Eerste machine learning-model ontwikkeld voor het berekenen van het volume van alle gletsjers op aarde

Onderzoek naar de dikte van gletsjers met kunstmatige intelligentie

Een team van onderzoekers, onder leiding van Niccolò Maffezzoli, “Marie Curie” fellow aan de Ca’ Foscari Universiteit van Venetië en de Universiteit van Californië, Irvine, heeft het eerste wereldwijde model ontwikkeld op basis van kunstmatige intelligentie om de verdeling van de ijsdikte van alle gletsjers op aarde te berekenen.

Het model is gepubliceerd in het tijdschrift Geoscientific Model Development en wordt verwacht een referentietool te worden voor degenen die de toekomstige smeltscenario’s van gletsjers bestuderen. Nauwkeurige kennis van gletsjervolumes is essentieel voor het projecteren van toekomstige zeespiegelstijging, het beheren van watervoorraden en het beoordelen van de maatschappelijke impact van gletsjerretreat. Echter, het inschatten van hun absolute volume blijft een grote wetenschappelijke uitdaging.

In de loop der jaren zijn er meer dan 4 miljoen in situ metingen van gletsjerdikte verzameld, grotendeels dankzij NASA’s Operation IceBridge. Ondanks deze uitgebreide dataset hebben huidige modelleringstechnieken nog niet het volledige potentieel benut.

Kunstmatige intelligentie toegepast op gletsjerdata

Directe metingen van gletsjerdikte bestrijken minder dan 1% van de gletsjers op de planeet, wat de noodzaak benadrukt voor modellen die in staat zijn om schattingen van ijsdikte en volume op wereldschaal te bieden. Deze studie is de eerste die dergelijke observationele data in combinatie met de kracht van machine learning-algoritmen benut.

“Ons model combineert twee beslissingsboomalgoritmen, getraind op diktemetingen en 39 kenmerken, waaronder ijsdynamiek, massabalans, temperatuurvelden en geometrische en geodetische variabelen. Het getrainde model vertoont fouten die tot 30-40% lager zijn dan de huidige traditionele mondiale modellen, vooral op polaire breedtegraden en langs de randen van de ijskappen, waar het merendeel van het ijs van de planeet zich bevindt,” legt Maffezzoli uit.

Verbeteren van kaarten en projecties van zeespiegelstijging

In de poolgebieden en aan de randen van Groenland en Antarctica is het hebben van nauwkeurige schattingen van ijsdikte bijzonder belangrijk. Deze schattingen dienen als beginvoorwaarden voor numerieke modellen die de ijsstroom en de interacties met de oceaan simuleren—interacties die cruciaal zijn voor het projecteren van zeespiegelstijging onder toekomstige klimaatscenario’s.

Het model toont sterke generalisatiecapaciteiten in deze gebieden en de onderzoekers geloven dat het kan helpen om huidige kaarten van subglaciale topografie in specifieke gebieden van de ijskappen, zoals het Geikie Plateau of het Antarctisch Schiereiland, te verfijnen. Dit werk vertegenwoordigt een eerste stap naar het produceren van bijgewerkte schattingen van mondiale gletsjervolumes die nuttig zullen zijn voor modelleurs, het IPCC en beleidsmakers.

“We zijn van plan om tegen het einde van 2025 twee datasets met in totaal een half miljoen ijsdiktemappen vrij te geven,” zegt Maffezzoli. “Er is nog een lange weg te gaan, maar dit werk toont aan dat AI en machine learning benaderingen nieuwe en opwindende mogelijkheden voor ijsmodellering openen.”

De betekenis van gletsjers

Momenteel dragen gletsjers ongeveer 25-30% bij aan de waargenomen wereldwijde zeespiegelstijging, en hun smelten versnelt. Dit is bijzonder significant in droge gebieden zoals de Andes of de grote bergketens van de Himalaya en Karakoram, waar gletsjerbronnen de levensonderhoud van miljarden ondersteunen. Het is ook cruciaal voor het begrijpen van de stabiliteit van de poolijskappen in Groenland en Antarctica, waar perifere interacties met de oceaan de dynamiek van de ijskappen beïnvloeden.