Với biến đổi khí hậu dẫn đến mực nước biển dâng cao và bão tố dữ dội hơn, các đường bờ biển trên toàn cầu đang đối mặt với nguy cơ xói mòn chưa từng có. Tuy nhiên, việc dự đoán chính xác sự thay đổi đường bờ biển là một thách thức, đặc biệt là các xu hướng dài hạn. Gần đây, nghiên cứu hợp tác quốc tế ShoreShop2.0 đã đánh giá hiệu suất của 34 mô hình dự đoán đường bờ biển thông qua thử nghiệm mù, tiết lộ hiện trạng của công nghệ mô hình hóa đường bờ biển.

Đường bờ biển là ranh giới năng động nơi đất liền gặp biển, liên tục thay đổi do sóng, thủy triều, bão và mực nước biển dâng cao. Khoảng 24% đường bờ biển cát trên toàn thế giới đang bị xói mòn với tốc độ vượt quá 0,5 mét mỗi năm, và ở một số khu vực, chẳng hạn như vùng Vịnh Mexico của Hoa Kỳ, tốc độ xói mòn hàng năm thậm chí còn lớn hơn 20 mét.

Dự đoán sự thay đổi đường bờ biển vốn dĩ rất khó khăn và phức tạp, đòi hỏi phải xem xét sự tương tác của nhiều yếu tố, bao gồm năng lượng sóng, vận chuyển trầm tích và mực nước biển dâng. Việc dự đoán chính xác trong thời gian dài thậm chí còn khó khăn hơn.

Các mô hình dự đoán đường bờ biển hiện đại có thể được chia thành ba loại: một loại dựa trên mô phỏng vật lý, chẳng hạn như Delft3D và MIKE21 dựa trên cơ học chất lỏng và các phương trình vận chuyển trầm tích; một loại là mô hình lai kết hợp các nguyên tắc vật lý với các phương pháp dựa trên dữ liệu, chẳng hạn như CoSMoS-COAST và LX-Shore; và loại còn lại là mô hình dựa trên dữ liệu hoàn toàn dựa vào các kỹ thuật thống kê hoặc học máy, chẳng hạn như mạng LSTM và kiến ​​trúc Transformer.

Mặc dù có rất nhiều mô hình khác nhau, việc thiếu các tiêu chí đánh giá thống nhất đã gây khó khăn cho việc so sánh hiệu suất. Mô hình nào đưa ra dự đoán chính xác nhất? Cuộc thi kiểm thử mù ShoreShop2.0 cung cấp cơ hội hoàn hảo cho việc so sánh liên ngành.

Cuộc thi thử nghiệm mù quốc tế ShoreShop2.0 là một hình thức hợp tác khoa học vô cùng nghiêm ngặt. Các đội tham gia chỉ được thông báo về địa điểm thử nghiệm, đó là một tên mã của một vịnh hoặc bãi biển. Thông tin quan trọng như vị trí và tên thật của địa điểm được giữ bí mật để ngăn chặn kiến ​​thức có sẵn ảnh hưởng đến việc hiệu chỉnh mô hình. Hơn nữa, dữ liệu được giữ bí mật theo từng phần, với dữ liệu từ năm 2019-2023 (ngắn hạn) và 1951-1998 (trung hạn) được cố tình giữ kín. Sau đó, các mô hình dự đoán sự thay đổi đường bờ biển trong ngắn hạn và trung hạn, cuối cùng xác minh độ chính xác của chúng bằng cách sử dụng dữ liệu bí mật. Thiết kế này cho phép so sánh liên ngành các mô hình ven biển trong điều kiện hoàn toàn không xác định.

Ba mươi bốn nhóm nghiên cứu từ 15 quốc gia đã gửi mô hình, bao gồm 12 mô hình dựa trên dữ liệu và 22 mô hình lai. Các nhóm này đến từ các tổ chức ở Hoa Kỳ, Úc, Nhật Bản, Pháp và các quốc gia khác. Tuy nhiên, các mô hình được gửi thiếu các mô hình thương mại như GENESIS và các mô hình dựa trên vật lý như Delft3D và MIKE21.

So sánh cho thấy các mô hình hoạt động tốt nhất trong dự báo ngắn hạn 5 năm là CoSMoS-COAST-CONV_SV (mô hình lai), GAT-LSTM_YM (mô hình dựa trên dữ liệu) và iTransformer-KC (mô hình dựa trên dữ liệu). Các mô hình này đạt được sai số bình phương trung bình (RMSE) khoảng 10 mét, tương đương với sai số vốn có là 8,9 mét trong dữ liệu đường bờ biển từ vệ tinh viễn thám. Điều này cho thấy đối với một số bãi biển, khả năng dự đoán của các mô hình đang tiến gần đến giới hạn của công nghệ quan sát. Tất nhiên, các mô hình khác có khả năng nắm bắt sự thay đổi đường bờ biển tốt hơn.

Một phát hiện đáng ngạc nhiên là mô hình lai cho hiệu suất tương đương với mô hình dựa trên dữ liệu. CoSMoS-COAST-CONV_SV (mô hình lai) kết hợp các quá trình vật lý và các phép toán tích chập, trong khi GAT-LSTM_YM (mô hình dựa trên dữ liệu) sử dụng mạng chú ý đồ thị để nắm bắt các mối tương quan không gian. Cả hai mô hình đều hoạt động tốt.

Về dự báo trung hạn, chuỗi mô hình LX-Shore (mô hình lai) cung cấp các dự đoán sát nhất với dữ liệu đo được. Bằng cách kết hợp các quá trình vận chuyển trầm tích dọc bờ và ngang, các mô hình này duy trì tính ổn định lâu dài đồng thời thể hiện phản ứng nhất quán nhất với các sự kiện bão cực đoan so với dữ liệu đo được. Các dự đoán từ các mô hình này cho thấy một cơn bão mạnh có thể gây ra sự rút lui tạm thời của đường bờ biển lên đến 15-20 mét, với thời gian phục hồi hoàn toàn có thể mất từ ​​hai đến ba năm. Chuỗi mô hình CoSMoS-COAST cung cấp tính ổn định tuyệt vời, trong khi các mô hình khác có thể bị ảnh hưởng bởi sự trôi dạt dài hạn và phản ứng quá mức.

Kết quả mô hình cho thấy rằngchất lượng dữ liệuĐộ phân giải thời gian là một yếu tố hạn chế quan trọng đối với hiệu suất của mô hình. Mặc dù dữ liệu viễn thám vệ tinh bao phủ một khu vực rộng lớn, nhưng độ phân giải thời gian của nó thấp, thường chỉ từ hàng tuần đến hàng tháng, khiến việc nắm bắt quá trình phục hồi nhanh chóng sau bão trở nên khó khăn. Hơn nữa, mép nước tức thời bị ảnh hưởng bởi sóng dâng và thủy triều, dẫn đến các lỗi tạm thời có thể ảnh hưởng đến dự đoán của mô hình.

Nghiên cứu cho thấy việc làm mịn dữ liệu không gian-thời gian, chẳng hạn như sử dụng các kỹ thuật lọc hai chiều mạnh mẽ, có thể cải thiện đáng kể hiệu suất của mô hình. Sau đó, các mô hình thử nghiệm không được che giấu thông tin đã giảm lỗi trung bình 15% thông qua quá trình tiền xử lý dữ liệu được tối ưu hóa.

Phương pháp làm mịn 2D mạnh mẽ (Robust 2D Smoothing) là một phương pháp xử lý tín hiệu tiên tiến được thiết kế đặc biệt để xử lý nhiễu trong dữ liệu vệ tinh đường bờ biển. Về cơ bản, nó là một thuật toán lọc lặp dựa trên phương pháp bình phương tối thiểu có trọng số, và có khả năng chống chịu cao với các giá trị ngoại lai như nhiễu sóng tạm thời trong ảnh vệ tinh.

Một yếu tố quan trọng khác đối với dự đoán của mô hình là độ chính xác của dữ liệu sóng ven bờ. Hiện nay, dữ liệu sóng đang gặp phải nhiều lỗi khác nhau, bao gồm lỗi trong quá trình chuyển đổi dữ liệu phân tích lại sóng toàn cầu thành dữ liệu ven bờ, sai lệch do việc trích xuất các thông số sóng tại đường đẳng sâu 10 mét thay vì vùng sóng vỡ, và việc đánh giá thấp tác động của các sự kiện cực đoan bằng cách sử dụng điều kiện sóng trung bình hàng ngày. Tất cả những lỗi này đều có thể ảnh hưởng đến dự đoán của mô hình.

Đối với các dự báo dài hạn, hầu hết các mô hình dựa vào định luật Brownian cổ điển để ước tính tác động của mực nước biển dâng. Tuy nhiên, định luật này giả định nguồn cung cấp trầm tích vô hạn và cân bằng, đồng thời bỏ qua ảnh hưởng của sự vận chuyển trầm tích ngoài khơi hoặc các hoạt động của con người, chẳng hạn như bồi đắp bãi biển. Điều này có thể dẫn đến sai lệch đáng kể trong mô hình.

Dựa trên lý thuyết về hình dạng cân bằng, định luật Brownian đưa ra mối quan hệ tuyến tính giữa mực nước biển dâng và sự xói mòn bờ biển. Lý thuyết này cho rằng hình dạng bờ biển duy trì trạng thái cân bằng. Khi mực nước biển dâng cao, không gian chứa nước tăng lên buộc hình dạng cân bằng này phải dịch chuyển vào đất liền để duy trì hình dạng của nó so với mực nước biển mới. Do đó, lý thuyết này cho rằng khi hình dạng bờ biển dịch chuyển vào đất liền, lớp bãi biển phía trên bị xói mòn, và vật liệu bị xói mòn được lắng đọng ngoài khơi, làm cho đáy biển gần bờ dâng lên, từ đó duy trì độ sâu nước không đổi. Định luật Brownian dự đoán rằng sự xói mòn bờ biển có thể lớn hơn mực nước biển dâng từ 10 đến 50 lần, tùy thuộc vào độ dốc của bãi biển.

Nghiên cứu này cung cấp cơ sở để lựa chọn các công cụ phù hợp dựa trên nhu cầu cụ thể. Hơn nữa, xử lý dữ liệu sơ bộ là rất quan trọng; việc xử lý dữ liệu đúng cách đôi khi có thể có tác động lớn hơn cả chính mô hình. Dựa trên kinh nghiệm thu được từ ShoreShop 2.0, có thể cải thiện dữ liệu vệ tinh và dữ liệu sóng để nâng cao độ chính xác dự báo. Hơn nữa, các tác động không thể kiểm soát của các bãi biển bị xáo trộn nhân tạo trong dự báo dài hạn cũng có thể ảnh hưởng đáng kể đến kết quả dự báo. Ngoài ra, việc thiếu sự tham gia của các mô hình thương mại như GENESIS, Delft3D và MIKE21 là một vấn đề đáng kể.

​Những người bảo vệ biên giới biển xanh: Sứ mệnh 11 năm của Frankstar nhằm bảo vệ đại dương và khí hậu của chúng ta.

Hơn một thập kỷ qua, Frankstar luôn đi đầu trong công tác bảo vệ môi trường biển, tận dụng công nghệ tiên tiến và sự chặt chẽ về khoa học để cung cấp dữ liệu đại dương và thủy văn vô song. Sứ mệnh của chúng tôi không chỉ đơn thuần là thu thập dữ liệu—chúng tôi là những người kiến ​​tạo tương lai bền vững, giúp các tổ chức, trường đại học và chính phủ trên toàn thế giới đưa ra những quyết định sáng suốt vì sức khỏe của hành tinh chúng ta.