Çoklu Derin Öğrenme Modelleri Kullanılarak Çin kıyılarında Aşırı Deniz Seviyelerinin Yeniden İnşası

Kıyı su seviyelerinin günlük yaşam için neden önemi var

Çin’in uzun kıyı şeridi yüz milyonlarca insana, büyük limanlara ve hızla büyüyen şehirlere ev sahipliği yapar. Güçlü fırtınalar denizi karaya doğru ittiğinde, oluşan yüksek su seviyeleri mahalleleri su altında bırakabilir, altyapıya zarar verebilir ve içme suyunu tuzla kontamine edebilir. Ancak bu tür aşırı kıyı su seviyelerinin ayrıntılı kayıtları şaşırtıcı biçimde nadir ve parçalıdır. Bu çalışma, düzensiz gözlemler ve hava yenidenanaliz verilerini modern yapay zeka araçlarıyla tutarlı ve halka açık bir veri setine dönüştürerek Çin kıyılarının büyük bölümünde elli yıllık günlük yüksek su seviyesi geçmişini yeniden inşa ederek bu boşluğu doldurur.

Denizin yükseliş ve düşüşünü takip etmek

Kıyı su seviyeleri iki ana bileşenle belirlenir: gelgitleri yaratan Ay ve Güneş’in düzenli çekimi ve fırtına kabarmaları; bunlar siklonlar ve diğer hava sistemleri sırasında düşük hava basıncı ve güçlü rüzgârların kıyıya ittiği geçici su kabarmalarıdır. Çin’de tropikal siklonlar ve diğer fırtınalar genellikle zaten yüksek olan gelgitlerin üzerine gelir ve özellikle tehlikeli koşullar yaratır. Ancak deniz seviyesi ölçen birçok gelgit ölçer istasyonu yalnızca kısa veya aralıklı kayıtlara sahiptir ve bazıları kamuya açık değildir. Bu durum, bilim insanları ve planlamacılar için bu yoğun maruz kalan kıyı şeridinde aşırı deniz seviyelerinin yerel ve on yıllık değişimini anlamayı zorlaştırır.

Boşlukları doldurmak için akıllı modeller kullanmak

Yazarlar bu sorunu modern derin öğrenme tekniklerini geleneksel gelgit analizleriyle birleştirerek ele aldılar. Çin kıyısı boyunca dağılmış 23 gelgit ölçer istasyonuna odaklandılar ve her bir istasyonun etrafındaki 10×10 derecelik kutu içindeki hava basıncı ve yüzeye yakın rüzgârlar dahil olmak üzere ERA5 küresel yenidenanalizinden ayrıntılı hava bilgilerini topladılar. Bu hava örüntüleri, çeşitli sinir ağlarına günlük maksimum fırtına kabarmalarının çevresel atmosferle nasıl ilişkili olduğunu öğretmek için kullanıldı. Aynı zamanda ekip, tarihsel deniz seviyesi kayıtlarından öngörülebilir gelgit sinyallerini çıkarmak için UTide adlı bir araç kullandı; bu sayede gelgitlerin düzenli yükseliş ve düşüşünü daha düzensiz kabarma bileşeninden ayırabildiler.

Derin öğrenmenin farklı türlerini test etmek

Tek bir algoritmaya dayanmak yerine çalışma, sistematik olarak dört derin öğrenme modelini karşılaştırdı: Uzun Kısa Süreli Bellek (LSTM) ağı, önce mekânsal örüntüleri okuyan melez bir CNN-LSTM, uzay ve zamanı birlikte ele alan ConvLSTM ve dil işleme alanında popülerleşen Transformer mimarisine dayanan Informer modeli. Modelleri verimli tutmak için araştırmacılar eğitimden önce büyük hava alanlarını başlıca bileşen analiziyle sıkıştırdılar. Ayrıca her modele atmosferik koşulların 24 saatlik geçmişini verdiler ve ağın en önemli anlara odaklanabilmesi için dikkat (attention) mekanizmaları kullandılar. Her istasyon için kaydın yaklaşık %20’sini bağımsız bir test dönemi olarak ayırdılar ve nihai yeniden inşa için orada en iyi performansı gösteren modeli seçtiler.

Elli yıllık yüksek suyu yeniden inşa etmek

Eğitildikten sonra her sitede en iyi performans gösteren model, 1970–2020 dönemi boyunca günlük maksimum fırtına kabarmalarını yeniden inşa etmek için kullanıldı. Bu kabarma tahminleri daha sonra UTide’den elde edilen ilgili astronomik gelgitlerle toplanarak günlük maksimum toplam su seviyeleri üretildi. Belirli bir günde en yüksek gelgit ile en yüksek kabarma genellikle biraz farklı zamanlarda gerçekleştiğinden, bu basit toplama gerçekte olanın üst sınırını temsil eder; saatlik verilerle yapılan testler bu fazla tahminin ortalama yaklaşık 15 santimetre, yani kabaca %15 olduğunu gösteriyor. Bu muhafazakar önyargıya rağmen, yeniden inşa edilen seriler mevcut veri olan yerlerde gözlenen kayıtlarla yakından örtüşüyor: ortalama olarak yeniden inşa edilen ve gözlemlenen günlük maksimumlar arasındaki korelasyon yaklaşık 0,9 ve hata birkaç on santimetre mertebesinde, %95’lik persentil üzerindeki çok yüksek su olayları için bile.

Bu kıyılar ve topluluklar için ne anlama geliyor

Bilim insanları, mühendisler ve kıyı planlamacıları için yeni veri seti, son yarım asırda Çin kıyısı boyunca aşırı deniz seviyelerinin nasıl davrandığına dair ayrıntılı ve tutarlı bir tablo sunuyor. Özellikle tayfunlar ve diğer aşırılıklar sırasında birkaç yaygın kullanılan küresel ürünü geride bırakıyor ve başkalarının yeniden kullanıp inceleyebilmesi için tam metadata, kod ve performans metrikleriyle birlikte geliyor. Genel kamu için bu çalışma, taşkın riski değerlendirmeleri, deniz duvarı tasarımı, tahliye planlaması ve uzun vadeli uyum çabalarının öncekiye göre çok daha zengin bilgiye dayanarak yapılabileceği anlamına geliyor. Basitçe söylemek gerekirse, bilgisayarlara onlarca yıllık fırtına kaynaklı yüksek gelgitleri “tekrar oynatmayı” öğreterek çalışma, kıyı topluluklarını bugünün tehlikelerinden korumak ve yarının yükselen denizlerine hazırlamak için daha güçlü bir bilimsel temel sunuyor.

Atıf: Fang, J., Huang, J., Bian, W. et al. Reconstruction of Extreme Sea Levels in coastal China using Multiple Deep Learning models. Sci Data 13, 268 (2026). https://doi.org/10.1038/s41597-026-06593-w

Anahtar kelimeler: fırtına kabarması, aşırı deniz seviyesi, kıyı taşkını, derin öğrenme, Çin kıyı şeridi