Klimaendringene fører til at havnivået stiger, men mangel på nedbør kan også føre til at vannstandsnivået i elver reduseres. Dette er blant annet tilfelle i elven Paraná i Argentina, og det synkende vannstandsnivået begrenser hvor tung last skipene som seiler på elven kan ha, noe som kan ha store konsekvenser for shipping-industrien. Det er derfor viktig å kunne forutsi vannivået i slike grunne elver for å redusere risikoen for å under- eller overestimere hvor mye last som kan tas med. Dette kan gjøres ved hjelp av nedbørsvarsler, og det er nettopp det to masterstudenter fra Norges Handelshøyskole (NHH) har gjort, i samarbeid med shippingselskapet Western Bulk.
Hvorfor estimere vannivået i elver?
Klimaendringer gir mer usikkerhet i shippingbransjen. Når ekstremvær blir stadig mer hyppig blir det vanskeligere å bruke historiske data for å beregne vannstand. Om man opplever ekstrem tørke, slik de har gjort i Argentina, påvirker det hvorvidt transporten av den planlagte lasten kan gjennomføres eller ikke. Dersom det er grunnere i elven enn selskapet har beregnet, vil de måtte laste litt mindre korn enn planlagt, som igjen fører til mindre profitt. Hvis Western Bulk for eksempel beregner at elven er 0,25 meter dypere enn den faktisk er, kan de tape hele 108 375 dollar på dette.
Det er derfor gunstig for bedrifter som Western Bulk å ha tilgang på verktøy som kan predikere vannstanden 2-12 uker i forveien, når transportavtalen blir inngått. Klarer man å forutse vannstanden i elven reduserer man risikoen for å feilberegne last og forbedrer dermed bunnlinjen til bedriften. Dette kan blant annet gjøres ved å bruke langtidsvarsler for nedbør og avrenning og undersøke effekten dette kan ha på vannstanden, og dermed hvor mye last man kan ha.
Om masteroppgaven
Masterstudentene Hanne Utheim og Kaja Henie ved NHH har i denne oppgaven undersøkt om det kan lønne seg for Western Bulk å utnytte en datakilde som kalles AIS data til å predikere vannstanden i elven Paraná i Argentina. AIS står for Automatic Identification System, og er en stor, åpen datakilde som inneholder blant annet informasjon om dypgang på båter, altså avstanden mellom vannlinjen og skrogets bunn. Denne avgjør den laveste vanndybden et skip trygt kan navigere i, og kan dermed også si noe om hvor mye last et skip kan ha ombord. Denne oppgaven forsøker å lage en prediktiv modell for maksimum tillat dybdegang for fartøy som skal gjennom elven Paraná ved hjelp av historiske nedbørsmålinger og framtidige nedbørsvarsler.
De aller fleste skip har AIS installert på båten som gir oversikt over hvilke ruter skipet har tatt, hvilken fart som er brukt, og hvor dypt skipets skrog ligger under havoverflaten. En del data legges inn automatisk, mens noe, blant annet sistnevnte, må legges inn manuelt. AIS inneholder med andre ord store mengder data som hyppig blir oppdatert og som gir mulighet for å optimalisere bedriftsbeslutninger basert på historiske data.
Per dags dato får shippingselskapene daglige og ukentlige rapporter om vannstand fra pilotbedrifter i Argentina. I denne oppgaven undersøkes det om dataen fra AIS kan utnyttes til å lage enda mer treffsikre og langsiktige vannstandsprediksjoner for selskapet. Studentene har basert prediksjonsmodellen på en regnvariabel, som bruker både historisk værdata og framtidig prediksjon av været. Dette blir da en kilde for å sammenligne informasjon, noe som kan være nyttig fordi for lav predikert vannstand kan som nevnt resultere i store tap for selskapet. I elven Paraná har man til nå vært avhengig av et eksternt selskap sine målinger. Det kan være en fordel å ha informasjonen internt, og sammenligne egne resultater med eksterne resultater. Etter hvert som mer historisk data blir tilgjengelig i den åpne datakilden AIS kan man trolig også forvente å se mer nøyaktige resultater.
Masterstudentene har brukt tidsbasert kryssvalidering for å forbedre prediksjonsmodellen. Det betyr at de har har delt opp dataen i to sett: et trenings-datasett og et test-datasett. Her er tanken at modellen kontinuerlig ser på mer og mer historisk data i trening-settet når det blir tilgjengelig. De historiske dataene som er tilgjengelige vil så brukes til å predikere de kommende 12 ukene, som er test-settet (se Figur 14 under). Denne fordelingen begynner allerede i 2016, slik at første training-sett inneholder 4 år med data, og man kan dermed se hvor godt modellen predikerer vannstanden etter hvert som nye uker med AIS-rapportert dypgang blir tilgjengelig.
Resultatene indikerer at høyfrekvent AIS-rapportert dypgang fungerer bedre og gir et bedre grunnlag for prisestimering av lasten enn jevnlige rapporterte vannstandsnivåer, som er det Western Bulk bruker nå. Modellen gir estimerte vannivåmarginer 1-12 uker i forkant, og kan brukes av shippingselskap til å forbedre estimering av last og redusere risiko.
Masteroppgaven handler i stor grad om hvordan klimaendringer skaper mer usikkerhet i shippingbransjen. Hvis klimaendringene fører til en prosentvis økning i regn fra år til år, vil det gjøre det vanskeligere å predikere vannstand. Som vi har sett kan dette føre til store problemer for shippingselskaper, men med nye metoder, slik som de som er utforsket her, kan man forsøke å løse dem.
Tilknytning til Climate Futures
Climate Futures ønsker å utvikle nye måter å håndtere klimarisiko på i shipping-sektoren. Ved å benytte seg av klimavarsler som går utover noen dager fram i tid kan man utføre veloverveide risikovurderinger.
Denne masteroppgavens tilknytning til Climate Futures er todelt. For det første vil klimaendringer påvirke produksjon og dermed volumet av sjøveis eksport av jordbruksvarer, slik som korn fra Sør-Amerika. For det andre påvirker klimaendringer infrastrukturen som benyttes til eksport – i dette tilfellet vannstanden i en av hovedelvene for internasjonale skip. Dette påvirker igjen hvor mye last som kan tas ombord i hvert enkelt skip, og dermed transportkostnaden og lønnsomheten til operatører som SFI-partner Western Bulk. Det er derfor interessant for dem å forbedre prognosene og modelleringen av nedbør og vannstand på relativt kort sikt, det vi kaller subseasonal forecasts, eller ukes til månedsvarsler.
Hvordan vil smart-shipping noden jobbe videre med dette?
Målet er at denne masteroppgaven kan utvikles videre til en vitenskapelig publisering, gjerne i samarbeid med noden Fornybar Energi. Denne noden har også prosjekter i Sør-Amerika, som har en overlappende interesse av forbedring av nedbørsprognoser i området.
