Selasa, 14 Mei 2024 7:51:3 WIB

Ilmuwan Tiongkok Usulkan Model Prakiraan Banjir Berbasis AI

Teknologi

AP Wira

BEIJING, Radio Bharata Online - Ilmuwan Tiongkok baru-baru ini mengusulkan model berbasis artificial intelligence (AI) baru untuk mengatasi aliran sungai dan prakiraan banjir pada skala global baik untuk tangkapan yang diukur maupun yang tidak diukur yang tetap menjadi salah satu tantangan lama dalam hidrologi, mengingat lebih dari 95 persen daerah aliran sungai kecil dan menengah di seluruh dunia tidak memiliki data pemantauan.

Mengingat perubahan iklim global, frekuensi dan intensitas kejadian curah hujan ekstrem meningkat secara signifikan, yang menyebabkan bencana banjir yang lebih sering terjadi dan risiko banjir yang lebih intensif. Dengan demikian, prediksi efektif debit banjir menjadi faktor krusial untuk mengurangi risiko bencana banjir.

Terlepas dari kemajuan signifikan yang telah dicapai dalam prediksi debit banjir berbasis proses fisik selama beberapa dekade terakhir, hasil prakiraan dengan menggunakan metode saat ini masih sangat bergantung pada data pemantauan dan kalibrasi parameter. Saat ini kemajuan dalam pembelajaran yang mendalam telah menjadikan model berbasis data berbasis teknologi AI sebagai solusi baru alternatif untuk aliran sungai dan prakiraan banjir dalam ilmu hidrologi.

Sebuah tim peneliti Tiongkok yang dipimpin oleh Ouyang Chaojun, seorang peneliti di Institute of Mountain Hazards and Environment dari Chinese Academy of Sciences, mengusulkan model peramalan aliran sungai dan banjir baru berbasis AI untuk memecahkan masalah aliran sungai dan prediksi banjir pada skala global. untuk tangkapan yang diukur dan tidak diukur.

Ditambahkan oleh Ouyang Chaojun, model berbasis data sangat bergantung pada kualitas data historis. Tim peneliti memanfaatkan kumpulan data historis di 2.089 tangkapan dari AS, Kanada, Eropa Tengah, dan Inggris dengan frekuensi pengumpulan data 24 jam dan rentang waktu antara 1 Januari 1981 dan 31 Desember 2009 untuk melatih model, sementara juga menggunakan kumpulan data historis antara 1 Januari., 2010 dan 1 Januari 2012 untuk memverifikasi keakuratan kemampuan peramalan model.

Menurut Ouyang, secara umum, memeriksa rentang waktu yang lebih lama menghasilkan kumpulan data yang lebih kaya, meskipun memiliki biaya pelatihan yang lebih tinggi. Keragaman yang signifikan dalam distribusi data di seluruh wilayah tangkapan ini memastikan keragaman data, dan menguji keakuratan dan keandalan model dalam prediksi untuk periode waktu mendatang.

Hasil verifikasi menunjukkan bahwa model tersebut menghasilkan koefisien efisiensi Nash-Sutcliffe (NSE) rata-rata sebesar 0,75-skor yang umum digunakan untuk menilai kekuatan prediksi model pelepasan hidrologi-di 2.089 daerah tangkapan air, menyoroti peningkatan pembelajaran mesin mutakhir dibandingkan model hidrologi tradisional.

Berdasarkan model yang telah dilatih sebelumnya di belahan bumi utara, para peneliti melakukan prediksi pada 160 cekungan sungai yang sama sekali baru di Chili di belahan bumi selatan tanpa menggunakan data pemantauan apa pun, untuk menguji kemampuan prediksi model di daerah tangkapan yang tidak terduga. Hasil prediksi dari berbagai model pra-pelatihan menunjukkan konsistensi distribusi spasial yang kuat.

Model yang diterapkan pada 160 daerah tangkapan air yang tidak terendam di Chili menunjukkan 76,9 persen tangkapan memperoleh NSE lebih tinggi dari nol dalam situasi terbaik, menunjukkan potensi metode pembelajaran mendalam untuk mengatasi kurangnya informasi hidrologi di mana-mana dan kekurangan dalam struktur model fisik dan parameterisasi.

Model tersebut baru-baru ini diterbitkan secara online melalui jurnal interdisipliner The Innovation. Model pembelajaran mendalam ini dapat lebih efektif menangkap atribut spasial dan fisik di dalam wilayah tangkapan.

Di dunia yang semakin terbiasa dengan perubahan cuaca yang tidak menentu yang disebabkan oleh perubahan iklim, beberapa minggu terakhir telah membawa ekstrem lingkungan tersebut ke tingkat yang baru. Menurut laporan media, ratusan orang tewas selama akhir pekan setelah serangkaian banjir mematikan di Brasil, Afghanistan, dan Indonesia, bencana terbaru setelah badai hebat dan banjir menewaskan ratusan orang di Brasil, Kenya, dan Tanzania, serta menghancurkan Dubai dan Oman., dalam dua minggu terakhir.

Pejabat lokal memperingatkan peristiwa cuaca yang semakin berdampak dan para ilmuwan mengaitkan banjir mematikan itu dengan dampak iklim yang disebabkan manusia yang diperburuk oleh El Nino yang sedang berlangsung yang telah menyebabkan perubahan iklim yang signifikan di lingkungan global.

Melalui penelitian ini, model tersebut telah menunjukkan potensi yang sangat besar untuk prediksi aliran sungai dan banjir di seluruh wilayah dalam skala global. Diharapkan dapat meningkatkan upaya pencegahan dan mitigasi bencana secara signifikan jika diintegrasikan dengan sistem prakiraan bencana yang ada untuk membangun platform peringatan waktu nyata di berbagai skala waktu, dari hari ke jam hingga menit. [Global Times]

Komentar