Kuliah Hidrologi Terapan Magister PSDA

Presentasi berjudul: "Kuliah Hidrologi Terapan Magister PSDA"— Transcript presentasi:

1 Kuliah Hidrologi Terapan Magister PSDA
Minggu 1 Sem 2 09/10 Oleh: Arwin Hujan wilayah Korelasi spartial Komponen Hidrologi ,pengisian data hidrologi Prakiraan debit Air

2 Dampak Konversi Lahan terhadap Kondisi batas di Hulu
Q = C(PA) + b …. Y = a x + b Kekekalan Masa P = I + R (terkonsentrasi musim hujan ) Ik + C = 1(C hutan=0,1-0,2;C budidaya=0,5-0,6 & C permukiman perkotan = 0,9-1) Konversi suksesif fungsi hidrologis lahan menuju C=1 berdampak Ik menuju 0 Sehingga term debit limpasan membesar (musim hujan) sedangkan term debit kering b mengecil ( musim kemarau)

3 Data Curah Hujan Kelengkapan data curah hujan
Kuliah Hidrologi Dr. Arwin

4 Karakteristik Elemen Hidrologi & Sumber air
Variabel Acak Kejadian dan besaran tidak menentu dalam ruang & proses waktu Urutan rentang independent- dependent sbb: Air Hujan ,Air permukaan ,Air tanah dan mata air (Karakter air hujan lebih independent dari air permukaan atau air permukaan lebih dependent dari air hujan atau mata air lebih dependent dari air permukaan). Kuliah Hidrologi Dr. Arwin

5 Perhitungan Curah Hujan Rata-rata Wilayah
Metode Aljabar/Aritmatika dengan : P w = Curah hujan daerah (mm) n = Jumlah titik-titik (stasiun-stasiun) pengamat hujan P1, P2,…, Pn = Curah hujan di tiap titik pengamatan

6 Gambar Pembagian Wilayah Hujan dengan Metode Thiessen
dimana : Ai = luas masing-masing poligon Pi = tinggi hujan pada stasiun A Kuliah Hidrologi Dr. Arwin

7 Gambar Pembagian Wilayah Hujan dengan Metode Isohiet
dimana : Pw = curah hujan wilayah A1,A2,...An = luas bagian-bagian antara garis-garis isohiet P1,P2,...Pn = curah hujan rata-rata pada bagian A1,A2,...An

8 Hujan Wilayah DAS Citarum Hulu

9 Gamb. Fluktuasi Hujan Wilayah Ciremai Utara

10 Pengisian Data korelasi spartial
Korelasi Regresi Ganda 2 Variabel (Biner) 4 Variabel (Kuaterner) 3 Variabel (Terner) R >>> MODEL PEMBANGKITAN DEBIT TERPILIH

11 Korelasi 2 variabel = nilai Variabel X atau Yke–i
= Koefisien korelasi 2 variabel xy = nilai Variabel X atau Yke–i = Simpangan baku variabel X dan Y n = Jumlah populasi ,bila n<10 maka (n-1)

12 REGRESI LINAIR Y = a + b . X dimana:
n = jumlah pasangan observasi atau pengukuran b = koefisien regresi, kemiringan grafik r = koefisien korelasi ( -1 < r < 1 ) r < 0 korelasi berlawanan arah r> 0 korelasi searah

13 Model 2 Variabel (Biner)
P(Q) Q(Q) Persamaan Regresi linier korelasi biner : x1 = r2x2 + ε Koefisien determinasi-nya diekspresikan sbb : R = ρ12 dan; ε2 = 1 – R 2

14 Model 3 Variabel (Terner)
PP(Q) PQ(Q) QQ(Q) Persamaan Regresi linier korelasi terner : x1 = r2x2 + r3x3 + ε Koefisien korelasi-nya diekspresikan sbb : dan; ε2 = 1 – R 2

15 Model 4 Variabel (Kuaterner)
PPP(Q) PPQ(Q) PQQ(Q) QQQ(Q) Persamaan Regresi linier korelasi terner : x1 = r2x2 + r3x3 + r4x4 + ε Koefisien korelasi-nya diekspresikan sbb : ε = 1 + r22 + r32 + r42 – 2(r2ρ12 + r3ρ13 + r4ρ14) + (r2r3ρ23 + r2r4ρ24 + r3r4ρ34) dan; R 2 = 1 – ε2