Med klimatförändringar som leder till stigande havsnivåer och intensifierade stormar står globala kustlinjer inför exempellösa erosionsrisker. Att korrekt förutsäga kustförändringar är dock utmanande, särskilt långsiktiga trender. Nyligen utvärderade den internationella samarbetsstudien ShoreShop2.0 prestandan hos 34 kustprognosmodeller genom blindtester, vilket avslöjade det nuvarande läget inom kustmodellering.
Kustlinjen är den dynamiska gränsen där land möter hav, och förändras ständigt på grund av vågor, tidvatten, stormar och stigande havsnivåer. Ungefär 24 % av sandkusterna världen över drar sig tillbaka med en hastighet som överstiger 0,5 meter per år, och i vissa områden, såsom den amerikanska golfkusten, är den årliga erosionshastigheten ännu högre än 20 meter.
Att förutsäga kustlinjeförändringar är i sig svårt och komplext och kräver hänsyn till samspelet mellan flera faktorer, inklusive vågenergi, sedimenttransport och havsnivåhöjning. Noggranna förutsägelser över långa tidsperioder är ännu mer utmanande.
Moderna modeller för kustlinjeprediktion kan delas in i tre kategorier: en är baserad på fysisk simulering, såsom Delft3D och MIKE21 baserad på strömningsmekanik och sedimenttransportekvationer; en är en hybridmodell som kombinerar fysikaliska principer med datadrivna metoder, såsom CoSMoS-COAST och LX-Shore; och den andra är en datadriven modell som helt förlitar sig på statistiska eller maskininlärningstekniker, såsom LSTM-nätverk och transformatorarkitekturer.
Trots den stora variationen av modeller har bristen på enhetliga utvärderingskriterier gjort det svårt att jämföra prestanda. Vilken modell erbjuder de mest exakta förutsägelserna? ShoreShop2.0:s blindtesttävling ger ett perfekt tillfälle för tvärvetenskapliga jämförelser.
Den internationella blindtesttävlingen ShoreShop2.0 är en mycket rigorös form av vetenskapligt samarbete. Deltagande team informeras endast om testplatsen, vilket är ett kodnamn för en vik eller strand. Viktig information som dess plats och faktiska namn är dold för att förhindra att förkunskaper påverkar modellkalibreringen. Dessutom hålls data konfidentiella i sektioner, där data från 2019-2023 (kortsiktigt) och 1951-1998 (medellångsiktigt) avsiktligt undanhålls. Modellerna förutsäger sedan kortsiktiga och medellångsiktiga kustlinjeförändringar och verifierar slutligen deras noggrannhet med hjälp av de konfidentiella uppgifterna. Denna design möjliggör tvärvetenskapliga jämförelser av kustmodeller under helt okända förhållanden.
Trettiofyra forskargrupper från 15 länder skickade in modeller, bestående av 12 datadrivna modeller och 22 hybridmodeller. Dessa grupper kom från institutioner i USA, Australien, Japan, Frankrike och andra länder. De inskickade modellerna saknade dock kommersiella modeller som GENESIS och de fysikbaserade modellerna Delft3D och MIKE21.
En jämförelse visade att de bäst presterande modellerna för kortsiktiga femårsprognoser var CoSMoS-COAST-CONV_SV (hybridmodell), GAT-LSTM_YM (datadriven modell) och iTransformer-KC (datadriven modell). Dessa modeller uppnådde rotmedelskvadratfel på cirka 10 meter, jämförbart med det inneboende felet på 8,9 meter i satellitbaserad fjärranalys av kustdata. Detta indikerar att modellernas prediktiva förmåga för vissa stränder närmar sig gränserna för observationstekniken. Naturligtvis kunde andra modeller bättre fånga kustlinjeförändringar.
Ett överraskande fynd var att hybridmodellen presterade jämförbart med den datadrivna modellen. CoSMoS-COAST-CONV_SV (hybridmodell) kombinerar fysikaliska processer och faltningsoperationer, medan GAT-LSTM_YM (datadriven modell) använder ett grafiskt uppmärksamhetsnätverk för att fånga rumsliga korrelationer. Båda modellerna presterade väl.
När det gäller medellångsiktiga prognoser ger LX-Shore-serien (hybridmodeller) de förutsägelser som ligger närmast uppmätta data. Genom att koppla sedimenttransportprocesser längs kusten och i sidled bibehåller dessa modeller långsiktig stabilitet samtidigt som de visar de mest konsekventa svaren på extrema stormhändelser med uppmätta data. Förutsägelser från dessa modeller indikerar att en enda kraftig storm kan orsaka en övergående strandlinjeåtergång på upp till 15–20 meter, med en fullständig återhämtning som potentiellt tar två till tre år. CoSMoS-COAST-serien erbjuder utmärkt stabilitet, medan andra modeller kan drabbas av långsiktig avdrift och överrespons.
Modellresultaten indikerar attdatakvalitetär en viktig begränsande faktor för modellens prestanda. Även om satellitbaserad fjärranalysdata täcker ett stort område, är dess tidsmässiga upplösning låg, vanligtvis veckovis till månadsvis, vilket gör det svårt att fånga snabb återhämtning efter stormar. Dessutom påverkas den momentana vattenkanten av våguppgång och tidvatten, vilket leder till övergående fel som kan påverka modellens förutsägelser.
Studien fann att spatiotemporal datautjämning, såsom användning av robusta tvådimensionella filtreringstekniker, kan förbättra modellens prestanda avsevärt. Senare inlämnade icke-blinda testmodeller minskade det genomsnittliga felet med 15 % genom optimerad dataförbehandling.
Robust 2D Smoothing är en avancerad signalbehandlingsmetod som är specifikt utformad för att bearbeta brus i satellitdata från kusten. I huvudsak är det en iterativ filtreringsalgoritm baserad på viktade minstakvadrater och är mycket robust mot extremvärden som transient vågbrus i satellitbilder.
En annan faktor som är avgörande för modellprognoser är noggrannheten i vågdata nära kusten. För närvarande lider vågdata av olika fel, inklusive fel i omvandlingen nära kusten av global vågåteranalysdata, fel som orsakas av att vågparametrar extraheras vid 10-metersisobaten snarare än brytningszonen, och underskattning av effekten av extrema händelser genom att använda dagliga genomsnittliga vågförhållanden. Dessa fel kan alla påverka modellprognoser.
För långsiktiga förutsägelser förlitar sig de flesta modeller på den klassiska Brownska lagen för att uppskatta effekterna av havsnivåhöjning. Denna lag antar dock en oändlig och balanserad sedimenttillförsel och ignorerar effekterna av sedimenttransport till havs eller mänskliga aktiviteter, såsom strandnäring. Detta kan leda till betydande modellförskjutningar.
Baserat på jämviktsprofilteorin ger Browns lag ett linjärt samband mellan havsnivåhöjning och strandlinjes reträtt. Denna teori antar att en kustprofil bibehåller en jämviktsform. När havsnivån stiger tvingar det ökande ackommodationsutrymmet denna jämviktsprofil att förskjutas landåt för att bibehålla sin form i förhållande till den nya havsnivån. Följaktligen antar teorin att när kustprofilen förskjuts landåt eroderas det övre strandlagret och det eroderade materialet avsätts till havs, vilket gör att den kustnära havsbotten stiger och därigenom bibehåller ett konstant vattendjup. Browns lag förutspår att kustlinjes reträtt kan vara 10 till 50 gånger större än havsnivåhöjningen, beroende på strandens lutning.
Denna studie ger en grund för att välja lämpliga verktyg baserat på specifika behov. Dessutom är förbehandling av data avgörande; korrekt databehandling kan ibland ha större inverkan än själva modellen. Med utgångspunkt i erfarenheterna från ShoreShop 2.0 kan förbättringar göras av satellit- och vågdata för att förbättra prediktionsnoggrannheten. Dessutom kan de okontrollerbara effekterna av artificiellt störda stränder i långsiktiga prognoser också påverka prediktionsresultaten avsevärt. Dessutom är bristen på deltagande från kommersiella modeller som GENESIS, Delft3D och MIKE21 ett betydande problem.
Väktare av den blå gränsen: Frankstars 11-åriga uppdrag att skydda våra hav och klimatet
I över ett decennium har Frankstar legat i framkant inom förvaltning av marin miljö och utnyttjat spjutspetsteknik och vetenskaplig noggrannhet för att leverera oöverträffad havs- och hydrologisk data. Vårt uppdrag går utöver ren datainsamling – vi är arkitekter bakom en hållbar framtid och ger institutioner, universitet och regeringar världen över möjlighet att fatta välgrundade beslut för vår planets hälsa.
Publiceringstid: 11 augusti 2025