Di Amerika Serikat, perusahaan menghadapi hukuman finansial yang semakin besar karena pelanggaran emisi. Pada tahun 2025, Mahkamah Agung menguatkan denda $14,25 juta terhadap operator besar di Baytown, Texas, karena melanggar standar Clean Air Act. Hal ini mengikuti preseden bersejarah yang terjadi 14 tahun sebelumnya di Louisiana, di mana sebuah perusahaan pengilangan membayar $12 juta untuk pelanggaran pidana. Namun seiring dengan meningkatnya skala sanksi ini, temuan dalam analisis data sensor menimbulkan pertanyaan mengenai keandalan sensor kualitas udara yang digunakan untuk mengidentifikasi kejahatan lingkungan.
Ukuran utama polusi udara adalah partikel 2.5 (PM2.5), yaitu partikel yang diameternya lebih kecil dari 2,5 mikrometer. Peningkatan konsentrasi PM2.5 menimbulkan ancaman signifikan terhadap kesehatan manusia, itulah sebabnya banyak negara, termasuk Amerika Serikat, telah menetapkan batas konsentrasi yang dapat ditegakkan secara hukum. Namun, di wilayah dengan kelembapan tinggi, ketergantungan pada sensor indeks kualitas udara (AQI) berbiaya rendah dapat menciptakan bias pengukuran yang sistematis.
Audit selama lima bulan yang dilakukan di dekat stasiun Sistem Kualitas Udara (AQS) Capitol di Baton Rouge membandingkan sensor AQI konsumen secara berdampingan dengan monitor referensi federal. Menurut penelitian, selama periode kelembapan tinggi, sensor menunjukkan bias yang dapat diprediksi sebesar 14,87%, karena interaksi kelembapan, suhu, dan tekanan permukaan.
Fisika di balik divergensi
Sensor kualitas udara konvensional mengukur ukuran dan keberadaan partikel di udara. Mereka dikalibrasi untuk kondisi ideal dan tidak memperhitungkan faktor lingkungan yang terus-menerus berinteraksi dengan polutan.
Penelitian secara konsisten menunjukkan bahwa kelembapan relatif dan suhu secara radikal mengubah perilaku aerosol. Sebuah studi menemukan bahwa ketika kelembapan relatif naik di atas sekitar 75%, banyak sensor optik murah mulai melebih-lebihkan konsentrasi PM2.5 karena pertumbuhan higroskopis, sebuah fenomena di mana uap air menempel pada partikel, menyebabkannya membengkak. Sensor standar yang dipasang di lingkungan lembab mengalami kesulitan membedakan partikel yang membesar dan mengandung air dari partikel berbahaya dengan ukuran yang sama, sehingga menghasilkan kesalahan positif. Tekanan barometrik dan higroskopisitas aerosol semakin memperburuk masalah ini.
Tantangan pesisir global
Kota-kota pesisir di seluruh dunia menghadapi masalah ini. Kelembapan relatif tinggi tetap ada di lingkungan ini, sistem tekanan dibentuk oleh gradien suhu darat-laut, dan peristiwa stagnasi udara, yaitu udara yang tetap terperangkap di dekat permukaan, lebih sering terjadi dibandingkan di wilayah pedalaman.
Partikel halus menyerap kelembapan, membengkak tetapi tidak menjadi lebih beracun. Sensor optik salah menafsirkan pembengkakan ini sebagai peningkatan konsentrasi massa, sehingga menghasilkan pembacaan AQI yang meningkat. Sebuah studi terhadap kota-kota dengan kelembapan tinggi di Asia Selatan dan Tenggara menemukan bahwa nilai partikel sering meningkat selama kondisi monsun, bahkan ketika emisi bahan kimia menurun akibat curah hujan.
Namun kota-kota pesisir modern terus menggunakan jaringan sensor berbiaya rendah yang padat untuk mengatasi tantangan polusi udara yang semakin meningkat. Jika bias sebesar 14,87% ini bertahan, maka pemerintah yang mengandalkan sensor-sensor ini dapat mengeluarkan alarm palsu saat cuaca basah. Operator industri akan menghadapi tantangan terhadap data peraturan dan badan-badan publik akan kesulitan mengembangkan kebijakan yang efektif. Emisi aktual menjadi hampir mustahil untuk diidentifikasi dan diukur dengan benar.
Risiko salah tafsir yang sistemik
Koridor industri Louisiana – wilayah yang ditandai dengan aktivitas industri yang tinggi dan kelembapan pantai yang ekstrem – menggambarkan tantangan tersebut. Dengan denda dan tuntutan pidana senilai miliaran dolar berdasarkan bukti yang diperoleh dari sensor, tingkat kesalahan sebesar 14,87% menunjukkan pelanggaran serius terhadap integritas data.
Hal ini menciptakan lanskap di mana badan pengatur dapat mengenakan denda berdasarkan kebisingan atmosfer, bukan berdasarkan emisi sebenarnya. Demikian pula, sumber polusi sebenarnya masih belum jelas karena data yang tidak terkalibrasi dengan baik. Jika logika sensor bertahan ketika fisika rusak, politik menjadi terputus dari realitas fisik.
Mengatasi bias dengan kerangka PERFR
Kerangka koreksi PERFR (Polynomial-Enhanced Random Forest Regression) secara langsung mengatasi masalah ini. Hal ini memungkinkan sistem sensor mempelajari tanda distorsi fisik yang diciptakan oleh kondisi atmosfer dan memisahkannya dari jumlah polusi yang sebenarnya.
Dengan menggunakan matriks korelasi, kerangka kerja ini mengukur hubungan dinamis antara variabel meteorologi, mengidentifikasi kekuatan hubungan yang tepat antara kelembaban, tekanan, suhu, higroskopisitas aerosol, dan penyimpangan AQI yang dihasilkan. Hasilnya adalah lapisan intelijen forensik yang mengandalkan hasil sensor mentah.
Kesimpulannya: dari sensor hingga penciptaan makna
Pelajaran dari Gulf Coast bukanlah bahwa sensor tidak ada gunanya, namun sensor harus ditafsirkan sesuai konteksnya. Atmosfer pesisir dan wilayah mana pun dengan variabilitas iklim yang tinggi memerlukan alat penginderaan cerdas yang mengaudit sebanyak yang mereka pantau.
Pemantauan kualitas udara generasi berikutnya harus menggabungkan kecerdasan forensik yang menilai kondisi atmosfer serta hasil sensor secara real time. Ketika perubahan iklim memperburuk kelembapan dan stagnasi udara secara global, kesenjangan antara pengukuran dan kenyataan akan semakin lebar. Sistem pemantauan kualitas udara harus mematuhi undang-undang yang ingin diinformasikan.
(Jason Wright mengedit artikel ini.)
Pendapat yang dikemukakan dalam artikel ini adalah milik penulis dan tidak mencerminkan kebijakan editorial Fair Observer.
