PENDAHULUAN
Kota Surabaya merupakan ibukota dari Propinsi Jawa Timur dan merupakan kota terbesar kedua di Indonesia setelah Kota Jakarta. Pencemaran udara di Kota Surabaya kondisinya semakin mengkhawatirkan karena pesatnya pertumbuhan kendaraan bermotor dari tahun ke tahun, disamping pencemaran udara yang ditimbulkan dari sektor industri. Tingginya laju industrialisasi ini juga terjadi pada kota besar di Benua Asia lainnya sehingga Asia dikenal sebagai salah satu benua yang mengemisikan gas pencemar udara dan gas rumah kaca tertinggi (Zhang et al., 2009).
Studi pencemaran udara memerlukan koordinasi berbagai disiplin ilmu (Tjasyono, 2008), salah satunya adalah ilmu meteorologi yang mempelajari tentang kondisi atmosfer. Dinamika atmosfer merupakan faktor utama yang harus dipertimbangkan dalam studi tentang pencemaran udara (Soedomo, 1999) karena kondisi atmosfer dari suatu wilayah sangat berpengaruh terhadap distribusi pencemar udara di wilayah tersebut. Kota Surabaya memiliki topografi yang unik dimana di wilayah barat dan selatan merupakan daerah perbukitan landai sedangkan di wilayah utara dan timur merupakan daerah tepi laut. Kondisi geografis dari Kota Surabaya yang terletak di tepi pantai utara dari Provinsi Jawa Timur akan menyebabkan adanya pengaruh dari angin lokal seperti angin darat dan angin laut.
Salah satu cara untuk mempelajari pola pergerakan udara adalah dengan melakukan pemodelan meteorologi skala meso WRF (Weather Research and Forecast). Hasil dari model WRF kemudian digunakan sebagai input data meteorologi dalam model Calpuff. Inventarisasi emisi beberapa polutan diantaranya Black Carbon (BC) dan senyawa prekursor O3 yaitu CO, NOx, dan VOC dilakukan sebagai input emisi dalam model Calpuff. Konsentrasi BC dan O3 di kota besar di Asia terbilang cukup tinggi sehingga dapat mempengaruhi kesehatan manusia dan juga lingkungan (Nghiem & Kim Oanh, 2008; Hopke et al., 2008). Hasil dari simulasi model Calpuff diharapkan dapat merepresentasikan pola dispersi polutan di Kota Surabaya pada musim hujan dan musim kemarau.
METODOLOGI
Penelitian ini menggunakan bagan alir metodologi yang diperlihatkan pada Gambar 1. Penelitian ini diawali dengan pengumpulan data sekunder ambien udara antara lain data temperatur, arah angin, kecepatan angin, dan data ambien pencemar udara yang diperoleh dari Stasiun Pemantau Kualitas Udara Kota Surabaya. Data udara ambien ini selanjutnya akan digunakan untuk validasi data hasil simulasi model WRF dan model Calpuff. Peta lokasi studi dapat dilihat pada Gambar 2.
Gambar 1. Bagan Alir Metode Penelitian
Gambar 2. Peta Lokasi Studi
Selain data udara ambien, dilakukan juga pengumpulan data sekunder untuk simulasi model berupa data meteorologi yang didapatkan dari Global Data Assimilation System (GDAS). GDAS secara kontinyu mencatat data observasi meteorologi aktual dari Global Telecommunication System (GTS). Data ini mencakup data analisis meteorologi di domain terpilih yang dideterminasi dari pengaturan Weather Research and Forecast (WRF) Preprocessing System (WPS) dan merupakan data hasil analisis global dari National Center for Atmospheric Research (NCAR) Amerika berupa data grid dengan resolusi 1°x1° dengan periode enam jam. Data ini kemudian akan digunakan sebagai input data meteorologi dalam model WRF. Pengumpulan data sekunder selanjutnya berupa data aktivitas pada sektor industri, transportasi, dan rumah tangga di Kota Surabaya untuk keperluan inventarisasi emisi yang akan digunakan sebagai input emisi dalam model Calpuff.
Metode perhitungan beban emisi menggunakan metode faktor emisi seperti yang ditunjukkan pada Persamaan (1). Sumber emisi, data aktivitas, dan faktor emisi yang digunakan dalam inventarisasi dapat dilihat pada Tabel 1.
\[E_i = A_i \times EF_i \tag{1}\]
Dimana E<sub>i</sub> adalah emisi dari sumber i, A<sub>i</sub> adalah aktivitas dari sumber i, dan EF<sub>i</sub> adalah faktor emisi sumber i.
| Tabel 1. Sumber Emisi, Data Aktivitas, dan Faktor Emisi yang Digunakan | |||||
|---|---|---|---|---|---|
| Sektor/Sumber Emisi | Sumber Data Aktivitas | Sumber Faktor Emisi yang Digunakan | |||
| Industri | kecamatan bersumber dari BPS Kota Surabaya tahun 2012 | AIT ABC Emission Inventory Manual (2008), Huang dkk (2011), Zhao dkk (2012), Chow dkk (2011) | |||
| Transportasi | bersumber dari BPS Kota Surabaya tahun 2012 Traffic count di ruas – ruas jalan Kota Surabaya bersumber dari Dishub Kota Surabaya tahun 2012 | AIT ABC Emission Inventory Manual (2008), Permen LH No. 12/2010 tentang Pelaksanaan Pengendalian Pencemaran Udara di Daerah | |||
| Panjang jalan dan luas jalan bersumber dari Dinas PU Kota Surabaya tahun 2012 | ||
|---|---|---|
| Rumah tangga | Jumlah penduduk dan keluarga tiap kecamatan bersumber dari BPS Kota Surabaya tahun 2012 Konsumsi bahan bakar nasional rumah tangga bersumber dari Kementrian ESDM tahun 2012 | AIT ABC Emission Inventory Manual (2008), USEPA AP-42, Zhang dkk (2000) |
Simulasi model WRF dalam penelitian ini merupakan tiga domain bersarang (three-domain nested run) dengan satu domain inti dan dua domain nest. Setiap domain memiliki 27 grid vertikal dari ketinggian permukaan dasar tanah hingga 20 km di atas permukaan tanah. Peta tata guna lahan yang digunakan dalam simulasi ini terdiri dari 24 kategori dan resolusi horizontal 30 detik yang berasal dari United States Geological Survey (USGS) pada tahun 2000. Ilustrasi sistem domain yang digunakan dalam simulasi ini dapat dilihat pada Gambar 3. Hasil simulasi model WRF kemudian akan digunakan sebagai input data meteorologi dalam model Calpuff. Model Calpuff digunakan untuk melihat pola dispersi polutan yang berasal dari hasil inventarisasi emisi di Kota Surabaya.
HASIL DAN PEMBAHASAN
Hasil Inventarisasi Emisi
Hasil inventarisasi emisi di Kota Surabaya dapat dilihat pada Tabel 2 dimana emisi BC paling tinggi dihasilkan dari sektor industri yaitu sebesar 72,06% kemudian dari sektor transportasi dan rumah tangga sebesar 22,18% dan 5,76%. Perhitungan total beban emisi untuk prekursor O3 yaitu CO, NOx dan VOC tertinggi dihasilkan dari sektor transportasi masing – masing sebesar 79,49%, 72,04% dan 62,65%. Tingginya jumlah sepeda motor di Kota Surabaya menjadi faktor utama tingginya emisi CO di Kota Surabaya, sedangkan emisi NOx terutama dihasilkan oleh kendaraan truk dan bus. Sektor industri menghasilkan emisi CO, NOx dan VOC sebesar 12,90%, 26,67% dan 11,64%, sedangkan dari sektor rumah tangga menghasilkan emisi sebesar 7,61%, 1,30% dan 25,70%.
Tabel 2. Hasil Inventarisasi Emisi di Kota Surabaya
| Sektor | BC | CO | NOx | VOC |
|---|---|---|---|---|
| Industri | 72,06% | 12,90% | 26,67% | 11,64% |
| Transportasi | 22,18% | 79,49% | 72,04% | 62,65% |
| Rumah Tangga | 5,76% | 7,61% | 1,30% | 25,70% |
Evaluasi Hasil Simulasi WRF dengan Data Ambien
Gambar 4(a) dan 4(b) menunjukkan perbandingan antara nilai temperatur, kecepatan angin, dan arah angin hasil WRF dan observasi stasiun SUF 1 (Surabaya Pusat) pada tanggal 14-16 Juli 2011 dan 14-16 Januari 2011. Stasiun ini dipilih karena alasan kelengkapan data dibanding dengan data dari stasiun SUF 2, SUF 3, SUF 4, dan SUF 5.
(a) Musim kemarau: 14 - 16 Juli 2011
(b) Musim hujan: 14 - 16 Januari 2011 Gambar 4. Perbandingan Temperatur dan Angin Hasil Simulasi WRF dan Observasi SUF1
Dari perbandingan di Gambar 4 tersebut dapat disimpulkan bahwa nilai temperatur hasil simulasi pada bulan Juli merepresentasikan data observasi yang sama baiknya dengan nilai hasil simulasi bulan Januari. Dapat disimpulkan bahwa pada bulan Juli dan Januari, terjadi korelasi yang baik antara data hasil simulasi WRF dan observasi. Meskipun demikian, terjadi under estimation pada temperatur hasil simulasi pada bulan Juli (musim kemarau) terhadap data observasi dengan perbedaan yang terjadi sekitar 2 – 3 ºC. Pada bulan Januari (musim hujan), hasil simulasi menunjukkan adanya over estimation terhadap data observasi pada malam hari dengan perbedaan yang terjadi sekitar 2 – 3 ºC. Perbedaan yang terjadi ini dapat disebabkan oleh fluktuasi yang cepat terhadap tutupan awan, sinar matahari, dan hujan pada kondisi aktual / observasi. Korelasi yang terjadi antara nilai temperatur observasi dan simulasi WRF lebih baik pada saat bulan Januari (musim hujan) dibandingkan saat bulan Juli (musim kemarau).
Perbandingan nilai kecepatan angin hasil simulasi WRF dengan observasi SUF 1 menunjukkan bahwa angin pada bulan Juli (musim kemarau) mengalami over estimation pada saat siang hingga malam hari (19.00). Simulasi WRF menunjukkan nilai yang lebih tinggi dibandingkan observasi sekitar 2 - 3 m/s pada siang hingga malam hari di bulan Juli. Pada bulan Januari (musim hujan), hasil simulasi WRF menunjukkan adanya under estimation terhadap data observasi SUF 1. Korelasi yang terjadi antara nilai kecepatan angin observasi dan simulasi WRF lebih baik pada saat bulan Juli (musim kemarau) dibandingkan saat bulan Januari (musim hujan).
Perbandingan nilai arah angin observasi dan WRF menunjukkan korelasi yang cukup baik pada bulan Juli dan Januari. Pada bulan Juli, angin timur dan variasinya (60°-120°) berkorelasi cukup baik dengan hasil observasi. Angin barat dan variasinya (240°-300°) yang terjadi pada saat dini hari juga berkorelasi cukup baik dengan hasil observasi meskipun terjadi sedikit over estimation. Pada bulan Januari, angin barat dan variasinya (240°-300°) juga berkorelasi cukup baik dengan hasil observasi
meskipun terjadi sedikit over estimation. Dari hasil perbandingan dapat disimpulkan bahwa hasil simulasi model WRF mampu mendeskripsikan keadaan meteorologi aktual dengan reliable.
Karakter Angin Sinoptik dan Angin Permukaan di Daerah Studi
Gambar 5(a) - (d). menunjukkan pola pergerakan angin sinoptik dan angin permukaan di Pulau Jawa bagian timur pada musim kemarau (15 Juli 2011, 15.00 WIB) dan musim hujan (15 Januari 2011, 15.00 WIB). Pergerakan angin sinoptik cenderung tetap pada waktu yang lama (musiman). Angin sinoptik berada di ketinggian 3 km dan berpengaruh terhadap pergerakan angin permukaan.
Gambar 5. Profil Angin Sinoptik
Angin sinoptik yang mempunyai pengaruh di wilayah Indonesia adalah angin monsun barat / monsun dingin asia pada musim hujan dan angin monsun timur / monsun dingin australia pada musim kemarau. Monsun atau angin monsun adalah angin atau sistem sirkulasi udara yang berbalik arah secara musiman yang disebabkan oleh perbedaan sifat termal antara benua dan lautan (Prawirowardoyo, 1996).
Angin sinoptik bulan Juli dan Januari pada ketinggian 3 km mengalami perbedaan dengan angin permukaannya seperti yang ditunjukkan Gambar 5. Hal ini disebabkan adanya angin dari arah tenggara (musim kemarau) yang terhalang oleh daerah pegunungan di wilayah selatan dari Kota Surabaya yang menyebabkan angin dibelokkan ke arah utara dan berbelok ke arah barat melewati Kota Surabaya karena pengaruh angin laut. Angin dari arah barat (musim hujan) relatif tidak memiliki penghalang sehingga cukup mendominasi angin permukaan namun adanya daerah pegunungan di wilayah selatan dari Kota Surabaya yang menyebabkan angin berbelok ke arah tenggara menuju daerah pegunungan akibat adanya angin lembah.
Variasi Diurnal Angin Permukaan
Gambar 6(a) menunjukkan pola angin harian pada musim kemarau, tanggal 15 Juli 2011 pukul 09.00-24.00 WIB. Pola angin pada musim kemarau menunjukkan karakteristik angin musim kemarau di Kota Surabaya dimana angin laut lebih mendominasi pola angin permukaan pada siang hari hingga sore hari (12.00-18.00 WIB). Pada saat terjadi angin laut, pergerakan angin bergerak dari arah timur Kota Surabaya ke arah barat. Pada malam hari hingga pagi hari (21.00-09.00 WIB) angin darat terjadi namun tidak terlalu mendominasi dikarenakan angin sinoptik lebih mendominasi angin permukaan. Hal ini menyebabkan pergerakan angin dari arah barat Kota Surabaya kurang dominan daripada angin sinoptik yang bergerak dari arah tenggara Kota Surabaya ke arah barat laut.
Gambar 6(b) menunjukkan pola angin harian pada musim hujan, tanggal 15 Januari 2011 pukul 09.00-24.00 WIB. Pola angin pada musim hujan menunjukkan karakteristik angin musim hujan di Kota Surabaya dimana angin sinoptik lebih mendominasi pola angin permukaan pada siang hari hingga sore hari (12.00-18.00 WIB). Pada saat angin sinoptik mendominasi angin permukaan, pergerakan angin bergerak dari arah barat laut Kota Surabaya ke arah tenggara. Pada malam hari hingga pagi hari (21.00-09.00 WIB) angin darat terjadi diikuti juga dengan pergerakan angin sinoptik. Hal ini menyebabkan pergerakan angin dari arah barat Kota Surabaya sangat dominan dan bergerak ke arah timur dari Kota Surabaya.
(a) Pergerakan angin musim kemarau
(a) Pergerakan angin musim hujan
Gambar 6. Pola Angin Harian
Evaluasi Hasil Simulasi Model Calpuff dengan Data Ambien
Gambar 7. Perbandingan Konsentrasi CO Hasil Simulasi Calpuff dan Observasi SUF1
Gambar 7(a) dan 7(b) menunjukkan perbandingan antara nilai konsentrasi CO hasil Calpuff dan observasi stasiun SUF 1 (Surabaya Pusat) pada tanggal 14-16 Juli 2011 dan 14-16 Januari 2011. Dari perbandingan di Gambar 7 tersebut dapat disimpulkan bahwa nilai konsentrasi CO model mengalami over estimation pada musim kemarau tepatnya pada malam hari. Hal ini dikarenakan laju emisi dalam model dianggap konstan sehingga nilai konsentrasi CO hasil model lebih tinggi dibandingkan dengan nilai konsentrasi CO hasil observasi. Pada musim hujan, konsentrasi CO hasil model mengalami under estimation dimana pada malam hari terjadi peningkatan seperti yang terjadi pada musim kemarau.
Simulasi Dispersi Polutan
Dari hasil analisis pergerakan angin dapat disimpulkan bahwa pada musim kemarau angin bergerak dari arah timur pada siang hari hingga sore hari yang akan menyebabkan pencemar udara yang diemisikan dari berbagai sumber di Kota Surabaya akan bergerak ke arah barat dari Kota Surabaya. Pada malam hari hingga pagi hari diketahui bahwa pergerakan angin dari arah barat Kota Surabaya kurang dominan daripada angin sinoptik yang bergerak dari arah tenggara. Hal ini akan menyebabkan pencemar udara yang diemisikan dari berbagai sumber di Kota Surabaya akan bergerak ke arah timur dari Kota Surabaya kemudian berbelok arah terbawa angin yang bergerak dari arah tenggara menuju ke arah utara dan barat laut dari Kota Surabaya. Gambar 8(a) menunjukkan simulasi dispersi polutan CO pada musim kemarau. Pada musim hujan angin bergerak dari arah barat laut pada siang hari hingga sore hari yang akan menyebabkan pencemar udara yang diemisikan dari berbagai sumber di Kota Surabaya akan bergerak ke arah tenggara dari Kota Surabaya. Pada malam hari hingga pagi hari diketahui bahwa terjadi pergerakan angin darat dan diikuti juga dengan pergerakan angin sinoptik ke arah timur. Hal ini akan menyebabkan pencemar udara yang diemisikan dari berbagai sumber di Kota Surabaya akan bergerak secara dominan ke arah timur dari Kota Surabaya. Gambar 8(b) menunjukkan simulasi dispersi polutan CO pada musim hujan.
(a) Dispersi polutan CO musim kemarau
(b) Dispersi polutan CO musim hujan
Gambar 8. Pola Dispersi Polutan CO
KESIMPULAN
Perhitungan total beban emisi untuk prekursor O3 yaitu CO, NOx dan VOC tertinggi dihasilkan dari sektor transportasi masing – masing sebesar 79,49%, 72,04% dan 62,65%. Sektor industri menghasilkan emisi CO, NOx dan VOC sebesar 12,90%, 26,67% dan 11,64%, sedangkan dari sektor rumah tangga menghasilkan emisi sebesar 7,61%, 1,30% dan 25,70%. Beban emisi BC paling tinggi dihasilkan dari sektor industri yaitu sebesar 72,06% kemudian dari sektor transportasi dan rumah tangga sebesar 22,18% dan 5,76%.
Perbandingan hasil simulasi model WRF dengan observasi menunjukkan hasil yang dapat diterima, dilihat dari nilai temperatur hasil simulasi pada bulan Juli merepresentasikan data observasi yang sama baiknya dengan nilai hasil simulasi bulan Januari. Perbandingan nilai kecepatan angin dan arah angin hasil simulasi dengan observasi juga menunjukkan hasil yang dapat diterima.
Angin sinoptik bulan Juli dan Januari pada ketinggian 3 km mengalami perbedaan dengan angin permukaan karena adanya pengaruh topografi. Pada ketinggian permukaan, angin permukaan lebih didominasi oleh angin lokal seperti angin laut dan angin lembah yang terjadi pada musim kemarau dan musim hujan.
Perbandingan hasil simulasi model Calpuff dengan observasi menunjukkan bahwa pada musim kemarau, nilai konsentrasi CO model mengalami over estimation tepatnya pada malam hari karena laju emisi dalam model dianggap konstan sehingga nilai konsentrasi CO hasil model lebih tinggi dibandingkan dengan nilai konsentrasi CO hasil observasi. Pada musim hujan, konsentrasi CO hasil model mengalami under estimation dimana pada malam hari terjadi peningkatan seperti yang terjadi pada musim kemarau.
Pada musim kemarau angin bergerak dari arah timur pada siang hari hingga sore hari yang akan menyebabkan pencemar udara akan bergerak ke arah barat dari Kota Surabaya, sedangkan pada malam hari pencemar udara akan bergerak ke arah timur kemudian berbelok arah terbawa angin yang bergerak dari arah tenggara menuju ke arah utara dan barat laut dari Kota Surabaya. Pada musim hujan angin bergerak dari arah barat laut pada siang hari hingga sore hari yang akan menyebabkan pencemar udara ke arah tenggara dari Kota Surabaya, sedangkan pada malam hari hingga pagi hari pencemar udara akan bergerak secara dominan ke arah timur dari Kota Surabaya.