Kunstmatige intelligentie ziet verhoogd risico op snelle ineenstorting zee-ijs Noordpool
Je kent het wel: het noordpoolijs smelt, dat weten we al jaren. Maar wat als dat smelten niet geleidelijk gaat, maar in een paar jaar tijd ineens heel snel? Onderzoekers hebben nu een AI-model gebruikt om te voorspellen wanneer dat risico het grootst is. En volgens dat model is de kans op zo'n plotselinge ineenstorting sinds ongeveer 2015 toegenomen.
Het zee-ijs rond de Noordpool groeit en krimpt elk jaar met de seizoenen. In september, aan het einde van de zomer, is het ijs het kleinst. Klimaatmodellen die rekening houden met de stijgende uitstoot van broeikasgassen laten soms iets opvallends zien: het ijs verdwijnt niet steeds een beetje, maar stort in een paar jaar tijd flink in. Zo'n gebeurtenis heet een "snelle-ijsverlies-gebeurtenis". In de meetgegevens die we hebben, sinds satellieten in de jaren tachtig begonnen met meten, is zoiets nog niet gebeurd. Maar de metingen zijn ook nog relatief kort, dus je kunt niet met zekerheid zeggen dat het niet kan gebeuren.
Om dit beter te begrijpen, trainden de onderzoekers een zogeheten convolutioneel neuraal netwerk (CNN), een type kunstmatige intelligentie dat goed is in het herkennen van patronen in grote hoeveelheden data. Ze voedden het model met gegevens uit zes grote sets klimaatsimulaties. Zo leerde het model herkennen welke omstandigheden vooraf gaan aan een snelle ineenstorting van het ijs.
Het model let vooral op drie dingen: hoe dun het ijs al langere tijd is, hoeveel ijs er nog over is, en hoeveel warmte er in de bovenste laag van de oceaan zit. Als deze drie signalen samen optreden, stijgt het risico op een snelle ineenstorting. Om te testen of het model betrouwbaar is, lieten de onderzoekers het steeds één klimaatmodel "niet zien" tijdens het trainen en vroegen ze het daarna om dat model te beoordelen. Dit heet kruisvalidatie. Het AI-model bleek goed in staat om modellen met een hoger risico te onderscheiden van modellen met een lager risico, ook als het die specifieke situatie nog niet eerder had gezien.
Vervolgens pasten de onderzoekers hun model toe op echte satellietmetingen van het zee-ijs. Daaruit kwam een interessant patroon naar voren. Rond 2007, toen het zee-ijs flink terugliep, gaf het model al een signaal voor verhoogd risico. En sinds ongeveer 2015 tot nu laat het model een stijgende lijn in dat risico zien.
Dit onderzoek is één studie, uitgevoerd door één onderzoeksteam. Het model voorspelt een verhoogd risico, maar dat betekent niet dat een snelle ineenstorting van het zee-ijs ook echt gaat gebeuren, of wanneer precies. Ook is er geen harde kans of percentage genoemd in dit onderzoek: het gaat om een signaal van toegenomen kwetsbaarheid, niet om een voorspelling met een vastgestelde datum.
Mocht zo'n snelle ineenstorting van het zee-ijs toch gebeuren, dan zou dat grote gevolgen kunnen hebben. Denk aan dieren en planten in het noordpoolgebied die afhankelijk zijn van het ijs, aan kustgemeenschappen in de regio, en aan scheepvaartroutes die door het noordpoolgebied lopen. Onderzoekers blijven dit soort modellen verder verfijnen, zodat we beter voorbereid zijn op wat er met het noordpoolijs kan gebeuren.
Bron: Identifying Arctic states vulnerable to rapid ice loss with a convolutional neural network