Cientistas desenvolveram um método de previsão que prediz a extensão do gelo marinho ártico até quatro meses à frente, com foco no mínimo anual em setembro. Esta abordagem supera os modelos existentes ao integrar padrões climáticos de longo prazo, ciclos sazonais e influências meteorológicas de curto prazo. A ferramenta visa ajudar comunidades e indústrias dependentes das condições árticas.
O gelo marinho ártico, que reflete a luz solar para resfriar o planeta e afeta os padrões climáticos globais, está desaparecendo rapidamente devido às mudanças climáticas. Pesquisadores dos Estados Unidos e do Reino Unido introduziram um novo sistema de previsão detalhado na revista Chaos, publicada pela AIP Publishing. O modelo foca em setembro, quando o gelo marinho atinge seu ponto mais baixo, usando dados do National Snow and Ice Data Center desde 1978. O sistema trata as mudanças no gelo marinho como um processo interconectado influenciado por escalas temporais variadas: memória climática de longo prazo, ciclos anuais e mudanças climáticas rápidas. Testes com dados em tempo real de setembro de 2024 e registros históricos mostraram que fornece previsões mais precisas de um a quatro meses à frente em comparação com outros métodos. Ao incorporar detalhes regionais em todo o pan-Ártico, o modelo lida efetivamente com variações ano a ano. «Comunidades indígenas árticas dependem da caça de espécies como ursos polares, focas e morsas, para as quais o gelo marinho fornece habitat essencial», disse o autor Dimitri Kondrashov. «Há outras atividades econômicas, como perfuração de gás e petróleo, pesca e turismo, onde o conhecimento antecipado de condições de gelo precisas reduz riscos e custos». Kondrashov acrescentou: «O modelo inclui várias grandes regiões árticas que compõem o pan-Ártico. Apesar das grandes diferenças nas condições de gelo marinho de ano para ano em diferentes regiões, o modelo pode captá-las com precisão razoável». Embora as projeções climáticas de longo prazo permaneçam confiáveis, as previsões de curto prazo melhoraram por meio desta integração. A equipe planeja aprimorar o modelo adicionando fatores como temperatura do ar e pressão ao nível do mar para capturar melhor a variabilidade de verão. A pesquisa, liderada por Dmitri Kondrashov, Ivan Sudakow, Valerie Livina e Qingping Yang, aparece em Chaos (2026; 36(2)), com DOI: 10.1063/5.0295634.