როგორ შეგვიძლია უფრო ზუსტად ვიწინასწარმეტყველოთ სანაპირო ზოლის ცვლილება? რომელი მოდელებია უკეთესი?

კლიმატის ცვლილება, რომელიც ზღვის დონის აწევას და შტორმების გაძლიერებას იწვევს, გლობალური სანაპირო ზოლი უპრეცედენტო ეროზიის რისკების წინაშე დგას. თუმცა, სანაპირო ზოლის ცვლილების ზუსტი პროგნოზირება რთულია, განსაკუთრებით გრძელვადიანი ტენდენციების შემთხვევაში. ცოტა ხნის წინ, ShoreShop2.0-ის საერთაშორისო კოლაბორაციულმა კვლევამ ბრმა ტესტირების გზით შეაფასა სანაპირო ზოლის პროგნოზირების 34 მოდელის მუშაობა, რამაც გამოავლინა სანაპირო ზოლის მოდელირების ამჟამინდელი მდგომარეობა.

სანაპირო ზოლი წარმოადგენს დინამიურ საზღვარს, სადაც ხმელეთი ხვდება ზღვას და მუდმივად იცვლება ტალღების, მოქცევის, შტორმების და ზღვის დონის აწევის გამო. მსოფლიოს მასშტაბით ქვიშიანი სანაპირო ზოლების დაახლოებით 24% წელიწადში 0.5 მეტრზე მეტი სიჩქარით უკან იხევს, ზოგიერთ რაიონში კი, მაგალითად აშშ-ის ყურის სანაპიროზე, წლიური ეროზიის მაჩვენებელი 20 მეტრსაც კი აღემატება.

სანაპირო ზოლის ცვლილების პროგნოზირება თავისთავად რთული და კომპლექსურია, რაც მოითხოვს მრავალი ფაქტორის ურთიერთქმედების გათვალისწინებას, მათ შორის ტალღის ენერგიის, ნალექის ტრანსპორტირებისა და ზღვის დონის აწევის. ზუსტი პროგნოზების გაკეთება ხანგრძლივი პერიოდის განმავლობაში კიდევ უფრო რთულია.

თანამედროვე სანაპირო ზოლის პროგნოზირების მოდელები შეიძლება დაიყოს სამ კატეგორიად: ერთი ეფუძნება ფიზიკურ სიმულაციას, როგორიცაა Delft3D და MIKE21, რომლებიც დაფუძნებულია სითხის მექანიკასა და ნალექის ტრანსპორტის განტოლებებზე; ერთი არის ჰიბრიდული მოდელი, რომელიც აერთიანებს ფიზიკურ პრინციპებს მონაცემებზე დაფუძნებულ მეთოდებთან, როგორიცაა CoSMoS-COAST და LX-Shore; და მეორე არის მონაცემებზე დაფუძნებული მოდელი, რომელიც მთლიანად ეყრდნობა სტატისტიკურ ან მანქანურ სწავლების ტექნიკას, როგორიცაა LSTM ქსელები და ტრანსფორმატორის არქიტექტურა.

მოდელების ფართო მრავალფეროვნების მიუხედავად, ერთიანი შეფასების კრიტერიუმების არარსებობამ შესრულების შედარება გაართულა. რომელი მოდელი გვთავაზობს ყველაზე ზუსტ პროგნოზებს? ShoreShop2.0 ბრმა ტესტის კონკურსი შესანიშნავ შესაძლებლობას იძლევა დისციპლინებს შორის შედარებისთვის.

ShoreShop2.0-ის საერთაშორისო ბრმა ტესტირების კონკურსი სამეცნიერო თანამშრომლობის უაღრესად მკაცრი ფორმაა. მონაწილე გუნდებს მხოლოდ ტესტირების ადგილის შესახებ ეცნობებათ, რაც ყურის ან პლაჟის კოდური სახელია. ისეთი ძირითადი ინფორმაცია, როგორიცაა მისი მდებარეობა და ფაქტობრივი სახელი, დამალულია, რათა წინარე ცოდნამ მოდელის კალიბრაციაზე გავლენა არ მოახდინოს. გარდა ამისა, მონაცემები კონფიდენციალურად ინახება სექციებში, ხოლო 2019-2023 (მოკლევადიანი) და 1951-1998 (საშუალოვადიანი) მონაცემები განზრახ იმალება. შემდეგ მოდელები პროგნოზირებენ სანაპირო ზოლის მოკლევადიან და საშუალოვადიან ცვლილებებს, საბოლოოდ კი ამოწმებენ მათ სიზუსტეს კონფიდენციალური მონაცემების გამოყენებით. ეს დიზაინი საშუალებას იძლევა სანაპირო მოდელების დისციპლინურ-დისციპლინური შედარების სრულიად უცნობ პირობებში.

15 ქვეყნიდან ოცდათოთხმეტი კვლევითი ჯგუფის მიერ წარმოდგენილი იყო მოდელები, რომლებიც მოიცავდა 12 მონაცემებზე დაფუძნებულ მოდელს და 22 ჰიბრიდულ მოდელს. ეს გუნდები წარმოადგენდნენ აშშ-ს, ავსტრალიის, იაპონიის, საფრანგეთის და სხვა ქვეყნების ინსტიტუტებს. თუმცა, წარდგენილ მოდელებს აკლდათ ისეთი კომერციული მოდელები, როგორიცაა GENESIS და ფიზიკაზე დაფუძნებული მოდელები Delft3D და MIKE21.

შედარების შედეგად გამოვლინდა, რომ მოკლევადიანი, ხუთწლიანი პროგნოზირების საუკეთესო მოდელები იყო CoSMoS-COAST-CONV_SV (ჰიბრიდული მოდელი), GAT-LSTM_YM (მონაცემებზე დაფუძნებული მოდელი) და iTransformer-KC (მონაცემებზე დაფუძნებული მოდელი). ამ მოდელებმა დაახლოებით 10 მეტრის საშუალო კვადრატული შეცდომა დააფიქსირეს, რაც შედარებადია თანამგზავრული დისტანციური ზონდირების სანაპირო ზოლის მონაცემებში არსებულ 8.9 მეტრიან შეცდომასთან. ეს მიუთითებს, რომ ზოგიერთი პლაჟისთვის მოდელების პროგნოზირების შესაძლებლობები დაკვირვების ტექნოლოგიის ზღვარს უახლოვდება. რა თქმა უნდა, სხვა მოდელებს შეეძლოთ სანაპირო ზოლის ცვლილებების უკეთ დაფიქსირება.

გასაკვირი აღმოჩენა იყო ის, რომ ჰიბრიდული მოდელი მონაცემებზე დაფუძნებულ მოდელთან შედარებით მუშაობდა. CoSMoS-COAST-CONV_SV (ჰიბრიდული მოდელი) აერთიანებს ფიზიკურ პროცესებსა და კონვოლუციურ ოპერაციებს, ხოლო GAT-LSTM_YM (მონაცემებზე დაფუძნებული მოდელი) იყენებს გრაფიკული ყურადღების ქსელს სივრცითი კორელაციების აღსაწერად. ორივე მოდელმა კარგად იმუშავა.

საშუალოვადიანი პროგნოზების თვალსაზრისით, LX-Shore სერია (ჰიბრიდული მოდელები) გაზომილ მონაცემებთან ყველაზე ახლოს მდებარე პროგნოზებს იძლევა. სანაპირო და გვერდითი ნალექის ტრანსპორტირების პროცესების შერწყმით, ეს მოდელები ინარჩუნებენ გრძელვადიან სტაბილურობას და ამავდროულად, გაზომილ მონაცემებთან ერთად აჩვენებენ ყველაზე თანმიმდევრულ რეაგირებას ექსტრემალური შტორმების მოვლენებზე. ამ მოდელების პროგნოზები მიუთითებს, რომ ერთ ძლიერ შტორმს შეუძლია გამოიწვიოს სანაპირო ზოლის 15-20 მეტრით გარდამავალი უკან დახევა, ხოლო სრულ აღდგენას შესაძლოა ორიდან სამ წლამდე დასჭირდეს. CoSMoS-COAST სერია შესანიშნავ სტაბილურობას გვთავაზობს, მაშინ როდესაც სხვა მოდელებს შეიძლება დააკლდეთ გრძელვადიანი დრიფტი და გადაჭარბებული რეაგირება.

მოდელის შედეგები მიუთითებს, რომმონაცემთა ხარისხიმოდელის მუშაობის ძირითადი შემზღუდველი ფაქტორია. მიუხედავად იმისა, რომ თანამგზავრული დისტანციური ზონდირების მონაცემები ფართო არეალს მოიცავს, მათი დროითი გარჩევადობა დაბალია, როგორც წესი, ყოველკვირეული ან ყოველთვიური, რაც ართულებს ქარიშხლის შემდგომი სწრაფი აღდგენის აღრიცხვას. გარდა ამისა, წყლის მყისიერ ზღვარზე გავლენას ახდენს ტალღის აწევა და მოქცევა, რაც იწვევს გარდამავალ შეცდომებს, რომლებმაც შეიძლება გავლენა მოახდინონ მოდელის პროგნოზებზე.

კვლევამ აჩვენა, რომ სივრცულ-დროითი მონაცემების დაგლუვებას, როგორიცაა ორგანზომილებიანი ფილტრაციის ძლიერი ტექნიკის გამოყენება, შეუძლია მნიშვნელოვნად გააუმჯობესოს მოდელის მუშაობა. მოგვიანებით, წარდგენილმა არაბრმა ტესტირების მოდელებმა საშუალო შეცდომა 15%-ით შეამცირეს მონაცემთა წინასწარი დამუშავების ოპტიმიზაციის გზით.

მძლავრი 2D დაგლუვება არის სიგნალის დამუშავების მოწინავე მეთოდი, რომელიც სპეციალურად შექმნილია სანაპირო ზოლის თანამგზავრულ მონაცემებში ხმაურის დასამუშავებლად. არსებითად, ეს არის იტერაციული ფილტრაციის ალგორითმი, რომელიც დაფუძნებულია შეწონილ უმცირეს კვადრატებზე და ძალიან მდგრადია ისეთი გამონაკლისების მიმართ, როგორიცაა თანამგზავრულ სურათებში გარდამავალი ტალღის ხმაური.

მოდელის პროგნოზირებისთვის კიდევ ერთი გადამწყვეტი ფაქტორია სანაპიროსთან ახლოს ტალღის მონაცემების სიზუსტე. ამჟამად, ტალღის მონაცემები სხვადასხვა შეცდომებს შეიცავს, მათ შორის ტალღის გლობალური ხელახალი ანალიზის მონაცემების სანაპიროსთან ახლოს კონვერტაციის შეცდომებს, ტალღის პარამეტრების 10 მეტრიან იზობათზე მოპოვებით გამოწვეული გადახრებს და ტალღის დღიური საშუალო პირობების გამოყენებით ექსტრემალური მოვლენების გავლენის არასაკმარისად შეფასებას. ამ შეცდომებს შეუძლიათ გავლენა მოახდინონ მოდელის პროგნოზებზე.

გრძელვადიანი პროგნოზებისთვის, მოდელების უმეტესობა ზღვის დონის აწევის გავლენის შესაფასებლად კლასიკურ ბრაუნის კანონს ეყრდნობა. თუმცა, ეს კანონი ნალექის უსასრულო და დაბალანსებულ მარაგს გულისხმობს და უგულებელყოფს ნალექის ოფშორული ტრანსპორტირების ან ადამიანის საქმიანობის, მაგალითად, სანაპიროს კვების ეფექტებს. ამან შეიძლება გამოიწვიოს მოდელის მნიშვნელოვანი მიკერძოება.

წონასწორობის პროფილის თეორიაზე დაყრდნობით, ბრაუნის კანონი ზღვის დონის აწევასა და სანაპირო ზოლის უკან დახევას შორის წრფივ კავშირს გვთავაზობს. ეს თეორია ამტკიცებს, რომ სანაპირო პროფილი წონასწორობის ფორმას ინარჩუნებს. ზღვის დონის აწევასთან ერთად, მზარდი განლაგების სივრცე აიძულებს ამ წონასწორობის პროფილს ხმელეთისკენ გადაიწიოს, რათა შეინარჩუნოს თავისი ფორმა ზღვის ახალ დონესთან მიმართებაში. შესაბამისად, თეორია ამტკიცებს, რომ სანაპირო პროფილის ხმელეთისკენ გადაადგილებისას, ზედა პლაჟის ფენა ეროზირდება და ეროზირებული მასალა ნაპირიდან ილექება, რაც იწვევს სანაპიროსთან ახლოს მდებარე ზღვის ფსკერის აწევას, რითაც ინარჩუნებს წყლის მუდმივ სიღრმეს. ბრაუნის კანონი პროგნოზირებს, რომ პლაჟის დახრილობის მიხედვით, სანაპიროს უკან დახევა შეიძლება ზღვის დონის აწევაზე 10-დან 50-ჯერ მეტი იყოს.

ეს კვლევა კონკრეტული საჭიროებების გათვალისწინებით შესაბამისი ინსტრუმენტების შერჩევის საფუძველს იძლევა. გარდა ამისა, მონაცემთა წინასწარი დამუშავება უმნიშვნელოვანესია; მონაცემთა სათანადო დამუშავებას ზოგჯერ შეიძლება უფრო დიდი გავლენა ჰქონდეს, ვიდრე თავად მოდელს. ShoreShop 2.0-ით მიღებული გამოცდილების საფუძველზე, შესაძლებელია თანამგზავრული და ტალღური მონაცემების გაუმჯობესება პროგნოზირების სიზუსტის გასაზრდელად. გარდა ამისა, ხელოვნურად დაზიანებული პლაჟების უკონტროლო ზემოქმედებამ გრძელვადიან პროგნოზებში ასევე შეიძლება მნიშვნელოვნად იმოქმედოს პროგნოზირების შედეგებზე. გარდა ამისა, მნიშვნელოვანი პრობლემაა ისეთი კომერციული მოდელების მონაწილეობის ნაკლებობა, როგორიცაა GENESIS, Delft3D და MIKE21.

​ლურჯი საზღვრის მცველები: Frankstar-ის 11-წლიანი მისია ჩვენი ოკეანეებისა და კლიმატის დასაცავად

ათწლეულზე მეტია, Frankstar საზღვაო გარემოს დაცვის სათავეში დგას, იყენებს უახლეს ტექნოლოგიებსა და სამეცნიერო სიზუსტეს, რათა უზრუნველყოს შეუდარებელი ოკეანისა და ჰიდროლოგიური მონაცემები. ჩვენი მისია სცილდება უბრალოდ მონაცემთა შეგროვებას - ჩვენ ვართ მდგრადი მომავლის არქიტექტორები, რომლებიც მთელ მსოფლიოში ინსტიტუტებს, უნივერსიტეტებსა და მთავრობებს ვაძლევთ უფლებამოსილებას, მიიღონ ინფორმირებული გადაწყვეტილებები ჩვენი პლანეტის ჯანმრთელობისთვის.