Resumen de Respuesta morfodinámica litoral debida a la evolución climática

José Antonio Álvarez Antolínez

• español

  Esta tesis propone nuevas metodologías y modelos para la evaluación de los impactos en el sistema costero integrando diferentes escalas espaciales y temporales de variabilidad en respuesta a variaciones climáticas a escala regional (cuenca oceánica). En primer lugar, presentamos un marco general para simular y reducir la dimensionalidad de los forzamientos de oleaje para su uso en modelos morfodinámicos teniendo en cuenta la variabilidad climática. A continuación, definimos un nuevo modelo de ``downscaling estadístico'' para estimar el clima de oleaje a partir de campos de presión atmosférica a nivel del mar, teniendo en cuenta la relación espacio-temporal y, por lo tanto, representando las familias de oleaje. Después, proponemos una metodología híbrida para proyectar la variabilidad climática observada (o futura) a nivel regional en el clima de oleaje local y con ello en la respuesta asociada del sistema costero, e investigamos los cambios en las formas de gran escala presentes en la costa de North y South Carolina (EE.UU.) desde 1870 hasta la actualidad. Finalmente, presentamos un modelo de evolución de línea de costa y erosión de duna teniendo en cuenta procesos longitudinales y de perfil en múltiples escalas de variabilidad temporal, incorporando el efecto del oleaje y el nivel del mar.

  Motivación Durante milenios, el clima de nuestro planeta ha estado oscilando continuamente. El último informe del IPCC (2013) confirma que el cambio climático es inequívoco, evidente y sin precedentes durante décadas o milenios: el calentamiento de la atmósfera y el océano, la disminución de las capas de hielo y el aumento del nivel del mar. Estos cambios son reflejados en la extensión del océano (nivel del mar), su contenido (distribución de calor y sal) y su comportamiento (clima de oleaje y patrones de circulación); y, en consecuencia, sus impactos en la costa. Las costas son sistemas que están entre los más dinámicos de la Tierra y los procesos costeros naturales las moldean de dos maneras: por la acción de eventos extremos (por ejemplo, inundaciones por marea meteorológica y temporales de oleaje) y por la acción crónica de eventos causantes de erosión/acreción costera. A su vez, el clima de la Tierra exhibe variaciones cíclicas, entre las que se incluyen la secuenciación temporal y agrupación de eventos extraordinarios de oleaje, oscilaciones estacionales e inter-anuales y decadales de varios tipos. Estos ciclos se superponen en un entorno de cambio climático acelerado derivado de actividades humanas (IPCC, 2013). Toda esta variabilidad -los ciclos y la tendencia- ocasionan cambios en la posición de la línea de costa y su forma en planta (e.g. Antolínez et al. (2018); Coco et al. (2014); Davidson et al. (2010); Moore et al. (2013); Ruggiero et al. (2010a, 2016); Vitousek et al. (2017a)). El aumento acelerado del nivel del mar y su contribución en la recesión costera también conducen a la erosión costera en el largo plazo (e.g. Bruun (1962); Cowell et al.

  (2003a,b); Moore et al. (2010); Ranasinghe and Stive (2009); Wolinsky and Murray (2009)).

  Se ha estimado que un 10% de la población mundial vive en la zona costera por debajo de una elevación igual a 10 m (Nicholls and Cazenave, 2010), en entornos que se encuentran entre los más dinámicos de la Tierra. Y que aproximadamente mil millones de la población mundial vivirán en la zona costera para el final del Siglo 21 (Neumann et al., 2015). Nuestras playas actúan como defensa, protegiendo a las personas y las infraestructuras de la inundación y de la acción del oleaje (Tonnon et al., 2018). Las playas desempeñan un papel importante en la economía de muchas regiones (Kildow et al., 2014), desarrollando áreas especializadas en actividades recreativas, deportes, turismo, etc. Pero también constituyen ecosistemas donde los hábitats pueden verse afectados (Biel et al., 2017; Seabloom et al., 2012). Los cambios en la posición de la línea de costa durante años o décadas pueden ser drásticos y costosos. Por ello, una predicción fideligna de la evolución costera a corto y largo plazo es decisiva para llevar a cabo una correcta planificación de las políticas de adaptación ante las previsiones de cambio climático y aumento del nivel del mar. Sin embargo, comprender y modelar el comportamiento a corto y largo plazo del sistema costero permanece siendo un gran desafío.

  Estado del conocimiento Esta tesis propone nuevas metodologías y modelos para la evaluación de los impactos en el sistema costero integrando diferentes escalas espaciales y temporales de variabilidad en respuesta a variaciones climáticas a escala regional (cuenca oceánica). Aunque existen numerosas técnicas para el modelado costero, los modelos de transporte de sedimento a menudo carecen de ecuaciones de gobierno sólidas que describan procesos a pequeña escala como el movimiento de granos de arena individuales, debido a la alta complejidad a la hora de resolver adecuadamente el medio donde se desarrollan estos procesos (es decir, un fluido), la dificultad para reproducir las interacciones entre partículas discretas o también la forma en que las partículas se auto-organizan para generar patrones en las formas del lecho que a su vez influyen en la hidrodinámica (Cheng et al., 2017). Por lo tanto, los modelos que tratan el transporte de sedimento a menudo se basan en ecuaciones obtenidas a través de una combinación de diferentes experimentos físicos. Para explicar la evolución costera es habitual utilizar uno de los siguientes modelos o enfoques: basado en datos o empírico, basado en la caracterización de los procesos y basado en la física de los procesos. El enfoque basado en datos también conocido como modelos empíricos explican el cambio en la posición de la línea de costa a través de observaciones en su comportamiento (Dolan et al., 1978; Fenster and Dolan, 1994; Miller and Dean, 2007a,b; Ruggiero et al., 2016; van de Lageweg et al., 2013). Aunque son los más representativos para reproducir los procesos morfológicos, están limitados por la disponibilidad de datos históricos, por la frecuencia en la toma de datos, y por la extensión en el tiempo de los datos. Los modelos basados en procesos a menudo caracterizan procesos físicos dominantes, e.g. gradientes de transporte de sedimento a lo largo de la costa (Ashton et al., 2001, 2002; Ashton and Murray, 2006a,b; Falqués et al., 2017; Idier et al., 2011; Kaergaard and Fredsoe, 2013a,b; Murray and Ashton, 2013), cambios en el perfil de playa dominados por la acción del oleaje (Davidson et al., 2010, 2013; Splinter et al., 2013, 2014; Yates et al., 2009, 2010), la respuesta del perfil de playa a cambios de medio plazo en los niveles del mar y del oleaje (Aagaard, 2014; Kriebel and Dean, 1993; Larson et al., 2016; Miller and Dean, 2004; Patterson and Nielsen, 2016) o el ajuste del perfil de playa debido al aumento del nivel del mar en el largo plazo (Bruun, 1962). Los modelos basados en procesos suelen ser precisos y de bajo costo computacional, sin embargo, generalmente se enfocan en resolver solamente uno de los procesos físicos. Recientemente, Vitousek et al. (2017b) han presentado un modelo híbrido compuesto por un modelo de una línea teniendo en cuenta el transporte longitudinal de sedimento, un modelo de perfil de equilibrio costero y un modelo de reajuste del perfil de equilibrio por aumento del nivel del mar. Aunque cubre una amplia gama de procesos importantes para comprender el comportamiento costero, y la técnica de asimilación de datos implementada ha mejorado la precisión en las comparaciones con las observaciones disponibles; en este modelo variaciones del nivel del mar diferentes al aumento del nivel del mar de largo plazo no tendrán un efecto en las tasas de erosión-acreción costera, cuando es sabido que la variabilidad estacional en los niveles del mar ha tenido históricamente un gran impacto en el retroceso de la línea costa (Barnard et al., 2017). Los modelos basados en la física de los procesos pretenden resolver ecuaciones de gobierno (por ejemplo, la conservación de masa, de momento y de la energía) para la hidrodinámica, el oleaje, el transporte de sedimentos y la evolución morfológica. Algunos ejemplos de modelos que intentan resolver los procesos físicos importantes involucrados en la evolución costera son ROMS (Warner et al., 2010), Mike21 (Kaergaard and Fredsoe, 2013c; Warren and Bach, 1992), Delft3D (Roelvink and Van Banning, 1994) o XBeach (Roelvink et al., 2010). Los modelos basados en la física de los procesos son robustos, aunque normalmente inducen errores de discretización; y generalmente requieren un alto esfuerzo computacional. Desde el punto de vista del modelado de largo plazo, y para evitar estos problemas cuando se trata de predecir el comportamiento costero utilizando este tipo de modelos, se han desarrollado varias técnicas de aceleración que incluyen la reducción de modelos, y la reducción de la dimensionalidad de los forzamientos, juntamente con técnicas orientadas a reproducir el comportamiento general del sistema (de Vriend et al., 1993a,b).

  Existen diferentes técnicas de reducción de la dimensionalidad de los forzamientos, como el ‘Multiple Representative Wave’ (MRW) (Steijn, 1992) y el ‘Simple Representative Wave’ (SRW) (Chesher and Miles, 1992), que intentan reconstruir las características del forzamiento de oleaje medido. Southgate (1995) demostró la importancia de tener en cuenta la cronolog_á de las olas. Chonwattana et al. (2005) proponen un método mejorado que conserva el flujo de energía de las olas. Recientemente, Walstra et al. (2013) muestran cómo mantener la frecuencia de ocurrencia y la cronología del clima de oleaje presente en la serie temporal original. Para simular los efectos a largo plazo de la marea, Latteux (1995) introdujo un enfoque para representar el ciclo completo de las mareas tomando un pequeño número de componentes de marea. Varias de las técnicas de reducción de la dimensionalidad de los forzamientos son esenciales en los modelos morfológicos de largo plazo propuestos por Roelvink (2006). Algunos ejemplos de la aplicación de estas técnicas son Lesser (2009) y el modelo híbrido de (Zhang et al., 2004). Como alternativa a las predicciones deterministas a largo plazo, Callaghan et al. (2008, 2013) proponen el uso de técnicas probabilísticas.

  El oleaje es la fuente de datos más común para usar como forzamiento de modelos de evolución costera. Sin embargo, los datos instrumentales de boya o satélite están limitados en el tiempo a las últimas décadas. Si queremos evaluar el cambio en la línea de costa producido por cambios en el clima de oleaje en una escala de tiempo de décadas a siglos, los datos de boya o satélite no son suficientes. Además, para mejorar los resultados a la hora de utilizar los datos de oleaje como forzamiento, éstos pueden ser agregados/sintetizados en una forma apropiada para un modelo en particular. Existen diferentes técnicas para sintetizar las condiciones del clima de oleaje local a partir de datos meteorológicos a escala regional, por ejemplo inferir el oleaje local a partir de los campos de presión atmosférica en superficie en un área cubriendo la cuenca oceánica. Estas técnicas son comúnmente conocidas con el nombre de ‘técnicas de downscaling’. Los campos de presión diarios podrían servir como condiciones de contorno para forzar modelos atmosféricos dinámicos que generen vientos, modelos de interacción océano-atmósfera generarían las olas, y modelos anidados de transformación del oleaje propagarían las olas a costa. Sin embargo, tal ‘downscaling dinámico’ es demasiado costoso desde el punto de vista computacional en estudios cubriendo escalas temporales de décadas a siglos. Por el contrario, existen modelos estadísticos (‘downscaling estadístico’, (Camus et al., 2014a; Laugel et al., 2014; Rueda et al., 2017; Wang et al., 2012)) o aplicaciones combinadas de modelos estadísticos y dinámicos (‘downscaling híbrido’, Camus et al. (2011a,b, 2014a,b)) que traducen campos de presión superficial diaria en distribuciones estadísticas de clima de oleaje -un enfoque que reproduce datos de clima de oleajes apropiados para usar como forzamientos en modelos de evolución costera, y con varios órdenes de magnitud en el coste computacional por debajo que los que incurrirían los modelos de ‘downscaling dinámico’.

  El ‘downscaling estadístico’ depende de la calidad en la definición del predictor (e.g. presión atmosférica a nivel del mar a escala regional) y del predictando (por ejemplo, las condiciones locales de oleaje). Un método comúnmente utilizado para definir este predictor a partir de campos de presión atmosférica a nivel del mar se presenta en Camus et al. (2014a). En ese trabajo, los campos regionales diarios de presión atmosférica a nivel del mar promediados durante un número óptimo de días definen el predictor de los parámetros diarios de oleaje en una localización particular (predictando). El rango espacial de dicho predictor abarca las áreas potenciales de generación del oleaje que puede viajar a dicha localización particular, y son identificadas mediante el modelo Estela (Pérez et al., 2014). La definición temporal del predictor tiene en cuenta el tiempo promedio de viaje de la energía del oleaje generada dentro del área potencial de generación de oleaje viajando a la zona de estudio, este tiempo característico de viaje es también identificado con Estela. En cuencas oceánicas más pequeñas, la región de generación de oleaje es relativamente pequeña. Por lo tanto, los tiempos característicos de viaje de la energía del oleaje generada dentro de la cuenca (i.e., energía lejana a la ubicación vs energía cercana a la ubicación) difieren en solo unos pocos días. Además, los espectros de oleaje a menudo son unimodales, y el oleaje llega siempre desde una cierta región de generación. En estos casos, los resultados obtenidos con la metodología propuesta por Camus et al. (2014a) para la definición de predictor y predictando son suficientemente buenos reproduciendo climas de oleaje pasados o proyectando oleajes futuros. Sin embargo, en las grandes cuencas oceánicas, como el Océano Pacífico, las definiciones espaciales y temporales del predictor y la definición de parámetros brutos del oleaje que conforman el predictando en el ‘downscaling estadístico’ propuesto por Camus et al. (2014a), arrojan resultados menos exitosos. Los motivos son, en primer lugar, las olas pueden generarse y viajar desde múltiples regiones, produciendo estados de mar compuestos por estados de mar de viento locales y múltiples estados de mar de fondo. Por ello, una única región de generación y parámetros de oleaje agregados no son representativos en grandes cuencas oceánicas. En segundo lugar, los tiempos característicos de viaje de la energía del oleaje generado en diferentes regiones de la cuenca oceánica pueden diferir en semanas. Como resultado, los campos de presión atmosférica a nivel del mar promediados durante un período de tiempo no se relacionan físicamente con las olas que llegan en un día en particular.

  Objetivos El análisis del estado del conocimiento muestra que: Se pueden encontrar tres enfoques diferentes para modelar la evolución costera: basado en datos o empírico, basado en la caracterización de los procesos y basado en la física de los procesos.

  Los modelos basados en datos o empíricos explican la evolución morfológica a partir del comportamiento observado, por lo tanto, están limitados por la disponibilidad y extensión temporal de las observaciones.

  Los modelos basados en la caracterización de los procesos a menudo caracterizan los procesos físicos dominantes. Los modelos basados en procesos han demostrado ser exactos y de bajo costo computacional, sin embargo habitualmente resuelven un sólo proceso físico.

  Los modelos basados en la física de los procesos son robustos; pero requieren un gran esfuerzo computacional. Desde el punto de vista del modelado de largo plazo, se han desarrollado varias técnicas de aceleración que incluyen la reducción de modelos, la reducción de la dimensionalidad de los forzamientos y técnicas orientadas a reproducir el comportamiento general del sistema. Ninguna de las técnicas disponibles tiene en cuenta las relaciones del oleaje con datos oceanográficos o meteorológicos a escala regional para reproducir la variabilidad temporal en el clima de oleaje histórico o realizar proyecciones de clima de oleaje en el futuro.

  Los datos instrumentales de boya o satélite están limitados en el tiempo a las últimas décadas, para examinar el cambio en la costa provocado por la variabilidad climática del oleaje en escala de décadas a siglos los datos de boya o satélite no son suficientes. El ‘downscaling estadístico’ se puede usar para caracterizar el clima de oleaje local a partir de campos de presión superficial a nivel regional y así, reproducir datos de oleaje apropiados para usar como forzamiento de un modelo particular, con varios órdenes de magnitud de coste computacional inferiores a los costos computacionales que incurriría el ‘downscaling dinámico’. El ‘downscaling estadístico’ se puede combinar con el uso de modelos dinámicos a través de técnicas estadísticas y de minería de datos manteniendo el costo computacional bajo y los resultados con gran exactitud. Los campos de presión a nivel del mar promediados durante un período de tiempo a menudo se utilizan como predictor en el ‘downscaling estadístico’, sin embargo, en grandes cuencas oceánicas, puede ser que no se relacionen físicamente con las olas que llegan a la localización de estudio en un día particular debido a la presencia de estados de mar compuestos y que los tiempos de viaje de la energía de las olas generadas pueden diferir en varias semanas. De acuerdo a los puntos anteriores los objetivos de esta tesis se centran en mejorar las técnicas de reducción de la dimensionalidad de los forzamientos de oleaje para su uso en modelos morfodinámicos aplicados en el largo plazo; mejorar el predictor utilizado en el ‘downscaling estadístico’ para estimar el clima de oleaje a partir de campos de presión atmosférica a nivel del mar; definir una metodología híbrida para proyectar la variabilidad climática observada (o futura) a nivel regional en el clima de oleaje local y con ello en la respuesta asociada del sistema costero; y finalmente, acoplar procesos de transporte de sedimento longitudinal y de perfil teniendo en cuenta varias escalas de variabilidad temporal, incluyendo los efectos conjuntos del oleaje y los niveles del mar en un modelo de evolución de línea de costa y erosión de dunas, basado en la caracterización de los procesos, útil para llevar a cabo una correcta planificación de las políticas de adaptación ante las previsiones de cambio climático y aumento del nivel del mar.

  Estos objetivos se especifican en cuatro objetivos principales interdependientes: Objetivo 1: Definir un modelo para reducir la dimensionalidad de los forzamientos de oleaje para su uso en modelos morfodinámicos aplicados en el largo plazo. Teniendo en cuenta dependencias con campos regionales de presión atmosférica a nivel del mar y reproduciendo estacionalidad, variabilidad interanual, tendencias a largo plazo y autocorrelación de altura de ola, período y dirección para ser capaces de generar series temporales de oleaje futuro teniendo en cuenta posibles cambios en el sistema climático global.

  Objetivo 2: Desarrollar una metodología que mejore las definiciones de predictor y predictando presentadas en Camus et al. (2014a) dividiendo el espectro de oleaje local en diferentes familias de oleaje, definidas por picos espectrales y diferentes regiones de generación de oleaje, y relacionar las condiciones atmosféricas en regiones de la cuenca oceánica distantes con las condiciones de oleaje local incorporando los tiempos de viaje calculados a partir del flujo de energía efectiva viajando a través de la cuenca oceánica. También mejorando la capacidad de los modelos de ‘downscaling estadístico’ para proyectar la altura de ola, período y dirección significativos para cada familia de oleaje, y de esta forma conservar mayor información del espectro de oleaje completo.

  Objetivo 3: Desarrollar una metodología híbrida para proyectar la variabilidad climática observada (o futura) a nivel regional en el clima de oleaje local y con ello en la respuesta asociada del sistema costero, dónde técnicas de ‘downscaling estadístico’ transforman datos meteorológicos de presión atmosférica a nivel del mar en distribuciones de clima de oleaje en aguas profundas y técnicas de ‘downscaling híbrido’ combinan técnicas estadísticas y de minería de datos con modelos de transformación de oleaje para propagar el oleaje en aguas profundas a aguas someras; este nuevo clima de oleaje propagado es usado como forzamiento de un modelo de evolución costera para explorar la respuesta de la morfología ante la variabilidad climática.

  Objetivo 4: Desarrollar un modelo de evolución costera que combine una propagación híbrida de las dinámicas en aguas profundas a costa combinando modelos basados en procesos físicos, técnicas de minería de datos y métodos estadísticos; y un nuevo modelo costero basado en la caracterización de los procesos combinando (1) gradientes en el transporte longitudinal y cambio en la línea de costa por la acción del oleaje usando un modelo de una línea, (2) transporte transversal y cambios en la posición del perfil de equilibrio debido a la acción conjunta de olas y variaciones en el nivel del mar (e.g., aumento del nivel del mar en el largo plazo, anomalías mensuales en el nivel del mar, marea meteorológica), (3) erosión de duna e (4) incorporar el reajuste del perfil de equilibrio ante la presencia de fuentes y sumideros de sedimento.

  Organización de la tesis Esta tesis está formada por 6 capítulos. Los cuatro capítulos centrales han dado lugar cada uno al menos a un artículo publicado (o en revisión) en revistas del primer cuartil en ciencias atmosféricas y/o oceanográficas o en geomorfología. El doctorando es el autor principal en tres de los cuatro artículos y segundo autor en uno de ellos. El capítulo 1 ‘Introduction’ ofrece una visión general y presenta los objetivos de la tesis. El capítulo 2 ‘A multi-scale climate emulator for long-term morphodynamics (MUSCLE-morpho)’ introduce un marco general para reducir la dimensionalidad de los forzamientos de oleaje para su uso en modelos morfodinámicos aplicados en el largo plazo teniendo en cuenta la variabilidad climática. El capítulo 3 ‘A multimodal wave spectrum-based approach for statistical downscaling of local wave climate’ define un modelo de ‘downscaling estadístico’ para proyectar el clima de oleaje a partir de los campos de presión atmosférica a nivel del mar manteniendo la relación espacio-temporal entre ambos y, por lo tanto, teniendo en cuenta varias familias de oleaje. El capítulo 4 ‘Downscaling changing coastlines in a changing climate, the hybrid approach’ formula una metodología computacionalmente eficiente (combinando técnicas estadísticas, de minería de datos, y de modelado dinámico) para proyectar en la respuesta litoral los variabilidad presente a escala regional en los datos atmosférico u oceanográficos, en este capítulo se investiga la evolución de las formas de gran escala presentes en la costa de Carolina del Norte y Sur (USA) desde 1870. El capítulo 5 ‘Predicting climate driven coastlines with a simple and eficient multi-scale model’ presenta un modelo de evolución de línea de costa y erosión de duna teniendo en cuenta procesos longitudinales y de perfil en múltiples escalas de variabilidad temporal, incorporando el efecto del oleaje y el nivel del mar. Finalmente, el capítulo 6 ‘Summary and future research’ revisa los principales resultados obtenidos en esta tesis y define áreas prioritarias para continuar con una investigación futura.

  Resumen de las contribuciones El resumen de los resultados obtenidos en los principales capítulos de esta tesis son presentados a continuación.

  Resumen de ‘A Multi-scale Climate Emulator for Long-term Morphodynamics (MUSCLE-morpho)’ El modelo MUSCLE-morpho permite la generación de series temporales sintéticas de clima de oleaje multivariado teniendo en cuenta las características del clima en el pasado.

  El modelo puede generar series temporales de estados de mar multivariados (altura de ola, periodo, dirección) en el largo plazo, teniendo en cuenta varias escalas de variabilidad (estacional, inter-anual) que afecta a la morfodinámica de largo plazo (decadal y posterior) El modelo MUSCLE-morpho puede ser utilizado para generar series temporales de clima de oleaje futuro y tener en cuenta posibles cambios en el clima mediante el uso de covariables (e.g. campos de presión atmosférica a nivel del mar) Este método puede capturar cambios de largo plazo en la persistencia y en la secuencia de los estados de mar del clima de oleaje. Una predicción eficiente del clima de oleaje en el largo plazo es esencial para el modelado morfodinámico de largo plazo.

  Métodos de predicción estocásticos serán más y más importantes a medida que se desarrollen diferentes escenarios de cambio climático. El sistema de modelado MUSCLE-morpho representa una herramienta de reducción de los forzamientos de oleaje para ser utilizado en la siguiente generación de modelos morfodinámicos.

  Resumen de ‘A multimodal wave spectrum-based approach for statistical downscaling of local wave climate’ Se ha desarrollado un modelo mejorado que permite definir un óptimo predictor para el ‘downscaling estadístico’ de las condiciones locales de oleaje multi-modales.

  En áreas donde el espectro de oleaje es multi-modal, debido a la presencia de componentes de viento locales y componentes de fondo viajando desde distintas regiones, definir un predictor que sólo tenga en cuenta las áreas de generación de la componente de fondo predominante y describa solamente los parámetros de oleaje agregados (Hs, Tp, and Dm) del periodo de pico predominante del espectro de oleaje no es suficiente.

  En cuencas oceánicas grandes donde el oleaje en una localización particular puede haber sido generado varios días antes, el promediado de las condiciones atmosféricas durante varios días da lugar a errores de sincronización al definir las relaciones entre predictor y predictando.

  Se puede definir un único predictor que tenga en cuenta la relación espaciotemporal entre el oleaje y las condiciones atmosféricas durante la generación del oleaje para tener en cuenta oleajes multi-modales si se redistribuye la energía del espectro de oleaje en familias de oleaje teniendo en cuenta el tiempo de viaje promedio de las olas generadas en diferentes regiones de la cuenca oceánica.

  El predictor mejorado es probado para localizaciones en el Océano Pacífico y para todas las localizaciones la mejora es notable.

  Los científicos e ingenieros de costas están avanzando hacia la representación de las condiciones oleaje utilizando el espectro de oleaje completo. El método propuesto es también la base del ‘downscaling estadístico’ del clima de oleaje usando ‘weather types’, que puede utilizarse para proyectar climas de oleaje históricos y futuros, generar series temporales de parámetros de oleaje, proyectar extremos de altura de ola, o proyectar la respuesta costera histórica o futura. Esta metodología puede ser aplicada para el estudio del cambio climático, los riesgos por inundación costera y la evolución costera.

  Resumen de ‘Downscaling Changing Coastlines in a Changing Climate, the hybrid approach’ La metodología híbrida presentada aquí provee una manera eficiente computacionalmente de proyectar las condiciones locales de oleaje y de viento a partir del clima a escala regional.

  El clima de oleaje y viento multivariado es usado para investigar la respuesta de las formas de gran escala costeras.

  La metodología captura las variaciones inter-anuales y decadales presente en el forzamiento climático a lo largo del siglo pasado y reproduce los efectos que esta variabilidad han ocasionado en la forma de la línea de costa (a lo largo de la costa de North y South Carolina, USA, como caso de estudio).

  Se aprecian cambios en las formas de gran escala de la línea de costa así como patrones en las tasas de evolución de la línea de costa. Una comparación inicial de los cambios simulados con los observados muestra patrones muy similares y sugiere que cambios en el clima puede tener un rol significativo a la hora de definir las tasas de evolución de línea de costa, aumentando o disminuyendo las tasas de erosión varios metros al año a lo largo de diferentes periodos.

  Este método combina métodos estadísticos, de minería de datos y modelado dinámico que ahora están disponibles para rápidamente evaluar la respuesta costera ante futuros cambios en el clima.

  Resumen de ‘Predicting climate driven coastlines with a simple and eficient multi-scale model’ Se ha desarrollado un modelo de respuesta costera eficiente, definiendo un marco metodológico que combina una propagación híbrida de olas en aguas profundas usando el modelo SWAN, técnicas de minería de datos, y métodos estadísticos; y un modelo de evolución de línea de costa combinando: transporte longitudinal debido a la acción del oleaje, evolución del perfil de equilibrio por oleaje y variaciones en el nivel del mar, un modelo de erosión de duna y el ajuste del perfil de equilibrio ante la presencia de fuentes y sumideros de sedimento.

  El modelo tiene en cuenta la acción combinada del oleaje con variaciones en el nivel del mar para la estimación de la evolución de la línea de costa y la erosión dunar, cubriendo un amplio rango de escalas de variabilidad espacial y temporal. La implementación numérica del modelo permite la aplicación de técnicas de reducción de los forzamientos de oleaje para reducir el esfuerzo computacional, gracias al esquema numérico implementado y el utilizado para resolver el sistema de ecuaciones.

  El modelo presentado es aplicado en la North Shore Beach Subcell de la Columbia River Littoral Cell (Washington, USA) y permite extender 11 años de observaciones estacionales (40 campañas de campo) en 35 años de evolución de línea de costa hora a hora. Además, también extiende los datos recolectados en 15 transectos a lo largo de 40km de playa en transectos repartidos homogéneamente a lo largo de toda la playa.

  Con los datos de modelado de la línea de costa, se aplica un análisis de componentes principales (EOF) y se identifican tres modos principales de comportamiento en la North Beach Subcell: una tendencia de reorentación de la línea de costa, un modo de erosión y acreción relacionado con procesos de perfil, y un modo de rotación relacionado con procesos longitudinales.

  Usando funciones de autocorrelación, análisis espectral y mediante el uso de wavelets, analizamos los índices temporales de los modos espaciales para explorar las escalas de variabilidad temporal en el modo erosión-acreción y el de rotación. Se encuentran significativas variaciones anuales e inter-anuales para el primero y multi-decadales para el segundo.

  El modelo está ahora preparado para rápidamente evaluar la respuesta costera ante un futuro cambio climático haciendo uso de una metodología estocástica que permita explorar las incertidumbres en modelos climáticos globales.

  Bibliografía consultada Aagaard, T. (2014), Sediment supply to beaches: Cross-shore sand transport on the lower shoreface, Journal of Geophysical Research: Earth Surface, 119 (4), 913{926, doi:10.1002/2013JF003041.

  Adams, P. N., D. L. Inman, and N. E. Graham (2008), Southern california deepwater wave climate: Characterization and application to coastal processes, Journal of Coastal Research, pp. 1022{1035, doi:10.2112/07-0831.1.

  Albuquerque, J. a. C., J. A. A. Antolínez, A. Rueda, F. J. Méndez, and G. Coco (under review), Spectral correction of wave hindcasts using satellite data, Ocean Modelling. Amante, C., and B. W. Eakins (2009), ETOPO1 Global Relief Model converted to PanMap layer format, doi:10.1594/PANGAEA.769615.

  Anderson, D., P. Ruggiero, J. A. A. Antolínez, F. J.Méndez, and J. Allan (under review), A climate index optimized for longshore sediment transport reveals interannual and multi-decadal littoral cell rotations, Journal of Geophysical Research : Earth Surface.

  Antolínez, J. A. A., F. J. Méndez, P. Camus, E. M. González, and P. Ruggiero (2015), A climate-based multivariate wave emulator for morphodynamic simulations, chap. 201, WORLD SCIENTIFIC, Singapore, doi:10.1142/9789814689977 0201.

  Antolínez, J. A. A., F. J. Méndez, P. Camus, S. Vitousek, E. M. González, P. Ruggiero, and P. Barnard (2016), A multiscale climate emulator for longterm morphodynamics (MUSCLEmorpho), Journal of Geophysical Research : Oceans, 121, 1{16, doi:10. 1002/2015JC011107.

  Antolínez, J. A. A., A. B. Murray, F. J. Méndez, L. J. Moore, G. Farley, and J. Wood (2018), Downscaling changing coastlines in a changing climate: The hybrid approach, Journal of Geophysical Research: Earth Surface, 123 (2), 229{251, doi:10.1002/2017JF004367.

  Antolínez, J. A. A., F. J. Méndez, D. Anderson, P. Ruggiero, and G. M. Kaminsky (submitted), Predicting climate driven coastlines with a simple and eficient multiscale model, Journal of Geophysical Research : Earth Surface.

  Ashton, A., A. B. Murray, and O. Arnoult (2001), Formation of coastline features by large-scale instabilities induced by high-angle waves, Nature, 414 (6861), 296{300. Ashton, A., A. B. Murray, and O. Arnoult (2002), erratum: Formation of coastline features by large-scale instabilities induced by high-angle waves, Nature, 415 (6872), 666{666, doi:10.1038/415666a.

  Ashton, A. D., and a. B. Murray (2006a), High-angle wave instability and emergent shoreline shapes: 1. Modeling of sand waves, flying spits, and capes, Journal of Geophysical Research, 111 (F4), F04,011, doi:10.1029/2005JF000422.

  Ashton, A. D., and a. B. Murray (2006b), High-angle wave instability and emergent shoreline shapes: 2. Wave climate analysis and comparisons to nature, Journal of Geophysical Research, 111 (F4), F04,012, doi:10.1029/2005JF000423.

  Aubrey, D. G. (1979), Seasonal patterns of onshore/offshore sediment movement, Journal of Geophysical Research: Oceans, 84 (C10), 6347{6354, doi:10.1029/JC084iC10p06347.

  Baker, A. H., E. R. Jessup, and T. Manteuél (2005), A technique for accelerating the convergence of restarted gmres, SIAM Journal on Matrix Analysis and Applications, 26 (4), 962{984, doi:10.1137/S0895479803422014.

  Barnard, P. L., D. M. Hubbard, and J. E. Dugan (2012), Beach response dynamics of a littoral cell using a 17-year single-point time series of sand thickness, Geomorphology, 139-140, 588 { 598, doi:https://doi.org/10.1016/j.geomorph.2011.12.023.

  Barnard, P. L., D. Hoover, D. M. Hubbard, A. Snyder, B. C. Ludka, J. Allan, G. M. Kaminsky, P. Ruggiero, T. W. Gallien, L. Gabel, D. McCandless, H. M. Weiner, N. Cohn, D. L. Anderson, and K. A. Sera_n (2017), Extreme oceanographic forcing and coastal response due to the 2015-2016 El Ni~no, Nature Communications, 8, 14,365.

  Bayram, A., M. Larson, and H. Hanson (2007), A new formula for the total longshore sediment transport rate, Coastal Engineering, 54 (9), 700 { 710, doi:https://doi.org/10.1016/j.coastaleng.2007.04.001.

  Biel, R. G., S. D. Hacker, P. Ruggiero, N. Cohn, and E. W. Seabloom (2017), Coastal protection and conservation on sandy beaches and dunes: context-dependent tradeoffs in ecosystem service supply, Ecosphere, 8 (4), e01,791, doi:10.1002/ecs2.1791.

  Birkemeier, W. a. (1985), Field Data on Seaward Limit of Profile Change, Journal of Waterway, Port, Coastal, and Ocean Engineering, 111 (3), 598{602, doi:10.1061/ (ASCE)0733-950X(1985)111:3(598).

  Blossier, B., K. R. Bryan, C. J. Daly, and C. Winter (2017), Shore and bar cross-shore migration, rotation, and breathing processes at an embayed beach, Journal of Geophysical Research: Earth Surface, 122 (10), 1745{1770, doi:10.1002/2017JF004227.

  Booij, N., R. C. Ris, and L. H. Holthuijsen (1999), A third-generation wave model for coastal regions: 1. Model description and validation, Journal of Geophysical Research, 104 (C4), 7649{7666, doi:10.1029/98JC02622.

  Bromirski, P. D., R. E. Flick, and D. R. Cayan (2003), Storminess variability along the california coast: 1858-2000, Journal of Climate, 16 (6), 982{993, doi:10.1175/ 1520-0442(2003)016h0982:SVATCCi2.0.CO;2.

  Bruun, P. (1962), Sea-level rise as a cause of shore erosion, Journal of the Waterways and Harbors division, 88 (1), 117{132.

  Buijsman, M., C. Sherwood, A. Gibbs, G. Gelfenbaum, G. Kaminsky, P. Ruggiero, and J. Franklin (2003a), Regional sediment budget analysis of the Columbia River littoral cell, Tech. rep.

  Buijsman, M., G. Kaminsky, and G. Gelfenbaum (2003b), Shoreline change associated with jetty construction, deterioration and rehabilitation at grays harbor, washington, Shore and Beach, 71(1), 15 { 22.

  Caires, S., V. R. Swail, and X. L. Wang (2006), Projection and Analysis of Extreme Wave Climate, Journal of Climate, 19 (21), 5581{5605, doi:10.1175/JCLI3918.1.

  Callaghan, D. P., P. Nielsen, A. Short, and R. Ranasinghe (2008), Statistical simulation of wave climate and extreme beach erosion, Coastal Engineering, 55 (5), 375{390, doi:http://dx.doi.org/10.1016/j.coastaleng.2007.12.003.

  Callaghan, D. P., R. Ranasinghe, and D. Roelvink (2013), Probabilistic estimation of storm erosion using analytical, semi-empirical, and process based storm erosion models, Coastal Engineering, 82, 64{75, doi:10.1016/j.coastaleng.2013.08.007.

  Camus, P., F. J. Mendez, R. Medina, and A. S. Cofiño (2011a), Analysis of clustering and selection algorithms for the study of multivariate wave climate, Coastal Engineering, 58 (6), 453{462, doi:10.1016/j.coastaleng.2011.02.003.

  Camus, P., F. J. Mendez, and R. Medina (2011b), A hybrid efficient method to downscale wave climate to coastal areas, Coastal Engineering, 58 (9), 851{862, doi:10.1016/j.coastaleng.2011.05.007.

  Camus, P., F. J. Mendez, R. Medina, and A. S. Cofiño (2011c), Analysis of clustering and selection algorithms for the study of multivariate wave climate, Coastal Engineering, 58 (6), 453{462, doi:10.1016/j.coastaleng.2011.02.003.

  Camus, P., F. J. Méndez, I. J. Losada, M. Menéndez, A. Espejo, J. Pérez, A. Rueda, and Y. Guanche (2014a), A method for _nding the optimal predictor indices for local wave climate conditions, Ocean Dynamics, doi:10.1007/s10236-014-0737-2.

  Camus, P., M. Menéndez, F. J. Méndez, C. Izaguirre, A. Espejo, V. Cánovas, J. Pérez, A. Rueda, I. J. Losada, and R. Medina (2014b), A weather-type statistical downscaling framework for ocean wave climate, Journal of Geophysical Research: Oceans, (i), 1{17, doi:10.1002/2014JC010141.

  Cárdenas, M., A. J. Abascal, S. Castanedo, H. Chiri, P. Nú~nez, J. A. A. Antolínez, A. Mellor, A. Clements, B. Pérez-Díaz, and R. Medina (2017), Short-term and medium-term forecast of oil spill trajectories: Application to local and regional scales, International Oil Spill Conference Proceedings, 2017 (1), 1890{1910, doi:10.7901/2169-3358-2017.1.1890.

  Casas-Prat, M., X. L.Wang, and J. P. Sierra (2014), A physical-based statistical method for modeling ocean wave heights, Ocean Modelling, 73, 59{75, doi:10.1016/j.ocemod.2013.10.008.

  Cheng, Z., T.-J. Hsu, and J. Calantoni (2017), Sedfoam: A multi-dimensional eulerian two-phase model for sediment transport and its application to momentary bed failure, Coastal Engineering, 119, 32 { 50, doi:https://doi.org/10.1016/j.coastaleng.2016.08.007.

  Chesher, T., and G. Miles (1992), The concept of a single representative wave for use in numerical models of long term sediment transport predictions, pp. 371{380, Ashgate Publishing, Brookéld, VT.

  Chiri, H., A. J. Abascal, S. Castanedo, J. A. A. Antolínez, Y. Liu, R. Weisberg, and R. Medina (submitted), Statistical Simulation of Ocean Current Patterns using Autoregressive Logistic Regression Models: A case study in the Gulf of Mexico, Ocean Modelling.

  Chonwattana, S., S. Weesakul, and S. Vongvisessomjai (2005), 3D Modeling of Morphological Changes Using Representative Waves, Coastal Engineering Journal, 47 (04), 205{229, doi:10.1142/S0578563405001240.

  Coco, G., N. Senechal, A. Rejas, K. Bryan, S. Capo, J. Parisot, J. Brown, and J. MacMahan (2014), Beach response to a sequence of extreme storms, Geomorphology, 204, 493 { 501, doi:https://doi.org/10.1016/j.geomorph.2013.08.028.

  Cohn, N., and P. Ruggiero (2016), The influence of seasonal to interannual nearshore profile variability on extreme water levels: Modeling wave runup on dissipative beaches, Coastal Engineering, 115, 79 { 92, doi:https://doi.org/10.1016/j.coastaleng.2016.01.

  006.

  Cohn, N., R. Peter, V. Sierd, and K. G. M. (2018), New insights on coastal foredune growth: The relative contributions of marine and aeolian processes, Geophysical Research Letters, 45 (0), doi:10.1029/2018GL077836.

  Compo, G. P., J. S. Whitaker, P. D. Sardeshmukh, N. Matsui, R. J. Allan, X. Yin, B. E.

  Gleason, R. S. Vose, G. Rutledge, P. Bessemoulin, S. BroNnimann, M. Brunet, R. I.

  Crouthamel, A. N. Grant, P. Y. Groisman, P. D. Jones, M. C. Kruk, A. C. Kruger, G. J. Marshall, M. Maugeri, H. Y. Mok, O. Nordli, T. F. Ross, R. M. Trigo, X. L.

  Wang, S. D. Woodru_, and S. J. Worley (2011), The Twentieth Century Reanalysis Project, Quarterly Journal of the Royal Meteorological Society, 137 (654), 1{28, doi: 10.1002/qj.776.

  Cowell, P. J., M. J. Stive, A. W. Niedoroda, H. J. de Vriend, D. J. Swift, and M. Kaminsky, George M. Capobianco (2003a), The coastal-tract (part 1): a conceptual approach to aggregated modeling of low-order coastal change, Journal of Coastal Research, 19 (4), 812{827.

  Cowell, P. J., M. J. Stive, A. W. Niedoroda, D. J. Swift, H. J. de Vriend, M. C. Buijsman, R. J. Nicholls, P. S. Roy, J. Kaminsky, George M. Cleveringa, C. W. Reed, and P. L.

  de Boer (2003b), The coastal-tract (part 2): applications of aggregated modeling of lower-order coastal change, Journal of Coastal Research, 19 (4), 828{848.

  Cox, J., and J. Machemehl (1986), Overland bore propagation due to an overtopping wave, Journal of Waterway, Port, Coastal, and Ocean Engineering, 112(1), 161 { 163.

  Crosby, S. C., W. C. O'Reilly, and R. T. Guza (2016), Modeling long-period swell in southern california: Practical boundary conditions from buoy observations and global wave model predictions, Journal of Atmospheric and Oceanic Technology, 33 (8), 1673{ 1690, doi:10.1175/JTECH-D-16-0038.1.

  Davidson, M., R. Lewis, and I. Turner (2010), Forecasting seasonal to multi-year shoreline change, Coastal Engineering, 57 (6), 620 { 629, doi:https://doi.org/10.1016/ j.coastaleng.2010.02.001.

  Davidson, M., K. Splinter, and I. Turner (2013), A simple equilibrium model for predicting shoreline change, Coastal Engineering, 73, 191 { 202, doi:https://doi.org/10.

  1016/j.coastaleng.2012.11.002.

  de Vriend, H., M. Capobianco, T. Chesher, H. de Swart, B. Latteux, and M. Stive (1993a), Approaches to long-term modelling of coastal morphology: A review, Coastal Engineering, 21 (1-3), 225{269, doi:10.1016/0378-3839(93)90051-9.

  de Vriend, H., J. Zyserman, J. Nicholson, J. Roelvink, P. Péchon, and H. Southgate (1993b), Medium-term 2DH coastal area modelling, Coastal Engineering, 21 (1-3), 193{224, doi:10.1016/0378-3839(93)90050-I.

  Dean, R. G. (1987), Coastal Sediment Processes: Toward Engineering Solutions, in Proceedings of the Specialty Conference on Coastal Sediments '87, pp. 1{24, American Society of Civil Engineers.

  Dean, R. G. (1991), Equilibrium Beach Profiles : Characteristics and Applications, Journal of Coastal Research, 7 (1), 53{84, doi:10.2307/4297805.

  Di Leonardo, D., and P. Ruggiero (2015), Regional scale sandbar variability : Observations from the U. S. Pacific Northwest, 95, 74{88, doi:10.1016/j.csr.2014.12.012.

  Dolan, R., B. Hayden, and J. Heywood (1978), A new photogrammetric method for determining shoreline erosion, Coastal Engineering, 2, 21 { 39, doi:https://doi.org/ 10.1016/0378-3839(78)90003-0.

  Elko, N., F. Feddersen, D. Foster, C. Hapke, J. Mcninch, R. Mulligan, N. Plant, and B. Raubenheimer (2014), the future of nearshore processes research, American Geophysical Union, Fall Meeting 2014, (OS22A-08).

  Erikson, L., C. Hegermiller, P. Barnard, P. Ruggiero, and M. van Ormondt (2015), Projected wave conditions in the eastern north pacific under the in uence of two cmip5 climate scenarios, Ocean Modelling, 96, 171 { 185, doi:https://doi.org/10.1016/ j.ocemod.2015.07.004, waves and coastal, regional and global processes.

  Espejo, A., P. Camus, I. J. Losada, and F. J. Méndez (2014), Spectral ocean wave climate variability based on atmospheric circulation patterns, Journal of Physical Oceanography, 44 (8), 2139{2152, doi:10.1175/JPO-D-13-0276.1.

  Falqués, A., G. Coco, and D. A. Huntley (2000), A mechanism for the generation of wave-driven rythmic patterns in the surf zone, J. Geophys. Res., 105 (C10), 24,087{ 24,971.

  Falqués, A., F. Ribas, D. Idier, and J. Arriaga (2017), Formation mechanisms for self-organized km-scale shoreline sand waves, Journal of Geophysical Research: Earth Surface, 122, doi:10.1002/2016JF003964.

  Fenster, M., and R. Dolan (1994), Large-scale reversals in shoreline trends along the U.S.

  mid-Atlantic coast, Geology, 22, 543, doi:10.1130/0091-7613(1994)022h0543:LSRISTi 2.3.CO;2.

  Franke, R. (1982), Scattered data interpolation: tests of some methods, Mathematics of Computation, 38 (157), 181{181, doi:10.1090/S0025-5718-1982-0637296-4.

  Fredsoe, J., and R. Deigaard (1992), Mechanics of coastal sediment transport, vol. 3, World Scienti_c Publishing Co Inc.

  French, J., A. Payo, B. Murray, J. Orford, M. Eliot, and P. Cowell (2016), Appropriate complexity for the prediction of coastal and estuarine geomorphic behaviour at decadal to centennial scales, Geomorphology, 256, 3{16, doi:10.1016/j.geomorph.2015.10.005.

  García-Medina, G., H. T. Ozkan Haller, P. Ruggiero, and J. Oskamp (2013), An innershelf wave forecasting system for the u.s. pacific northwest, Weather and Forecasting, 28 (3), 681{703, doi:10.1175/WAF-D-12-00055.1.

  Gelfenbaum, G., C. Sherwood, C. Peterson, G. Kaminsky, M. Buijsman, D. Twichell, P. Ruggiero, A. Gibbs, and C. Reed (1999), The Columbia River littoral cell: a sediment budget overview, in Proceedings of Coastal Sediments '99, pp. 1660{1675, American Society of Civil Engineers.

  Goda, Y. (2010), Random seas and design of maritime structures, Advanced Series on Ocean Engineering, P. L. F. Liu, World Scienti_c Publishing Co Pte Ltd, Singapore.

  Graham, N. E., D. R. Cayan, P. D. Bromirski, and R. E. Flick (2013), Multi-model projections of twenty-_rst century north pacific winter wave climate under the ipcc a2 scenario, Climate Dynamics, 40 (5), 1335{1360, doi:10.1007/s00382-012-1435-8.

  Griggs, G. B. (2013), Lost Neighborhoods of the California Coast, Journal of Coastal Research, pp. 129{147, doi:10.2112/13A-00007.1.

  Guanche, Y., R. Mínguez, and F. J. Méndez (2013), Autoregressive logistic regression applied to atmospheric circulation patterns, Climate Dynamics, 42 (1-2), 537{552, doi:10.1007/s00382-013-1690-3.

  Hallermeier, R. J. (1980), A profile zonation for seasonal sand beaches from wave climate, Coastal Engineering, 4 (C), 253{277, doi:10.1016/0378-3839(80)90022-8.

  Hanson, H. (1989), Genesis: A generalized shoreline change numerical model, Journal of Coastal Research, 5 (1), 1{27.

  Hanson, H., M. Larson, and N. C. Kraus (2010), Calculation of beach change under interacting cross-shore and longshore processes, Coastal Engineering, 57 (6), 610 { 619, doi:https://doi.org/10.1016/j.coastaleng.2010.02.002.

  Hanson, J., and R. Jensen (2004), Wave system diagnostics for numerical wave models, Jcomm tech. rep. 29, wmo/td-no. 1319., 8th international workshop on wave hindcasting and forecasting.

  Harley, M. D., I. L. Turner, A. D. Short, and R. Ranasinghe (2011), A reevaluation of coastal embayment rotation: The dominance of cross-shore versus alongshore sediment transport processes, collaroy-narrabeen beach, southeast australia, Journal of Geophysical Research: Earth Surface, 116 (F4), doi:10.1029/2011JF001989.

  Harley, M. D., I. L. Turner, and A. D. Short (2015), New insights into embayed beach rotation: The importance of wave exposure and cross-shore processes, Journal of Geophysical Research: Earth Surface, 120 (8), 1470{1484, doi:10.1002/2014JF003390.

  Hartman, M., and A. B. Kennedy (2016), Depth of closure over large regions using airborne bathymetric lidar, Marine Geology, 379, 52{63, doi:10.1016/j.margeo.2016.

  05.012.

  Hegermiller, C. A., J. A. A. Antolínez, A. Rueda, P. Camus, J. Pérez, L. H. Erikson, P. L.

  Barnard, and F. J. Méndez (2017a), A Multimodal Wave Spectrum-Based Approach for Statistical Downscaling of Local Wave Climate, Journal of Physical Oceanography, 47 (2), 375{386, doi:10.1175/JPO-D-16-0191.1.

  Hegermiller, C. A., A. Rueda, L. H. Erikson, P. L. Barnard, J. A. A. Antolínez, and F. J.

  Méndez (2017b), Controls of multimodal wave conditions in a complex coastal setting, Geophysical Research Letters, 44 (24), 12,315{12,323, doi:10.1002/2017GL075272.

  Hurst, M. D., A. Barkwith, M. A. Ellis, C. W. Thomas, and A. B. Murray (2015), Exploring the sensitivities of crenulate bay shorelines to wave climates using a new vector-based one-line model, Journal of Geophysical Research : Earth Surface, 120, 2586{2608, doi:10.1002/2015JF003704.We.

  Idier, D., A. Falqués, B. G. Ruessink, and R. Garnier (2011), Shoreline instability under low-angle wave incidence, Journal of Geophysical Research: Earth Surface, 116 (4), 1{12, doi:10.1029/2010JF001894.

  IPCC (2013), Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change, book section Technical Summary, pp. 33{115, Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, doi:10.1017/ CBO9781107415324.005.

  Johnson, J. M., L. J. Moore, K. Ells, A. B. Murray, P. N. Adams, R. A. MacKenzie, and J. M. Jaeger (2015), Recent shifts in coastline change and shoreline stabilization linked to storm climate change, Earth Surface Processes and Landforms, 40 (5), 569{ 585, doi:10.1002/esp.3650.

  Kaergaard, K., and J. Fredsoe (2013a), Numerical modeling of shoreline undulations part 1: Constant wave climate, Coastal Engineering, 75, 64{76, doi:10.1016/j.coastaleng.

  2012.11.006.

  Kaergaard, K., and J. Fredsoe (2013b), Numerical modeling of shoreline undulations part 2: Varying wave climate and comparison with observations, Coastal Engineering, 75, 77{90, doi:10.1016/j.coastaleng.2012.11.003.

  Kaergaard, K., and J. Fredsoe (2013c), A numerical shoreline model for shorelines with large curvature, Coastal Engineering, 74, 19 { 32, doi:https://doi.org/10.1016/j.

  coastaleng.2012.11.011.

  Kalnay, E., M. Kanamitsu, R. Kistler, W. Collins, D. Deaven, L. Gandin, M. Iredell, S. Saha, G. White, J. Woollen, Y. Zhu, A. Leetmaa, R. Reynolds, M. Chelliah, W. Ebisuzaki, W. Higgins, J. Janowiak, K. C. Mo, C. Ropelewski, J. Wang, R. Jenne, and D. Joseph (1996), The NCEP/NCAR 40-Year Reanalysis Project, Bulletin of the American Meteorological Society, 77 (3), 437{471, doi:10.1175/1520-0477(1996) 077h0437:TNYRPi2.0.CO;2.

  Kaminsky, G., and M. Ferland (2003), Assessing the connections between the inner shelf and the evolution of Pacific Northwest barriers through vibracoring, in International Conference on Coastal Sediments 2003, American Society of Civil Engineers.

  Kaminsky, G., M. Buijsman, and P. Ruggiero (2001), Predicting shoreline change at decadal scale in the Pacific Northwest, in Proceedings of The International Conference on Coastal Engineering, p. 2000, American Society of Civil Engineers.

  Kaminsky, G. M., P. Ruggiero, and G. Gelfenbaum (1998), Seasonal to Interannual Morphodynamics along a High-Energy Dissipative Littoral Cell, Shore & Beach, 66 (3), 42{51.

  Kaminsky, G. M., P. Ruggiero, M. C. Buijsman, D. Mccandless, and G. Gelfenbaum (2010), Historical evolution of the Columbia River littoral cell, Marine Geology, 273 (1- 4), 96{126, doi:10.1016/j.margeo.2010.02.006.

  Kamphuis, J. W. (1991), Alongshore sediment transport rate, Journal of Waterway, Port, Coastal, and Ocean Engineering, 117 (6), 624{640, doi:10.1061/(ASCE) 0733-950X(1991)117:6(624).

  Kildow, J., C. Colgan, and J. Scorse (2014), State of the U. S. Ocean and Coastal Economies 2014, Center for the Blue Economy at the Monterey Institute of International Studies, pp. 1{84.

  Kinsela, M. A., and P. J. Cowell (2015), Controls on shoreface response to sea level change, in Coastal Sediments 2015, edited by P. Wang, J. D. Rosati, and J. Cheng, chap. 204, World Scienti_c Publishing Co Pte Ltd, Singapore.

  Kistler, R., W. Collins, S. Saha, G. White, J. Woollen, E. Kalnay, M. Chelliah, W. Ebisuzaki, M. Kanamitsu, V. Kousky, H. van den Dool, R. Jenne, and M. Fiorino (2001), The NCEP{NCAR 50{Year Reanalysis: Monthly Means CD{ROM and Documentation, Bulletin of the American Meteorological Society, 82 (2), 247{267, doi: 10.1175/1520-0477(2001)082h0247:TNNYRMi2.3.CO;2.

  Knoll, D., and D. Keyes (2004), Jacobian-free newton-krylov methods: a survey of approaches and applications, Journal of Computational Physics, 193 (2), 357 { 397, doi:https://doi.org/10.1016/j.jcp.2003.08.010.

  Komar, P. D. (1971), The Mechanics of Sand Transport on Beaches, Journal of Geophysical Research, 76 (3), 713{721, doi:10.1029/JC076i003p00713.

  Komar, P. D., and J. C. Allan (2008), Increasing Hurricane-Generated Wave Heights along the U.S. East Coast and Their Climate Controls, Journal of Coastal Research, pp. 479{488, doi:10.2112/07-0894.1.

  Komar, P. D., J. C. Allan*, and P. Ruggiero (2011), Sea Level Variations along the U.S.

  Pacific Northwest Coast: Tectonic and Climate Controls, Journal of Coastal Research, pp. 808{823, doi:10.2112/JCOASTRES-D-10-00116.1.

  Kriebel, D. L., and R. G. Dean (1993), Convolution method for time‐dependent beach‐profile response, Journal of Waterway, Port, Coastal, and Ocean Engineering, 119 (2), 204{226, doi:10.1061/(ASCE)0733-950X(1993)119:2(204).

  Kristensen, S., N. Dr_nen, R. Deigaard, and J. Fredsoe (2016), Impact of groyne fields on the littoral drift: A hybrid morphological modelling study, Coastal Engineering, 111, 13 { 22, doi:https://doi.org/10.1016/j.coastaleng.2016.01.009.

  Larson, M., H. Hanson, and N. C. Kraus (1997), Analytical solutions of one-line model for shoreline change near coastal structures, Journal of Waterway, Port, Coastal, and Ocean Engineering, 123 (4), 180{191, doi:10.1061/(ASCE)0733-950X(1997)123: 4(180).

  Larson, M., J. Palalane, C. Fredriksson, and H. Hanson (2016), Simulating cross-shore material exchange at decadal scale. theory and model component validation, 116, 57{66.

  Latteux, B. (1995), Techniques for long-term morphological simulation under tidal action, Marine Geology, 126 (1-4), 129{141, doi:10.1016/0025-3227(95)00069-B.

  Laugel, A., M. Menendez, M. Benoit, G. Mattarolo, and F. Méndez (2014), Wave climate projections along the french coastline: Dynamical versus statistical downscaling methods, Ocean Modelling, 84, 35 { 50, doi:https://doi.org/10.1016/j.ocemod.2014.09.002.

  Lazarus, E. D., and A. B. Murray (2007), Process signatures in regional patterns of shoreline change on annual to decadal time scales, Geophysical Research Letters, 34 (19), 1{5, doi:10.1029/2007GL031047.

  Lesser, G. R. (2009), An approach to medium-term coastal morphological modelling, Ph.D. thesis, Delft University of Technology.

  Limber, P. W., P. N. Adams, and A. B. Murray (2017), Modeling large-scale shoreline change caused by complex bathymetry in low-angle wave climates, Marine Geology, 383, 55 { 64, doi:https://doi.org/10.1016/j.margeo.2016.11.006.

  McNinch, J. E. (2004), Geologic control in the nearshore: shore-oblique, sandbars and shoreline erosional hotspots, mid-atlantic bight, usa, Marine Geology, 211 (1), 121 { 141, doi:http://dx.doi.org/10.1016/j.margeo.2004.07.006.

  Méndez, F. J., M. Menéndez, A. Luceño, and I. J. Losada (2007), Analyzing monthly extreme sea levels with a time-dependent GEV model, Journal of Atmospheric and Oceanic Technology, 24 (5), 894{911, doi:10.1175/JTECH2009.1.

  Menéndez, M., F. J. Méndez, C. Izaguirre, A. Luceño, and I. J. Losada (2009), The influence of seasonality on estimating return values of significant wave height, Coastal Engineering, 56 (3), 211{219, doi:http://dx.doi.org/10.1016/j.coastaleng.2008.07.004.

  Menendez, M., M. García-Díez, L. Fita, J. Fernández, F. J. Méndez, and J. M. Gutiérrez (2013), High-resolution sea wind hindcasts over the Mediterranean area, Climate Dynamics, 42 (7-8), 1857{1872, doi:10.1007/s00382-013-1912-8.

  Mil-Homens, J., R. Ranasinghe, J. van Thiel de Vries, and M. Stive (2013), Re-evaluation and improvement of three commonly used bulk longshore sediment transport formulas, Coastal Engineering, 75, 29 { 39, doi:https://doi.org/10.1016/j.coastaleng.2013.01.

  004.

  Miller, J. K., and R. G. Dean (2004), A simple new shoreline change model, Coastal Engineering, 51 (7), 531 { 556, doi:https://doi.org/10.1016/j.coastaleng.2004.05.006.

  Miller, J. K., and R. G. Dean (2007a), Shoreline variability via empirical orthogonal function analysis: Part i temporal and spatial characteristics, Coastal Engineering, 54 (2), 111 { 131, doi:https://doi.org/10.1016/j.coastaleng.2006.08.013.

  Miller, J. K., and R. G. Dean (2007b), Shoreline variability via empirical orthogonal function analysis: Part ii relationship to nearshore conditions, Coastal Engineering, 54 (2), 133 { 150, doi:https://doi.org/10.1016/j.coastaleng.2006.08.014.

  Mínguez, R., F. J. Méndez, C. Izaguirre, M. Menéndez, and I. J. Losada (2010), Pseudooptimal parameter selection of non-stationary generalized extreme value models for environmental variables, Environmental Modelling & Software, 25 (12), 1592{1607, doi:http://dx.doi.org/10.1016/j.envsoft.2010.05.008.

  Moore, L. J., J. H. List, S. J. Williams, and D. Stolper (2010), Complexities in barrier island response to sea level rise: Insights from numerical model experiments, north carolina outer banks, Journal of Geophysical Research, 115 (F3), F03,004 1{27, doi: 10.1029/2009JF001299.

  Moore, L. J., D. E. McNamara, A. B. Murray, and O. Brenner (2013), Observed changes in hurricane-driven waves explain the dynamics of modern cuspate shorelines, Geophysical Research Letters, 40 (22), 5867{5871, doi:10.1002/2013GL057311.

  Morton, R. A., and T. L. Miller (2005), The National Assessment Of Shoreline Change: Part 2, Historical Shoreline Changes And Associated Coastal Land Loss Along The U.S. Southeast Atlantic Coast, US Geological Survey Open File Report 2005-1401.

  Mull, J., and P. Ruggiero (2014), Estimating storm-induced dune erosion and overtopping along u.s. west coast beaches, Journal of Coastal Research, pp. 1173{1187, doi:10.2112/JCOASTRES-D-13-00178.1.

  Muller, W. A., D. Matei, M. Bersch, J. H. Jungclaus, H. Haak, K. Lohmann, G. P.

  Compo, P. D. Sardeshmukh, and J. Marotzke (2015), A twentieth-century reanalysis forced ocean model to reconstruct the north atlantic climate variation during the 1920s, Climate Dynamics, 44 (7), 1935{1955, doi:10.1007/s00382-014-2267-5.

  Murray, A. B. (2007), Reducing model complexity for explanation and prediction, Geomorphology, 90 (3-4), 178{191, doi:10.1016/j.geomorph.2006.10.020.

  Murray, A. B., and A. D. Ashton (2013), Instability and _nite-amplitude selforganization of large-scale coastline shapes, Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences, 371 (2004), doi:10.1098/rsta.2012.0363.

  National Oceanic and Atmospheric Administration, NOAA (2012), National Geodetic Survey NOAA Shoreline Data Explorer, http://www.ngs.noaa.gov/newsys_ims/ shoreline/index.cfm.

  Neumann, B., A. T. Vafeidis, J. Zimmermann, and R. J. Nicholls (2015), Future coastal population growth and exposure to sea-level rise and coastal flooding - a global assessment, PLOS ONE, 10 (3), 1{34, doi:10.1371/journal.pone.0118571.

  Nicholls, R. J., and A. Cazenave (2010), Sea Level Rise and Its Impact on Coastal Zones, Science, 328 (2010), 1517{1520, doi:10.1126/science.1185782.

  Nicholls, R. J., W. A. Birkemeier, and G. hong Lee (1998), Evaluation of depth of closure using data from duck, nc, usa, Marine Geology, 148 (3), 179 { 201, doi:https: //doi.org/10.1016/S0025-3227(98)00011-5.

  Norris, J. R. (1997a), Continuous-time Markov chains I, p. 60{107, Cambridge Series in Statistical and Probabilistic Mathematics, Cambridge University Press, doi:10.1017/ CBO9780511810633.004.

  Norris, J. R. (1997b), Continuous-time Markov chains II, p. 108{127, Cambridge Series in Statistical and Probabilistic Mathematics, Cambridge University Press, doi: 10.1017/CBO9780511810633.005.

  Oertel, G. F. (1972), Sediment transport of estuary entrance shoals and the formation of swash platforms, Journal of Sedimentary Research, 42, doi:http://dx.doi.org/10.

  1306/74D72658-2B21-11D7-8648000102C1865D.

  Ortiz, A. C., and A. D. Ashton (2016), Journal of Geophysical Research : Earth Surface of closure, pp. 442{464, doi:10.1002/2015JF003699.Received.

  Palalane, J., C. Fredriksson, B. Marinho, M. Larson, H. Hanson, and C. Coelho (2016), Simulating cross-shore material exchange at decadal scale. model application, Coastal Engineering, 116, 26 { 41, doi:https://doi.org/10.1016/j.coastaleng.2016.05.007.

  Patterson, D. C., and P. Nielsen (2016), Depth, bed slope and wave climate dependence of long term average sand transport across the lower shoreface, Coastal Engineering, 117, 113{125, doi:10.1016/j.coastaleng.2016.07.007.

  Pérez, J., F. J. Méndez, M. Menéndez, and I. J. Losada (2014), ESTELA: a method for evaluating the source and travel time of the wave energy reaching a local area, Ocean Dynamics, doi:10.1007/s10236-014-0740-7.

  Pérez, J., M. Menéndez, F. J. Méndez, and I. J. Losada (2014), Evaluating the performance of cmip3 and cmip5 global climate models over the north-east atlantic region, Climate Dynamics, 43 (9), 2663{2680, doi:10.1007/s00382-014-2078-8.

  Pérez, J., M. Menéndez, P. Camus, F. J. Méndez, and I. J. Losada (2015), Statistical multi-model climate projections of surface ocean waves in europe, Ocean Modelling, 96 (Part 1), 161 { 170, doi:https://doi.org/10.1016/j.ocemod.2015.06.001, waves and coastal, regional and global processes.

  Perez, J., M. Menendez, and I. J. Losada (2017), Gow2: A global wave hindcast for coastal applications, Coastal Engineering, 124, 1 { 11, doi:http://dx.doi.org/10.1016/ j.coastaleng.2017.03.005.

  Portilla-Yandún, J., L. Cavaleri, and G. P. V. Vledder (2015), Wave spectra partitioning and long term statistical distribution, Ocean Modelling, 96, 148 { 160, doi:https://doi.

  org/10.1016/j.ocemod.2015.06.008, waves and coastal, regional and global processes.

  Ranasinghe, R., and C. Pattiaratchi (1999), The seasonal closure of tidal inlets: Wilson inlet-a case study, Coastal Engineering, 37 (1), 37 { 56, doi:https://doi.org/10.1016/ S0378-3839(99)00007-1.

  Ranasinghe, R., and M. J. F. Stive (2009), Rising seas and retreating coastlines, Climatic Change, 97 (3-4), 465{468, doi:10.1007/s10584-009-9593-3.

  Ratli_, K. M., and A. B. Murray (2014), Modes and emergent time scales of embayed beach dynamics, Geophysical Research Letters, 41 (20), 7270{7275, doi:10.1002/ 2014GL061680.

  Reguero, B., M. Menéndez, F. Méndez, R. Mínguez, and I. Losada (2012), A Global Ocean Wave (GOW) calibrated reanalysis from 1948 onwards, Coastal Engineering, 65, 38{55, doi:10.1016/j.coastaleng.2012.03.003.

  Reguero, B. G., I. J. Losada, and F. J. Méndez (2015), A global wave power resource and its seasonal, interannual and long-term variability, APPLIED ENERGY, 148, 366{380, doi:10.1016/j.apenergy.2015.03.114.

  Rippa, S. (1999), An algorithm for selecting a good value for the parameter c in radial basis function interpolation, Advances in Computational Mathematics, 11, 193{210, doi:10.1023/A:1018975909870.

  Robinet, A., B. Castelle, D. Idier, G. Le Cozannet, M. Déqué, and E. Charles (2016), Statistical modeling of interannual shoreline change driven by north atlantic climate variability spanning 2000{2014 in the bay of biscay, Geo-Marine Letters, 36 (6), 479{ 490, doi:10.1007/s00367-016-0460-8.

  Roelvink, D. J., and G. Van Banning (1994), Design and development of delft3d and application to coastal morphodynamics, Hydroinformatics '94, pp. 451{456.

  Roelvink, D. J., A. J H M Reniers, A. van Dongeren, J. Thiel de Vries, J. Lescinski, and R. McCall (2010), Xbeach model - description and manual.

  Roelvink, J. (2006), Coastal morphodynamic evolution techniques, Coastal Engineering, 53 (2-3), 277{287, doi:10.1016/j.coastaleng.2005.10.015.

  Rosati, J., R. Dean, and T. Walton (2013), The modiéd bruun rule extended for landward transport, Marine Geology, 340, 71 { 81, doi:https://doi.org/10.1016/j.margeo.

  2013.04.018.

  Rueda, A., P. Camus, F. J. Méndez, A. Tomás, and A. Luceño (2016a), An extreme value model for maximum wave heights based on weather types, Journal of Geophysical Research: Oceans, 121 (2), 1262{1273, doi:10.1002/2015JC010952.

  Rueda, A., P. Camus, A. Tomás, S. Vitousek, and F. J. Méndez (2016b), A multivariate extreme wave and storm surge climate emulator based on weather patterns, Ocean Modelling, 104, 242{251, doi:10.1016/j.ocemod.2016.06.008.

  Rueda, A., C. A. Hegermiller, J. A. A. Antolínez, P. Camus, S. Vitousek, P. Ruggiero, P. L. Barnard, L. H. Erikson, A. Tomás, and F. J. Méndez (2017), Multiscale climate emulator of multimodal wave spectra: MUSCLE-spectra, Journal of Geophysical Research: Oceans, 122 (2), 1400{1415, doi:10.1002/2016JC011957.

  Rueda, A., L. Cagigal, J. A. A. Antolínez, J. ao Claudio Albuquerque, S. Castanedo, G. Coco, and F. J. Méndez (under reviewa), Marine climate variability based on weather patterns for a complicated island setting: The New Zealand case, International Journal of Climatology.

  Rueda, A., L. Cagigal, S. Pearson, J. A. A. Antolínez, C. Storlazzi, A. van Dongeren, P. Camus, and F. J. Méndez (under reviewb), HyCReWW: Hybrid estimation of Coral Reef Waves and Water levels, Environmental Software and Modelling.

  Ruessink, B. G., Y. Kuriyama, A. J. H. M. Reniers, J. A. Roelvink, and D. J. R. Walstra (2007), Modeling cross-shore sandbar behavior on the timescale of weeks, Journal of Geophysical Research: Earth Surface, 112 (F3), doi:10.1029/2006JF000730.

  Ruggiero, P., G. M. Kaminsky, G. Gelfenbaum, and B. Voigt (2005), Seasonal to interannual morphodynamics along a high-energy dissipative littoral cell, Journal of Coastal Research, pp. 553{578, doi:10.2112/03-0029.1.

  Ruggiero, P., M. Buijsman, G. M. Kaminsky, and G. Gelfenbaum (2010a), Modeling the eécts of wave climate and sediment supply variability on large-scale shoreline change, Marine Geology, 273 (1), 127 { 140, doi:https://doi.org/10.1016/j.margeo.2010.02.008, large-scale coastal change in the Columbia River littoral cell.

  Ruggiero, P., P. D. Komar, and J. C. Allan (2010b), Increasing wave heights and extreme value projections: The wave climate of the u.s. pacific northwest, Coastal Engineering, 57 (5), 539 { 552, doi:https://doi.org/10.1016/j.coastaleng.2009.12.005.

  Ruggiero, P., M. G. Kratzmann, E. A. Himmelstoss, D. Reid, J. Allan, and G. M.

  Kaminsky (2013), National Assessment of Shoreline Change : Historical Shoreline Change Along the Pacific Northwest Coast, Tech. rep.

  Ruggiero, P., G. M. Kaminsky, G. Gelfenbaum, and N. Cohn (2016), Morphodynamics of prograding beaches: A synthesis of seasonal- to century-scale observations of the columbia river littoral cell, Marine Geology, 376, 51 { 68, doi:https://doi.org/10.1016/ j.margeo.2016.03.012.

  Saha, S., S. Moorthi, H.-L. Pan, X. Wu, J. Wang, S. Nadiga, P. Tripp, R. Kistler, J. Woollen, D. Behringer, H. Liu, D. Stokes, R. Grumbine, G. Gayno, J. Wang, Y.-T.

  Hou, H. ya Chuang, H.-M. H. Juang, J. Sela, M. Iredell, R. Treadon, D. Kleist, P. V.

  Delst, D. Keyser, J. Derber, M. Ek, J. Meng, H. Wei, R. Yang, S. Lord, H. van den Dool, A. Kumar, W. Wang, C. Long, M. Chelliah, Y. Xue, B. Huang, J.-K. Schemm, W. Ebisuzaki, R. Lin, P. Xie, M. Chen, S. Zhou, W. Higgins, C.-Z. Zou, Q. Liu, Y. Chen, Y. Han, L. Cucurull, R. W. Reynolds, G. Rutledge, and M. Goldberg (2010), The ncep climate forecast system reanalysis, Bulletin of the American Meteorological Society, 91 (8), 1015{1058, doi:10.1175/2010BAMS3001.1.

  Sallenger, A. H. J. (2000), Storm impact scale for barrier islands, Journal of Coastal Research, 16 (3), 890{895.

  Salvadori, G., G. Tomasicchio, and F. D'Alessandro (2014), Practical guidelines for multivariate analysis and design in coastal and o_-shore engineering, Coastal Engineering, 88, 1{14, doi:10.1016/j.coastaleng.2014.01.011.

  Schupp, C. A., J. E. McNinch, and J. H. List (2006), Nearshore shore-oblique bars, gravel outcrops, and their correlation to shoreline change, Marine Geology, 233 (1), 63 { 79, doi:http://dx.doi.org/10.1016/j.margeo.2006.08.007.

  Seabloom, E. W., P. Ruggiero, S. D. Hacker, J. Mull, and P. Zarnetske (2012), Invasive grasses, climate change, and exposure to storm-wave overtopping in coastal dune ecosystems, Global Change Biology, 19 (3), 824{832, doi:10.1111/gcb.12078.

  Semedo, A., K. Su_selj, A. Rutgersson, and A. Sterl (2011), A global view on the wind sea and swell climate and variability from era-40, Journal of Climate, 24 (5), 1461{1479, doi:10.1175/2010JCLI3718.1.

  Sera_n, K. A., P. Ruggiero, and H. F. Stockdon (2017), The relative contribution of waves, tides, and nontidal residuals to extreme total water levels on u.s.

  west coast sandy beaches, Geophysical Research Letters, 44 (4), 1839{1847, doi: 10.1002/2016GL071020.

  Slott, J. M., A. B. Murray, A. D. Ashton, and T. J. Crowley (2006), Coastline responses to changing storm patterns, Geophysical Research Letters, 33 (18), 1{6, doi:10.1029/ 2006GL027445.

  Snodgrass, F. E., K. F. Hasselmann, G. R. Miller, W. H. Munk, and W. H. Powers (1966), Propagation of ocean swell across the pacific, Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences, 259 (1103), 431{497, doi:10.1098/rsta.1966.0022.

  Southgate, H. N. (1995), The eécts of wave chronology on medium and long term coastal morphology, Coastal Engineering, 26 (3-4), 251{270, doi:10.1016/ 0378-3839(95)00028-3.

  Splinter, K. D., I. L. Turner, and M. A. Davidson (2013), How much data is enough? the importance of morphological sampling interval and duration for calibration of empirical shoreline models, Coastal Engineering, 77, 14 { 27, doi:https://doi.org/10.

  1016/j.coastaleng.2013.02.009.

  Splinter, K. D., I. L. Turner, M. A. Davidson, P. Barnard, B. Castelle, and J. Oltman- Shay (2014), A generalized equilibrium model for predicting daily to interannual shoreline response, Journal of Geophysical Research: Earth Surface, 119 (9), 1936{ 1958, doi:10.1002/2014JF003106.

  SPM (1984), Shore Protection Manual, vol. 2, 37{53 pp., U S. Army Corps of Engineers, Army Engineer Waterways Experiment Station, Vicksburg, MS.

  Steijn, R. (1992), Input Filtering Techniques for Complex Morphological Models, H.: Waterloopkundig Laboratorium, Delft Hydraulics Laboratory.

  Stick, D. (1990), The Outer Banks of North Carolina, 1584{1958, 367 pp., University of North Carolina Press.

  Stive, M. J. F. (2004), How Important is Global Warming for Coastal Erosion, Climatic Change, 64 (1-2), 27{39, doi:10.1023/B:CLIM.0000024785.91858.1d.

  Stockdon, H. F., R. A. Holman, P. A. Howd, and A. H. Sallenger (2006), Empirical parameterization of setup, swash, and runup, Coastal Engineering, 53 (7), 573 { 588, doi:https://doi.org/10.1016/j.coastaleng.2005.12.005.

  Storlazzi, C., and M. Field (2000), Sediment distribution and transport along a rocky, embayed coast: Monterey peninsula and carmel bay, california, Marine Geology, 170 (3), 289 { 316, doi:https://doi.org/10.1016/S0025-3227(00)00100-6.

  Tetra Tech, I., P. S. W. Q. Authority, and P. S. E. Program (1986), Recommended Protocols for Measuring Conventional Sediment Variables in Puget Sound, Recommended protocols for measuring selected environmental variables in Puget Sound, Puget Sound Water Quality Authority (PO Box 40900, Olympia, WA 98504-0900).

  Thomas, C. W., A. B. Murray, A. D. Ashton, M. D. Hurst, A. K. Barkwith, and M. A.

  Ellis (2016), Complex coastlines responding to climate change: do shoreline shapes reflect present forcing or" remember" the distant past?, Earth Surface Dynamics, 4 (4), 871.

  Thomsen, K., and P. S_rensen (1999), Fatigue loads for wind turbines operating in wakes, Journal of Wind Engineering and Industrial Aerodynamics, 80 (1-2), 121{136, doi:10.1016/S0167-6105(98)00194-9.

  Tolman, H. L. (2009), User manual and system documentation of WAVEWATCH-III version 3.14, Technical note, (276).

  Tonnon, P., B. Huisman, G. Stam, and L. van Rijn (2018), Numerical modelling of erosion rates, life span and maintenance volumes of mega nourishments, Coastal Engineering, 131, 51 { 69, doi:https://doi.org/10.1016/j.coastaleng.2017.10.001.

  Trenberth, K. E., and D. A. Paolino Jr. (1981), Characteristic patterns of variability of sea level pressure in the northern hemisphere, Monthly Weather Review, 109 (6), 1169{1189, doi:10.1175/1520-0493(1981)109h1169:CPOVOSi2.0.CO;2.

  United States Geological Survey, USGS (2011), The National Assessment of Shoreline Change: A GIS Compilation of Vector Shorelines and Associated Shoreline Change Data for the U.S. Southeast Atlantic Coast.

  Valvo, L. M., A. B. Murray, and A. Ashton (2006), How does underlying geology aéct coastline change? an initial modeling investigation, Journal of Geophysical Research: Earth Surface, 111 (F2), doi:10.1029/2005JF000340, f02025.

  van de Lageweg, W., K. Bryan, G. Coco, and B. Ruessink (2013), Observations of shoreline-sandbar coupling on an embayed beach, Marine Geology, 344, 101 { 114, doi:https://doi.org/10.1016/j.margeo.2013.07.018.

  van Rijn, L. C. (2014), A simple general expression for longshore transport of sand, gravel and shingle, Coastal Engineering, 90, 23 { 39, doi:https://doi.org/10.1016/j.

  coastaleng.2014.04.008.

  Vitousek, S., and P. L. Barnard (2015), A nonlinear, implicit one-line model to predict long-term shoreline change, in Coastal Sediments 2015, edited by P. Wang, J. D.

  Rosati, and J. Cheng, chap. 215, World Scienti_c Publishing Co Pte Ltd, Singapore.

  Vitousek, S., P. L. Barnard, and P. Limber (2017a), Can beaches survive climate change?, Journal of Geophysical Research: Earth Surface, 122 (4), 1060{1067, doi: 10.1002/2017JF004308.

  Vitousek, S., P. L. Barnard, P. Limber, L. Erikson, and B. Cole (2017b), A model integrating longshore and cros-shore processes for predicting long-term shoreline response to climate change, Journal of Geophysical Research: Earth Surface, 122 (4), 782{806, doi:10.1002/2016JF004065.

  Walstra, D., A. Reniers, R. Ranasinghe, J. Roelvink, and B. Ruessink (2012), On bar growth and decay during interannual net offshore migration, Coastal Engineering, 60, 190 { 200, doi:https://doi.org/10.1016/j.coastaleng.2011.10.002.

  Walstra, D. J. R., R. Hoekstra, P. K. Tonnon, and B. G. Ruessink (2013), Input reduction for long-term morphodynamic simulations in wave-dominated coastal settings, Coastal Engineering, 77 (0), 57{70, doi:http://dx.doi.org/10.1016/j.coastaleng.2013.02.001.

  Wang, X. L., F. W. Zwiers, and V. R. Swail (2004), North atlantic ocean wave climate change scenarios for the twenty-_rst century, Journal of Climate, 17 (12), 2368{2383, doi:10.1175/1520-0442(2004)017h2368:NAOWCCi2.0.CO;2.

  Wang, X. L., V. R. Swail, and A. Cox (2010), Dynamical versus statistical downscaling methods for ocean wave heights, International Journal of Climatology, 30 (3), 317{332, doi:10.1002/joc.1899.

  Wang, X. L., Y. Feng, and V. R. Swail (2012), North Atlantic wave height trends as reconstructed from the 20th century reanalysis, Geophysical Research Letters, 39 (18), L18,705, doi:10.1029/2012GL053381.

  Warner, J. C., B. Armstrong, R. He, and J. B. Zambon (2010), Development of a coupled ocean-atmosphere-wave-sediment transport (coawst) modeling system, Ocean Modelling, 35 (3), 230 { 244, doi:https://doi.org/10.1016/j.ocemod.2010.07.010.

  Warren, I., and H. Bach (1992), Mike 21: a modelling system for estuaries, coastal waters and seas, Environmental Software, 7 (4), 229 { 240, doi:https://doi.org/10.

  1016/0266-9838(92)90006-P, 3rd International Software Exhibition for Environmental Science and Engineering.

  Weatherall, P., K. M. Marks, M. Jakobsson, T. Schmitt, S. Tani, J. E. Arndt, M. Rovere, D. Chayes, V. Ferrini, and R. Wigley (2015), A new digital bathymetric model of the world_s oceans, Earth and Space Science, 2, 331{345, doi:10.1002/2015EA000107.

  Wentworth, C. K. (1922), A scale of grade and class terms for clastic sediments, The Journal of Geology, 30 (5), 377{392.

  Wessel, P., and W. H. F. Smith (1996), A global, self-consistent, hierarchical, high resolution shoreline database, Journal of Geophysical Research: Solid Earth, 101 (B4), 8741{8743, doi:10.1029/96JB00104.

  Wingéld, D. K., and C. D. Storlazzi (2007), Spatial and temporal variability in oceanographic and meteorologic forcing along central california and its implications on nearshore processes, Journal of Marine Systems, 68 (3), 457 { 472, doi: https://doi.org/10.1016/j.jmarsys.2007.02.008.

  Wolinsky, M. a., and a. B. Murray (2009), A unifying framework for shoreline migration: 2. Application to wave-dominated coasts, Journal of Geophysical Research, 114 (F1), F01,009, doi:10.1029/2007JF000856.

  Yates, M. L., R. T. Guza, and W. C. O'Reilly (2009), Equilibrium shoreline response: Observations and modeling, Journal of Geophysical Research: Oceans, 114 (C9), doi: 10.1029/2009JC005359.

  Yates, M. L., R. T. Guza, W. C. O'Reilly, J. E. Hansen, and P. L. Barnard (2010), Equilibrium shoreline response of a high wave energy beach, Journal of Geophysical Research: Oceans, 116 (C4), doi:10.1029/2010JC006681.

  Young, I. R., S. Zieger, and A. V. Babanin (2011), Global trends in wind speed and wave height, Science, 332 (6028), 451{455, doi:10.1126/science.1197219.

  Zhang, K., B. C. Douglas, and S. P. Leatherman (2004), Global warming and coastal erosion, Climatic Change, 64, 41{58.

• English

  This thesis proposes new methodologies and models for coastal hazard assessment integrating several spatial and temporal scales of variability in response to climate shifts at ocean-basin-scale. First, we introduce a general framework for simulating and reducing dimensionality of wave-driver inputs to morphodynamic models accounting for the climate variability. Next, we define a statistical downscaling model of atmospheric fields to local wave conditions tracking the spatiotemporal relationship and thus accounting for the wave families. Then, we propose a computationally efficient way (combining statistical, data mining and dynamic modeling techniques) to downscale from ocean-basin-scale meteorological climate to the nearshore wave and wind climate affecting any particular coastline, and we investigate shifts in the Carolina's (USA) coastline shape since 1870. Finally, we present a shoreline change - dune erosion model for coastal planning and adaptation accounting for coupled longshore and crosshore processes at different time scales, including seasonal, sequencing and clustering of storm events, and interannual and decadal oscillations of various sorts by incorporating the effects of integrated varying wave action and water levels.