به گزارش سرویس ترجمه خبرگزاری ایمنا، از سال ۱۹۷۹، دمای قطب شمال بهطور تقریبی چهار برابر سریعتر از میانگین جهانی افزایش پیدا کرده است. مجمعالجزایر نروژی اسوالبارد که در نزدیکی سواحل شمال شرقی گرینلند قرار دارند، در خط مقدم این تغییرات اقلیمی هستند و مطالعات نشان میدهد که دمای آنها تا هفت برابر سریعتر از سایر نقاط جهان افزایش یافته است.
بیش از نیمی از این جزایر تحت پوشش یخچالهای طبیعی قرار دارد که اگر بهطور کامل ذوب شوند، سطح آبهای جهانی به میزان ۱.۷ سانتیمتر افزایش خواهد یافت. هرچند این اتفاق بهسرعت رخ نمیدهد، اما یخچالهای طبیعی در قطب شمال به تغییرات دما حتی در مقیاسهای کوچک نیز بسیار حساس هستند. گروهی از دانشمندان برای درک بهتر وضعیت یخچالهای طبیعی در اسوالبارد و دیگر مناطق، از یک مدل هوش مصنوعی برای تحلیل میلیونها تصویر ماهوارهای این منطقه در چهار دهه گذشته استفاده کردهاند.
نتایج این تحقیقات نشان میدهد که این یخچالها سریعتر از همیشه در حال کوچک شدن هستند و این روند با پدیده گرم شدن جهانی همخوانی دارد. این گروه بهطور ویژه روی یخچالهایی تمرکز کردهاند که مستقیم به اقیانوس تخلیه میشوند، که به آنها «یخچالهای منتهی به دریا» گفته میشود؛ بیشتر یخچالهای اسوالبارد در این دسته قرار دارند. این یخچالها نقش مهمی در اکوسیستم آبدرههایی ایفا میکنند که به آنها وارد میشوند و با انتقال آب غنی از مواد مغذی به سطح اقیانوس، میتوانند الگوهای گردش اقیانوسی را نیز تغییر دهند.
جایی که این یخچالها با دریا برخورد میکنند، از طریق فرایند جدا شدن تکههای بزرگ یخ جرم خود را از دست میدهند. درک این فرایند برای پیشبینی دقیق کاهش جرم یخچالها و افزایش سطح آب دریاها در آینده بسیار حیاتی است، زیرا جدا شدن تکههای یخ میتواند منجر به جریان سریعتر یخ در داخل یخچال و ورود آن به دریا شود. با این وجود، فهم فرایند جدا شدن تکههای یخ همواره یک چالش بزرگ در علم یخچالشناسی بوده است، زیرا مشاهده و مدلسازی دقیق این فرایند دشوار است.
هوش مصنوعی و علم یخچالشناسی
پژوهشگران در گذشته، برای نقشهبرداری از مرز یخچالها (مرز بین یخ و اقیانوس) باید با دقت تصاویر ماهوارهای را تحلیل و بررسی و سوابق دیجیتالی از آنها تهیه میکردند. این فرایند بسیار زمانبر، ناکارآمد و غیرقابل تکرار است، زیرا افراد مختلف ممکن است موارد متفاوتی را حتی در یک تصویر ماهوارهای مشابه مشاهده کنند. با توجه به تعداد بیشمار تصاویر ماهوارهای موجود، ممکن است منابع انسانی کافی برای نقشهبرداری از هر منطقه برای هر سال وجود نداشته باشد.
یک راهکار نوآورانه برای مقابله با این مشکل، استفاده از روشهای پیشرفته خودکار از جمله هوش مصنوعی (AI) است که میتواند الگوهای یخچالی را در مناطق وسیع بهسرعت شناسایی کند. این گروه از دانشمندان در مطالعه جدید خود، با استفاده از هوش مصنوعی میلیونها تصویر ماهوارهای از ۱۴۹ یخچال دریایی را تحلیل کردند که بین سالهای ۱۹۸۵ تا ۲۰۲۳ گرفته شده بود. استفاده از هوش مصنوعی این امکان را برای آنها فراهم کرد تا عقبنشینی یخچالها را در مقیاس و دامنه بیسابقهای بررسی کنند.
آنها دریافتند که اکثریت قریب به اتفاق (۹۱ درصد) یخچالهای دریایی در اسوالبارد بهطور قابلتوجهی کوچک شدهاند. بررسیهای این گروه نشان داد که از سال ۱۹۸۵ بیش از ۸۰۰ کیلومتر مربع از یخچالها از بین رفتهاند که مساحتشان بزرگتر از مساحت شهر نیویورک است و معادل کاهش سالانه ۲۴ کیلومتر مربع است که بهطور تقریبی دو برابر اندازه فرودگاه هیتروی لندن است. بزرگترین افزایش نرخ جدا شدن تکههای یخ در سال ۲۰۱۶ مشاهده شد، زمانی که نرخ جدا شدن دو برابر شد و این موضوع همزمان با گرمترین تابستان و پاییز اسوالبارد از سال ۱۹۵۵ بود.
افزون بر این، ۲۰۱۶ بارانیترین تابستان و پاییز را داشت؛ بارش ۴۲ میلیمتری باران در یک روز در ماه اکتبر در آن سال ثبت شده بود. بارشهای شدید و غیرمعمول بهطور مستقیم بر تکههای یخ تأثیر گذاشته و موجب تسریع در فرایند جدایی آنها شده بود. دریایی که به شکل نامعمولی گرم و بدون یخ بود نیز به افزایش نرخ جدایی تکههای یخ کمک کرد.
استفاده از هوش مصنوعی نهتنها به افزایش دقت در شناسایی تغییرات یخچالی کمک کرده بلکه امکان تحلیل دادهها در مقیاس و دامنه بیسابقهای را فراهم آورده است که میتواند به تصمیمگیریهای بهتر در زمینه مدیریت منابع آب و حفاظت از محیط زیست منجر شود.
چگونه گرم شدن اقیانوس موجب جدا شدن تکههای یخ میشود
یخچالهای اقیانوسی بهطور طبیعی در تابستان حدود چند صد متر عقبنشینی و دوباره در زمستان پیشروی میکنند. این تغییرات ممکن است بیشتر از تغییرات سالانه باشد. بررسیهای هوش مصنوعی نشان داده است که ۶۲ درصد از یخچالهای اسوالبارد تحت تأثیر این چرخههای فصلی قرار دارند. اگرچه این پدیده به خوبی در گرینلند مستند شده است، اما پیش از این فقط برای تعداد کمی از یخچالها در اسوالبارد مشاهده شده بود که بهطور عمده از طریق دیجیتالی کردن دستی انجام شده بود
مقایسه این تغییرات فصلی با تغییرات فصلی دمای هوا و اقیانوس نشان داده است که با گرم شدن اقیانوس در فصل بهار، یخچالها بلافاصله عقبنشینی میکنند. این دستاورد هوش مصنوعی یک نمایش خوب از نظریهای بود که دانشمندان مدتها درباره آن مشکوک بودند: نوسانات فصلی این یخچالها ناشی از تغییرات دماهای اقیانوس است.
تهدید جهانی
اسوالبارد بهدلیل موقعیت منحصربهفرد خود در قطب شمال اما نزدیک به آبهای گرم اقیانوس اطلس، شاهد تغییرات اقلیمی مکرر است. یافتههای هوش مصنوعی نشان میدهد که یخچالهای منتهی به دریا نسبت به تغییرات اقلیمی بسیار حساس هستند و بزرگترین نرخ عقبنشینیها در سالهای اخیر رخ داده است. این نوع یخچالها در سراسر قطب شمال بهویژه اطراف گرینلند مشاهده میشوند؛ بزرگترین تودهی یخی نیمکره شمالی در این منطقه وجود دارد. مدلسازیهای هوش مصنوعی نشان میدهد که آنچه برای یخچالها در اسوالبارد اتفاق میافتد احتمالاً در دیگر مناطق نیز تکرار خواهد شد. اگر روند گرم شدن کنونی به همین صورت ادامه پیدا کند، انتظار میرود که این یخچالها سریعتر عقبنشینی کنند، سطح آب دریاها افزایش پیدا کند و میلیونها نفر را در مناطق ساحلی سراسر جهان تهدید کند.
نظر شما