GeoAI, Sistem Prediksi Suhu Permukaan Bumi untuk Adaptasi Iklim

Wanaloka.com – Peneliti Pusat Riset Iklim dan Atmosfer (PRIMA), Organisasi Riset Kebumian dan Maritim (ORKM-BRIN) mengembangkan model prediksi suhu permukaan bumi (Land Surface Temperature/LST) berbasis integrasi kecerdasan buatan dengan data penginderaan jauh. Inovasi ini untuk mendukung upaya mitigasi perubahan iklim yang semakin nyata dampaknya, terutama di kawasan perkotaan yang mengalami fenomena peningkatan suhu atau urban heat island.

“Model ini memanfaatkan data Normalized Difference Vegetation Index (NDVI) dari citra satelit Landsat dan diproses menggunakan pendekatan deep learning dengan berbagai arsitektur jaringan saraf tiruan, termasuk Long Short-Term Memory (LSTM),” jelas Peneliti Ahli Utama PRIMA, Laras Toersilowati ketika memaparkan hasil penelitian dalam Webinar Hybrid PRIMA bertajuk “Climate Frontiers in Indonesia: Insights from Land, Sea and Sky” di Bandung pada 29-30 April 2025.

Pengembangan model ini dilakukan untuk memprediksi nilai LST satu tahun ke depan berdasarkan data NDVI dan LST dari tahun-tahun sebelumnya. Ini berguna dalam perencanaan tata kota, mitigasi risiko iklim, hingga pengembangan kebijakan lingkungan berbasis bukti.

Data yang digunakan mencakup wilayah DKI Jakarta dalam rentang waktu 2014 hingga 2023. Hasil pemodelan menunjukkan suhu permukaan bumi di kawasan tersebut berkisar antara 18°C hingga 32°C dengan rata-rata mencapai 27–30°C. Nilai NDVI sendiri berkisar antara 0,2 hingga 1,0, menggambarkan variasi tutupan vegetasi dari kawasan minim hijau hingga area yang masih memiliki vegetasi lebat.

Model deep learning yang dibangun menunjukkan performa yang cukup baik dengan tingkat akurasi tinggi, tercermin dari nilai Root Mean Square Error (RMSE) berkisar antara 1,87 hingga 1,9.

“Artinya, model prediktif ini mampu mengikuti pola perubahan suhu dengan baik dan bisa diandalkan untuk analisis lanjutan,” imbuh dia.

Hubungan antara vegetasi dan suhu permukaan menjadi salah satu temuan penting dalam studi ini. Semakin rendah NDVI suatu wilayah, semakin tinggi suhu permukaannya. Hal ini menguatkan pentingnya peran ruang terbuka hijau sebagai pengendali suhu mikro, terutama di kawasan perkotaan yang padat dan terbangun.

“GeoAI adalah pendekatan strategis karena menggabungkan kekuatan data geospasial dengan kecerdasan buatan. Dengan teknologi ini, kita dapat membangun sistem pemantauan suhu secara otomatis dan prediktif yang berguna untuk peringatan dini ataupun perencanaan adaptasi iklim,” tegas Laras.

Saat ini, model prediktif yang dikembangkan tim peneliti BRIN tersebut sedang dalam proses pengajuan hak paten.

Petakan suhu berbasis data satelit

Sementara BRIN dan Institut Teknologi Bandung (ITB) bekerja sama memanfaatkan data satelit COSMIC-2 Global Navigation Satellite System Radio Occultation (GNSS RO) untuk memperkirakan suhu permukaan Bumi lebih akurat.

Teknik ini tidak hanya mampu menangkap suhu atmosfer vertikal secara detail, tetapi juga membuka peluang pemetaan suhu permukaan dalam skala spasial dan temporal yang luas.

Peneliti Ahli Madya PRIMA BRIN, Noersomadi menjelaskan, GNSS RO bekerja dengan mendeteksi perubahan sinyal GPS yang melewati atmosfer.

“Ketika sinyal melewati lapisan atmosfer yang lebih padat di ketinggian rendah, terjadi perubahan sudut pembiasan yang dapat diolah untuk memperoleh informasi suhu, tekanan, dan kelembapan,” jelas dia.

Noersomadi bersama tim riset juga mengembangkan metode estimasi suhu permukaan menggunakan data suhu terendah yang masih dapat diamati oleh GNSS RO. Kemudian dikoreksi berdasarkan data topografi wilayah. Riset ini juga menyajikan studi kasus di Kota Bandung, Jawa Barat.

Analisis dilakukan dengan memanfaatkan data dari 1 Oktober 2019 hingga 27 April 2025. Hasilnya menunjukkan, suhu permukaan di Bandung bervariasi antara 22,0 ± 0,78 °C hingga 24,4 ± 1,09 °C. Pola harian memperlihatkan suhu minimum terjadi pada dini hari hingga pagi hari, sementara suhu maksimum tercatat pada siang hari.