ارزیابی روش‌های یادگیری ماشین در پیش‌بینی نوسانات تراز سطح آب سواحل جنوبی دریای خزر با استفاده از ماهوارة GRACE و GRACE-FO

Abstract

نوسانات تراز آب دریا تأثیرات مخربی بر شهرهای ساحلی و محیط‌زیست و اقلیم آنها دارد. بنابراین شناسایی تغییرات و نوسانات تراز سطح آب‌ها دریا و پیش‌بینی آن می‌تواند به تصمیم‌گیری‌ها و مدیریت صحیح رخدادها و مشکلات ناشی از آن کمک کند. در این‌ مطالعه به‌ مدل‌سازی سری زمانی تراز سطح آب سواحل جنوبی دریای خزر با استفاده از داده‌های ماهوارة GRACEو GRACE-FO بکارگیری مدل‌های مبتنی بر یادگیری ماشین نظیر درخت تصمیم (DT)، جنگل تصادفی (RF) و رگرسیون تطبیقی چند متغیرة اسپلاین (MARS) پرداخته ‌شده است. بدین‌‌منظور از داده‌های ماهوارة GRACE و GRACE-FO طی‌ سال‌های 2003 تا 2023 استفاده شد. نتایج‌ به‌دست‌آمده از سری زمانی به‌دست‌آمده از سنجش‌ازدور در مقایسه با داده‌های ایستگاه نوسان‌سنجی بندر انزلی مورد همبستگی قرار گرفتند و در ادامه‌ با استفاده از مدل‌های یادگیری ماشین، تراز سطح آب مورد شبیه‌سازی و پیش‌بینی قرار گرفت. نتایج نشان داد که مدل JPL با 0/788 = R2بیانگر ارتباط مناسب داده‌های ماهواره‌ای با داده‌های زمینی است. همچنین مقادیر R2 سه مدل DT، MARS وRF به‌ترتیب 0/545، 0/853 و 0/671 و NSE به‌ترتیب 0/64، 0/89 و 0/76 به‌دست‌ آمد که نشان‌دهندة عملکرد مناسب‌ مدل MARS نسبت به سایرین در شبیه‌سازی است. ازاین‌رو در پیش‌بینی تراز سطح آب تا سال 2040 از این مدل استفاده شد که معیارهای ارزیابی آن حاکی از که‌ کارایی‌ بالای مدل MARS است. پیش‌بینی‌ها نشان داد که در سال 2040 در بدترین شرایط تراز سطح آب دریا تا 120 سانتی‌متر کاهش خواهد یافت که این اتفاق منجر به خسارات محیط‌زیستی و خسارت به صنایع دریایی و بنادر شهرهای ساحلی خواهد شد. نتایج این مطالعه می‌تواند به‌عنوان ابزاری کارآمد در مدیریت منابع آب و برنامه‌ریزی‌های بلندمدت در مناطق ساحلی دریای خزر مورد استفاده قرار گیرد. همچنین، این یافته‌ها می‌تواند در ارزیابی ریسک‌های محیط‌زیستی و اقتصادی ناشی از تغییرات سطح آب دریا و اتخاذ استراتژی‌های مناسب کمک شایانی نماید.