ଜଳବାୟୁ ପରିବର୍ତ୍ତନ ଯୋଗୁଁ ସମୁଦ୍ର ସ୍ତର ବୃଦ୍ଧି ପାଉଛି ଏବଂ ଝଡ଼ ତୀବ୍ର ହେଉଛି, ତେଣୁ ବିଶ୍ୱ ଉପକୂଳ ଅଞ୍ଚଳଗୁଡ଼ିକ ଅଭୂତପୂର୍ବ କ୍ଷୟ ବିପଦର ସମ୍ମୁଖୀନ ହେଉଛନ୍ତି। ତଥାପି, ଉପକୂଳ ପରିବର୍ତ୍ତନର ସଠିକ୍ ପୂର୍ବାନୁମାନ କରିବା ଏକ ଚ୍ୟାଲେଞ୍ଜିଂ, ବିଶେଷକରି ଦୀର୍ଘକାଳୀନ ଧାରା। ସମ୍ପ୍ରତି, ShoreShop2.0 ଆନ୍ତର୍ଜାତୀୟ ସହଯୋଗୀ ଅଧ୍ୟୟନ ବ୍ଲାଇଣ୍ଡ ପରୀକ୍ଷଣ ମାଧ୍ୟମରେ 34 ଟି ଉପକୂଳ ପୂର୍ବାନୁମାନ ମଡେଲର କାର୍ଯ୍ୟଦକ୍ଷତା ମୂଲ୍ୟାଙ୍କନ କରିଛି, ଯାହା ଉପକୂଳ ମଡେଲିଂରେ ବର୍ତ୍ତମାନର ଅତ୍ୟାଧୁନିକ ସ୍ଥିତି ପ୍ରକାଶ କରିଛି।
ଉପକୂଳ ହେଉଛି ଗତିଶୀଳ ସୀମା ଯେଉଁଠାରେ ସ୍ଥଳଭାଗ ସମୁଦ୍ରକୁ ମିଶେ, ତରଙ୍ଗ, ଜୁଆର, ଝଡ଼ ଏବଂ ସମୁଦ୍ର ପତନ ବୃଦ୍ଧି ଯୋଗୁଁ ନିରନ୍ତର ପରିବର୍ତ୍ତନ ଘଟେ। ବିଶ୍ୱବ୍ୟାପୀ ପ୍ରାୟ 24% ବାଲିଆ ଉପକୂଳଭୂମି ପ୍ରତିବର୍ଷ 0.5 ମିଟରରୁ ଅଧିକ ହାରରେ ପଛକୁ ହଟିଯାଉଛି, ଏବଂ କିଛି ଅଞ୍ଚଳରେ, ଯେପରିକି ଆମେରିକାର ଉପସାଗର ଉପକୂଳ, ବାର୍ଷିକ କ୍ଷୟ ହାର 20 ମିଟରରୁ ଅଧିକ।
ଉପକୂଳ ପରିବର୍ତ୍ତନର ପୂର୍ବାନୁମାନ କରିବା ସ୍ୱାଭାବିକ ଭାବରେ କଷ୍ଟକର ଏବଂ ଜଟିଳ, ଏଥିପାଇଁ ତରଙ୍ଗ ଶକ୍ତି, ପଚପଚ ପରିବହନ ଏବଂ ସମୁଦ୍ର ପତନ ବୃଦ୍ଧି ସମେତ ବହୁବିଧ କାରଣର ପାରସ୍ପରିକ କ୍ରିୟା ବିଚାର କରିବା ଆବଶ୍ୟକ। ଦୀର୍ଘ ସମୟ ଧରି ସଠିକ୍ ପୂର୍ବାନୁମାନ ଆହୁରି ଚ୍ୟାଲେଞ୍ଜିଂ।
ଆଧୁନିକ ଉପକୂଳ ପୂର୍ବାନୁମାନ ମଡେଲଗୁଡ଼ିକୁ ତିନୋଟି ବର୍ଗରେ ବିଭକ୍ତ କରାଯାଇପାରିବ: ଗୋଟିଏ ଭୌତିକ ସିମୁଲେସନ ଉପରେ ଆଧାରିତ, ଯେପରିକି Delft3D ଏବଂ MIKE21 ତରଳ ଯାନ୍ତ୍ରିକୀ ଏବଂ ସେଡିମେଣ୍ଟ ପରିବହନ ସମୀକରଣ ଉପରେ ଆଧାରିତ; ଗୋଟିଏ ହେଉଛି ଏକ ହାଇବ୍ରିଡ୍ ମଡେଲ ଯାହା ଭୌତିକ ନୀତିଗୁଡ଼ିକୁ ତଥ୍ୟ-ଚାଳିତ ପଦ୍ଧତି ସହିତ ମିଶ୍ରଣ କରେ, ଯେପରିକି CoSMoS-COAST ଏବଂ LX-Shore; ଏବଂ ଅନ୍ୟଟି ହେଉଛି ଏକ ତଥ୍ୟ-ଚାଳିତ ମଡେଲ ଯାହା ସମ୍ପୂର୍ଣ୍ଣ ଭାବରେ ପରିସଂଖ୍ୟାନ କିମ୍ବା ମେସିନ୍ ଶିକ୍ଷଣ କୌଶଳ ଉପରେ ନିର୍ଭର କରେ, ଯେପରିକି LSTM ନେଟୱାର୍କ ଏବଂ ଟ୍ରାନ୍ସଫର୍ମର ସ୍ଥାପତ୍ୟ।
ବିଭିନ୍ନ ପ୍ରକାରର ମଡେଲ ସତ୍ତ୍ୱେ, ଏକୀକୃତ ମୂଲ୍ୟାଙ୍କନ ମାନଦଣ୍ଡର ଅଭାବ କାର୍ଯ୍ୟଦକ୍ଷତା ତୁଳନାକୁ କଷ୍ଟକର କରିଦେଇଛି। କେଉଁ ମଡେଲ ସବୁଠାରୁ ସଠିକ୍ ଭବିଷ୍ୟବାଣୀ ପ୍ରଦାନ କରେ? ShoreShop2.0 ଦୃଷ୍ଟିହୀନ ପରୀକ୍ଷା ପ୍ରତିଯୋଗିତା କ୍ରସ୍-ଡିସିପ୍ଲିନାରୀ ତୁଳନା ପାଇଁ ଏକ ଉତ୍ତମ ସୁଯୋଗ ପ୍ରଦାନ କରେ।
ShoreShop2.0 ଅନ୍ତର୍ଜାତୀୟ ଦୃଷ୍ଟିହୀନ ପରୀକ୍ଷା ପ୍ରତିଯୋଗିତା ହେଉଛି ବୈଜ୍ଞାନିକ ସହଯୋଗର ଏକ ଅତ୍ୟନ୍ତ କଠୋର ରୂପ। ଅଂଶଗ୍ରହଣକାରୀ ଦଳଗୁଡ଼ିକୁ କେବଳ ପରୀକ୍ଷା ସ୍ଥାନ ବିଷୟରେ ସୂଚନା ଦିଆଯାଏ, ଯାହା ଏକ ଉପସାଗର କିମ୍ବା ବେଳାଭୂମିର ଏକ କୋଡ୍ ନାମ। ମଡେଲ୍ କାଲିବ୍ରେସନ୍ ପ୍ରଭାବିତ କରିବାରୁ ପୂର୍ବ ଜ୍ଞାନକୁ ରୋକିବା ପାଇଁ ଏହାର ସ୍ଥାନ ଏବଂ ପ୍ରକୃତ ନାମ ଭଳି ପ୍ରମୁଖ ସୂଚନା ଲୁଚାଇ ରଖାଯାଏ। ଏହା ବ୍ୟତୀତ, ତଥ୍ୟକୁ ବିଭାଗରେ ଗୋପନୀୟ ରଖାଯାଏ, ଯେଉଁଥିରେ 2019-2023 (ସ୍ୱଳ୍ପକାଳୀନ) ଏବଂ 1951-1998 (ମଧ୍ୟମକାଳୀନ) ତଥ୍ୟକୁ ଉଦ୍ଦେଶ୍ୟମୂଳକ ଭାବରେ ଲୁଚାଇ ରଖାଯାଏ। ତା'ପରେ ମଡେଲ୍ଗୁଡ଼ିକ କ୍ଷୁଦ୍ର ଏବଂ ମଧ୍ୟମକାଳୀନ ଉପକୂଳ ପରିବର୍ତ୍ତନର ପୂର୍ବାନୁମାନ କରନ୍ତି, ଶେଷରେ ଗୋପନୀୟ ତଥ୍ୟ ବ୍ୟବହାର କରି ସେମାନଙ୍କର ସଠିକତା ଯାଞ୍ଚ କରନ୍ତି। ଏହି ଡିଜାଇନ୍ ସମ୍ପୂର୍ଣ୍ଣ ଅଜ୍ଞାତ ପରିସ୍ଥିତିରେ ଉପକୂଳ ମଡେଲଗୁଡ଼ିକର କ୍ରସ୍-ଡିସିପ୍ଲିନାରୀ ତୁଳନା ସକ୍ଷମ କରେ।
୧୫ଟି ଦେଶର ୩୪ଟି ଗବେଷଣା ଦଳ ମଡେଲ ଦାଖଲ କରିଥିଲେ, ଯେଉଁଥିରେ ୧୨ଟି ତଥ୍ୟ-ଚାଳିତ ମଡେଲ ଏବଂ ୨୨ଟି ହାଇବ୍ରିଡ୍ ମଡେଲ ଅନ୍ତର୍ଭୁକ୍ତ ଥିଲା। ଏହି ଦଳଗୁଡ଼ିକ ଯୁକ୍ତରାଷ୍ଟ୍ର, ଅଷ୍ଟ୍ରେଲିଆ, ଜାପାନ, ଫ୍ରାନ୍ସ ଏବଂ ଅନ୍ୟାନ୍ୟ ଦେଶର ପ୍ରତିଷ୍ଠାନରୁ ଆସିଥିଲେ। ତଥାପି, ଦାଖଲ ହୋଇଥିବା ମଡେଲଗୁଡ଼ିକରେ GENESIS ପରି ବାଣିଜ୍ୟିକ ମଡେଲ ଏବଂ ପଦାର୍ଥ ବିଜ୍ଞାନ-ଆଧାରିତ ମଡେଲ Delft3D ଏବଂ MIKE21 ର ଅଭାବ ଥିଲା।
ଏକ ତୁଳନାରୁ ଜଣାପଡିଛି ଯେ କ୍ଷଣସ୍ଥାୟୀ, ପାଞ୍ଚବର୍ଷୀୟ ପୂର୍ବାନୁମାନ ପାଇଁ ଶ୍ରେଷ୍ଠ ପ୍ରଦର୍ଶନକାରୀ ମଡେଲଗୁଡ଼ିକ ହେଉଛି CoSMoS-COAST-CONV_SV (ହାଇବ୍ରିଡ୍ ମଡେଲ୍), GAT-LSTM_YM (ଡାଟା-ଚାଳିତ ମଡେଲ୍), ଏବଂ iTransformer-KC (ଡାଟା-ଚାଳିତ ମଡେଲ୍)। ଏହି ମଡେଲଗୁଡ଼ିକ ପ୍ରାୟ 10 ମିଟରର ମୂଳ ମଧ୍ୟମ ବର୍ଗ ତ୍ରୁଟି ହାସଲ କରିଥିଲେ, ଯାହା ସାଟେଲାଇଟ୍ ରିମୋଟ୍ ସେନ୍ସିଂ ଉପକୂଳ ତଥ୍ୟରେ 8.9 ମିଟରର ଅନ୍ତର୍ନିହିତ ତ୍ରୁଟି ସହିତ ତୁଳନୀୟ। ଏହା ସୂଚିତ କରେ ଯେ କିଛି ବେଳାଭୂମି ପାଇଁ, ମଡେଲଗୁଡ଼ିକର ପୂର୍ବାନୁମାନ କ୍ଷମତା ପର୍ଯ୍ୟବେକ୍ଷଣ ପ୍ରଯୁକ୍ତିର ସୀମା ନିକଟରେ ପହଞ୍ଚୁଛି। ନିଶ୍ଚିତ ଭାବରେ, ଅନ୍ୟ ମଡେଲଗୁଡ଼ିକ ଉପକୂଳ ପରିବର୍ତ୍ତନଗୁଡ଼ିକୁ ଭଲ ଭାବରେ କଏଦ କରିବାରେ ସକ୍ଷମ ହୋଇଥିଲେ।
ଏକ ଆଶ୍ଚର୍ଯ୍ୟଜନକ ସନ୍ଧାନ ଥିଲା ଯେ ହାଇବ୍ରିଡ୍ ମଡେଲ୍ ଡାଟା-ଚାଳିତ ମଡେଲ୍ ସହିତ ତୁଳନୀୟ ପ୍ରଦର୍ଶନ କରିଥିଲା। CoSMoS-COAST-CONV_SV (ହାଇବ୍ରିଡ୍ ମଡେଲ୍) ଭୌତିକ ପ୍ରକ୍ରିୟା ଏବଂ କନଭୋଲ୍ୟୁସନାଲ୍ କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ମିଶ୍ରଣ କରିଥାଏ, ଯେତେବେଳେ GAT-LSTM_YM (ଡାଟା-ଚାଳିତ ମଡେଲ୍) ସ୍ଥାନିକ ସହସଂଯୋଗକୁ କ୍ୟାପଚର କରିବା ପାଇଁ ଏକ ଗ୍ରାଫ୍ ଧ୍ୟାନ ନେଟୱାର୍କ ବ୍ୟବହାର କରିଥାଏ। ଉଭୟ ମଡେଲ୍ ଭଲ ପ୍ରଦର୍ଶନ କରିଥିଲେ।
ମଧ୍ୟମକାଳୀନ ପୂର୍ବାନୁମାନ ଦୃଷ୍ଟିରୁ, LX-ଶୋର ସିରିଜ୍ (ହାଇବ୍ରିଡ୍ ମଡେଲ୍) ମାପ କରାଯାଇଥିବା ତଥ୍ୟର ନିକଟତମ ପୂର୍ବାନୁମାନ ପ୍ରଦାନ କରେ। କୂଳ ଏବଂ ପାର୍ଶ୍ଵବର୍ତ୍ତୀ ଅବଶେଷ ପରିବହନ ପ୍ରକ୍ରିୟାକୁ ଯୋଡ଼ି, ଏହି ମଡେଲ୍ଗୁଡ଼ିକ ମାପ କରାଯାଇଥିବା ତଥ୍ୟ ସହିତ ଚରମ ଝଡ଼ ଘଟଣାଗୁଡ଼ିକର ସର୍ବାଧିକ ସ୍ଥିର ପ୍ରତିକ୍ରିୟା ପ୍ରଦର୍ଶନ କରିବା ସହିତ ଦୀର୍ଘକାଳୀନ ସ୍ଥିରତା ବଜାୟ ରଖେ। ଏହି ମଡେଲ୍ଗୁଡ଼ିକରୁ ପୂର୍ବାନୁମାନ ସୂଚାଇ ଦିଏ ଯେ ଏକ ଗମ୍ଭୀର ଝଡ଼ 15-20 ମିଟର ପର୍ଯ୍ୟନ୍ତ ଏକ କ୍ଷଣସ୍ଥାୟୀ ଉପକୂଳ ପ୍ରତ୍ୟାହାର କରିପାରେ, ସମ୍ପୂର୍ଣ୍ଣ ପୁନରୁଦ୍ଧାର ପାଇଁ ସମ୍ଭାବ୍ୟ ଦୁଇରୁ ତିନି ବର୍ଷ ସମୟ ଲାଗିପାରେ। CoSMoS-COAST ସିରିଜ୍ ଉତ୍କୃଷ୍ଟ ସ୍ଥିରତା ପ୍ରଦାନ କରେ, ଯେତେବେଳେ ଅନ୍ୟ ମଡେଲ୍ଗୁଡ଼ିକ ଦୀର୍ଘକାଳୀନ ଡ୍ରିଫ୍ଟ ଏବଂ ଅତ୍ୟଧିକ ପ୍ରତିକ୍ରିୟାରୁ ପୀଡିତ ହୋଇପାରେ।
ମଡେଲ ଫଳାଫଳ ସୂଚାଇ ଦିଏ ଯେଡାଟା ଗୁଣବତ୍ତାମଡେଲ କାର୍ଯ୍ୟଦକ୍ଷତାରେ ଏକ ପ୍ରମୁଖ ସୀମିତକାରୀ କାରକ। ସାଟେଲାଇଟ୍ ରିମୋଟ୍ ସେନ୍ସିଂ ଡାଟା ଏକ ବିସ୍ତୃତ କ୍ଷେତ୍ରକୁ କଭର କରୁଥିବା ବେଳେ, ଏହାର ସମୟଗତ ରିଜୋଲ୍ୟୁସନ କମ୍, ସାଧାରଣତଃ ସାପ୍ତାହିକରୁ ମାସିକ, ଯାହା ଝଡ଼ ପରବର୍ତ୍ତୀ ଦ୍ରୁତ ପୁନରୁଦ୍ଧାରକୁ କ୍ୟାପଚର୍ କରିବା କଷ୍ଟକର କରିଥାଏ। ଏହା ବ୍ୟତୀତ, ତତ୍କାଳ ଜଳ ଧାର ତରଙ୍ଗ ଧାରା ଏବଂ ଜୁଆର ଦ୍ୱାରା ପ୍ରଭାବିତ ହୁଏ, ଯାହା କ୍ଷଣିକ ତ୍ରୁଟି ସୃଷ୍ଟି କରେ ଯାହା ମଡେଲ ପୂର୍ବାନୁମାନକୁ ପ୍ରଭାବିତ କରିପାରେ।
ଅଧ୍ୟୟନରୁ ଜଣାପଡିଛି ଯେ ସ୍ପାଟିଓଟେମ୍ପୋରାଲ ଡାଟା ସ୍ମୁଥିଂ, ଯେପରିକି ଦୃଢ଼ ଦୁଇ-ପରିମାଣ ଫିଲ୍ଟରିଂ କୌଶଳର ବ୍ୟବହାର, ମଡେଲ କାର୍ଯ୍ୟଦକ୍ଷତାକୁ ଉଲ୍ଲେଖନୀୟ ଭାବରେ ଉନ୍ନତ କରିପାରିବ। ପରେ, ଅଣ-ଦୃଢ଼ ପରୀକ୍ଷଣ ମଡେଲଗୁଡ଼ିକ ଅପ୍ଟିମାଇଜ୍ଡ ଡାଟା ପ୍ରିପ୍ରୋସେସିଂ ମାଧ୍ୟମରେ ହାରାହାରି ତ୍ରୁଟିକୁ 15% ହ୍ରାସ କରିଥିଲେ।
ରୋବଷ୍ଟ 2D ସ୍ମୁଥିଂ ହେଉଛି ଏକ ଉନ୍ନତ ସିଗନାଲ ପ୍ରକ୍ରିୟାକରଣ ପଦ୍ଧତି ଯାହା ବିଶେଷ ଭାବରେ ଉପକୂଳ ସାଟେଲାଇଟ୍ ତଥ୍ୟରେ ଶବ୍ଦ ପ୍ରକ୍ରିୟାକରଣ ପାଇଁ ଡିଜାଇନ୍ କରାଯାଇଛି। ମୂଳତଃ, ଏହା ଓଜନଯୁକ୍ତ ସର୍ବନିମ୍ନ ବର୍ଗ ଉପରେ ଆଧାରିତ ଏକ ପୁନରାବୃତ୍ତି ଫିଲ୍ଟରିଂ ଆଲଗୋରିଦମ, ଏବଂ ସାଟେଲାଇଟ୍ ପ୍ରତିଛବିରେ କ୍ଷଣସ୍ଥାୟୀ ତରଙ୍ଗ ଶବ୍ଦ ଭଳି ବାହ୍ୟ ପ୍ରତି ଅତ୍ୟନ୍ତ ଦୃଢ଼।
ମଡେଲ ପୂର୍ବାନୁମାନ ପାଇଁ ଆଉ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କାରଣ ହେଉଛି ନିକଟବର୍ତ୍ତୀ ତରଙ୍ଗ ତଥ୍ୟର ସଠିକତା। ବର୍ତ୍ତମାନ, ତରଙ୍ଗ ତଥ୍ୟ ବିଭିନ୍ନ ତ୍ରୁଟିରୁ ପୀଡିତ, ଯେଉଁଥିରେ ବିଶ୍ୱ ତରଙ୍ଗ ପୁନଃବିଶ୍ଳେଷଣ ତଥ୍ୟର ନିକଟବର୍ତ୍ତୀ ରୂପାନ୍ତରଣରେ ତ୍ରୁଟି, ବ୍ରେକିଂ ଜୋନ୍ ବଦଳରେ 10-ମିଟର ଆଇସୋବାଥରେ ତରଙ୍ଗ ପାରାମିଟର ବାହାର କରିବା ଦ୍ୱାରା ସୃଷ୍ଟି ହୋଇଥିବା ପକ୍ଷପାତ ଏବଂ ଦୈନିକ ହାରାହାରି ତରଙ୍ଗ ଅବସ୍ଥା ବ୍ୟବହାର କରି ଚରମ ଘଟଣାଗୁଡ଼ିକର ପ୍ରଭାବକୁ କମ ଆକଳନ ଅନ୍ତର୍ଭୁକ୍ତ। ଏହି ତ୍ରୁଟିଗୁଡ଼ିକ ସମସ୍ତ ମଡେଲ ପୂର୍ବାନୁମାନକୁ ପ୍ରଭାବିତ କରିପାରେ।
ଦୀର୍ଘକାଳୀନ ପୂର୍ବାନୁମାନ ପାଇଁ, ଅଧିକାଂଶ ମଡେଲ ସମୁଦ୍ର ପତନ ବୃଦ୍ଧିର ପ୍ରଭାବ ଆକଳନ କରିବା ପାଇଁ କ୍ଲାସିକ୍ ବ୍ରାଉନିଆନ୍ ନିୟମ ଉପରେ ନିର୍ଭର କରନ୍ତି। ତଥାପି, ଏହି ନିୟମ ଏକ ଅସୀମ ଏବଂ ସନ୍ତୁଳିତ ପଚା ଯୋଗାଣକୁ ଗ୍ରହଣ କରେ ଏବଂ ସମୁଦ୍ର କୂଳ ପୋଷଣ ଭଳି ସମୁଦ୍ର କୂଳ ପରିବହନ କିମ୍ବା ମାନବ କାର୍ଯ୍ୟକଳାପର ପ୍ରଭାବକୁ ଅଣଦେଖା କରେ। ଏହା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ମଡେଲ୍ ପକ୍ଷପାତିତା ସୃଷ୍ଟି କରିପାରେ।
ସନ୍ତୁଳନ ପ୍ରୋଫାଇଲ୍ ତତ୍ତ୍ୱ ଉପରେ ଆଧାରିତ, ବ୍ରାଉନିଆନ୍ଙ୍କ ନିୟମ ସମୁଦ୍ର ସ୍ତର ବୃଦ୍ଧି ଏବଂ କୂଳ ପତନ ମଧ୍ୟରେ ଏକ ରେଖୀୟ ସମ୍ପର୍କ ପ୍ରଦାନ କରେ। ଏହି ତତ୍ତ୍ୱ ଦର୍ଶାଏ ଯେ ଏକ ଉପକୂଳ ପ୍ରୋଫାଇଲ୍ ଏକ ସନ୍ତୁଳନ ଆକାର ବଜାୟ ରଖେ। ସମୁଦ୍ର ସ୍ତର ବୃଦ୍ଧି ପାଇବା ସହିତ, ବର୍ଦ୍ଧିତ ବାସସ୍ଥାନ ସ୍ଥାନ ଏହି ସନ୍ତୁଳନ ପ୍ରୋଫାଇଲ୍କୁ ନୂତନ ସମୁଦ୍ର ସ୍ତର ତୁଳନାରେ ଏହାର ଆକାର ବଜାୟ ରଖିବା ପାଇଁ ସ୍ଥଳଭାଗକୁ ସ୍ଥାନାନ୍ତର କରିବାକୁ ବାଧ୍ୟ କରେ। ଫଳସ୍ୱରୂପ, ତତ୍ତ୍ୱ ଦର୍ଶାଏ ଯେ ଉପକୂଳ ପ୍ରୋଫାଇଲ୍ ସ୍ଥଳଭାଗକୁ ସ୍ଥାନାନ୍ତରିତ ହେବା ସହିତ, ଉପର ବେଳାଭୂମି ସ୍ତର କ୍ଷୟ ହୁଏ, ଏବଂ କ୍ଷୟ ହୋଇଥିବା ସାମଗ୍ରୀ ସମୁଦ୍ର ଉପକୂଳରେ ଜମା ହୁଏ, ଯାହା ଫଳରେ ନିକଟବର୍ତ୍ତୀ ସମୁଦ୍ର ସ୍ତର ବୃଦ୍ଧି ପାଏ, ଯାହା ଫଳରେ ଏକ ସ୍ଥିର ଜଳ ଗଭୀରତା ବଜାୟ ରଖେ। ବ୍ରାଉନିଆନ୍ଙ୍କ ନିୟମ ପୂର୍ବାନୁମାନ କରେ ଯେ ସମୁଦ୍ର ସ୍ତର ବୃଦ୍ଧି ଅପେକ୍ଷା ଉପକୂଳ ପୃଷ୍ଠ ପତନ 10 ରୁ 50 ଗୁଣ ଅଧିକ ହୋଇପାରେ, ଯାହା ବେଳାଭୂମିର ଢାଲ ଉପରେ ନିର୍ଭର କରେ।
ଏହି ଅଧ୍ୟୟନ ନିର୍ଦ୍ଦିଷ୍ଟ ଆବଶ୍ୟକତା ଉପରେ ଆଧାରିତ ଉପଯୁକ୍ତ ଉପକରଣ ଚୟନ ପାଇଁ ଏକ ଆଧାର ପ୍ରଦାନ କରେ। ଏହା ବ୍ୟତୀତ, ତଥ୍ୟ ପୂର୍ବ ପ୍ରକ୍ରିୟାକରଣ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ; ଉପଯୁକ୍ତ ତଥ୍ୟ ପ୍ରକ୍ରିୟାକରଣ କେତେକ ସମୟରେ ମଡେଲ ଅପେକ୍ଷା ଅଧିକ ପ୍ରଭାବ ପକାଇପାରେ। ShoreShop 2.0 ସହିତ ପ୍ରାପ୍ତ ଅଭିଜ୍ଞତା ଉପରେ ଆଧାରିତ, ପୂର୍ବାନୁମାନ ସଠିକତା ବୃଦ୍ଧି କରିବା ପାଇଁ ଉପଗ୍ରହ ଏବଂ ତରଙ୍ଗ ତଥ୍ୟରେ ଉନ୍ନତି କରାଯାଇପାରିବ। ଏହା ବ୍ୟତୀତ, ଦୀର୍ଘକାଳୀନ ପୂର୍ବାନୁମାନରେ କୃତ୍ରିମ ଭାବରେ ବିଚଳିତ ବେଳାଭୂମିର ଅନିୟନ୍ତ୍ରିତ ପ୍ରଭାବ ମଧ୍ୟ ପୂର୍ବାନୁମାନ ଫଳାଫଳକୁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭାବରେ ପ୍ରଭାବିତ କରିପାରେ। ଏହା ବ୍ୟତୀତ, GENESIS, Delft3D, ଏବଂ MIKE21 ପରି ବାଣିଜ୍ୟିକ ମଡେଲଗୁଡ଼ିକର ଅଂଶଗ୍ରହଣର ଅଭାବ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ସମସ୍ୟା।
ବ୍ଲୁ ଫ୍ରଣ୍ଟିୟର୍ ରକ୍ଷକ: ଆମର ମହାସାଗର ଏବଂ ଜଳବାୟୁକୁ ସୁରକ୍ଷା ଦେବା ପାଇଁ ଫ୍ରାଙ୍କଷ୍ଟାରର 11 ବର୍ଷର ମିଶନ
ଏକ ଦଶନ୍ଧିରୁ ଅଧିକ ସମୟ ଧରି, ଫ୍ରାଙ୍କଷ୍ଟାର ସାମୁଦ୍ରିକ ପରିବେଶ ସୁରକ୍ଷାର ଅଗ୍ରଣୀ ସ୍ଥାନରେ ରହିଆସିଛି, ଅତୁଳନୀୟ ସମୁଦ୍ର ଏବଂ ଜଳବିଜ୍ଞାନ ତଥ୍ୟ ପ୍ରଦାନ କରିବା ପାଇଁ ଅତ୍ୟାଧୁନିକ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଏବଂ ବୈଜ୍ଞାନିକ କଠୋରତା ବ୍ୟବହାର କରୁଛି। ଆମର ଲକ୍ଷ୍ୟ କେବଳ ତଥ୍ୟ ସଂଗ୍ରହକୁ ଅତିକ୍ରମ କରିଯାଏ - ଆମେ ଏକ ସ୍ଥାୟୀ ଭବିଷ୍ୟତର ସ୍ଥପତି, ଆମ ଗ୍ରହର ସ୍ୱାସ୍ଥ୍ୟ ପାଇଁ ସୂଚିତ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ ବିଶ୍ୱବ୍ୟାପୀ ଅନୁଷ୍ଠାନ, ବିଶ୍ୱବିଦ୍ୟାଳୟ ଏବଂ ସରକାରଙ୍କୁ ସଶକ୍ତ କରୁ।
ପୋଷ୍ଟ ସମୟ: ଅଗଷ୍ଟ-୧୧-୨୦୨୫