Kıyı çizgisi tahmini için yorumlanabilir makine öğrenimi

Deniz Kenarını Tahmin Etmenin Önemi

Kıyılar zamansız görünse de kara ile denizin buluştuğu çizgi sürekli hareket halindedir. Deniz seviyesi yükseldikçe, fırtınalar şiddetlendirildikçe ve nehir akışları insan etkinlikleri ile iklim değişikliklerine göre değiştikçe, plajlar ve deltalar yakınında yaşayan toplulukların önümüzdeki onlarca yılda kıyılarının nasıl kayacağı konusunda bilgiye ihtiyacı vardır. Bu çalışma, yalnızca doğru tahminler yapmakla kalmayan, aynı zamanda belirli bir kıyı kesitinin neden erozyona uğradığını veya büyüdüğünü açık matematiksel biçimde açıklayan yeni bir kıyı değişimi tahmin yöntemi sunar.

Siyah Kutulardan Açık Denklemlere

Bilimde son yıllarda pek çok ilerleme, çarpıcı doğrulukta tahminler yapabilen güçlü makine öğrenimi sistemlerinden geldi. Ancak bu modeller sıklıkla siyah kutu gibidir: cevap verirler ama mantığı göstermezler. Altyapı, konut ve afet planlaması gibi fiziksel süreçlerin anlaşılmasına dayanan kararların alındığı kıyı bilimi gibi alanlarda bu opaklık bir sorundur. Yazarlar bunun yerine sembolik regresyon adı verilen bir makine öğrenimi biçimine yönelir; bu yöntem, verilerde girdi ve çıktılar arasındaki bağlantıyı en iyi kuran basit denklemleri arar. Devasa, şeffaf olmayan bir ağ eğitmek yerine, bilim insanlarının okuyup eleştirebileceği ve yerleşik kıyı fiziği ile ilişkilendirebileceği kompakt formüller geliştirirler.

Makinelere Kıyı Denklemleri Yazmayı Öğretmek

Ekip, mevsimler ve iklim döngüleri boyunca plajların nasıl kaydığını gösteren uydu kayıtlarını kullanarak, dünya genelinde binlerce noktada 25 yıllık aylık kıyı çizgisi değişimlerine odaklanır. Bu gözlemleri üç temel çevresel etkenle birleştirirler: gelen dalgaların gücü, bölgesel deniz seviyesi ve nehirlere bağlı tatlı su akışı. Grafik tabanlı bir evrimsel algoritma kullanarak, rastgele matematiksel modellerden oluşan bir popülasyonla başlar ve daha iyi olanları iteratif olarak "üretir"ler. Her adımda modeller mutasyona uğrar, hem doğruluğu hem de makul hata paylarını ödüllendiren bir yetenek skoru kullanılarak veriye karşı test edilir ve en iyi performans gösterenler korunur. Zamanla bu süreç, her kıyı kesitinin dalgalar, su seviyesi ve nehir girdisine nasıl tepki verdiğini yakalayan zengin bir denklem ailesi üretir.

Çok Sayıda Kıyı, Çok Sayıda En İyi Çözüm

Tek bir küresel denklem dünya kıyılarının hepsini eşit derecede iyi tanımlayamaz. Yazarlar, en iyi küresel modellerinin yaygın kullanılan bir fizik temelli kıyı modeli kadar iyi performans gösterdiğini ortaya koyarken, çok daha iyi çalışan farklı bir stratejiyi de gösterirler: farklı kıyıların farklı denklemler kullanmasına izin vermek. 46 yorumlanabilir modelden oluşan bir "ansambl" oluştururlar ve her kıyı noktası için orada en iyi performans gösteren tek denklemi seçerler. Sonuç, her yerin birçok siyah kutu tahmininin ortalaması yerine tek bir açık formülle yönetildiği bir haritadır. Bu ansambl, tek bir küresel model kullanmaya kıyasla genel beceriyi iki katından fazla artırır ve yerel kıyı davranışının yerel olarak ayarlanmış fizik tarafından daha iyi açıklandığını ortaya koyar.

Hangi Etken Hangi Kıyıyı Sürükler

Modeller dalgalar, deniz seviyesi ve tatlı su akışı cinsinden açıkça yazıldığından, araştırmacılar hangi etkenin nerede daha önemli olduğunu sorabilirler. Denklemlere duyarlılık analizi uygulayarak, her kıyı boyunca kıyı hareketini kontrol eden ana faktörü belirlerler. Dalga etkisi, geleneksel kıyı teorisi ile uyumlu olarak çoğu kumlu, açık okyanus plajında baskın etken olarak ortaya çıkar. Buna karşılık, nehir ağzı ve korunaklı koylarda su seviyesi değişimleri önem kazanır; bu yerlerde su seviyesindeki küçük değişiklikler alçak kıyıları yeniden şekillendirebilir. Tatlı su deşarjı ve buna bağlı sediman kaynağı, nehir ağızları yakınında ve yoğun mevsimsel yağış gösteren bölgelerde hayati önem taşır; nehir çıkıntıları ve seller kumun dramatik şekilde yeniden dağılımına yol açabilir. Bu mekanizma çeşitliliği, basit formüller halinde damıtıldığında kıyıların nasıl ve neden evrildiğine dair nüanslı bir küresel tablo çizer.

Kıyı Kararlarına Daha Açık Bir Yol

Çalışma, anlayışı feda etmeden makine öğreniminin tahmin gücüne ulaşmanın mümkün olduğunu gösterir. Farklı bölgelere göre uyarlanmış, insan tarafından okunabilir kısa denklemler geliştirerek, bu yaklaşım hem daha iyi tahminler hem de yerel kıyıları kontrol eden unsurlar hakkında daha açık anlatılar sunar. Planlamacılar ve bilim insanları için bu, bir tahmini temel fiziksel bileşenlerine kadar geri izleyebilecekleri, teorik olarak test edebilecekleri ve yeni veriler geldikçe uyarlayabilecekleri anlamına gelir. Dünyanın kıyılarının biçiminin her zamankinden daha önemli olacağı bir yüzyılda, bu tür yorumlanabilir modeller küresel uydu verileri, kıyı fiziği ve toplulukların su kenarında almaları gereken pratik kararlar arasında şeffaf bir köprü sağlar.

Atıf: Al Najar, M., Wilson, D.G. & Almar, R. Interpretable machine learning for shoreline forecasting. Sci Rep 16, 11457 (2026). https://doi.org/10.1038/s41598-026-37403-3

Anahtar kelimeler: kıyı çizgisi değişimi, kıyı erozyonu, sembolik regresyon, iklim etkileri, yorumlanabilir makine öğrenimi