Surabaya memanfaatkan drone untuk pemetaan banjir

En bref

• Surabaya mempercepat mitigasi banjir dengan drone untuk pemetaan kontur, saluran, dan titik genangan.
• Data udara beresolusi tinggi memudahkan pemantauan perubahan kawasan padat dan area yang sulit diakses.
• Integrasi penginderaan jauh, GIS, dan analitik berbasis teknologi membantu penentuan prioritas perbaikan infrastruktur drainase.
• Sensor seperti kamera RGB, termal, dan LiDAR mendukung inspeksi saluran terbuka maupun tertutup.
• Peta digital banjir mendorong koordinasi lintas dinas dan respons bencana yang lebih cepat.

Di kota pesisir yang terus tumbuh seperti Surabaya, hujan deras bukan sekadar peristiwa cuaca: ia adalah ujian bagi saluran air, tata ruang, dan disiplin warga. Dalam beberapa tahun terakhir, pendekatan penanganan banjir bergeser dari sekadar “menangani saat kejadian” menjadi “membaca gejala sejak dini”. Di sinilah drone masuk sebagai alat yang mengubah cara pemerintah dan tim lapangan memandang kota dari atas—bukan untuk sensasi visual, melainkan untuk pemetaan yang presisi. Citra beresolusi tinggi dan model elevasi digital membantu memetakan kontur mikro: kemiringan jalan, cekungan kecil di permukiman padat, hingga titik saluran yang rawan tersumbat. Ketika data udara ini digabungkan dengan arsip kejadian genangan, laporan warga, dan inspeksi drainase, Surabaya memperoleh “peta kerja” yang lebih jujur tentang bagaimana air bergerak. Dampaknya bukan hanya pada akurasi analisis, tetapi juga pada cara anggaran ditargetkan, proyek infrastruktur dipilih, dan keputusan darurat diambil dalam jam-jam kritis.

Pemkot Surabaya Memanfaatkan Drone untuk Pemetaan Banjir Berbasis Data

Perubahan besar dimulai ketika pemetaan tidak lagi diperlakukan sebagai dokumen statis, melainkan sebagai produk yang terus diperbarui. Dalam praktiknya, tim kota melakukan misi terbang di koridor-koridor yang sering dilaporkan tergenang, lalu mengolah hasil tangkapan menjadi peta elevasi, ortofoto, dan model permukaan. Dari situ, petugas dapat membaca “sidik jari” genangan: apakah masalahnya berada pada kapasitas saluran, kemiringan yang salah, atau hambatan karena bangunan dan utilitas.

Untuk menggambarkan manfaatnya secara konkret, bayangkan kisah fiktif namun realistis tentang Fajar, analis geospasial di salah satu unit teknis. Ia menerima laporan genangan berulang di sebuah kawasan yang tampak normal dari jalan utama. Tim lapangan sulit menelusuri karena akses gang sempit dan saluran tertutup. Dengan drone, Fajar memotret area dalam waktu singkat dan menemukan pola: air tertahan di cekungan kecil yang terbentuk akibat peninggian halaman rumah dan pelapisan aspal baru. Temuan itu menggeser keputusan—bukan menambah pompa, melainkan menata ulang kemiringan permukaan serta membuat inlet tambahan.

Pemanfaatan ini makin masuk akal jika dikaitkan dengan tren kota-kota yang mengembangkan analitik prediktif. Banyak daerah membangun ekosistem inovasi yang menghubungkan data historis dan kondisi lapangan untuk deteksi dini. Arah penguatan jejaring riset dan pengembangan analitik dapat dilihat dari diskusi tentang kolaborasi dan jaringan riset AI di penguatan jaringan riset AI, yang relevan ketika Surabaya ingin memperluas pemodelan genangan berbasis data multi-sumber.

Yang sering luput, pemetaan ini bukan semata “menggambar banjir”, melainkan memetakan sistem yang menyebabkan banjir terjadi. Ketika tim memiliki ortofoto terbaru, mereka bisa mendeteksi perubahan tata guna lahan: lahan resapan yang beralih menjadi bangunan, pelebaran parkir, hingga penyempitan jalur air. Tanpa pembaruan berkala, keputusan teknis sering bergantung pada asumsi lama.

Pada titik ini, penginderaan dari udara membantu menutup celah informasi. Area yang sulit dijangkau—misalnya di balik deretan kios, di antara rumah padat, atau di sisi rel—dapat dipantau tanpa mengganggu aktivitas warga. Insight akhirnya sederhana namun kuat: semakin lengkap “peta kenyataan”, semakin kecil peluang salah sasaran dalam intervensi.

Optimalisasi Peta Drainase Kota: Dari Citra Drone ke Keputusan Infrastruktur

Drainase perkotaan ibarat jaringan pembuluh darah: tersumbat sedikit saja, efeknya bisa menjalar cepat. Dalam konteks Surabaya, tantangan khas muncul dari kombinasi kepadatan permukiman, penurunan tanah di beberapa lokasi, serta perubahan fungsi lahan yang cepat. Di sinilah teknologi pemetaan berbasis drone menawarkan pembacaan yang lebih rinci dibanding survei konvensional yang mengandalkan pengukuran titik demi titik.

Data dari drone biasanya diolah menjadi model elevasi digital yang memperlihatkan kontur sampai skala sentimeter, bergantung pada ketinggian terbang dan sensor. Dengan model ini, perencana dapat mensimulasikan arah aliran permukaan: ke mana air akan mengalir ketika intensitas hujan tinggi, di mana ia cenderung berkumpul, dan titik mana yang perlu ditambah inlet atau diperbesar kapasitas salurannya.

Inspeksi saluran terbuka dan tertutup dengan sensor yang tepat

Saluran terbuka mudah terlihat, tetapi persoalan sering tersembunyi pada gorong-gorong atau saluran tertutup. Kombinasi kamera resolusi tinggi dan, pada kasus tertentu, sensor termal dapat membantu menduga lokasi penyumbatan atau kebocoran berdasarkan anomali suhu dan pola kelembapan. Untuk kebutuhan topografi yang lebih presisi—misalnya di bantaran sungai atau daerah dengan vegetasi—LiDAR pada UAV menjadi opsi yang makin terjangkau pada 2026, terutama untuk proyek prioritas.

Hasil inspeksi ini kemudian diterjemahkan menjadi daftar pekerjaan yang jelas: pengerukan sedimentasi, penggantian segmen pipa, perbaikan bak kontrol, atau penataan ulang kemiringan permukaan. Dampak langsungnya adalah efisiensi anggaran, karena intervensi difokuskan pada lokasi yang terbukti bermasalah, bukan sekadar berdasarkan keluhan yang datang terlambat.

Integrasi dengan GIS dan peta kerja lintas dinas

Nilai paling besar muncul ketika data udara tidak berhenti sebagai gambar. Begitu masuk ke GIS, peta dapat ditumpuk dengan data lain: jaringan jalan, utilitas, batas administrasi, lokasi sekolah dan rumah sakit, hingga catatan kejadian banjir dari tahun-tahun sebelumnya. Dari sinilah lahir peta prioritas infrastruktur—bukan sekadar peta “rawan”, tetapi peta “apa yang harus dikerjakan lebih dulu”.

Praktik integrasi ini juga sejalan dengan kebutuhan tata kelola yang transparan. Ketika warga bisa melihat progres pengerjaan dan alasan teknis pemilihan lokasi, kepercayaan publik cenderung meningkat. Bahkan, inspirasi pembaruan sistem tata air juga bisa datang dari sektor lain, misalnya inovasi irigasi yang dibahas pada startup irigasi di Jawa Barat, karena prinsipnya sama: mengalirkan air secara terkendali dengan pengukuran yang presisi.

Insight kuncinya: peta drainase yang akurat tidak hanya mencegah proyek salah sasaran, tetapi juga mempercepat koordinasi antardinas ketika pekerjaan menyentuh jalan, utilitas, dan permukiman sekaligus.

Untuk melihat contoh visual dan pendekatan yang sering dipakai dalam pemetaan drainase dan banjir berbasis UAV, banyak praktisi membagikan demonstrasi pemrosesan ortofoto dan model elevasi di kanal edukasi.

Pemantauan Genangan dan Respons Bencana: Drone sebagai Mata di Langit Surabaya

Ketika hujan ekstrem terjadi, peta statis cepat usang. Jalan yang aman satu jam lalu bisa berubah menjadi jalur yang tidak bisa dilewati. Pada fase inilah drone memberi keuntungan operasional: tim dapat memantau penyebaran genangan hampir real-time tanpa menunggu laporan bertumpuk. Dalam penanganan bencana, menit sering kali menentukan—terutama untuk evakuasi kelompok rentan dan pengiriman logistik.

Di Surabaya, pola banjir sering terkait dengan kombinasi air hujan lokal dan kapasitas saluran yang tertekan. Pada situasi padat kendaraan, mengirim petugas ke semua titik rawan bukan hanya lambat, tetapi juga berisiko. Penginderaan dari udara mempersingkat “jarak informasi”: operator dapat menilai tinggi genangan, mengidentifikasi kendaraan terjebak, serta memeriksa apakah pintu air atau pompa bekerja sesuai rencana.

Menentukan rute evakuasi dan distribusi bantuan

Manfaat paling terasa adalah pada penentuan rute. Dengan citra terbaru, posko dapat mengarahkan ambulans atau kendaraan bantuan melalui ruas yang masih bisa dilalui. Pada beberapa skenario, drone juga membantu memilih titik evakuasi sementara—misalnya halaman fasilitas umum yang tidak tergenang dan aman dari arus.

Dalam latihan kebencanaan, tim biasanya menyusun prosedur: area yang dipantau terlebih dulu adalah fasilitas kritis (rumah sakit, gardu listrik), simpul transportasi, lalu permukiman padat. Pendekatan ini membuat pemantauan lebih terstruktur, bukan sekadar reaksi spontan. Seiring berkembangnya sistem prakiraan genangan, kota-kota juga mulai mengarah pada mekanisme peringatan yang menggabungkan sensor muka air, laporan warga, dan citra udara—mirip konsep sistem peramalan inundasi yang banyak dibahas dalam forum “flood inundation forecasting system” di berbagai negara.

Prosedur operasi dan keselamatan penerbangan

Penggunaan drone untuk situasi darurat perlu disiplin: batas ketinggian, zona terlarang di dekat fasilitas vital, serta koordinasi dengan pihak terkait. Operator harus memastikan kondisi cuaca aman, terutama saat angin kencang setelah hujan. Selain itu, data lokasi warga dan fasilitas sensitif perlu diperlakukan sebagai informasi yang dilindungi.

Yang menarik, pengalaman lapangan sering menunjukkan bahwa drone bukan pengganti petugas, melainkan penguat keputusan. Ketika petugas lapangan mengonfirmasi kondisi saluran, tim udara memberi konteks luas—sehingga tindakan menjadi lebih tepat. Kalimat penutupnya jelas: dalam kondisi krisis, kota yang mampu melihat situasi lebih cepat biasanya mampu pulih lebih cepat.

Selain dokumentasi lapangan, ada juga banyak contoh simulasi dan pemodelan genangan berbasis UAV yang memperlihatkan bagaimana data dipakai untuk keputusan cepat.

Teknologi Penginderaan, AI, dan Analitik: Membaca Pola Banjir Sebelum Terjadi

Jika pemetaan adalah “foto kondisi”, analitik adalah “makna di balik foto”. Pada 2026, arah pengembangan di banyak kota bergerak ke pemodelan yang lebih prediktif: menggabungkan data historis kejadian banjir, curah hujan, kapasitas drainase, dan perubahan permukaan lahan. Data dari drone menjadi lapisan penting karena ia menangkap realitas terkini—misalnya pembangunan baru yang belum tercatat dalam peta lama.

Dalam konteks Surabaya, penggunaan AI dapat dibayangkan dalam beberapa bentuk praktis. Pertama, klasifikasi otomatis tutupan lahan dari ortofoto: membedakan atap, aspal, tanah terbuka, vegetasi, dan badan air. Dari situ, model dapat memperkirakan kemampuan resapan serta potensi limpasan. Kedua, deteksi anomali drainase: misalnya segmen saluran yang berubah warna atau tekstur akibat sedimentasi. Ketiga, rekomendasi lokasi intervensi: mengusulkan titik inlet, sumur resapan, atau embung skala lingkungan berdasarkan kontur dan kepadatan.

Menggabungkan drone, satelit, dan data lapangan untuk peta kerentanan

Drone unggul pada detail, tetapi cakupan satelit unggul pada kontinuitas dan wilayah luas. Pendekatan yang matang menggabungkan keduanya: satelit radar seperti Sentinel dapat membantu membaca kelembapan dan genangan bahkan saat berawan, sementara drone memberi verifikasi presisi di lokasi prioritas. Dalam sejumlah riset, peta kerentanan banjir sering menunjukkan bahwa sebagian besar area kota berada pada kategori aman, dengan sisanya terbagi dalam tingkat rendah hingga tinggi—temuan semacam ini berguna sebagai kerangka kerja, lalu diperhalus oleh data drone agar tindakan menjadi spesifik sampai level RT/RW.

Contoh alur kerja analitik yang dipakai tim kota

Alur kerja yang umum mencakup: perencanaan misi terbang, pengambilan citra, pemrosesan ortomosaik dan DEM, validasi lapangan, lalu integrasi ke GIS. Setelah itu barulah analitik berjalan—mulai dari perhitungan arah aliran, penentuan cekungan, sampai simulasi skenario hujan tertentu. Berikut contoh ringkas perbandingan pendekatan konvensional dan berbasis UAV untuk kebutuhan taktis kota.

Terakhir, analitik bukan tujuan akhir; ia harus berujung pada keputusan yang bisa diaudit. Ketika model menyarankan lokasi perbaikan, tim perlu menunjukkan bukti visual, data elevasi, dan hasil validasi. Insight penutupnya: AI boleh membantu membaca pola, tetapi legitimasi kebijakan lahir dari data yang bisa diuji.

Tantangan Regulasi, Kompetensi Operator, dan Keamanan Data Pemetaan Drone

Semakin penting peran drone dalam pemetaan banjir, semakin besar pula tuntutan tata kelolanya. Tantangan pertama adalah regulasi penerbangan. Pengoperasian UAV di area perkotaan harus mematuhi ketentuan keselamatan, termasuk pembatasan ketinggian, jarak dari kerumunan, serta pengaturan area dekat objek vital. Dalam praktik, ini berarti misi tidak bisa dilakukan sembarangan; perlu jadwal, perizinan bila dibutuhkan, dan SOP yang ketat.

Tantangan kedua adalah kompetensi. Kota memerlukan operator bersertifikat, analis pemrosesan data, dan perencana yang mampu menerjemahkan hasil menjadi tindakan infrastruktur. Banyak program pelatihan berfokus pada cara menerbangkan perangkat, tetapi kebutuhan kota lebih luas: pengolahan ortofoto, koreksi geometrik, penentuan titik kontrol, hingga integrasi ke GIS. Tanpa itu, citra hanya akan menjadi arsip—bukan alat keputusan.

Cuaca ekstrem dan keterbatasan operasional di lapangan

Cuaca tropis sering tidak ramah: angin, hujan mendadak, dan awan rendah dapat mengganggu misi. Karena itu, tim yang matang menyiapkan rencana alternatif: memanfaatkan jendela cuaca, memilih sensor yang tepat, serta melakukan pemotretan berulang di titik kritis. Untuk respons cepat, beberapa unit memilih drone yang lebih stabil dalam angin dan dapat terbang lebih lama, namun tetap harus menyeimbangkan kebutuhan dengan anggaran.

Keamanan data dan etika penginderaan di kawasan padat

Data penginderaan udara beresolusi tinggi berpotensi memuat informasi sensitif: pola permukiman, akses masuk, hingga aktivitas warga. Karena itu, pengelolaan data perlu memperhatikan prinsip minimalisasi: ambil data yang relevan, simpan dengan kontrol akses, dan publikasikan hanya yang diperlukan untuk transparansi. Penguatan keamanan siber juga penting karena peta detail bisa disalahgunakan.

Di sisi lain, transparansi tetap perlu dijaga. Peta risiko dan progres perbaikan bisa dipublikasikan pada level agregat agar warga memahami arah kebijakan. Diskusi mengenai peta digital banjir juga sering muncul di ruang publik karena warga ingin melihat kondisi lebih detail, sementara pemerintah perlu menjaga akurasi dan keamanan. Titik temunya adalah tata kelola yang jelas: apa yang dibuka, apa yang dibatasi, dan bagaimana warga bisa berpartisipasi melalui laporan terverifikasi.

Roadmap Implementasi di Surabaya: Dari Pilot Project ke Ekosistem Mitigasi Banjir Kota

Mengadopsi teknologi tidak cukup dengan membeli perangkat; yang menentukan adalah roadmap. Di Surabaya, pendekatan yang paling masuk akal biasanya dimulai dari pilot project pada beberapa kelurahan rawan, lalu diperluas berdasarkan hasil. Pilot yang baik tidak hanya menghasilkan peta, tetapi juga perubahan cara kerja: jadwal inspeksi, format laporan, indikator kinerja, dan mekanisme tindak lanjut.

Langkah implementasi yang realistis untuk pemetaan dan pemantauan rutin

Program yang berkelanjutan biasanya memuat ritme: pemotretan sebelum musim hujan untuk memutakhirkan kondisi saluran, pemetaan setelah hujan besar untuk verifikasi titik genangan, dan audit berkala terhadap area yang sudah diperbaiki. Ritme ini membuat kota memiliki “film” perubahan, bukan hanya “foto” sesaat.

Berikut daftar langkah praktis yang sering dipakai agar program tidak berhenti di tengah jalan:

1. Menyusun prioritas koridor rawan berdasarkan riwayat genangan, kepadatan penduduk, dan nilai aset publik.
2. Menetapkan standar data: resolusi minimal, format GIS, serta prosedur validasi lapangan.
3. Melatih tim lintas dinas agar peta bisa dipakai bersama, bukan tersimpan di satu unit.
4. Mengintegrasikan hasil pemetaan dengan perencanaan infrastruktur (RAB, desain, dan pengawasan).
5. Membuat protokol darurat untuk pemantauan udara saat kejadian bencana.

Kolaborasi pemerintah, kampus, dan komunitas: agar data hidup

Surabaya punya ekosistem akademik dan komunitas yang kuat. Kolaborasi dengan kampus dapat memperkaya metodologi—misalnya pemodelan genangan berbasis UAV di level kelurahan—sementara komunitas bisa membantu pelaporan cepat dan verifikasi kondisi saluran. Ketika warga terlibat, peta menjadi lebih “hidup” karena informasi lapangan mengalir dua arah.

Untuk menjaga kualitas dan inovasi, kota juga dapat membangun jejaring dengan pusat riset dan komunitas teknologi yang mengembangkan analitik spasial. Referensi seperti platform jaringan riset AI memberi gambaran bagaimana kolaborasi lintas pihak mempercepat kematangan model dan standar data.

Indikator sukses yang bisa diukur warga

Roadmap yang baik selalu memiliki indikator yang mudah dipahami: berapa titik genangan berulang yang berkurang, berapa lama durasi surut menurun, serta berapa segmen drainase yang kembali berfungsi sesuai kapasitas. Indikator semacam ini membuat diskusi publik lebih sehat—berbasis data, bukan asumsi.

Dengan demikian, pemanfaatan drone di Surabaya bukan sekadar proyek pemetaan, melainkan fondasi keputusan yang lebih cepat, lebih presisi, dan lebih dapat dipertanggungjawabkan—sebuah prasyarat untuk kota yang tahan banjir.