Banjir adalah salah satu bencana alam paling mematikan dan paling merugikan di AS, menyebabkan kerugian miliaran dolar setiap tahunnya. Pada tahun 2024 saja, banjir menghancurkan rumah-rumah di lebih dari selusin negara bagian dan merenggut lebih dari 165 nyawa.
Texas Tenggara dilanda banjir bandang berulang kali pada musim semi dan kemudian dilanda lagi oleh Badai Beryl. Dalam satu momen yang memilukan, seorang anak laki-laki berusia 4 tahun hanyut setelah mobil keluarganya terendam saat terjadi badai petir di dekat Fort Worth.
Di Upper Midwest, curah hujan berhari-hari di bulan Mei menyebabkan banjir di sepanjang Sungai Mississippi dan anak-anak sungainya. Badai yang bergerak lambat di Timur Laut pada bulan Agustus menyebabkan bencana banjir di Connecticut.
Pegunungan di Carolina Utara dan Tennessee mengalami banjir paling dahsyat tahun ini ketika sisa-sisa Badai Helene melanda pada bulan September. Hujan deras mengguyur pegunungan, mengubah anak sungai menjadi arus deras yang menghanyutkan rumah dan kendaraan. Lebih dari 100 orang tewas di North Carolina, dan enam pekerja tenggelam ketika pabrik plastik mereka terendam banjir di Tennessee.
Badai seperti ini semakin intensif dengan cepat, melemah dengan lebih lambat, dan menghasilkan curah hujan yang lebih ekstrem sehingga daratan tidak dapat menyerapnya dengan cukup cepat. Meskipun banyak wilayah pesisir yang sudah lebih siap menghadapi badai dan banjir rob, 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 menjadi pengingat bahwa masih terdapat kesenjangan besar dalam sistem yang memantau tingkat aliran sungai di AS.
Cakupan saat ini kurang dari 1% saluran air
Layanan Cuaca Nasional menggunakan model canggih untuk mengeluarkan peringatan banjir. Model-model ini mengandalkan tren historis, informasi tutupan lahan, dan jaringan lebih dari 11.800 pengukur aliran sungai – sensor yang menyediakan data hampir real-time mengenai curah hujan, aliran sungai, dan kedalaman air – untuk mensimulasikan aliran air. Sebagian besar data tersebut tersedia online secara real-time.
Namun, jaringan pengukur aliran sungai mencakup kurang dari 1% sungai dan anak sungai di negara tersebut.
Penerapan satu sensor membutuhkan biaya lebih dari US$25.000 untuk alat pengukur federal permanen, dan hampir 70% dari biaya ini dapat ditanggung oleh masyarakat. Biaya awal yang tinggi ini, ditambah dengan meningkatnya biaya operasional, secara signifikan membatasi jangkauan sensor – khususnya di daerah aliran sungai kecil dan perkotaan yang rentan terhadap banjir bandang. Survei Geologi AS mengakui bahwa sensor-sensor ini saja tidak menyediakan data yang cukup dalam interval yang cukup cepat untuk sepenuhnya mengatasi risiko banjir.
Tanpa data, risikonya sering kali dianggap remeh
Risiko banjir dapat diperkirakan di saluran air tanpa curah hujan, namun tidak akurat.
Di wilayah ini, komputer menggunakan data dari saluran air serupa untuk memperkirakan aliran sungai. Namun asumsi-asumsi ini, ditambah dengan keterbatasan data dan dampak perubahan iklim yang terus berkembang, menimbulkan ketidakpastian.
Model yang dihasilkan sering kali meremehkan aliran sungai kecil dan mengabaikan dampak urbanisasi. Secara khusus, mereka dapat melewatkan risiko-risiko baru di wilayah-wilayah yang berkembang pesat, dimana perubahan pada bentang alam dan semakin banyaknya trotoar dapat dengan cepat mengalirkan air ke jalur-jalur yang berisiko.
Model banjir ini digunakan lebih dari sekedar peringatan. Dokumen ini juga memandu penilaian risiko untuk pembangunan, asuransi, dan pengambilan keputusan dalam membangun infrastruktur pelindung, sehingga akurasi merupakan hal yang penting.
Sebuah studi kasus di Philadelphia
Banjir bandang pada bulan Juli 2023 di Lower Makefield, pinggiran kota Philadelphia di sepanjang Sungai Delaware, menyoroti tantangan kurangnya cakupan data di daerah aliran sungai yang mengalami urbanisasi.
Pada tanggal 15 Juli, hujan lebat mengubah Houghs Creek, anak sungai kecil Sungai Delaware, menjadi arus deras yang mematikan, menghanyutkan Washington Crossing Road dan menjebak banyak kendaraan. Orang-orang yang selamat mengenang kekacauan tersebut:
“Tiba-tiba, air setinggi 3 inci, air 4 inci, air setinggi satu kaki mendatangi kami,” kata Chloe Weissman.
“Semburan air yang sangat besar ini baru saja turun dari… menuruni bukit,” tambah Eli Weissman. “Saat turun, mobil-mobil mulai mengapung. [We] hanya mencoba untuk bertahan hidup, berbaring telentang, kaki mengarah ke bawah, meraih pohon, meraih tanaman merambat, meraih apapun yang kami bisa untuk tetap bertahan.”
Layanan Cuaca Nasional mengeluarkan peringatan banjir bandang pada pukul 17:18, namun peringatan melalui telepon baru terpicu pada pukul 18:09 – setelah banjir mulai terjadi. Meskipun Sungai Delaware memiliki pengukur aliran di dekatnya, model banjir tidak memperkirakan banjir cepat di sepanjang anak sungai kecil ini.
Urbanisasi di sekitar Houghs Creek menjadikan peristiwa ini lebih berbahaya dan sulit diprediksi, karena permukaan yang kedap air dengan cepat mengalirkan air ke daerah dataran rendah. Banjir bandang menggarisbawahi perlunya data hiperlokal untuk meningkatkan model prediktif dan memungkinkan peringatan dini yang lebih akurat.
Memperluas cakupan tingkat banjir sungai
Mengatasi kesenjangan data sangat penting untuk meningkatkan prakiraan cuaca dan manajemen darurat.
Salah satu solusi yang menjanjikan adalah memperluas jaringan pengukur aliran sungai melalui kemitraan publik-swasta dan mendorong pemerintah negara bagian dan lokal, usaha kecil, lembaga 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.
Para insinyur di Lab Air Digital Universitas Michigan menciptakan salah satu 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 US$800 per sensor – dari sistem ini memungkinkan penerapan secara luas, memberikan informasi penting kepada masyarakat. Teknik seperti memvalidasi pembacaan terhadap pengukuran 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 nonfederal seperti ini dapat diintegrasikan ke dalam model banjir federal.
Sementara itu, para peneliti telah membuat database sumber terbuka yang mengkonsolidasikan semua data pengukuran yang diketahui dan memungkinkan masyarakat untuk memberikan informasi. Kumpulan data gabungan ini memungkinkan model banjir yang lebih canggih dan kuat, seperti model prakiraan banjir Google, yang mencakup sebagian besar wilayah negara tersebut.
Masa depan pemantauan banjir
Beberapa universitas bekerja sama dalam kolaborasi yang disebut FloodAware untuk mengembangkan sistem yang mengintegrasikan “kamera banjir”, postingan media sosial, sensor kota pintar, dan banyak lagi untuk mendeteksi dan memperingatkan penduduk akan banjir bandang. Menggabungkan alat-alat ini dapat memperluas data yang tersedia bagi ahli meteorologi dan manajer darurat, sehingga meningkatkan penilaian dan peringatan risiko banjir.
Menggabungkan beragam sumber data pada platform bersama akan menghasilkan sistem pemantauan banjir yang lebih komprehensif dan mudah diakses. Kami yakin hal ini akan memberdayakan masyarakat dengan informasi yang mereka perlukan untuk melakukan advokasi tindakan perlindungan, yang pada akhirnya meningkatkan ketahanan dalam menghadapi perubahan iklim.
Artikel ini awalnya diterbitkan di The Conversation oleh Julie Arbit, Brad Bottoms, dan Branko Kerkez di Universitas Michigan. Baca artikel aslinya di sini.