Sunday, July 14, 2024

Trayektori Material Vulkanik untuk Mengantisipasi Kawasan Dampak Letusan Gunung Merapi dengan Dense Optical Flow

Disclaimer : artikel ini merupakan tugas kuliah atas nama Aqge Priwibowo yang kemudian di-posting sebagai bentuk publikasi


Mengenal Gunung Merapi

Gunung Merapi dilihat dari Bendungan Kendalsari atau Karangkendal, Kemalang, Klaten, Jawa Tengah.


(KOMPAS.com/ANGGARA WIKAN PRASETYA)


Sejak zaman dahulu, Gunung Merapi terus menunjukkan aktivitas vulkanik yang intens. Situs resmi Liputan6.com bahkan pernah mengunggah rekaman video yang memperlihatkan erupsi terbaru Gunung Merapi, menegaskan betapa aktifnya kegiatan vulkanik di sana. Penelitian dari Universitas Indonesia, yang dipimpin oleh Sunaryo pada tahun 2013, mencatat bahwa Gunung Merapi telah meletus sebanyak 68 kali sejak tahun 1548. Material yang dihasilkan dari letusan Gunung Merapi, seperti pasir dan batuan, memiliki dampak yang signifikan terhadap lingkungan sekitarnya. Material ini tidak hanya mempengaruhi kondisi fisik lingkungan, tetapi juga berkontribusi pada kompleksitas dan perubahan dalam aktivitas vulkanik yang terjadi di wilayah tersebut.

Potensi Ancaman Gunung Merapi

Gunung Merapi, yang terletak di perbatasan provinsi Jawa Tengah dan Daerah Istimewa Yogyakarta, merupakan salah satu gunung berapi paling aktif di dunia. Dengan letusan yang terjadi hampir setiap dua hingga lima tahun, Merapi menjadi ancaman serius bagi masyarakat sekitarnya. Letusan besar terakhir pada tahun 2010 menelan banyak korban jiwa dan menyebabkan kerusakan besar pada infrastruktur.

Peta Kawasan Bencana Gunung Merapi. Disarikan dari situs resmi BPBD DIY


    Menurut peta resmi dari Badan Penanggulangan Bencana Daerah (BPBD) Daerah Istimewa Yogyakarta, material hasil letusan Gunung Merapi pada tahun 2010 tersebar luas di sekitar wilayah rawan bencana. Batu pijar dengan ukuran 2-6 cm dapat terlempar hingga jarak 10 km dari titik erupsi. Radius ini disebut dengan Kawasan Rawan Bencana II, sementara area dengan risiko bencana tingkat III mungkin menerima lontaran material lebih besar, seperti bom, yang mencakup radius sekitar 8 km dari pusat letusan. Informasi ini memberikan gambaran tentang seberapa jauh dan luasnya dampak letusan Gunung Merapi pada lingkungan sekitarnya, serta pentingnya mitigasi dan perencanaan bencana yang tepat di wilayah yang rentan ini.

Dr. Surono, seorang Staf Ahli bidang Bencana Geologi dari Kementerian Energi dan Sumber Daya Mineral Republik Indonesia, memperkirakan sekitar 40.000 jiwa tinggal di sekitar Gunung Merapi sebelum letusan besar tahun 2010. Kawasan ini terkenal rawan karena padatnya pemukiman dan aktivitas penduduk di sekitar area vulkanik.


Parameter pada Estimasi Trayektori

Estimasi trayektori letusan adalah proses penting dalam manajemen bencana vulkanik. Dengan mengetahui jalur aliran lava dan material vulkanik lainnya, pihak berwenang dapat membuat keputusan yang tepat mengenai evakuasi dan langkah-langkah pencegahan lainnya. Ini tidak hanya menyelamatkan nyawa tetapi juga mengurangi kerugian materi dan meminimalkan dampak ekonomi dari letusan.

Dalam studi tentang fenomena letusan gunung berapi, Lionel Wilson, seorang profesor dari Lancaster University, menggarisbawahi pentingnya beberapa parameter kunci. Seperti yang diuraikan dalam bukunya, "Velocity, height and shape of the eruption column and ash cloud, mass and temperature of the gas phase," merupakan faktor-faktor kritis dalam memahami dinamika letusan. Salah satu tantangan besar adalah mengukur kecepatan material yang terlempar selama letusan ledakan, yang sulit tetapi dapat dilakukan di bawah kondisi tertentu.

Upaya untuk memahami dan memprediksi jalur material vulkanik yang terlempar menjadi faktor yang sangat penting. Menurut Charles B. Connor, seorang profesor dari University of South Florida yang ahli dalam Probabilistic Volcanic Hazard Assessment, metode ini tidak hanya digunakan untuk mengidentifikasi area di mana material padat vulkanik bisa jatuh, tetapi juga untuk menghitung akumulasi material yang berpotensi membahayakan untuk langkah-langkah mitigasi lebih lanjut.

Kecepatan letupan gunung berapi berperan krusial dalam menentukan ketinggian maksimum dari material padat, seperti tephra, serta bagaimana material ini jatuh secara terpisah berdasarkan massa dan dinamika letusan. Ini menyoroti kompleksitas dalam mengevaluasi dan memperkirakan dampak dari aktivitas vulkanik, serta perlunya pendekatan ilmiah yang cermat dalam mengelola risiko bencana alam yang terkait.


Dense Optical Flow

Dense Optical Flow merupakan teknik yang kuat dalam pengolahan citra komputer yang digunakan untuk memahami dan memodelkan pergerakan objek dalam video. Teknik ini bekerja dengan mengidentifikasi perubahan intensitas cahaya antara bingkai gambar berturut-turut dalam video, dan kemudian menghitung vektor pergerakan untuk setiap pixel dalam frame. Hal ini memungkinkan untuk melacak dengan presisi gerakan objek seperti kendaraan, gerakan manusia, atau bahkan dinamika aliran fluida. Dense Optical Flow tidak hanya penting dalam aplikasi video processing, tetapi juga memiliki potensi besar dalam analisis dan penelitian ilmiah terutama untuk konteks bencana alam.

Dalam dunia pengolahan citra modern, RAFT (Recurrent All-Pairs Field Transforms) telah menjadi superhero tak terbantahkan dalam estimasi dense optical flow. RAFT menggunakan pendekatan yang revolusioner dengan memanfaatkan recurrent neural network (RNN) untuk memprediksi optical flow antar frame. Teknik ini tidak hanya mengandalkan fitur yang dibuat manual, tetapi secara iteratif memperbaiki perkiraan aliran dengan mempertimbangkan semua pasangan pixel dalam sebuah gambar. Ini memungkinkan RAFT untuk menangkap pola gerakan yang kompleks dan mengatasi situasi occlusion dengan sangat baik. Keunggulan RAFT terlihat dari ketepatan dan ketahanannya yang luar biasa dalam berbagai uji coba, menjadikannya pilihan utama untuk tugas-tugas aliran optik di penelitian dan aplikasi praktis.

FlowNet adalah tonggak sejarah dalam dunia estimasi dense optical flow menggunakan deep learning. Model ini, dengan kesederhanaannya yang mengesankan, dirancang khusus untuk menghitung optical flow antara dua frame gambar. FlowNet terdiri dari beberapa lapisan yang secara langsung memprediksi optical flow field, memanfaatkan kekuatan convolutional neural network (CNN) untuk mengekstraksi fitur hierarkis untuk estimasi aliran. Berbagai varian FlowNet telah dikembangkan untuk meningkatkan akurasi dan efisiensi. Keterjangkauan dan keefektifan FlowNet menjadikannya pilihan yang ideal dalam aplikasi analisis video, estimasi gerakan, dan pelacakan visual.


Aplikasi RAFT mengimplementasikan dense optocal flow pada karena jalan raya. Hasil running program

 https://github.com/ken-power/ComputerVision-OpticalFlow


Aplikasi FlowNet mengimplementasikan dense optocal flow pada karena jalan raya. Hasil running program

 https://github.com/ken-power/ComputerVision-OpticalFlow


Prediksi dampak erupsi melalui dense optical flow

Erupsi gunung berapi selalu menyebabkan pelepasan material vulkanik yang berbahaya seperti tephra, pyroclasts, dan lava. Implemantasi dense optical flow berpotensi untuk memahami dan memprediksi pergerakan material-material ini, diperlukan alat-alat modern seperti kamera pengawas (surveillance camera) yang dengan resolusi tinggi. Kamera-kamera ini memungkinkan pengambilan gambar detil dari aktivitas vulkanik secara real-time, selanjutnya dense optical flow membantu menganalisis pola gerakan material vulkanik dengan presisi. Sinergi ini tidak hanya meningkatkan kemampuan pemantauan aktivitas vulkanik, tetapi juga memperkuat sistem peringatan dini untuk masyarakat yang tinggal di sekitar gunung berapi.

Prediksi lintasan pyroclast

Estimasi Optical flow dapat digunakan untuk melacak gerakan partikel udara seperti pyroclast (partikel vulkanik besar) yang terlempar selama erupsi gunung berapi. Dengan menganalisis vektor gerakan pixel antara frame yang berurutan, akan membantu memperkirakan arah dan kecepatan di mana material ini menyebar dalam atmosfer. Analisis ini sangat berguna untuk memahami dampak potensial dari tephra terhadap lingkungan sekitarnya dan memperkuat sistem peringatan dini untuk mitigasi bencana.

Tentang tephra

Estimasi dengan dense optical flow berguna untuk melacak gerakan tephra, yaitu fragmen kecil dari batuan dan abu vulkanik yang terlempar selama erupsi gunung berapi. Dengan menganalisis vektor pergerakan pixel, optical flow membantu memprediksi arah dan kecepatan tephra tersebar dalam atmosfer. Teknik ini juga dapat memantau dinamika awan panas yang mengandung tephra yang bisa naik hingga ketinggian tertentu, serta memperkirakan pola ekspansi dan penyebarannya seiring waktu, membantu dalam memprediksi jalur dan area dampak potensial.

Kecepatan aliran lava

Metode optical flow juga dapat diterapkan untuk memonitor pergerakan aliran lava. Dengan menganalisis rekaman video atau urutan gambar, aliran optik dapat melacak dinamika permukaan lava yang mengalir, memperkirakan kecepatan dan arah gerakannya. Informasi ini sangat penting untuk menilai jalur potensial dari aliran lava dan memprediksi dampaknya terhadap area sekitarnya. Algoritma optical flow dapat mendeteksi perubahan kecepatan aliran lava yang halus, yang penting untuk memahami perilakunya, memprediksi perkembangannya, estimasi waktu tempuh lava dan memberikan peringatan tepat waktu kepada masyarakat di jalurnya.



Open perspective

Penerapan dense optical flow dalam skenario bencana dan erupsi vulkanik khususnya gunung merapi di Yogyakarta sangat penting dan memberi perspektif baru bagi beberapa pihak terkait:

  1. Vulkanologi dan Geologi: dapat menggunakan dense optical flow untuk memantau dan menganalisis dinamika awan vulkanik, gerakan pyroclast dan tephra, serta aliran lava. Hal ini membantu dalam memahami perilaku material vulkanik, memprediksi jalur-jalur mereka, dan menilai risiko langsung bagi masyarakat sekitarnya.

  2. Badan Penanggulangan Bencana Daerah: menggunakan prediksi lebih akurat tentang bahaya vulkanik untuk merumuskan rencana evakuasi, mengestimasi zona-zona bahaya, dan mengeluarkan peringatan tepat waktu kepada penduduk di area rawan. Dense optical flow membantu dalam pemantauan dan prediksi real-time, meningkatkan kemampuan mereka untuk merespons dengan efektif terhadap darurat gunung merapi.

  3. Masyarakat Lokal dan Penduduk: Orang-orang yang tinggal dekat gunung merapi langsung mendapat manfaat dari teknologi pemantauan dengan dense optical flow. Ini memberi mereka peringatan dini tentang letusan yang akan datang, memungkinkan mereka untuk mengungsi dengan aman dan melindungi nyawa serta properti mereka.

  4. Peneliti dan Akademisi: Ilmuwan yang mempelajari letusan gunung berapi dan dampaknya bisa menggunakan data dense optical flow untuk meningkatkan pemodelan letusan, memvalidasi teori-teori yang ada, dan mengembangkan strategi baru untuk mitigasi bahaya gunung berapi. Kemudian berkontribusi pada kemajuan pemahaman kita tentang proses-proses vulkanik.

Dengan memanfaatkan aplikasi dense optical flow ini, semua stakeholder dapat bersama-sama meningkatkan upaya persiapan, respons, dan pemulihan dalam menghadapi bencana gunung berapi, yang pada akhirnya menyelamatkan nyawa dan meminimalkan dampak sosial-ekonomi.




Popular Posts