Setelah mencatat ketinggian air terendah sejak pengamatan dimulai pada Januari 2013, Danau Michigan mencapai rekor tertinggi pada musim panas 2020. Perubahan itu menyebabkan banjir, erosi pantai, dan penutupan jalan di tepi danau. Selisih ketinggian air antara kedua rekor tersebut hampir 2 m. Artikel ini melaporkan bahwa pembalikan serupa juga terjadi dengan jeda beberapa bulan di Danau Superior, Danau Erie, dan Danau Ontario. Untuk memprediksi perubahan besar ketinggian air seperti ini dan menjelaskan penyebabnya, para peneliti menggunakan model kecerdasan buatan (AI) dalam analisis mereka.

Latar belakang dan konteks

Ketinggian air danau dipengaruhi oleh hujan dan salju, penguapan, aliran masuk dan keluar, serta keputusan manusia. Ketinggian air juga berkaitan dengan kedalaman pelabuhan, kestabilan garis pantai, pengambilan air minum, dan kelangsungan hidup lahan basah pesisir. Karena itu, model yang tidak hanya dapat memprediksi ketinggian air, tetapi juga menjelaskan faktor yang mendorong perubahannya, dapat menjadi penting dalam pengelolaan bendungan atau risiko banjir.

Para peneliti melatih delapan algoritma menggunakan data ketinggian air bulanan Danau Superior, Danau Michigan, Danau Erie, dan Danau Ontario dari 1982 hingga 2022. Setiap algoritma menerima sembilan variabel, termasuk suhu udara dan aliran masuk, serta nilai masing-masing variabel pada bulan yang sedang diamati dan hingga enam bulan sebelumnya. Dengan begitu, model dapat mengamati, misalnya, hubungan antara ketinggian air pada Juni dan salju pada Januari.

Galat empat algoritma dengan kinerja terbaik turun menjadi sekitar 12 cm. Galat model sederhana berkisar antara 14 hingga 21 cm. Para peneliti menggunakan SHAP (metode untuk menguraikan seberapa besar kontribusi setiap variabel terhadap hasil prediksi) untuk mengkaji kontribusi masing-masing variabel, serta analisis VARS untuk melihat bagaimana pengaruhnya berubah seiring waktu ketika suatu variabel diintervensi.

SHAP menunjukkan seberapa besar kontribusi setiap variabel terhadap kenaikan atau penurunan ketinggian air pada bulan tertentu. Namun, metode ini tidak menunjukkan berapa lama sinyal membutuhkan waktu untuk bergerak melintasi daerah aliran sungai (wilayah tempat air mengalir dan berkumpul di satu tempat). Dalam analisis VARS, para peneliti mengkaji pengaruh pada satu bulan dan enam bulan setelah suatu variabel diintervensi untuk menganalisis jeda waktunya.

Arti temuan ini

Para peneliti memperkirakan bahwa pengaruh variabel terhadap ketinggian air akan melemah semakin jauh ke masa lalu. Namun, mereka justru mengamati bahwa pengaruhnya menguat setelah 3–4 bulan. Kesimpulan para peneliti adalah bahwa danau-danau ini merespons kondisi musim sebelumnya, bukan cuaca sehari sebelumnya. Penjelasan bahwa salju pada Januari dapat memengaruhi ketinggian air pada Juni menunjukkan alasan mengapa kondisi beberapa bulan sebelumnya perlu ikut diperhatikan dalam prakiraan musiman.

Temuan ini menarik karena menunjukkan bahwa ketinggian air danau tidak dapat dijelaskan hanya oleh cuaca jangka pendek. Model prakiraan musiman mungkin dapat menangkap petunjuk perubahan ketinggian air dengan lebih baik jika turut mempertimbangkan variabel dari beberapa bulan sebelumnya, seperti suhu udara dan aliran masuk. Namun, angka galat dalam penelitian ini saja tidak cukup untuk mengetahui seberapa berguna prediksinya dalam praktik atau seberapa besar hasil pengelolaan banjir dan bendungan akan berubah.

Danau Ontario juga menunjukkan keterbatasan model. Galat model untuk danau ini lebih dari 50% lebih besar daripada yang diperkirakan, dan artikel tersebut mengaitkannya dengan pengambilan keputusan manusia. Bendungan pembangkit listrik Moses-Saunders, di dekat Cornwall, Ontario, mengelola ketinggian air berdasarkan aturan pengoperasian yang disesuaikan setiap hari. Namun, karena model menggunakan nilai rata-rata bulanan untuk setiap variabel, urutan keputusan yang menghasilkan volume aliran keluar bulanan dapat hilang di dalam nilai rata-rata tersebut.

Dalam kasus Danau Ontario, para peneliti mengusulkan agar aturan pengoperasian yang digunakan untuk mengelola ketinggian air juga diberikan kepada model, secara terpisah dari variabel iklim. Ini merupakan usulan untuk mengatasi masalah pengambilan keputusan manusia di danau tersebut dan tidak berarti bahwa kondisi yang sama diperlukan untuk semua prakiraan musiman.

Para peneliti menyatakan bahwa mereka bekerja sama dengan Ouranos untuk menerapkan pendekatan ini dalam penelitian pengisian kembali air tanah di Quebec selatan. Penelitian tersebut menggunakan model berbasis fisika (model yang mencerminkan prinsip kerja fisik fenomena alam). Arah yang ditunjukkan oleh penelitian ini adalah bahwa model yang dapat menjelaskan alasan di balik hasilnya dapat membantu meninjau dan membahas keputusan pengelolaan untuk masalah lingkungan yang kompleks, seperti ketinggian air.

Fakta yang telah diketahui dan hal yang masih belum diketahui

Fakta yang telah diketahui

  • Para peneliti melatih delapan algoritma menggunakan data ketinggian air bulanan empat danau dari 1982 hingga 2022.
  • Setiap algoritma menggunakan sembilan variabel, termasuk suhu udara dan aliran masuk, serta nilai dari bulan yang sedang diamati hingga enam bulan sebelumnya.
  • Galat empat algoritma dengan kinerja terbaik sekitar 12 cm, sedangkan galat model sederhana berkisar antara 14 dan 21 cm.
  • Berlawanan dengan perkiraan bahwa pengaruh variabel akan melemah semakin jauh ke masa lalu, para peneliti mengamati bahwa pengaruhnya menguat setelah 3–4 bulan.
  • Ketinggian air Danau Ontario dikelola berdasarkan aturan pengoperasian harian Bendungan Pembangkit Listrik Moses-Saunders, dan para peneliti mengusulkan agar aturan tersebut diberikan kepada model.

Hal yang masih belum diketahui

  • Apa saja daftar lengkap delapan algoritma dan sembilan variabel yang digunakan dalam penelitian ini?
  • Metode validasi dan periode prediksi apa yang digunakan untuk menilai akurasi model?
  • Seberapa besar galat prediksi akan berkurang jika aturan pengoperasian Danau Ontario dimasukkan ke dalam model?

Hal yang perlu diperhatikan pembaca

  • Saat melihat hasil prediksi ketinggian air, penting untuk memeriksa bukan hanya angka akurasinya, tetapi juga periode prediksi dan metode validasinya. Artikel sumber kali ini tidak menyebutkan rincian kriteria tersebut.
  • Jika prediksi AI digunakan untuk menangani banjir atau mengoperasikan bendungan, pembaca dapat memeriksa apakah data masukan hanya mencakup rata-rata bulanan iklim dan aliran keluar, atau juga mencerminkan aturan serta proses pengambilan keputusan dalam pengoperasian.
  • Saat menafsirkan prakiraan ketinggian air musiman, pembaca dapat memeriksa apakah analisisnya mencakup bukan hanya cuaca pada bulan yang sedang diamati, tetapi juga kondisi beberapa bulan sebelumnya. Para peneliti menyimpulkan bahwa kondisi musim sebelumnya dapat memengaruhi ketinggian air.