Sains & Teknologi

Kecerdasan Buatan untuk Memantau Gunung Berapi

Lebih dari setengah gunung berapi aktif di dunia tidak dipantau secara instrumental. Oleh karena itu, bahkan letusan yang sangat serius terjadi tanpa peringatan untuk populasi terdekat dari bencana yang akan datang. Sebagai langkah pertama dan awal menuju sistem peringatan dini gunung berapi, sebuah proyek penelitian yang dipimpin oleh Sébastien Valade dari Universitas Teknik Berlin (TU Berlin) dan Pusat Penelitian Geofisika Jerman GFZ di Potsdam mengarah ke platform pemantauan gunung berapi baru yang menganalisis data satelit. Gambar menggunakan kecerdasan buatan (AI). Melalui tes dengan data dari peristiwa baru-baru ini, Valade dan rekan-rekannya menunjukkan bahwa platform mereka, Monitoring Unrest from Space (MOUNTS) dapat mengintegrasikan beberapa set ragam jenis data untuk pemantauan komprehensif gunung berapi. Hasil tim diterbitkan dalam jurnal Remote Sensing.

Dari 1500 gunung berapi aktif di seluruh dunia, gunung yang meletus tiap tahun mencapai 85 gunung. Karena biaya dan kesulitan mempertahankan instrumentasi di lingkungan vulkanik, kurang dari setengah gunung berapi aktif dipantau dengan sensor berbasis darat, dan bahkan lebih sedikit dianggap dipantau dengan baik. Gunung berapi yang dianggap tidak aktif atau punah umumnya tidak dipantau secara instrumental sama sekali, tetapi mungkin mengalami letusan besar dan tak terduga, seperti halnya gunung berapi Chaitén di Chili pada 2008, yang meletus setelah 8000 tahun tidak aktif.

Erupsi sering didahului oleh sinyal pendahuluan

Satelit dapat memberikan data penting ketika pemantauan berbasis darat mengalami keterbatasan atau tidak validPengamatan jangka panjang terus menerus dari ruang angkasa adalah kunci untuk mengenali tanda-tanda kerusuhan vulkanik dengan lebih baik. Erupsi sering, tetapi tidak selalu, didahului oleh sinyal pendahuluan yang dapat berlangsung beberapa jam hingga beberapa tahun. Sinyal-sinyal ini dapat mencakup perubahan perilaku seismik, deformasi tanah, emisi gas, kenaikan suhu atau gabungan dari beberapa hal di atas.

“Terlepas dari kegempaan, semua ini dapat dipantau dari luar angkasa dengan mengeksploitasi berbagai panjang gelombang di seluruh spektrum elektromagnetik,” kata Sébastien Valade, pemimpin proyek MOUNTS. Penelitian ini didanai oleh GEO.X, sebuah jaringan penelitian untuk geosains di Berlin dan Potsdam yang didirikan pada 2010, dan dilakukan di TU Berlin dan GFZ. “Dengan sistem pemantauan MOUNTS, kami mengeksploitasi beberapa sensor satelit untuk mendeteksi dan mengukur perubahan di sekitar gunung berapi,” tambahnya. “Dan kami juga mengintegrasikan data seismik dari jaringan GEOFON di seluruh dunia dari GFZ dan dari USGS Geological Survey.

Interferogram letusan Etna Desember 2018 di Italia selatan, berdasarkan gambar satelit Sentinel-1. Interferogram memetakan pergerakan permukaan tanah secara spasial. Kredit: Sistem MOUNTS, Data: ESA Sentinel, diedit: Sébastien Valade, GFZ

Bagian dari proyek ini adalah untuk menguji apakah algoritma AI dapat berhasil diintegrasikan dalam prosedur analisis data. Algoritma ini terutama dikembangkan oleh Andreas Ley dari TU Berlin. Dia menerapkan apa yang disebut jaringan saraf tiruan untuk secara otomatis mendeteksi peristiwa deformasi besar. Para peneliti melatih mereka dengan gambar yang dihasilkan komputer meniru gambar satelit nyata . Dari sejumlah besar contoh sintetik ini, perangkat lunak tersebut belajar mendeteksi peristiwa deformasi besar dalam data satelit nyata yang sebelumnya tidak diketahui. Bidang ilmu data ini disebut pembelajaran mesin.

Contoh deteksi deformasi permukaan yang terkait dengan intrusi magma di Piton de la Fournaise (Pulau Réunion). (Sebuah) Interferogram yang dibungkus dan (b) peta deformasi dalam radar line-of-sight (LOS), yang diperoleh dari interferogram membuka (lihat Gambar 4). (c) Skor deformasi DEF dihitung dari peta deformasi. (d) Jumlah piksel panas yang terdeteksi dalam gambar S2 SWIR (kurva oranye, dihitung dengan MOUNTS), dan Daya Radiasi Vulkanik (VRP) yang dipulihkan dari data MODIS (spidol hitam, dihitung oleh MIROVA). Sumber: Remote Sensing.

“Bagi kami, ini adalah pengujian penting untuk melihat bagaimana kami dapat mengintegrasikan pembelajaran mesin ke dalam sistem,” kata Andreas Ley. “Saat ini, detektor deformasi kami hanya menyelesaikan satu tugas. Tetapi visi kami adalah untuk mengintegrasikan beberapa alat AI untuk tugas yang berbeda. Karena alat ini biasanya mendapat manfaat dari dilatih pada sejumlah besar data, kami ingin membuat mereka belajar terus menerus dari semua data yang dikumpulkan sistem pada skala global. “

MOUNTS memantau 17 gunung berapi di seluruh dunia

Tantangan utama yang dia dan rekan penulis harus hadapi adalah menangani sejumlah besar masalah data dan rekayasa perangkat lunak. “Tetapi masalah ini dapat diselesaikan,” kata Sébastien Valade. “Saya sangat yakin bahwa di masa depan yang tidak begitu jauh, sistem pemantauan otomatis menggunakan AI dan data dari berbagai sumber seperti penginderaan jarak jauh satelit dan sensor berbasis darat akan membantu untuk memperingatkan orang-orang dengan cara yang lebih tepat waktu dan kuat.”

Sudah, analisis yang disediakan oleh platform pemantauan MOUNTS memungkinkan untuk pemahaman yang komprehensif dari berbagai proses dalam pengaturan iklim dan vulkanik yang berbeda di seluruh dunia, termasuk penyebaran magma di bawah permukaan, penempatan material vulkanik selama letusan, serta perubahan morfologis daerah yang terkena dampak, dan emisi gas ke atmosfer. Para peneliti berhasil menguji MOUNTS pada sejumlah peristiwa baru-baru ini seperti letusan Krakatau di Indonesia pada tahun 2018 atau letusan di Hawaii dan Guatemala.

Sistem saat ini memantau 17 gunung berapi di seluruh dunia termasuk Popocatépetl di Meksiko dan Etna di Italia. Situs web platform dapat diakses secara bebas, dan — berkat cakupan global dan akses gratis ke data yang mendasarinya — dapat dengan mudah memasukkan data baru.

Artikel Terkait:

Leave a Reply

Your email address will not be published. Required fields are marked *