Lapisan es Antarktika memainkan peran besar dalam menjaga stabilitas permukaan laut global. Di tepi benua es ini terdapat hamparan es raksasa yang disebut ice shelf atau paparan es. Paparan es berfungsi seperti penahan alami yang memperlambat aliran es daratan menuju laut. Selama paparan es tetap utuh dan stabil, laju kenaikan permukaan laut dapat ditekan. Namun ketika paparan es melemah atau runtuh, es daratan di belakangnya dapat mengalir lebih cepat ke laut dan menyebabkan permukaan laut naik secara signifikan.
Untuk memprediksi masa depan Antarktika dan dampaknya bagi dunia, para ilmuwan harus memahami satu hal mendasar, yaitu bagaimana es mengalir dan berubah bentuk. Masalahnya, sifat mekanik es berskala benua sangat sulit diukur secara langsung. Selama puluhan tahun, para peneliti menggunakan hukum aliran es yang disederhanakan untuk memodelkan pergerakan paparan es. Penelitian terbaru yang diterbitkan dalam jurnal Science pada tahun 2025 kini menunjukkan bahwa pendekatan lama tersebut belum cukup akurat.
Dalam studi ini, para ilmuwan menggabungkan data satelit dengan kecerdasan buatan untuk mempelajari bagaimana es Antarktika benar benar bergerak. Mereka menggunakan pendekatan deep learning yang dipadukan dengan hukum fisika, sehingga komputer tidak hanya belajar dari data, tetapi juga tetap mengikuti prinsip dasar mekanika.
Baca juga artikel tentang: Es dan Petir: Hubungan Tersembunyi yang Baru Terungkap
Paparan es Antarktika bukanlah massa es yang seragam. Di beberapa tempat, es tertekan dan saling mendorong. Di tempat lain, es tertarik dan meregang hingga membentuk retakan besar. Cara es merespons tekanan ini bergantung pada struktur internalnya, seperti ukuran kristal es, arah susunan kristal, dan keberadaan zona lemah yang disebut zona jahitan atau suture zones.
Penelitian ini menemukan bahwa hukum aliran es berbeda tergantung pada kondisi tersebut. Di wilayah paparan es yang mengalami tekanan, es bersifat sangat sensitif terhadap ukuran butiran kristalnya. Artinya, es dengan kristal kecil dan kristal besar akan mengalir dengan cara yang berbeda meskipun berada pada suhu dan tekanan yang sama. Ini menunjukkan bahwa sifat mikrostruktur es berpengaruh besar terhadap perilaku skala besar.
Sebaliknya, di wilayah paparan es yang mengalami tarikan, es menunjukkan sifat anisotropik. Sederhananya, es menjadi lebih mudah mengalir ke satu arah dibandingkan arah lainnya. Hal ini terjadi karena susunan kristal di dalam es tidak acak, melainkan cenderung sejajar akibat deformasi jangka panjang. Temuan ini penting karena banyak retakan besar pada paparan es muncul di zona tarikan.
Dengan menggunakan kecerdasan buatan, para peneliti berhasil membuat peta viskositas es di seluruh paparan es. Peta ini menunjukkan bagian mana dari paparan es yang kaku dan bagian mana yang lebih lunak. Salah satu temuan penting adalah peran zona jahitan, yaitu area tempat dua aliran es bertemu. Zona ini memiliki sifat mekanik unik yang dapat menghambat penyebaran retakan, sehingga membantu menjaga keutuhan paparan es.
Penelitian ini juga menyoroti pentingnya wilayah garis dasar atau grounding line, yaitu batas antara es yang masih menempel di daratan dan es yang mulai mengapung di laut. Sifat mekanik es di dekat garis ini sangat menentukan seberapa stabil paparan es secara keseluruhan. Model kecerdasan buatan menunjukkan bahwa perubahan kecil pada sifat aliran es di wilayah ini dapat menyebabkan perubahan besar pada jumlah es yang mengalir ke laut.
Salah satu keunggulan utama pendekatan ini adalah kemampuannya menggabungkan data pengamatan langsung dari satelit dengan hukum fisika. Satelit memberikan informasi tentang kecepatan aliran es, ketebalan, dan perubahan permukaan dari waktu ke waktu. Kecerdasan buatan kemudian menggunakan data ini untuk menyimpulkan sifat mekanik es yang tidak bisa diukur secara langsung.
Bagi masyarakat awam, penggunaan kecerdasan buatan dalam penelitian es mungkin terdengar sangat futuristik. Namun pendekatan ini justru membantu menjawab pertanyaan yang sangat nyata. Seberapa cepat permukaan laut akan naik dalam beberapa dekade ke depan. Jawaban atas pertanyaan ini bergantung pada seberapa baik kita memahami perilaku es Antarktika.
Model iklim dan kenaikan permukaan laut sebelumnya sering mengasumsikan bahwa es mengalir dengan cara yang relatif sederhana. Penelitian ini menunjukkan bahwa asumsi tersebut terlalu kasar. Es memiliki perilaku yang jauh lebih kompleks, dan mengabaikan detail ini dapat menyebabkan kesalahan besar dalam proyeksi masa depan.
Dengan model baru yang lebih realistis, ilmuwan dapat membuat prediksi yang lebih akurat tentang kapan dan di mana paparan es berisiko runtuh. Informasi ini sangat penting bagi perencanaan jangka panjang, terutama bagi negara negara pesisir dan pulau kecil yang rentan terhadap kenaikan permukaan laut.
Penelitian ini juga menunjukkan bagaimana kecerdasan buatan dapat menjadi alat ilmiah yang kuat jika digunakan dengan hati hati. Alih alih menggantikan fisika, deep learning justru membantu menyingkap pola tersembunyi dalam data yang sangat besar dan kompleks. Ketika digabungkan dengan pemahaman fisika yang kuat, teknologi ini membuka cara baru untuk mempelajari sistem alam berskala planet.
Selain dampaknya pada ilmu iklim, studi ini juga memberikan wawasan dasar tentang sifat es sebagai material. Es tidak hanya penting bagi Antarktika, tetapi juga bagi gletser di seluruh dunia, lapisan es di Greenland, dan bahkan es di planet lain. Memahami bagaimana es mengalir dan berubah bentuk membantu ilmuwan memahami proses alam dari Bumi hingga tata surya.
Pada akhirnya, penelitian ini mengingatkan bahwa masa depan permukaan laut dunia sangat bergantung pada proses yang terjadi ribuan kilometer jauhnya di Antarktika. Paparan es yang tampak diam sebenarnya bergerak perlahan dan terus berubah. Dengan bantuan kecerdasan buatan, manusia kini memiliki alat yang lebih baik untuk membaca gerakan halus ini dan memahami apa artinya bagi masa depan planet kita.
Ilmu pengetahuan tidak hanya mengamati perubahan iklim, tetapi juga terus memperbaiki cara kita memahaminya. Studi ini menjadi contoh bagaimana kolaborasi antara data, fisika, dan kecerdasan buatan dapat membantu menjawab tantangan global yang paling mendesak di abad ini.
Baca juga artikel tentang: Himalaya yang Menghangat: Pertanda Dunia Kita Sedang Bergeser
REFERENSI:
Wang, Yongji dkk. 2025. Deep learning the flow law of Antarctic ice shelves. Science 387 (6739), 1219-1224.
