anda mulai untuk menggunakan Linux, anda menjadi bagian dari komunitas ini. Salah satu manfaat keanggotaan adalah bahwa anda tidak akan kesulitan menemukan solusi untuk masalah anda. Masyarakat suka berkumpul online di seluruh forum dan newsgroup, yang anda dapat bergabung dalam rangka untuk mencari bantuan. Penempatan Anda di jajaran masyarakat adalah "newbie." Ini adalah cara yang populer untuk menggambarkan seseorang yang baru mengenal Linux. Meskipun ini terdengar merendahkan, itu benar-benar akan membantu ketika Anda berbicara dengan orang lain. Status anda sebagai pemula akan mendorong orang untuk mengambil waktu untuk membantu Anda. Karena pada dasarnya mereka pernah menjadi pemula!

3.3.

Linux Open SUSE

SUSE Linux adalah salah satu distro Linux tertua yang pernah ada, dan itu adalah versi pertama yang keluar tak lama setelah Linus Torvalds menyelesaikan versi awal dari kernel Linux. SUSE awalnya sebuah perusahaan Jerman, namun saat ini dimiliki oleh Novell. Selain itu, SUSE adalah mitra distribusi banyak produsen komputer besar, seperti Sun Microsystems dan IBM. SUSE adalah akronim untuk Software und System-Entwicklung, yang diterjemahkan sebagai perangkat lunak dan pengembangan sistem. Hal ini mengacu pada masa lalu, ketika perusahaan SUSE juga konsultan untuk Unix.Seperti banyak distro Linux, SUSE Linux dibentuk reputasinya sebagai operasi sistem untuk server. YaST dan SaX alat konfigurasi yang dibuat untuk mengkonfigurasi dan memperbarui sistem, memudahkan mereka yang baru menggunakan Linux dan Unix. Tahun-tahun terakhir perusahaan membuat dorongan kuat untuk pasar desktop, dengan hasil bahwa SUSE Linux dianggap salah satu distro terbaik desktop Linux yang tersedia, lagi-lagi berkat perangkat lunak konfigurasi YaST nya. Para pengembang SUSE Linux telah menginvestasikan waktu tidak hanya di memoles antarmuka untuk pengguna, tetapi juga dalam meningkatkan kompatibilitas hardware, sejauh bahwa SUSE Linux adalah dianggap mutakhir dalam hal banyaknya item hardware yang didukung. SUSE Linux tetap sangat mudah digunakan, bahkan bagi mereka yang baru untuk komputasi. Ini tentu sebuah distro yang ideal untuk pengguna Windows yang mencari cara ke Linux. Belajar bagaimana menggunakan SUSE Linux memiliki keuntungan ditambahkan dalam ruang kerja perusahaan. Novell telah merilis distribusi Linux sendiri, yang sebagian besar didasarkan pada teknologi SUSE Linux.Selain itu, Sun Microsystems menawarkan produk Java Desktop, yang lagi berbasis pada SUSE Linux. Bahkan, ada beberapa versi SUSE Linux. Yang disertakan dengan buku ini adalah edisi khusus dari openSUSE. Ini hampir identik dengan rilis dari SUSE Linux yang dijual dalam kotak, kecuali bahwa hal ini didukung oleh komunitas openSUSE, bukan oleh organisasi Novell SUSE.



Instalasi Model WRF

3.3.1 Instalasi Linux Sebelum proses instalasi dimulai, persiapkan komputer yang akan diinstal pastikan semua hardware berjalan dengan baik kemudian atur BIOS agar melakukan proses boot dari CD/DVD room. Versi yang digunakan yaitu openSUSE 11.4 merupakan versi terbaru saat ini. 1. BOOT Masukan DVD openSUSE 11.4 pada DVD room, lakukan restart komputer kemudian akan muncul tampilan booting openSUSE lalu pilih Installation.



Instalasi Model WRF

2. INSTALASI Langkah 1: Welcome screen Dibagian atas anda dapat mengatur bahasa dan layout keyboard yang akan digunakan pada sistem operasi. Pilih “English (US)” untuk bahasa dan layout keyboard. Kolom di bawah merupakan end user license agreement, bila anda setuju pilih “Next” untuk melanjutkan ke langkah berikutnya.



Instalasi Model WRF

Langkah 2: Pengaturan waktu Disini anda diminta untuk menentukan zona waktu yang ditampilkan dalam peta dunia. Anda dapat memilih zona waktu dengan mengklik Negara anda pada peta atau memilih pada drop down menu yang tersedia. Abaikan check box UTC. Perhatikan apakah tanggal dan jam pada sistem telah sesuai dengan tanggal dan waktu yang sebenarnya, bila belum anda dapat mengaturnya dengan mengklik tombol “Change”. Pilih “Next” untuk melanjutkan.



Instalasi Model WRF

Langkah 3: Pengaturan hard disk Sistem menampilkan pengaturan partisi yang disarankan secara automatis oleh sistem, bila anda telah memiliki sistem operasi lain yang telah terinstal maka YaST secara automatis akan mengkalkulasi hard disk yang tersedia agar anda dapat menginstal openSUSE tanpa mengganggu sistem operasi yang telah ada. Bila anda tidak setuju dengan pengaturan yang ditentukan oleh sistem anda dapat membuat pengaturan partisi sendiri dengan memilih “Create partition system”.

Pilih “Custom partitioning” , pada display ditampilkan hard disk beserta tipenya yang terinstal komputer anda. Pilih partisi hard disk yang masih kosong dengan tipe NTFS, partisi ini merupakan partisi yang dibuat oleh windows namun linux tidak mengenal tipe NTFS oleh karena itu anda harus memformat ulang partisi ini dengan cara menghapusnya. Pilih “delete”untuk menghapus partisi yang telah dibuat windows, kemudian pilih physical volume hard disk yang akan anda partisi kemudian pada tabel add partition pilih “Primary partition”. Tentukan besar partisi yang akan anda buat, terlebih dahulu anda harus membuat partisi untuk swap alokasikan sebesar 2G saja. Untuk partisi utama gunakan semua sisa hard disk yang tersedia, pilih “Ext4” pada Format option dan isikan “/” pada Mount point.



Instalasi Model WRF



Instalasi Model WRF

Langkah 4: Pembuatan user Isikan informasi anda pada tabel yang telah tersedia, isi field user dengan “wrf”. field password dapat anda isi sendiri. Kosongkan semua check box. Pilih “Next” untuk melanjutkan.

Karena anda memilih untuk tidak menggunakan password user biasa untuk administrator, sistem akan meminta anda mengisi password untuk user Root.



Instalasi Model WRF



Instalasi Model WRF

Langkah 5: Simpulan instalasi YaST menampilkan ringkasan proses instalasi yang dilakukan pada komputer anda, periksa kembali apakah sudah sesuai dengan yang anda inginkan. Jika anda ingin menggantinya klik pada judul tahap yang ingin anda ganti. Pastikan fitur ssh dan firewall diaktifkan.



Instalasi Model WRF

Langkah 6: Instalasi YaST sedang menginstal openSUSE pada komputer anda, setelah selesai anda akan diminta untuk restart komputer, restart komputer anda lalu keluarkan DVD instalasi openSUSE.



Instalasi Model WRF

Langkah 7: Finishing installation Setelah selesai restart, pada awal boot YaST secara otomatis mengatur hardware sistem dan network .

Langkah 8: Aktivasi console dan konfigurasi jaringan Login dengan username dan password anda. Di awal menggunakan SUSE anda tidak diberikan media untuk dapat memberikan perintah, atifkan console terlebih dahulu dengan klik kiri pada layar anda kemudia pilih Xterm. Setelah muncul tampilan console lakukan langkah berikut. Aktivasi console • su (untuk login sebagai user root) • masukan password anda • yast (akan muncul window seperti di bawah ini)



Instalasi Model WRF

• • • • •

System /etc/sysconfig Editor Desktop (spasi untuk memunculkan folder didalamnya) Display manager pilih displaymanager teratas Alt-e untuk memindahkan kursor menuju field Setting Pilih console lalu alt-f kemudian alt-o Konfigurasi jaringan • Network Devices Network Settings • Edit overview • Pilih statically IP, masukan IP, subnet mask dan hostname yang telah ditentukan • Next, pilih yes jika muncul box warning lalu pilih external zone pada field firewall zone. • Edit hostname • Isikan hostname yang telah ditentukan, isi domain name dengan meteo.itb.ac.id • Isikan name server seperti yang telah ditentukan • Edit routing • Isikan default gateway seperti yang telah ditentukan, pilih device eth0 • Ok • Reboot untuk merubah display Sistem operasi openSUSE anda siap digunakan.

3.3.2

Perintah-perintah Dasar Dalam Linux

Linux sederhana tidak memuliki GUI seperti windows, anda dapat pergi kemana pun dan melakukan perintah apa saja hanya dengan menggunakan mouse. Saat anda menggunakan Linux anda akan melupakan mouse, karena Linux mengenal perintah anda hanya melalui keyboard. 61 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Instalasi Model WRF

Sebelum dapat memberikan perintah kepada kernel, anda terlebih dahulu harus terhubung dengan server melalui console. Dengan menggunakan console, server Linux mengenali anda sebagai user/pengguna dan anda akan diberikan shell/command interpreter untuk dapat memberikan perintah. Dibawah ini merupakan beberapa perintah dasar shell yang akan sering anda gunakan beserta kegunaannya.

Perintah dasar dalam Linux Perintah

Keterangan

any_command --help

Menampilkan keterangan bantu tentang pemakaian perintah. "--help" sama dengan perintah pada DOS "/h".

ls

Melihat isi file dari direktori aktif. Pada linux perintah dir hanya berupa alias dari perintah ls. Untuk perintah ls sendiri sering dibuatkan alias ls --color, agar pada waktu di ls ditampilkan warna-warna sesuai dengan file-filenya, biasanya hijau untuk execute, dsb.

cd directory

Change directory. Menggunakan cd tanpa nama direktori akan menghantarkan anda ke home direktori. Dan cd .. akan menghantarkan anda ke direktori sebelumnya.

cp source destination mv source destination ln -s source destination rm files mkdir directory rmdir directory tar -zxvf filename.tar.gz

Meng-copy suatu file Memindahkan atau mengganti nama file Membuat simbolic links Menghapus file Membuat direktori baru Menghapus direktori yang telah kosong, tambahkan opsi -R untuk menghapus direktori yang tidak kosong Meng-untar sebuah file tar sekaligus meng-uncompress file tersebut (*.tar.gz atau *.tgz), untuk meletakkannya direktori yg diinginkan tambahkan opsi -C direktori, contoh tar -zxvf

./program_name ps ax

top echo $PATH

clear pwd shutdown -h now

filename.tar.gz -C /opt (meletakkan file tersebut di direktori /opt Menjalankan program pada direktori aktif Melihat seluruh proses yang dijalankan, walaupun tanpa terminal control, juga ditampilkan nama dari user untuk setiap proses. Melihat proses yang berjalan, dengan urutan penggunaan cpu. Melihat isi dari variabel PATH. Perintah ini dapat digunakan untuk menampilkan variabel environmen lain dengan baik. Gunakan set untuk melihat environmen secara penuh. Membersihkan layar. Melihat direktori kerja saat ini (sebagai root) Shut down sistem.



3.5

Instalasi Model WRF

Software Pendukung WRF

Suatu program pasti memerlukan software-software pendukung ataupun environment untuk dapat berjalan. Keperluan-keperluan program tersebut biasanya dinyatakan di dalam dokumen yang disertakan bersama source code program tersebut, atau dinyatakan di website tempat program tersebut dipublikasikan. WRF tentunya juga merupakan model yang kompleks. Dan juga membutuhkan program-program pendukung untuk dapat berjalan. Salah satunya adalah library dari NetCDF, sementara untuk meng-kompile NetCDF sendiri kita membutuhkan banyak library dari program lain. Dalam Bab ini akan dipaparkan secara teknis bagaimana menginstall WRF, dari mulai menginstall keperluannya sampai ke penginstallan WRF nya sendiri.

3.5.1 Install keperluan melalui YaST RPM Di beberapa distro Linux terdapat fasilitas untuk memudahkan menginstall software yang disebut dengan RPM. OpenSUSE yang sekarang digunakan juga mempunyai RPM yang dapat digunakan dengan mudah melalui YaST => Software => Sofware Management. Configurasi Repositori Untuk dapat menginstall suatu program tentunya YaST RPM memerlukan Repositori, yaitu tempat dia mengambil atau mengunduh source program. Untuk mengkonfigurasinya buka melalui YaST => Software => Software Repositories. Lalu lakukan seperti gambar berikut :

Dalam pelatihan ini komputer tidak terkoneksi dengan internet. Maka hilangkan centang Enabled pada Repositori yang bersifat online. Dan tinggalkan centang Enabled pada Repositori yang berasal dari CD (pastikan DVD openSuSE anda terpasang bila ingin menggunakan Repositori ini) . 63 Weather and Climate Prediction Laboratory Meteorologi ITB 2011


Instalasi Model WRF

Namun apabila anda ingin mendapatkan software terbaru cara termudah adalah menyalakan Repositori online. Install melalui RPM Buka YaST => Software => Sofware Management. Lalu akan muncul gambar seperti dibawah ini.

Lalu pilih program berikut (gunakan spasi untuk memilih) : • Cmake • GCC (semua) • Glibc • Bison + bison32 • Flex + flex32 • Jasper + devel • Libjpeg • giflib + giflib-devel + giflib-32bit + giflib-devel-32bit • libpng14-14 • zlib • perl + perl-32bit • texinfo • texlive + texlive-bin-devel + texlive-bin-latex + texlive-bin-tools + texlive-context + texlivedevel • mc • findutils-locate • vsftpd + yast-ftp-server • libg2c



Instalasi Model WRF

Lalu OK. Setelah itu akan keluar konfirmasi untuk instalasi dependencies. Setelah OK maka instalasi dimulai.

Setelah selesai silahkan lanjutkan instalasi libg2c dengan cara : •

ln –sf /usr/lib64/libg2c.so.0 /usr/lib64/libg2c.so

3.5.2 Install PGI Setelah ini kita akan menginstall compiler yang dibutuhkan untuk mengkompile baik program pendukung WRF ataupun WRF itu sendiri. Dalam pelatihan ini Compiler yang kita gunakan adalah PGI compiler buatan The Portland Group, Inc. Alasan digunakannya kompiler ini adalah PGI sangat baik untuk perhitungan matematika kompleks. • • •

cd ~/src/ compiler/V11.7/Setup mkdir /usr/local/pgi

./install Single system install Installation directory : /usr/local/pgi Install the ACML : n Install CUDA Toolkit Components : n Install JAVA JRE 6.0_21 : yes Do you wish to install MPICH1 : n



Instalasi Model WRF

Setelah menginstall PGI, selanjut nya peng-compile-an program-program setelah ini akan menggunakan PGI sebagai compiler. Pastikan bashrc anda telah benar dan PGI sudah dapat digunakan. Contoh bashrc dapat diperoleh dari repository yang telah diberikan.

3.5.3 Install SZIP SZIP adalah program kompresi yang dikembangkan oleh HDF Group yang memberikan kompresi lossless kepada data ilmiah. • • • • • •

cd ~/src/compression tar -xvzf szip-2.1.tar.gz cd szip-2.1/ ./configure --prefix=/usr/local/szip make > log 2>&1 make check



•

Instalasi Model WRF

make install

3.5.4 Install Udunits1 Udunits adalah program buatan Unidata yang mendukung konversi dari spesifikasi unit antara data berformat ascii dan data berformat biner. • • • • • •

cd ~/src/file_format/Udunits/ tar -xvzf udunits-1.12.11.tar.gz cd udunits-1.12.11/src/ ./configure --prefix=/usr/local/udunits1 make > log 2>&1 make install

3.5.5 Install Udunits2 Sama seperti Udunits1. Udunits2 adalah versi yang lebih baru dari Udunits. Untuk perubahannya dapat dilihat di web pengembangnya dan tidak akan di jelaskan lebih lanjut di modul ini. • • • • • •

cd ~/src/file_format/Udunits/ tar -xvzf udunits-2.1.24.tar.gz cd udunits-2.1.24/ ./configure --prefix=/usr/local/udunits2 make > log 2>&1 make install



Instalasi Model WRF

3.5.6 HDF4 HDF atau kepanjangan dari Hierarchical Data Format, adalah nama dari satu set format file dan libraries yang dirancang untuk menyimpan dan mengatur sejumlah data numeric yang besar. Awalnya dikembangkan oleh National Center for Supercomputing Applications, saat ini didukung oleh non-profit HDF Group yang misinya adalah untuk memastikan pengembangan lanjutan dari teknologi HDF 5, dan aksesibilitas lanjutan data saat ini disimpan dalam HDF. • • • •

cd ~/src/file_format/HDF

• •

make > log 2>&1

•

make install

tar -xvzf hdf-4.2.6.tar.gz cd hdf-4.2.6 ./configure --prefix=/usr/local/hdf4 includedir=/usr/local/hdf4/include/hdf --with-szlib=/usr/local/szip disable-netcdf

---

make check

3.5.7 HDF5 HDF 5, hampir sama dengan penjelasan HDF 4 di atas, yaitu pengembangan lanjutan dari HDF dengan versi 5. Versi HDF 5 dirancang untuk mengatasi keterbatasan dari HDF 4. • • • •

cd ~/src/file_format/HDF tar -xvzf hdf5-1.8.7.tar.gz cd hdf5-1.8.7/ vi ~/.bashrc



• • • • •

Instalasi Model WRF

source ~/.bashrc ./configure --prefix=/usr/local/hdf5 --with-szlib=/usr/local/szip make > log 2>&1 make check make install

Setelah itu kembalikan bashrc seperti semula. Kembalikan bashrc seperti semula.

3.5.8 GRIB GRIB (GRIdded Binary) adalah format ringkasan data matematis yang umum digunakan dalam meteorology untuk meyimpan historis dan data prakiraan cuaca. Format ini merupakann format standard dari World Meteorological Organization's Commission for Basic Systems, dikenal dengan nomor GRIB FM 92-IX, yang dijelaskan dalam WMO Manual pada kode No. 306. Saat ini ada tiga versi GRIB. Versi 0 digunakan untuk sebagian dibatasi oleh proyek-proyek seperti TOGA, dan tidak lagi dalam penggunaan operasional. Edisi pertama (saat ini sub-versi 2) digunakan operasional di seluruh dunia oleh pusat meteorologi, untuk output Numerical Weather Prediction (NWP). Sebuah generasi baru telah diperkenalkan, dikenal sebagai edisi GRIB kedua, dan data secara perlahan berubah ke format ini. Beberapa GRIB generasi kedua digunakan untuk produk yang berasal didistribusikan di Eumetcast dari Generasi Kedua Meteosat. Contoh lain adalah NAM (North American Mesoscale) model. GRIB menggantikan Aeronautical Data Format (ADF). Install g2lib dengan cara : • •

cd ~/src/file_format/GRIB/ tar –xvf g2lib-1.2.2.tar


Diktat Pelatihan WRF (Weather Research and Forcasting) • •

cd g2lib-1.2.2/

• • • • • • •

make

Instalasi Model WRF

vi makefile Edit sesuai dengan configurasi berikut : baris 19 > INCDIR=-I/usr/include -I/usr/include/jasper -I/usr/include/libpng12 baris 78,80 > DEFS=-DLINUXF90 > FC=pgf90 > CC=gcc baris 88 > #CFLAGS=-O3 $(DEFS) $(INCDIR) baris 93 > CFLAGS=-O3 $(DEFS) $(INCDIR) -D__64BIT__

cp libg2.a /usr/local/lib/ ln –sf /usr/local/lib/libg2.a /usr/local/lib64/libg2.a ln –sf /usr/local/lib/libg2.a /usr/lib64/libg2.a ln –sf /usr/local/lib/libg2.a /usr/lib/libg2.a ln –sf /usr/local/lib/libg2.a /lib64/libg2.a ln –sf /usr/local/lib/libg2.a /lib/libg2.a

Install g2clib dengan cara : • • • •

cd ~/src/file_format/GRIB/

• • • • • • • •

make

tar –xvf g2clib-1.2.2.tar cd g2clib-1.2.2/

vi makefile baris 20 > INC=-I/usr/include -I/usr/include/jasper -I/usr/include/libpng12 baris 30 > CC=gcc

cp grib2.h /usr/local/include/ cp libgrib2c.a /usr/local/lib/ ln –sf /usr/local/lib/libgrib2c.a /usr/local/lib64/libgrib2c.a ln –sf /usr/local/lib/libgrib2c.a /usr/lib64/libgrib2c.a ln –sf /usr/local/lib/libgrib2c.a /usr/lib/libgrib2c.a ln –sf /usr/local/lib/libgrib2c.a /lib64/libgrib2c.a ln –sf /usr/local/lib/libgrib2c.a /lib/libgrib2c.a

Install w3lib dengan cara : • • • •

cd ~/src/file_format/GRIB/ tar –xvf w3lib-2.0.tar cd w3lib-2.0/ vi Makefile


Diktat Pelatihan WRF (Weather Research and Forcasting) baris 21-25 > F77 = > FFLAGS = > CFLAGS = > CC = > ARFLAGS = baris 35-39 > #F77 = > #FFLAGS = > #CFLAGS = > #CC = > #ARFLAGS =

• • • • • • •

Instalasi Model WRF

pgf90 -g -O -O -DLINUXF90 gcc

g95 -g -O -O -DLINUX cc

make cp libw3.a /usr/local/lib/ ln –sf /usr/local/lib/libw3.a /usr/local/lib64/libw3.a ln –sf /usr/local/lib/libw3.a /usr/lib64/libw3.a ln –sf /usr/local/lib/libw3.a /usr/lib/libw3.a ln –sf /usr/local/lib/libw3.a /lib64/libw3.a ln –sf /usr/local/lib/libw3.a /lib/libw3.a

3.5.9 NetCDF NetCDF (Network Common Data Form) adalah suatu set software libraries dan self-describing, mesin independen format data yang mendukung pembuatan, akses dan berbagai array berorientasi data ilmiah. Format ini dibuat oleh program Unidata di University Corporation for Atmospheric Research (UCAR), dan juga sebabagi sumber utama, standard pengembangan dan update software netCDF. • • • •

cd ~/src/file_format/NetCDF/

• •

make > log 2>&1

tar –xvzf netcdf-4.1.3.tar.gz cd netcdf-4.1.3/ ./configure --prefix=/usr/local/netcdf enable-hdf4 --disable-netcdf-4

--disable-dap

--with-udunits

--

make check



•

Instalasi Model WRF

make install

3.5.10 GrADS GrADS (Grid Analysis and Display System) adalah alat desktop interaktif yang digunakan untuk akses mudah, manipulasi dan visualisasi data ilmu kebumian. Format data dapat berupa biner, GRIB, netCDF, atau HDF-SDS (Scientific data Set). GrADS menggunakan lingkungan 4-Dimensional Data : bujur, lintang, tingkat vertical, dan waktu. • •

cd ~/src/graphic_tools/GrADS cp grads /usr/local/

3.5.11 NCL_NCARG NCL_NCARG adalah suatu software yang dibuat oleg NCAR (National Center for Atmospheric Research) dengan perintah bahasa disebut NCAR Command Language (NCL). NCARG adalah NCAR Graphics yaitu software dengan bahasa NCL yang digunakan untuk membantu ilmuan dalam memvisualisasikan data, salah satunya adalah data output model WRF. • • • • • • •

cd ~/src/graphic_tools tar –xvzf ncl_ncarg-6.0.0.tar.gz unzip triangle.zip cd ncl_ncarg-6.0.0 export NCARG=`pwd` cd $NCARG/config make -f Makefile.ini


Diktat Pelatihan WRF (Weather Research and Forcasting) •

Instalasi Model WRF

vi LINUX

baris 15 > #define HdfDefines

-DLINUX64

baris 22-25 > #define FCompiler pgf90 > #define CtoFLibraries -lgcc -lm -L/usr/local/pgi/linux86-64/11.7/lib lpgf90 -lpgf90_rpm1 -lpgf90_rpm1_p -lpgf90rtl -lpgf902 -lpgftnrtl -lpghpf lpghpf2 -lpghpf_rpm1 -lC -lpgc -lpgmp -lnspgc -lstd -lrt -lc -lgcc -lm > #define CcOptions -fPIC > #define FcOptions -tp nehalem-64 -O -Msignextend -Mreentrant -fPIC D_FILE_OFFSET_BITS=64 -D_LARGEFILE_SOURCE baris 28,29 > /*#define XLibrary -lX11 -lXext*/ > #define ExtraExportFlags -Wl,--export-dynamic baris 31,32 > #define ArchRecLibSearch -L/usr/lib64 -L/usr/local/szip/lib L/usr/local/udunits2/lib -L/usr/local/hdf4/lib -L/usr/local/hdf5/lib L/usr/local/netcdf/lib > #define ArchRecIncSearch -I/usr/include/X11 -I/usr/local/szip/include I/usr/local/udunits2/include -I/usr/local/hdf4/include I/usr/local/hdf5/include -I/usr/local/netcdf/include

• • • • • •

./ymake -config `pwd`

• •

make everything >& make-output &

-

cd $NCARG mkdir /usr/local/ncarg chmod 777 /usr/local/ncarg cp ../triangle.* ni/src/lib/hlu/

./Configure –v Build NCL : y Parent installation directory : /usr/local/ncarg System temp space directory : /tmp Build cairo support (optional) into GKS library : n Build HDF4 support (optional) into NCL : y Also build HDF4 support (optional) into raster library : y Did you build HDF4 with szip support : y Build Triangle support (optional) into NCL : y If you are using NetCDF V4.x, did you enable NetCDF-4 support : n Did you build NetCDF with OPeNDAP support : n Build GDAL support (optional) into NCL : n Build Udunits-2 support (optional) into NCL : y Build Vis5d+ support (optional) into NCL : n Build HDF-EOS2 support (optional) into NCL : n Build HDF5 support (optional) into NCL : n Build HDF-EOS5 support (optional) into NCL : n Build GRIB2 support (optional) into NCL : y Enter local library search path(s) : (default) Enter local include search path(s) : (default) Save current configuration : y

chmod 755 /usr/local/ncarg



Instalasi Model WRF

3.5.12 MPICH2 MPICH adalah implementasi MPI portable, suatu pesan standard yang melewati memori aplikasi yang terdistribusi yang digunakan dalam komputasi parallel. MPICH adalah perangkat lunak yang bebas (free software) yang sebagian besar tersedia dari Unix (meliputi Linux dan Mac OS X) dan Microsoft Windows. • • • • • • •

cd ~/src/mpi

•

chmod 600 ~/.mpd.conf

tar –xvzf tar -xvzf mpich2-1.4.1p1.tar.gz export F90=”” ./configure --prefix=/usr/local/mpich2-1.4 make > log 2>&1 make install

vi ~/.mpd.conf MPD_SECRETWORD=pelatihanWRF128

3.6 3.6.1

Instalasi WRF

Source Code

Souce Code dari WRF dapat didapatkan secara gratis di website resminya (http://www.mmm.ucar.edu/wrf/users/), tetapi anda dianjurkan untuk mendaftar terlebih dahulu sebelum mengunduh. Karena itu akan sangat berguna untuk pengembangan model WRF kedepannya. Setelah mendaftar anda dapat mengunduh source code WRF di http://www.mmm.ucar.edu/wrf/src/.

http://www.mmm.ucar.edu/wrf/users/



Instalasi Model WRF

WRF yang kita pakai sekarang akan mempunyai dan memerlukan 4 folder utama. Yaitu folder WRFV3 sendiri, lalu folder WPS, folder ARWpost, dan folder Data. Folder WRFV3 adalah tempat dimana model utama WRF tersimpan. Sementara pre-processing dari data input WRF akan dilakukan di folder WPS. Sementara ARWpost adalah tempat post-processing dari data output WRF. Dari folder-folder tersebut hanya folder Data yang harus anda buat sendiri. Sudah tersedia folder Data di dalam folder src yang diberikan, disertai dengan data GFS yang diperlukan untuk modul ini. Silahkan pindahkan folder Data tersebut ke direktori tempat anda akan menginstall WRF. Selanjutnya ikuti langkah berikut : 1. Ambil ARWpost_V3.tar.gz, WRFV3.3.1.TAR.gz, WPSV3.3.1.TAR.gz, geog_v3.3.tar.gz, dan dari folder src. 2. Ekstrak file-file yang tadi dengan menggunakan perintah tar –xvzf . 3. Lalu masuk ke folder geog dan ekstrak GWD_geog.tar.gz dengan perintah tar –xvzf ../GWD_geog.tar.gz

3.6.2

Langkah-langkah Compile Model WRF • 1. 2. 3. 4. 5.

Langkah Mengompile Program WRF: Masuk ke direktori WRFV3 lalu jalankan program configure Pilih 4 pada pilihan platform. Pilih deffault pada saat ditanya apakah akan menggunakan nesting atau tidak. Lalu compile WRF dengan menggunakan perintah ./compile em_real. Bila di folder run sudah ada wrf.exe dan real.exe berarti WRF sudah berhasil di compile.

• Langkah Mengompile Program WPS: 1. Masuk ke direktori WPS yang sudah anda ekstrak sebelumnya. 2. Jalankan program configure lalu pilih pilihan 10 (PC Linux x86_64 (IA64 and Opteron), PGI compiler 5.2 or higher, serial) pada saat ditanya platform yang akan digunakan. 3. Edit configure.WPS nya dan lakukan perubahan ini. a. Line 23: -L/usr/X11R6/lib64 -lX11

b. Line 64: FFLAGS = -Mfree -byteswapio -O -mcmodel=medium F77FLAGS = -Mfixed -byteswapio -O -mcmodel=medium LDFLAGS = -mcmodel=medium CC = gcc SCC = gcc CFLAGS = -O -fPIC NCARG_LIBS2 = -L${PGI}/linux86-64/11.7/lib -lpgftnrtl -lpgc \ 4.

Compile WPS dengan menggunakan perintah ./compile. Atau anda bisa memasukkan log compile nya dengan cara ./compile > log 2>&1 75



Instalasi Model WRF

Kalau tidak ada eror waktu mengompile. Dan di dalam foler WPS telah terdapat metgid.exe, geogrid.exe, dan ungrib.exe maka proses kompile WPS berhasil. 6. Lalu link Vtable nya dengan menggunakan perintah ln -sf

5.

ungrib/Variable_Tables/Vtable.GFS Vtable

• Langkah Mengompile Program ARWpost: 1. Masuk ke direktori ARWpost yang sudah anda ekstrak sebelumnya. 2. Jalankan program configure lalu pilih pilihan 1 pada saat ditanya platform yang akan digunakan. 3. Ubah configure.arwp. tambahkan “-mcmodel=medium” pada setiap flag. 4. Ubah Makefile nya dalam folder src. Ubah flag –lnetcdf menjadi –lnetcdff 5. Compile ARWpost dengan menggunakan perintah ./compile. 6. Kalau tidak ada eror waktu mengompile. Dan di dalam foler ARWpost telah terdapat ARWpost.exe maka proses kompile ARWpost berhasil. Bila anda menemukan error pada proses diatas. Coba teliti terlebih dahulu pada log. (Biasakan setiap melakukan pengkompilan masukkan output text nya ke log file dengan cara ./compile > log 2>&1). Mulailah dengan mencari error paling pertama karena pada saat pengompile-an program error terjadi seperti efek domino. Bila anda tidak mengerti juga apa yang menyebabkan error tersebut, copy paste error messagenya ke google atau bertanyalah pada komunitas WRF melalui milis atau forum WRF (http://forum.wrfforum.com ). Mulailah bergabung pada forum dan mailing list WRF.



Menjalankan Model WRF untuk Prediksi

BAB 4 BAB 4 MENJALANKAN MODEL WRF UNTUK PREDIKSI

4.1

Pengaturan Running Model

LANGKAH SETTING MODEL Terdapat banyak cara untuk menentukan domain WRF. Dapat dilakukan dengan tools yang disertakan oleh WPS yaitu plotgrids.exe dan menggambarnya dengan ncarg menggunakan idt. Ataupun dengan menggunakan program TERRAIN dari MM5 yang mempunyai output lengkap dengan informasi geografis dari domain. Namun sekarang sudah terdapat program berbasis java yang mempunyai GUI untuk setting domain WRF. WRF Domain Wizard adalah program berbasis java dengan tampilan user bergambar buatan sekelompok ilmuan NOAA yang dapat di unduh di WRFportal.org. Kemampuan program ini dapat memudahkan kita untuk menentukan domain yang kita inginkan, membuat namelist secara otomatis, dan menjalankan WPS secara otomatis. Sehingga seluruh output dari WRF Domain Wizard ini dapat langsung digunakan untuk run model WRF. WRF Domain Wizard dapat digunakan di OS apasaja asalkan mempunya Java Runtime Environment (JRE). Untuk windows silahkan unduh dan install melalui (http://www.java.com/getjava/), dan untuk openSuSE silahkan install “java-1_6_0-sun” dan “java1_5_0-gcj-compat” melalui yast RPM, dan pastikan display telah ter-export. Lalu ikuti petunjuk dibawah ini. •

•

Unzip WRFDomainWizard.zip. Pada windows silahkan klik kanan dan pilih extract here. Pada linux silahkan ketik perintah “unzip WRFDomainWizard.zip”, lalu “chmod +x run_DomainWizard”. Jalankan Domain Wizard. Pada windows klik dua kali run_DomainWizard.bat. Pada linux ketik perintah “./run_DomainWizard”. Setelah ini langkah pada windows dan linux sama.




Gambar D. 1

•

Klik WPS Program

Gambar D. 2

•

WRF domain wizard menggunakan SSH untuk dapat berkomunikasi dengan host. Maka isi Computer dengan alamat komputer atau IP dari komputer. Atau bila anda menjalan pada komputer host silahkan ketik localhost.




Gambar D. 3

•

Lalu silahkan menuju folder WPS anda, lalu tekan Choose.

Gambar D. 4

•

Lalu akan muncul halaman awal lagi (Gambar D. 1). Klik Geography dan silahkan menuju folder tempat anda meng-extract data GEOG. Tekan Choose (Gambar D. 4).




Gambar D. 5

•

Klik Domains pada halaman awal (Gambar D. 1). Lalu silahkan buat folder yang akan menjadi work directory program WRF Domain Wizard. Pada kasus ini penulis menggunakan “/home/labkomet-18/srcpelatihan/model/domain/” (Gambar D. 5). Tekan Choose.




Gambar D. 6

•

Setelah tekan OK pada halaman awal (Gambar D. 1). Halaman utama akan berubah menjadi seperti Gambar D. 6. Pilih New Domain dan tekan Next.

Gambar D. 7

•

Masukkan nama dari proyek ini dan Deskripsinya. Tekan Next.




Gambar D. 8

•

Pilih daerah Indonesia sebagai domain pertama dengan men-drag mouse anda pada peta. Lalu pilih Type “Mercator” pada Projection Option. Lalu tekan Update Map.




Gambar D. 9

•

•

Setelah itu ubah “Grid points distance (km)” menjadi 27. Domain akan mengecil. Perbesar lagi ukuran domain dengan mengubah “Horizontal dimension X” dan “Horizontal dimension Y” dengan menggunakan mousepada peta ataupun dengan keyboard. Lalu tekan tab “Nest”. Akan muncul Gambar D. 11. Tekan New.




Gambar D. 10

•

Pastikan “Parent ID” adalah 1. Lalu “Grid spacing ratio to parent” adalah 3. Dan ubah “Geographic data resolution” menjadi 2m. Lalu OK kan saja.

Gambar D. 11




Lalu arahkan domain 2 tadi sehingga mencakup pulau jawa. Cukup arahkan saja karena WRF Domain Wizard telah mengikuti peraturan Nesting WRF. Tekan Next.

Gambar D. 12

•

Lalu akan muncul “namelist.input” editor untuk namelist.input WRF. Lalu ubah sesuai data yang anda miliki. Berikut adalah Contoh untuk pelatihan ini. o o o o o o o o o o o o o o o o

•

run_days run_hours run_minutes run_seconds start_year start_month start_day start_hour start_minute start_second end_year end_month end_day end_hour end_minute end_second interval_seconds time_step

= = = = = = = = = = = = = = = = = =

0, 48, 0, 0, 2011, 11, 1, 0, 00, 00, 2011, 11, 3, 0, 00, 00, 10800, 60,

2011, 11, 1, 0, 00, 00, 2011, 11, 3, 0, 00, 00,

o o Lalu anda dapat mengubah setting parameterisasi. Tapi untuk pelatihan kali ini tinggalkan parameterisasi dengan kondisi deffault. Tekan Next. 85




Lalu Akan muncul Gambar D. 15. Klik “Select Dir” pada “Configure Preprocessor Variables for Ungrib and Metgrid.

Gambar D. 13

•

Pilih folder yang berisi data GFS anda. Lalu tekan Choose.

Gambar D. 14

•

Lalu pilih “Select Files” pada Halaman utama. Dan akan muncul jendela seperti Gambar D. 14. Karena kita hanya akan run WRF sepanjang 48 jam kedepan cukup pilih prediksi GFS sampai 48 jam kedepan saja. Tekan OK. 86




Gambar D. 15

•

•

Lalu pada halaman utama set Start Date, End Date, dan Interval seperti gambar diatas. Lalu Klik geogrid, ungrib, dan metgrid secara berurutan (Tunggu hingga pekerjaan selesai sebelum klik pekerjaan selanjutnya). Selesai. File metem (file input untuk WRF) dan namelist.input (file configurasi model WRF) sudah ada di work directory WRF Domain Wizard. Silahkan link metem dan namelist input ke ${WRFDIR}/run.

Setting WRF 1. 2. 3. 4. 5. 6. 7. 8.

Masuk ke dalam direktori ../WRFV3/run. cp namelist.input namelist.input.1 rm namelist.input ln -sf ${domaiWizardDir}/namelist.input namelist.input copy linkin.sh dan run.sh dari direktori src Modifikasi bagian physic sesuai dengan petunjuk praktikum yang diberikan. Jalankan real.exe at –f run.sh now

Setting ARWPOST 1. buka namelist.ARWPOST, sesuaikan input, output, parameter keluaran model yang diinginkan, metode, dan level interpolasi. 2. ./ARWPost.exe 87 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



4.2 Pengaturan Parameterisasi Pengaturan parameterisasi dalam model WRF dapat dilakukan pada file namelist.input di dalam direktori WRFV3/run. Bagian yang diedit adalah pada bagian physic model yaitu : &physics mp_physics ra_lw_physics ra_sw_physics radt sf_sfclay_physics sf_surface_physics bl_pbl_physics bldt cu_physics cudt isfflx ifsnow icloud surface_input_source num_soil_layers sf_urban_physics maxiens maxens maxens2 maxens3 ensdim /

= = = = = = = = = = = = = = = = = = = = =

3, 1, 1, 30, 1, 2, 1, 0, 1, 5, 1, 0, 1, 1, 4, 0, 1, 3, 3, 16, 144,

3, 1, 1, 30, 1, 2, 1, 0, 1, 5,

0,

Untuk parameterisasi microphysic pilihan skema parameterisasi dapat dengan mengganti angka pilihan dalam namelist input dengan pilihan skema seperti dibawah ini : mp_physics = = = = = = = = = = = = = =

microphysics option 1, Kessler scheme 2, Lin et al scheme 3, WRF Single-Moment 3-class scheme 4, WRF Single-Moment 5-class scheme 5, Eta microphysics 6, WRF Single-Moment 6 class scheme 7, Goddard microphysics scheme 8, New Thompson et al scheme 9, Milbrandt-Yau Double-Moment 7-class scheme 10, Morrison doble –moment 5-class scheme 14, WRF Double-Moment 5-class scheme 16, WRF Double-Moment 6-class scheme 13, Stony Brook University (Y.Lin) scheme 98, Thompson scheme in V3.0




Sedangkan untuk parameterisasi cumulus pilihan skema seperti : cu_physics (max_dom)

cumulus parameterization option = 1, Kain-Fritsch scheme = 2, Betts-Miller-Janjic (BMJ) scheme = 3, Grell-Devenyi (GD) ensemble scheme = 4, Simplified Arakawa-Schubert scheme = 5, Grell 3D scheme = 6, Tiedtke scheme (U. of Hawaii version) = 7, Zhang-McFarlane scheme = 14, New Simplified Awakawa-Schubert scheme = 99, Old Kain-Fritsch scheme

Untuk parameterisasi shortwave radiation, pilihan skemanya adalah : ra_sw_physics (max_dom) = = = = = = =

shortwave radiation option 0, no shortwave radiation 1, Dudhia scheme 2, (old) Goddard shortwave scheme 3, CAM scheme 4, rrtmg scheme 5, Goddard scheme 99, GFDL (Eta) longwave (semi-supported)

Pilihan skema untuk parameterisasi longwave radiation yaitu: ra_lw_physics (max_dom)

longwave radiation option = = = = = =

0, no longwave radiation 1, rrtm scheme 3, CAM scheme 4, rrtmg scheme 5, Goddard scheme 99, GFDL (Eta) longwave (semi-supported)

Pilihan skema untuk parameterisasi planetary boundary layer (PBL) yaitu : bl_pbl_physics (max_dom) = = = = = = = = = = = =

boundary-layer option 0, no boundary-layer 1, YSU scheme 2, Mellor-Yamada-Janjic TKE scheme 3, NCEP Global Forecast System scheme (NMM only) 4, QNSE 5, MYNN 2.5 level TKE 6, MYNN 3rd level TKE 7, ACM2 (Pleim) PBL (ARW) 8, Dougeault and Lacarrere (BouLac) TKE 9, Bretherton-Park/UW TKE scheme 10, TEMF 99, MRF scheme (to be removed)



4.3


Pengolahan Output Model

Salah satu perangkat yang dapat dengan mudah digunakan untuk mengolah data model adalah GrADS (The The Grid Analysis and Display System), System), yaitu perangkat gratis yang dapat mengolah/menampilkan data yang mengikuti koordinat sistem geografik. Data hasil model merupakan data dalam bentuk bynary yang mengikuti koordinat sistem geografik. Untuk membuat tampilannya dapat dilakukan berbagai macam cara sesuai kebutuhan analisis yang kita inginkan. Untuk mengolah/menampilkan data dalam GrADS, hal pertama yang harus dilakukan adalah membuat file descriptor dalam format .ctl yang fungsinya untuk mendefinisikan data tersebut. Cara membuat file descriptor dapat dilihat dari contoh di bawah ini.

Dalam contoh ini, set data binary diberi nama gridded_data_sample.dat, gridded_data_sample.dat dan ditempatkan di lokasi yang sama dengan file descriptor.. File ini dispesifikasikan oleh tanda kutip (^) di depan nama file. Nilai data yang hilang atau tidak terdefinisi adalah -9.99e33, terdapat 180 titik grid di sumbu X, dan 90 titik di sumbu Y, 10 level vertikal, 4 langkah waktu, dan 4 variabel. Variabel ‘slp’ adalah variabel permukaan (tidak memiliki nilai di setiap level ketinggian), namun ditetapkan pada level ketinggian pada Z=1. Variabel ‘hgt’ dan ‘temp’ memiliki nilai di 10 level ketinggian, dan variabel ‘shum’ memiliki 6 level ketinggian (dari 1000 – 300 mb). Setelah membuat file descriptor, descriptor, kita siap melakukkan analisis data dengan GrADS. Ketik ‘grads’ pada window untuk masuk ke dalam aplikasi GrADS. Buka file .ctl yang telah dibuat dengan mengetik ‘open namafile.ctl’. Dalam GrADS, bentuk data selalu dijeneralisasi ke dalam bentuk array 4-D 4 D (5-D (5 jika memasukkan variabel lain) yaitu lon, lat, lev, dan time. Pemahaman mengenai kondisi dimensi data sangat penting untuk menentukan hasil gambar yang kita inginkan. Untuk memanipulasi kondisi dimensi data dapat dilakukan perintah berikut. set lat|lon|lev|time val1 set x|y|z|t val1

atau


Diktat Pelatihan WRF (Weather Research and Forcasting) Contoh : set lon -180 0 set lat 0 90 set lev 500 set t 1


untuk menentukan data dari bujur 180°W - 0° untuk menentukan data dari lintang 0° – 90°N untuk menentukan data hanya pada level 500 mb untuk menentukan data hanya pada data di waktu yang pertama dari set data

Ketika semua dimensi ditetapkan hanya pada satu titik tertentu, maka akan hanya ada satu nilai yang dihasilkan. Contoh : set set set set

lon 5 lat 10 lev 800 t 1

Jika ditetapkan satu dimensi yang berubah, akan dihasilkan data dalam bentuk 1-D, misalnya dalam membuat data time series. set set set set

lon lat lev t 1

5 10 800 30

Ketika ditetapkan dua dimensi yang berubah, akan dihasilkan data 2-D, misalnya dalam melakukan analisis spasial. set set set set

lon 90 150 lat -15 15 lev 800 t 1

Kemudian, jika pengaturan dimensi telah dilakukan, data siap ditampilkan dengan mengetik perintah ‘d nama variabel’. Misalnya, jika ingin menampilkan variabel temperatur lakukan perintah ‘d temp’, jika ingin menampilan tekanan muka laut lakukan perintah ‘d slp’. Nama variabel ditentukan saat membuat file descriptor. Contoh gambar 2-D yang akan dihasilkan seperti pada gambar di bawah ini.




2

Output model WRF dalam bentuk file GrADS dihasilkan oleh ARWpost. Output ini dapat diolah dengan software GrADS. Output dalam bentuk file GrADS disajikan dalam 2 file, yaitu yang berekstensi .dat sebagai file data dalam bentuk binary, dan file berekstensi .ctl sebagai control file dari file binary. Untuk membuka file data dalam GrADS dengan menggunakan file control ini. GrADS memiliki command language sendiri, hampir mirip dengan linux, fortran dan C. Command GrADS dapat ditulis langsung di shell. Untuk memulai dapat langsung mengetik grads. Setelah itu akan ada pilihan jika ingin menyajikan visualisasi gambar dalam bentuk portrait atau landscape. Kemudian buka file .ctl. dengan perintah open namafile.ctl. Untuk melihat isi file dapat dilakukan dengan mengetik perintah q file atau artinya query file. Selain itu untuk melihat dimensi file dapat dengan mengetik perintah q dim. GrADS juga dapat dijalankan dengan script perintah GrADS yang ditulis dalam file berekstensi .gs. Untuk menjalankan script tersebut dapat dijalankan setelah membuka shell grads atau langsung dengan perintah grads –blc namafile.gs . Dalam script GrADS penulisan perintah GrADS di dalam tanta petik 'perintah'. Sedangkan comment line diawali dengan tanda *. Berikut diberikan contoh-contoh script GrADS : SCRIPT GRADS 1. Menggambar Temperatur Script ini script untuk menggambar nilai temperature di wilayah tertentu di satu level vertical pada satu waktu tertentu. Jika ingin plot variable berwarna fill maka tidak perlu menggunakan kontur, begitu juga sebaliknya. Namun dalam script dibawah digunakan pewarnaan fill dan kontur untuk mempercantik gambar.

*script menggambar temperature wilayah di waktu tertentu 'open domain01.ctl' (buka file ctl) 'c' (perintah clear gambar, jika ada gambar sebelumnya) *contoh temperature di Indonesia 'set lat -15 5' (setting wilayah lintang) (setting wilayah bujur) 'set lon 90 150'


Diktat Pelatihan WRF (Weather Research and Forcasting) 'set z 1' 'set t 1'

Menjalankan Model WRF untuk Prediksi (setting level vertical z ke-…) (setting di langkah waktu ke-…)

'set gxout shaded' (setting graphic output) 'd tc' (display temperature 2 meter) 'draw title Temperatur Indonesia\Tanggal 1 Januari 2011 00z'(menulis judul gambar) 'draw xlab Bujur' (menulis label koordinat axis x) 'draw ylab Lintang' (menulis label koordinat ordinat y) 'cbarn' (menggambar keterangan gambar colour bar) 'set gxout contour' 'set clab off' 'd tc'

(setting graphic output kontur) (setting label kontur on/off) (display temperature 2 meter)

'printim Temperatur_Ina.gif white'(print image dengan format gif dan latar belakang putih) 'c' (perintah clear gambar) 'quit' (perintah keluar grads)

2. Menggambar Hujan Karena variable hujan (variable rainc) merupakan nilai akumulasi terhadap waktu, maka jika ingin mengetahui nilai hujan pada waktu tertentu, harus di cari selisihnya berdasarkan waktu dahulu. Yaitu nilai rainc di waktu tertentu dikurangi dengan nilai hujan di waktu sebelumnya. Selisih nilai rain = rainc(t=2)- rainc(t=1). Script berikut menggambar nilai hujan di langkah waktu ke 2 atau t=2.

*script menggambar hujan wilayah di waktu tertentu 'open domain01.ctl' 'c'

(buka file ctl) (perintah clear gambar, jika ada gambar sebelumnya)

*contoh hujan di Indonesia 'set lat -15 5' (setting wilayah lintang) 'set lon 90 150' (setting wilayah bujur) 'set mpdset hires' (setting map display hires high resolution) 'set grads off' (mematikan fitur grads yang muncul) 'set csmooth on' (smoothing gambar) 'set clevs 0 25 50 75 100 125 150 175 200 225 250 275 300' (setting colour level) 'set z 1' 'set t 1' 'set gxout shaded' 'define rc0=rainc'

'set t 2' 'd rainc-rc0'

(setting level vertical z ke-…) (setting di langkah waktu ke-…) (setting graphic output) (menetapkan variable baru rc0 yang merupakan nilai variable rain dengan setting sebelumnya, t=1 dan z=1) (display curah hujan di waktu ke 2 – curah hujan di waktu ke 1 rc0)




'draw title Hujan Indonesia\Tanggal 1 Januari 2011 00z'(menulis judul gambar) 'draw xlab Bujur' (menulis label koordinat axis x) 'draw ylab Lintang' (menulis label koordinat ordinat y) 'cbarn' (menggambar keterangan gambar colour bar) 'set gxout contour' 'set clab off' 'd rainc-rc0'

(setting graphic output kontur) (setting label kontur on/off)

'printim Hujan_Ina.gif white'

(print image dengan format gif dan latar belakang putih) (menghapus penetapan variable yang dibuat) (perintah clear gambar) (perintah keluar grads)

'undefine rc0' 'c' 'quit'

3. Menggambar Vektor Angin Untuk variable angin, biasanya digambar dalam bentuk vector atau streamline. Script dibawah menggambar angin dalam bentuk vector, sedangkan jika ingin dalam bentuk streamline hanya mengganti perintah di 'set gxout vector' menjadi 'set gxout stream' . *script menggambar vector angin wilayah di waktu tertentu 'open domain01.ctl' 'c'


*contoh angin di Indonesia 'set lat -15 5' 'set lon 90 150' 'set t 1'

(setting wilayah lintang) (setting wilayah bujur) (setting di langkah waktu ke-…)

'set gxout vector' 'd skip(u10,4):skip(v10,4)'

(setting graphic output vector) (display angin di 10 meter)

'draw title Vektor Angin Indonesia\ Tanggal 1 januari 2011 00z'(menulis judul gambar) 'draw xlab Bujur' (menulis label koordinat axis x) 'draw ylab Lintang' (menulis label koordinat ordinat y) 'printim AnginVektor_Ina.gif white'(print image dengan format gif dan latar belakang putih) 'c' (perintah clear gambar) 'quit' (perintah keluar grads)

4. Menggambar Magnitude Angin Overlay Vektor Angin Ada juga menggambar angin tidak hanya dengan vector saja, tapi disajikan juga nilai magnitude angin tersebut. Dalam script dibawah manggambar magnitude angin kemudian dioverlay dengan gambar vector anginnya. *script menggambar magnitude dan vector angin wilayah di waktu tertentu 'open domain01.ctl' 'c'





*contoh angin di Indonesia 'set lat -15 5' 'set lon 90 150' 'set t 1'

(setting wilayah lintang) (setting wilayah bujur) (setting di langkah waktu ke-…)

'set gxout shaded' 'd mag(u10,v10)'

(setting graphic output) (display magnitude)

'set gxout vector' 'd skip(u10,4):skip(v10,4)' grid)

(setting graphic output vector) (display vector angin di 10 meter,loncat skip 4

'draw title Angin Indonesia\Tanggal 1 januari 2011 00z'(menulis judul gambar) 'draw xlab Bujur' (menulis label koordinat axis x) 'draw ylab Lintang' (menulis label koordinat ordinat y) 'printim Angin_Ina.gif white' 'c' 'quit'

(print image dengan format gif dan latar belakang putih) (perintah clear gambar) (perintah keluar grads)

5. Menggambar Angin Zonal dan Meridional Secara Vertical di Suatu Titik dan Satu Waktu Script ini dibawah menghasilkan gambar vertical nilai angin zonal dan meridional. Dengan gambar tersebut dapat dibandingkan dua variable output model yang memiliki satuan yang sama, dalam hal ini angin dalam m/s. *script menggambar angin zonal dan meridional vertical di waktu tertentu 'open domain01.ctl' (buka file ctl) 'c' (perintah clear gambar, jika ada gambar sebelumnya) *contoh angin di Soekarno Hatta 'set lat -6.117' 'set lon 106.65' 'set t 1' 'set z 1 27'

(setting (setting (setting (setting

'd u' 'd v'

(display variable angin zonal) (display variable angin meridional)

lintang) bujur) di langkah waktu ke-…) vertical z dari … sampai …)

'draw title Angin Soekarno Hatta\ Tanggal 1 januari 2011 00z'(menulis judul gambar) 'draw xlab angin(m/s)' (menulis label koordinat axis x) 'draw ylab level ketinggian' (menulis label koordinat ordinat y) 'printim Angin_SoekarnoHatta.gif white'(print image dengan format gif dan latar belakang putih) 'c' (perintah clear gambar) 'quit' (perintah keluar grads)

6. Membandingkan Angin Zonal Vertikal dengan Beda Waktu Dapat juga membandingkan suatu variable tertentu dengan beda waktu. Misalnya kasus diurnal, membandingkan angin di waktu pagi, siang, sore, atau malam. Pada script dibawah pembandingan dilakukan di suatu titik dengan level vertical yang beragam. Bisa 95 Weather and Climate Prediction Laboratory Meteorologi ITB 2011



juga dilihat kondisi angin di atmosfer dekat permukaan, bagian tengah, dan juga atmosfer atas. *script menggambar angin zonal di 4 waktu 'open domain01.ctl' (buka file ctl) 'c' (perintah clear gambar, jika ada gambar sebelumnya) *contoh angin di Soekarno Hatta 'set lat -6.117' 'set lon 106.65' 'set z 1 27'

(setting lintang) (setting bujur) (setting vertical z dari … sampai …)

'set t 'd u' 'set t 'd u' 'set t 'd u' 'set t 'd u'

(setting (display (setting (display (setting (display (setting (display

1' 2' 3' 4'

di langkah waktu ke-…) variable angin zonal) di langkah waktu ke-…) variable angin zonal) di langkah waktu ke-…) variable angin zonal) di langkah waktu ke-…) variable angin zonal)

'draw title Angin Zonal Soekarno Hatta\Tanggal 1 januari 2011 00z-12z' 'draw xlab angin(m/s)' (menulis label koordinat axis x) (menulis label koordinat ordinat y) 'draw ylab level ketinggian' 'printim AnginZonal_SoekarnoHatta.gif white'(print image dengan format gif dan latar belakang putih) 'c' (perintah clear gambar) 'quit' (perintah keluar grads)

7. Dump Data Timeseries Berikut adalah script dump data timeseries. Dalam script ini jiga diperlihatkan loop scripting dalam GrADS. Kegunaan dump data ini adalah ketika kita ingin mengolah nilainilai variable hasil model ke software pengolahan data lain, maka data yang akan dioleh ditulis kembali dalam bentuk file yang berbeda. Dump data ini juga berguna utuk memperkecil size data, sehingga tidak menghabiskan kapasitas hardisk. *Script dump data timeseries *di satu tempat titik yang ditentukan menggunakan interpolasi ke titik tersebut 'open domain03.ctl' .dat)

(buka file ctl dari data yang berfile binary

*contoh soekarno hatta time series clat=-6.117 (latitude titik yang ditentukan) clon=106.65 (longitude titik yang ditentukan) 'set z 1 7' (setting vertical nilai z) 'set gxout fwrite' (perintah memulai menulis) 'set fwrite u10value.dat' (perintah tulisan akan ditujukan ke file binary .dat) *looping tt = 1

(nilai time dimulai dari langkah waktu pertama)


Diktat Pelatihan WRF (Weather Research and Forcasting) while (tt < 122) 'set t ' tt 'q time' say result

Menjalankan Model WRF untuk Prediksi (while perintah looping dalam grads,loop sampai langkah waktu ke 122) (setting nilai waktu, yang akan looping) (mengeluarkan nilai waktu query time) (say perintah mengeluarkan, result hasil dari perintah diatasnya)

'interp2d 'clat' 'clon' u10value temp' (perintah interpolasi ke titik (clat,clon)) 'd u10' (display nilai angin 10 meter ‘u10’) tt = tt + 12 (nilai interval waktu yang diinginkan tiap 12 langkah waktu) endwhile (perintah mengakhiri looping) 'disable fwrite' (perintah berhenti menulis) 'quit' (perintah keluar)

8. Plot Hovmoller Plot hovmoller ini merupakan cara umum digunakan merencanakan meteorologi data untuk menyoroti peran gelombang . Para sumbu diagram Hovmoller biasanya bujur atau lintang (absis atau x-axis) dan waktu (ordinat atau sumbu-y) dengan nilai dari beberapa lapangan diwakili melalui warna atau bayangan. Diagram Hovmoller juga digunakan untuk merencanakan evolusi waktu profil vertikal kuantitas skalar seperti suhu , densitas , atau konsentrasi konstituen dalam atmosfer atau laut . Dalam waktu yang diplot di sepanjang kasus posisi absis dan vertikal (kedalaman, ketinggian, tekanan) di sepanjang ordinat. Diagram diciptakan oleh Ernest Aabo Hovmöller (1912-2008), seorang Denmark meteorologi. * Parameter assignments tstr = 1 tstp = 24 latr = 0.0 lonr = 106.65 lat1 = -6.30 lat2 = -5.50 lon1 = 106.54 lon2 = 107.10

(time start) (time stop) (latitude center) (longitude center) (batas bawah latitude) (batas atas latitude) (batas kiri latitude) (batas kanan latitude)

* Opening file 'open domain03.ctl' 'c' * GrADS setting 'set lon 'lonr dengan 'set lat 'lat1' 'lat2 'set t 'tstr' 'tstp 'set mpdset hires' 'set map 15 1 8' 'set grads off' 'set grid off' 'set gxout shaded' 'set csmooth on' 'set xlopts 1 4 0.18' 'set xlint 0.1'

(jika ingin rata-rata lon, pakai setting lon lonr sebagai center center) (setting batas wilayah latitude) (setting waktu mulai dan akhir) (setting map grads hires) (setting map colour style thickness) (mematikan fitur grads yang muncul) (mematikan fitur grid) (setting graphic output) (smoothing on/off) (setting control aspek axis display colour thickness size) (x interval untuk pelabelan)


Diktat Pelatihan WRF (Weather Research and Forcasting) 'set ylopts 1 4 0.18' 'set yflip on' 'set tlsupp year' 'set clevs plot)

-10 -8 -6 -4 -2

0

Menjalankan Model WRF untuk Prediksi (setting control aspek ordinat display colour thickness size) (membalik flip untuk setting variable ordinat) (membuat anotasi label yang di plot dalam tahun/bulan year/month) 2 4 6 8 10 ' (setting level variable

* Calculate the average variable 'define hv = tloop(ave(u10,lon='lon1',lon='lon2'))'

(menetapkan variable baru hv yang isinya rata-rata longitude nilai angin zonal 10 meter yang di loop terhadap t dengan besar interval sesuai dengan interval longitude)

* Plot the shaded contour and colorbar 'd hv' (display variable hv) 'cbarn (menampilkan color bar dari nilai variable yang di didisplay) * Give more clear edges with lines contour 'set gxout contour' (setting graphic kontur) 'set clab off' (mematikan label pada kontur) 'set clevs -10 -8 -6 -4 -2 0 2 4 6 8 10 ' (setting levels nilai variable yang didisplay) (setting garis kontur color style thickness) 'set line 6 2 6' 'd hv' (display variable hv) * Write the title vdesc = 'Time-Latitude Wind Speed (m/s) on Jakarta at 10 m' (menetapkan variable baru) (menulis judul) 'draw title ' vdesc * Print to hardcopy output 'printim hovmoller_wind_speed.gif white'

'close 1'

(print image dengan format .gif dengan latar belakang gambar putih) (menutup file .ctl yang dibuka)

* Quit the script 'quit'


Modul Pelatihan WRF 2011

Recommend Documents