El Nino dan La Nina Diklaim Bisa Diprediksi 2 Tahun Sebelumnya

Jakarta, CNN Indonesia —

Para ilmuwan mengaku Pada saat ini dapat memprediksi anomali iklim berpusat di kawasan tropis Samudra Pasifik, El Nino Southern Oscillation (ENSO), dua tahun sebelumnya.

Studi baru ini didasarkan pada pengamatan information iklim ribuan tahun di masa silam.

ENSO merupakan siklus iklim yang ditandai dengan pendinginan (La Nina, di bawah -0,5 derajat Celsius) dan pemanasan (El Nino, di atas 0,5 derajat Celsius) permukaan laut di Samudera Pasifik tropis bagian tengah dan timur.

Ini Merupakan salah satu pola cuaca terkuat dan paling mudah Diprediksi yang mempengaruhi iklim world.

Dengan menggunakan berbagai mannequin iklim, para ilmuwan dari Badan Atmosfer dan Kelautan AS (NOAA) memperkirakan kejadian ENSO sekitar enam Sampai saat ini 12 bulan sebelumnya.

Dengan studi terbaru, yang diterbitkan pada 16 Juni di jurnal Geophysical Analysis Letters, Memanfaatkan prediksi tersebut lebih dari dua kali lipat dalam beberapa kasus.

Di wilayah AS yang berdekatan, El Nino dan La Nina mempengaruhi badai di lautan Atlantik dan Pasifik. Bak mainan jungkat-jungkit, La Nina melemahkan aktivitas badai di Pasifik timur dan memperkuatnya di bagian Atlantik. El Nino Berbeda dari.

Terlebih lagi, El Nino kuat biasanya berarti cuaca basah di wilayah barat daya AS, sementara Indonesia kering. Sedangkan La Nina biasanya menandakan kondisi panas dan kering di wilayah yang sama di AS, dengan kondisi basah di belahan Bumi lain, seperti RI.

Memprediksi cuaca lebih dari beberapa minggu ke depan memang sulit. Justru, penulis utama studi, Nathan Lenssen, yang merupakan ahli iklim di Colorado College of Mines dan ilmuwan di Pusat Penelitian Atmosfer Nasional, mengungkap kunci prediksi lebih baik. 

“Ketika permukaan laut atau daratan atau es ikut terlibat, kita bisa mendapatkan prediktabilitas yang lebih lama karena proses-proses ini berkembang lebih lambat,” ujarnya, dikutip dari LiveScience.

Emily Becker, ilmuwan iklim di Universitas Miami yang tidak terlibat dalam penelitian ini, mengungkapkan prediksi ENSO yang lebih jauh amat bernilai buat persiapan kondisi darurat yang lebih baik. 

Misalnya, Bila kondisi kekeringan Kemungkinan terjadi dalam beberapa tahun ke depan, pemerintah dapat menetapkan rencana penghematan atau penyimpanan air terlebih Dulu kala.

“Semakin lama waktu yang kita miliki untuk melakukan hal tersebut, maka semakin baik,” kata Becker.

Justru, hanya sedikit penelitian yang mencoba memprediksi El Nino atau La Nina lebih dari setahun sebelumnya.

Knowledge ribuan tahun

Untuk menguji apakah prediksi tersebut dapat dipercaya, Lenssen dan timnya mengamati 10 mannequin canggih yang menggunakan information ratusan Sampai saat ini ribuan tahun mengenai permukaan laut, suhu udara, curah hujan, dan lainnya, untuk mensimulasikan iklim.

Mannequin-model tersebut pada dasarnya menciptakan kembali titik waktu tertentu, misalnya Januari 2000, dan mencoba meramalkan iklim untuk tiga tahun ke depan-2000, 2001, dan 2002, tanpa informasi tambahan.

Mannequin tersebut Bahkan menunjukkan apakah El Nino, La Nina, atau kondisi Netral Kemungkinan terjadi dalam 36 bulan tersebut.

Tim peneliti menilai seberapa baik mannequin ini memprediksi ENSO Sesuai ketentuan catatan sejarah dari tahun 1901 Sampai saat ini 2009.

Mereka menemukan bahwa ENSO paling mudah Diprediksi setelah peristiwa El Nino yang kuat, seperti yang terjadi pada 1997 dan 2016.

Terlebih lagi, penelitian mereka menunjukkan bahwa perkiraan tersebut dapat dibuat setidaknya dua tahun sebelumnya. Prediksi multi-tahun kurang dapat diandalkan ketika terjadi El Nino atau La Nina yang lemah atau di antara kondisi-kondisi ENSO Netral.

“Saya pikir makalah ini memiliki pendekatan yang sangat menyeluruh dan komprehensif,” kata Becker.

Pusat-pusat prakiraan iklim sejauh ini belum mengeluarkan prediksi jangka panjang. Justru, Lenssen dan timnya Dalam proses berdiskusi dengan lembaga internasional untuk mengetahui kapan atau apakah perkiraan ENSO jangka panjang tersebut Sangat dianjurkan dikeluarkan.

(tim/arh)