Meningkatnya suhu dan mengintensifkan kekeringan terus memburuk dengan krisis iklim global. Menurut Organisasi Kesehatan Dunia, diperkirakan 55 juta orang di seluruh dunia dipengaruhi oleh kekeringan setiap tahun – jumlah yang diperkirakan akan tumbuh ketika perubahan iklim menjadi lebih ekstrem.
Melalui kekuatan kecerdasan buatan, Andrew Watford, fakultas mahasiswa sains tahun keempat di University of Waterloo, mengatasi tantangan ini dengan mengembangkan lebih banyak alat yang dapat dikembalikan dan dapat ditafsirkan untuk meramalkan kekeringan.
Sebagai bagian dari masa koperasi dalam Program Fisika Matematika dan janji bintangnya sebagai peneliti di lapangan, Watford diberi kesempatan untuk berkontribusi pada studi yang diterbitkan peer-review tentang AI untuk menganalisis kesehatan vegetasi dan memperkirakan pola kekeringan di dalam Kenya. Makalah ini membandingkan kinerja model mekanistik dengan dua pendekatan pembelajaran mesin yang diberi informasi fisika.
Peran Watford di bawah pengawasan Dr S. Chris Bauch (Fakultas Matematika) dan Madhur Anand (University of Guelph) melibatkan kode penulisan untuk memprediksi d'Ifference eGetation i ndex (NDVI) di wilayah Kenya yang rawan kekeringan. Melalui penyempurnaan lebih lanjut dari model -model ini, penelitian ini bertujuan untuk meningkatkan metode pembelajaran mesin untuk meningkatkan prediksi kekeringan, yang dapat mengarah pada pengembangan sistem peringatan dini dan strategi mitigasi.
“Tujuan kami adalah untuk menyatukan matematika dan pembelajaran mesin untuk mengembangkan metodologi baru dan mendorong lapangan ke depan untuk memprediksi kekeringan,” kata Watford. “Kami masih jauh dari memprediksi kekeringan lima tahun di masa depan dengan pasti, tetapi ini adalah langkah menuju mencoba menemukan cara terbaik untuk melakukan itu.”
Kemampuan untuk memprediksi kekeringan sebelumnya menawarkan manfaat besar, termasuk memungkinkan pemerintah daerah untuk menerapkan strategi pengelolaan air yang efektif, memungkinkan petani untuk memilih tanaman tahan kekeringan, dan secara signifikan meningkatkan kesiapan bencana alam yang dapat menyelamatkan nyawa.
Di masa di mana perubahan iklim dan bencana alam menjadi lebih umum, menggabungkan model pembelajaran mesin untuk membantu mengurangi ancaman ini menjadi semakin penting. Rumah bagi program co-op terbesar di universitas intensif penelitian, dengan lebih dari 70 persen siswa mendapatkan pengalaman kerja hingga dua tahun selama studi mereka, W ATFORD memuji keanekaragaman Waterloo karena dapat menerapkan pembelajarannya untuk masalah dunia nyata ini.
“Penelitian tidak berakhir dengan bisa memprediksi kekeringan,” kata. “Ini adalah alat yang berkembang yang akan membantu orang dan menyelamatkan nyawa.”
Aliran studi koperasi ditawarkan di sebagian besar program sains di University of Waterloo. Pelajari lebih lanjut tentang program dan peluang yang tersedia di situs web sains atau situs web pendidikan koperasi Waterloo untuk
Sistem Dinamis – Metode pembelajaran mesin yang terinspirasi untuk prediksi kekeringan diterbitkan dalam Ecological Informatics, Volume 84, pada bulan Desember 2024.
Sarah Fullerton
