Proses ini memungkinkan para peneliti menghubungkan laporan berita dengan lokasi geografis yang spesifik. Dengan cara tersebut, dataset yang dihasilkan tidak hanya mencatat kejadian banjir secara umum, tetapi juga menunjukkan titik lokasi kejadian secara lebih akurat.
Hasil dari proses ini adalah kumpulan data geospasial yang sangat besar dan detail mengenai peristiwa banjir bandang, khususnya di kawasan perkotaan.
Dataset Terbesar untuk Banjir Bandang Perkotaan
Menurut Google, dataset yang dihasilkan dari proses ini menjadi salah satu kumpulan data geografi terbesar yang pernah dibuat untuk mempelajari banjir bandang di wilayah urban.
Dataset tersebut kemudian digunakan sebagai dasar untuk melatih model prediksi baru yang dikembangkan oleh perusahaan.
Cara Kerja Model AI Prediksi Banjir Bandang
Menggunakan Arsitektur Jaringan Saraf Berbasis Waktu
Model prediksi yang dikembangkan Google menggunakan arsitektur jaringan saraf khusus yang dirancang untuk memproses data berdasarkan dimensi waktu.
Pendekatan ini memungkinkan sistem untuk menganalisis berbagai variabel yang berubah secara dinamis, seperti kondisi cuaca, perubahan lingkungan, serta karakteristik wilayah tertentu.
Model AI kemudian menggabungkan berbagai sumber informasi untuk menentukan kemungkinan terjadinya banjir bandang dalam waktu 24 jam ke depan.
Faktor Lingkungan yang Dianalisis
Dalam proses analisisnya, sistem AI mempertimbangkan sejumlah faktor penting yang dapat mempengaruhi terjadinya banjir bandang, antara lain:
- Kepadatan penduduk perkotaan
- Kondisi topografi wilayah
- Kemampuan tanah menyerap air
- Pola curah hujan berdasarkan prakiraan cuaca
Saat ini model tersebut difokuskan pada kawasan perkotaan dengan kepadatan penduduk lebih dari 100 orang per kilometer persegi.
Pendekatan ini dipilih karena wilayah urban biasanya memiliki risiko lebih tinggi terhadap banjir bandang akibat permukaan tanah yang tertutup beton atau aspal sehingga sulit menyerap air hujan.
Integrasi Prediksi Banjir ke Platform Flood Hub
Perluasan Sistem Peringatan Dini
Hasil prediksi dari sistem Groundsource kini dapat diakses melalui platform Flood Hub, layanan yang sebelumnya telah menyediakan prakiraan banjir sungai di berbagai negara.
Flood Hub saat ini menjangkau sekitar 2 miliar orang di lebih dari 150 negara.
Dengan penambahan fitur prediksi banjir bandang perkotaan, platform tersebut kini mengalami perluasan fungsi yang signifikan.
Sebelumnya, sistem ini hanya berfokus pada banjir sungai yang memiliki pola pergerakan lebih lambat dan lebih mudah dipantau.
Akses Informasi Secara Publik
Google menyebut bahwa dataset Groundsource dirilis sebagai sumber terbuka atau open dataset.
Artinya, para peneliti, ilmuwan, organisasi kemanusiaan, serta pemerintah daerah di berbagai negara dapat mengakses dan menggunakan data tersebut secara gratis.
Pendekatan ini diharapkan dapat membantu negara-negara yang selama ini tidak memiliki data historis banjir bandang untuk mengembangkan sistem mitigasi bencana yang lebih efektif.
Dataset dan model tersebut kini juga menjadi bagian dari ekosistem Google Earth AI, yaitu kumpulan model dan data geospasial yang dikembangkan oleh Google untuk mendukung penelitian lingkungan dan kebencanaan.
Pengembangan Teknologi Masih Berlanjut
Perluasan ke Wilayah Pedesaan
Google menyatakan bahwa sistem Groundsource masih terus dikembangkan untuk meningkatkan akurasi dan jangkauan prediksi.
Aaf Afiatna (Aura OS) adalah seorang WordPress Developer, Administrator IT, dan penggerak di balik infrastruktur berbagai portal media digital PT Arina Duta Sehati. Ia memiliki ketertarikan mendalam pada rekayasa sistem tingkat rendah, implementasi AI on-device, pengembangan proyek open-source seperti Neural Standby Kernel (NSK), lifestyle, dan zodiak. Saat tidak sedang berurusan dengan server atau kode, ia aktif mengeksplorasi ekosistem Web3 dan berbagi wawasan melalui channel YouTube CryptoFansWorld.
