Å finne ut hvordan tykkelsen på sjøis i Arktis varierer, har lenge vært utfordrende på grunn av regionens uframkommelighet, og den begrensede tilgangen vi har til historiske data. Léo Edel og kolleger har gjennom senere tids forskning utviklet en metode som kombinerer maskinlæring og dataassimilering. Dette representerer et gjennombrudd innen klimavitenskap. Vanligvis blir maskinlæring og dataassimilering brukt for å se på fortiden, men med denne nye metoden kan vi nå lage prediksjoner for fortiden der satellitter ikke kunne måle sjøistykkelse.
Arktis fungerer som en «kanarifugl i kullgruven» – et tidlig varslingssystem for kommende klimaendringer. Endringer i sjøis gir verdifull innsikt i hvordan både havet og luften påvirkes. Sjøis-tykkelsen er i seg selv en kritisk faktor, som påvirker samspillet mellom hav, atmosfære og økosystemer. Pålitelige langtidsmålinger av sjøistykkelse gjør det mulig å gjennomføre modellberegninger med nøyaktige data. Dette fører til mer presise prognoser om forholdene i Arktis, og de omfattende effektene dette har for globalt klima.
Forbedring av data fra satellittobservasjoner
Siden slutten av 1970-tallet har blant annet NASA sine satellitter bidratt til uvurderlig kunnskap om sjøisen i Arktis. Men pålitelige data om sjøistykkelse har bare vært tilgjengelig siden 2011, etter introduksjonen av det kombinerte satellittproduktet CryoSat-2 – SMOS (CS2SMOS, se faktaboks). Tidligere satellittdata manglet tilstrekkelig kvalitet for å gjøre nøyaktige beregninger. Data innhentet over flere tiår har hatt et omfattende korrigeringsbehov, for å kunne tas i bruk som historiske beregninger.
Edel og teamet hans har løst problemet gjennom å rekonstruere data fra sjøistykkelse i Arktis mellom 1992 og 2010, og perioden med pålitelige observasjonsdata ble utvidet fra 12 til 31 år. De oppnådde dette ved å bruke en hybridmodell som kombinerer maskinlærings-algoritmer med dataassimilerings-metoder utviklet ved Nansensenteret. Det er første gang en så avansert hybrid metode har blitt brukt til denne type oppgaver.
Et høyoppløselig datasett med globale implikasjoner
De nye datasettet gir mer nøyaktig informasjon om sjøistykkelse i Arktis fra perioden 1992 til 2010, med en oppløsning på 10×10 km. Forbedrede data viser mønstre for utbredelse og variasjoner i sjøistykkelse, samt endringer over tid. Slik kunnskap er avgjørende for å forbedre langsiktige prognoser for isforholdene i Arktis, som har betydelige globale implikasjoner – fra havnivåstigning til forandringer i vær- og havsystemer.
Utviklingen danner også grunnlaget for videre anvendelser, fordi metoden har potensiale til å forbedre informasjon om andre viktige variabler knyttet til sjøis og havsystemer. Ved økt kunnskap og forståelse av forholdene Arktis, både i fortid og i nåtid, gir forskning tilgang til et bedre kunnskapsgrunnlag for iverksetting av globale klimatiltak.
Arbeidet er en del av Nansensenterets TARDIS-prosjekt. Her er det utviklet en banebrytende teknologi som kan benyttes til å fylle vesentlige kunnskapshull i klimaforskning.
Nøkkelforskere: Léo Edel, Jiping Xie, Anton Korosov, Julien Brajard, Laurent Bertino
