Насколько точны статистические модели потери ледников?

Потеря ледников — острая проблема во всем мире, влияющая на запасы пресной воды, повышение уровня моря и океаническую циркуляцию. Для оценки угрозы часто используют глобальные модели ледников, например, показывающие широкомасштабную дегляциацию в средних широтах к 2100 году. Однако в этих моделях сохраняются неопределенности относительно линейной связи между температурой и сокращением ледников, особенно в регионах вроде Исландии, где температурные экстремумы отклоняются от глобальной средней.

Исследование ледника Бруарйёкюдль в Исландии показало, что линейную связь нельзя достоверно объяснить только локальными наблюдениями. Это указывает на необходимость изучать ледники Исландии как сеть. Работа, основанная на данных спутниковых снимков и ближайшей метеостанции за 1984–2020 годы, смоделировала сокращение площади ледника (так называемый хиндкаст для проверки прогнозных моделей).

В отличие от физически сложных детерминированных моделей, статистические модели, основанные на корреляциях данных, рассматриваются как альтернатива для изучения таяния. Например, исследование ледника Нараду в Западных Гималаях выявило, что сокращение осадков — более важный фактор таяния, чем рост температуры. Попытка воспроизвести эти методы для Бруарйёкюдля показала, что ключевым климатическим фактором для площади ледника также являются осадки, а не температура, что контрастирует с некоторыми предыдущими выводами.

Критически важно, что линейное моделирование площади ледника как функции осадков нельзя надежно использовать для краткосрочного или долгосрочного прогнозирования. Анализ остатков модели (разниц между наблюдаемыми и прогнозируемыми значениями) показал, что ледниково-метеорологические динамики лишь частично описываются линейно. Это согласуется с исследованиями в Гренландии, где динамика отдельных ледников нелинейна, но нормализованные изменения однородны на больших территориях, что позволяет использовать менее сложные региональные модели.

Выводы подчеркивают необходимость более совершенных методов, таких как нелинейные статистические модели или искусственные нейронные сети, и более качественных данных для локальных исследований. Ограниченность данных из-за удаленности ледников может потребовать пересмотра подходов к их изучению в Исландии, сместив фокус на исследование связей внутри региональных ледниковых сетей для улучшения глобальных моделей.