Forskningsprojekt Förutsäger glaciärernas reträtt med hjälp av AI
Projektet utforskar några av norra halvklotets mest otillgängliga fjordar för att kartlägga havsbottnen och spår av tidigare och nuvarande glaciärers rörelser.
Syftet är att förbättra förståelsen för hur marina glaciärer reagerar på klimatförändringar, särskilt där de möter havet i fjordar. Med hjälp av avancerad sonarteknik, satellitdata och artificiell intelligens bidrar forskningen både till globala insatser för havsbottenkartläggning och till utvecklingen av mer tillförlitliga modeller för hur isarna drar sig tillbaka i ett varmare klimat, vilket påverkar havsnivåökningen.
Foto: Magnus Bergström
Projektet utforskar några av norra halvklotets mest otillgängliga fjordar för att kartlägga havsbottnen, spåra tidigare och nuvarande glaciärdynamik samt förbättra förståelsen för hur marina glaciärer reagerar på klimatförändringar. Med hjälp av avancerad sonarteknik, satellitdata och artificiell intelligens bidrar forskningen både till globala insatser för havsbottenkartläggning och till utvecklingen av mer tillförlitliga modeller för inlandsisar.
I augusti 2024 genomförde den svenska isbrytaren Oden sin tredje forskningsexpedition till norra Grönland, ledd av professor Martin Jakobsson och kollegan professor Nina Kirchner. Expeditionen fokuserarde på att kartlägga havsbottnen i den avlägsna Victoriafjorden, där C.H. Ostenfeld-glaciären möter havet – ett område som aldrig tidigare har nåtts av ett fartyg.
Expeditionen, som gick under namnet GEOEO - North of Greenland Expedition, samlade omkring 40 forskare från tio internationella universitet och forskningsinstitutioner och bidrar till det globala initiativet Seabed 2030, vars mål är att kartlägga hela världshavens bottnar till år 2030. Högupplösta kartor av havsbottnen tas fram med hjälp av multibeam-ekolodsteknik, som avslöjar landformer skapade av tidigare och pågående glaciärrörelser
Genom att analysera dessa bottenstrukturer tillsammans med satellitdata och analyser av bottensediment kan forskarna rekonstruera hur marina glaciärer har avancerat och dragit sig tillbaka under olika klimatförhållanden. Denna kunskap är avgörande för att förbättra modeller av glaciärers beteende och minska osäkerheterna i prognoser för framtida havsnivåhöjningar.
Projektet bygger på att utveckla nya metoder inom artificiell intelligens och maskininlärning för att automatisera tolkningen av de insamlade ekolodsdata, vilket möjliggör snabbare och mer detaljerade analyser. Utöver att bidra till klimat- och kryosfärforskning stödjer resultaten ett brett spektrum av tillämpningar, från planering av undervattensinfrastruktur till utveckling av havsbaserad energi