Urgensi Informasi Prediksi Iklim Dasawarsa dalam Perencanaan Pembangunan

Imam Wahyu  Amanullah; Akhmad  Faqih; Muhammad  Fadhlil; Syamsu Dwi  Jadmiko; Ilham Bayu  Widagdo

doi:10.29244/agro-maritim.0201.32-38

Authors

Imam Wahyu Amanullah Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB University
Akhmad Faqih Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB University
Muhammad Fadhlil Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB University
Syamsu Dwi Jadmiko Centre for Climate Risk and Opportunity Management, IPB University
Ilham Bayu Widagdo Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, IPB University

DOI:

https://doi.org/10.29244/agro-maritim.0201.32-38

Keywords:

Iklim, Skala Dasawarsa, Perencanaan, Pengembangan Sistem

Abstract

Informasi prediksi iklim dalam skala dasawarsa merupakan informasi yang lebih relevan dibandingkan dengan skenario perubahan iklim jangka panjang dalam penyusunan perencanaan jangka menengah. Khususnya untuk membantu penyusunan Rencana Pembangunan Jangka Menengah Nasional (RPJMN). Hingga saat ini, belum dilakukan analisis dan pengembangan sistem prediksi iklim dasawarsa dalam lingkup nasional yang sistematis, padahal potensi pemanfaatannya sangat banyak. Indonesia perlu meniru negara-negara lain yang sudah mulai fokus dalam mengembangkan sistem prediksi dasawarsa. Studi ini memberikan penekanan mengenai perlunya disusun sebuah kajian yang diarahkan untuk melihat potensi prediksi iklim dasawarsa, khususnya sebagai informasi tambahan untuk keperluan penyusunan RPJMN. Untuk selanjutnya, gambaran pentingnya suplai informasi prediksi dasawarsa yang kontinu dan sistematis perlu dikembangkan untuk kepentingan perencanaan nasional dan daerah.

References

Chiew, F., & Leahy, M. (2003). Inter-decadal Pacific Oscillation modulation of the impact of El Niño/Southern Oscillation on Australian rainfall and streamflow. Paper presented at the Proceedings of the International Congress on Modelling and Simulation (MODSIM 2003), July 2003, Townsville.
Kirtman, B., Power, S., Adedoyin, J., Boer, G., Bojariu, R., Camilloni, I., . . . Wang, H. (2013). Near-term climate change: Projections and predictability. In T. Stocker, D. Qin, G.-K. Plattner, M. Tignor, S. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, & P. Midgley (Eds.), Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, NY, USA: Cambridge University Press.
Mantua, N. J., & Hare, S. R. (2002). The pacific decadal oscillation. Journal of Oceanography, 58, 35-44.https://doi.org/10.1023/A:1015820616384
Mantua, N. J., Hare, S. R., Zhang, Y., Wallace, J. M., & Francis, R. C. (1997). A pacific interdecadal climate oscillation with impacts on salmon production. Bull. Amer. Meteor. Soc., 78, 1069-1079.https://doi.org/10.1175/1520-0477(1997)078%3C1069:APICOW%3E2.0.CO;2
Qalbi, H. B., Faqih, A., & Hidayat, R. (2017). Future rainfall variability in Indonesia under different ENSO and IOD composites based on decadal predictions of CMIP5 datasets. IOP Conf. Series: Earth and Environmental Science, 54 (012043). doi:10.1088/1755-1315/54/1/012043
Zhang, Y., Wallace, J. M., & Battisti, D. S. (1997). ENSO-like interdecadal variability. J. Climate Dyn., 10, 1004-1020.https://doi.org/10.1175/1520-0442(1997)010%3C1004:ELIV%3E2.0.CO;2