Com as mudanças climáticas levando à elevação do nível do mar e à intensificação de tempestades, as linhas costeiras globais enfrentam riscos de erosão sem precedentes. No entanto, prever com precisão as mudanças na linha costeira é um desafio, especialmente em relação a tendências de longo prazo. Recentemente, o estudo colaborativo internacional ShoreShop2.0 avaliou o desempenho de 34 modelos de previsão de linhas costeiras por meio de testes cegos, revelando o estado atual da arte em modelagem de linhas costeiras.
O litoral é a fronteira dinâmica onde a terra encontra o mar, mudando constantemente devido a ondas, marés, tempestades e à elevação do nível do mar. Aproximadamente 24% das costas arenosas em todo o mundo estão recuando a uma taxa superior a 0,5 metro por ano e, em algumas áreas, como a Costa do Golfo dos EUA, a taxa anual de erosão é ainda superior a 20 metros.
Prever mudanças na linha costeira é inerentemente difícil e complexo, exigindo a consideração da interação de múltiplos fatores, incluindo a energia das ondas, o transporte de sedimentos e a elevação do nível do mar. Previsões precisas ao longo de longos períodos são ainda mais desafiadoras.
Os modelos modernos de previsão de litoral podem ser divididos em três categorias: uma é baseada em simulação física, como Delft3D e MIKE21, baseados em mecânica de fluidos e equações de transporte de sedimentos; um é um modelo híbrido que combina princípios físicos com métodos baseados em dados, como CoSMoS-COAST e LX-Shore; e o outro é um modelo baseado em dados que depende inteiramente de técnicas estatísticas ou de aprendizado de máquina, como redes LSTM e arquiteturas Transformer.
Apesar da grande variedade de modelos, a falta de critérios de avaliação unificados dificulta as comparações de desempenho. Qual modelo oferece as previsões mais precisas? O concurso de testes cegos ShoreShop2.0 oferece uma oportunidade perfeita para comparações interdisciplinares.
A competição internacional de testes cegos ShoreShop2.0 é uma forma altamente rigorosa de colaboração científica. As equipes participantes são informadas apenas sobre o local do teste, que é um codinome para uma baía ou praia. Informações importantes, como sua localização e nome real, são ocultadas para evitar que o conhecimento prévio influencie a calibração do modelo. Além disso, os dados são mantidos confidenciais em algumas seções, com dados de 2019-2023 (curto prazo) e 1951-1998 (médio prazo) intencionalmente retidos. Os modelos então preveem mudanças na linha de costa a curto e médio prazo, verificando sua precisão com base nos dados confidenciais. Este projeto permite comparações interdisciplinares de modelos costeiros em condições completamente desconhecidas.
Trinta e quatro equipes de pesquisa de 15 países submeteram modelos, abrangendo 12 modelos baseados em dados e 22 modelos híbridos. Essas equipes vieram de instituições nos Estados Unidos, Austrália, Japão, França e outros países. No entanto, os modelos submetidos não continham modelos comerciais, como o GENESIS e os modelos baseados em física Delft3D e MIKE21.
Uma comparação revelou que os modelos com melhor desempenho para previsões de curto prazo de cinco anos foram CoSMoS-COAST-CONV_SV (modelo híbrido), GAT-LSTM_YM (modelo baseado em dados) e iTransformer-KC (modelo baseado em dados). Esses modelos alcançaram erros quadráticos médios de aproximadamente 10 metros, comparáveis ao erro inerente de 8,9 metros em dados de sensoriamento remoto por satélite da linha costeira. Isso indica que, para algumas praias, a capacidade preditiva dos modelos está se aproximando dos limites da tecnologia observacional. É claro que outros modelos foram capazes de capturar melhor as mudanças na linha costeira.
Uma descoberta surpreendente foi que o modelo híbrido teve um desempenho comparável ao modelo baseado em dados. O CoSMoS-COAST-CONV_SV (modelo híbrido) combina processos físicos e operações convolucionais, enquanto o GAT-LSTM_YM (modelo baseado em dados) utiliza uma rede de atenção em grafos para capturar correlações espaciais. Ambos os modelos apresentaram bom desempenho.
Em termos de previsões de médio prazo, a série LX-Shore (modelos híbridos) fornece as previsões mais próximas dos dados medidos. Ao acoplar os processos de transporte de sedimentos ao longo da costa e laterais, esses modelos mantêm a estabilidade a longo prazo, ao mesmo tempo em que apresentam as respostas mais consistentes a eventos de tempestades extremas com os dados medidos. As previsões desses modelos indicam que uma única tempestade severa pode causar um recuo transitório da linha costeira de até 15 a 20 metros, com recuperação total potencialmente levando de dois a três anos. A série CoSMoS-COAST oferece excelente estabilidade, enquanto outros modelos podem sofrer com deriva e resposta excessiva a longo prazo.
Os resultados do modelo indicam quequalidade dos dadosé um fator limitante fundamental no desempenho do modelo. Embora os dados de sensoriamento remoto por satélite cubram uma ampla área, sua resolução temporal é baixa, geralmente semanal a mensal, dificultando a captura da rápida recuperação pós-tempestade. Além disso, a borda instantânea da água é afetada pela subida das ondas e marés, levando a erros transitórios que podem afetar as previsões do modelo.
O estudo constatou que a suavização de dados espaço-temporais, como o uso de técnicas robustas de filtragem bidimensional, pode melhorar significativamente o desempenho do modelo. Posteriormente, os modelos de teste não cego apresentaram uma redução de 15% no erro médio por meio do pré-processamento otimizado dos dados.
A Suavização 2D Robusta é um método avançado de processamento de sinais projetado especificamente para processar ruído em dados de satélites costeiros. Essencialmente, é um algoritmo de filtragem iterativa baseado em mínimos quadrados ponderados e altamente robusto a valores discrepantes, como ruído de ondas transientes em imagens de satélite.
Outro fator crucial para as previsões do modelo é a precisão dos dados de ondas costeiras. Atualmente, os dados de ondas sofrem com vários erros, incluindo erros na conversão costeira de dados globais de reanálise de ondas, vieses causados pela extração de parâmetros de ondas na isóbata de 10 metros em vez da zona de rebentação, e a subestimação do impacto de eventos extremos ao utilizar as condições médias diárias das ondas. Todos esses erros podem afetar as previsões do modelo.
Para previsões de longo prazo, a maioria dos modelos se baseia na lei browniana clássica para estimar o impacto da elevação do nível do mar. No entanto, essa lei pressupõe um suprimento infinito e equilibrado de sedimentos e ignora os efeitos do transporte de sedimentos em alto-mar ou de atividades humanas, como a nutrição das praias. Isso pode levar a vieses significativos no modelo.
Com base na teoria do perfil de equilíbrio, a lei browniana estabelece uma relação linear entre a elevação do nível do mar e o recuo da linha de costa. Essa teoria postula que um perfil costeiro mantém uma forma de equilíbrio. À medida que o nível do mar sobe, o aumento do espaço de acomodação força esse perfil de equilíbrio a se deslocar para a terra para manter sua forma em relação ao novo nível do mar. Consequentemente, a teoria postula que, à medida que o perfil costeiro se desloca para a terra, a camada superior da praia é erodida e o material erodido é depositado no mar, fazendo com que o fundo marinho próximo à costa suba, mantendo assim uma profundidade de água constante. A lei browniana prevê que o recuo costeiro pode ser de 10 a 50 vezes maior que a elevação do nível do mar, dependendo da declividade da praia.
Este estudo fornece uma base para a seleção de ferramentas apropriadas com base em necessidades específicas. Além disso, o pré-processamento de dados é crucial; o processamento adequado de dados pode, às vezes, ter um impacto maior do que o próprio modelo. Com base na experiência adquirida com o ShoreShop 2.0, melhorias podem ser feitas nos dados de satélite e de ondas para aumentar a precisão das previsões. Além disso, os efeitos incontroláveis de praias perturbadas artificialmente em previsões de longo prazo também podem impactar significativamente os resultados das previsões. Ademais, a falta de participação de modelos comerciais como GENESIS, Delft3D e MIKE21 é um problema significativo.
Guardiões da Fronteira Azul: a missão de 11 anos da Frankstar para proteger nossos oceanos e clima
Há mais de uma década, a Frankstar está na vanguarda da gestão ambiental marinha, utilizando tecnologia de ponta e rigor científico para fornecer dados oceânicos e hidrológicos incomparáveis. Nossa missão vai além da mera coleta de dados — somos arquitetos de um futuro sustentável, capacitando instituições, universidades e governos em todo o mundo a tomar decisões informadas para a saúde do nosso planeta.
Horário da publicação: 11/08/2025