IHCantabria desarrolla un estudio para aprovechar el potencial de los datos en la modelización de la línea de costa
Evento extremo ocurrido en marzo del 2014, frente a la costa de Santander. Fuente: IHCantabria
La aplicación de sus resultados permite mejorar la cuantificación del riesgo costero a diversas escalas temporales, desde proyecciones operativas a corto plazo hasta gemelos digitales, para contribuir a la adaptación de la costa al cambio climático
¿Cuántas observaciones, con qué frecuencia y precisión son necesarias para obtener proyecciones robustas de la posición de la línea de costa? ¿Cuál es el conocimiento del sistema requerido para predecir correctamente su funcionamiento? ¿Cuál es el mejor algoritmo de asimilación para una aplicación determinada?, son algunas de las preguntas que se responden en un artículo recientemente publicado en la revista científica Environmental Research Letters, titulado: “Which data assimilation method to use and when: unlocking the potential of observations in shoreline modelling”.
Predecir cómo reaccionan las playas ante los cambios registrados en el oleaje, el nivel del mar y las actuaciones humanas es uno de los principales retos que ha afrontado y afronta la Ingeniería de Costas. “En un contexto dominado por el reciente aumento de los datos disponibles, resulta necesario integrarlos para garantizar la robustez de las predicciones. La asimilación de datos permite combinar las observaciones con las ecuaciones físicas que describen los procesos, para que éstos puedan representar mejor el mundo real observado”, señala Alexandra Toimil.
El principal objetivo del estudio fue mejorar las proyecciones de evolución de la línea de costa, integrando observaciones disponibles. Para ello, desde IHCantabria se analizó el rendimiento de distintos algoritmos de asimilación de observaciones, teniendo en cuenta varias características de la campaña de medida −como precisión, duración o frecuencia− y del sistema, como conocimiento inicial o evolución estacionaria, o no.
En cuanto a la metodología, tras implementar los distintos métodos de asimilación en el contexto de la predicción de la línea de costa, el análisis del rendimiento de los algoritmos de asimilación se realiza mediante el procedimiento de experimentos gemelos. “Esta metodología consiste en generar una simulación sintética, con unos parámetros de referencia sin asimilar observaciones. A continuación, se alteran los parámetros de referencia y se lleva a cabo una simulación asimilando observaciones obtenidas a partir de la simulación de referencia. Comparando la simulación alterada con asimilación con la simulación de referencia, se analiza el rendimiento de los distintos algoritmos y su sensibilidad, ante distintas características de las observaciones y del conocimiento del sistema”. Así lo explica Moisés Álvarez Cuesta.
La aplicación fundamental de los resultados de este estudio es la mejora en la cuantificación del riesgo costero a múltiples escalas temporales, desde sistemas operacionales de proyección de peligros costeros en el corto plazo hasta gemelos digitales para la adaptación costera en la escala del cambio climático, apunta Iñigo J. Losada. Una aportación al conocimiento relevante es la trasposición, por primera vez, de técnicas de asimilación empleadas fundamentalmente en predicción atmosférica al estudio de la posición de la línea de costa. Asimismo, el estudio también analiza de forma sistemática los principales procesos costeros que dan forma a las playas y se propone una guía para la selección del algoritmo de asimilación más apropiado en función de las observaciones disponibles y de las características del propio sistema a simular.
El equipo de investigación de este estudio estuvo integrado por Moisés Álvarez-Cuesta, Alexandra Toimil e Íñigo J. Losada, quienes planean extender su análisis a otros impactos costeros relevantes y trabajar en la construcción de un gemelo digital para la adaptación de la costa. Esta investigación forma parte del proyecto titulado “Bases científico-técnicas de un gemelo digital para el análisis del riesgo del cambio climático de la costa y su adaptación” (GDICOAST), en el marco del Programa de Ciencias Marinas (PCM, programa ThinkInAzul, financiado con fondos de la Unión Europea NextGenerationEU/PRTR-C17.I1).
Para obtener más información sobre el estudio y el contenido completo del artículo publicado en la revista Environmental Research Letters, puede visitar el siguiente enlace: https://iopscience.iop.org/article/10.1088/1748-9326/ad3143
