Abstract

The prediction of river water discharge can be determined by developing a river water discharge model based on climate information, especially rainfall information. This research aims to obtain a simulation of rainfall data that will be used to river water discharge modeling. The simulation of rainfall data is obtained using statistical downscaling model which develop the functional model between global climate data and local climate data. Daily precipitation of General Circulation Model (GCM) is used to be predictor variables. It is global climate data.. And, daily rainfall of Jangkok watershed, the local climate data, is used to be response variable.. In order to reduce the dimension of GCM global data, GCM data is projected to a litle number of variable using classification and regression tree (CART) method. Then, the projection variables are used to develop statistical downscaling model of rainfall based on Kernel nonparametric regression. Daily rainfall data of Jurang Malang station, Jangkok watershed, is simulated based on the model obtained.

Highlights

  • Data debit air sungai dari suatu Daerah Aliran Sungai (DAS) merupakan informasi yang penting bagi pengelola sumberdaya air

  • The prediction of river water discharge can be determined by developing a river water discharge model based on climate information

  • This research aims to obtain a simulation of rainfall data

Read more

Summary

Pendahuluan

Data debit air sungai dari suatu Daerah Aliran Sungai (DAS) merupakan informasi yang penting bagi pengelola sumberdaya air. Pemodelan debit air sungai dapat dilakukan berdasarkan faktor-faktor yang mempengaruhinya, antara lain adalah curah hujan. Pada penelitian ini pemodelan debit air sungai dilakukan berdasarkan data hasil simulasi curah hujan, dimana simulasi data didasarkan pada model curah hujan. 2 DESEMBER 2018 disusun model hubungan fungsional antara informasi luaran GCM dengan informasi variabel iklim lokal/regional, dimana dalam penggunaannya perlu diperhatikan permasalahan sifat luaran GCM sebagai variabel prediktor dan sifat data iklim lokal/regional sebagai variabel respon (Wigena, 2006). Selanjutnya dilakukan regresi antara hasil proyeksi data GCM sebagai variabel prediktor dengan curah hujan lokal sebagai variabel respon. Berdasarkan uraian di atas, maka pada penelitian ini dilakukan simulasi data curah hujan harian di Pos Jurang Malang DAS Jangkok menggunakan model statistical downscaling nonparametrik Kernel

Data dan Metode
Pemodelan Curah Hujan Pos Jurang Malang dengan Regresi Nonparametrik Kernel
Hasil dan Pembahasan
Kesimpulan
Full Text
Published version (Free)

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call