Automatic calibration of hydrodynamic models for fringing reefs

Abstract

As global sea levels rise and storm frequency and intensity shift due to climate change, tropical coral reef-lined coasts are becoming increasingly susceptible to wave-driven flooding. In addition, coral reefs, which are essential for coastal protection, are deteriorating due to ocean acidification and other environmental stressors, thereby weakening their ability to dissipate wave energy. In this scenario, accurate downscaled predictions of nearshore wave processes are vital for reducing the susceptibilities of these environments and developing adequate adaptation strategies. To achieve these accurate predictions, traditionally, forecasting tools relied on modeling coastal dynamics using high-fidelity numerical models. While these models provide detailed simulations, they are costly in terms of computational resources when applied under a dynamic downscaling approach. To overcome this limitation, hybrid approaches, also known as metamodels, have been developed. These metamodels combine numerical models with statistical techniques, aiming to reduce computational costs by predicting wave behavior with fewer exhaustive simulations. However, the accuracy achieved by these approaches is highly dependent on the correct estimation of certain calibration coefficients of the numerical models. A calibration process commonly involves comparing real measurements with the numerical model outputs to identify the most accurate set of calibration coefficients. The longer the observations and the greater the number of coefficients to be calibrated, the more the number of required simulations increases exponentially, which can lead to significant computational effort and make it difficult to obtain accurate results. To address these challenges, this project introduces CHySwash, an advanced methodology that builds upon the foundation of its predecessor, HySwash (Ricondo et al., 2024). CHySwash is designed to streamline the calibration of numerical models, significantly reducing the time and computational resources typically required. It achieves this by integrating advanced techniques, including sampling, clustering, and interpolation, alongside an automatic calibration process powered by the Shuffled Complex Evolution optimization algorithm, renowned for its effectiveness in parameter optimization. The proposed methodology is applied in a monitored coral reef-lined coast, Molokai, Hawaii. Specifically, we aim to predict the optimal wave breaking and friction coefficients, which govern the wave breaking process and the dissipation of wave energy.

A medida que el nivel global del mar aumenta y la frecuencia e intensidad de las tormentas varían debido al cambio climático, las costas tropicales protegidas por arrecifes de coral se vuelven cada vez más vulnerables a las inundaciones. Además, estos arrecifes de coral, que son esenciales para la protección costera, se están deteriorando debido a factores como la acidificación del océano y otro tipo de impactos ambientales, debilitando así su capacidad para disipar la energía de las olas. En este contexto, las predicciones precisas de los procesos de oleaje cercanos a la costa son cruciales para mitigar las vulnerabilidades de estos ecosistemas y desarrollar estrategias de adaptación adecuadas. Con el fin de obtener dichas predicciones precisas, tradicionalmente, se ha dependido de la modelización de la dinámica costera a través de modelos numéricos de alta fidelidad. Si bien estos modelos proporcionan simulaciones muy detalladas, son costosos en términos de recursos computacionales. Para superar esta limitación, se han desarrollado enfoques híbridos, también conocidos como metamodelos. Estos metamodelos combinan modelos numéricos con técnicas estadísticas, con el objetivo de reducir los costos computacionales al predecir el comportamiento de las olas con menos simulaciones necesarias. Sin embargo, la precisión que se alcanza con estos enfoques depende en gran medida de la correcta estimación de ciertos coeficientes de calibración de los modelos numéricos. El proceso de calibración comúnmente implica comparar mediciones reales con los resultados obtenidos del modelo numérico para identificar la combinación más precisa de dichos coeficientes de calibración. Cuanto más largas sean las observaciones y mayor sea el número de coeficientes a calibrar, mayor será el número de simulaciones necesarias, lo que puede conllevar un esfuerzo computacional significativo y dificultar la obtención de resultados precisos. Para abordar estos desafíos, este proyecto introduce CHySwash, una metodología avanzada basada en los fundamentos de su predecesor, HySwash (Ricondo et al., 2024). CHySwash está diseñado para agilizar la calibración de modelos numéricos, reduciendo significativamente el tiempo y los recursos computacionales típicamente necesarios. Lo logra integrando técnicas avanzadas, como el muestreo, la agrupación y la interpolación, junto con un proceso de calibración automático impulsado por el algoritmo de optimización Shuffled Complex Evolution, conocido por su efectividad en la optimización de parámetros. La metodología propuesta se implementa en una costa rodeada por arrecifes de coral en Molokai, Hawái, donde se ha llevado a cabo un monitoreo exhaustivo. Nuestro objetivo es estimar los coeficientes óptimos de rotura de olas y fricción del coral, los cuales regulan el proceso de rotura y la disipación de la energía de las olas.