1. BMKG
“RADAR CUACA”
Pengantar II
Cre@ted By : Eko Wardoyo
2. Rainbow® 5 – Products
Layer Turbulence
Multiple Layer Rainfall Intensity
Vertical SHEAR
PPI Histogram
Precipitation
Echo Height Horizontal SHEAR Accumulation
Multi-Line Vertical Surface Rainfall
SHEAR (3D, 2D) Intensity
Cross Section
Vertical Cross Section
Shear Group Hydro Group
Column Maximum
Maximum Product
Constant Altitude PPI Gust Front Detection
Range Height Indicator Storm Structure Analysis Rain Tracking
Plan Position Indicator Feature Detect. &
Horizontal Wind Severe Weather Indicator Centroid Tracking
Warning
Standard Group Extended Group Phenomena Group Nowcasting Group Warning Group
Cre@ted By : Eko Wardoyo
3. Rainbow® 5 – Standard Products
Echo Height
Vertical Cross Section
Rainbow® 5 Maximum Product
Standard Products Constant Altitude PPI
Range Height Indicator
Plan Position Indicator
Standard Group
3
Cre@ted By : Eko Wardoyo
4. PPI – Plan Position Indicator (1)
Merupakan Produk
tercepat yang
dihasilkan radar
cuaca dari hasil full
scan Azimuth pada
satu elevasi,
Algoritma PPI
mengkonversi
reflektifitas obyek
hydrometeor dalan
satuan dBZ menjadi
suatu keluaran
image.
reflektivitas
4
Cre@ted By : Eko Wardoyo
5. e
g
n
a
R
Elevation PPI
Surface
Slant Range
Cre@ted By : Eko Wardoyo
6. Plan-Position Indicator (PPI) Scanning Procedure
Data didapatkan
dari cone pada
elevasi yang sama
dengan proyeksi
Echo yang berasal Flat
dari objek yang
dekat dengan radar
berada pada elevasi
rendah.
Echo yang berasal dari
objek yang Jauh dari radar
berada pada elevasi tinggi.
Cre@ted By : Eko Wardoyo
7. PPI – Plan Position Indicator (2)
Kecepatan radial Lebar spectral
7
Cre@ted By : Eko Wardoyo
9. PPI – Plan Position Indicator (3)
Ringkasan
Produk PPI merupakan salah satu produk tercepat sebab hanya dibangun dari data
satu elevasi.
Oleh karena kurva kelengkungan bumi dan perlunya sudut elevasi , biasanya > 0
derajat, ketinggian beam di atas permukaan bumi bertambah dengan pertambahan
jarak. Sehingga data yang ditampilkan berbeda ketinggiannya tergantung pada
jarak. Untuk itu interpretasi data kecepatan menjadi sulit.
S Pada jarak dekat dan elevasi rendah, Image selalu bergabung dengan echo clutter
yang kuat, Sehingga, produk PPI klasik paling baik untuk mendapatkan gambaran
situasi (reflektivitas) pada jarak yang lebih jauh
9
Cre@ted By : Eko Wardoyo
10. RHI – Range Height Indicator (1)
Algoritma RHI mengambil satu scan elevasi pada azimuth tetap
sebagai masukan.
Ditampilkan suatu tampilan tegak (jarak vs. tinggi).
10
Cre@ted By : Eko Wardoyo
12. RHI – Range Height Indicator
H (HEIGHT)
RHI
EL-STOP
Hmax
RANGE MARKERS
Stop Elevation
Start Elevation Hmd
Azimuth EL
Surface
0
EL-START R (RANGE)
0
Cre@ted By : Eko Wardoyo
13. RHI – Range Height Indicator (2)
Ringkasan
Produk RHI adalah merupakan data resolusi tinggi, tergantung pada Setting Step
Jarak dan Step Sudut tetap pada defenisi scan.
Potongan RHI hanya mungkin dalam arah radial.
“Over-head” Bagian-bagian yang memungkinkan bila hardware radar dilengkapi
Elevation Stop untuk sudut lebih besar dari 90 derajat.
Σ
Saat ini, RHI kurang lebih merupakan sebuah produk kuno “old-fashioned” .
Adalah lebih menyenangkan menggunakan VCUT daripada RHI. VCUT
memungkinkan bebas berorientasi memotong secara vertikal secara interaktif
dalam DART, tanpa tambahan scan elevasi. Tapi untuk (scientific) pemotongan
selalu pada posisi azimuth tetap,RHI merupakan pilihan terbaik sebab memiliki
resolusi data yang lebih tinggi.
13
Cre@ted By : Eko Wardoyo
14. CAPPI – Constant Altitude PPI (1)
Algoritma CAPPI
menghasilkan
sebuah image
dari suatu user-
defined pada
lapisan atmosfir
di atas Mean Sea
Level (MSL).
Dalam mode
Pseudo-CAPPI,
bagian-bagian
dari image yang
tidak ada dalam
lapisan diisi oleh
data dari elevasi
tertinggi/terendah
.
14
Cre@ted By : Eko Wardoyo
15. CAPPI – Constant Altitude PPI
Z
max range
Hmax
Height
Layer
H
CAPPI EL
0
radar
Surface
N
Algoritma CAPPI menghasilkan sebuah image pada AZ
ketinggian tertentu di atas Mean Sea Level (MSL).
Max range
Dalam mode Pseudo-CAPPI, bagian-bagian dari W E
image yang tidak ada dalam lapisan tersebut diisi
oleh data dari elevasi tertinggi/terendah.
S
Cre@ted By : Eko Wardoyo
17. CAPPI – Constant Altitude PPI (2)
CAPPI
PPI
reflectivitas kecepatan 17
Cre@ted By : Eko Wardoyo
18. CAPPI – Constant Altitude PPI (3)
Ringkasan
Semua data memiliki ketinggian yang tetap (CAPPI mode only)
Mengurangi ground clutter di sekitar lokasi radar, bandingkan dengan PPI.
Jarak terbatas (CAPPI mode only)
Σ
Produk sangat berguna.
18
Cre@ted By : Eko Wardoyo
19. MAX – Maximum Display (1)
Produk MAX
menggunakan
sebuah polar
volume set, dirubah
ke sebuah
koordinat Kartesian
volume,
menghasilkan tiga
sub-images (N-S,
W-E, TOP) dan dan
kombinsi ketiganya
untuk ditampilkan
sebagai image.
Rzeszow
19
Cre@ted By : Eko Wardoyo
20. MAXDISPLAY – Maximum Display
Hmax
PROJ S-N
PROJ W-E
PROJ
VERT
Top-Down
Maximum view
value found Hmax
during
MAXDISPLAY
Surface traversing
West-East
view
Maximum
value Range Cell
found Footprint
during
South-North
traversing view
Cre@ted By : Eko Wardoyo
21. MAX – Maximum Display (2)
Garis Shower dekat
Gdansk
Gdansk
21
Cre@ted By : Eko Wardoyo
22. MAX – Maximum Display (3)
Ringkasan
Tampilan puncak dan pandangan samping dalam window yang sama
memberikan sebuah kesan tiga dimensi (3D) dari situasi cuaca.
Ground clutter akan dikurangi bila memilih Bottom ketinggian yang lebih dari
tinggi instalasi radar.
Kurang bermanfaat untuk data kecepatan. Hanya kecepatan absolut yang
ditampilkan.
Σ
Produk sangat berguna khusus untuk analisa data reflektivitas hingga jarak
menengah.
22
Cre@ted By : Eko Wardoyo
23. VCUT / MLVCUT – Vertical Cut (1)
VCUT menampilkan sebuah irisan
tegaklurus dari suatu polar volume set.
Titik Start dan Stop dapat dipilih dengan
menggunakan mouse secara interaktif.
Dalam kasus MLVCUT irisan tegak lurus
dihasilkan sepanjang garis berganda. 23
Cre@ted By : Eko Wardoyo
24. VXSEC – Vertical Cross Section
N Window CAPPI to mark points A the B
Y
By B 1. POINTS
W
Ax
E
SELECTION
(0,0)
Bx X
Ay
A
S
2. VERTICAL ZCUT Z
N
Y
Hmax
Ve
Cros rtical
s Se
ction
Surface
B(x,y)
W E A(x,y) B(x,y)
X
A(x,y)
3. PRESENTATION
S
Cre@ted By : Eko Wardoyo
25. VCUT / MLVCUT – Vertical Cut (2)
VCUT
versus
RHI
100 km West
25
Cre@ted By : Eko Wardoyo
26. VCUT / MLVCUT – Vertical Cut (3)
Ringkasan
Titik potong Start dan stop dapat ditentukan secara berpindah-pindah.pada
kertas kerja PDF dan juga interaktif dengan menggunakan mouse.
Secara khusus pada jarak yang panjang, resolusi vertikalnya lebih buruk
dibanding produk RHI.
Σ
Produk sangat berguna , khususnya untuk menganalisa struktur tegaklurus dari
fenomena meteorologi, mis. Sel Badai.
26
Cre@ted By : Eko Wardoyo
27. EHT – Echo Height (1)
Produk EHT
menunjukkan
misalnya tinggi
paling atas dimana
pengukuran nilai
lebih besar dari
suatu ambang batas
user-defined.
Yang dapat dipilih
adalah ...
• Echo Top
• Echo Base
• Height of Zmax
• Layer Thickness
27
Cre@ted By : Eko Wardoyo
28. ETOP – Maximum Height of Echo
Z
range max range
Hmax
Searched
Value
DH
H
EL
Maximum Height
where the searched 0
radar
values were found DX,DY
ECHO TOP
N
Y
Surface
AZ
DY
Max range
W E
Z X
DX S
Cre@ted By : Eko Wardoyo
29. EHT – Echo Height (2)
Ringkasan
Identifikasi Otomatis dari struktur echo dalam lajur tegak.
Pada hujan stratiform (rata), “Struktur cincin yang memusat” Mis. dalam
tampilan puncak echo dimungkinkan, sebab data terlambat datang dari scan
Strategy (elevasi yang berlainan dalam scan volume). Hal ini akan
membingungkan pemakai.
Σ
Produk ini berguna secara khusus untuk mengidentifikasi, struktur vertikal
fenomena meteorologi seperti sel-sel thunderstorm, “bright band” dsb.
29
Cre@ted By : Eko Wardoyo
30. Rainbow® 5 – Extended Products
Combined Moment
Display
Severe Weather
Analysis Display
Flight Level
MAX
Flight Level CAPPI
Vertical Profile of
Reflectivity
Layer Mean Reflectivity
Spectrum at Max.
Velocity Rainbow® 5
Storm Relative Velocity Extended Products
Horizontal Wind
Uniform Wind
Volume Velocity
Processing
Velocity Azimuth
Display
BASE Reflectivity
Extended Group 30
Cre@ted By : Eko Wardoyo
31. BASEZ – Base Reflectivity (1)
Produk BASEZ
menggunakan
sebuah volume data
set dari data
reflektivitas sebagai
masukan. Sebuah
image dari data
reflektivitas yang
dihasilkan dari
bagian data elevasi
paling rendah yang
tersedia, lebih tinggi
dari threshold user-
defined.
31
Cre@ted By : Eko Wardoyo
32. Z
range max range
Hmax
Searched
DH
Value
H
EL
Minimum Height 0
radar
where the searched DX,DY
values were found N
ECHO BASE Y
Surface AZ
DY
Max range
W E
Z X
DX S
Cre@ted By : Eko Wardoyo
33. BASEZ – Base Reflectivity (2)
Ringkasan
Mengurus data tinggi (mis. Hujan diatmosfir), kecuali–dibandingkan dengan
produk MAX – hindari efek “bright band”.
Umumnya, data berasal dari ketinggian berbeda.
Elevasi paling rendah pada umumnya terkontaminasi dengan clutter. Oleh
karena itu, penggunaan tehnik filter clutter dalam signal processor sangat
disarankan.
Σ
Produk BASEZ menunjukkan data reflektivitas paling rendah yang ada di atas
permukaan tanah. Hal ini mendekati sebenarnya, tetapi suatu hal yang perlu
diperhatikan echo clutter.
33
Cre@ted By : Eko Wardoyo
34. VAD – Velocity Azimuth Display (1)
VAD
menampilkan
kecepatan
radial
terhadap
sudut azimuth
untuk
ketinggian
tetap dan
jarak
kemiringan
tetap.
34
Cre@ted By : Eko Wardoyo
35. VAD – Velocity Azimuth Display
Wind Direction
(peak point of calculated profile)
Wind Direction N E S W N
N Vmax
Azimuth
W E
Calculated
S Profile
0
Elevation
Surface Real Data
Slant Range
-Vmax
Cre@ted By : Eko Wardoyo
36. VAD – Velocity Azimuth Display
Z
N range gate under analysis
W V V P – 3 D W in d S p e e d a n d D ir e c tio n
N Vy Vx
D ir e c tio n
M a x H e ig h t
R e s u ltin g β
V V e c to r
M a x H e ig h t Vv
Vh
S
E Vr
R
M in H e ig h t
0 180 360
M in H e ig h t V e lo c ity Vw
MVwx = wind t velocity
a H e ig h
Vx = velocity component in axle x
EL Vy = velocity component in axle y
S u rfa c e AZ
Vv = velocity component in vertical
(0,0,0) Vh = velocity component in horizontal
Vr = velocity component in the radial of radar
M in H e ig h t
0 V M ax
Cre@ted By : Eko Wardoyo
37. VAD – Velocity Azimuth Display (2)
Ringkasan
Waktu perhitungan yang cepat.
Cek kualitas data kecepatan radial yang cepat.
Interpretasi medan angin yang tidak seragam membutuhkan banyak
pengalaman.
Σ
Ketinggalan zaman namun masih sangat berguna bagi ahli.
37
Cre@ted By : Eko Wardoyo
38. VVP – Volume Velocity Processing (1)
Simbol arah
angin
menampilkan
kecepatan dan
arah angin
mendatar dari
kolom vertikal di
atas lokasi radar
pada sumbu
waktu.
38
Cre@ted By : Eko Wardoyo
39. VVP – Volume Velocity Processing (2)
Presentasi profile
menampilkan
variasi komponen
medan angin
kolom vertikal di
atas lokasi radar.
Disini, kecepatan
mendatar
(horisontal) di
atas ketinggian
diperlihatkan.
39
Cre@ted By : Eko Wardoyo
40. VVP – Volume Velocity Processing (3)
Ringkasan
Profile vertikal (yang terpusat pada lokasi radar) variasi data keluaran dihitung.
Meskipun tidak ada hydrometeors (contoh: tidak ada hujan) algoritma dapat
menentukan profile vertikal di atas ketinggian beberapa kilometer. Hal ini
dikarenakan tingkat sensitifitas yang tinggi dari channel kecepatan sebuah radar,
dan polusi udara (contoh: debu, partikel garam) di seluruh dunia.
Karena teori yang melatarbelakangi dan dengan demikian cek kualitas menjadi
sangat penting, Algoritma membutuhkan data kecepatan dengan kualitas yang
baik sebagai masukan. Secara umum, pembacaan volume yang terpisat, yang
dioptimalkan untuk data mentah kecepatan sangat diperlukan.
Σ
Produk yang sangat berguna, tidak hanya untuk instalasi bandara. Profile
vertikal dapat diturunkan meskipun pada situasi “cuaca baik”.
40
Cre@ted By : Eko Wardoyo
41. UWT – Uniform Wind Technique (1)
Produk ini
menunjukkan
arah angin
horisontal pada
setiap proyeksi
image bagian
atas sebagai
overley yang
dinamis.
Standar algoritma
untuk teknik angin
yang seragam
SMI telah
diaplikasikan.
41
Cre@ted By : Eko Wardoyo
42. UWT – Uniform Wind Technique (3)
Ringkasan
Arah angin horisontal diturunkan, hanya dengan bantuan radar Doppler single.
Karena teori yang melatarbelakangi dan dengan demikian cek kualitas menjadi
sangat penting, Algoritma membutuhkan data kecepatan dengan kualitas yang
baik sebagai masukan. Secara umum, pembacaan volume yang terpisat, yang
dioptimalkan untuk data mentah kecepatan sangat diperlukan.
Σ
Produk berguna untuk menampilkan medan kecepatan horisontal dan medan
refleksi secara bersamaan (angin terkait sebagai perlapisan dengan produk
proyeksi bagian atas yang lain).
42
Cre@ted By : Eko Wardoyo
43. HWIND – Horizontal Wind (1)
Produk ini
menunjukkan arah
angin horisontal
pada proyeksi
image bagian atas
yang lain sebagai
perlapisan
dinamis.
Berbeda dengan
UWT, komponen
angin horisontal
dihitung dengan
regresi seperti
VAD.
43
Cre@ted By : Eko Wardoyo
44. HWIND – Horizontal Wind (2)
Ringkasan
Arah angin horizontal diturunkan, hanya dengan bantuan sebuah radar Doppler
single.
Karena teori yang melatarbelakangi dan oleh karena itu diperlukan pemeriksaan
kualitas, Algoritma memerlukan kualitas data kecepatan sebagai masukan. Pada
umumnya scan volume terpisah dibutuhkan untuk optimalisasi data mentah
kecepatan.
Σ
Produk berguna untuk menampilkan medan kecepatan horisontal dan medan
reflektivitas simultan. (angin bekait sebagai overlay dengan produk top-
projection yang lain).
44
Cre@ted By : Eko Wardoyo
45. SRV – Storm Relative Velocity (1)
Produk ini
digunakan untuk
menunjukkan nilai
kecepatan radial
lokal relatip
terhadap
pergerakan badai.
Tidak sama
dengan sebuah
PPI(V)
sederhana ...
• Pusat image
tidak harus berada
pada radar site,
dan
• angin permukaan
dapat dibuang.
45
Cre@ted By : Eko Wardoyo
46. SRV – Storm Relative Velocity (2)
Angin dasar tidak Angin dasra
dihilangkan dihilangkan.
(sama dengan PPI
sederhana)
46
Cre@ted By : Eko Wardoyo
47. SRV – Storm Relative Velocity (3)
Ringkasan
Detail Lokal dari medan angin (mis. putaran, divergensi, konvergensi) semua
lebih bagus terlihat setelah membuang angin dasar.
Adalah mungkin untuk memusatkan dalam satu area yang diinginkan dengan
pemusatan image..
Sebagaimana untuk setiap produk kecepatan, data mentah dengan kualitas yang
bagus diperlukan. Secara umum sebuah scan volume tersendiri diperlukan
untuk optimalisasi data kecepatan.
Σ
Produk ini baik untuk analisa rinci dari medan angin dasar dari data kecepatan
radial.
47
Cre@ted By : Eko Wardoyo
48. SMV – Spectrum at Maximum Velocity (1)
For each pixel, a
vertical column of
W and V data is
derived. The W of
that height is
displayed where
the maximum
absolute value of
V of the column
was measured.
48
Cre@ted By : Eko Wardoyo
49. SMV – Spectrum at Maximum Velocity (2)
Ringkasan
High velocity correlated with high spectrum width (= turbulence) is a potential
risk for air traffic. The SMV visualizes such areas.
To reduce false alarm, velocity as well as spectrum width data of good quality
are required. In general, a separate volume scan, optimized for velocity and
spectrum width raw data, is required.
Σ
Visualization of horizontal areas of a potential risk for air traffic. Because there
is no height information available, Top and Bottom value should be set around
the level of interest, e.g. flight level.
49
Cre@ted By : Eko Wardoyo
50. LMR – Layer Mean Reflectivity (1)
Tidak seperti
produk MAX ,
LMR memberikan
suatu perkiraan
dari reflektivitas
rata-rata dalam
lapiran atmosfir
sesuai ketetapan
pengguna.
50
Cre@ted By : Eko Wardoyo
51. LMR – Layer Mean Reflectivity (2)
Ringkasan
Ground clutter akan dihilangkan ketika memilih sebuah Bottom dengan
ketinggian lebih tinggi dari ketinggian instalasi radar.
Pengaruh dari variasi-variasi kuat dari profil reflektivitas vertical (mis “bright
band”) dikurangi.
Σ
Produk ini berguna untuk analisa data reflektivitas hingga jarak menengah.
51
Cre@ted By : Eko Wardoyo
52. VPR – Vertical Profile of Reflectivity (1)
VPR menampilkan
profil dari
reflektivitas dalam
sebuah kolom
vertikal di atas radar
site.
Di sini, ditunjukkan
reflektivitas menurut
ketinggian.
Gradient dari
reflektivitas dapat
ditampilkan juga.
52
Cre@ted By : Eko Wardoyo
53. VPR – Vertical Profile of Reflectivity (2)
Ringkasan
Profil vertikal dari reflektivitas dapat dianalisa. Ketinggian dari lapisan melting
(0°C isotherm) dapat dihasilkan dengan menganalisa yang disebut profil “bright
band”.
Clutter mungkin mempengaruhi profil reflektivitas vertikal secara dramatis. Oleh
karena itu, mahalnya produk VPR product sangat tergantung pada scan
parameters, secara khusus filtering clutter.
Σ
Produk ini sangat bermanfaat untuk mempelajari profil vertikal dari reflektivitas,
mis. Untuk menganalisa “bright band”.
53
Cre@ted By : Eko Wardoyo
54. FLCAPPI – Flight Level CAPPI (1)
Produk FLCAPPI
memberikan
beberapa lapisan
CAPPI pada
ketinggian
terbang berbeda
flight levels (FL)
dalam satu
produkt. Hal ini
memudahkan
untuk mengakses
sebaran
intensitas cuaca
pada altitude
berbeda yang
sering dilewati
FL 100 = 100 hFt = 3.05 km pesawat terbang.
54
Cre@ted By : Eko Wardoyo
55. FLCAPPI – Flight Level CAPPI (2)
Ringkasan
Dalam satu produk terdapat beberapa set data dengan altitude tertentu.
Mudah mengakses ke data darin flight levels yang berbeda.
Mengurangi ground clutter di sekitas radar site, disamakan dengan PPI.
Jaraknya terbatas untuk flight level lapisan sangat rendah dan sangat tinggi.
Σ
Produk ini sangat bermanfaat untuk penerbangan.
55
Cre@ted By : Eko Wardoyo
56. FLMAX – Flight Level MAX (1)
Produk FLMAX
memberikan
beberapa lapisan
dari flight levels
(FL) yang berbeda
dalam satu produk.
Perbedaannya
dengan FLCAPPI,
untuk tiap lapisan
dBZ maximum
dihasilakan lebar
lapisan (layer
width) dalam suatu
user-defined.
layer width
FL 100 = 100 hFt = 3.05 km ±
2
56
Cre@ted By : Eko Wardoyo
57. FLMAX – Flight Level MAX (2)
Ringkasan
Dalam satu produk terdapat beberapa set data dengan altitude tertentu.
Sangat mudah mengakses data pada ketinggian penerbangan yang berbeda-beda.
Mengurangi ground clutter di sekitar radar site, disamakan dengan PPI.
Jaraknya terbatas untuk flight levels yang sangat rendah dan sangat tinggi.
Σ
Produk ini sangat bermanfaat untuk penerbangan.
57
Cre@ted By : Eko Wardoyo
58. SWAD – Severe Weather Analysis Display (1)
Tujuan SWAD
adalah untuk
menunjukkan tipe
data radar yang
berbeda-beda (Z, V,
W, Shear) pada
wilayah yang kecil
di sekitar lokasi
cuaca ekstrim.
Pusat dari empat
image akan dapat
diturunkan secara
otomatis kapanpun
batasan yang
diinginkan
pengguna telah di
dapatkan.
58
Cre@ted By : Eko Wardoyo
59. SWAD – Severe Weather Analysis Display (2)
Z V
W Shear 59
Cre@ted By : Eko Wardoyo
60. SWAD – Severe Weather Analysis Display (3)
Ringkasan
4 data berbeda yang disajikan dipusatkan secara otomatis pada lokasi cuaca
yang sangat ekstrim.
Jika titik referensi tetap pada lokasi radar, SWAD menjadi seperti 4 PPI dari
tipe data yang berbeda-beda pada satu produk.
Data Z, V, W harus dalam pembacaan (scan) yang sama. Pembacaan ini hanya
dapat dioptimalkan baik untuk data Z maupun data V dan W.
Σ
Produk yang sangat berguna untuk analisa lokasi cuaca ekstrim hingga
jangkauan menengah.
60
Cre@ted By : Eko Wardoyo
61. CM – Penyajian Combined Moment (1)
Ketiga prinsip
momentum Radar
Doppler:
• reflektifitas dBZ,
• kecepatan radial V,
• lebar spektrum W
are dapat dianalisa
secara
towards/away from
berkelanjutan.
the Radar
|V|
W
dBZ
61
Cre@ted By : Eko Wardoyo
62. CM – Combined Moment Display (2)
Ringkasan
Penyajian informasi Z, V dan W dalam satu image. image ini disusun sebagai
tumpukan (overly) dinamis, yang dapat disajikan bersama dengan setiap produk
tampilan atas yang lain.
Data Z, V, W harus dalam pembacaan (scan) yang sama. Pembacaan ini hanya
dapat dioptimalkan baik untuk data Z maupun data V dan W.
Interpretasi Z-V-W pada vektor grid yang terkode membutuhkan pengalaman
yang banyak.
Σ
Produk yang sangat berguna hanya untuk ahli.
62
Cre@ted By : Eko Wardoyo
64. SHEAR – Perhitungan Shear (1) (radial shear)
BMG Produk SHEAR
dapat disesuaikan
untuk tipe shear
angin yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)
Radial shear (RDS) mengevaluasi penurunan kecepatan angin
radial pada arah azimuth.
RDS Positif → rotasi berlawanan arah jarum jam (cyclonic).
RDS Negatif → rotasi searah jarum jam (anti-cyclonic).
64
Cre@ted By : Eko Wardoyo
65. SHEAR – Perhitungan Shear (2) (azimuth shear)
BMG Produk SHEAR
dapat disesuaikan
untuk tipe shear
angin yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)
Azimuth shear (AZS) mengevaluasi penurunan kecepatan angin
radial pada arah azimuth.
AZS Positif → rotasi berlawanan arah jarum jam (cyclonic).
AZS Negatif → rotasi searah jarum jam (anti-cyclonic).
65
Cre@ted By : Eko Wardoyo
66. SHEAR – Perhitungan Shear (3) (elevation shear)
BMG Produk SHEAR
dapat disesuaikan
dengan tipe angin
shear yang
berbeda-beda:
• radial shear
• azimuth shear
• elevation shear
• kombinasi
ketiganya (2D, 3D
shear)
Elevation shear (ELS) mengevaluasi turunan kecepatan
angin radial pada arah ketinggian. Dua bidang ketinggian
tetap digunakan sebagai masukan (input).
ELS serupa dengan produk shear vertikal VSHEAR.
66
Cre@ted By : Eko Wardoyo
67. SHEAR – Perhitungan Shear (4)
Ringkasan
Shear Radial sangat bagus untuk mendeteksi divergensi atau convergensi.
Azimuth shear adalah indicator untuk medan angin yang berputar.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan”
pada data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk mendeteksi con/divergensi (contoh:
downburst) dan putaran skala kecil (contoh: meso-cyclone). Akan tetapi, harus
diingat bahwa telah tersedia produk khusus (MESO, SWI) yang mendeteksi
fenomena tersebut secara otomatis, dan kemudian menyajikan fenomena
tersebut menggunakan simbol.
67
Cre@ted By : Eko Wardoyo
68. HSHEAR – Horizontal Shear (1)
Perubahan
kecepatan angin
pada arah Utara-
Selatan dan
Timur-Barat pada
satu lapisan pada
ketinggian tetap di
atas rata-rata
tinggi muka laut
dapat dihitung,
dan
dikombinasikan
untuk menemukan
nilai shear
horizontal.
68
Cre@ted By : Eko Wardoyo
69. HSHEAR – Horizontal Shear (2)
Ringkasan
HSHEAR merupakan kombinasi dari radial shear dan azimuth shear, tapi
analysis ini dilakukan pada suatu lapisan dengan ketinggian tetap di atas
permukaan laut (CAPPI layer). Therefore, it can be used to observe horizontal
shear on e.g. flight levels.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna utnuk mendeteksi shear pada lapisan yang tetap
terhadap ketinggian.
69
Cre@ted By : Eko Wardoyo
70. VSHEAR – Vertical Shear (1)
Nilai kecepatan
dihitung untuk
dua lapisan
Cartesian. Nilai
shear ditetapkan
sebagai
perbedaan
kecepatan
absolut diantara
bin Cartesian
berdampingan
dari dua lapisan.
70
Cre@ted By : Eko Wardoyo
71. VSHEAR – Vertical Shear (2)
Ringkasan
VSHEAR dihitung menggunakan data kecepatan dari dua lapisan (lapisan
CAPPI). Oleh karena itu, VSHEAR digunakan untuk mengamati shear vertikal
pada contohnya ketinggian penerbangan.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk mendeteksi shear di antara dua lapisan
(diutamakan contohnya untuk menentukan ketinggian penerbangan).
71
Cre@ted By : Eko Wardoyo
72. LTB – Layer Turbulence (1)
Produk LTB
menyajikan panjang
garis spektrum
maksimum pada
kolom vertikal
diantara dua lapisan
yang dikehendaki
oleh pengguna.
Lapisan ini secara
normal disesuaikan
dengan ketinggian
penerbangan.
(Karena data
panjang garis
spektrum
berhubungan
dengan turbulensi
produk LTB
ditempatkan pada
kelompok shear)72
Cre@ted By : Eko Wardoyo
73. LTB – Layer Turbulence (2)
Ringkasan
LTB menganalisa data W diantara dua lapisan ketinggian konstan di atas muka
laut (lapisan CAPPI). Bagaimanapun, hal tersebut dapat digunakan untuk
mengobservasi turbulence pada, sebagai contoh, ketinggian penerbangan.
Pembacaan radar sebaiknya dioptimalkan untuk data W dengan kualitas tinggi
(misalkan kecepatan rotasi antena rendah). Atau kalau tidak, data W tidak
merefleksikan turbulensi udara secara baik (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk mendeteksi turbulensi diantara dua lapisan.
73
Cre@ted By : Eko Wardoyo
74. Rainbow® 5 – Produk-produk Pendeteksi Fenomena
Dust Storm
Detection
Hail Detection
Severe Weather
Indicator
Gust Front
Detection Rainbow® 5
Con-/Divergence
Detection Produk-produk
Mesocyclone
Detection Pendeteksi Fenomena
Storm Structure
Analysis
Phenomena
Group
74
Cre@ted By : Eko Wardoyo
75. SSA – Storm Structure Analysis (1)
Produk SSA
menganalisa data
Z, V, W pada
pembacaan yang
sama. Struktur
pada masing-
masing badai
yang signifikan
telah ditentukan.
Bentuk dari badai
tersaji, dan
karakteristik dari
badai terdaftar
pada jendela alat
bantu.
Tallinn (Estonia) 75
Cre@ted By : Eko Wardoyo
76. SSA – Storm Structure Analysis (2)
Ringkasan
Deteksi dan analisa badai (storm) secara otomatis. Produk SSA dapat disajikan
di DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.
Data Z, V, W harus dalam pembacaan yang sama. Pengamatan ini dapat
dioptimalkan untuk data Z ataupun data V, W. Bagi produk SSA data Z adalah
paling penting. Akan tetapi secara normal, pembacaan ZVW menjadi optimal
untuk data kecepatan.
Σ
Produk yang sangat berguna untuk deteksi dan analisa badai secara otomatis.
76
Cre@ted By : Eko Wardoyo
77. MESO – Deteksi Mesocyclone (1)
Kegunaan teknik
gaya NEXRAD
untuk mendeteksi
siklonik atau
antisiklonik MCs.
Produk algoritma
MESO mencari
kecepatan radial
polar 3D dalam
rangka menemukan
bentukan
mesocyclone.
Banyak karakteristik
MC yang telah
dapat diturunkan.
Kesemuanya
terdaftar pada
jendela alat bantu.
Tallinn (Estonia) 77
Cre@ted By : Eko Wardoyo
78. MESO – Deteksi Mesocyclone (2)
Ringkasan
Deteksi dan analisa mesocyclone secara otomatis. Produk MESO dapat disajikan
di DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk deteksi dan analisa mesocyclone secara
otomatis.
78
Cre@ted By : Eko Wardoyo
79. VERG – Deteksi Convergence/Divergence (1)
VERG
menganalisa
medan kecepatan
radial polar 3D
untuk mencari
bentukan
divergent dan
convergent.
Bentukan yang
teridentifikasi
disajikan dalam
simbol. Karakter
lebih lanjut
terdaftar pada
jendela alat bantu.
Tallinn (Estonia) 79
Cre@ted By : Eko Wardoyo
80. VERG – Deteksi Convergence/Divergence (2)
Ringkasan
Deteksi dan analisa convergence/divergence secara otomatis. Produk VERG
dapat disajikan di DART bersama dengan setiap tampilan image bagian atas
yang lain sebagai sebuah overly yang dinamis.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk deteksi dan analisa convergence/divergence
secara otomatis.
80
Cre@ted By : Eko Wardoyo
81. GF – Deteksi Gust Front (1)
Sebuah gust front
adalah garis angin
gust kuat yang
sangat tipis, dengan
konvergensi V
horisontal pada
kepala front.
Data Z pun dianalisa
dengan baik.
Bentukan GF yang
teridentifikasi
disajikan dalam garis
polygon.
Karakteristik lebih
lanjut terdaftar dalam
jendela alat bantu.
Tallinn (Estonia) 81
Cre@ted By : Eko Wardoyo
82. GF – deteksi Gust Front (2)
Ringkasan
Deteksi dan analisa gust front secara otomatis. Produk GF dapat disajikan di
DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.
Data kecepatan radial semestinya harus yang sebaik mungkin. “Kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk deteksi dan analisa gust front secara
otomatis.
82
Cre@ted By : Eko Wardoyo
83. SWI – Severe Weather Indicator (1)
SWI menganalisa
data volume radar
untuk
mendeteksi ...
• wilayah
badai/pusat
• mesocyclones
• di/con-vergence
• microburst
Bentukan yang
teridentifikasi akan
disajikan dengan
simbol.
Karakteristik
bentukan-bentukan
tersebut terdaftar di
jendela alat bantu.
Tallinn (Estonia)
83
Cre@ted By : Eko Wardoyo
84. SWI – Severe Weather Indicator (2)
Skenario Microburst Apakah sebuah
microburst itu?
“Sebuah downburst
yang meliputi wilayah
kurang dari 4 km
sepanjang sebuah sisi
dengan puncak angin
yang berlangsung
selama 2-5 menit.”
(Glossary of Meteorology, AMS)
84
Cre@ted By : Eko Wardoyo
86. SWI – Severe Weather Indicator (4)
Ringkasan
Deteksi dan analisa cuaca ekstrim secara otomatis. Produk SWI dapat disajikan
di DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.
Data kecepatan radial semestinya harus yang sebaik mungkin. “kesalahan” pada
data kecepatan menghasilkan gradien kecepatan yang kuat, dan, kemudian
menghasilkan, nilai shear lokal yang sangat tinggi (→ bahaya dari kesalahan
peringatan!).
Σ
Produk yang sangat berguna untuk deteksi dan analisa cuaca ekstrim secara
otomatis.
86
Cre@ted By : Eko Wardoyo
87. ZHAIL – Deteksi Hail (1)
ZHAIL
menganalisa
stuktur reflektifitas
vertikal di atas
lapisan leleh (00C
isotherm).
Ketinggian lapisan
ini akan
dimasukkan secara
manual, atau akan
dibaca dari sebuah
file data.
Bentuk yang
teridentifikasi akan
tersaji berdasarkan
nilai kemungkinan
hail tersebut.
87
Cre@ted By : Eko Wardoyo
88. ZHAIL – Deteksi Hail (2)
Ringkasan
Algoritma standar deteksi hail menganalisa secara umum hanya reflektifitas
naksimum pada penampang vertikal, yang memberikan peringatan tingkat
kesalahan yang tinggi. Di sini, ketinggian lapisan beku terhitung sebagai
ketebalan lapisan, yang mempengaruhi algoritma.
ZHAIL memprakirakan kemungkinan hail.
Ketinggian lapisan beku harus diketahui. Akan tetapi bila nilai ini telah
diketahui (melalui pengukuran radio sonde atau model numerik) akan sangat
mudah diambil secara online melalui sebuah file data.
Σ
Produk yang sangat berguna untuk deteksi hail secara otomatis, terutama apabila
hanya data reflectifitas yang tersedia. Produk tersebut bekerja paling baik
terutama apabila ketinggian lapisan beku telah diketahui dengan baik.
88
Cre@ted By : Eko Wardoyo
89. DSD – Dust Storm Detection (1)
Badai debu
mengandung
partikel debu dan
pasir kecil, yang
ukurannya dalam
mikron. Partikel-
partikel tersebut
tertarik oleh angin.
Jadi, data ZVW
dapat dicari untuk
karakteristik yang
sejenis.
Bentuk DSD yang
teridentifikasi
ditampilkan dalam
garis pligon.
Karakteristik lain di
Bandara Internasional Kuwait sajikan pada jendela
alat bantu. 89
Cre@ted By : Eko Wardoyo
90. DSD – Dust Storm Detection (2)
Ringkasan
Deteksi dan analisa badai debu secara otomatis. Produk DSD dapat ditampilkan
di DART bersama dengan setiap tampilan image bagian atas yang lain sebagai
sebuah overly yang dinamis.
Data Z, V, W harus dalam pembacaan yang sama. Pengamatan ini dapat
dioptimalkan untuk data Z ataupun data V, W. Secara normal, pembacaan ZVW
menjadi optimal untuk data kecepatan (sebagai contoh PRF yang tinggi).
Sehingga, resiko pantulan gelombang yang kedua menjadi tinggi.
Σ
Produk yang berguna untuk mendeteksi dan menganalisa badai debu.
90
Cre@ted By : Eko Wardoyo
91. Rainbow® 5 – Hydrological Products
Point Rainfall
Total
Rainfall Intensity
Histogram
River
Subcatchment
Vertical Rainbow® 5
Integrated Liquid
Precipitation Hydrological Products
Accumulation
Surface Rainfall
Intensity
Hydro Group
91
Cre@ted By : Eko Wardoyo
92. SRI – Surface Rainfall Intensity (1)
SRI menghasilkan
image intensitas
curah hujan pada
lapisan permukaan
yang dipilih oleh
pengguna dengan
ketinggian tetap di
ats permukaan
tanah. Lapisan ini
mengikuti rentangan
tanah yang ada.
SRI digunakan
sebagai input bagi
hampir semua
produk hidrologi
yang lain.
92
Cre@ted By : Eko Wardoyo
93. SRI – Surface Rainfall Intensity (2)
Dua mode perhitungan
SRI:
• Standard SRI
• Pseudo SRI
Peta Bendera SRI
mengindikasikan data
yang di pengaruhi oleh
pembacaan geometri
sehubungan dengan
topografi.
Bendera dengan label
blank menyatakan
bahwa “tidak ada data”.
93
Cre@ted By : Eko Wardoyo
94. SRI – Surface Rainfall Intensity (3)
Ringkasan
Data curah hujan memiliki ketinggian yang tetap di atas orografi.
Σ
Produk yang sangat berguna untuk mempresentasikan data tingkat curah hujan.
Produk ini dapat digunakan sebagai masukan untuk produk curah hujan yang
lain, sebagai contoh perhitungan jumlah (akumulasi) curah hujan dan pelacakan
(tracking) hujan.
94
Cre@ted By : Eko Wardoyo
95. PAC – Precipitation Accumulation (1)
Produk PAC
mengakumulasi
tingkat curah hujan
pada produk SRI
yang berurutan.
Akumulasi dengan
waktu dilakukan
untuk interval waktu
yang dapat
dikonfigurasikan.
Jumlah curah hujan
untuk interval waktu
itu diberikan dalam
unit ...
mm = liter/m2.
95
Cre@ted By : Eko Wardoyo
96. PAC – Precipitation Accumulation (2)
Disini, PAC
diturunkan dari
produk RTR,
sebagai contoh
PAC diinterpolasi
dalam waktu
stamps yang
diskrit.
SRI→RTR→PAC
96
Cre@ted By : Eko Wardoyo
97. PAC – Precipitation Accumulation (3)
Ringkasan
Total curah hujan dihasilkan dari data radar. Jumlah total tersebut kemudian
dapat dibandingkan total penakar hujan.
Dikarenakan data masukan yang diskrit (jadwal pengulangan interval waktu),
dimungkinkan dibutuhkan untuk melakukan interpolasi waktu (→ produk RTR
product sebagai data masukan).
Σ
Produk yang berguna untuk aplikasi hidrologi.
97
Cre@ted By : Eko Wardoyo
98. VIL – Vertical Integrated Liquid kandungan air (1)
Tujuan dari
produk VIL
adalah untuk
memberikan
prakiraan
kandungan air
yang cepat pada
tempat / lapisan
atmosfer yang
diinginkan
pengguna untuk
mengindikasikan
potensi curah
hujan pada
contohnya badai
yang hebat.
98
Cre@ted By : Eko Wardoyo
99. VIL – Vertical Integrated Liquid Water Content (2)
Ringkasan
Alat indikasi aktivitas badai: Apabila bagian bawah dan dan permukaan badai
berada di atas tingkat beku, nilai VIL yang tinggi mengindikasikan badai yang
hebat dan hail. Apabila bagian bawah dan dan permukaan badai berada di
bawah tingkat beku (misalkan 1dan 3 km), VIL dapat memprakirakan jumlah
hujan beberapa menit kedepan.
Nilai VIL di sekitar posisi radar hingga jangkauan Ru ditaksir terlalu renda
karena pembacaan geometri.
Σ
Produk yang berguna untuk mendeteksi badai hebat, dan prakiraan potensi hujan
dalam jangka pendek.
99
Cre@ted By : Eko Wardoyo
100. RSA – River Subcatchment Accumulation (1)
Produk RSA
menyediakan
informasi
mengenai jumlah
hujan pada
cekungan yang
diinginkan
pengguna
(subcatchments).
Seperti PAC, hal
tersebut
berdasarkan data
SRI data yang
tersedia pada
interval waktu
yang
terkonfigurasi.
Subcatchment overlay with tool tip information
100
Cre@ted By : Eko Wardoyo
101. RSA – River Subcatchment Accumulation (2)
Rata-rata wilayah waktu aliran subcatchment “Dekat Gdansk 2”
101
Cre@ted By : Eko Wardoyo
102. RSA – River Subcatchment Accumulation (3)
Ringkasan
Subcatchment dapat diketahui dengan cara yang mudah. Mereka mungkin akan
bertumpuk.
Karena data masukan bersifat diskrit (pengulangan interval waktu terjadwal),
maka dibutuhkan interpolasi waktu.
(→ Produk RTR sebagai masukan)
Σ
Produk RSA dapat digunakan sebagai masukan untuk model hidrologi.
102
Cre@ted By : Eko Wardoyo
103. RIH – Rainfall Intensity Histogram (1)
Produk RIH menyediakan data time series intensitas hujan
untuk lokasi yang diinginkan oleh pengguna (disini: “GDA_2”).
Sebagai tambahan, Jumlah total curah hujan untuk lokasi
tersebut ditampilkan pada jendela alat bantu informasi.
Hal tersebut berdasarkan jumlah data SRI yang terkumpul
pada interval waktu yang terkonfigurasi (disini: 1 hour).
103
Cre@ted By : Eko Wardoyo
104. RIH – Rainfall Intensity Histogram (2)
Ringkasan
Produk RIH dapat menghasilkan time series data intensitas hujan yang
terkonfigurasi panjangnya rentang waktu dan lokasi yang diinginkan oleh
pengguna.
Σ
Produk data RIH dapat digunakan untuk membandingkan dengan data penakar
hujan.
104
Cre@ted By : Eko Wardoyo
105. PRT – Point Rainfall Total (1)
Produk PRT dapat
mengimport data
curah hujan external
dari data penakar
hujan. Apabila data
tersebut cocok pada
lokasi dan waktu
dengan data radar
yang dipilih, total
rainfall untuk kedua
sumber akan dapat
dibandingkan.
Untuk lokasi yang
berbeda...
• total penakar hujan
• total radar
• perbedaan
radar-penakar
hujan akan dapat
PRT yang di overlay dengan informasi alat bantu dihitung. 105
Cre@ted By : Eko Wardoyo
106. PRT – Point Rainfall Total (2)
Ringkasan
Produk PRT berfungsi untuk mengekstrak data curah hujan pada lokasi yang
diinginkan pengguna dari produk PAC. Apabila data ground observasi curah
hujan (rain gauge) tersedia, total rain gauge yang berhubungan dengan lokasi
yang bersangkutan dan interval waktu bisa diperoleh (dihitung).
Σ
Produk data PRT dapat digunakan untuk membandingkan data radar dan rain
gauge.
106
Cre@ted By : Eko Wardoyo
107. Rainbow® 5 – Produk Prakiraan Jangka Pendek
Track Hujan
Rainbow® 5
Track Centroid
Produk Prakiraan Jangka Pendek
Kelompok Prakiraan
Jangka Pendek
107
Cre@ted By : Eko Wardoyo
108. CTR – Cell Centroid Tracking (1)
Data analisa
refleksi CTR untuk
mengidentifikasi
dan men-track cel
badai (storm).
Dengan seluruh
antena baru, scan
image yang
teridentifikasi oleh
antenna selalu up
to date. Tampilan
yang ada terdiri
dari:
• cell yang sedang
terbentuk pada
saat ini
• trace image
berdasarkan scan
image sebelumnya
• Prakiraan image
108
Cre@ted By : Eko Wardoyo
109. CTR – Cell Centroid Tracking (2)
Image CTR yang di
zoom dengan
informasi
mengenai cel yang
diprakirakan.
109
Cre@ted By : Eko Wardoyo
110. CTR - Cell Centroid Tracking (3)
Ringkasan
Deteksi dan tracking cell centroid secara otomatis. produk CTR dapat di
tampilkan bersama dengan setiap image bagian atas.
Hasil prakiraan CTR sangat baik untuk cel awan konvektif yang terisolasi. Akan
tetapi parameter algoritma harus disesuaikan dengan hati-hati dikarenakan
adanya kondisi lokal. Harus diingat bahwa cel awan konvektif tidak hanya
“bergerak”. Perpindahan cel merupakan interkaksi dan modifikasi oleh proses di
dalam awan itu sendiri, diantaranya peningkatan atau penurunan bentuk sesuai
dengan waktu hidupnya yang terbatas.
Σ
Produk yang berguna untuk mendeteksi dan men-track cell centroid secara
otomatis. CTR dapat bekerja paling baik untuk mendeteksi dan men-track untuk
curah hujan secara konveksi.
110
Cre@ted By : Eko Wardoyo
111. RTR - Rain Tracking (1)
RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
diturunkan berdasarkan
teknik pemilihan
pengguna.
Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
• input pada waktu
terkini
• prakiraan hujan
Curah hujan rata-rata: tingkat curah hujan rata-rata dalam perhitungan waktu kebelakang
111
Cre@ted By : Eko Wardoyo
112. RTR - Rain Tracking (2)
RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
diturunkan berdasarkan
teknik pemilihan
pengguna.
Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
• input pada waktu
terkini
PAC+<waktu prakiraan>: prakiraan perhitungan jumlah CH
• prakiraan hujan
112
Cre@ted By : Eko Wardoyo
113. RTR - Rain Tracking (3)
RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
diturunkan berdasarkan
teknik pemilihan
pengguna.
Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
• input pada waktu
terkini
Waktu kini: data input waktu terkini (PPI, CAPPI atau SRI) •
prakiraan hujan
113
Cre@ted By : Eko Wardoyo
114. RTR - Rain Tracking (4)
RTR dilakukan
menggunakan PPI,
CAPPI or SRI. RTR
memantau pergerakan
dan memprakirakan
medan curah hujan.
Perpindahan arah
diturunkan berdasarkan
teknik pemilihan
pengguna.
Lapisan keluaran
berbeda-beda yang
tersedia:
• hujan rata-rata
• PAC+...
• input pada waktu
terkini
• prakiraan hujan
Prakiraan hujan: tingkat curah hujan pada jangka waktu prakiraan (T+30 min.)
114
Cre@ted By : Eko Wardoyo
115. RTR - Pemantauan pergerakan Hujan (5)
Ringkasan
Penentuan arah pergerakan dan Prakiraan Curah hujan secara otomatis. RTR terdiri dari lapisan data
yang berbeda, sebagai berikut:
- perkiraan tingkat curah hujan dalam jangka waktu dekat akan datang
- perkiraan jumlah curah hujan dalam jangka waktu dekat akan datang
Adalah mungkin untuk menggunakan RTR sebagai hasil masukan untuk PAC. Hal ini akan
menghasilkan perhitungan jumlah curah hujan yang lebih tepat karena pergerakan curah hujan dalam
jadual jangka waktu pengulangan yang diskrit.
Hasil perkiraan RTR bergantung pada kualitas analisa perpindahan arah:
- Jika VVP digunakan, hati-hati dengan kenyataan bahwa perpindahan arah echo curah hujan tidak
selalu sama dengan arah angin yang diturunkan dari data Doppler.
- Jika CTR digunakan, maka hasil perkiraan RTR akan sangat baik untuk cel awan konvektif yang
terisolasi. Akan tetapi, parameter algoritma harus disesuaikan dengan baik.
Σ
Produk yang berguna untuk pemantauan pergerakan dan prakiraan curah hujan secara otomatis.
115
Cre@ted By : Eko Wardoyo
129. Squall Line
Praktek Radar Meteorologi - Sesi 2 129
Cre@ted By : Eko Wardoyo
130. Bright Band
Praktek Radar Meteorologi - Sesi 2 130
Cre@ted By : Eko Wardoyo
131. Bright Band
S tr a tifo r m a r e a C o n v e c tio n
Altitude (km)
B B
D is t a n c e (k m )
Praktek Radar Meteorologi - Sesi 2 R e f l e c t i v i t y f a c t o r ( d B Z131
)
Cre@ted By : Eko Wardoyo
132. TBSS
Praktek Radar Meteorologi - Sesi 2 132
Cre@ted By : Eko Wardoyo
133. BMKG
Insect / Bug/ Bird
Praktek Radar Meteorologi - Sesi 2 133
Cre@ted By : Eko Wardoyo