MEMAHAMI MAPROOM IRI UNTUK INFORMASI KLIMATOLOGI PERTANIAN

Gambar 1. Tampilan awal Maproom IRI tentang curah hujan

Maproom merupakan data library tools yang dikembangkan oleh IRI (International Research Institute for Climate and Society). Maproom ini sangat penting untuk mengolah berbagai data library antara lain : 

1. Gudang data (data repository) lebih dari 400 dataset dalam aspek karakteristik iklim
2. Alat pengolahan data (data analysis tool) untuk pengolahan data aritmatik yang mudah dan lebih sulit.
3. Alat visualisasi data (data visualization tool) untuk menampilkan data dalam bentuk time series, peta dan cross-section.
4. Sumber untuk mengunduh data (data download resource) untuk akses gratis beberapa data dalam format antara lain : txt, binary, melalui GIS dan lain-lain.

Data library iklim dapat anda temukan di sini. 
Maproom ini banyak sekali kegunaannya di antaranya dapat digunakan untuk menganalisis karakteristik cuaca atau risiko iklim secara lebih rinci. Salah satunya dapat digunakan aplikatif di bidang pertanian misalnya untuk musim tanam. Termasuk juga prakiraan musiman untuk ambang kritis dan analisis trend. IRI Maproom dapat memvisualisasikan data iklim sebagai informasi pengelolaan pertanian. IFAD (International Fund for Agricultural Development) adalah sponsor utama beserta IRI untuk memberikan bantuan bagi petani di Indonesia, Laos dan Bangladesh dalam mengurangi kerentanan mereka terhadap resiko iklim. IFAD adalah lembaga khusus Perserikatan Bangsa-Bangsa (PBB) yang mempunyai misi memberdayakan masyarakat miskin di pedesaan dengan tujuan menghapuskan kemiskinan. IFAD bergerak di bidang pertanian dengan dasar bahwa 75% penduduk miskin di dunia hidup di daerah terpencil dan sangat bergantung dengan aktivitas pertanian untuk mempertahankan hidupnya. Rangkaian maproom menyediakan informasi iklim dan alat pendukung pengambil keputusan yang memungkinkan petani mengelola lebih baik resiko yang berhubungan dengan variabilitas iklim dan perubahannya.

Langkah awal membuat kerangka pertanyaan yang perlu anda siapkan sebagai acuan sebelum melakukan analisis informasi iklim pertanian melalui maproom sebagai berikut :

1. Bagaimanakah rata-rata siklus musiman curah hujan dan suhu di lokasi saya? 
2. Apakah yang menyebabkan iklim bervariasi dari musim ke musim di lokasi saya?
3. Untuk musim dan lokasi yang dipilih, bagaimanakah karakteristik cuaca hariannya?
4. Untuk musim yang dipilih, bagaimana variasi curah hujannya di masa lalu?
5. Berapa probabilitas yang tidak/melebihi ambang batas tanaman tertentu, dengan data yang terakhir?
6. Bagaimanakah di masa lalu kejadian ENSO (El Nino Southern Oscillation)
7. Prakiraan musiman digunakan untuk menginformasikan keputusan saat masa kritis. 

Langkah awal menjalankannya dengan membuat rata-rata siklus musiman curah hujan dan suhu udara di lokasi tertentu (misalnya curah hujan di Kalimantan Selatan) melalui link berikut : 

Maproom memungkinkan user mengetahui karakteristik cuaca harian dari historis (curah hujan dan suhu udara). Data curah hujan didapatkan dari APHRODITE (Asian Precipitation - Highly-Resolved Observational Data Integration Towards Evaluation). Bukan cuma informasi curah hujan yang bisa didapatkan tetapi juga hari hujan (raindays), periode hari kering (dry spell) dan lain sebagainya.

A. Memahami karakteristik hujan

Zoom peta lokasi yang anda inginkan, misalnya : Kalimantan Selatan. Maka anda dapat mencatat estimasi nilai rataan di lokasi anda (1951-2007) .Karakteristik hujan yang bisa didapatkan :

1. Jumlah curah hujan (total precipitation)
2. Jumlah hari hujan (number of wet days with more than 1 mm of rainfall or for a threshold of your choice)
3. Periode hari kering (number of the dry spells of 5 days or more or for a threshold of your choice)
4. Rata-rata curah hujan (the mean amount of rainfall falling on wet days).

Klik pada peta untuk mendapatkan lokasi yang spesifik. Maproom dapat menampilkan rangkaian waktu dari statistik yang dipilih. Sehingga dapat divisualisasikan variasinya tahun ke tahun dalam dataset (dapat didownload timeseries dalam format CSV dengan menempatkan kursor di atas panel timeseries). Berikut contoh zoom dengan titik koordinat tertentu di Kalimantan Selatan :

 

Gambar 2. Zoom maproom curah hujan IRI Kalimantan Selatan

Gambar 3. Contoh tampilan data dari APHRODITE di koordinat tertentu

Dari data tersebut dapat disusun rata-rata, atau peluang 70%  hujan per bulan di titik koordinat tertentu. Setelah disusun dalam suatu tabel dapat dilakukan analisis curah hujan.

Analisis curah hujan dan hari hujan sebagai berikut :

1. Pilih bulan-bulan yang memiliki hari hujan terbanyak di lokasi terpilih.
2. Jelaskan variasi tahunan curah hujan di lokasi terpilih. Membedakan musim hujan dan musim kemarau di lokasi tersebut. Berapa bulan musim hujan terjadi dan apakah lebih dari satu periode musim hujan tersebut?
3. Berapa rata-rata curah hujan per tahun? (dalam milimeter).

Grafik time series hujan tersebut dapat dihubungkan dengan persyaratan curah hujan untuk tanaman tertentu. Dapat ditentukan nilai ambang batas utama bagi kelangsungan hidup tanaman, dengan tak adanya irigasi. Apakah curah hujan tersebut telah mencukupi kebutuhan air tanaman? Dengan tidak adanya irigasi apakah ada nilai ambang batas kebutuhan air bagi tanaman? Pilihlah ambang batang tanaman tertentu dan catatlah ambang batas yang berlebih atau tidak berlebih di tahun tertentu.
 
B. Memahami karakteristik suhu udara (temperatur)

Analisis dilanjutkan dengan memahami karakteristik suhu udara di daerah tersebut. Analisis suhu udara sebagai berikut :

1. Bulan apa saja yang : bulan terpanas, bulan terdingin dan suhu rata-rata (dalam derajat Celsius)?
2. Berapa kisaran musiman suhu rata-ratanya?
3. Berapa kisaran rata-rata suhu harian untuk bulan yang terpanas dan terdingin?
4. Bagaimana rentang suhu musiman dan suhu harian secara tertulis? Mana yang lebih besar, apakah rentang suhu harian bergantung pada suhu musiman?

Informasi ini dapat anda klik di sini.

Gambar 4. Tampilan awal Maproom IRI tentang suhu udara

Karakteristik suhu ini dapat menentukan  tentang jumlah hot/cold days dan number of growing/chilling degree days melalui Maproom temperatur APHRODITE ini akan sangat berguna untuk menentukan tanaman yang ditanam. Informasi temperatur untuk tanaman yang akan tumbuh di daerah anda sebagai berikut :

1. Menjelaskan statistik temperatur yang diinginkan (bila ada datanya) dan pada musim yang mana
2. Menggunakan maproom temperatur ini menyelidiki temperatur yang relevan
3. Mengidentifikasi ambang batas kritis temperatur untuk tanaman dan musim anda.

Membuat informasi tanaman utama di daerah anda berdasarkan dengan informasi curah hujan dan suhu udara di atas :

Tabel 1.Jadwal tanaman, varietas dan musim/bulan

Menjelaskan kegiatan-kegiatan yang dilakukan selama musim tanam (dari pemilihan benih, persiapan lahan sampai dengan pemanenan).

 Tabel 2. Kegiatan selama musim tanam

C. Memahami kondisi ENSO menggunakan peluang ENSO komposit 

Tujuannya untuk mengetahui bagaimana ENSO (El Nino Southern Oscillations) mempengaruhi daerah anda di masa lalu. Analisis menggunakan probabilitas hujan APHRODITE musiman (basah/wet, sedang/middle atau kering/dry) yang dihubungkan dengan data historis ENSO (El Nino, Normal atau La Nina) yang dibagi dalam 3 bagian (tercile). Dapat dilihat di Maproom "Probabilistc ENSO Composites" di sini

Gambar 5. Tercile probabilitas hujan yang dihubungkan dengan ENSO di Kalimantan Selatan

Peta menampilkan rata-rata kondisi ENSO berdasarkan peristiwa di masa lampau (1951-2007). Pilih musim yang dikehendaki dan zoom ke daerah anda (Gambar 5). Tempat kursor diletakkan di atas peta tersebut untuk melihat pilihan fase ENSO di atas peta.

1. Pilih Tercile Kering, katagori El Nino dan "Seasonal Average" untuk karakteristik curah hujan musiman. Peta akan menampilkan kondisi El Nino rata-rata masa lalu Apabila nilai 1 tertulis pada tercile, berarti peristiwa El Nino masa lampau tersebut adalah anomali kering. Apabila nilainya 0,5 artinya hanya 50% yang anomali kering. Melalui mengharapkan contoh tahun terakhir yang acak, kita mengharapkan 1/3 jatuh ke dalam katagori tercile terkecil, sehingga peluang 0,5 dapat memrepresentasikan dan probabilitas yang diharapkan.
2. Cobalah hal yang sama pada musim yang berbeda. Musim manakah yang mempunyai resiko kekeringan yang tertinggi. Di lokasi manakah El Nino terkait dengan resiko paling kecil "kekeringan".
3. Lanjutkan dengan fase La Nina. Musim manakah yang dapat dihubungkan dengan peningkatan resiko "banjir" tertinggi saat fase La Nina.
4. Interpretasikan berapa besarnya resiko kekeringan dan banjir tersebut pada lokasi dan tanaman yang ingin anda tanam. Apakah nilainya sesuai dengan harapan dan pengalaman, bila ya faktor apa yang bisa menjelaskannya?

ENSO dapat berdampak pada katagori hujan musiman (tercile) pada skala yang lebih besar karena sifat dari ENSO yang dipengaruhi oleh atmosfer (teleconection atmosphere), kemungkinan melebihi/tidak melebihi jumlah curah hujan tertentu (misalnya 2 mm/ hari) yang kemungkinan menunjukkan banyak variasi lokal yang lebih besar. Aspek ini dapat ditelusuri melalui memilih jumlah ambang batas curah hujan di wilayah anda.

Contoh : Suatu ketika BMKG menerbitkan peringatan El Nino, maka pemerintah telah membentuk satuan tugas menanggulanginya. Dengan dukungan data library tools ini anda di dalam satuan kerja tersebut dapat membuat risiko iklim sektor pertanian, melalui kumpulan langkah dan pertanyaan-pertanyaan di atas, disertai peta dan data pendukung data library.

D. Memahami prakiraan iklim musiman

Prakiraan akan sangat berguna untuk dapat memberikan peringatan dini terhadap kondisi yang merugikan beberapa bulan ke depan. Prakiraan  Prakiraan musim yang dapat anda gunakan antara lain prakiraan dari BMKG disertai dengan prakiraan iklim musiman dari IRI. Prakiraan ini diantaranya dapat diakses pada tab Probabilistic Seasonal Forecast. Prakiraan yang dapat kita peroleh berupa prakiraan 3 bulanan ke depan. Zoom ke daerah anda dan jawablah beberapa pertanyaan sebagai berikut :

1. Apakah 3 bulan ke depan cenderung sangat basah ataupun kering? (Are the next 3 months likely to be unusually wet or dry?)/ peluang musim akan jatuh ketiga terendah atau tertinggi dalam rekaman histori.
2. Apakah 3 bulan ke depan cenderung sangat basah ataupun kering? (Are the next 3 months likely to be exceptionally wet or dry?)/ peluang musim akan jatuh terendah atau tertinggi 15% dari rekaman histori.
3. Apakah ada kemungkinan kondisi sangat basah atau kering terus berlanjut atau akan berakhir? (Is it likely that unusually wet or dry conditions will end?/ Is it likely that unusually wet or dry conditions will continue?)

Gambar 6. Melihat forecast hujan tiga bulanan

Gambar 7. Melihat kemungkinan kondisi basah atau kering

Untuk mengetahui kemampuan prakiraan iklim musiman dapat dilakukan dengan membuka maproom IRI "How well can we predict seasonal climate". Membuat matriks resiko untuk tanaman utama :

Tabel 3. Matriks resiko tanaman

Semua informasi di atas dapat menjadi acuan bagi pihak berwenang dan petani untuk memanajemen resiko iklim. Manajemen di lapangan akan meminimalisir resiko iklim (khususnya kejadian kekeringan dan banjir)  bila dengan arahan yang tepat, diharapkan menghasilkan produksi panen yang diinginkan.

Catatan :
Ucapan terima kasih kepada bapak Akhmad Faqih, PhD dan Mr. Andrew W. Robertson, PhD yang telah memberikan bimbingan secara langsung tentang pengolahan maproom IRI.

Bahan bacaan :

http://www.un-spider.org/sites/default/files/Tufa%20Dinku_International%20Research%20Institute%20for%20Climate%20and%20Society.pdf  diakses 01 Maret 2019.

https://iri.columbia.edu/news/iri-to-develop-climate-adaptation-tools-to-help-farmers-in-south-and-southeast-asia/ diakses 11 Maret 2019.

Blumenthal, M., Bell, M., del Corral, J., Cousin, R., & Khomyakov, I. 2014. IRI Data Library: enhancing accessibility of climate knowledge. Earth Perspectives, 1(1), 19. doi:10.1186/2194-6434-1-19