Rabu, 20 Mei 2026
Sumber: NOAA Physical Sciences Laboratory; metodologi mengikuti Wheeler & Kiladis (1999) (psl.noaa.gov)
Gelombang Tropikal sebagai Pemicu Hujan Ekstrem
Pada 19 Mei 2026 — kemarin — BMKG mengeluarkan peringatan cuaca ekstrem untuk 10 kabupaten dan kota di Sulawesi Utara, termasuk Manado, Tomohon, Bitung, dan Minahasa. Penyebabnya bukan monsun, bukan siklon. Penyebabnya adalah dua gelombang atmosfer tropis yang terdeteksi aktif secara bersamaan: sebuah Kelvin wave dan MJO (Madden-Julian Oscillation).
Kasus seperti ini bukan anomali. Studi Latos et al. (2021) pada banjir besar Sulawesi Selatan bulan Januari 2019 menunjukkan bahwa interaksi antara convectively coupled Kelvin wave (CCKW) dan convectively coupled equatorial Rossby wave (CCERW) — keduanya dalam fase aktif MJO — memicu sistem konveksi mesoskala di atas Laut Jawa yang berujung pada banjir katastrofik. Analisis klimatologisnya lebih mengejutkan lagi: 92% dari kejadian banjir DJF (Desember-Januari-Februari) di Sulawesi Barat Daya didahului oleh aktivitas gelombang ekuator yang positif, dan kombinasi CCKW + CCERW meningkatkan probabilitas banjir hingga 8 kali lipat dibanding kondisi latar.
Gelombang-gelombang tropikal ini bukan fenomena teoretis. Mereka adalah sinyal prediktif yang bisa dipantau secara operasional — dan memahami cara kerjanya membuat prakiraan cuaca mingguan jauh lebih bisa dimaknai.
Jenis-Jenis Gelombang Konvektif Ekuator
Fondasi ilmiahnya diletakkan oleh Wheeler & Kiladis (1999), yang menganalisis 18 tahun data OLR (Outgoing Longwave Radiation) satelit dan mengidentifikasi enam jenis convectively coupled equatorial waves (CCEWs) melalui pemfilteran di domain wavenumber-frequency. Empat di antaranya relevan secara operasional:
Kelvin wave bergerak ke timur dengan periode 2,5–30 hari dan kecepatan fase 10–17 m/s. Ini adalah gelombang tercepat di antara CCEWs. Dalam domain wavenumber-frequency, ia terfilter pada bilangan gelombang zonal \(k = 1\) hingga \(14\), dengan puncak sinyal konvektif di \(k = 6\)–\(13\). Ketika ia melintasi Indonesia dari barat ke timur, convergence di lapisan bawah atmosfer mendorong pertumbuhan awan konvektif dan curah hujan.
Equatorial Rossby wave (ER wave) bergerak ke barat, jauh lebih lambat, dengan periode 5–48 hari dan kecepatan fase sekitar 5 m/s. Variansi OLR-nya maksimum di sekitar lintang \(\pm 12°\), sedikit di luar ekuator — sehingga dampak hujannya sering terasa lebih kuat di Sumatra utara, Kalimantan, dan Sulawesi daripada tepat di garis khatulistiwa.
Mixed Rossby-gravity wave (MRG wave) juga bergerak ke barat, dengan periode 3–8 hari dan kecepatan fase sekitar 10 m/s. Sinyal OLR-nya bersifat antisimetris terhadap ekuator — artinya, ketika konveksi meningkat di belahan bumi utara, belahan selatan cenderung mengalami kondisi sebaliknya. Karakteristik ini membedakannya dari Kelvin wave dan ER wave yang simetris.
MJO perlu dibedakan secara khusus. Dalam representasi wavenumber-frequency, MJO bukan CCEW dalam pengertian strictnya — ia menempati band frekuensi yang lebih rendah, dengan periode 30–90 hari dan wavenumber \(k = 1\)–\(5\), bergerak ke timur dengan kecepatan sekitar 5 m/s. MJO adalah envelope intraseasonal yang sering menumpang pada CCEWs; ketika keduanya aktif bersamaan, dampak konvektifnya bisa jauh lebih besar daripada salah satu saja.
Satu ciri fisik penting yang berlaku untuk semua CCEWs: equivalent depth observasionalnya berada di rentang 12–50 m — jauh lebih dangkal dari gelombang ekuator kering (dry modes) yang bernilai ratusan meter. Ini mencerminkan coupling antara dinamika gelombang dan konveksi yang mengandung kelembapan: awan dan hujan memperlambat dan "memenjarakan" energi gelombang di troposfer bawah.
Empat jenis gelombang tropikal operasional, dikelompokkan berdasarkan arah propagasi dan skala waktu.
Mekanisme Gelombang dalam Modulasi Hujan
Cara membaca aktivitas gelombang secara operasional bertumpu pada satu variabel satelit: OLR. Anomali OLR negatif berarti lebih banyak awan konvektif tinggi yang menghalangi radiasi dari permukaan bumi ke luar angkasa — sinyal hujan deras. Anomali OLR positif berarti langit cerah dan konveksi yang tertekan.
NOAA Physical Sciences Laboratory memfilter data OLR global dalam domain wavenumber-frequency mengikuti kerangka Wheeler & Kiladis (1999), lalu memproyeksikan sinyal ke masing-masing jenis gelombang. Hasilnya adalah empat set peta dan diagram Hovmoller real-time: satu untuk MJO, satu untuk Kelvin wave, satu untuk ER wave, dan satu untuk MRG wave.
Diagram Hovmoller di atas — sumbu horizontal adalah bujur, sumbu vertikal adalah waktu — adalah alat baca paling intuitif. Sinyal yang bergerak ke kanan (timur) dari waktu ke waktu adalah Kelvin wave atau MJO. Sinyal yang bergerak ke kiri (barat) adalah ER wave atau MRG wave. Ketika beberapa sinyal negatif (anomali konveksi aktif) saling bertemu di atas wilayah Indonesia, itulah momen yang perlu diwaspadai.
Simetri OLR juga membantu praktisi membedakan jenis gelombang: Kelvin wave dan ER wave bersifat simetris terhadap ekuator dalam sinyal OLR-nya, sementara MRG wave bersifat antisimetris. Di lapisan bawah atmosfer, Kelvin wave menginduksi convergence zonal yang mendorong naik udara lembap secara terorganisasi; ER wave menginduksi convergence meridional yang sering mengaktifkan orografi pegunungan Sumatra dan Sulawesi.
Kasus Nyata: Gelombang dan Banjir di Sulawesi dan Sumatra
Sulawesi Selatan, Januari 2019. Inilah kasus paling terdokumentasi dalam literatur. Latos et al. (2021) merekonstruksi kejadian 22 Januari 2019: sebuah CCKW bergerak dari timur Samudra Hindia ke arah timur, sementara CCERW bergerak ke barat, keduanya aktif dalam fase basah MJO. Convergence lapisan bawah dari CCKW memaksa pembentukan konveksi mesoskala yang kemudian terorganisasi oleh topografi pegunungan Sulawesi Barat Daya. Hasilnya: curah hujan ekstrem dan banjir besar yang merenggut nyawa dan menenggelamkan ribuan rumah.
Yang membuat studi ini penting bukan hanya rekonstruksi satu kejadian, tetapi analisis klimatologisnya selama beberapa dekade. Hampir semua banjir besar DJF di wilayah itu didahului oleh salah satu atau kedua gelombang ini. Saat CCKW dan CCERW hadir bersamaan, probabilitas banjir melonjak 8 kali lipat dibanding hari-hari tanpa aktivitas gelombang. Ini angka yang sangat signifikan untuk prakiraan operasional.
Sumatra Barat, Maret 2024. Sebuah studi dalam jurnal Atmospheric Research (2025) mendokumentasikan kejadian 7–8 Maret 2024 di Sumatra Barat, di mana kombinasi MJO aktif, Kelvin wave, dan westerly wind burst menghasilkan curah hujan ekstrem 200–394 mm/hari. Nilainya jauh di atas ambang batas hujan lebat (<100 mm/hari), menunjukkan bahwa superposisi ketiga faktor ini bisa menciptakan kondisi yang jauh melampaui prediksi model berbasis monsun saja.
Sulawesi Utara, Mei 2026. Peringatan BMKG kemarin bukan tindakan reaktif — ini adalah pemantauan proaktif berbasis gelombang. BMKG mendeteksi Kelvin wave aktif bergerak ke timur di atas Sulawesi Utara bersamaan dengan fase aktif MJO, dan segera mengeluarkan peringatan cuaca untuk 10 kabupaten/kota. BMKG mendefinisikan Kelvin wave secara operasional sebagai "gangguan perambatan udara yang bergerak dari barat ke timur, berperan membawa uap air yang memicu pertumbuhan awan konvektif dan menyebabkan hujan di daerah ekuator" — definisi yang selaras dengan literatur ilmiah.
Sumatra dan Selat Malaka, Januari 2026. Pada prospek cuaca mingguan 23–29 Januari 2026 — awal tahun ini — BMKG mengidentifikasi Kelvin wave aktif di atas Sumatra Utara, Sumatra Barat, Riau, Kepulauan Riau, Selat Malaka, dan perairan Dumai–Bengkalis, bersamaan dengan equatorial Rossby wave yang juga aktif. Kombinasinya berkontribusi pada peningkatan aktivitas konvektif dan potensi hujan di kawasan Indonesia barat. Ini bukan kejadian langka — BMKG rutin menggunakan bahasa gelombang ekuator dalam prospek mingguannya sebagai kerangka utama untuk menjelaskan variabilitas curah hujan.
Memantau Gelombang: OLR, Hovmoller, dan Alat Operasional
Untuk memantau aktivitas gelombang tropikal secara real-time, titik pertama yang perlu kita kunjungi adalah halaman OLR Modes dari NOAA Physical Sciences Laboratory. Di sana tersedia diagram Hovmoller terkini (diperbarui setiap beberapa hari), peta anomali OLR yang difilter per jenis gelombang, dan animasi 40 hari terakhir — semua gratis dan terbuka.
Cara membaca diagram Hovmoller: sumbu-x adalah bujur (0° hingga 360°, atau biasanya dipusatkan di Samudra Hindia dan Pasifik barat), sumbu-y adalah waktu yang berjalan ke bawah (hari terbaru di bawah). Warna biru/hijau menunjukkan anomali OLR negatif (konveksi aktif). Garis diagonal yang miring ke kanan menunjukkan sinyal bergerak ke timur (Kelvin wave, MJO); garis yang miring ke kiri menunjukkan sinyal bergerak ke barat (ER wave, MRG wave). Indonesia berada di bujur sekitar 95°–141°E — kita identifikasi segmen itu dan perhatikan apakah ada anomali negatif yang bergerak ke arah itu.
BMKG mengintegrasikan produk-produk ini ke dalam rutinitas operasional prakiraan cuaca mingguan dan peringatan cuaca jangka pendek. Ketika prospek mingguan BMKG menyebutkan "Gelombang Kelvin aktif" atau "Gelombang Rossby Ekuator terpantau", itu bukan kalimat pelengkap — itu adalah sinyal yang sudah diverifikasi dengan pemfilteran wavenumber-frequency dan memiliki implikasi langsung terhadap potensi hujan lebat dalam 3–7 hari ke depan.
Pantau aktivitas gelombang secara real-time di NOAA PSL OLR Modes.
Untuk memperdalam pemahaman tentang MJO dan cara membaca fase-fasenya — termasuk diagram Wheeler-Hendon yang menjadi standar monitoring MJO global — kita akan bahas di artikel tersendiri di meteo.my.id.
Eksplorasi artikel meteorologi lainnya di meteo.my.id (https://meteo.my.id).
Referensi
- NOAA Physical Sciences Laboratory — OLR Modes of Coherent Tropical Convective Variability (psl.noaa.gov)
- Latos, B., et al. (2021) — Equatorial waves triggering extreme rainfall and floods in southwest Sulawesi, Indonesia. Monthly Weather Review, 149(5).
- Wheeler, M., & Kiladis, G. N. (1999) — Convectively Coupled Equatorial Waves: Analysis of Clouds and Temperature in the Wavenumber-Frequency Domain. J. Atmos. Sci., 56(3).
- BMKG (2026) — Prospek Cuaca Mingguan 23–29 Januari 2026
- BMKG via Koran Metro (Mei 2026) — Deteksi Dua Gelombang Atmosfer Tropis di Sulut
Selasa, 19 Mei 2026
Mengapa Akses ERA5 Butuh Setup Awal
Tutorial ERA5 di blog ini selalu dimulai dengan satu baris yang sama: c.retrieve(...). Tapi sebelum baris itu jalan, ada satu kali setup yang harus dilakukan — mendaftar akun Copernicus, menerima lisensi data, memasang cdsapi, dan menyimpan API key. Sekali beres, semua tutorial ERA5 berikutnya tinggal python tutorial.py dan jalan.
ERA5 berbeda dari file biasa yang bisa di-wget. Datasetnya hidup di Copernicus Climate Data Store (CDS) — server asinkron yang menerima permintaan, menaruh di antrian, lalu memproses dan mengirimkan file NetCDF kembali. Untuk Indonesia bbox setahun penuh data 6-hourly, ukuran file sekitar 30 MB; antrian biasanya antara 30 detik sampai beberapa menit, tergantung load server.
Panduan ini menjelaskan setup dari nol. Setelah selesai, kunci API ada di ~/.cdsapirc, cdsapi ter-install, dan permintaan pertama menghasilkan file NetCDF ERA5 yang bisa dibuka dengan xarray. Total waktu setup pertama kali sekitar 15 menit; semuanya gratis.
Membuat Akun Copernicus CDS
Akses CDS gratis untuk riset dan penggunaan non-komersial, tapi butuh akun ECMWF. Tiga langkah ringkas:
- Daftar di cds.climate.copernicus.eu — klik Login/Register, pilih Register a new user, isi email + password. Verifikasi email muncul beberapa menit kemudian.
- Login dengan akun baru, lalu masuk ke halaman dataset ERA5 di Catalogue → ERA5 hourly data on single levels.
- Di tab Download, scroll ke bagian paling bawah — ada checkbox "I agree to the terms" untuk lisensi dataset. Centang dan submit. Lisensi ini terpisah dari akun — harus diterima sekali per dataset (single-levels dan pressure-levels punya lisensi yang sama tapi accept-nya tetap per dataset).
Alur registrasi CDS sampai siap dipakai cdsapi. Verifikasi email dan accept-lisensi adalah dua langkah yang paling sering terlewat oleh pengguna baru.
Jangan lupa accept lisensi untuk reanalysis-era5-pressure-levels juga kalau berencana download data pressure-level (geopotential, suhu, angin di 850 hPa, dst). Tanpa accept, permintaan ke dataset itu gagal dengan pesan "Missing accepted licence".
Memasang cdsapi dan Menyimpan API Key
cdsapi adalah client Python resmi untuk CDS. Install dengan pip:
pip install cdsapi
Selanjutnya, ambil API key dari halaman profil CDS (login dulu). Di bagian Personal Access Token ada satu string panjang — ini key personal yang setara dengan password. Jangan share, jangan commit ke git.
Simpan key ke file ~/.cdsapirc (Linux/Mac) atau %USERPROFILE%\.cdsapirc (Windows). Format file sangat sederhana:
url: https://cds.climate.copernicus.eu/api
key: 12345678-abcd-1234-abcd-1234567890ab
Dua baris saja — URL endpoint CDS dan token. Untuk security, kunci permission file ke 0600 di Linux/Mac:
chmod 600 ~/.cdsapirc
Arsitektur cdsapi: ~/.cdsapirc dibaca sekali saat cdsapi.Client() dibuat. Setiap retrieve adalah POST ke queue dengan Bearer token, lalu GET file setelah job selesai.
Verifikasi setup dengan satu baris Python:
python -c "import cdsapi; c = cdsapi.Client(); print(c.url)"
Output harus mencetak URL CDS. Kalau muncul Missing/incomplete configuration file, file ~/.cdsapirc belum dibuat atau formatnya salah.
Membuat Permintaan Pertama
Sekarang bagian yang menarik — permintaan ERA5 pertama. Kita ambil 2m temperature setahun penuh 2024 dengan resolusi 6-hourly untuk wilayah Indonesia (bbox [6N, 95E, -11S, 141E]). Ukuran file final sekitar 30 MB; antrian CDS biasanya 30–90 detik untuk permintaan seukuran ini.
Snippet di bawah menerapkan pola if not os.path.exists(OUT) cache guard — kalau file sudah ada lokal, skip download. Berguna untuk run ulang script tanpa antri ulang ke CDS.
import os
import cdsapi
import xarray as xr
OUT = "era5_t2m_indonesia_2024_6h.nc"
if not os.path.exists(OUT):
c = cdsapi.Client(quiet=True)
c.retrieve(
"reanalysis-era5-single-levels",
{
"product_type": "reanalysis",
"variable": ["2m_temperature"],
"year": "2024",
"month": [f"{m:02d}" for m in range(1, 13)],
"day": [f"{d:02d}" for d in range(1, 32)],
"time": ["00:00", "06:00", "12:00", "18:00"],
"area": [6, 95, -11, 141], # N, W, S, E — Indonesia
"format": "netcdf",
},
OUT,
)
ds = xr.open_dataset(OUT)
print(f"File : {OUT}")
print(f"Size : {os.path.getsize(OUT) / (1024*1024):.1f} MB")
print(f"Dims : {dict(ds.sizes)}")
print(f"Var : {list(ds.data_vars)}")
t2m_c = ds.t2m - 273.15 # K → °C
print(f"Range : {float(t2m_c.min()):.1f} .. {float(t2m_c.max()):.1f} °C")
print(f"Mean Indonesia (rata-rata setahun): {float(t2m_c.mean()):.2f} °C")
File : era5_t2m_indonesia_2024_6h.nc
Size : 30.1 MB
Dims : {'valid_time': 1464, 'latitude': 69, 'longitude': 185}
Var : ['t2m']
Range : 6.9 .. 39.3 °C
Mean Indonesia (rata-rata setahun): 27.31 °C
cdsapi.Client() membaca ~/.cdsapirc di background, lalu c.retrieve(...) adalah panggilan blocking — Python menunggu sampai CDS selesai memproses dan mengirim file. Argumennya: nama dataset, dict berisi spec request, dan path output. Pesan log CDS biasanya keluar ke stderr (queued, running, downloading) — saat snippet ini di-execute, kita pakai Client(quiet=True) untuk menekan output verbose.
Memahami CDS Queue dan Konvensi Permintaan
Ada beberapa konvensi yang sering bikin pengguna baru salah:
- Area =
[N, W, S, E]— utara, barat, selatan, timur. Bukan[west, south, east, north]seperti beberapa API lain. Lintang utara positif, selatan negatif; bujur timur positif sampai 180, lalu negatif dari -180. year,month,daybisa string atau list of string."2024"atau["2024"]keduanya valid. Untuk multi-tahun atau multi-bulan, list lebih praktis:[str(y) for y in range(2020, 2025)].timeselalu list of"HH:MM"string, bukan integer. ERA5 single-levels punya 24 timestep per hari; pilih subset (misal["00:00", "06:00", "12:00", "18:00"]) untuk file lebih kecil.format:"netcdf"atau"grib". NetCDF lebih mudah dibuka dengan xarray; GRIB resmi tapi butuhcfgribplugin.- Queue time bervariasi 30 detik sampai beberapa menit, kadang lebih lama saat ada peak load (rilis dataset baru, deadline paper). Status job real-time bisa dilihat di dashboard Your requests di portal CDS.
Ukuran file naik linier dengan rentang waktu, jumlah variabel, dan luas area. Setahun penuh hourly 2m temperature untuk Indonesia bbox sekitar 30 MB. Untuk request besar (multi-tahun, multi-variabel, global), CDS kadang split job atau menolak — pecah jadi request lebih kecil.
Troubleshooting Permintaan yang Gagal
Beberapa error yang paling sering muncul saat setup awal:
- "Missing accepted licence" — login ke CDS, buka halaman dataset (single-levels atau pressure-levels), scroll ke bawah, centang lisensi.
- "401 Unauthorized" atau "Invalid API token" — API key di
~/.cdsapircsalah atau token sudah expired. Generate key baru di halaman profil dan paste ulang. - "URLError" atau timeout** — koneksi network ke CDS bermasalah; cek firewall/proxy. CDS endpoint berada di
cds.climate.copernicus.euport 443. - "Request not queued, server busy" — CDS sedang overloaded; tunggu 5-10 menit, request ulang.
- Job stuck di status
queuedlebih dari 1 jam — kemungkinan request terlalu besar atau ada bug di spec. Coba kurangi rentang waktu atau jumlah variabel, lalu submit ulang.
Untuk debugging lebih dalam, jalankan cdsapi.Client(debug=True) — output lebih verbose, termasuk full request payload dan response code dari CDS.
Langkah Lanjut
Setelah ~/.cdsapirc valid dan cdsapi.retrieve pertama berhasil, semua tutorial ERA5 di meteo.my.id langsung bisa diikuti — pola if not os.path.exists(OUT): c.retrieve(...) muncul di setiap tutorial sebagai snippet pertama. Bookmark halaman ini sebagai referensi setup; tutorial-tutorial lain mengasumsikan setup ini sudah beres.
Eksplorasi artikel meteorologi lainnya di meteo.my.id — temukan tutorial xarray, analisis ERA5 spesifik, dan teknik visualisasi atmosfer di https://meteo.my.id.
Referensi
- How to download ERA5 — Copernicus Knowledge Base — Panduan resmi ECMWF tentang instalasi cdsapi, konfigurasi
~/.cdsapirc, dan contoh permintaan untuk single-levels dan pressure-levels. - Climate Data Store API how-to — Copernicus CDS — Halaman resmi CDS untuk setup API key dengan format
~/.cdsapircterbaru. - ERA5 data documentation — Copernicus Knowledge Base — Dokumentasi teknis ERA5 mencakup resolusi, level, daftar variabel, dan metode 4D-Var data assimilation yang dipakai.
- Hersbach et al. (2020): The ERA5 global reanalysis — Paper referensi ERA5 di Quarterly Journal of the Royal Meteorological Society yang mendeskripsikan seluruh sistem reanalisis secara komprehensif.