Con il cambiamento climatico che porta all'innalzamento del livello del mare e all'intensificarsi delle tempeste, le coste globali si trovano ad affrontare rischi di erosione senza precedenti. Tuttavia, prevedere con precisione i cambiamenti delle coste è difficile, soprattutto per quanto riguarda le tendenze a lungo termine. Recentemente, lo studio collaborativo internazionale ShoreShop2.0 ha valutato le prestazioni di 34 modelli di previsione delle coste attraverso test ciechi, rivelando lo stato attuale dell'arte nella modellazione delle coste.
La linea costiera è il confine dinamico tra terra e mare, in continua evoluzione a causa di onde, maree, tempeste e innalzamento del livello del mare. Circa il 24% delle coste sabbiose in tutto il mondo si sta ritirando a un ritmo superiore a 0,5 metri all'anno e in alcune aree, come la costa del Golfo degli Stati Uniti, il tasso di erosione annuale supera addirittura i 20 metri.
Prevedere i cambiamenti della linea di costa è intrinsecamente difficile e complesso, e richiede la considerazione dell'interazione di molteplici fattori, tra cui l'energia delle onde, il trasporto di sedimenti e l'innalzamento del livello del mare. Previsioni accurate su lunghi periodi di tempo sono ancora più impegnative.
I moderni modelli di previsione della linea costiera possono essere suddivisi in tre categorie: una si basa sulla simulazione fisica, come Delft3D e MIKE21 basati sulla meccanica dei fluidi e sulle equazioni del trasporto dei sedimenti; una è un modello ibrido che combina principi fisici con metodi basati sui dati, come CoSMoS-COAST e LX-Shore; e l'altra è un modello basato sui dati che si basa interamente su tecniche statistiche o di apprendimento automatico, come le reti LSTM e le architetture Transformer.
Nonostante l'ampia varietà di modelli, la mancanza di criteri di valutazione unificati ha reso difficili i confronti delle prestazioni. Quale modello offre le previsioni più accurate? La competizione di test alla cieca ShoreShop2.0 offre un'opportunità perfetta per confronti interdisciplinari.
La competizione internazionale di blind test ShoreShop2.0 è una forma di collaborazione scientifica estremamente rigorosa. Ai team partecipanti viene comunicato solo il sito del test, che è un nome in codice per una baia o una spiaggia. Informazioni chiave come la posizione e il nome effettivo vengono nascoste per evitare che conoscenze pregresse influenzino la calibrazione del modello. Inoltre, i dati vengono mantenuti riservati in sezioni specifiche, con i dati dal 2019 al 2023 (a breve termine) e dal 1951 al 1998 (a medio termine) intenzionalmente omessi. I modelli prevedono quindi le variazioni della linea di costa a breve e medio termine, verificandone infine l'accuratezza utilizzando i dati riservati. Questa struttura consente confronti interdisciplinari di modelli costieri in condizioni completamente sconosciute.
Trentaquattro team di ricerca provenienti da 15 paesi hanno presentato modelli, comprendenti 12 modelli basati sui dati e 22 modelli ibridi. Questi team provenivano da istituzioni di Stati Uniti, Australia, Giappone, Francia e altri paesi. Tuttavia, i modelli presentati non includevano modelli commerciali come GENESIS e i modelli basati sulla fisica Delft3D e MIKE21.
Un confronto ha rivelato che i modelli più performanti per le previsioni a breve termine, ovvero quinquennali, sono stati CoSMoS-COAST-CONV_SV (modello ibrido), GAT-LSTM_YM (modello basato sui dati) e iTransformer-KC (modello basato sui dati). Questi modelli hanno raggiunto errori quadratici medi di circa 10 metri, paragonabili all'errore intrinseco di 8,9 metri nei dati di telerilevamento satellitare relativi alle coste. Ciò indica che, per alcune spiagge, le capacità predittive dei modelli si stanno avvicinando ai limiti della tecnologia di osservazione. Naturalmente, altri modelli sono stati in grado di catturare meglio i cambiamenti della costa.
Una scoperta sorprendente è stata che il modello ibrido ha avuto prestazioni paragonabili al modello basato sui dati. CoSMoS-COAST-CONV_SV (modello ibrido) combina processi fisici e operazioni convoluzionali, mentre GAT-LSTM_YM (modello basato sui dati) utilizza una rete di attenzione grafica per catturare le correlazioni spaziali. Entrambi i modelli hanno ottenuto buoni risultati.
In termini di previsioni a medio termine, la serie LX-Shore (modelli ibridi) fornisce le previsioni più vicine ai dati misurati. Abbinando i processi di trasporto sedimentario lungo la costa e laterale, questi modelli mantengono la stabilità a lungo termine, mostrando al contempo le risposte più coerenti agli eventi di tempesta estremi con i dati misurati. Le previsioni di questi modelli indicano che una singola tempesta di forte intensità può causare un ritiro transitorio della linea di costa fino a 15-20 metri, con un recupero completo che potrebbe richiedere dai due ai tre anni. La serie CoSMoS-COAST offre un'eccellente stabilità, mentre altri modelli possono soffrire di deriva a lungo termine e sovra-risposta.
I risultati del modello indicano chequalità dei datiè un fattore limitante chiave nelle prestazioni del modello. Sebbene i dati di telerilevamento satellitare coprano un'area ampia, la loro risoluzione temporale è bassa, in genere settimanale o mensile, rendendo difficile rilevare un rapido recupero post-tempesta. Inoltre, il margine istantaneo dell'acqua è influenzato dall'innalzamento delle onde e dalle maree, causando errori transitori che possono influenzare le previsioni del modello.
Lo studio ha rilevato che lo smoothing dei dati spaziotemporali, come l'uso di robuste tecniche di filtraggio bidimensionale, può migliorare significativamente le prestazioni del modello. Successivamente, i modelli di test non ciechi sottoposti hanno ridotto l'errore medio del 15% grazie all'ottimizzazione della pre-elaborazione dei dati.
Il Robust 2D Smoothing è un metodo avanzato di elaborazione del segnale specificamente progettato per elaborare il rumore nei dati satellitari costieri. In sostanza, si tratta di un algoritmo di filtraggio iterativo basato sui minimi quadrati ponderati, altamente robusto rispetto a valori anomali come il rumore transitorio delle onde nelle immagini satellitari.
Un altro fattore cruciale per le previsioni dei modelli è l'accuratezza dei dati sulle onde costiere. Attualmente, i dati sulle onde soffrono di vari errori, tra cui errori nella conversione in prossimità della costa dei dati di rianalisi delle onde globali, distorsioni causate dall'estrazione dei parametri delle onde all'isobata dei 10 metri anziché alla zona di rottura e la sottostima dell'impatto di eventi estremi utilizzando le condizioni medie giornaliere delle onde. Tutti questi errori possono influenzare le previsioni dei modelli.
Per le previsioni a lungo termine, la maggior parte dei modelli si basa sulla classica legge browniana per stimare l'impatto dell'innalzamento del livello del mare. Tuttavia, questa legge presuppone un apporto di sedimenti infinito ed equilibrato e ignora gli effetti del trasporto di sedimenti in mare aperto o delle attività umane, come il ripascimento delle spiagge. Ciò può portare a significativi bias nei modelli.
Basandosi sulla teoria del profilo di equilibrio, la legge di Brown fornisce una relazione lineare tra l'innalzamento del livello del mare e l'arretramento della linea di costa. Questa teoria postula che un profilo costiero mantenga una forma di equilibrio. Con l'innalzamento del livello del mare, l'aumento dello spazio di accomodamento costringe questo profilo di equilibrio a spostarsi verso terra per mantenere la sua forma rispetto al nuovo livello del mare. Di conseguenza, la teoria postula che, con lo spostamento del profilo costiero verso terra, lo strato superiore della spiaggia venga eroso e il materiale eroso si depositi al largo, causando l'innalzamento del fondale marino costiero, mantenendo così una profondità d'acqua costante. La legge di Brown prevede che l'arretramento costiero possa essere da 10 a 50 volte maggiore dell'innalzamento del livello del mare, a seconda della pendenza della spiaggia.
Questo studio fornisce una base per la selezione di strumenti appropriati in base a esigenze specifiche. Inoltre, la pre-elaborazione dei dati è fondamentale; una corretta elaborazione dei dati può talvolta avere un impatto maggiore del modello stesso. Sulla base dell'esperienza acquisita con ShoreShop 2.0, è possibile apportare miglioramenti ai dati satellitari e delle onde per migliorare l'accuratezza delle previsioni. Inoltre, gli effetti incontrollabili delle spiagge artificialmente disturbate nelle previsioni a lungo termine possono avere un impatto significativo sui risultati delle previsioni. Infine, la mancanza di partecipazione di modelli commerciali come GENESIS, Delft3D e MIKE21 rappresenta un problema significativo.
Guardiani della frontiera blu: la missione di Frankstar, lunga 11 anni, per proteggere i nostri oceani e il clima
Da oltre un decennio, Frankstar è all'avanguardia nella tutela dell'ambiente marino, sfruttando tecnologie all'avanguardia e rigore scientifico per fornire dati oceanici e idrologici senza pari. La nostra missione trascende la mera raccolta di dati: siamo artefici di un futuro sostenibile, consentendo a istituzioni, università e governi di tutto il mondo di prendere decisioni consapevoli per la salute del nostro pianeta.
Data di pubblicazione: 11-08-2025