Kwa mabadiliko ya hali ya hewa yanayosababisha kuongezeka kwa viwango vya bahari na dhoruba kali, pwani za dunia zinakabiliwa na hatari za mmomonyoko ambazo hazijawahi kutokea. Hata hivyo, kutabiri kwa usahihi mabadiliko ya pwani ni changamoto, hasa mitindo ya muda mrefu. Hivi majuzi, utafiti wa ushirikiano wa kimataifa wa ShoreShop2.0 ulitathmini utendaji wa mifumo 34 ya utabiri wa pwani kupitia majaribio ya kipofu, na kufichua hali ya sasa ya sanaa katika uundaji wa mifumo ya pwani.

Ukanda wa pwani ni mpaka unaobadilika ambapo ardhi hukutana na bahari, ikibadilika kila mara kutokana na mawimbi, mawimbi, dhoruba, na kupanda kwa usawa wa bahari. Takriban 24% ya ukanda wa pwani wenye mchanga duniani kote unarudi nyuma kwa kiwango kinachozidi mita 0.5 kwa mwaka, na katika baadhi ya maeneo, kama vile Pwani ya Ghuba ya Marekani, kiwango cha mmomonyoko wa kila mwaka ni kikubwa zaidi ya mita 20.

Kutabiri mabadiliko ya ufuo wa pwani ni jambo gumu na gumu kiasili, linalohitaji kuzingatiwa kwa mwingiliano wa mambo mengi, ikiwa ni pamoja na nishati ya mawimbi, usafiri wa mashapo, na kupanda kwa usawa wa bahari. Utabiri sahihi kwa muda mrefu ni changamoto zaidi.

Mifumo ya kisasa ya utabiri wa pwani inaweza kugawanywa katika kategoria tatu: moja inategemea uigaji wa kimwili, kama vile Delft3D na MIKE21 kulingana na mitambo ya maji na milinganyo ya usafirishaji wa mashapo; moja ni modeli mseto inayochanganya kanuni za kimwili na mbinu zinazoendeshwa na data, kama vile CoSMoS-COAST na LX-Shore; na nyingine ni modeli inayoendeshwa na data ambayo inategemea kabisa mbinu za takwimu au kujifunza kwa mashine, kama vile mitandao ya LSTM na usanifu wa Transformer.

Licha ya aina mbalimbali za mifumo, ukosefu wa vigezo vya tathmini vilivyounganishwa umefanya ulinganisho wa utendaji kuwa mgumu. Ni mfumo gani unaotoa utabiri sahihi zaidi? Shindano la majaribio ya vipofu la ShoreShop2.0 hutoa fursa nzuri ya ulinganisho wa taaluma mbalimbali.

Shindano la kimataifa la majaribio ya vipofu la ShoreShop2.0 ni aina kali sana ya ushirikiano wa kisayansi. Timu zinazoshiriki zinaarifiwa tu kuhusu eneo la majaribio, ambalo ni jina la msimbo la ghuba au ufuo. Taarifa muhimu kama vile eneo lake na jina halisi hufichwa ili kuzuia maarifa ya awali kuathiri urekebishaji wa modeli. Zaidi ya hayo, data huhifadhiwa siri katika sehemu, huku data kutoka 2019-2023 (ya muda mfupi) na 1951-1998 (ya muda wa kati) ikifichwa kimakusudi. Kisha modeli hizo hutabiri mabadiliko ya ufuo wa muda mfupi na wa kati, hatimaye kuthibitisha usahihi wao kwa kutumia data ya siri. Ubunifu huu huwezesha ulinganisho mtambuka wa modeli za pwani chini ya hali zisizojulikana kabisa.

Timu thelathini na nne za utafiti kutoka nchi 15 ziliwasilisha mifumo, ikijumuisha mifumo 12 inayoendeshwa na data na mifumo 22 mseto. Timu hizi zilitoka katika taasisi nchini Marekani, Australia, Japani, Ufaransa, na nchi zingine. Hata hivyo, mifumo iliyowasilishwa haikuwa na mifumo ya kibiashara kama vile GENESIS na mifumo inayotegemea fizikia ya Delft3D na MIKE21.

Ulinganisho ulionyesha kuwa mifumo iliyofanya vizuri zaidi kwa utabiri wa muda mfupi wa miaka mitano ilikuwa CoSMoS-COAST-CONV_SV (mfumo mseto), GAT-LSTM_YM (mfumo unaoendeshwa na data), na iTransformer-KC (mfumo unaoendeshwa na data). Mifumo hii ilipata makosa ya wastani wa wastani wa takriban mita 10, sawa na kosa la asili la mita 8.9 katika data ya ukanda wa pwani ya setilaiti. Hii inaonyesha kwamba kwa baadhi ya fukwe, uwezo wa utabiri wa mifumo hiyo unakaribia mipaka ya teknolojia ya uchunguzi. Bila shaka, mifumo mingine iliweza kunasa vyema mabadiliko ya ukanda wa pwani.

Ugunduzi wa kushangaza ulikuwa kwamba modeli mseto ilifanya kazi sawa na modeli inayoendeshwa na data. CoSMoS-COAST-CONV_SV (modeli mseto) inachanganya michakato ya kimwili na shughuli za convolutional, huku GAT-LSTM_YM (modeli inayoendeshwa na data) ikitumia mtandao wa umakini wa grafu ili kunasa uhusiano wa anga. Mifumo yote miwili ilifanya kazi vizuri.

Kwa upande wa utabiri wa muda wa kati, mfululizo wa LX-Shore (modeli mseto) hutoa utabiri wa karibu zaidi na data iliyopimwa. Kwa kuunganisha michakato ya usafirishaji wa mashapo kando ya pwani na pembeni, mifumo hii hudumisha utulivu wa muda mrefu huku ikionyesha majibu thabiti zaidi kwa matukio makubwa ya dhoruba na data iliyopimwa. Utabiri kutoka kwa mifumo hii unaonyesha kuwa dhoruba moja kali inaweza kusababisha kurudi nyuma kwa muda mfupi kwa ufuo wa hadi mita 15-20, huku urejesho kamili ukiweza kuchukua miaka miwili hadi mitatu. Mfululizo wa CoSMoS-COAST hutoa utulivu bora, huku mifumo mingine inaweza kuteseka kutokana na kuelea kwa muda mrefu na mwitikio kupita kiasi.

Matokeo ya mfano yanaonyesha kwambaubora wa datani kikwazo muhimu katika utendaji wa modeli. Ingawa data ya upimaji wa mbali wa setilaiti hufunika eneo kubwa, azimio lake la muda ni la chini, kwa kawaida kila wiki hadi kila mwezi, na kufanya iwe vigumu kunasa urejeshaji wa haraka baada ya dhoruba. Zaidi ya hayo, ukingo wa maji wa papo hapo huathiriwa na mtiririko wa mawimbi na mawimbi, na kusababisha makosa ya muda ambayo yanaweza kuathiri utabiri wa modeli.

Utafiti huo uligundua kuwa ulainishaji wa data wa anga na muda, kama vile matumizi ya mbinu thabiti za kuchuja zenye pande mbili, unaweza kuboresha utendaji wa modeli kwa kiasi kikubwa. Baadaye, modeli za majaribio zisizo na upofu ziliwasilisha hitilafu ya wastani iliyopunguzwa kwa 15% kupitia usindikaji bora wa awali wa data.

Kulainisha kwa 2D Imara ni mbinu ya hali ya juu ya usindikaji wa mawimbi iliyoundwa mahsusi kusindika kelele katika data ya setilaiti ya pwani. Kimsingi, ni algoriti ya kuchuja inayojirudia kulingana na miraba midogo yenye uzito, na ni imara sana kwa vitu vya nje kama vile kelele ya mawimbi ya muda mfupi katika picha za setilaiti.

Jambo lingine muhimu kwa utabiri wa modeli ni usahihi wa data ya mawimbi ya karibu na ufuo. Hivi sasa, data ya mawimbi inakabiliwa na makosa mbalimbali, ikiwa ni pamoja na makosa katika ubadilishaji wa data ya uchambuzi wa mawimbi ya kimataifa karibu na ufuo, upendeleo unaosababishwa na kutoa vigezo vya mawimbi kwenye isobathi ya mita 10 badala ya eneo la kuvunjika, na kupuuzwa kwa makadirio ya athari za matukio makubwa kwa kutumia hali ya wastani ya mawimbi ya kila siku. Makosa haya yote yanaweza kuathiri utabiri wa modeli.

Kwa utabiri wa muda mrefu, mifumo mingi hutegemea sheria ya kawaida ya Brownian kukadiria athari za kupanda kwa usawa wa bahari. Hata hivyo, sheria hii inachukua usambazaji usio na kikomo na wenye usawa wa mashapo na inapuuza athari za usafirishaji wa mashapo ya pwani au shughuli za binadamu, kama vile lishe ya ufukweni. Hii inaweza kusababisha upendeleo mkubwa wa mifumo.

Kulingana na nadharia ya wasifu wa usawa, sheria ya Brownian hutoa uhusiano wa mstari kati ya kupanda kwa usawa wa bahari na kurudi nyuma kwa ufuo. Nadharia hii inadai kwamba wasifu wa pwani hudumisha umbo la usawa. Kadri kiwango cha bahari kinavyoongezeka, nafasi inayoongezeka ya malazi hulazimisha wasifu huu wa usawa kuhama kuelekea nchi kavu ili kudumisha umbo lake ikilinganishwa na kiwango kipya cha bahari. Kwa hivyo, nadharia inadai kwamba wasifu wa pwani unapohama kuelekea nchi kavu, safu ya juu ya ufuo humomonyoka, na nyenzo zilizomomonyoka huwekwa ufukweni, na kusababisha sakafu ya bahari ya karibu na ufuo kupanda, na hivyo kudumisha kina cha maji kisichobadilika. Sheria ya Brown inatabiri kwamba kurudi nyuma kwa pwani kunaweza kuwa mara 10 hadi 50 zaidi ya kupanda kwa usawa wa bahari, kulingana na mteremko wa ufuo.

Utafiti huu unatoa msingi wa kuchagua zana zinazofaa kulingana na mahitaji maalum. Zaidi ya hayo, usindikaji wa awali wa data ni muhimu; usindikaji sahihi wa data wakati mwingine unaweza kuwa na athari kubwa kuliko modeli yenyewe. Kwa kuzingatia uzoefu uliopatikana na ShoreShop 2.0, maboresho yanaweza kufanywa kwa data ya setilaiti na wimbi ili kuongeza usahihi wa utabiri. Zaidi ya hayo, athari zisizodhibitiwa za fukwe zilizovurugwa bandia katika utabiri wa muda mrefu pia zinaweza kuathiri pakubwa matokeo ya utabiri. Zaidi ya hayo, ukosefu wa ushiriki kutoka kwa modeli za kibiashara kama vile GENESIS, Delft3D, na MIKE21 ni suala muhimu.

.Walinzi wa Blue Frontier: Dhamira ya Miaka 11 ya Frankstar ya Kulinda Bahari Zetu na Hali ya Hewa​

Kwa zaidi ya muongo mmoja, Frankstar imekuwa mstari wa mbele katika utunzaji wa mazingira ya baharini, ikitumia teknolojia ya kisasa na ukali wa kisayansi kutoa data isiyo na kifani ya bahari na maji. Dhamira yetu inapita ukusanyaji wa data tu—sisi ni wasanifu wa mustakabali endelevu, tukiwezesha taasisi, vyuo vikuu, na serikali duniani kote kufanya maamuzi sahihi kwa ajili ya afya ya sayari yetu.