Tantangan Akurasi Prediksi Cuaca Indonesia

Bahkan idealnya, input model prediksi harus diperbarui setiap tiga jam khusus untuk situasi terdapat banyak gangguan cuaca secara sinoptik. Input SADEWA tidak berasal dari satelit Himawari tapi dari model global GFS yang berdasarkan riset paling sesuai dengan jenis model WRF yang digunakan oleh SADEWA.

3. Memilih skema model yang tepat.

Melalui riset yang kami lakukan, skema-skema yang digunakan SADEWA telah dimodifikasi sedemikian rupa sehingga merupakan skema yang paling tepat untuk wilayah Indonesia. Penerapan deep learning atau AI akan dilakukan untuk pemilihan skema konveksi terbaik secara dinamis dalam setiap running model SADEWA agar hasil prediksi menjadi lebih baik.

4. Melakukan kopling dengan model laut.

Kopling model atmosfer dan model laut untuk wilayah Indonesia juga harus dilakukan karena untuk wilayah Indonesia, laut memegang peranan penting dalam memodifikasi cuaca yang bersifat lokal dan regional. SADEWA saat ini belum melakukan pendekatan updating penggantian input suhu muka laut setiap 6 jam. SADEWA juga belum melakukan kopling dengan model laut.

5. Asimilasi data dengan observasi.

Hal penting lain untuk meningkatkan akurasi adalah dengan melakukan asimilasi data observasi. Meskipun demikian, proses asimilasi memiliki kelemahan dalam hal memperpanjang kebutuhan waktu komputasi sehingga harus didukung oleh sumber daya HPC yang memadai.

Selain itu, penyiapan data observasi sebelum dilakukan asimilasi juga pekerjaan rumit dan membutuhkan waktu untuk persiapannya sehingga waktu asimilasi pun bisa berpengaruh terhadap perpanjangan durasi running model.

SADEWA direncanakan untuk disimulasikan dengan data kelembapan dari satelit GNSS yang secara real time telah dilakukan BRIN melalui produk bernama GATOTKACA.

Kelima strategi peningkatan akurasi model prediksi SADEWA tersebut membutuhkan dukungan sumber daya komputasi berkinerja tinggi (HPC) dengan jumlah cores yang sangat besar.

Melalui sumber daya dan fasilitas yang dimiliki BRIN saat ini, persoalan kebutuhan HPC yang khusus didedikasikan untuk riset prediksi cuaca dan iklim seharusnya dapat diatasi. Prediksi cuaca numerik paling akurat di Indonesia yang dikembangkan secara mandiri oleh periset menjadi kebutuhan nasional strategis berkaitan dengan isu kemandirian bangsa dan erat kaitannya dengan ketangguhan Indonesia dalam memitigasi kebencanaan hidrometeorologi di wilayah Indonesia.

Jika kelima strategi tersebut dapat dilakukan, Indonesia tak hanya memiliki model paling akurat untuk kawasan Asia Tenggara tapi juga berpotensi dapat menjual hasil prediksi yang merupakan produk riset anak bangsa tersebut ke negara-negara lain di Asia Tenggara.