Indonesia memiliki banyak wilayah yang sangat rawan terjadi gempa. Pemahaman menyeluruh terhadap kondisi permukaan tanah sangat penting setelah terjadi gempa bumi, terutama di wilayah yang memiliki kemiringan lereng tinggi. Kondisi wilayah Indonesia pun masih banyak yang sulit dijangkau dengan akses, terutama pulau-pulau kecil. Dalam konteks mitigasi dan respons cepat terhadap potensi bencana lanjutan, survey topografi menggunakan teknologi drone dan sensor LiDAR menjadi pendekatan modern yang mampu memberikan data presisi tinggi dalam waktu singkat. Dengan metode ini, pemetaan struktur permukaan pasca-gempa dapat dilakukan tanpa hambatan vegetasi atau keterbatasan medan, sekaligus membuka peluang untuk pengamatan area yang sulit dijangkau secara manual.
Drone LiDAR bekerja dengan cara memancarkan ribuan sinyal laser ke permukaan tanah, lalu menangkap kembali pantulannya untuk merekonstruksi bentuk kontur lahan. Hasilnya adalah model elevasi yang akurat, bahkan di wilayah dengan tutupan hutan lebat, sehingga sangat relevan dalam menilai risiko longsor di kawasan pegunungan atau lereng yang terguncang gempa.
Deteksi Perubahan Elevasi Secara Detail
Gempa bumi dapat mengakibatkan perubahan signifikan pada struktur permukaan tanah, baik berupa retakan besar, amblesan, maupun pergeseran lereng. Perubahan ini seringkali tidak tampak secara kasat mata, terutama jika tersembunyi di balik vegetasi atau terjadi pada skala mikro. Dengan survey topografi menggunakan drone LiDAR, setiap perbedaan elevasi—sekecil apa pun—dapat direkam dan dibandingkan dengan data sebelum kejadian.
Perangkat lunak pemrosesan data LiDAR dapat menghasilkan Digital Terrain Model (DTM) yang menampilkan kontur tanah asli tanpa gangguan vegetasi. Ketika data dari dua periode berbeda dibandingkan, ahli geospasial dapat mengidentifikasi zona yang mengalami deformasi, baik naik, turun, maupun berpindah horizontal. Informasi ini sangat berguna untuk memetakan potensi titik lemah lereng yang bisa berkembang menjadi longsoran susulan dalam waktu dekat.
Selain itu, dari hasil pengukuran perbedaan volume tanah yang berpindah, dapat diperkirakan tekanan baru yang muncul di sekitar lereng. Analisis ini membantu tim teknis memperkirakan arah potensi pergerakan tanah berikutnya, sehingga langkah pencegahan atau evakuasi bisa direncanakan secara lebih akurat.
Pemetaan Zona Risiko Berdasarkan Kemiringan Lereng
Setelah gempa, wilayah dengan sudut kemiringan tertentu menjadi lebih rentan terhadap kelongsoran, terutama jika terdapat retakan internal atau pelapukan yang semakin dalam. Salah satu keunggulan data dari drone LiDAR adalah kemampuannya menyajikan informasi kemiringan lereng dengan ketelitian tinggi. Data ini dapat digunakan untuk menyusun peta zonasi risiko berbasis kemiringan dan morfologi lahan.
Pemetaan ini dilakukan dengan mengklasifikasikan tingkat kemiringan dalam beberapa kategori, misalnya: rendah (<15°), sedang (15–30°), dan tinggi (>30°). Wilayah dengan kemiringan ekstrem, ditambah dengan bukti pergeseran elevasi atau pola drainase yang terganggu, akan dikelompokkan sebagai zona merah dengan potensi longsor tinggi. Zonasi ini sangat berguna bagi pemangku kebijakan, terutama dalam penentuan lokasi hunian sementara, jalur distribusi bantuan, atau pembangunan ulang infrastruktur.
Keakuratan data dari survey topografi menggunakan LiDAR memungkinkan zona-zona tersebut divisualisasikan dalam bentuk peta tiga dimensi, yang dapat disajikan secara interaktif untuk mendukung proses pengambilan keputusan cepat di lapangan.
Identifikasi Jalur Aliran dan Sistem Drainase Terganggu
Salah satu pemicu longsor yang paling sering terjadi pasca gempa adalah perubahan jalur air permukaan. Getaran gempa dapat memindahkan jalur aliran, menyumbat saluran alami, atau bahkan membentuk kantong air baru di lereng yang tidak stabil. Dengan drone LiDAR, analisis jaringan aliran air dapat dilakukan secara detail, termasuk memperkirakan arah limpasan air jika terjadi hujan lebat setelah bencana.
Dari hasil pemetaan tersebut, wilayah yang berisiko terlanda aliran permukaan yang terakumulasi dapat diidentifikasi sejak dini. Area cekungan yang sebelumnya tidak ada namun muncul setelah gempa juga dapat dikenali, terutama jika menjadi tempat penampungan air hujan yang dapat melemahkan struktur tanah sekitarnya.
Dengan mengetahui sistem drainase yang terganggu, tim lapangan dapat melakukan tindakan teknis seperti membuka kembali jalur air yang tersumbat atau membangun saluran darurat. Semua langkah ini didasarkan pada peta yang dihasilkan langsung dari data LiDAR, sehingga keputusan yang diambil lebih akurat dan tepat sasaran.
Dukungan Visual dan Spasial untuk Evaluasi Cepat
Selain menghasilkan data numerik dan model topografi, hasil dari survey LiDAR yang dilakukan dengan drone juga dapat dikombinasikan dengan foto udara resolusi tinggi untuk memberikan gambaran visual yang komprehensif. Foto ini tidak hanya memberikan tampilan permukaan, tetapi juga memperlihatkan kerusakan pada permukiman, jalan, atau bangunan yang terkena dampak gempa.
Integrasi antara model kontur dan citra visual membantu tim tanggap darurat untuk mengidentifikasi lokasi rawan secara langsung dari udara, tanpa harus mengirim personel ke area yang masih berisiko tinggi. Gambar tiga dimensi dapat disinkronkan dengan peta administratif, sehingga setiap lokasi terdampak dapat dilabeli sesuai koordinat GPS dan dipantau secara berkelanjutan.
Sistem ini juga sangat berguna untuk dokumentasi pasca-bencana, yang nantinya dapat digunakan dalam proses analisis teknis, pelaporan ke instansi nasional, maupun penyusunan strategi rekonstruksi jangka panjang. Pihak-pihak terkait dapat mengakses peta dan model ini dalam format digital yang fleksibel untuk ditampilkan di berbagai perangkat, dari komputer hingga tablet lapangan.
Untuk lembaga kebencanaan atau otoritas lokal yang ingin mengembangkan pendekatan berbasis data udara dalam respons pasca gempa, Terra Drone Indonesia memiliki pengalaman dalam menyediakan solusi survey topografi menggunakan drone LiDAR di berbagai kondisi medan dan zona bencana. Kolaborasi teknis dapat menjadi langkah awal dalam membangun sistem peringatan dan mitigasi yang lebih tanggap dan berbasis informasi spasial yang akurat.
