Intensifikasi cepat siklon tropis, yang mengacu pada peningkatan intensitas badai tropis secara signifikan dalam waktu singkat, masih menjadi salah satu fenomena cuaca yang paling menantang untuk diprakirakan karena sifatnya yang tidak dapat diprediksi dan destruktif.

Beijing, China (Xinhua/Indonesia Window) – Tim ilmuwan China berhasil mengembangkan metode kecerdasan buatan (artificial intelligence/AI) baru untuk memprakirakan intensifikasi cepat siklon tropis, memberikan wawasan baru dalam meningkatkan kesiapsiagaan bencana global.

Belum lama ini, para peneliti dari Institut Oseanologi di bawah naungan Akademi Ilmu Pengetahuan China (Chinese Academy of Sciences/CAS) memublikasikan penelitian tersebut dalam jurnal Proceedings of the National Academy of Sciences.

Intensifikasi cepat siklon tropis, yang mengacu pada peningkatan intensitas badai tropis secara signifikan dalam waktu singkat, masih menjadi salah satu fenomena cuaca yang paling menantang untuk diprakirakan karena sifatnya yang tidak dapat diprediksi dan destruktif.

Menurut penelitian tersebut, metode prakiraan tradisional, seperti prediksi cuaca numerik dan pendekatan statistik, sering kali gagal mempertimbangkan faktor lingkungan dan struktural yang kompleks yang mendorong intensifikasi cepat. Meskipun AI telah dieksplorasi untuk meningkatkan prediksi intensifikasi cepat, sebagian besar teknik AI kesulitan menghadapi tingginya tingkat peringatan palsu dan reliabilitas yang terbatas.

Untuk mengatasi masalah ini, para peneliti mengembangkan model AI baru yang menggabungkan data satelit, atmosfer, dan samudra. Saat diuji pada data dari periode siklon tropis di Pasifik Barat Laut antara tahun 2020 hingga 2021, metode baru ini mencapai akurasi 92,3 persen dan mengurangi tingkat peringatan palsu menjadi 8,9 persen.

Metode baru ini meningkatkan akurasi sebesar hampir 12 persen dibandingkan dengan teknik saat ini dan mengurangi tingkat peringatan palsu hingga tiga kali lipat, mencerminkan kemajuan signifikan dalam prakiraan, menurut penelitian itu.

"Penelitian ini menjawab tantangan akurasi yang rendah dan tingkat peringatan palsu yang tinggi dalam prakiraan intensifikasi cepat," kata Li Xiaofeng, penulis utama penelitian tersebut.

"Metode kami meningkatkan pemahaman tentang peristiwa ekstrem ini dan mendukung pertahanan yang lebih baik terhadap dampaknya yang menghancurkan," tambah Li.

Laporan: Redaksi