Perkiraan aliran sungai dan banjir masih menjadi salah satu tantangan jangka panjang dalam bidang hidrologi, sementara model tradisional yang berbasis fisik terhambat oleh parameter yang jarang dan prosedur kalibrasi yang kompleks, khususnya di daerah tangkapan air yang tidak terukur.

Beijing, China (Xinhua) – Para peneliti China mengusulkan model pembelajaran mendalam (deep-learning) hibrida baru untuk menangani prakiraan aliran sungai untuk daerah tangkapan air dalam skala global, dengan tujuan untuk meningkatkan akurasi prediksi banjir, menurut artikel penelitian terbaru yang diterbitkan di jurnal The Innovation.

Perkiraan aliran sungai dan banjir masih menjadi salah satu tantangan jangka panjang dalam bidang hidrologi. Model tradisional yang berbasis fisik terhambat oleh parameter yang jarang dan prosedur kalibrasi yang kompleks, khususnya di daerah tangkapan air yang tidak terukur.

Lebih dari 95 persen daerah tangkapan air skala kecil dan menengah di dunia tidak memiliki data pemantauan, menurut Akademi Ilmu Pengetahuan China (Chinese Academy of Sciences/CAS).

Para peneliti dari Institute of Mountain Hazards and Environment CAS menggunakan kumpulan data dari 2.000 lebih daerah tangkapan air di seluruh dunia untuk melakukan pelatihan model guna menangani perkiraan aliran sungai di skala global untuk semua daerah tangkapan air yang terukur dan tidak terukur.

Distribusi daerah tangkapan air ini berbeda secara signifikan, sehingga menjamin keberagaman data.

Hasilnya menunjukkan bahwa akurasi prakiraan model tersebut lebih tinggi dibandingkan model hidrologi tradisional dan model AI (Artificial Intelligence) lainnya.

Studi ini mendemonstrasikan potensi metode pembelajaran mendalam untuk mengatasi kekurangan data hidrologi dan kekurangan pada struktur model fisik dan parameterisasi, menurut artikel penelitian tersebut.

Laporan: Redaksi