<![CDATA[Abstrak Mekanisme kimia polutan dan parameter meteorologi merupakan bagian penting dalam menentukan sebaran polutan. Dengan mengetahui parameter tersebut, maka dapat diestimasi arah persebaran polutan dan besaran dampak yang ditimbulkan di lingkungan. Hal ini dapat diestimasi menggunakan pemodelan numerik seperti WRF-Chem. Model ini merupakan kombinasi dari prediksi cuaca dan proses kimia atmosfer. Penggunaan mekanisme kimia yang berbeda dalam menjalankan model WRF-Chem akan berdampak pada keluaran model. Oleh karena itu, perlu dilakukan analisis lebih lanjut tentang penggunaan mekanisme kimia yang berbeda dalam model WRF-Chem. Penelitian ini memanfaatkan fire inventory untuk mekanisme kimia polutan yang dikeluarkan oleh NCAR, yaitu GEOS-Chem, SAPRC99, dan MOZART. Studi kasus yang digunakan dalam penelitian ini adalah saat kejadian kebakaran hutan di Provinsi Riau pada bulan September 2019, dengan fokus analisis pada karbon monoksida dan particulate matter (PM10). Metode yang digunakan dalam penelitian ini adalah melakukan analisis menggunakan parameter statistik, seperti korelasi, bias, dan RMSE untuk mengetahui tingkat akurasi model. Dari hasil simulasi, skema MOZART merupakan skema terbaik dengan korelasi sedang hingga kuat. Namun, seluruh skema dalam simulasi ini cenderung underestimate dan memiliki nilai error yang tinggi terhadap observasi. Hal ini menunjukkan bahwa skema kimia dari fire inventory masih mempunyai tantangan besar dalam memprediksi nilai konsentrasi polutan. Untuk arah sebaran, MOZART, dan SAPRC99 menunjukkan pola spasial yang mirip dengan citra satelit. Abstract The chemical mechanisms of pollutants and meteorological parameters play a crucial role in determining the distribution of pollutants. Understanding these factors enables the estimation of pollutant dispersion direction and its potential environmental impact. It can be estimated using numerical models, such as WRF-Chem, a coupled system integrating weather prediction and atmospheric chemical processes. The use of different chemical mechanisms within WRF-Chem influences the model output. This study aimed to evaluate the spatial and statistical performance of the WRF-Chem model using three different chemical mechanisms—MOZART, GEOS-Chem, and SAPRC99—from the FINN emission inventory, during a forest fire episode in Riau Province in September 2019. The analysis focused on carbon monoxide (CO) and particulate matter (PM₁₀), using statistical metrics such as correlation, bias, and RMSE, along with spatial validation against Sentinel-5P satellite imagery. Simulation results showed that the MOZART mechanism provided the best overall performance, exhibiting moderate to strong correlation with observational data. However, all chemical schemes tended to underestimate pollutant concentrations and showed relatively high error margins. Spatially, MOZART and SAPRC99 demonstrated dispersion patterns closely aligned with satellite observations. These findings highlight the potential and limitations of current chemical mechanisms in accurately simulating pollutant dispersion during forest fire events. ]]>
