Учёные создали точную систему раннего предупреждения о таянии арктических льдов

Это достижение поможет арктическим сообществам, промышленности и исследователям лучше подготовиться к быстрым изменениям в полярной среде. Фото: Shutterstock

Арктический морской лёд играет ключевую роль в формировании климатической системы Земли. Отражая солнечный свет и способствуя охлаждению планеты, он влияет на океанические течения, атмосферные процессы и экстремальные погодные явления далеко за пределами полярных регионов. По мере того как изменение климата ускоряет потерю арктического льда, учёные всё больше полагаются на измерения морского ледяного покрова (SIE) в реальном времени для отслеживания состояния ледового щита.

В журнале Chaos, издаваемом AIP Publishing, учёные из США и Великобритании представили метод, обеспечивающий точные прогнозы арктического SIE в реальном времени. Их работа сосредоточена на сентябре, когда площадь арктических льдов достигает своего годового минимума. Поскольку эта низкая точка отражает кумулятивный эффект таяния в течение года, сентябрьские уровни льда считаются одним из важнейших индикаторов общего состояния ледяного покрова.

Почему важны точные прогнозы льда

Коренные арктические сообщества зависят от охоты на такие виды, как белые медведи, тюлени и моржи, для которых морской лёд является важнейшей средой обитания, — сказал автор работы Дмитрий Кондрашов. — Существуют и другие виды экономической деятельности, такие как добыча газа и нефти, рыболовство и туризм, где предварительное знание точных ледовых условий снижает риски и затраты.

Надёжные прогнозы состояния льда могут поддержать как традиционные промыслы, так и современные отрасли, работающие в арктических водах или рядом с ними.

Моделирование морского льда как взаимодействующей системы

Вместо того чтобы рассматривать изменение ледяного покрова как единый процесс, исследователи смоделировали его как результат множества атмосферных и океанических влияний, меняющихся с разной скоростью — например, климатической памяти на длительных временных масштабах, годовых сезонных циклов и быстро меняющейся погоды, — оставаясь при этом взаимосвязанными. Чтобы определить, как эти влияния взаимодействуют, команда проанализировала среднесуточные данные SIE из Национального центра данных по снегу и льду, используя записи, начиная с 1978 года.

Исследователи оценили свою систему прогнозирования, используя данные в реальном времени за сентябрь 2024 года, а также исторические данные за прошлые сентябрьские месяцы. Эти тесты показали, что метод надёжно фиксирует поведение морского льда в субсезонных и сезонных масштабах. При прогнозировании SIE на один-четыре месяца вперёд модель стабильно давала более точные результаты, чем другие подходы к прогнозированию.

Улучшение краткосрочных арктических прогнозов

Долгосрочные климатические проекции, как правило, более стабильны и надёжны, чем краткосрочные прогнозы, которые более чувствительны к быстрым погодным изменениям. Интегрировав подробную региональную информацию, исследователи смогли улучшить краткосрочные оценки состояния льда и связанных с ним погодных условий.

Модель включает несколько крупных арктиских регионов, составляющих панарктическую зону, — сказал Кондрашов. — Несмотря на большие различия в условиях морского льда из года в год в разных регионах, модель может достаточно точно их уловить.

Следующие шаги в прогнозировании арктического льда

Исследовательская группа планирует дальнейшее усовершенствование модели, добавив больше атмосферных и океанических факторов, включая температуру воздуха и давление на уровне моря. Эти переменные могут вызывать быстрые сдвиги и краткосрочную изменчивость, которые ещё не полностью представлены в модели. Исследователи ожидают, что включение этих элементов улучшит прогнозы состояния арктического морского льда в летние месяцы, когда условия меняются наиболее быстро.

Источники:

Материалы предоставлены Американским институтом физики.

Dmitri Kondrashov, Ivan Sudakow, Valerie Livina, Qingping Yang. Accurate and robust real-time prediction of September Arctic sea ice. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2026; 36 (2) DOI: 10.1063/5.0295634