ERA5 adalah reanalisis atmosfer global terbaru dari ECMWF (European Centre for Medium-Range Weather Forecasts). Dengan resolusi 0.25° dan data dari 1940 hingga kini, ERA5 adalah dataset yang paling banyak digunakan dalam penelitian iklim modern.
4.1 Download ERA5
ERA5 tersedia gratis melalui Copernicus Climate Data Store (CDS). Anda membutuhkan akun di cds.climate.copernicus.eu dan menginstal cdsapi (Python) atau menggunakan web interface.
Variabel ERA5 yang Sering Digunakan
- 2m temperature (t2m) — suhu udara 2 meter dari permukaan
- Sea Surface Temperature (sst) — suhu permukaan laut
- Total Precipitation (tp) — curah hujan total
- 10m U/V wind components (u10, v10) — angin permukaan
- Mean sea level pressure (msl) — tekanan muka laut
- Specific humidity (q) — kelembaban spesifik
4.2–4.5 Membaca, Climatology, Anomali, dan Trend ERA5
% ── 4.2 Membaca ERA5 ─────────────────────────────────────
fname = 'ERA5_SST_monthly_1982_2023.nc';
lon = ncread(fname, 'longitude'); % 0 sampai 360 atau -180 sampai 180
lat = ncread(fname, 'latitude'); % 90 sampai -90 (perhatikan urutan!)
time = ncread(fname, 'time'); % Jam sejak epoch
sst = ncread(fname, 'sst');
sst = sst - 273.15; % Konversi dari Kelvin ke Celsius
% Konversi waktu ERA5 ke datetime MATLAB
time_dt = datetime(1900,1,1) + hours(time);
fprintf('Data dari: %s sampai %s\n', datestr(time_dt(1)), datestr(time_dt(end)))
% ── 4.3 Climatology Bulanan ERA5 ─────────────────────────
ntime = length(time_dt);
nyears = ntime / 12;
sst_4d = reshape(sst, size(sst,1), size(sst,2), 12, nyears);
sst_clim = mean(sst_4d, 4, 'omitnan'); % Klimatologi bulanan [lon x lat x 12]
% Plot klimatologi DJF
djf = mean(sst_clim(:,:,[12 1 2]), 3); % Desember-Januari-Februari
figure
imagescn(lon, lat, djf')
cmocean('thermal'); caxis([0 30]); colorbar
title('SST Klimatologi DJF (ERA5 1982-2023)')
% ── 4.4 Anomali ERA5 ─────────────────────────────────────
sst_clim_rep = repmat(sst_clim, [1, 1, 1, nyears]);
sst_clim_3d = reshape(sst_clim_rep, size(sst));
sst_anom = sst - sst_clim_3d;
% ── 4.5 Trend Linear ERA5 ─────────────────────────────────
% Menggunakan fungsi trend dari CDT
[tr, ~, p] = trend(sst, 12); % trend per tahun (x12 karena data bulanan)
% Satuan: °C/tahun
figure
imagescn(lon, lat, tr')
cmocean('balance', 'pivot', 0)
caxis([-0.05 0.05])
colorbar('Label', '°C/tahun')
title('Trend SST ERA5 (1982-2023, °C/tahun)')
% Mask area tidak signifikan
tr_masked = tr;
tr_masked(p > 0.05) = NaN;
figure
imagescn(lon, lat, tr_masked')
cmocean('balance', 'pivot', 0)
title('Trend SST Signifikan (p < 0.05)')_(cropped).jpg)
