إطار رؤية عميقة مبني على الصور لتنبؤ الفيضانات الساحلية تحت تأثير تغير المناخ وتكيف خط الساحل

في ضوء التهديدات المتزايدة التي تشكلها تغيرات المناخ بشكل عام وارتفاع مستوى البحر (SLR) بشكل خاص، أصبحت الحاجة إلى وسائل حاسوبية فعالة لتقدير وتحليل المخاطر المحتملة للفيضانات الساحلية ملحة بشكل متزايد. تعتبر طرق التعلم الإشرافي القائمة على البيانات مرشحين واعدين يمكن أن تسريع العملية بشكل كبير، مما يزيل العقبة الحاسوبية المرتبطة بالمحاكاة الهيدروديناميكية التقليدية القائمة على الفيزياء. ومع ذلك، فإن تطوير نماذج دقيقة وموثوقة لتنبؤ الفيضانات الساحلية، خاصة تلك المستندة إلى تقنيات التعلم العميق (DL)، قد عانت من مشكلتين رئيسيتين: (1) ندرة بيانات التدريب و(2) النواتج ذات الأبعاد العالية المطلوبة لإنشاء خرائط الغمر التفصيلية. لتجاوز هذه العقبة، نقدم إطارًا منهجيًا لتدريب نماذج تنبؤ الفيضانات الساحلية عالية الدقة القائمة على الرؤية العميقة في بيئات ذات بيانات قليلة. نختبر سير العمل المقترح على مجموعة متنوعة من النماذج البصرية الموجودة، بما في ذلك هندسة قائمة تمامًا على المتحولات (Transformers) وهندسة شبكة عصبية افتراضية (CNN) مع بوابات انتباه إضافية. بالإضافة إلى ذلك، نقدم هندسة شبكة عصبية افتراضية عميقة مصممة خصيصًا لمشكلة تنبؤ الفيضانات الساحلية المعنية. تم تصميم النموذج بتركيز خاص على صغر حجمه لتلبية السيناريوهات ذات الموارد المحدودة وجوانب الوصول. يتم التحقق من أداء النماذج DL المطورة مقابل الطرق الجغرافية الإحصائية الشائعة والأساليب التقليدية للتعلم الآلي (ML)، مما يظهر تحسينًا كبيرًا في جودة التنبؤ. وأخيرًا، نختتم المساهمات بتقديم مجموعة بيانات محضرة بدقة تحتوي على خرائط غمر فيضانية اصطناعية للساحل أبو ظبي تم إنتاجها باستخدام محاكاة هيدروديناميكية قائمة على الفيزياء، والتي يمكن أن تعمل كمعيار للمقارنة لتقييم النماذج المستقبلية لتنبؤ الفيضانات الساحلية.