Amb el canvi climàtic que provoca l'augment del nivell del mar i la intensificació de les tempestes, les costes mundials s'enfronten a riscos d'erosió sense precedents. Tanmateix, predir amb precisió el canvi de la línia de costa és un repte, especialment les tendències a llarg termini. Recentment, l'estudi col·laboratiu internacional ShoreShop2.0 va avaluar el rendiment de 34 models de predicció de línies de costa mitjançant proves a cegues, revelant l'estat actual de la tècnica en la modelització de línies de costa.
La línia de costa és la frontera dinàmica on la terra es troba amb el mar, canviant constantment a causa de les onades, les marees, les tempestes i l'augment del nivell del mar. Aproximadament el 24% de les costes sorrenques de tot el món es retiren a un ritme superior a 0,5 metres per any, i en algunes zones, com la costa del Golf dels Estats Units, la taxa d'erosió anual és fins i tot superior a 20 metres.
Predir el canvi de la línia de costa és inherentment difícil i complex, i requereix tenir en compte la interacció de múltiples factors, com ara l'energia de les ones, el transport de sediments i l'augment del nivell del mar. Les prediccions precises durant llargs períodes de temps són encara més difícils.
Els models moderns de predicció de línies de costa es poden dividir en tres categories: una es basa en simulacions físiques, com ara Delft3D i MIKE21 basats en mecànica de fluids i equacions de transport de sediments; un és un model híbrid que combina principis físics amb mètodes basats en dades, com ara CoSMoS-COAST i LX-Shore; i l'altre és un model basat en dades que es basa completament en tècniques estadístiques o d'aprenentatge automàtic, com ara xarxes LSTM i arquitectures de transformadors.
Malgrat la gran varietat de models, la manca de criteris d'avaluació unificats ha dificultat les comparacions de rendiment. Quin model ofereix les prediccions més precises? El concurs de proves a cegues ShoreShop2.0 ofereix una oportunitat perfecta per a comparacions interdisciplinàries.
El concurs internacional de proves a cegues ShoreShop2.0 és una forma molt rigorosa de col·laboració científica. Els equips participants només són informats del lloc de prova, que és un nom en clau per a una badia o platja. La informació clau, com ara la seva ubicació i el nom real, s'oculta per evitar que el coneixement previ influeixi en la calibració del model. A més, les dades es mantenen confidencials per seccions, i les dades del 2019-2023 (a curt termini) i del 1951-1998 (a mitjà termini) s'ometen intencionadament. Els models prediuen canvis a curt i mitjà termini en la línia de costa, i en última instància verifiquen la seva precisió mitjançant les dades confidencials. Aquest disseny permet comparacions interdisciplinàries de models costaners en condicions completament desconegudes.
Trenta-quatre equips de recerca de 15 països van presentar models, que incloïen 12 models basats en dades i 22 models híbrids. Aquests equips provenien d'institucions dels Estats Units, Austràlia, Japó, França i altres països. Tanmateix, els models presentats no incloïen models comercials com ara GENESIS i els models basats en la física Delft3D i MIKE21.
Una comparació va revelar que els models amb millor rendiment per a previsions a curt termini i a cinc anys van ser CoSMoS-COAST-CONV_SV (model híbrid), GAT-LSTM_YM (model basat en dades) i iTransformer-KC (model basat en dades). Aquests models van aconseguir errors quadràtics mitjans d'aproximadament 10 metres, comparables a l'error inherent de 8,9 metres en les dades de teledetecció de la costa per satèl·lit. Això indica que, per a algunes platges, les capacitats predictives dels models s'estan acostant als límits de la tecnologia d'observació. Per descomptat, altres models van ser capaços de capturar millor els canvis de la costa.
Una troballa sorprenent va ser que el model híbrid va tenir un rendiment comparable al model basat en dades. CoSMoS-COAST-CONV_SV (model híbrid) combina processos físics i operacions convolucionals, mentre que GAT-LSTM_YM (model basat en dades) utilitza una xarxa d'atenció de grafs per capturar correlacions espacials. Tots dos models van tenir un bon rendiment.
Pel que fa a les previsions a mitjà termini, la sèrie LX-Shore (models híbrids) proporciona les prediccions més properes a les dades mesurades. En combinar els processos de transport de sediments al llarg de la costa i laterals, aquests models mantenen l'estabilitat a llarg termini alhora que mostren les respostes més consistents a esdeveniments tempestuosos extrems amb les dades mesurades. Les prediccions d'aquests models indiquen que una sola tempesta severa pot causar un retrocés transitori de la costa de fins a 15-20 metres, amb una recuperació completa que pot trigar de dos a tres anys. La sèrie CoSMoS-COAST ofereix una excel·lent estabilitat, mentre que altres models poden patir deriva a llarg termini i resposta excessiva.
Els resultats del model indiquen quequalitat de les dadesés un factor limitant clau en el rendiment del model. Tot i que les dades de teledetecció per satèl·lit cobreixen una àrea àmplia, la seva resolució temporal és baixa, normalment setmanal o mensual, cosa que dificulta la captura de la recuperació ràpida posterior a la tempesta. A més, la vora instantània de l'aigua es veu afectada per la pujada de les onades i les marees, cosa que provoca errors transitoris que poden afectar les prediccions del model.
L'estudi va trobar que el suavització de dades espaciotemporals, com ara l'ús de tècniques robustes de filtratge bidimensional, pot millorar significativament el rendiment del model. Posteriorment, els models de prova no cecs van presentar una reducció de l'error mitjà en un 15% mitjançant un preprocessament de dades optimitzat.
El suavització 2D robusta és un mètode avançat de processament de senyals dissenyat específicament per processar el soroll en dades de satèl·lits de costa. Essencialment, és un algoritme de filtratge iteratiu basat en mínims quadrats ponderats i és altament robust davant de valors atípics com el soroll d'ona transitòria en imatges de satèl·lit.
Un altre factor crucial per a les prediccions del model és la precisió de les dades d'onades properes a la costa. Actualment, les dades d'onades pateixen diversos errors, inclosos errors en la conversió propera a la costa de dades de reanàlisi d'onades globals, biaixos causats per l'extracció de paràmetres d'onada a la isòbata de 10 metres en lloc de la zona de trencament, i la subestimació de l'impacte d'esdeveniments extrems mitjançant l'ús de condicions d'onada mitjanes diàries. Tots aquests errors poden afectar les prediccions del model.
Per a prediccions a llarg termini, la majoria dels models es basen en la llei browniana clàssica per estimar l'impacte de l'augment del nivell del mar. Tanmateix, aquesta llei assumeix un subministrament de sediments infinit i equilibrat i ignora els efectes del transport de sediments a alta mar o de les activitats humanes, com ara el reabasteciment de les platges. Això pot conduir a biaixos significatius en el model.
Basada en la teoria del perfil d'equilibri, la llei de Brown proporciona una relació lineal entre l'augment del nivell del mar i el retrocés de la línia de costa. Aquesta teoria postula que un perfil costaner manté una forma d'equilibri. A mesura que augmenta el nivell del mar, l'espai d'acomodació creixent obliga aquest perfil d'equilibri a desplaçar-se cap a terra per mantenir la seva forma en relació amb el nou nivell del mar. En conseqüència, la teoria postula que a mesura que el perfil costaner es desplaça cap a terra, la capa superior de la platja s'erosiona i el material erosionat es diposita mar endins, cosa que fa que el fons marí proper a la costa s'elevi, mantenint així una profunditat d'aigua constant. La llei de Brown prediu que el retrocés costaner pot ser de 10 a 50 vegades més gran que l'augment del nivell del mar, depenent del pendent de la platja.
Aquest estudi proporciona una base per seleccionar eines adequades en funció de les necessitats específiques. A més, el preprocessament de dades és crucial; un processament adequat de dades de vegades pot tenir un impacte més gran que el model en si. A partir de l'experiència adquirida amb ShoreShop 2.0, es poden fer millores a les dades de satèl·lit i d'onades per millorar la precisió de la predicció. A més, els efectes incontrolables de les platges alterades artificialment en les prediccions a llarg termini també poden afectar significativament els resultats de la predicció. A més, la manca de participació de models comercials com ara GENESIS, Delft3D i MIKE21 és un problema important.
Guardians de la Frontera Blava: la missió d'11 anys de Frankstar per protegir els nostres oceans i el clima
Durant més d'una dècada, Frankstar ha estat a l'avantguarda de la gestió ambiental marina, aprofitant la tecnologia d'avantguarda i el rigor científic per oferir dades oceàniques i hidrològiques inigualables. La nostra missió transcendeix la mera recopilació de dades: som arquitectes d'un futur sostenible, capacitant les institucions, les universitats i els governs de tot el món per prendre decisions informades per a la salut del nostre planeta.
Data de publicació: 11 d'agost de 2025