Beritabaru.co Dapatkan aplikasi di Play Store

 Berita

 Network

 Partner

BRIN Kembangkan Sistem Prediksi Hujan Ekstrem Ekstrem untuk Cegah Banjir
Kantor Brin. (Foto: Dok. Istimewa)

BRIN Kembangkan Sistem Prediksi Hujan Ekstrem Ekstrem untuk Cegah Banjir



Berita Baru, Jakarta – Badan Riset dan Inovasi Nasional (BRIN) mengembangkan sistem prediksi hujan ekstrem yang berhubungan dengan banjir untuk wilayah DKI Jakarta.

Dalam keterangan yang diberikan oleh peneliti utama dari Pusat Riset Iklim dan Atmosfer BRIN, Asif Awaludin, ia menjelaskan bahwa terdapat tiga bagian yang menjadi dukungan dalam pengembangan sistem prediksi hujan ekstrem, yaitu prediksi, observasi, dan penentuan indeks hujan ekstrem Jakarta.

BRIN menggunakan Satellite-based Disaster Early Warning System (Sadewa) sebagai bagian dari prediksi data yang menghasilkan data per jam untuk memprediksi hujan lebat.

Sadewa memanfaatkan satelit untuk memprediksi curah hujan hingga tiga hari ke depan dengan menggunakan hasil run prediksi WRF.

Bagian prediksi juga didukung oleh radar nowcasting yang menggunakan Sistem Pemantauan Hujan atau Santanu. Sistem ini menampilkan lokasi yang sedang mengalami hujan melalui laman https://santanu.brin.go.id.

Santanu melakukan analisis terhadap pengaruh atenuasi sinyal oleh hujan, dan hasil optimasi divalidasi menggunakan citra transportable radar.

Bagian ketiga dari pengembangan sistem ini adalah penentuan indeks hujan ekstrem yang dilakukan secara sinergi dengan kelompok riset yang ada di Pusat Riset Iklim dan Atmosfer BRIN.

Asif menjelaskan bahwa mereka menggunakan data rain gauge yang didukung oleh anggota tim mereka di BMKG, serta data global seperti CENS, CS, MJO, IOD, dan ENSO.

Indeks hujan ekstrem menghasilkan nilai acuan intensitas hujan harian yang dapat menyebabkan banjir pada setiap musim.

Jika nilai acuan tersebut terlampaui oleh data hasil prediksi, maka kemungkinan besar akan terjadi hujan yang berpotensi menyebabkan banjir.

Data hasil prediksi dari Sadewa dan nowcasting Santanu menjadi masukan bagi metode machine learning random forest untuk memprediksi kejadian banjir berdasarkan kriteria indeks hujan setiap musim.