Vea También
 |
| Figura de IceNet. Crédito: British Antarctic Survey |
Una nueva herramienta de IA (inteligencia artificial) permitirá a los científicos predecir con mayor precisión las condiciones del hielo marino del Ártico con meses de antelación. La mejora de las predicciones podría servir de base para nuevos sistemas de alerta temprana que protejan a la fauna del Ártico y a las comunidades costeras de los impactos de la pérdida de hielo marino.
Un equipo internacional de investigadores, dirigido por el British Antarctic Survey (BAS) y el Instituto Alan Turing, ha publicado esta semana en la revista Nature Communications una descripción del sistema de inteligencia artificial, IceNet, que aborda el reto de elaborar previsiones precisas sobre el hielo marino del Ártico para la próxima temporada, algo que los científicos han eludido durante décadas.
El hielo marino, una vasta capa de agua marina congelada que aparece en los polos norte y sur, es notoriamente difícil de pronosticar debido a su compleja relación con la atmósfera por encima y el océano por debajo. La sensibilidad del hielo marino al aumento de las temperaturas ha provocado que la superficie de hielo marino del Ártico en verano se haya reducido a la mitad en las últimas cuatro décadas, lo que equivale a la pérdida de una superficie unas 25 veces mayor que la de Gran Bretaña. Estos cambios acelerados tienen consecuencias dramáticas para nuestro clima, para los ecosistemas del Ártico y para las comunidades indígenas y locales cuyo sustento está ligado al ciclo estacional del hielo marino.
IceNet, la herramienta de predicción de la IA, tiene una precisión de casi el 95% a la hora de predecir la presencia de hielo marino con dos meses de antelación, mejor que el principal modelo basado en la física.
El autor principal, Tom Andersson, científico de datos del laboratorio de IA del BAS y financiado por el Instituto Alan Turing, explica: "El Ártico es una región que se encuentra en primera línea del cambio climático y ha experimentado un calentamiento considerable en los últimos 40 años. IceNet tiene el potencial de llenar un vacío urgente en la previsión del hielo marino para los esfuerzos de sostenibilidad del Ártico y funciona miles de veces más rápido que los métodos tradicionales."
El Dr. Scott Hosking, investigador principal, codirector del laboratorio de IA de la BAS e investigador principal del Instituto Alan Turing, afirma: "Me entusiasma ver cómo la IA nos hace replantearnos la forma de llevar a cabo la investigación medioambiental. Nuestro nuevo marco de previsión del hielo marino fusiona los datos de los sensores de los satélites con los resultados de los modelos climáticos de una manera que los sistemas tradicionales simplemente no podrían lograr".
A diferencia de los sistemas de previsión convencionales que intentan modelar directamente las leyes de la física, los autores diseñaron IceNet basándose en un concepto llamado aprendizaje profundo. Mediante este enfoque, el modelo "aprende" cómo cambia el hielo marino a partir de miles de años de datos de simulación climática, junto con décadas de datos de observación para predecir la extensión del hielo marino del Ártico meses en el futuro.
Tom Andersson concluye: "Ahora que hemos demostrado que la IA puede pronosticar con precisión el hielo marino, nuestro próximo objetivo es desarrollar una versión diaria del modelo y hacerla pública en tiempo real, al igual que las previsiones meteorológicas. Esto podría funcionar como un sistema de alerta temprana de los riesgos asociados a la rápida pérdida de hielo marino".
Fuentes, créditos y referencias:
Seasonal Arctic sea ice forecasting with probabilistic deep learning, Nature Communications (2021). dx.doi.org/10.1038/s41467-021-25257-4