Thread by @pacmannai

Mau terbebas dari panasnya neraka duniawi? Ini yang bisa machine learning lakukan!🥵🔥
Tackling climate change with machine learning.
.
.
.
A thread

Ngerasa gak sih, dari tahun ke tahun tuh rasanya tiap musim kemarau makin panas?

Ya wajar aja kalau ngerasa semakin panas. Sejak tahun 1981, temperatur bumi naik 0.18 derajat Celcius per dekadenya. Akibatnya tuh ga cuma sekedar ‘oh cuaca jadi makin panas’ aja guys, tapi lebih dari itu.

Kalau misalkan kita ngelewatin batas kenaikan temperatur 1.5 derajat celcius di tahun 2040, udah deh dadah hidup tentram nyaman bebas bencana. Say hello to kekeringan parah, banjir, badai tropis, dan berbagai bencana lain akibat perubahan iklim. Ngeri banget kan😱😱

Biar hal ini ga terjadi, machine learning bisa mengambil peran nih untuk membantu mengatasi masalah perubahan iklim. Tapi, sebelum kita liat perannya machine learning, ada baiknya kita ketahui dulu, apa sih penyebab perubahan iklim?

Di thread ini, mimin hanya akan fokus pada bidang kehutanan dan agrikultur aja yaaa.

Masih pada inget kan, waktu SD, kita pernah belajar kalau tumbuhan itu menyerap karbondioksida dari atmosfer dan mengeluarkan oksigen.

Sebagian besar karbondioksida ini dipecah dan beredar kembali di siklus karbon, namun sebagian sisanya tersimpan dalam rawa gambut, tanah, dan biomassa pohon.

Sayangnya, sistem perekonomian kita saat ini malah membebaskan karbondioksida yang tersimpan ini, contohnya melalui praktek deforestasi dan program agrikultur yang tidak berkelanjutan.

Akibatnya apa kalau karbondioksida ini pada terlepas? Ya berujung ke peningkatan emisi gas rumah kaca dan akhirnya memperburuk perubahan iklim. Belum lagi, masih ada peternakan yang menyumbang emisi gas rumah kaca.

Kalau dihitung hitung, keseluruhan lahan yang digunakan oleh manusia itu berkontribusi terhadap ¼ total gas rumah kaca global. Makanya, penting bagi kita buat menekan si karbondioksida ini dan mengurangi emisi gas rumah kaca.

Lalu gimana cara menanganinya?

Kalau diestimasikan, ⅓ emisi gas rumah kaca bisa dikurangi dengan management lahan dan agrikultur yang lebih baik. Disinilah machine learning berperan.

Dengan satelit, kita dapat mengestimasi jumlah karbon dioksida / emisi gas rumah kaca yang terlepas pada sebuah area lahan. Walaupun emisi gas rumah kaca ga bisa dilihat kasat mata, tapi emisi gas rumah kaca itu berinteraksi dengan cahaya matahari.

Dari sinilah kita bisa mengobservasi senyawa tersebut menggunakan kamera hyperspectral. Kamera ini dapat merekam ratusan panjang gelombang, menyediakan informasi mengenai interaksi cahaya dengan senyawa kimia lain.

Cuma, kamera seperti ini tidak memiliki resolusi yang baik dan jadi ga cocok buat nge track emisi gas rumah kaca. Maka dari itu, satelit gambar yang standar bisa melengkapinya karena gambar yang dihasilkan nya itu RGB beresolusi tinggi.

Nah, dari sinilah machine learning bisa menggunakan gambar-gambar tersebut untuk memprediksi jumlah emisi.

Ga hanya itu aja, gambar-gambar ini juga bisa diolah oleh machine learning itu memantau ‘kesehatan’ hutan dan lahan gambut, memprediksi resiko munculnya api di hutan, dan berkontribusi terhadap kehutanan yang berkelanjutan.

Sebenarnya, sudah ada studi mengenai hal ini, cuma belum ada hasil yang jelas. Jadi, sabi banget kalau kalian neltii tentang topik ini.

Balik lagi ke awal, kita udah tau kalau tumbuhan itu bisa mengurangi karbondioksida dan memainkan peranan penting dalam melawan perubahan iklim. Tapi, mirisnya, hanya 17% hutan di dunia yang dilindungi,

sisanya berpotensi jadi korban deforestasi, dan kira kira berkontribusi sebesar 10% ke emisi gas rumah kaca global. Nah, biar perubahan iklim ga makin parah, kita harus mengurangi deforestasi.

Sama kaya tadi, kita bisa tuh manfaatin gambar dari satelit yang kemudian diproses oleh machine learning untuk membedakan mana yang memotong pohon di hutan secara selektif mana yang deforestasi.

Selain itu, kita juga bisa naro handphone jaman dulu yang ditenagai sama solar panel, terus machine learning bisa mendeteksi dan melaporkan kalau ada bunyi gergaji dari radius 1 km. Ini keren banget sih!

Terakhir, kalau ada orang yang mau nebang pohon di hutan secara selektif (alias bukan deforestasi yang asal tebang aja buat buka lahan misalnya), dia kan harus mantau ya apakah pohon itu udah siap untuk dipanen / belom.

Nah, yang namanya hutan, jalannya juga jauh kan. Kalau misalkan pas sampe di lokasi pohon yang mau dipanen tapi ternyata pohonnya belom ready, bakal buang ongkos transport banget dan tentunya juga nambah polusi udara.

Biar lebih efisien, machine learning bisa membantu mendeteksi kapan sih pohon dapat dipanen, terus area mana yang kira kira bisa ditanami pohon, dan area mana yang harus dibangun jalan. Jadinya lebih efisien deh!

Tapi, perlu diingat kalau Jevons paradox itu bisa aja berlaku. Apa tuh Jevons Paradox?

Jevons paradox itu adalah sebuah kejadian dimana kemajuan teknologi atau kebijakan pemerintah itu meningkatkan efisiensi penggunaan sumber daya namun akan meningkatkan konsumsi sumber daya karena peningkatan permintaan.

Kalau dalam kasus ini, bila sistem menebang pohon secara selektif ini jadi lebih efisien, permintaan pohon ini bisa meningkat karena sistemnya udah lebih baik daripada sebelumnya.

Dari thread ini, kita tau kalau kesempatan machine learning untuk membantu mengatasi perubahan iklim tuh luas banget. Kalian bisa nih jadi salah satu orang yang mewujudkan hal tersebut.

Tentunya, kalian harus paham dulu konsep machine learning untuk bisa berkontribusi lebih lanjut. Salah satu sumber pembelajaran yang bisa kalian ikuti adalah di non degree program nya Data Scientist Pacmann.AI

Kalian akan belajar dari dasar hingga nerapin langsung ilmu yang kalian dapetin di project lab, siapa tau mau buat project tadi kann. Biar ga kelewatan pendaftaran batch 3, langsung aja daftarin diri kalian di bit.ly/PendaftaranNon… atau tanya kami di bit.ly/WASalesPacmann 🤩

Referensi:
nrdc.org/stories/global…
arxiv.org/abs/1906.05433