Prédire l'étendue de la glace de mer arctique en septembre a des implications importantes pour le changement climatique et l'expédition dans l'Arctique. Cependant, les prévisions saisonnières pour la glace de mer de septembre rencontrent souvent un défi connu sous le nom de «barrière de prévisibilité du printemps».
Pour résoudre ce problème, une équipe de recherche dirigée par le professeur Li Xiaofeng de l'Institut d'océanologie de l'Académie chinoise des sciences (IOCAS) a développé un nouveau modèle d'IA appelé SICNETsaison Pour les prédictions de la saison saisonnière. Leur étude a été publiée dans Développement du modèle géoscientifique.
Les méthodes traditionnelles de prédiction de la glace de mer à base de modèles, telles que le SEAS5 du Centre européen pour les prévisions météorologiques à moyenne portée (ECMWF) et les approches statistiques basées sur des modèles, rencontrent fréquemment des barrières de prévisibilité de printemps de glace de mer arctique.
Le sicnetsaison Le modèle intègre les dépendances globales et locales non linéaires parmi les séries de glace de mer par des blocs de transformateur Swin. Cette approche lui permet de modéliser les relations à long terme entre les conditions de glace de mer de printemps et celles en septembre, conduisant à des prédictions plus précises par rapport aux modèles numériques et statistiques.
Les résultats expérimentaux indiquent que lors de l'utilisation d'avril et de mai comme premiers mois pour prédire l'étendue de la glace de mer de septembre, le sicnetsaison Le modèle réalise une amélioration de 7 à 10% des compétences prédictives (ACC) et plus de 14% de meilleure précision dans les prévisions des limites de la glace de mer (BACC), réduisant considérablement la barrière de prévisibilité du printemps. De plus, l'épaisseur de la glace de mer de printemps est identifiée comme un facteur critique, contribuant à plus de 20% pour surmonter cette barrière.
Cette étude offre une solution dirigée par l'IA à la barrière de prévisibilité du printemps dans les prévisions de la glace de mer arctique, améliorant la précision des prédictions saisonnières pour la glace de mer de septembre dans l'Arctique.
