Model AI Membantu Meramalkan Gelombang dan Arus Laut Tropis yang Luas

Sebuah tim peneliti baru-baru ini merancang model AI yang mampu memprediksi fenomena laut yang membentang selama ratusan mil/kilometer, seperti gelombang ketidakstabilan tropis (TIW). Gelombang Ketidakstabilan Tropis (TIW) adalah peristiwa laut yang terjadi di dalam Samudra Pasifik, dekat khatulistiwa. TIW Pasifik melibatkan gerakan gelombang yang melengkung, berbentuk segitiga yang bergerak ke barat sepanjang tepi laut tropis yang dingin – sebuah wilayah di tropis yang jauh lebih dingin daripada lautan di sekitarnya.

Faktor lingkungan yang menyebabkan TIW sangat kompleks dan fenomena ini sulit diprediksi. Prediksi TIW secara tradisional dilakukan dengan model statistik dan fisik yang kompleks. Namun, sebuah tim peneliti baru-baru ini merancang model AI yang dimaksudkan untuk lebih baik memprediksi TIW dan fenomena laut lainnya.

Menurut Phys.org, tim peneliti dipimpin oleh Profesor LI Xiaofeng dari Institute of Oceanology of the Chinese Academy of Sciences (IOCAS), dan tim juga termasuk anggota dari berbagai divisi ilmu kelautan Tiongkok seperti Shanghai Ocean University dan Second Institute of Oceanology of Ministry of Natural Resources. Tim tersebut menggunakan data satelit untuk merancang model pembelajaran dalam yang dimaksudkan untuk menganalisis gelombang ketidakstabilan saat mereka bergerak ribuan kilometer melalui lautan. Bahkan dengan data satelit global, faktor lingkungan yang mempengaruhi fenomena laut dapat sulit dibedakan, tetapi tujuan adalah model AI dapat melakukan pekerjaan yang lebih baik dalam memahami variabel-variabel ini dan membuat prediksi daripada model tradisional.

Model pembelajaran dalam yang dirancang oleh peneliti menggunakan data suhu permukaan laut yang dikumpulkan oleh satelit, menganalisis pola arus dan membandingkannya dengan data suhu permukaan yang dikumpulkan pada tahun-tahun sebelumnya. Peneliti memiliki model yang dilatih dan diuji pada sekitar sembilan tahun data. Ketika hasilnya dianalisis, peneliti menemukan bahwa model dapat memprediksi perubahan suhu permukaan laut dan memprediksi variasi temporal dan spasial dalam TIW sebagai hasilnya.

Studi ini menyiratkan bahwa model AI yang didukung oleh dataset besar dapat menjadi cara yang dapat diandalkan untuk memprediksi bahkan beberapa fenomena laut yang paling kompleks.

“Model berbasis AI, model statistik, dan model numerik tradisional dapat saling melengkapi dan memberikan perspektif baru untuk mempelajari fitur laut yang rumit,” jelas LI Xiaofeng menurut Phys.

Diharapkan bahwa ketika model ini diperbaiki dan disempurnakan, itu akan membantu dalam memprediksi gelombang besar dan badai, yang memiliki aplikasi praktis untuk sistem navigasi laut dan prediksi cuaca buruk yang dapat merusak kota-kota pesisir. Penelitian ini sangat berharga dalam dunia di mana perubahan iklim mengubah cara arus laut bergerak dan berinteraksi dengan lingkungan di sekitarnya. Penelitian yang dilakukan oleh LI Xiaofeng dan rekan-rekannya adalah bagian dari tren yang berkembang dalam menggunakan algoritma AI dan data satelit untuk mempelajari dan memprediksi pergerakan arus laut dan fenomena terkait.

Sebagai contoh lain dari penggunaan AI untuk melacak dan memprediksi fenomena laut, awal tahun ini sebuah tim peneliti dari Plymouth Marine Laboratory dan University of the Aegean menerbitkan sebuah studi yang memeriksa bagaimana algoritma pembelajaran mesin dan data satelit dapat digunakan untuk mengidentifikasi area limbah plastik yang terkonsentrasi dan melacak penyebarannya.

Tim tersebut mengambil gambar satelit limbah plastik dan melatih sistem identifikasi gambar pada mereka, dengan tujuan untuk melihat apakah sistem dapat membedakan dengan akurat bongkahan limbah plastik dari kayu, rumput laut, dan benda-benda alam lainnya yang mengapung. Menurut hasil studi, algoritma tersebut dapat mengidentifikasi sampah dengan benar sekitar 86% dari waktu. Peneliti ingin memperbaiki model dan menciptakan sistem yang dapat memfasilitasi identifikasi dan pembersihan limbah plastik di sepanjang garis pantai dan sungai.