Bencana yang berasal dari bencana alam semakin meningkat baik dalam frekuensi maupun intensitasnya, mencerminkan realitas segera perubahan iklim dan memicu pertumbuhan berbagai krisis kemanusiaan.

Beruntungnya, teknologi baru dapat membantu mendeteksi dan mempersiapkan diri menghadapi cuaca ekstrem dan bahaya lainnya, serta berkomunikasi secara efektif kepada masyarakat tentang respons yang diperlukan.

"Kita semua terpapar risiko bencana alam, dan ini akan memburuk di masa depan," kata Jürg Luterbacher, Direktur Ilmu Pengetahuan dan Inovasi Organisasi Meteorologi Dunia (WMO), dalam seminar online AI for Good baru-baru ini. "Kita perlu bertindak sesuai dengan itu."

WMO bersama dengan International Telecommunication Union (ITU) dan Program Lingkungan Perserikatan Bangsa-Bangsa (UNEP), berusaha untuk mengeksplorasi potensi kecerdasan buatan (AI) untuk memperkuat mitigasi bencana di seluruh dunia. Ketiga badan PBB tahun lalu membentuk Kelompok Fokus Ahli mereka tentang AI untuk Manajemen Bencana Alam untuk mendukung upaya global dalam mengintegrasikan AI dalam sistem manajemen bencana.

Dekade terakhir telah membawa kemajuan dalam pemodelan bahaya dan bencana alam, yang mengarah pada alat yang lebih baik untuk merespons peristiwa cuaca ekstrem. Salah satu contoh yang sering dikutip adalah Siklon Phailin di India timur pada tahun 2013, ketika panduan model numerik yang tepat mencegah tragedi seperti yang terjadi setelah badai serupa 15 tahun sebelumnya.

Namun, masih banyak ruang untuk perbaikan. Menurut laporan Layanan Iklim WMO 2020, satu dari tiga orang di dunia tidak memiliki sistem peringatan dini yang memadai.

Sementara itu, ketidakstabilan iklim dan cuaca telah menciptakan bahaya bagi lebih banyak wilayah di planet ini, termasuk area yang baru-baru ini tidak begitu sering terkena dampak peristiwa alam ekstrim, seperti yang dicatat oleh Kantor Perserikatan Bangsa-Bangsa untuk Pengurangan Risiko Bencana pada Konferensi Perubahan Iklim PBB (COP 26) tahun lalu di Glasgow, Inggris.

AI dapat membantu tim respons memahami bahaya alam, memantau peristiwa secara real-time, dan mengantisipasi risiko tertentu dalam menghadapi bencana yang akan datang atau sedang berlangsung.

"Semakin banyak peringatan dini yang kita miliki, semakin siap kita, dan semakin sedikit tragedi kemanusiaan yang akan terjadi," kata Muralee Thummarukudy, Manajer Operasi di Cabang Manajemen Krisis Program Lingkungan Perserikatan Bangsa-Bangsa (UNEP).

Meskipun satelit dan infrastruktur meteorologi saat ini menyediakan informasi berharga untuk memprediksi cuaca, AI dapat membawa proses ini lebih jauh. Modelisasi sistem dampak, misalnya, dapat menunjukkan konsekuensi yang kemungkinan terjadi akibat bahaya alam bagi populasi dan ekosistem.

"Untuk memberi manfaat bagi orang-orang, kita tidak hanya perlu memahami apa yang akan dilakukan cuaca, tetapi apa yang akan dilakukan cuaca bagi orang-orang dan lingkungan," kata Anthony Rea, Direktur Departemen Infrastruktur WMO. "Ini adalah prediksi berdasarkan dampak, di mana saya pikir AI dapat berperan besar."

Dampak dari peristiwa alam ekstrim juga ditentukan oleh ketahanan sosial-ekonomi, dengan ketimpangan memperburuk risiko dan kerentanan. Para ahli menekankan perlunya mengeksplorasi solusi yang interoperabel yang dapat bekerja dalam berbagai konteks, bahkan melintasi batas-batas untuk mencapai daerah dengan infrastruktur bencana yang kurang berkembang.

"Dampak bencana alam diperburuk di beberapa wilayah, seperti negara-negara pulau kecil yang sedang berkembang dan negara-negara terbelakang, dan bagi beberapa kelompok penduduk, seperti perempuan dan anak-anak," kata Monique Ku Glitsch, Manajer Inovasi di Fraunhofer HHI dan ketua Kelompok Fokus ITU/WMO/UNEP.

Beberapa studi kasus menunjukkan nilai AI selama berbagai tahap manajemen bencana: pertama, prediksi dan proyeksi; kemudian, untuk membantu mengkomunikasikan apa yang telah terjadi; dan dalam pemantauan dan deteksi dini risiko baru yang potensial.

Tim dari Vrije University Amsterdam, Belanda, telah memeriksa berbagai model statistik, menggunakan data dari daerah pesisir di seluruh dunia, mencoba memprediksi risiko banjir dan gelombang badai melalui metode pembelajaran mendalam. Menghadapi kenaikan permukaan laut yang disebabkan oleh perubahan iklim, data terbuka dapat memberikan wawasan berharga tentang ekosistem yang semakin rentan.

Peningkatan suhu global juga telah meningkatkan probabilitas kebakaran hutan besar di banyak wilayah dunia. Ororatech, yang terkait dengan Technical University of Munich Jerman, menggunakan citra satelit untuk deteksi dini dan pemantauan secara real-time kebakaran hutan.

Namun, kedua proyek tersebut menghadapi tantangan dalam penyempurnaan model statistik mereka ketika data yang tersedia sedikit. Selain itu, ketidakpastian – atau margin kesalahan yang melekat pada setiap prediksi – dapat menghambat komunikasi dengan pihak berwenang keselamatan publik.

Sebuah sistem pemetaan bencana dan deteksi kerusakan yang dibuat oleh tim di Lancaster University, Inggris, memungkinkan tim penyelamat untuk memberi prioritas pada daerah yang ditunjuk dalam upaya bantuan mereka. Platform ini didukung oleh data yang diberi label melalui kerjasama orang banyak (pemblokiran jalan, daerah tergenang, bangunan rusak, dll.) yang ditandai oleh sukarelawan di lapangan. Informasi ini digunakan untuk melatih model visi komputer dalam waktu singkat.

Para peneliti di KIOS Research Center di University of Cyprus sedang mengeksplorasi penggunaan sensor dari berbagai sumber, kadang-kadang berbasis drone, menggunakan algoritma pembelajaran mesin untuk melacak objek yang terdeteksi dari udara.

AI juga dapat meningkatkan deteksi gempa bumi dan peringatan tsunami dengan menggunakan informasi geologis dari pusat penelitian di seluruh dunia. Membangun dataset yang dapat diandalkan untuk peristiwa semacam itu sangat penting, kata pembicara webinar.

Kebakaran hutan juga dapat dipelajari secara real-time dan dideteksi lebih awal berdasarkan data dari berbagai sumber.

Dalam semangat yang sama, perangkat lunak Zzapp Malaria menggunakan algoritma analisis citra satelit – analisis kemudian ditinjau oleh saksi mata – untuk mendeteksi atau memprediksi munculnya perairan tempat nyamuk Anopheles penyebab penyakit malaria dapat berkembang.

Sumber: https://www.itu.int/hub/2022/03/ai-disaster-management-early-warning/