Lanzhou, China(Xinhua/Indonesia Window) – Seiring tibanya musim semi, masyarakat di Provinsi Gansu, China barat laut, harus bersiap menghadapi badai debu mendadak yang menyelimuti kota-kota dengan kabut kuning, menyebabkan perjalanan menjadi tidak nyaman, dan menimbulkan risiko kesehatan.

Namun, masyarakat Gansu kini jauh lebih siap dari sebelumnya untuk menghadapi tantangan tersebut. Beberapa hari sebelum badai yang diprediksi akan menerjang, warga menerima peringatan yang akurat dan dalam waktu nyata (real-time) alih-alih terkejut tanpa persiapan. Langkah pencegahan sederhana seperti mengenakan masker dan menjadwalkan ulang rencana perjalanan dapat secara signifikan memitigasi dampaknya terhadap kesehatan masyarakat dan kehidupan sehari-hari.

Pergeseran tersebut didorong oleh terobosan teknologi yakni Sistem Prakiraan Aerosol-Meteorologi Global Berbasis Kecerdasan Buatan (AI-driven Global Aerosol-Meteorology Forecasting System/AI-GAMFS). Dikembangkan oleh tim ilmuwan China, model kecerdasan buatan tersebut secara signifikan meningkatkan akurasi dan kecepatan prakiraan polusi debu dan udara.

Menurut Gui Ke, seorang associate researcher di Akademi Ilmu Meteorologi China (Chinese Academy of Meteorological Sciences/CAMS), model prakiraan tradisional kerap kali menghitung unsur meteorologi secara terpisah dari aerosol – partikel padat mikroskopis atau droplet cair yang tersuspensi di atmosfer, seperti debu, partikel PM2.5, dan asap.

"Prakiraan aerosol jauh lebih kompleks dan membutuhkan daya komputasi yang lebih besar dibandingkan prakiraan cuaca tradisional," ujar Gui. "Hal itu mengharuskan sistem untuk secara bersamaan menganalisis berbagai sumber aerosol, transformasi kimia yang kompleks, serta interaksi multiskalanya dengan sistem cuaca."

Dia memaparkan bahwa penerapan AI, bagaimanapun, secara dinamis menghubungkan partikel aerosol yang tersuspensi dengan faktor-faktor meteorologi, seperti suhu, kecepatan angin, dan tekanan, sebagai kesatuan yang utuh. Pendekatan holistik itu memungkinkan sistem tersebut untuk menyimulasikan evolusi atmosfer dengan presisi yang jauh lebih tinggi, sehingga meningkatkan akurasi prakiraan secara signifikan.

Selain presisi, model AI tersebut menawarkan kecepatan yang tak tertandingi. Prakiraan numerik tradisional mengandalkan kluster superkomputer berukuran sangat besar untuk memecahkan persamaan fisika yang rumit, sehingga kerap membutuhkan waktu berjam-jam untuk menjalankan prakiraan cuaca global yang hanya beberapa kali dalam sehari.

Sebaliknya, sistem berbasis AI tersebut beroperasi menggunakan unit pemrosesan grafis dan dapat menghasilkan prakiraan global hanya dalam 36 detik, lebih dari 100 kali lebih cepat dibandingkan metode tradisional.

Teknologi itu telah bergeser dari laboratorium ke penerapan di dunia nyata. Menurut Duan Haixia, ahli utama di Institut Meteorologi Arid Lanzhou yang dinaungi Administrasi Meteorologi China (China Meteorological Administration/CMA), institut itu secara akurat memprediksi lebih dari 10 fenomena debu besar di seluruh China utara sejak akhir tahun lalu, memanfaatkan kemampuan model tersebut dalam memberikan prakiraan cuaca lingkungan berpresisi tinggi untuk tiga hingga lima hari ke depan.

Sistem itu lebih dari sekadar melacak badai; hal tersebut mendukung peringatan kesehatan masyarakat yang dipersonalisasi, seperti memberikan peringatan kepada penderita alergi agar mengenakan masker N95 atau membantu rumah sakit bersiap menghadapi lonjakan kasus penyakit pernapasan.

Saat ini, AI-GAMFS telah dioperasikan di Pusat Meteorologi Nasional China dan lebih dari 10 departemen meteorologi tingkat provinsi, termasuk departemen meteorologi di Gansu dan Shaanxi.

AI-GAMFS juga telah diintegrasikan ke dalam platform awan peringatan dini publik ‘MAZU’ milik CMA, sebuah sistem yang dirancang untuk memberikan peringatan bencana kepada publik. Sebagai sistem berbasis sumber terbuka penuh yang sesuai dengan standar internasional, model itu memberikan solusi prakiraan aerosol berbiaya rendah dan berpresisi tinggi bagi negara-negara berkembang dalam skala global.

Laporan: Redaksi