기후 변화로 해수면 상승과 폭풍 심화로 전 세계 해안선은 전례 없는 침식 위험에 직면해 있습니다. 그러나 해안선 변화, 특히 장기적인 추세를 정확하게 예측하는 것은 쉽지 않습니다. 최근 ShoreShop2.0 국제 공동 연구는 블라인드 테스트를 통해 34개 해안선 예측 모델의 성능을 평가하여 해안선 모델링의 최신 기술을 보여주었습니다.
해안선은 육지와 바다가 만나는 역동적인 경계로, 파도, 조수, 폭풍, 해수면 상승 등으로 끊임없이 변화합니다. 전 세계 모래 해안선의 약 24%가 연간 0.5미터를 초과하는 속도로 후퇴하고 있으며, 미국 걸프만과 같은 일부 지역에서는 연간 침식률이 20미터를 넘습니다.
해안선 변화를 예측하는 것은 본질적으로 어렵고 복잡하며, 파동 에너지, 퇴적물 이동, 해수면 상승 등 여러 요인의 상호작용을 고려해야 합니다. 장기간에 걸친 정확한 예측은 훨씬 더 어렵습니다.
현대의 해안선 예측 모델은 세 가지 범주로 나눌 수 있습니다. 하나는 유체 역학과 퇴적물 이동 방정식을 기반으로 하는 Delft3D 및 MIKE21과 같은 물리적 시뮬레이션을 기반으로 합니다. 다른 하나는 CoSMoS-COAST 및 LX-Shore와 같이 물리적 원리와 데이터 기반 방법을 결합한 하이브리드 모델입니다. 다른 하나는 LSTM 네트워크 및 Transformer 아키텍처와 같이 통계적 또는 머신 러닝 기술에 전적으로 의존하는 데이터 기반 모델입니다.
다양한 모델이 존재함에도 불구하고, 통일된 평가 기준이 부족하여 성과 비교가 어려웠습니다. 어떤 모델이 가장 정확한 예측을 제공할 수 있을까요? ShoreShop2.0 블라인드 테스트 경진대회는 학제 간 비교를 위한 완벽한 기회를 제공합니다.
ShoreShop2.0 국제 블라인드 테스트 경연대회는 매우 엄격한 과학적 협업의 한 형태입니다. 참여 팀에게는 만이나 해변의 코드명인 테스트 장소만 제공됩니다. 위치 및 실제 명칭과 같은 주요 정보는 사전 지식이 모델 보정에 영향을 미치지 않도록 은폐됩니다. 또한, 데이터는 일부 구간에서 기밀로 유지되며, 2019년부터 2023년까지의 단기 데이터와 1951년부터 1998년까지의 중기 데이터는 의도적으로 공개되지 않습니다. 이후 모델은 단기 및 중기 해안선 변화를 예측하고, 최종적으로 기밀 데이터를 사용하여 정확도를 검증합니다. 이러한 설계를 통해 완전히 알려지지 않은 조건에서 해안 모델의 학제 간 비교가 가능합니다.
15개국 34개 연구팀이 12개의 데이터 기반 모델과 22개의 하이브리드 모델을 포함하는 모델을 제출했습니다. 이 팀들은 미국, 호주, 일본, 프랑스 등 여러 국가의 연구 기관에서 참여했습니다. 그러나 제출된 모델에는 GENESIS나 물리 기반 모델인 Delft3D, MIKE21과 같은 상용 모델이 포함되지 않았습니다.
비교 결과, 단기 5년 예측에서 가장 우수한 성능을 보인 모델은 CoSMoS-COAST-CONV_SV(하이브리드 모델), GAT-LSTM_YM(데이터 기반 모델), 그리고 iTransformer-KC(데이터 기반 모델)였습니다. 이 모델들은 약 10미터의 평균 제곱근 오차(RMS)를 달성했는데, 이는 위성 원격 탐사 해안선 데이터의 고유 오차인 8.9미터와 유사합니다. 이는 일부 해변에서 모델의 예측 능력이 관측 기술의 한계에 근접하고 있음을 시사합니다. 물론, 다른 모델들은 해안선 변화를 더 잘 포착할 수 있었습니다.
놀라운 점은 하이브리드 모델이 데이터 기반 모델과 유사한 성능을 보였다는 것입니다. CoSMoS-COAST-CONV_SV(하이브리드 모델)는 물리적 프로세스와 합성곱 연산을 결합한 반면, GAT-LSTM_YM(데이터 기반 모델)은 그래프 어텐션 네트워크를 활용하여 공간 상관관계를 포착했습니다. 두 모델 모두 우수한 성능을 보였습니다.
중기 예측 측면에서 LX-Shore 시리즈(하이브리드 모델)는 계측 데이터에 가장 가까운 예측을 제공합니다. 해안선과 측면 퇴적물 이동 과정을 결합함으로써, 이 모델들은 장기적인 안정성을 유지하는 동시에 극심한 폭풍 사건에 대한 가장 일관된 반응을 계측 데이터와 함께 보여줍니다. 이 모델들의 예측에 따르면, 단일 강풍은 해안선을 최대 15~20미터까지 일시적으로 후퇴시킬 수 있으며, 완전한 회복에는 2~3년이 걸릴 수 있습니다. CoSMoS-COAST 시리즈는 탁월한 안정성을 제공하지만, 다른 모델들은 장기적인 표류와 과도한 반응으로 어려움을 겪을 수 있습니다.
모델 결과는 다음을 나타냅니다.데이터 품질모델 성능의 주요 제한 요인입니다. 위성 원격 탐사 데이터는 넓은 지역을 포괄하지만, 시간 해상도가 낮고 일반적으로 주 단위에서 월 단위로 나타나 폭풍 후 신속한 복구를 포착하기 어렵습니다. 더욱이, 순간적인 수위 변화는 파도의 상승과 조수의 영향을 받아 모델 예측에 영향을 줄 수 있는 일시적인 오차를 발생시킵니다.
이 연구는 견고한 2차원 필터링 기법을 사용하는 등 시공간적 데이터 평활화가 모델 성능을 크게 향상시킬 수 있음을 발견했습니다. 이후 제출된 비맹검 테스트 모델은 최적화된 데이터 전처리를 통해 평균 오차를 15% 줄였습니다.
로버스트 2D 스무딩(Robust 2D Smoothing)은 해안선 위성 데이터의 노이즈를 처리하도록 특별히 설계된 고급 신호 처리 방법입니다. 기본적으로 가중 최소 제곱법을 기반으로 하는 반복 필터링 알고리즘으로, 위성 이미지의 과도파 노이즈와 같은 이상치에 매우 강건합니다.
모델 예측에 중요한 또 다른 요소는 근해 파도 데이터의 정확도입니다. 현재 파도 데이터는 전 지구 파도 재분석 데이터의 근해 변환 오류, 파고대가 아닌 10m 등심선에서 파도 매개변수를 추출하는 데 따른 편향, 그리고 일 평균 파도 상태를 사용하여 극한 현상의 영향을 과소평가하는 등 다양한 오류를 겪고 있습니다. 이러한 오류는 모두 모델 예측에 영향을 미칠 수 있습니다.
장기 예측의 경우, 대부분의 모델은 해수면 상승의 영향을 추정하기 위해 고전적인 브라운 법칙에 의존합니다. 그러나 이 법칙은 퇴적물 공급이 무한하고 균형적이라고 가정하며, 해안 퇴적물 이동이나 해변 영양 공급과 같은 인간 활동의 영향을 무시합니다. 이는 심각한 모델 편향으로 이어질 수 있습니다.
평형 단면 이론에 기반한 브라운 법칙은 해수면 상승과 해안선 후퇴 사이에 선형 관계를 제시합니다. 이 이론은 해안선이 평형 형태를 유지한다고 가정합니다. 해수면이 상승함에 따라 수용 공간이 증가함에 따라 이 평형 단면은 새로운 해수면에 대한 상대적인 형태를 유지하기 위해 내륙 쪽으로 이동합니다. 결과적으로, 이 이론은 해안선이 내륙 쪽으로 이동함에 따라 상층 해변층이 침식되고 침식된 물질이 해안 쪽으로 퇴적되어 연안 해저가 상승하여 일정한 수심을 유지한다고 가정합니다. 브라운 법칙은 해안선 후퇴가 해변의 경사도에 따라 해수면 상승보다 10배에서 50배 더 클 수 있다고 예측합니다.
본 연구는 특정 요구에 따라 적절한 도구를 선택할 수 있는 기반을 제공합니다. 또한, 데이터 전처리는 매우 중요합니다. 적절한 데이터 처리는 때로는 모델 자체보다 더 큰 영향을 미칠 수 있습니다. ShoreShop 2.0을 통해 얻은 경험을 바탕으로 위성 및 파도 데이터를 개선하여 예측 정확도를 높일 수 있습니다. 더 나아가, 장기 예측에서 인공적으로 교란된 해변의 통제 불가능한 영향 또한 예측 결과에 상당한 영향을 미칠 수 있습니다. GENESIS, Delft3D, MIKE21과 같은 상용 모델의 참여 부족 또한 심각한 문제입니다.
푸른 개척자의 수호자: 프랭크스타의 11년간의 바다와 기후 보호 사명
10년 넘게 Frankstar는 해양 환경 관리의 최전선에서 최첨단 기술과 엄격한 과학적 근거를 활용하여 비교할 수 없는 해양 및 수문 데이터를 제공해 왔습니다. Frankstar의 사명은 단순한 데이터 수집을 넘어 지속 가능한 미래를 설계하는 데 있습니다. 전 세계 기관, 대학, 그리고 정부가 지구 건강을 위해 정보에 기반한 결정을 내릴 수 있도록 지원합니다.
게시 시간: 2025년 8월 11일