Com as mudanças climáticas levando à elevação do nível do mar e à intensificação das 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 as 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 da arte atual na modelagem de linhas costeiras.
A linha costeira é a fronteira dinâmica onde a terra encontra o mar, em constante mudança devido às ondas, marés, tempestades e à elevação do nível do mar. Aproximadamente 24% das linhas costeiras arenosas em todo o mundo estão recuando a uma taxa superior a 0,5 metros por ano, e em algumas áreas, como a costa do Golfo do México, nos EUA, a taxa anual de erosão é ainda maior que 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 em longos períodos de tempo são ainda mais desafiadoras.
Os modelos modernos de previsão de linhas costeiras podem ser divididos em três categorias: uma baseada em simulação física, como o Delft3D e o MIKE21, que utilizam mecânica de fluidos e equações de transporte de sedimentos; outra é um modelo híbrido que combina princípios físicos com métodos orientados por dados, como o CoSMoS-COAST e o LX-Shore; e a terceira é um modelo orientado por dados que se baseia inteiramente em 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 tem dificultado a comparação de desempenho. Qual modelo oferece as previsões mais precisas? A competição de teste cego ShoreShop2.0 proporciona 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 essenciais, 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 seções, com dados de 2019-2023 (curto prazo) e 1951-1998 (médio prazo) intencionalmente retidos. Os modelos, então, preveem mudanças na linha costeira em curto e médio prazo, verificando, por fim, sua precisão usando os dados confidenciais. Essa estrutura 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 eram de instituições dos Estados Unidos, Austrália, Japão, França e outros países. No entanto, os modelos submetidos não incluíam 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 o CoSMoS-COAST-CONV_SV (modelo híbrido), o GAT-LSTM_YM (modelo baseado em dados) e o 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 de observação. Naturalmente, outros modelos foram capazes de capturar melhor as mudanças na linha costeira.
Uma descoberta surpreendente foi que o modelo híbrido apresentou 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 gráfica 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 lateralmente, esses modelos mantêm a estabilidade a longo prazo, apresentando as respostas mais consistentes a eventos de tempestades extremas em relação aos 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 podendo levar de dois a três anos. A série CoSMoS-COAST oferece excelente estabilidade, enquanto outros modelos podem sofrer com deriva a longo prazo e resposta exagerada.
Os resultados do modelo indicam quequalidade dos dadosé um fator limitante crucial no desempenho do modelo. Embora os dados de sensoriamento remoto por satélite cubram uma área ampla, sua resolução temporal é baixa, tipicamente semanal a mensal, o que dificulta a captura da rápida recuperação pós-tempestade. Além disso, a linha d'água instantânea é afetada pela subida das ondas e pelas marés, levando a erros transitórios que podem afetar as previsões do modelo.
O estudo constatou que o alisamento de dados espaço-temporais, como o uso de técnicas robustas de filtragem bidimensional, pode melhorar significativamente o desempenho do modelo. Posteriormente, modelos de teste não cegos apresentaram uma redução de 15% no erro médio por meio do pré-processamento otimizado dos dados.
O Robust 2D Smoothing é um método avançado de processamento de sinais projetado especificamente para lidar com ruídos em dados de satélite de linhas costeiras. Essencialmente, trata-se de um algoritmo de filtragem iterativo baseado em mínimos quadrados ponderados, altamente robusto a valores discrepantes, como ruídos de ondas transitórias 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 diversos 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 arrebentação e a subestimação do impacto de eventos extremos pelo uso de condições médias diárias de 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 para o mar aberto ou atividades humanas, como o aterro de praias. Isso pode levar a vieses significativos nos modelos.
Baseada na teoria do perfil de equilíbrio, a lei de Brown estabelece uma relação linear entre a elevação do nível do mar e o recuo da linha costeira. Essa teoria postula que um perfil costeiro mantém uma forma de equilíbrio. À medida que o nível do mar sobe, o aumento do espaço disponível força esse perfil de equilíbrio a deslocar-se em direção ao continente para manter sua forma em relação ao novo nível do mar. Consequentemente, a teoria postula que, conforme o perfil costeiro se desloca em direção ao continente, a camada superior da praia é erodida e o material erodido é depositado no mar, causando a elevação do fundo marinho próximo à costa e, assim, mantendo uma profundidade constante. A lei de Brown prevê que o recuo costeiro pode ser de 10 a 50 vezes maior que a elevação do nível do mar, dependendo da inclinação 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 dos dados pode, por vezes, ter um impacto maior do que o próprio modelo. Com base na experiência adquirida com o ShoreShop 2.0, podem ser feitas melhorias nos dados de satélite e de ondas para aumentar a precisão das previsões. Ademais, os efeitos incontroláveis das praias artificialmente perturbadas nas previsões de longo prazo também podem impactar significativamente os resultados das previsões. Além disso, 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 o 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.
Data da publicação: 11 de agosto de 2025