Banjir adalah salah satu yang paling mematikan dan bencana alam yang paling merugikan di Amerika Serikat, yang menyebabkan miliaran dolar mengalami kerusakan setiap tahunnya. Pada tahun 2024 saja, banjir menghancurkan rumah-rumah di dalamnya lebih dari selusin negara Dan merenggut lebih dari 165 nyawa.
Texas Tenggara adalah terus-menerus terkena dampak banjir bandang di musim semi lalu pukul lagi dari Badai Beryl. Pada saat yang menyedihkan, A Seorang anak laki-laki berusia 4 tahun diambil setelah mobil keluarganya tenggelam saat terjadi badai petir di dekat Fort Worth.
Di wilayah Midwest bagian atas, terjadi hari hujan di bulan Mei banjir di sepanjang Sungai Mississippi dan anak-anak sungainya. Pada bulan Agustus, hal ini menyebabkan badai lambat di timur laut Banjir dahsyat di Connecticut.
Pegunungan di Carolina Utara dan Tennessee mengalami banjir paling dahsyat tahun ini karena sisa-sisa Badai Helen melanda pada bulan September. Hujan lebat mengguyur pegunungan, mengubah sungai menjadi arus deras yang menghanyutkan rumah dan kendaraan. Lebih dari 100 orang tewas di North Carolina, dan enam pekerja tenggelam saat mereka sebuah pabrik plastik terendam banjir di Tennessee.
Badai seperti ini memang terjadi itu meningkat lebih cepat, melemah lebih lambat dan produksi curah hujan yang lebih ekstrem bahwa bumi tidak dapat menyerapnya dengan cukup cepat. Meskipun banyak wilayah pesisir Ketika kita sudah lebih siap menghadapi angin topan dan banjir rob, maka risiko banjir di daratan masih kurang dipahami atau diantisipasi dengan mudah.
Bencana-bencana ini menggarisbawahi pentingnya peringatan banjir yang cepat dan akurat. Hal ini juga merupakan pengingat bahwa masih terdapat kesenjangan besar dalam sistem yang memantau tingkat aliran di Amerika Serikat.
Cakupan saat ini kurang dari 1% saluran air
Layanan Cuaca Nasional menggunakan model canggih untuk mengeluarkan peringatan banjir. Model-model ini bergantung pada tren sejarahinformasi tutupan lahan dan jaringan lebih dari 11.800 pengukur aliran— sensor yang menyediakan data hampir real-time mengenai curah hujan, aliran, dan kedalaman air — untuk mensimulasikan aliran air. Sebagian besar data tersebut adalah tersedia online secara real-time.
Namun, jaringan streamgage mencakup kurang dari 1% dari sungai dan anak sungai di negara ini.
Penerapan sensor tunggal biayanya lebih dari $25.000 untuk pengukur federal permanen, dan hampir 70% di antaranya biayanya mungkin akan ditanggung oleh masyarakat. Biaya dimuka yang tinggi ini, dikombinasikan dengan meningkatkan biaya operasionalmembatasi jangkauan sensor secara signifikan –terutama di daerah aliran sungai kecil dan perkotaan yang rawan banjir bandang. Survei Geologi AS mengakui hanya sensor ini mereka tidak menyediakan data yang cukup dalam jangka waktu yang cukup cepat untuk sepenuhnya mengatasi risiko banjir.
Tanpa data, risiko sering kali dianggap remeh
Risiko banjir dapat dinilai pada saluran air non-aliran, namun tidak secara tepat.
Di area ini, komputer digunakan data dari saluran air serupa untuk memperkirakan aliran sungai. Namun, asumsi-asumsi inibersama dengan data yang terbatas dan sedang berkembang dampak perubahan iklim, menimbulkan ketidakpastian.
Pada model yang diperoleh sering meremehkan aliran di sungai yang lebih kecil dan mengabaikan dampak urbanisasi. Secara khusus, mereka dapat melewatkan risiko-risiko baru daerah-daerah yang berkembang pesatdimana perubahan bentang alam dan bertambahnya trotoar dapat dengan cepat mengarahkan air ke arah yang berisiko.
Pola banjir ini digunakan lebih dari sekedar peringatan. Mereka juga memimpin penilaian risiko untuk pembangunan, asuransi dan keputusan untuk membangun infrastruktur pelindung, sehingga akurasi adalah hal yang penting.
Sebuah studi kasus di Philadelphia
Banjir besar yang terjadi pada bulan Juli 2023 di Lower Makefield, pinggiran kota Philadelphia di sepanjang Sungai Delaware, menyoroti tantangan kurangnya cakupan data di daerah aliran sungai urbanisasi.
Pada tanggal 15 Julihujan deras mengubah Hoos Creek, anak sungai kecil Sungai Delaware, menjadi arus deras yang mematikan, menghanyutkan Washington Crossing Road dan menjebak banyak kendaraan. Para penyintas mengenang kembali kekacauan yang terjadi:
“Tiba-tiba, air setinggi 3 inci, air 4 inci, air setinggi satu kaki menghampiri kami,” kata Chloe Wiseman.
“Air yang sangat besar ini baru saja turun dari . . . menuruni bukit,” tambah Eli Wiseman. “Saat dia turun, mobil-mobil mulai melayang. (Kami) hanya mencoba untuk bertahan hidup, berbaring telentang, kaki turun, meraih pohon, meraih tanaman merambat, meraih apapun yang kami bisa agar tetap bertahan.”
Dinas Cuaca Nasional mengeluarkan a peringatan banjir pada pukul 17:18namun peringatan telepon tidak diaktifkan hingga pukul 18.09 – setelah banjir mulai terjadi. Meskipun Sungai Delaware memiliki aliran sungai di dekatnya, model banjir tidak memprediksi banjir bandang di sepanjang anak sungai kecil ini.
Urbanisasi di sekitar Hoos Creek menjadikan kejadian ini lebih berbahaya dan sulit diprediksi, karena permukaan yang kedap air dengan cepat memindahkan air ke daerah dataran rendah. Banjir ini menyoroti perlunya data hiperlokal untuk meningkatkan model prakiraan dan memungkinkan peringatan dini yang lebih akurat.
Memperluas cakupan tingkat banjir
Mengatasi kesenjangan data sangat penting untuk meningkatkan prakiraan cuaca dan manajemen darurat.
Satu solusi yang menjanjikan memperluas jaringan streamgage melalui kemitraan publik-swasta dan mendorong negara Dan lokal pemerintah, usaha kecilinstitusi akademis dan organisasi nirlaba untuk membangun dan mengoperasikan sensor mereka sendiri. Cakupan yang lebih luas memungkinkan prakiraan banjir yang lebih akurat dan tepat waktu, sehingga menghasilkan peringatan yang lebih baik, masyarakat yang lebih siap, dan respons darurat yang lebih efektif ketika terjadi bencana.
Insinyur Universitas Michigan Laboratorium Air Digital menciptakan contoh solusi pemantauan banjir yang berbiaya rendah dan mudah diterapkan. Intinya adalah pengontrol yang terhubung ke sensor ultrasonik yang mengukur ketinggian air dengan cara yang mirip dengan cara kelelawar bernavigasi menggunakan suara. Data dapat dikirim secara real time untuk analisis cepat.
Kesederhanaan dan keterjangkauan—sekitar $800 per sensor—sistem ini memungkinkan penerapan secara luas, memberikan informasi penting kepada masyarakat. Teknik seperti memvalidasi pembacaan terhadap alat pengukur curah hujan, mengkalibrasi sensor dengan stasiun pemantauan federal, dan menggunakan pembelajaran mesin yang diawasi dapat membangun kepercayaan terhadap nilai data pihak ketiga dan data yang dihasilkan masyarakat.
Pada akhirnya, sensor non-federal seperti ini mungkin bisa digunakan diintegrasikan ke dalam model banjir federal.
Sementara itu, para peneliti telah menciptakan database sumber terbuka yang mengkonsolidasikan semua data meteran yang diketahui dan memungkinkan masyarakat untuk memberikan informasi. Kumpulan data gabungan ini memungkinkan model banjir yang lebih canggih dan tangguh, seperti Model perkiraan banjir Googleyang meliputi sebagian besar negara.
Masa depan pemantauan banjir
Beberapa universitas bekerjasama dalam suatu kerjasama yang disebut Sadar Banjir untuk mengembangkan sistem yang mengintegrasikan “kamera banjir”, postingan media sosial, sensor kota pintar, dan banyak lagi untuk mendeteksi dan memperingatkan penduduk akan banjir. Menggabungkan alat-alat ini dapat memperluas data yang tersedia bagi ahli meteorologi dan manajer darurat, sehingga meningkatkan penilaian dan peringatan risiko banjir.
Penggabungan berbagai sumber data pada platform yang sama akan dilakukan sistem pemantauan banjir yang lebih komprehensif dan mudah diakses. Kami yakin hal itu akan terjadi memperkuat komunitas dengan informasi yang mereka perlukan mengadvokasi tindakan perlindunganyang pada akhirnya meningkatkan ketahanan terhadap perubahan iklim.
Julie Arbitt adalah peneliti di Pusat Solusi Sosial di Universitas Michigan.
Brad Bawahan adalah ilmuwan data di Center for Social Solutions di Universitas Michigan.
Branko Kerkez adalah seorang profesor teknik sipil di Universitas Michigan.
Artikel ini telah diterbitkan ulang oleh Percakapan di bawah lisensi Creative Commons. Bacalah artikel asli.
