દરિયાકાંઠાના પરિવર્તનની આગાહી આપણે વધુ સચોટ રીતે કેવી રીતે કરી શકીએ? કયા મોડેલ શ્રેષ્ઠ છે?

આબોહવા પરિવર્તનને કારણે દરિયાઈ સ્તરમાં વધારો અને તોફાનો તીવ્ર બનવાના કારણે, વૈશ્વિક દરિયાકિનારાઓ અભૂતપૂર્વ ધોવાણના જોખમોનો સામનો કરી રહ્યા છે. જોકે, દરિયાકિનારાના પરિવર્તનની સચોટ આગાહી કરવી પડકારજનક છે, ખાસ કરીને લાંબા ગાળાના વલણો. તાજેતરમાં, ShoreShop2.0 આંતરરાષ્ટ્રીય સહયોગી અભ્યાસમાં બ્લાઇન્ડ ટેસ્ટિંગ દ્વારા 34 દરિયાકિનારાના આગાહી મોડેલોના પ્રદર્શનનું મૂલ્યાંકન કરવામાં આવ્યું હતું, જે દરિયાકિનારા મોડેલિંગમાં વર્તમાન સ્થિતિને છતી કરે છે.

દરિયાકિનારો એ ગતિશીલ સીમા છે જ્યાં જમીન સમુદ્રને મળે છે, જે મોજા, ભરતી, તોફાન અને દરિયાની સપાટીમાં વધારાને કારણે સતત બદલાતી રહે છે. વિશ્વભરમાં આશરે 24% રેતાળ દરિયાકિનારા દર વર્ષે 0.5 મીટરથી વધુના દરે પીછેહઠ કરી રહ્યા છે, અને કેટલાક વિસ્તારોમાં, જેમ કે યુએસ ગલ્ફ કોસ્ટ, વાર્ષિક ધોવાણ દર 20 મીટરથી પણ વધુ છે.

દરિયાકાંઠાના પરિવર્તનની આગાહી કરવી સ્વાભાવિક રીતે મુશ્કેલ અને જટિલ છે, જેમાં તરંગ ઊર્જા, કાંપ પરિવહન અને દરિયાઈ સપાટીમાં વધારો સહિતના અનેક પરિબળોની આંતરક્રિયાને ધ્યાનમાં લેવી જરૂરી છે. લાંબા સમય સુધી સચોટ આગાહીઓ કરવી વધુ પડકારજનક છે.

આધુનિક દરિયાકાંઠાની આગાહી મોડેલોને ત્રણ શ્રેણીઓમાં વિભાજિત કરી શકાય છે: એક ભૌતિક સિમ્યુલેશન પર આધારિત છે, જેમ કે Delft3D અને MIKE21 જે પ્રવાહી મિકેનિક્સ અને કાંપ પરિવહન સમીકરણો પર આધારિત છે; એક હાઇબ્રિડ મોડેલ છે જે ભૌતિક સિદ્ધાંતોને ડેટા-આધારિત પદ્ધતિઓ સાથે જોડે છે, જેમ કે CoSMoS-COAST અને LX-Shore; અને બીજું ડેટા-આધારિત મોડેલ છે જે સંપૂર્ણપણે આંકડાકીય અથવા મશીન લર્નિંગ તકનીકો પર આધાર રાખે છે, જેમ કે LSTM નેટવર્ક્સ અને ટ્રાન્સફોર્મર આર્કિટેક્ચર.

મોડેલોની વિશાળ વિવિધતા હોવા છતાં, એકીકૃત મૂલ્યાંકન માપદંડોના અભાવે પ્રદર્શન સરખામણી કરવી મુશ્કેલ બનાવી છે. કયું મોડેલ સૌથી સચોટ આગાહીઓ આપે છે? ShoreShop2.0 બ્લાઇન્ડ ટેસ્ટ સ્પર્ધા ક્રોસ-ડિસિપ્લિનરી સરખામણીઓ માટે એક સંપૂર્ણ તક પૂરી પાડે છે.

ShoreShop2.0 આંતરરાષ્ટ્રીય બ્લાઇન્ડ ટેસ્ટ સ્પર્ધા એ વૈજ્ઞાનિક સહયોગનું ખૂબ જ કઠોર સ્વરૂપ છે. ભાગ લેતી ટીમોને ફક્ત પરીક્ષણ સ્થળ વિશે જ જાણ કરવામાં આવે છે, જે ખાડી અથવા દરિયા કિનારા માટેનું કોડ નામ છે. મોડેલ કેલિબ્રેશનને પ્રભાવિત ન કરવા માટે તેનું સ્થાન અને વાસ્તવિક નામ જેવી મુખ્ય માહિતી છુપાવવામાં આવે છે. વધુમાં, ડેટાને વિભાગોમાં ગુપ્ત રાખવામાં આવે છે, જેમાં 2019-2023 (ટૂંકા ગાળાના) અને 1951-1998 (મધ્યમ ગાળાના) ના ડેટાને ઇરાદાપૂર્વક છુપાવવામાં આવે છે. ત્યારબાદ મોડેલો ટૂંકા અને મધ્યમ ગાળાના કિનારાના ફેરફારોની આગાહી કરે છે, આખરે ગુપ્ત ડેટાનો ઉપયોગ કરીને તેમની ચોકસાઈ ચકાસે છે. આ ડિઝાઇન સંપૂર્ણપણે અજાણી પરિસ્થિતિઓમાં દરિયાકાંઠાના મોડેલોની ક્રોસ-ડિસિપ્લિનરી તુલનાને સક્ષમ કરે છે.

૧૫ દેશોની ચોત્રીસ સંશોધન ટીમોએ મોડેલો સબમિટ કર્યા, જેમાં ૧૨ ડેટા-આધારિત મોડેલો અને ૨૨ હાઇબ્રિડ મોડેલોનો સમાવેશ થાય છે. આ ટીમો યુનાઇટેડ સ્ટેટ્સ, ઓસ્ટ્રેલિયા, જાપાન, ફ્રાન્સ અને અન્ય દેશોની સંસ્થાઓમાંથી આવી હતી. જોકે, સબમિટ કરાયેલા મોડેલોમાં GENESIS જેવા વ્યાપારી મોડેલો અને ભૌતિકશાસ્ત્ર-આધારિત મોડેલો Delft3D અને MIKE21નો અભાવ હતો.

સરખામણીમાં જાણવા મળ્યું કે ટૂંકા ગાળાના, પાંચ-વર્ષના આગાહી માટેના શ્રેષ્ઠ પ્રદર્શન મોડેલો CoSMoS-COAST-CONV_SV (હાઇબ્રિડ મોડેલ), GAT-LSTM_YM (ડેટા-સંચાલિત મોડેલ), અને iTransformer-KC (ડેટા-સંચાલિત મોડેલ) હતા. આ મોડેલોએ આશરે 10 મીટરની રૂટ સરેરાશ ચોરસ ભૂલો પ્રાપ્ત કરી, જે સેટેલાઇટ રિમોટ સેન્સિંગ કોસ્ટલાઇન ડેટામાં 8.9 મીટરની સહજ ભૂલ સાથે સરખાવી શકાય છે. આ સૂચવે છે કે કેટલાક દરિયાકિનારા માટે, મોડેલોની આગાહી ક્ષમતાઓ નિરીક્ષણ ટેકનોલોજીની મર્યાદાની નજીક પહોંચી રહી છે. અલબત્ત, અન્ય મોડેલો દરિયાકિનારાના ફેરફારોને વધુ સારી રીતે કેપ્ચર કરવામાં સક્ષમ હતા.

એક આશ્ચર્યજનક શોધ એ હતી કે હાઇબ્રિડ મોડેલે ડેટા-સંચાલિત મોડેલની તુલનામાં સારું પ્રદર્શન કર્યું. CoSMoS-COAST-CONV_SV (હાઇબ્રિડ મોડેલ) ભૌતિક પ્રક્રિયાઓ અને કન્વોલ્યુશનલ કામગીરીને જોડે છે, જ્યારે GAT-LSTM_YM (ડેટા-સંચાલિત મોડેલ) અવકાશી સહસંબંધોને કેપ્ચર કરવા માટે ગ્રાફ ધ્યાન નેટવર્કનો ઉપયોગ કરે છે. બંને મોડેલોએ સારું પ્રદર્શન કર્યું.

મધ્યમ ગાળાની આગાહીઓની દ્રષ્ટિએ, LX-શોર શ્રેણી (હાઇબ્રિડ મોડેલો) માપેલા ડેટાની સૌથી નજીકની આગાહીઓ પૂરી પાડે છે. કિનારા અને બાજુની કાંપ પરિવહન પ્રક્રિયાઓને જોડીને, આ મોડેલો લાંબા ગાળાની સ્થિરતા જાળવી રાખે છે જ્યારે માપેલા ડેટા સાથે ભારે તોફાનની ઘટનાઓ માટે સૌથી સુસંગત પ્રતિભાવો પ્રદર્શિત કરે છે. આ મોડેલોમાંથી આગાહીઓ સૂચવે છે કે એક જ તીવ્ર વાવાઝોડું 15-20 મીટર સુધીના ક્ષણિક કિનારાના પીછેહઠનું કારણ બની શકે છે, જેમાં સંપૂર્ણ પુનઃપ્રાપ્તિમાં બે થી ત્રણ વર્ષનો સમય લાગી શકે છે. CoSMoS-COAST શ્રેણી ઉત્તમ સ્થિરતા પ્રદાન કરે છે, જ્યારે અન્ય મોડેલો લાંબા ગાળાના ડ્રિફ્ટ અને ઓવર-રિસ્પોન્સથી પીડાઈ શકે છે.

મોડેલ પરિણામો દર્શાવે છે કેડેટા ગુણવત્તામોડેલ પ્રદર્શનમાં એક મુખ્ય મર્યાદિત પરિબળ છે. જ્યારે સેટેલાઇટ રિમોટ સેન્સિંગ ડેટા વિશાળ વિસ્તારને આવરી લે છે, ત્યારે તેનું ટેમ્પોરલ રિઝોલ્યુશન ઓછું હોય છે, સામાન્ય રીતે સાપ્તાહિકથી માસિક, તોફાન પછી ઝડપી પુનઃપ્રાપ્તિને કેપ્ચર કરવાનું મુશ્કેલ બનાવે છે. વધુમાં, તાત્કાલિક પાણીની ધાર મોજાના પ્રવાહ અને ભરતીથી પ્રભાવિત થાય છે, જેના કારણે ક્ષણિક ભૂલો થાય છે જે મોડેલ આગાહીઓને અસર કરી શકે છે.

અભ્યાસમાં જાણવા મળ્યું છે કે સ્પેશીયોટેમ્પોરલ ડેટા સ્મૂથિંગ, જેમ કે મજબૂત દ્વિ-પરિમાણીય ફિલ્ટરિંગ તકનીકોનો ઉપયોગ, મોડેલ પ્રદર્શનમાં નોંધપાત્ર સુધારો કરી શકે છે. પાછળથી, નોન-બ્લાઇન્ડ ટેસ્ટ મોડેલોએ ઑપ્ટિમાઇઝ્ડ ડેટા પ્રીપ્રોસેસિંગ દ્વારા સરેરાશ ભૂલમાં 15% ઘટાડો કર્યો.

રોબસ્ટ 2D સ્મૂથિંગ એ એક અદ્યતન સિગ્નલ પ્રોસેસિંગ પદ્ધતિ છે જે ખાસ કરીને દરિયાકાંઠાના ઉપગ્રહ ડેટામાં અવાજને પ્રક્રિયા કરવા માટે રચાયેલ છે. મૂળભૂત રીતે, તે ભારિત લઘુત્તમ ચોરસ પર આધારિત પુનરાવર્તિત ફિલ્ટરિંગ અલ્ગોરિધમ છે, અને ઉપગ્રહ છબીઓમાં ક્ષણિક તરંગ અવાજ જેવા બાહ્ય પરિબળો માટે ખૂબ જ મજબૂત છે.

મોડેલ આગાહીઓ માટે બીજું એક મહત્વપૂર્ણ પરિબળ નજીકના તરંગ ડેટાની ચોકસાઈ છે. હાલમાં, તરંગ ડેટા વિવિધ ભૂલોથી પીડાય છે, જેમાં વૈશ્વિક તરંગ પુનઃવિશ્લેષણ ડેટાના નજીકના રૂપાંતરમાં ભૂલો, બ્રેકિંગ ઝોનને બદલે 10-મીટર આઇસોબાથ પર તરંગ પરિમાણો કાઢવાથી થતા પૂર્વગ્રહો અને દૈનિક સરેરાશ તરંગ પરિસ્થિતિઓનો ઉપયોગ કરીને આત્યંતિક ઘટનાઓની અસરનો ઓછો અંદાજ શામેલ છે. આ બધી ભૂલો મોડેલ આગાહીઓને અસર કરી શકે છે.

લાંબા ગાળાની આગાહીઓ માટે, મોટાભાગના મોડેલો સમુદ્ર સપાટીમાં વધારાનો પ્રભાવ અંદાજવા માટે ક્લાસિક બ્રાઉનિયન કાયદા પર આધાર રાખે છે. જો કે, આ કાયદો અનંત અને સંતુલિત કાંપ પુરવઠો ધારે છે અને દરિયા કિનારાના કાંપ પરિવહન અથવા માનવ પ્રવૃત્તિઓ, જેમ કે દરિયા કિનારાના પોષણની અસરોને અવગણે છે. આનાથી મોડેલમાં નોંધપાત્ર પૂર્વગ્રહો થઈ શકે છે.

સંતુલન પ્રોફાઇલ સિદ્ધાંતના આધારે, બ્રાઉનિયનનો નિયમ દરિયાઈ સપાટીમાં વધારો અને દરિયાકાંઠાના પીછેહઠ વચ્ચે રેખીય સંબંધ પૂરો પાડે છે. આ સિદ્ધાંત એવું માને છે કે દરિયાકાંઠાની પ્રોફાઇલ સંતુલન આકાર જાળવી રાખે છે. જેમ જેમ દરિયાઈ સપાટી વધે છે, તેમ તેમ વધતી રહેઠાણ જગ્યા આ સંતુલન પ્રોફાઇલને નવા સમુદ્ર સપાટીની તુલનામાં તેનો આકાર જાળવવા માટે જમીન તરફ ખસવા દબાણ કરે છે. પરિણામે, સિદ્ધાંત એવું માને છે કે જેમ જેમ દરિયાકાંઠાની પ્રોફાઇલ જમીન તરફ ખસતી જાય છે, તેમ તેમ દરિયાકાંઠાનો ઉપરનો સ્તર ધોવાણ થાય છે, અને ધોવાણ થયેલ સામગ્રી દરિયા કિનારા પર જમા થાય છે, જેના કારણે નજીકના દરિયાકાંઠાના તળમાં વધારો થાય છે, જેના કારણે પાણીની ઊંડાઈ સતત રહે છે. બ્રાઉનનો નિયમ આગાહી કરે છે કે દરિયાકાંઠાના પીછેહઠ દરિયાકાંઠાના ઢાળના આધારે દરિયાકાંઠાના પીછેહઠ દરિયાઈ સપાટીમાં વધારા કરતાં 10 થી 50 ગણી વધારે હોઈ શકે છે.

આ અભ્યાસ ચોક્કસ જરૂરિયાતોને આધારે યોગ્ય સાધનો પસંદ કરવા માટેનો આધાર પૂરો પાડે છે. વધુમાં, ડેટા પ્રીપ્રોસેસિંગ મહત્વપૂર્ણ છે; યોગ્ય ડેટા પ્રોસેસિંગ ક્યારેક મોડેલ કરતાં વધુ અસર કરી શકે છે. શોરશોપ 2.0 સાથે મેળવેલા અનુભવના આધારે, આગાહીની ચોકસાઈ વધારવા માટે ઉપગ્રહ અને તરંગ ડેટામાં સુધારા કરી શકાય છે. વધુમાં, લાંબા ગાળાની આગાહીઓમાં કૃત્રિમ રીતે ખલેલ પહોંચાડેલા દરિયાકિનારાની અનિયંત્રિત અસરો પણ આગાહીના પરિણામોને નોંધપાત્ર રીતે અસર કરી શકે છે. વધુમાં, GENESIS, Delft3D અને MIKE21 જેવા વાણિજ્યિક મોડેલોની ભાગીદારીનો અભાવ એક મહત્વપૂર્ણ મુદ્દો છે.

​ગાર્ડિયન્સ ઓફ ધ બ્લુ ફ્રન્ટીયર: ફ્રેન્કસ્ટારનું આપણા મહાસાગરો અને આબોહવાને સુરક્ષિત રાખવાનું 11 વર્ષનું મિશન

એક દાયકાથી વધુ સમયથી, ફ્રેન્કસ્ટાર દરિયાઈ પર્યાવરણીય દેખરેખમાં મોખરે છે, અત્યાધુનિક ટેકનોલોજી અને વૈજ્ઞાનિક કઠોરતાનો ઉપયોગ કરીને અજોડ સમુદ્ર અને હાઇડ્રોલોજિકલ ડેટા પહોંચાડે છે. અમારું મિશન ફક્ત ડેટા સંગ્રહથી આગળ વધે છે - અમે ટકાઉ ભવિષ્યના શિલ્પી છીએ, વિશ્વભરમાં સંસ્થાઓ, યુનિવર્સિટીઓ અને સરકારોને આપણા ગ્રહના સ્વાસ્થ્ય માટે જાણકાર નિર્ણયો લેવા માટે સશક્ત બનાવીએ છીએ.