Forskare har utvecklat en prognosmetod som förutsäger arktisk havsises utbredning upp till fyra månader i förväg, med fokus på det årliga minimivärdet i september. Denna metod överträffar befintliga modeller genom att integrera långsiktiga klimatmönster, säsongs cykler och kortvariga väderpåverkningar. Verktyget syftar till att stödja samhällen och industrier som är beroende av arktiska förhållanden.
Arktisk havsis, som reflekterar solljus för att kyla planeten och påverkar globala vädermönster, försvinner snabbt på grund av klimatförändringar. Forskare från USA och Storbritannien har introducerat ett nytt prediktionssystem som beskrivs i tidskriften Chaos, utgiven av AIP Publishing. Modellen riktar in sig på september, då havsisen når sin lägsta punkt, med data från National Snow and Ice Data Center sedan 1978. Systemet betraktar förändringar i havsisen som en sammankopplad process påverkad av varierande tids skalor: långsiktig klimatminne, årliga cykler och snabba väderförändringar. Tester med realtidsdata från september 2024 och historiska register visade att den ger mer exakta prognoser en till fyra månader framåt jämfört med andra metoder. Genom att inkludera regionala detaljer över hela pan-arktiska området hanterar modellen årsvariationer effektivt. «Ursprungsbefolkningar i Arktis är beroende av jakt på arter som isbjörnar, sälar och valrossar, för vilka havsisen ger essentiell livsmiljö», sade författaren Dimitri Kondrashov. «Det finns andra ekonomiska aktiviteter, som gas- och oljeborrning, fiske och turism, där förkunskap om exakta isförhållanden minskar risker och kostnader». Kondrashov tillade: «Modellen inkluderar flera stora arktiska regioner som utgör pan-Arktis. Trots stora skillnader i havsis-förhållanden från år till år i olika regioner kan modellen fånga dem med rimlig noggrannhet». Medan långsiktiga klimatprognoser förblir tillförlitliga har korttidsprognoser förbättrats genom denna integration. Teamet planerar att förbättra modellen genom att lägga till faktorer som lufttemperatur och havsnivåtryck för att bättre fånga sommarvariationer. Forskningen, ledd av Dmitri Kondrashov, Ivan Sudakow, Valerie Livina och Qingping Yang, publiceras i Chaos (2026; 36(2)), med DOI: 10.1063/5.0295634.