Skip to content
Kembali ke hasil pencarian

Indeks Evapotranspirasi Curah Hujan Standar

Diperkenalkan oleh
Vicente-Serrano, Beguería, and López-Moreno
Tahun
2010
Jenis
Probability-based water deficit indicator
Keluarga
Drought and water balance analysis

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Indeks Evapotranspirasi Curah Hujan Standar (SPEI) adalah indeks iklim yang menggabungkan curah hujan dan suhu (melalui evapotranspirasi referensi) untuk mengkarakterisasi defisit air dan kekeringan.

Dikembangkan oleh Vicente-Serrano dan kolega pada tahun 2010, SPEI memperluas kerangka kerja SPI untuk memperhitungkan efek gabungan dari defisit curah hujan dan peningkatan permintaan penguapan akibat pemanasan, sehingga memberikan metrik kekeringan yang lebih berbasis fisika daripada indeks yang hanya berdasarkan curah hujan.

Intuisi di balik metode

SPEI menghitung keseimbangan air iklim kumulatif (CWB) sebagai selisih antara curah hujan dan evapotranspirasi referensi (ET0) selama skala waktu yang dipilih (1, 3, 6, atau 12 bulan). Keseimbangan air ini menangkap pasokan air (curah hujan) dan permintaan air (penguapan dan transpirasi tanaman, yang meningkat seiring suhu). CWB kemudian distandardisasi menggunakan distribusi log-logistik tiga parameter, menghasilkan nilai SPEI dengan interpretasi yang sama seperti SPI: nilai negatif menunjukkan kekeringan, nilai positif menunjukkan kondisi basah. Dengan memasukkan efek suhu, SPEI mencerminkan dampak hidrologis nyata dari perubahan iklim.

Sejarah

Diperkenalkan pada tahun 2010 oleh Vicente-Serrano dan kolega, SPEI muncul sebagai respons terhadap pengakuan bahwa indeks kekeringan yang hanya berdasarkan curah hujan gagal menangkap peningkatan evapotranspirasi akibat pemanasan. Indeks ini mendapatkan daya tarik dalam penelitian perubahan iklim, dengan Organisasi Meteorologi Dunia merekomendasikan SPEI bersama SPI untuk pemantauan kekeringan. Perkembangan terbaru meliputi estimasi ET0 berbasis satelit yang memungkinkan perhitungan SPEI di wilayah yang kekurangan data, dan penggabungan SPEI dengan model kelembaban tanah dan aliran sungai untuk penilaian sumber daya air terpadu.

Kapan digunakan

Gunakan SPEI untuk penilaian kekeringan ketika suhu diperkirakan memengaruhi ketersediaan air (wilayah semi-arid dan arid di mana permintaan penguapan tinggi), untuk penilaian dampak perubahan iklim (SPEI lebih baik menangkap pengeringan akibat pemanasan daripada SPI), dan untuk pemantauan kekeringan operasional di mana defisit curah hujan dan anomali suhu penting. Untuk wilayah tropis lembab di mana evapotranspirasi kurang sensitif terhadap variasi suhu, SPI mungkin memadai.

Batasan dan pertimbangan

  • Membutuhkan data suhu selain curah hujan, membatasi aplikasi di wilayah dengan observasi suhu yang jarang
  • Parameterisasi evapotranspirasi referensi (ET0) menimbulkan ketidakpastian; rumus ET0 yang berbeda menghasilkan nilai SPEI yang berbeda
  • Penyuaian distribusi probabilitas dapat bermasalah di wilayah arid dengan banyak bulan tanpa curah hujan
  • Proyeksi SPEI mewarisi ketidakpastian besar dari proyeksi suhu dan curah hujan GCM, terutama pada skala regional

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Termotivasi secara fisika: mencakup pasokan dan permintaan air, mencerminkan tekanan hidrologis nyata
  • Sensitif terhadap pemanasan: menangkap tren pengeringan yang didorong oleh peningkatan evapotranspirasi, bahkan jika curah hujan tetap konstan
  • Skala waktu fleksibel: mendukung agregasi 1-, 3-, 6-, dan 12-bulan untuk menilai dampak pada cakrawala waktu yang berbeda
  • Karakterisasi kekeringan yang ditingkatkan: dibandingkan dengan metrik yang hanya berdasarkan curah hujan, SPEI berkorelasi lebih baik dengan perubahan aliran sungai, air tanah, dan kelembaban tanah

Penerapan

  • Proyeksi kekeringan perubahan iklim: menggunakan SPEI yang dihitung dari proyeksi GCM untuk menilai frekuensi dan intensitas kekeringan di masa depan di bawah skenario pemanasan
  • Peringatan dini kekeringan operasional: perhitungan SPEI waktu nyata dari stasiun cuaca regional untuk memandu manajer air dan penasihat pertanian
  • Penilaian stres pertanian: mengkorelasikan SPEI dengan data hasil panen untuk mengembangkan model dampak kekeringan untuk perkiraan hasil panen
  • Manajemen daerah aliran sungai: menggunakan SPEI untuk menilai ketersediaan air dan merencanakan alokasi air serta operasi waduk di bawah skenario kekeringan yang bervariasi

Cara kerjanya

Cara kerjanya

1

Data curah hujan dan suhu bulanan dikumpulkan selama periode yang lama (30+ tahun). Radiasi matahari, kecepatan angin, dan kelembaban meningkatkan estimasi ET0 tetapi tidak selalu tersedia.

2

Evapotranspirasi referensi (ET0) dihitung menggunakan persamaan Hargreaves (hanya suhu) atau persamaan Penman-Monteith (jika data meteorologi lengkap tersedia). Kontrol kualitas diterapkan untuk menghilangkan kesalahan data.

3

Untuk setiap periode akumulasi (1, 3, 6, 12 bulan), keseimbangan air iklim kumulatif (P - ET0) dihitung. Distribusi kumulatif disesuaikan dengan distribusi probabilitas log-logistik.

4

Variabel standar (SPEI) dihitung dengan mengubah setiap nilai CWB menggunakan fungsi distribusi kumulatif yang disesuaikan. Hasil berkisar dari sekitar -4 (kekeringan ekstrem) hingga +4 (kondisi sangat basah).

5

Peta dan deret waktu SPEI dianalisis untuk onset, durasi, intensitas, dan pemulihan kekeringan. Pola spasial mengungkapkan wilayah yang secara bersamaan terkena dampak kekeringan. Tren SPEI menunjukkan pergeseran sistematis dalam ketersediaan air (misalnya, tren pengeringan di wilayah Mediterania).

Kesalahan umum

  • Mengasumsikan SPEI secara langsung mewakili kelembaban tanah; SPEI adalah anomali keseimbangan air relatif terhadap klimatologi, bukan kandungan kelembaban tanah absolut
  • Membandingkan nilai SPEI yang dihitung dengan metode ET0 atau sumber curah hujan yang berbeda; standardisasi memastikan keterbandingan hanya dalam kumpulan data yang konsisten
  • Ekstrapolasi tren SPEI ke masa depan secara berlebihan tanpa mempertimbangkan potensi perubahan distribusi curah hujan dan suhu

Pertanyaan yang sering diajukan

Apa itu evapotranspirasi referensi (ET0) dan bagaimana cara menghitungnya?

ET0 adalah laju evapotranspirasi dari tanaman referensi (rumput) dalam kondisi teririgasi baik dan kondisi tumbuh optimal. Ini mewakili permintaan atmosfer akan air. Metode Hargreaves memperkirakan ET0 hanya dari suhu; metode Penman-Monteith menggunakan suhu, kelembaban, angin, dan radiasi untuk akurasi yang lebih tinggi. Untuk suhu tertentu, ET0 meningkat dengan kekeringan (kelembaban lebih rendah) dan angin, serta dengan radiasi yang lebih kuat.

Bagaimana SPEI berbeda dari Palmer Drought Severity Index (PDSI)?

Keduanya menggabungkan curah hujan dan suhu. PDSI menggunakan model keseimbangan air tanah dengan sifat tanah yang ditentukan; SPEI menggunakan akumulasi sederhana dari (P - ET0). SPEI lebih cepat dihitung dan tidak memerlukan data tanah. Deret waktu SPEI pada skala waktu yang berbeda bersifat independen; nilai PDSI pada skala waktu yang berbeda berasal dari satu proses yang mendasarinya. Untuk pemantauan operasional, SPEI lebih praktis.

Bisakah SPEI memproyeksikan kekeringan di masa depan di bawah perubahan iklim?

Ya. Proyeksi curah hujan dan suhu GCM yang didownscale dapat dimasukkan ke dalam perhitungan SPEI, menghasilkan proyeksi SPEI untuk tahun 2050 atau 2100. Namun, ketidakpastian besar ada karena sebaran GCM dan metode downscaling. SPEI ensemble dari beberapa GCM direkomendasikan.

Apa ambang batas SPEI tipikal untuk klasifikasi kekeringan?

Mirip dengan SPI: SPEI > 1,5 sangat basah; 1,0–1,5 basah; 0,5–1,0 cukup basah; -0,5–0,5 mendekati normal; -0,5 hingga -1,0 agak kering; -1,0 hingga -1,5 kekeringan parah; -1,5 hingga -2,0 kekeringan sangat parah; < -2,0 kekeringan ekstrem.

Metode terkait

Sumber

  1. Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the Standardized Precipitation Evapotranspiration Index. Journal of Climate, 23(7), 1696-1718.

    Buka referensi DOI
    Disalin.