Med klimaendringer som fører til stigende havnivå og intensiverte stormer, står globale kystlinjer overfor enestående erosjonsrisiko. Det er imidlertid utfordrende å forutsi kystendringer nøyaktig, spesielt langsiktige trender. Nylig evaluerte den internasjonale samarbeidsstudien ShoreShop2.0 ytelsen til 34 kystlinjeprediksjonsmodeller gjennom blindtesting, og avslørte den nåværende statusen innen kystlinjemodellering.
Kystlinjen er den dynamiske grensen der land møter hav, og endrer seg stadig på grunn av bølger, tidevann, stormer og havnivåstigning. Omtrent 24 % av sandkystlinjene over hele verden trekker seg tilbake med en hastighet på over 0,5 meter per år, og i noen områder, som den amerikanske gulfkysten, er den årlige erosjonsraten enda større enn 20 meter.
Å forutsi endringer i kystlinjen er iboende vanskelig og komplekst, og krever hensyn til samspillet mellom flere faktorer, inkludert bølgeenergi, sedimenttransport og havnivåstigning. Nøyaktige forutsigelser over lange tidsperioder er enda mer utfordrende.
Moderne kystlinjeprediksjonsmodeller kan deles inn i tre kategorier: én er basert på fysisk simulering, som Delft3D og MIKE21 basert på fluidmekanikk og sedimenttransportligninger; én er en hybridmodell som kombinerer fysiske prinsipper med datadrevne metoder, som CoSMoS-COAST og LX-Shore; og den andre er en datadrevet modell som er helt avhengig av statistiske eller maskinlæringsteknikker, som LSTM-nettverk og transformatorarkitekturer.
Til tross for det store utvalget av modeller, har mangelen på enhetlige evalueringskriterier gjort ytelsessammenligninger vanskelige. Hvilken modell gir de mest nøyaktige forutsigelsene? ShoreShop2.0-blindtestkonkurransen gir en perfekt mulighet for tverrfaglige sammenligninger.
Den internasjonale blindtestkonkurransen ShoreShop2.0 er en svært streng form for vitenskapelig samarbeid. Deltakende team blir kun informert om teststedet, som er et kodenavn for en bukt eller strand. Viktig informasjon som plassering og faktisk navn er skjult for å forhindre at forhåndskunnskap påvirker modellkalibreringen. Videre holdes dataene konfidensielle i seksjoner, med data fra 2019–2023 (kortsiktig) og 1951–1998 (mellomlangsiktig) som bevisst holdes tilbake. Modellene forutsier deretter kortsiktige og mellomlange endringer i kystlinjen, og verifiserer til slutt nøyaktigheten deres ved hjelp av de konfidensielle dataene. Denne designen muliggjør tverrfaglige sammenligninger av kystmodeller under helt ukjente forhold.
Trettifire forskerteam fra 15 land sendte inn modeller, som omfattet 12 datadrevne modeller og 22 hybridmodeller. Disse teamene kom fra institusjoner i USA, Australia, Japan, Frankrike og andre land. De innsendte modellene manglet imidlertid kommersielle modeller som GENESIS og de fysikkbaserte modellene Delft3D og MIKE21.
En sammenligning viste at de best presterende modellene for kortsiktige femårsprognoser var CoSMoS-COAST-CONV_SV (hybridmodell), GAT-LSTM_YM (datadrevet modell) og iTransformer-KC (datadrevet modell). Disse modellene oppnådde rotmiddelkvadratfeil på omtrent 10 meter, sammenlignbar med den iboende feilen på 8,9 meter i satellittbasert fjernmåling av kystlinjedata. Dette indikerer at modellenes prediktive evner for noen strender nærmer seg grensene for observasjonsteknologi. Andre modeller var selvsagt bedre i stand til å fange opp endringer i kystlinjen.
Et overraskende funn var at hybridmodellen presterte sammenlignbart med den datadrevne modellen. CoSMoS-COAST-CONV_SV (hybridmodell) kombinerer fysiske prosesser og konvolusjonelle operasjoner, mens GAT-LSTM_YM (datadrevet modell) bruker et grafisk oppmerksomhetsnettverk for å fange opp romlige korrelasjoner. Begge modellene presterte bra.
Når det gjelder mellomlange prognoser, gir LX-Shore-serien (hybridmodeller) de nærmeste prediksjonene til målte data. Ved å koble sedimenttransportprosesser langs kysten og langs laterale linjer, opprettholder disse modellene langsiktig stabilitet samtidig som de viser de mest konsistente responsene på ekstreme stormhendelser med målte data. Prediksjoner fra disse modellene indikerer at en enkelt kraftig storm kan forårsake en forbigående tilbaketrekning av kystlinjen på opptil 15–20 meter, med full gjenoppretting som potensielt tar to til tre år. CoSMoS-COAST-serien tilbyr utmerket stabilitet, mens andre modeller kan lide av langsiktig drift og overrespons.
Modellresultater indikerer atdatakvaliteter en viktig begrensende faktor i modellens ytelse. Selv om satellittbasert fjernmåling dekker et bredt område, er den tidsmessige oppløsningen lav, vanligvis ukentlig til månedlig, noe som gjør det vanskelig å fange opp rask gjenoppretting etter stormer. Videre påvirkes den umiddelbare vannkanten av bølgeoppløp og tidevann, noe som fører til forbigående feil som kan påvirke modellens prediksjoner.
Studien fant at spatiotemporal datautjevning, som bruk av robuste todimensjonale filtreringsteknikker, kan forbedre modellens ytelse betydelig. Senere reduserte ikke-blinde testmodeller gjennomsnittlig feil med 15 % gjennom optimalisert dataforbehandling.
Robust 2D Smoothing er en avansert signalbehandlingsmetode som er spesielt utviklet for å behandle støy i satellittdata langs kystlinjen. I hovedsak er det en iterativ filtreringsalgoritme basert på vektede minste kvadraters metode, og er svært robust mot avvikere som transient bølgestøy i satellittbilder.
En annen faktor som er avgjørende for modellprediksjoner er nøyaktigheten til bølgedata nær kysten. For tiden lider bølgedata av en rekke feil, inkludert feil i konverteringen nær kysten av globale bølgeanalysedata, skjevheter forårsaket av uttrekking av bølgeparametere ved 10-meters isobaten i stedet for brytningssonen, og undervurdering av virkningen av ekstreme hendelser ved bruk av daglige gjennomsnittlige bølgeforhold. Disse feilene kan alle påvirke modellprediksjonene.
For langsiktige prediksjoner bruker de fleste modeller den klassiske Brownske loven for å estimere virkningen av havnivåstigning. Denne loven forutsetter imidlertid en uendelig og balansert sedimenttilførsel og ignorerer effektene av sedimenttransport til havs eller menneskelige aktiviteter, som for eksempel strandnæring. Dette kan føre til betydelige modellskjevheter.
Basert på likevektsprofilteorien gir Browns lov en lineær sammenheng mellom havnivåstigning og tilbaketrekning av kystlinjen. Denne teorien antar at en kystprofil opprettholder en likevektsform. Når havnivået stiger, tvinger det økende akkommodasjonsrommet denne likevektsprofilen til å forskyve seg mot land for å opprettholde formen i forhold til det nye havnivået. Følgelig antar teorien at når kystprofilen forskyver seg mot land, eroderes det øvre strandlaget, og det eroderte materialet avsettes til havs, noe som fører til at havbunnen nær kysten stiger, og dermed opprettholdes et konstant vanndybde. Browns lov forutsier at kysttilbaketrekningen kan være 10 til 50 ganger større enn havnivåstigningen, avhengig av strandens helning.
Denne studien gir et grunnlag for å velge passende verktøy basert på spesifikke behov. Videre er forbehandling av data avgjørende; riktig databehandling kan noen ganger ha større innvirkning enn selve modellen. Ved å bygge på erfaringene fra ShoreShop 2.0, kan forbedringer gjøres i satellitt- og bølgedata for å forbedre prediksjonsnøyaktigheten. Videre kan de ukontrollerbare effektene av kunstig forstyrrede strender i langtidsprognoser også påvirke prediksjonsresultatene betydelig. Videre er mangelen på deltakelse fra kommersielle modeller som GENESIS, Delft3D og MIKE21 et betydelig problem.
Voktere av den blå grensen: Frankstars 11 år lange oppdrag for å beskytte havene og klimaet vårt
I over et tiår har Frankstar vært i forkant av forvaltningen av marint miljø, og utnyttet banebrytende teknologi og vitenskapelig grundighet for å levere enestående hav- og hydrologiske data. Vårt oppdrag går utover ren datainnsamling – vi er arkitekter bak en bærekraftig fremtid, og gir institusjoner, universiteter og myndigheter over hele verden mulighet til å ta informerte beslutninger for planetens helse.
Publisert: 11. august 2025