AI onthult nieuwe inzichten in de stroming van Antarctisch ijs

Nieuwe inzichten in de beweging van Antarctisch ijs door AI

Naarmate de aarde opwarmt, smelt het ijs van Antarctica en draagt het bij aan de stijging van de zeespiegel wereldwijd. Antarctica bevat genoeg bevroren water om de wereldwijde zeespiegel met 58 meter te verhogen, waardoor het essentieel is om nauwkeurig te voorspellen hoe het zich nu en in de toekomst zal bewegen en smelten, ter bescherming van kustgebieden.

De meeste klimaatmodellen hebben moeite om de beweging van Antarctisch ijs nauwkeurig te simuleren vanwege beperkte gegevens en de complexiteit van de interacties tussen de oceaan, de atmosfeer en het bevroren oppervlak. In een recent gepubliceerd artikel hebben onderzoekers van de Stanford Universiteit machine learning toegepast om voor het eerst hoge-resolutie gegevens over de ijsbewegingen in Antarctica te analyseren.

Hun onderzoek onthult enkele fundamentele fysica die de grootschalige beweging van het Antarctische ijskap beheerst en kan helpen bij het verbeteren van voorspellingen over hoe het continent in de toekomst zal veranderen. “Een enorme hoeveelheid observatiedata is beschikbaar gekomen in het satelliettijdperk,” zei Ching-Yao Lai, assistent-professor geofysica aan de Stanford Doerr School of Sustainability en hoofdauteur van het artikel. “We hebben deze uitgebreide dataset gecombineerd met fysica-geïnformeerd deep learning om nieuwe inzichten te verkrijgen over het gedrag van ijs in zijn natuurlijke omgeving.”

Dynamiek van ijskappen

Het Antarctische ijskap, de grootste ijsmassa op aarde en bijna twee keer zo groot als Australië, fungeert als een spons voor de planeet door zoetwater als ijs op te slaan en zo de zeespiegel stabiel te houden. Om de beweging van het Antarctische ijskap te begrijpen, dat elk jaar sneller krimpt, hebben bestaande modellen doorgaans vertrouwd op aannames over het mechanische gedrag van ijs, afgeleid van laboratoriumexperimenten. Maar het ijs in Antarctica is veel ingewikkelder dan wat in een laboratorium kan worden gesimuleerd, aldus Lai.

Ijskappen die zijn gevormd uit zeewater hebben andere eigenschappen dan ijs dat is gevormd uit samengeperst sneeuw, en ijskappen kunnen grote scheuren, luchtzakken of andere inconsistenties bevatten die de beweging beïnvloeden. “Deze verschillen beïnvloeden het algemene mechanische gedrag, het zogenaamde constitutieve model, van het ijskap op manieren die niet worden vastgelegd in bestaande modellen of in een laboratoriumomgeving,” zei Lai.

In plaats van te proberen al deze individuele variabelen in kaart te brengen, bouwden Lai en haar collega’s een machine learning-model om de grootschalige bewegingen en de dikte van het ijs te analyseren, vastgelegd met satellietbeelden en vliegtuigradar tussen 2007 en 2018. De onderzoekers vroegen het model om de remote-sensing gegevens te passen en zich te houden aan verschillende bestaande natuurwetten die de beweging van ijs beheersen, en gebruikten het om nieuwe constitutieve modellen af te leiden die de viscositeit van het ijs beschrijven—de weerstand tegen beweging of stroming.

Compressie versus vervorming

De onderzoekers concentreerden zich op vijf van de ijskappen van Antarctica—drijvende ijsplaten die vanuit landgebonden gletsjers over de oceaan uitsteken en het merendeel van het Antarctische gletsjerijs tegenhouden. Ze ontdekten dat de delen van de ijskappen die het dichtst bij het continent liggen, worden samengedrukt, en de constitutieve modellen in deze gebieden redelijk consistent zijn met laboratoriumexperimenten. Echter, naarmate het ijs verder van het continent komt, wordt het naar zee getrokken. Deze vervorming zorgt ervoor dat het ijs in dit gebied verschillende fysieke eigenschappen in verschillende richtingen heeft—zoals hoe een boomstam gemakkelijker splijt langs de nerf dan ertegenin—een concept dat anisotropie wordt genoemd.

“Onze studie onthult dat het merendeel van de ijskap anisotroop is,” zei Yongji Wang, de eerste auteur van de studie, die het werk als postdoctoraal onderzoeker in Lai’s lab uitvoerde. “De compressiezone—het deel dicht bij het vaste ijs—maakt slechts minder dan 5% van de ijskap uit. De overige 95% is de extensiezone en volgt niet dezelfde wet.” Het nauwkeurig begrijpen van de bewegingen van het ijskap in Antarctica wordt steeds belangrijker naarmate de wereldwijde temperaturen stijgen—stijgende zeeën vergroten al de overstromingen in laaggelegen gebieden en eilanden, versnellen de kustafslag en verergeren de schade door orkanen en andere ernstige stormen.

Tot nu toe hebben de meeste modellen aangenomen dat Antarctisch ijs dezelfde fysieke eigenschappen in alle richtingen heeft. Onderzoekers wisten dat dit een te simpele voorstelling was—modellen van de echte wereld repliceren nooit perfect de natuurlijke omstandigheden—maar het werk van Lai, Wang en hun collega’s toont onmiskenbaar aan dat huidige constitutieve modellen de beweging van het ijskap die door satellieten wordt waargenomen, niet nauwkeurig vastleggen. “Mensen hebben hier eerder over nagedacht, maar het was nooit gevalideerd,” zei Wang, die nu postdoctoraal onderzoeker is aan de New York University. “Nu weten we, op basis van deze nieuwe methode en het rigoureuze wiskundige denken erachter, dat modellen die de toekomstige evolutie van Antarctica voorspellen anisotroop moeten zijn.”

AI voor aardwetenschappen

De auteurs van de studie weten nog niet precies wat de extensiezone anisotroop maakt, maar ze zijn van plan hun analyse verder te verfijnen met aanvullende gegevens van het Antarctische continent zodra deze beschikbaar komen. Onderzoekers kunnen deze bevindingen ook gebruiken om beter te begrijpen welke spanningen scheuren of afkalving kunnen veroorzaken—wanneer enorme ijsschotsen plotseling van de plank breken—of als een startpunt voor het incorporeren van meer complexiteit in ijskapmodellen. Dit werk is de eerste stap naar het opbouwen van een model dat de omstandigheden die we in de toekomst kunnen tegenkomen, nauwkeuriger simuleert.

Lai en haar collega’s geloven ook dat de technieken die hier zijn gebruikt—het combineren van observatiedata en gevestigde natuurwetten met deep learning—kunnen worden toegepast om de fysica van andere natuurlijke processen met uitgebreide observatiedata te onthullen. Ze hopen dat hun methoden zullen bijdragen aan verdere wetenschappelijke ontdekkingen en leiden tot nieuwe samenwerkingen met de gemeenschap van aardwetenschappen. “We proberen te laten zien dat je AI kunt gebruiken om iets nieuws te leren,” zei Lai. “Het moet nog steeds gebonden zijn aan enkele natuurwetten, maar deze gecombineerde aanpak stelde ons in staat om ijspfysica te onthullen die verder gaat dan wat eerder bekend was en kan echt leiden tot een nieuw begrip van aard- en planetaire processen in een natuurlijke setting.”