Fokus
Sains

Sistem Peringatan Dini dan Penilaian Risiko Iklim Pintar

Share

Cerita ini membahas inovasi dalam pemanfaatan teknologi, seperti kecerdasan buatan dan penelitian ilmiah, untuk memperkuat kemampuan memantau dan merespons risiko bencana iklim. Fokusnya mencakup model prediksi kebakaran hutan serta studi peningkatan frekuensi banjir untuk meningkatkan kesiapsiagaan masyarakat.

04 Des 2025, 05.18 WIB

Mahasiswa dan AI Bersinergi Atasi Risiko Kebakaran Hutan di AS

Mahasiswa dan AI Bersinergi Atasi Risiko Kebakaran Hutan di AS
Pada November, lebih dari 50 mahasiswa inovator dari UC Santa Cruz berpartisipasi dalam hackathon selama dua hari yang bertujuan mengembangkan solusi bertenaga AI untuk mitigasi kebakaran hutan dan ketahanan iklim. Acara ini diselenggarakan bersama oleh Perserikatan Bangsa-Bangsa dan Baskin School of Engineering. Mahasiswa mengatasi dua tantangan utama yang dikembangkan oleh FAO dan CAL FIRE, termasuk perencanaan irigasi pintar di bawah tekanan kebakaran dan peninjauan lingkungan yang dipercepat oleh AI untuk mitigasi kebakaran hutan. Salah satu tim pemenang, Fire Oracle, memanfaatkan machine learning untuk mempercepat perencanaan pembakaran terkendali dengan memprediksi lokasi api berisiko tinggi menggunakan data dari NASA. Tahun 2025, Amerika Serikat mengalami 51.000 kebakaran hutan, angka yang meningkat signifikan dari rata-rata sepuluh tahun terakhir. Risiko kebakaran yang dulu dianggap masalah wilayah Barat kini mulai menyebar ke wilayah Timur Laut seperti New York dan Massachusetts, di mana kebakaran juga meningkat drastis. Sebagai respons, perusahaan utilitas seperti National Grid bermitra dengan Rhizome untuk menggunakan platform AI gridFIRM yang diluncurkan pada 2024. Platform ini mensimulasikan dampak cuaca ekstrem pada aset utilitas dan memetakan risiko kebakaran jangka panjang, membantu menentukan prioritas investasi untuk ketahanan grid listrik. National Grid berkomitmen dengan investasi senilai 100 juta dolar melalui tangan investasinya untuk memperkuat keselamatan dan ketahanan jangka panjang. Dengan teknologi AI dan data yang berkembang, mereka berupaya mencegah dan mengelola risiko kebakaran di wilayah yang semakin rawan, sekaligus mengedepankan solusi multi-risiko yang lebih efektif.
03 Des 2025, 10.35 WIB

BMKG Waspadai Cuaca Ekstrem dan Siklon Tropis Saat Libur Natal-Tahun Baru

BMKG Waspadai Cuaca Ekstrem dan Siklon Tropis Saat Libur Natal-Tahun Baru
Menjelang masa libur Natal dan Tahun Baru, BMKG mengeluarkan peringatan penting tentang cuaca ekstrem yang berpotensi terjadi di berbagai wilayah Indonesia. Hujan deras, angin kencang, dan fenomena alam lain diprediksi meningkat tajam akibat pengaruh beberapa fenomena atmosfer serta munculnya bibit siklon tropis di wilayah selatan Indonesia. Beberapa daerah yang harus ekstra waspada di antaranya Jawa Barat, Jawa Tengah, dan Jawa Timur yang menjadi wilayah paling rawan hujan ekstrem serta angin kencang. Selain itu, daerah pesisir Jakarta, Banten, dan sebagian Pantura juga mengalami potensi banjir rob akibat fenomena bulan purnama dan perigee pada pertengahan Desember. BMKG dan BNPB sudah mengaktifkan Operasi Modifikasi Cuaca di tiga bandara utama untuk mengurangi risiko cuaca buruk yang dapat mengganggu aktivitas penerbangan dan pelayaran. Namun, operasi ini hanya bisa dilakukan apabila pemerintah daerah sudah menetapkan status siaga darurat karena biaya dan risiko yang tinggi. Selain itu, pemerintah daerah diharapkan aktif berkonsultasi dengan BMKG dan segera mengadakan rapat koordinasi serta memperkuat sistem tanggap darurat. Sebab potensi bencana bisa terjadi dengan cepat dan di lokasi yang berbeda-beda, sebagaimana yang sudah pernah terjadi di Aceh dan beberapa daerah lain. Kepala BMKG menekankan pentingnya peringatan dini yang disusul dengan tindakan nyata dari seluruh pemangku kepentingan agar dapat meminimalisir dampak buruk dan mengarah pada nol korban jiwa akibat bencana cuaca ekstrem selama libur akhir tahun.
03 Des 2025, 06.30 WIB

Peningkatan Banjir di Indonesia Akibat Perubahan Lahan dan Kerusakan Hutan

Peningkatan Banjir di Indonesia Akibat Perubahan Lahan dan Kerusakan Hutan
Penelitian pada tahun 2020 mengungkap bahwa banjir di Indonesia akan semakin sering terjadi dan semakin parah. Hal ini disebabkan oleh interaksi antara proses ekohidrologi dan sosial, termasuk degradasi tanah pada lahan monokultur seperti perkebunan kelapa sawit yang meluas ke lahan basah dan dataran banjir. Pembangunan bendungan pelindung banjir juga berperan dalam perubahan pola banjir lokal. Tim peneliti dari Universitas Göttingen, IPB University, dan BMKG melakukan wawancara dan analisis ilmiah di Provinsi Jambi. Mereka menemukan bahwa ekspansi perkebunan kelapa sawit dan karet menyebabkan tanah menjadi padat sehingga air hujan sulit terserap dan cepat mengalir ke permukaan, memperburuk risiko banjir. Bentang alam dataran banjir yang rusak memiliki peranan besar dalam proses ini. Penduduk desa juga menilai bendungan dan saluran drainase yang dibangun sering dimanfaatkan oleh pemilik perkebunan besar untuk mengalihkan air, yang mengakibatkan banjir meningkat di perkebunan kecil dan menimbulkan ketegangan sosial. Peneliti mengingatkan pentingnya perlindungan tanah dan perencanaan tata guna lahan agar siklus air tidak terus terganggu terutama di dataran banjir dan lahan basah. Selain itu, banjir bandang dan tanah longsor di Sumatra Barat, Sumatra Utara, dan Aceh tidak hanya disebabkan oleh curah hujan tinggi, tetapi juga kerusakan hutan di hulu Daerah Aliran Sungai. Hutan berperan sebagai spons yang menyerap dan menahan air, menjaga keseimbangan siklus air dan mencegah banjir. Deforestasi masif yang terjadi di wilayah tersebut menghilangkan fungsi hidrologis ini. Data menunjukkan deforestasi besar terjadi antara tahun 1990-2024 di Aceh, Sumatra Utara, dan Sumatra Barat, dengan kehilangan hutan primer dan tutupan pohon yang signifikan. Hutan yang tersisa banyak berada di lereng curam yang rawan longsor dan banjir bandang. Tanpa tindakan perlindungan serius, risiko bencana akan terus meningkat, terutama bagi masyarakat miskin yang paling terdampak.