Forbedret sanntidsprediksjon av arktisk havis
En ny studie publisert i tidsskriftet Chaos rapporterer et viktig gjennombrudd i sanntidsprediksjon av arktisk havis. Studien, ledet av forskere fra USA og Storbritannia, fokuserer på å forutsi det årlige laveste nivået av havis i Arktis, som vanligvis nås i september.
Sanntidsprediksjoner for havisens utstrekning er viktige for å overvåke helsen til havisen, forstå klimaendringer og forberede seg på konsekvensene. Testing av den nye tilnærmingen i september 2024, samt retrospektiv testing for tidligere år, viste at den pålitelig kan fange både langsiktige trender og kortsiktige svingninger.
Hvorfor arktisk havis er viktig
Arktisk havis spiller en avgjørende rolle i det globale klimasystemet. Lys is reflekterer sollys tilbake i rommet, noe som bidrar til å kjøle ned planeten. Når isen smelter, absorberer det mørkere havvannet mer varme, noe som akselererer oppvarmingen. Denne mekanismen kalles albedoeffekten og dens innflytelse strekker seg langt utover Arktis.
Havisforholdene påvirker også direkte mennesker og økosystemer. Urfolkssamfunn er avhengige av stabil is for reise og jakt. Dyreliv som isbjørner og seler er avhengige av det som habitat. Shipping, fiske og turistindustrier trenger nøyaktig informasjon om isforhold for å operere trygt og planlegge fremover.
En ny måte å forutsi et komplekst system
Å forutsi havisen er ikke enkelt. Utviklingen av havisen avhenger av atmosfæriske og oseaniske faktorer som varierer på svært forskjellige tidsskalaer. Disse spenner fra langsiktige klimatrender og årlige sesongsykluser til raskt skiftende værmønstre.
Forskerne utviklet en teori-guidet maskinlæringsmetode som tar hensyn til det komplekse og ikke-lineære ved klimasystemet. Modellen inkorporerer hukommelseseffekter, noe som betyr at tidligere forhold påvirker fremtidig atferd. Ved å fange interaksjoner på tvers av flere tidsskalaer, kan den tilpasse seg når forholdene endrer seg uventet.
For å identifisere disse mønstrene analyserte teamet relasjoner i langsiktige observasjonsdata, inkludert gjennomsnittlige daglige målinger av havisens utstrekning fra National Snow and Ice Data Center siden 1978. Modellen inkorporerer også regionale data for å forbedre kortsiktige is- og værestimater.
Forbedret nøyaktighet og fremtidige utviklinger
Generelt er langsiktige prognoser mer pålitelige enn kortsiktige. Denne nye tilnærmingen fungerte imidlertid bra på begge områder. Når den ble testet mot historiske data og sammenlignet med flere standard statistiske og maskinlæringsteknikker, viste den forbedret nøyaktighet. Den klarte å følge den langsiktige nedgangen i arktisk havis samtidig som den fanget kortsiktige variasjoner på sub-sesongmessige til sesongmessige tidsskalaer.
Som alle vitenskapelige modeller har den sine begrensninger. Forskerne påpeker at inkludering av ytterligere oseaniske og atmosfæriske variabler, som lufttemperatur og havtrykk, kan forbedre nøyaktigheten. Disse faktorene kan utløse raske endringer og kortsiktige svingninger som er vanskelige å forutsi.
Ettersom Arktis fortsetter å varme opp, blir verktøy som gir nøyaktige og tidsriktige prognoser for havisforhold stadig viktigere. Denne studien viser hvordan kombinasjonen av fysisk forståelse av klimasystemet og moderne dataanalyse kan føre til praktiske fremskritt innen klimaforutsigelser.
Léa Zinsli, PolarJournal
