Para peneliti di Penn State University telah mengembangkan model hidrologi inovatif berbasis AI yang dapat memprediksi banjir secara akurat dan mengelola sumber daya air secara global. Dengan menggabungkan AI dengan pemodelan berbasis fisika, alat ini menjanjikan revolusi pengelolaan air, terutama di wilayah-wilayah terbelakang.
Di era di mana cuaca ekstrem semakin sering terjadi, sebuah perkembangan inovatif dari Penn State University menawarkan secercah harapan. Para peneliti telah meluncurkan model hidrologi bertenaga AI yang dirancang untuk memprediksi banjir dan mengelola sumber daya air dalam skala global dengan akurasi yang belum pernah terjadi sebelumnya.
Bencana terkait banjir telah melonjak, kini mencapai 40% dari bencana terkait cuaca di seluruh dunia. Laporan terbaru dari Kantor PBB untuk Pengurangan Risiko Bencana menyatakan bahwa frekuensi bencana semacam itu telah meningkat lebih dari dua kali lipat sejak tahun 2000, dengan kerugian banjir global rata-rata mencapai $388 miliar per tahun. Bersamaan dengan itu, kekeringan semakin meluas dan merusak.
Menanggapi tantangan ini, tim di Penn State telah mengembangkan model yang memadukan kecerdasan buatan dengan pemodelan berbasis fisika.
Pendekatan ganda ini, dijelaskan dalam sebuah studi diterbitkan dalam jurnal Nature Communications, membekali masyarakat dengan data yang dapat diandalkan untuk mengelola sumber daya air, mengurangi risiko banjir, merencanakan tanaman dan melindungi ekosistem.
"Model ini merupakan pengubah permainan bagi hidrologi global," ujar penulis korespondensi Chaopeng Shen, seorang profesor teknik sipil dan lingkungan di Penn State University, dalam sebuah rilis berita. "Karena cakupan globalnya, resolusi yang lebih baik, dan kualitasnya yang tinggi, model berskala global menjadi masuk akal untuk benar-benar bermanfaat bagi pengelolaan air dan prakiraan banjir skala lokal. Model ini dapat memberikan pengetahuan hidrologi awal yang kuat untuk misi satelit global. Model ini juga dapat memberikan bantuan praktis bagi daerah-daerah terbelakang yang belum memiliki layanan ini."
Resolusi model diatur untuk mensimulasikan area sekecil 36 kilometer persegi (14 mil persegi) di seluruh dunia dan memperbesar hingga 6 kilometer persegi (2.5 mil persegi) di wilayah dengan data yang lebih rinci.
Model tersebut telah mengungkap wawasan penting, seperti pergeseran keseimbangan air antara sungai, air tanah, dan lanskap akibat perubahan iklim.
Misalnya, aliran sungai di Eropa telah menurun, mengakibatkan berkurangnya pasokan air tawar untuk muara, peningkatan salinitas, dan perubahan ekosistem. Model ini berhasil menangkap perubahan hidrologis ini, yang menyoroti akurasi dan potensinya untuk aplikasi praktis.
Yang membedakan model ini adalah kombinasi jaringan sarafnya — AI yang dirancang untuk belajar seperti otak manusia — dengan komponen berbasis fisika yang mengandalkan persamaan matematika dan hukum fisika.
"Pendekatan menyeluruh ini jauh lebih tangguh, terutama untuk wilayah dengan data terbatas di mana aspek berbasis fisika menjamin perilaku dasar," tambah Shen. "Jaringan saraf sangat baik dalam belajar dari big data dan mengisi celah dalam data yang telah mereka lihat, tetapi kurang baik dalam memprediksi di luar rentang tersebut. Itulah mengapa sangat penting untuk menggabungkan jaringan saraf dengan model berbasis proses yang didasarkan pada fisika tentang cara kerja sistem yang sebenarnya, terutama ketika kita mengamati pola global."
Dengan mengurangi upaya manual yang secara tradisional diperlukan untuk menyempurnakan parameter model untuk berbagai wilayah, Shen menyoroti bahwa pendekatan pembelajaran mesin baru secara signifikan meningkatkan efisiensi.
"Metode tradisional lambat, cakupannya terbatas, dan tidak bisa langsung belajar dari data dunia nyata," tambah Shen. "Kalibrasi parameter adalah kisah tentang keringat dan air mata. Dengan pemrograman yang dapat dibedakan, jaringan saraf yang terhubung kini dapat secara otomatis menghasilkan parameter sambil dilatih menggunakan umpan balik dari observasi."
Terobosan ini menjanjikan akan membentuk keputusan terkait penggunaan air, irigasi, pengelolaan banjir, dan perlindungan ekosistem di seluruh dunia, menurut Shen. Pembaruan di masa mendatang dapat mencakup pemantauan kualitas air, pelacakan nutrisi, dan pemetaan air tanah 3D.
Sumber: Universitas Negeri Pennsylvania