हम तटरेखा परिवर्तन का अधिक सटीक पूर्वानुमान कैसे लगा सकते हैं? कौन से मॉडल बेहतर हैं?

जलवायु परिवर्तन के कारण बढ़ते समुद्र स्तर और तीव्र होते तूफानों के कारण, वैश्विक तटरेखाएँ अभूतपूर्व क्षरण जोखिमों का सामना कर रही हैं। हालाँकि, तटरेखा परिवर्तन की सटीक भविष्यवाणी करना चुनौतीपूर्ण है, खासकर दीर्घकालिक रुझानों का। हाल ही में, शोरशॉप 2.0 अंतर्राष्ट्रीय सहयोगात्मक अध्ययन ने ब्लाइंड टेस्टिंग के माध्यम से 34 तटरेखा पूर्वानुमान मॉडलों के प्रदर्शन का मूल्यांकन किया, जिससे तटरेखा मॉडलिंग की वर्तमान अत्याधुनिक स्थिति का पता चला।

समुद्र तट वह गतिशील सीमा है जहाँ भूमि समुद्र से मिलती है, और लहरों, ज्वार-भाटे, तूफानों और समुद्र तल के बढ़ने के कारण लगातार बदलती रहती है। दुनिया भर में लगभग 24% रेतीले तटरेखाएँ प्रति वर्ष 0.5 मीटर से अधिक की दर से पीछे हट रही हैं, और कुछ क्षेत्रों में, जैसे कि अमेरिका का खाड़ी तट, वार्षिक कटाव दर 20 मीटर से भी अधिक है।

तटरेखा परिवर्तन की भविष्यवाणी करना स्वाभाविक रूप से कठिन और जटिल है, जिसके लिए तरंग ऊर्जा, तलछट परिवहन और समुद्र तल में वृद्धि सहित कई कारकों के परस्पर प्रभाव पर विचार करना आवश्यक है। लंबी अवधि में सटीक भविष्यवाणियाँ करना और भी चुनौतीपूर्ण है।

आधुनिक तटरेखा पूर्वानुमान मॉडल को तीन श्रेणियों में विभाजित किया जा सकता है: एक भौतिक सिमुलेशन पर आधारित है, जैसे कि द्रव यांत्रिकी और तलछट परिवहन समीकरणों पर आधारित डेल्फ़्ट 3 डी और एमआईकेई 21; एक हाइब्रिड मॉडल है जो भौतिक सिद्धांतों को डेटा-संचालित विधियों के साथ जोड़ता है, जैसे कि कोस्मोस-कोस्ट और एलएक्स-शोर; और दूसरा डेटा-संचालित मॉडल है जो पूरी तरह से सांख्यिकीय या मशीन लर्निंग तकनीकों पर निर्भर करता है, जैसे कि एलएसटीएम नेटवर्क और ट्रांसफॉर्मर आर्किटेक्चर।

मॉडलों की व्यापक विविधता के बावजूद, एकीकृत मूल्यांकन मानदंडों के अभाव ने प्रदर्शन की तुलना को कठिन बना दिया है। कौन सा मॉडल सबसे सटीक पूर्वानुमान प्रदान करता है? शोरशॉप 2.0 ब्लाइंड टेस्ट प्रतियोगिता विभिन्न विषयों में तुलना करने का एक बेहतरीन अवसर प्रदान करती है।

शोरशॉप 2.0 अंतर्राष्ट्रीय ब्लाइंड टेस्ट प्रतियोगिता वैज्ञानिक सहयोग का एक अत्यंत कठोर रूप है। भाग लेने वाली टीमों को केवल परीक्षण स्थल के बारे में बताया जाता है, जो किसी खाड़ी या समुद्र तट का एक कोड नाम होता है। पूर्व ज्ञान को मॉडल अंशांकन को प्रभावित करने से रोकने के लिए, इसके स्थान और वास्तविक नाम जैसी महत्वपूर्ण जानकारी को छुपाया जाता है। इसके अलावा, डेटा को कुछ खंडों में गोपनीय रखा जाता है, जिसमें 2019-2023 (अल्पकालिक) और 1951-1998 (मध्यमकालिक) के डेटा को जानबूझकर छिपाया जाता है। इसके बाद मॉडल अल्पकालिक और मध्यमकालिक तटरेखा परिवर्तनों की भविष्यवाणी करते हैं, और अंततः गोपनीय डेटा का उपयोग करके उनकी सटीकता की पुष्टि करते हैं। यह डिज़ाइन पूरी तरह से अज्ञात परिस्थितियों में तटीय मॉडलों की अंतर-विषयक तुलना को सक्षम बनाता है।

15 देशों की 34 शोध टीमों ने मॉडल प्रस्तुत किए, जिनमें 12 डेटा-संचालित मॉडल और 22 हाइब्रिड मॉडल शामिल थे। ये टीमें संयुक्त राज्य अमेरिका, ऑस्ट्रेलिया, जापान, फ्रांस और अन्य देशों के संस्थानों से आई थीं। हालाँकि, प्रस्तुत मॉडलों में GENESIS और भौतिकी-आधारित मॉडल Delft3D और MIKE21 जैसे व्यावसायिक मॉडल शामिल नहीं थे।

तुलना से पता चला कि अल्पकालिक, पाँच-वर्षीय पूर्वानुमानों के लिए सर्वोत्तम प्रदर्शन करने वाले मॉडल CoSMoS-COAST-CONV_SV (हाइब्रिड मॉडल), GAT-LSTM_YM (डेटा-संचालित मॉडल), और iTransformer-KC (डेटा-संचालित मॉडल) थे। इन मॉडलों ने लगभग 10 मीटर की मूल माध्य वर्ग त्रुटियाँ प्राप्त कीं, जो उपग्रह सुदूर संवेदन तटरेखा डेटा में 8.9 मीटर की अंतर्निहित त्रुटि के बराबर है। यह दर्शाता है कि कुछ समुद्र तटों के लिए, मॉडलों की पूर्वानुमान क्षमताएँ अवलोकन तकनीक की सीमाओं के करीब पहुँच रही हैं। बेशक, अन्य मॉडल तटरेखा परिवर्तनों को बेहतर ढंग से पकड़ने में सक्षम थे।

एक आश्चर्यजनक खोज यह थी कि हाइब्रिड मॉडल का प्रदर्शन डेटा-संचालित मॉडल के बराबर था। CoSMoS-COAST-CONV_SV (हाइब्रिड मॉडल) भौतिक प्रक्रियाओं और संवलनात्मक संक्रियाओं को जोड़ता है, जबकि GAT-LSTM_YM (डेटा-संचालित मॉडल) स्थानिक सहसंबंधों को पकड़ने के लिए एक ग्राफ़ ध्यान नेटवर्क का उपयोग करता है। दोनों मॉडलों ने अच्छा प्रदर्शन किया।

मध्यम अवधि के पूर्वानुमानों के संदर्भ में, LX-शोर श्रृंखला (हाइब्रिड मॉडल) मापे गए आँकड़ों के सबसे निकट पूर्वानुमान प्रदान करती है। तटवर्ती और पार्श्व तलछट परिवहन प्रक्रियाओं को संयोजित करके, ये मॉडल मापे गए आँकड़ों के साथ चरम तूफानी घटनाओं के प्रति सबसे सुसंगत प्रतिक्रियाएँ प्रदर्शित करते हुए दीर्घकालिक स्थिरता बनाए रखते हैं। इन मॉडलों के पूर्वानुमान बताते हैं कि एक भी प्रचंड तूफान 15-20 मीटर तक की क्षणिक तटरेखा पीछे हटने का कारण बन सकता है, जिसकी पूरी तरह से पुनर्प्राप्ति में संभवतः दो से तीन वर्ष लग सकते हैं। CoSMoS-COAST श्रृंखला उत्कृष्ट स्थिरता प्रदान करती है, जबकि अन्य मॉडल दीर्घकालिक बहाव और अति-प्रतिक्रिया से ग्रस्त हो सकते हैं।

मॉडल के परिणाम दर्शाते हैं किआधार सामग्री की गुणवत्तामॉडल के प्रदर्शन में एक प्रमुख सीमित कारक है। हालाँकि उपग्रह सुदूर संवेदन डेटा एक विस्तृत क्षेत्र को कवर करता है, लेकिन इसका टेम्पोरल रेज़ोल्यूशन कम होता है, आमतौर पर साप्ताहिक से मासिक, जिससे तूफान के बाद की तीव्र रिकवरी को पकड़ना मुश्किल हो जाता है। इसके अलावा, तात्कालिक जल सीमा लहरों के प्रवाह और ज्वार से प्रभावित होती है, जिससे क्षणिक त्रुटियाँ होती हैं जो मॉडल के पूर्वानुमानों को प्रभावित कर सकती हैं।

अध्ययन में पाया गया कि स्थानिक-कालिक डेटा स्मूथिंग, जैसे कि मज़बूत द्वि-आयामी फ़िल्टरिंग तकनीकों का उपयोग, मॉडल के प्रदर्शन में उल्लेखनीय सुधार ला सकता है। बाद में, प्रस्तुत किए गए गैर-अंध परीक्षण मॉडलों ने अनुकूलित डेटा प्रीप्रोसेसिंग के माध्यम से औसत त्रुटि को 15% तक कम कर दिया।

रोबस्ट 2D स्मूथिंग एक उन्नत सिग्नल प्रोसेसिंग विधि है जिसे विशेष रूप से तटीय उपग्रह डेटा में शोर को संसाधित करने के लिए डिज़ाइन किया गया है। मूलतः, यह भारित न्यूनतम वर्गों पर आधारित एक पुनरावृत्त फ़िल्टरिंग एल्गोरिथम है, और उपग्रह चित्रों में क्षणिक तरंग शोर जैसे आउटलायर्स के लिए अत्यधिक मजबूत है।

मॉडल पूर्वानुमानों के लिए एक और महत्वपूर्ण कारक निकटवर्ती तरंग डेटा की सटीकता है। वर्तमान में, तरंग डेटा में कई त्रुटियाँ होती हैं, जिनमें वैश्विक तरंग पुनर्विश्लेषण डेटा के निकटवर्ती रूपांतरण में त्रुटियाँ, ब्रेकिंग ज़ोन के बजाय 10-मीटर आइसोबैथ पर तरंग मापदंडों को निकालने के कारण होने वाले पूर्वाग्रह, और दैनिक औसत तरंग स्थितियों का उपयोग करके चरम घटनाओं के प्रभाव का कम आकलन शामिल है। ये सभी त्रुटियाँ मॉडल पूर्वानुमानों को प्रभावित कर सकती हैं।

दीर्घकालिक पूर्वानुमानों के लिए, अधिकांश मॉडल समुद्र तल में वृद्धि के प्रभाव का अनुमान लगाने के लिए पारंपरिक ब्राउनियन नियम पर निर्भर करते हैं। हालाँकि, यह नियम अनंत और संतुलित तलछट आपूर्ति को मानता है और अपतटीय तलछट परिवहन या मानवीय गतिविधियों, जैसे समुद्र तट पोषण, के प्रभावों को नज़रअंदाज़ करता है। इससे मॉडल में महत्वपूर्ण पूर्वाग्रह पैदा हो सकते हैं।

संतुलन प्रोफ़ाइल सिद्धांत पर आधारित, ब्राउनियन नियम समुद्र तल में वृद्धि और तटरेखा के पीछे हटने के बीच एक रैखिक संबंध प्रदान करता है। यह सिद्धांत मानता है कि तटीय प्रोफ़ाइल एक संतुलन आकार बनाए रखती है। जैसे-जैसे समुद्र तल बढ़ता है, बढ़ता हुआ समायोजन स्थान इस संतुलन प्रोफ़ाइल को नए समुद्र तल के सापेक्ष अपना आकार बनाए रखने के लिए भूमि की ओर स्थानांतरित होने के लिए मजबूर करता है। परिणामस्वरूप, सिद्धांत मानता है कि जैसे-जैसे तटीय प्रोफ़ाइल भूमि की ओर स्थानांतरित होती है, ऊपरी समुद्र तट परत का अपरदन होता है, और अपरदित सामग्री अपतटीय जमा हो जाती है, जिससे निकटवर्ती समुद्र तल ऊपर उठता है, जिससे पानी की गहराई स्थिर बनी रहती है। ब्राउन का नियम भविष्यवाणी करता है कि समुद्र तट के ढलान के आधार पर, तटीय वापसी समुद्र तल वृद्धि से 10 से 50 गुना अधिक हो सकती है।

यह अध्ययन विशिष्ट आवश्यकताओं के आधार पर उपयुक्त उपकरणों के चयन का आधार प्रदान करता है। इसके अलावा, डेटा प्रीप्रोसेसिंग महत्वपूर्ण है; उचित डेटा प्रोसेसिंग कभी-कभी मॉडल से भी अधिक प्रभावी हो सकती है। शोरशॉप 2.0 से प्राप्त अनुभव के आधार पर, पूर्वानुमान की सटीकता बढ़ाने के लिए उपग्रह और तरंग डेटा में सुधार किए जा सकते हैं। इसके अलावा, दीर्घकालिक पूर्वानुमानों में कृत्रिम रूप से अशांत समुद्र तटों के अनियंत्रित प्रभाव भी पूर्वानुमान परिणामों को महत्वपूर्ण रूप से प्रभावित कर सकते हैं। इसके अलावा, GENESIS, Delft3D और MIKE21 जैसे व्यावसायिक मॉडलों की भागीदारी का अभाव एक महत्वपूर्ण मुद्दा है।

​ब्लू फ्रंटियर के संरक्षक: हमारे महासागरों और जलवायु की रक्षा के लिए फ्रैंकस्टार का 11-वर्षीय मिशन

एक दशक से भी ज़्यादा समय से, फ्रैंकस्टार समुद्री पर्यावरण संरक्षण में अग्रणी रहा है, और बेजोड़ समुद्री और जलविज्ञान संबंधी आँकड़े उपलब्ध कराने के लिए अत्याधुनिक तकनीक और वैज्ञानिक दृढ़ता का उपयोग करता रहा है। हमारा मिशन सिर्फ़ आँकड़े इकट्ठा करने तक सीमित नहीं है—हम एक स्थायी भविष्य के निर्माता हैं, और दुनिया भर के संस्थानों, विश्वविद्यालयों और सरकारों को हमारे ग्रह के स्वास्थ्य के लिए सूचित निर्णय लेने के लिए सशक्त बनाते हैं।