Une équipe de chercheurs dirigée par Niccolò Maffezzoli, boursière de « Marie Curie » à l'Université de Venise de CA 'Foscari et à l'Université de Californie à Irvine, et un membre associé de l'Institut des sciences polaires du Conseil national de recherche de l'Italie, a développé le premier modèle mondial basé sur l'intelligence artificielle pour calculer la distribution d'épaisseur de glace de tous les gliers sur la terre.
Le modèle a été publié dans la revue Développement du modèle géoscientifique et devrait devenir un outil de référence pour ceux qui étudient les futurs scénarios de fonte des glaciers.
Une connaissance précise des volumes des glaciers est essentielle pour projeter la future augmentation du niveau de la mer, la gestion des ressources en eau et l'évaluation des impacts sociétaux liés à la retraite des glaciers. Cependant, l'estimation de leur volume absolu reste un défi scientifique majeur.
Au fil des ans, plus de 4 millions de mesures in situ de l'épaisseur des glaciers ont été collectées, grâce en grande partie à l'opération Icebridge de la NASA. Malgré l'ensemble de données étendu, les approches de modélisation actuelles n'ont pas encore exploité son potentiel.
AI appliqué aux données des glaciers
Les mesures directes de l'épaisseur des glaciers couvrent moins de 1% des glaciers de la planète, mettant en évidence la nécessité de modèles capables de fournir des estimations à l'échelle mondiale de l'épaisseur et du volume de la glace. Cette étude est la première à tirer parti de ces données d'observation en conjonction avec la puissance des algorithmes d'apprentissage automatique.
« Notre modèle combine deux algorithmes d'arbres de décision, formés sur des mesures d'épaisseur et 39 caractéristiques, notamment la vitesse de la glace, l'équilibre massique, les champs de température et les variables géométriques et géodétiques. Maffezzoli.
Amélioration des cartes et des projections de l'élévation du niveau de la mer
Dans les régions polaires et dans les marges du Groenland et de l'Antarctique, il est particulièrement important d'avoir des estimations précises de l'épaisseur de la glace. Ces estimations servent de conditions initiales pour les modèles numériques qui simulent le flux de glace et ses interactions avec l'océan – des interactions qui sont essentielles pour projeter une augmentation du niveau de la mer dans les futurs scénarios climatiques.
Le modèle démontre de fortes capacités de généralisation dans ces régions et, selon les chercheurs, peut aider à affiner les cartes actuelles de la topographie sous-glaciaire dans des zones spécifiques des calottes glaciaires, telles que le plateau de Geikie ou la péninsule antarctique.
Ce travail représente une étape initiale vers la production d'estimations mises à jour des volumes mondiaux des glaciers qui seront utiles aux modélisateurs, au GIEC et aux décideurs.
« Nous visons à publier deux ensembles de données totalisant un demi-million de cartes d'épaisseur de glace d'ici la fin de 2025 », explique Maffezzoli. « Il reste encore un long chemin à parcourir, mais ce travail montre que les approches de l'IA et de l'apprentissage automatique ouvrent de nouvelles possibilités passionnantes pour la modélisation de la glace. »
La signification des glaciers
À l'heure actuelle, les glaciers contribuent à environ 25 à 30% de l'élévation du niveau mondial observé de la mer et leur fusion s'accélération. Ceci est particulièrement significatif dans les régions arides telles que les Andes ou les principales chaînes de montagnes de l'Himalaya et du Karakoram, où les eaux de tête glaciaires soutiennent les moyens de subsistance de milliards.
Il est également essentiel pour comprendre la stabilité des calottes glaciaires polaires au Groenland et en Antarctique, où les interactions périphériques avec l'océan influencent la dynamique des calotations glaciaires.
