PERSIANN

PERSIANN (Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks) adalah sistem pemantauan curah hujan global berbasis citra satelit inframerah (IR) dan kecerdasan buatan yang dikembangkan oleh CHRS (Center for Hydrometeorology and Remote Sensing) di University of California, Irvine.

PERSIANN menggunakan artificial neural networks (ANN) untuk memproses data suhu awan dari citra IR geosynchronous satellite (GOES-IR) dan mengubahnya menjadi estimasi intensitas curah hujan. Model ANN dilatih dan dikalibrasi menggunakan data curah hujan aktual dari TRMM (TMI 2A12) untuk meningkatkan akurasi.

Keunggulan utama PERSIANN adalah kemampuannya menghasilkan data curah hujan:

• Dengan cakupan global
• Dengan resolusi spasial hingga 0.25° × 0.25°
• Dengan interval waktu setengah jam

Untuk mengurangi error dan meningkatkan ketepatan, data PERSIANN biasanya diakumulasi ke dalam resolusi harian 1° × 1°. Produk ini telah digunakan secara luas dalam pemodelan banjir, pemantauan kekeringan, serta studi perubahan iklim. Di Indonesia, PERSIANN dapat digunakan sebagai alternatif sumber data curah hujan di daerah yang minim observasi darat. Namun, seperti produk data hujan satelit lainnya, disarankan untuk dilakukan validasi dan koreksi menggunakan data dari pos hujan lokal agar hasilnya dapat diandalkan dalam perencanaan hidrologi.