気候変動による海面上昇や暴風雨の激化に伴い、世界の海岸線はかつてないほどの浸食リスクに直面しています。しかし、海岸線の変化、特に長期的な傾向を正確に予測することは困難です。最近、国際共同研究「ShoreShop2.0」では、ブラインドテストを通じて34の海岸線予測モデルの性能を評価し、海岸線モデリングにおける最新技術の現状を明らかにしました。

海岸線は陸と海が接する動的な境界であり、波、潮汐、嵐、海面上昇などによって常に変化しています。世界中の砂浜海岸の約24%は年間0.5メートルを超える速度で後退しており、米国メキシコ湾岸などの地域では、年間侵食速度が20メートルを超えるところもあります。

海岸線の変化を予測することは、波のエネルギー、堆積物の輸送、海面上昇など、複数の要因の相互作用を考慮する必要があるため、本質的に困難かつ複雑です。長期にわたる正確な予測は、さらに困難を極めます。

現代の海岸線予測モデルは、大きく3つのカテゴリーに分類できます。1つは、流体力学と堆積物輸送方程式に基づくDelft3DやMIKE21などの物理シミュレーションに基づくモデル、もう1つは、CoSMoS-COASTやLX-Shoreなどの物理原理とデータ駆動型手法を組み合わせたハイブリッドモデル、そしてLSTMネットワークやTransformerアーキテクチャなどの統計的手法や機械学習技術に完全に依存するデータ駆動型モデルです。

多種多様なモデルが存在するにもかかわらず、統一された評価基準がないため、性能比較が困難でした。最も正確な予測を提供するモデルはどれでしょうか？ShoreShop2.0ブラインドテストコンペティションは、分野横断的な比較を行う絶好の機会を提供します。

ShoreShop2.0国際ブラインドテストコンペティションは、極めて厳格な科学的コラボレーションの形態です。参加チームには、テストサイト（湾またはビーチのコードネーム）のみが知らされます。場所や実際の名称などの重要な情報は、事前の知識がモデルの較正に影響を与えないように隠されています。さらに、データは部分的に機密扱いとされ、2019～2023年（短期）と1951～1998年（中期）のデータは意図的に非公開とされています。モデルは、短期および中期の海岸線の変化を予測し、最終的に機密データを使用してその精度を検証します。この設計により、全く未知の条件下で沿岸モデルを分野横断的に比較することが可能になります。

15か国から34の研究チームがモデルを提出し、その内訳はデータ駆動型モデル12件とハイブリッドモデル22件であった。これらのチームは、米国、オーストラリア、日本、フランスなどの研究機関に所属していた。しかし、提出されたモデルには、GENESISのような商用モデルや、物理ベースのモデルであるDelft3DやMIKE21は含まれていなかった。

比較の結果、短期（5年間）予測において最も優れた性能を示したモデルは、CoSMoS-COAST-CONV_SV（ハイブリッドモデル）、GAT-LSTM_YM（データ駆動型モデル）、およびiTransformer-KC（データ駆動型モデル）であることが明らかになった。これらのモデルは、約10メートルの二乗平均平方根誤差を達成しており、これは衛星リモートセンシングによる海岸線データの固有誤差である8.9メートルに匹敵する。このことから、一部の海岸線においては、モデルの予測能力が観測技術の限界に近づいていることが示唆される。もちろん、他のモデルは海岸線の変化をより正確に捉えることができた。

驚くべきことに、ハイブリッドモデルはデータ駆動型モデルと同等の性能を示した。CoSMoS-COAST-CONV_SV（ハイブリッドモデル）は物理プロセスと畳み込み演算を組み合わせたものであり、GAT-LSTM_YM（データ駆動型モデル）はグラフアテンションネットワークを用いて空間相関を捉える。どちらのモデルも優れた性能を発揮した。

中期予測に関しては、LX-Shoreシリーズ（ハイブリッドモデル）が実測データに最も近い予測を提供します。沿岸および水平方向の堆積物輸送プロセスを組み合わせることで、これらのモデルは長期的な安定性を維持しながら、実測データと最も一貫性のある極端な暴風雨イベントへの応答を示します。これらのモデルによる予測では、一度の激しい暴風雨で海岸線が一時的に最大15～20メートル後退し、完全な回復には2～3年かかる可能性があることが示されています。CoSMoS-COASTシリーズは優れた安定性を提供しますが、他のモデルは長期的なドリフトや過剰応答の問題を抱える可能性があります。

モデルの結果は、データ品質これはモデル性能における重要な制限要因です。衛星リモートセンシングデータは広範囲をカバーしますが、時間分解能は低く、通常は週単位から月単位であるため、嵐後の迅速な回復を捉えることが困難です。さらに、瞬間的な水位は波の遡上や潮汐の影響を受けるため、モデル予測に影響を与える可能性のある一時的な誤差が生じます。

本研究では、堅牢な2次元フィルタリング技術などの時空間データ平滑化によって、モデル性能を大幅に向上させることができることが明らかになった。その後、非盲検テストモデルでは、最適化されたデータ前処理によって平均誤差が15%削減された。

ロバスト2Dスムージングは​​、海岸線衛星データに含まれるノイズを処理するために特別に設計された高度な信号処理手法です。基本的には、重み付き最小二乗法に基づく反復フィルタリングアルゴリズムであり、衛星画像における一時的な波浪ノイズなどの外れ値に対して非常に高い耐性を備えています。

モデル予測にとって重要なもう一つの要素は、沿岸波浪データの精度です。現在、波浪データには、全球波浪再解析データの沿岸変換における誤差、砕波帯ではなく水深10メートル等深線で波浪パラメータを抽出することによるバイアス、日平均波浪条件を用いることによる極端な事象の影響の過小評価など、様々な誤差が存在します。これらの誤差はすべて、モデル予測に影響を与える可能性があります。

長期予測においては、ほとんどのモデルが古典的なブラウン運動の法則に基づいて海面上昇の影響を推定している。しかし、この法則は堆積物の供給が無限かつ均衡していると仮定しており、沖合への堆積物輸送や、海岸の養浜といった人間の活動の影響を無視している。そのため、モデルに大きな偏りが生じる可能性がある。

平衡プロファイル理論に基づくと、ブラウンの法則は海面上昇と海岸線の後退の間に線形関係を示します。この理論では、海岸線は平衡形状を維持すると仮定しています。海面が上昇すると、収容空間の増加により、この平衡プロファイルは新しい海面に対して形状を維持するために陸側へ移動します。その結果、海岸線が陸側へ移動すると、砂浜の上層が侵食され、侵食された物質が沖合に堆積し、沿岸の海底が上昇して水深が一定に保たれると、この理論は仮定しています。ブラウンの法則によれば、海岸線の後退は、砂浜の傾斜に応じて、海面上昇の10～50倍にもなる可能性があると予測されています。

本研究は、特定のニーズに基づいて適切なツールを選択するための基礎を提供するものです。さらに、データの前処理は非常に重要です。適切なデータ処理は、モデル自体よりも大きな影響を与える場合があります。ShoreShop 2.0で得られた経験を基に、衛星データと波浪データを改善することで、予測精度を高めることができます。また、長期予測において、人工的に攪乱された海岸線が及ぼす制御不能な影響も、予測結果に大きな影響を与える可能性があります。さらに、GENESIS、Delft3D、MIKE21などの商用モデルが参加していないことも大きな問題です。

​青いフロンティアの守護者：フランクスターによる海洋と気候を守る11年間のミッション

Frankstarは10年以上にわたり、海洋環境保全の最前線に立ち、最先端技術と厳密な科学的手法を駆使して、比類のない海洋および水文データを提供してきました。私たちの使命は単なるデータ収集にとどまりません。私たちは持続可能な未来の創造者であり、世界中の機関、大学、政府が地球の健康のために情報に基づいた意思決定を行えるよう支援しています。