Результаты опубликованы в Geoscientific Model Development, и в будущем модель может стать ключевым инструментом для прогнозирования таяния ледников.

Точные данные об объеме льда критически важны: от них зависят прогнозы повышения уровня моря, управление водными ресурсами и оценка последствий для людей, живущих рядом с исчезающими ледниками. Но измерить толщину льда в глобальном масштабе — сложная задача. За последние годы ученые собрали больше 4 миллионов замеров, во многом благодаря проекту NASA Operation IceBridge. Однако до сих пор эти данные не использовались в полной мере.

Прямые измерения покрывают меньше 1% всех ледников планеты. Новая модель — первая, которая применяет машинное обучение к реальным данным.

Мы объединили два алгоритма на основе деревьев решений, — объясняет Маффеццоли. — Их обучили на замерах толщины льда и 39 параметрах, включая скорость движения льда, баланс массы, температуру, геометрические и геодезические данные. Ошибки модели на 30-40% ниже, чем у традиционных методов, особенно в полярных регионах, где сосредоточена основная масса льда.

Где это особенно важно

• Полярные зоны — точные данные о толщине льда нужны для прогнозирования таяния Гренландии и Антарктиды, от которого зависит рост уровня моря.
• Горные ледники — в Гималаях, Андах и Каракоруме они питают реки, от которых зависят миллиарды людей.

Модель уже помогает уточнить карты подледного рельефа в ключевых точках, например, на плато Гейки или Антарктическом полуострове.

К концу 2025 года мы выпустим два набора данных — полмиллиона карт толщины льда, — говорит Маффеццоли. — Это только начало, но ИИ открывает новые возможности для моделирования льда.

Ледники дают 25-30% текущего роста уровня моря, и их таяние ускоряется. В засушливых регионах, таких как Анды или Гималаи, они — главный источник воды. А в Гренландии и Антарктиде взаимодействие льда с океаном может резко изменить климатические сценарии.

Эта модель — не просто академический интерес. Она позволяет:

• Точнее прогнозировать подъем моря — особенно критично для прибрежных мегаполисов.
• Управлять водными ресурсами — в Азии и Южной Америке ледники питают реки, и их исчезновение грозит катастрофой.
• Предсказывать климатические переломы — например, коллапс ледниковых щитов в Антарктиде, который может поднять уровень моря на метры.

ИИ здесь — не дань моде, а необходимость: традиционные модели слишком грубые, а машинное обучение наконец позволяет использовать весь массив данных.

Главный вопрос — насколько модель устойчива к «шумам» в данных? Ледники крайне неоднородны, а замеры часто фрагментарны. Если алгоритм переобучится на локальных аномалиях, ошибки в глобальных прогнозах могут быть катастрофическими.

Ранее ученые установили, когда начали таять ледники.