Data spasial adalah salah satu tipe data terpenting yang paling sering digunakan untuk analisis meteorologi. Memang bagian mananya yg penting ? Contohnya begini. Misal anda ingin melakukan analisis curah hujan untuk suatu daerah, sebut saja A. Kebetulan data stasiun cuaca terdekat dari daerah A berada cukup jauh dari daerah A tersebut, misalnya jaraknya 5 km dari A. Lalu apakah anda bisa menggunakan data dari stasiun cuaca tersebut untuk menganalisis curah hujan di wilayah A ??
Perlu diingat bahwa atmosfer itu dinamis, alias selalu bergerak (karena udara adalah fluida). Oleh karena itu, karakteristik cuaca di suatu tempat, belum tentu sama dengan tempat lainnya, walaupun perbedaan jaraknya tidak berjauhan. Pernahkah anda kehujanan ketika berkendara di suatu tempat, dan ketika anda berpindah ke tempat lain yang jaraknya mungkin hanya 2-3 km dari tempat semula, daerah tersebut kering kerontang ? Kondisi cuaca di suatu tempat dipengaruhi berbagai hal, tidak hanya iklim namun juga faktor lain seperti topografi, vegetasi dan lain-lain. Dalam kondisi seperti ini, data point (titik) seperti data stasiun cuaca, kurang bisa diandalkan, meskipun terdapat beberapa metode yang bisa digunakan untuk analisis, seperti poligon Thiessen, kontur dan lain-lain.
Data spasial merupakan data yang diperoleh baik dari pengukuran langsung (in-situ) maupun dengan penginderaan jauh (remote sensing), dan yang akan saya bahas pada tulisan ini adalah tipe yang kedua.
Saya nggak perlu bicara definisi seperti di buku-buku tentang remote sensing, meteorologi dan lain-lain lah ya. Buat saya, yg terpenting adalah pemahaman dibandingkan definisi teoritis. Secara sederhana, data spasial bisa diartikan sebagai data titik yang tersebar pada suatu luasan tertentu. Jadi, dalam satu data spasial, terdapat banyak data titik, misal titik X, Y, Z dst. Posisi tiap titik umumnya mengikuti aturan tertentu yang disebut sebagai koordinat. Singkat cerita, komponen utama dari data spasial tidak hanya nilai dari besaran yang terukur, tetapi juga posisi dari titik yang mewakilinya. Titik-titik inilah yang umum disebut sebagai piksel atau grid points.
Kembali ke masalah analisis curah hujan di daerah A tadi. Misalnya yang akan digunakan adalah data spasial, maka daerah A akan diwakili oleh beberapa titik yang tercakup dalam daerah tersebut. Berapa banyak titik yg tercakup akan ditentukan oleh jarak antar titik ke titik lainnya. Makin rapat/dekat jaraknya, jumlah titik pada daerah A akan makin banyak, demikian pula sebaliknya. Ukuran kerapatan antar titik ini lah yang biasa disebut sebagai resolusi. Makin banyak/rapat titik di wilayah A, makin tinggi resolusinya, akan makin banyak pula data yang bisa dijadikan sampel untuk analisis. Dan makin banyak sampel data, akan makin baik pula keakuratan dari analisis yang dilakukan. Kesimpulannya, data spasial sangat baik digunakan untuk analisis yang sifatnya keruangan, area, kewilayahan (atau apapun yg berada dalam dimensi ruang), karena sampel datanya lebih banyak dibandingkan dengan menggunakan data pada satu titik saja.
Ok, saya nggak mau cerita panjang lebar tentang pengertian dan definisi, ntar keburu ngantuk, karena saya buat tulisan ini pas tengah malam :-P
Data spasial tersedia untuk berbagai bidang keilmuan, tapi yang akan saya bahas adalah data spasial yang umum digunakan dalam bidang meteorologi. Umumnya data spasial meteorologi diperoleh dengan menggunakan penginderaan jauh seperti satelit atau radar. Parameternya juga beraneka jenis, namun umumnya tidak jauh-jauh dari parameter cuaca yang lazim seperti temperatur, kelembaban udara, curah hujan dan kawan-kawan. Kenapa yang umum digunakan adalah data spasial dari satelit atau radar ? Alasannya karena dua alat tadi memiliki cakupan pengamatan yang luas, bisa ratusan bahkan ribuan kilometer. Masalahnya sekarang, gimana caranya kita memperoleh data tersebut ? Secara gratis tentunya, karena yang gratis-gratis itu selalu menyenangkan. Apalagi buat mahasiswa tugas akhir yang nggak sengaja nemu tulisan saya ini ;-)
Ok, dilanjut gan. Saya mau bicara fakta saja. Sebenarnya data spasial gratisan itu banyak, dan anda bisa akses dengan mudah di internet, misal data spasial curah hujan. Paling nggak kalo Googling anda bisa nemu satu atau dua lah. Tapi jangan senang dulu, data-data ini umumnya memiliki banyak keterbatasan, yah wajarlah, namanya juga gratisan. Keterbatasan yang dimaksud misalnya untuk periode data. Tidak banyak penyedia data yang sudi memberikan data spasial terkini. Biasanya data yang diumbar ke publik adalah data historis yang bukan diperoleh dalam waktu dekat, misal data 1 hari sebelumnya, 1 bulan sebelumnya, 1 tahun sebelumnya dst, nyaris tidak ada data real-time atau near-real time. Selain itu, resolusi data juga umumnya akan "dilucuti" dengan ketelitian yang "apa adanya". Anda protes ? Ingin data resolusi tinggi dan near real time ? Silakan luncurkan satelit atau buat radar sendiri.
Namun dengan berbagai keterbatasan ini, bisa dibilang data-data spasial gratisan sudah layak digunakan untuk kepentingan analisis, terutama untuk kalangan akademik dan peneliti. Berikut beberapa link yang bisa digunakan untuk memperoleh data-data tersebut. Data saya kelompokkan dalam beberapa parameter cuaca yang umum digunakan. Kalau anda menemukan sumber data lain yang belum saya tuliskan, silakan dikomentari, atau lebih baik lagi bila informasi tersebut di-share untuk para pengunjung di sini.
------------------------
1. CURAH HUJAN
Tropical Rainfall Measurement Mission - NASA
TRMM merupakan data spasial curah hujan yang paling populer digunakan pada banyak analisis dan karya ilmiah. Data yang tersedia umumnya memiliki resolusi spasial 5 - 0.25 derajat, dengan resolusi temporal tertinggi adalah 1 - 3 jam. Produk TMPA NASA juga menyediakan data hujan harian dan bulanan. Format data yang umum digunakan adalah NetCDF, HDF dan plain binary. Beberapa produk data juga menggunakan format teks (ASCII), walaupun terbatas.
TRMM merupakan data spasial curah hujan yang paling populer digunakan pada banyak analisis dan karya ilmiah. Data yang tersedia umumnya memiliki resolusi spasial 5 - 0.25 derajat, dengan resolusi temporal tertinggi adalah 1 - 3 jam. Produk TMPA NASA juga menyediakan data hujan harian dan bulanan. Format data yang umum digunakan adalah NetCDF, HDF dan plain binary. Beberapa produk data juga menggunakan format teks (ASCII), walaupun terbatas.
Produk :
3A11, 3A12, 3A25, 3A26, 3A46, 3B41, 3B42, 3B42RT, 3B43, 3G68.
Official Website :
http://trmm.gsfc.nasa.gov/
Official Website :
http://trmm.gsfc.nasa.gov/
Data Links :
ftp://trmmopen.gsfc.nasa.gov/
ftp://disc2.nascom.nasa.gov/data/TRMM/
http://1.usa.gov/160KBBs <--- (shortened link)
Global Satellite Mapping of Precipitation (GSMaP) - JAXA
My personal favorite. Pada dasarnya data GSMaP JAXA menggunakan data yang sama dengan TMPA NASA, sama-sama berasal dari TRMM. Perbedaannya hanya pada sisi resolusi dan format data. Kelebihan utama GSMaP adalah mampu memberikan resolusi spasial data yang lebih tinggi (mencapai 0.1 derajat, per jam) dan menggunakan format plain binary yang relatif mudah digunakan. Selain itu beberapa produk mampu diperoleh secara near-realtime. Walaupun gratis, anda perlu mengajukan permohonan kepada JAXA (tujuan penggunaan data dll) untuk memperolah data GSMaP.
Produk :
MWR, MWR+, MVK, MVK+, TMI, NRT.
Official Website :
http://sharaku.eorc.jaxa.jp/GSMaP_crest/
Data Links :
ftp://hokusai.eorc.jaxa.jp --> username & password diberikan oleh pihak JAXA
http://sharaku.eorc.jaxa.jp/GSMaP_crest/html/data.html
http://sharaku.eorc.jaxa.jp/GSMaP/index.htm --> Image saja
<BERSAMBUNG>
My personal favorite. Pada dasarnya data GSMaP JAXA menggunakan data yang sama dengan TMPA NASA, sama-sama berasal dari TRMM. Perbedaannya hanya pada sisi resolusi dan format data. Kelebihan utama GSMaP adalah mampu memberikan resolusi spasial data yang lebih tinggi (mencapai 0.1 derajat, per jam) dan menggunakan format plain binary yang relatif mudah digunakan. Selain itu beberapa produk mampu diperoleh secara near-realtime. Walaupun gratis, anda perlu mengajukan permohonan kepada JAXA (tujuan penggunaan data dll) untuk memperolah data GSMaP.
Produk :
MWR, MWR+, MVK, MVK+, TMI, NRT.
Official Website :
http://sharaku.eorc.jaxa.jp/GSMaP_crest/
Data Links :
ftp://hokusai.eorc.jaxa.jp --> username & password diberikan oleh pihak JAXA
http://sharaku.eorc.jaxa.jp/GSMaP_crest/html/data.html
http://sharaku.eorc.jaxa.jp/GSMaP/index.htm --> Image saja
<BERSAMBUNG>
0 Yorumlar