Door klimaatverandering, die leidt tot een stijgende zeespiegel en hevigere stormen, worden kustlijnen wereldwijd geconfronteerd met ongekende erosierisico's. Het nauwkeurig voorspellen van kustlijnveranderingen is echter een uitdaging, met name langetermijntrends. Recentelijk heeft het internationale samenwerkingsverband ShoreShop2.0 de prestaties van 34 kustlijnvoorspellingsmodellen geëvalueerd door middel van blinde tests, waarmee de huidige stand van zaken op het gebied van kustlijnmodellering in kaart is gebracht.

De kustlijn is de dynamische grens waar land en zee elkaar ontmoeten, en verandert voortdurend door golven, getijden, stormen en de stijging van de zeespiegel. Wereldwijd trekt ongeveer 24% van de zandstranden zich terug met een snelheid van meer dan 0,5 meter per jaar, en in sommige gebieden, zoals de Amerikaanse Golfkust, bedraagt ​​de jaarlijkse erosie zelfs meer dan 20 meter.

Het voorspellen van kustlijnveranderingen is inherent moeilijk en complex, omdat rekening moet worden gehouden met de wisselwerking tussen meerdere factoren, waaronder golfenergie, sedimenttransport en zeespiegelstijging. Nauwkeurige voorspellingen over lange perioden zijn zelfs nog lastiger.

Moderne modellen voor het voorspellen van kustlijnen kunnen in drie categorieën worden verdeeld: een categorie is gebaseerd op fysieke simulaties, zoals Delft3D en MIKE21, die gebruikmaken van vloeistofmechanica en sedimenttransportvergelijkingen; een categorie is een hybride model dat fysieke principes combineert met datagestuurde methoden, zoals CoSMoS-COAST en LX-Shore; en de derde categorie is een datagestuurd model dat volledig afhankelijk is van statistische of machine learning-technieken, zoals LSTM-netwerken en Transformer-architecturen.

Ondanks de grote verscheidenheid aan modellen, heeft het ontbreken van uniforme evaluatiecriteria het vergelijken van prestaties bemoeilijkt. Welk model levert de meest accurate voorspellingen? De ShoreShop2.0 blindtestcompetitie biedt een perfecte gelegenheid voor interdisciplinaire vergelijkingen.

De internationale ShoreShop2.0 blindtestcompetitie is een zeer rigoureuze vorm van wetenschappelijke samenwerking. De deelnemende teams worden alleen op de hoogte gesteld van de testlocatie, een codenaam voor een baai of strand. Belangrijke informatie zoals de exacte locatie en naam worden geheimgehouden om te voorkomen dat voorkennis de modelkalibratie beïnvloedt. Bovendien worden gegevens in delen vertrouwelijk behandeld, waarbij data uit 2019-2023 (korte termijn) en 1951-1998 (middellange termijn) opzettelijk worden achtergehouden. De modellen voorspellen vervolgens kustlijnveranderingen op de korte en middellange termijn en verifiëren uiteindelijk hun nauwkeurigheid met behulp van de vertrouwelijke data. Deze opzet maakt interdisciplinaire vergelijkingen van kustmodellen mogelijk onder volledig onbekende omstandigheden.

Vierendertig onderzoeksteams uit 15 landen dienden modellen in, waaronder 12 datagestuurde modellen en 22 hybride modellen. Deze teams waren afkomstig van instellingen in de Verenigde Staten, Australië, Japan, Frankrijk en andere landen. De ingediende modellen misten echter commerciële modellen zoals GENESIS en de op fysica gebaseerde modellen Delft3D en MIKE21.

Een vergelijking toonde aan dat de best presterende modellen voor kortetermijnvoorspellingen van vijf jaar CoSMoS-COAST-CONV_SV (hybride model), GAT-LSTM_YM (datagestuurd model) en iTransformer-KC (datagestuurd model) waren. Deze modellen behaalden een wortelgemiddelde kwadratische fout van ongeveer 10 meter, vergelijkbaar met de inherente fout van 8,9 meter in kustlijngegevens verkregen via satellietremote sensing. Dit wijst erop dat de voorspellende capaciteiten van de modellen voor sommige stranden de grenzen van de observatietechnologie benaderen. Uiteraard waren andere modellen beter in staat om kustlijnveranderingen vast te leggen.

Een verrassende bevinding was dat het hybride model vergelijkbare prestaties leverde als het datagestuurde model. CoSMoS-COAST-CONV_SV (hybride model) combineert fysieke processen en convolutionele bewerkingen, terwijl GAT-LSTM_YM (datagestuurd model) gebruikmaakt van een grafisch aandachtnetwerk om ruimtelijke correlaties vast te leggen. Beide modellen presteerden goed.

Wat de middellange termijnvoorspellingen betreft, levert de LX-Shore-serie (hybride modellen) de meest nauwkeurige voorspellingen op basis van gemeten gegevens. Door de koppeling van sedimenttransportprocessen langs de kust en lateraal behouden deze modellen stabiliteit op de lange termijn en vertonen ze de meest consistente reacties op extreme stormen in vergelijking met gemeten gegevens. Voorspellingen van deze modellen geven aan dat een enkele zware storm een ​​tijdelijke terugtrekking van de kustlijn tot wel 15-20 meter kan veroorzaken, waarbij volledig herstel mogelijk twee tot drie jaar kan duren. De CoSMoS-COAST-serie biedt uitstekende stabiliteit, terwijl andere modellen last kunnen hebben van afwijkingen op de lange termijn en overreacties.

De modelresultaten geven aan datgegevenskwaliteitDit is een belangrijke beperkende factor voor de prestaties van het model. Hoewel satellietgegevens een groot gebied bestrijken, is de temporele resolutie laag, doorgaans wekelijks tot maandelijks, waardoor het moeilijk is om het snelle herstel na een storm vast te leggen. Bovendien wordt de momentane waterlijn beïnvloed door golfslag en getijden, wat leidt tot tijdelijke fouten die de modelvoorspellingen kunnen beïnvloeden.

Uit het onderzoek bleek dat het gladmaken van spatiotemporele gegevens, bijvoorbeeld door gebruik te maken van robuuste tweedimensionale filtertechnieken, de modelprestaties aanzienlijk kan verbeteren. Later bleek dat niet-blinde testmodellen de gemiddelde fout met 15% verminderden door geoptimaliseerde voorbewerking van de gegevens.

Robuuste 2D-smoothing is een geavanceerde signaalverwerkingsmethode die specifiek is ontworpen voor het verwerken van ruis in satellietbeelden van kustlijnen. Het is in essentie een iteratief filteralgoritme gebaseerd op gewogen kleinste kwadraten en is zeer robuust tegen uitschieters zoals tijdelijke golfruis in satellietbeelden.

Een andere cruciale factor voor modelvoorspellingen is de nauwkeurigheid van de golfgegevens in de kustzone. Momenteel vertonen golfgegevens diverse fouten, waaronder fouten in de omrekening van wereldwijde golfreanalysegegevens naar kustzones, vertekeningen veroorzaakt door het extraheren van golfparameters op de 10-meter isobath in plaats van in de breekzone, en de onderschatting van de impact van extreme gebeurtenissen door het gebruik van dagelijkse gemiddelde golfomstandigheden. Al deze fouten kunnen de modelvoorspellingen beïnvloeden.

Voor langetermijnvoorspellingen maken de meeste modellen gebruik van de klassieke wet van Brown om de impact van de zeespiegelstijging te schatten. Deze wet gaat echter uit van een oneindige en evenwichtige sedimentaanvoer en negeert de effecten van sedimenttransport naar de open zee of menselijke activiteiten, zoals strandsuppletie. Dit kan leiden tot aanzienlijke vertekeningen in de modellen.

Gebaseerd op de theorie van het evenwichtsprofiel, beschrijft de wet van Brown een lineair verband tussen de stijging van de zeespiegel en de terugtrekking van de kustlijn. Deze theorie stelt dat een kustprofiel een evenwichtsvorm behoudt. Naarmate de zeespiegel stijgt, dwingt de toenemende beschikbare ruimte dit evenwichtsprofiel om landwaarts te verschuiven om zijn vorm ten opzichte van de nieuwe zeespiegel te behouden. Bijgevolg stelt de theorie dat, naarmate het kustprofiel landwaarts verschuift, de bovenste strandlaag erodeert en het geërodeerde materiaal offshore wordt afgezet, waardoor de zeebodem nabij de kust stijgt en een constante waterdiepte wordt gehandhaafd. De wet van Brown voorspelt dat de terugtrekking van de kustlijn 10 tot 50 keer groter kan zijn dan de stijging van de zeespiegel, afhankelijk van de helling van het strand.

Deze studie biedt een basis voor het selecteren van geschikte tools op basis van specifieke behoeften. Bovendien is data-voorverwerking cruciaal; een goede dataverwerking kan soms een grotere impact hebben dan het model zelf. Voortbouwend op de ervaring met ShoreShop 2.0 kunnen verbeteringen worden aangebracht aan satelliet- en golfdata om de voorspellingsnauwkeurigheid te verhogen. Daarnaast kunnen de oncontroleerbare effecten van kunstmatig verstoorde stranden op langetermijnvoorspellingen de voorspellingsresultaten aanzienlijk beïnvloeden. Verder is het gebrek aan deelname van commerciële modellen zoals GENESIS, Delft3D en MIKE21 een belangrijk probleem.

​Beschermers van de Blauwe Grens: Frankstars 11-jarige missie om onze oceanen en ons klimaat te beschermen.

Al meer dan tien jaar staat Frankstar aan de voorfront van milieubeheer in de zee. We zetten geavanceerde technologie en wetenschappelijke nauwkeurigheid in om ongeëvenaarde oceaan- en hydrologische gegevens te leveren. Onze missie gaat verder dan alleen het verzamelen van gegevens: we zijn architecten van een duurzame toekomst en stellen instellingen, universiteiten en overheden wereldwijd in staat om weloverwogen beslissingen te nemen voor de gezondheid van onze planeet.