Predecir la extensión del hielo marino ártico en septiembre tiene implicaciones significativas para el cambio climático y la navegación en el Ártico. Sin embargo, los pronósticos estacionales para el hielo marino de septiembre a menudo se enfrentan a un desafío conocido como la «barrera de la predictibilidad primaveral».
por Li Yali, Academia China de Ciencias
Para abordar este problema, un equipo de investigación dirigido por el profesor Li Xiaofeng, del Instituto de Oceanología de la Academia China de Ciencias (IOCAS), ha desarrollado un nuevo modelo de IA llamado SICNet season para realizar predicciones a escala estacional. Su estudio se ha publicado en Geoscientific Model Development .
Los métodos tradicionales de predicción del hielo marino basados en modelos numéricos, como el SEAS5 del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (CEPMPM) y los enfoques basados en modelos estadísticos, frecuentemente encuentran barreras para la previsibilidad de la primavera del hielo marino en el Ártico .
El modelo estacional de SICNet integra las dependencias no lineales globales y locales entre las series de hielo marino mediante bloques Swin-Transformer. Este enfoque permite modelar las relaciones a largo plazo entre las condiciones del hielo marino de primavera y las de septiembre, lo que genera predicciones más precisas que los modelos numéricos y estadísticos.
Los resultados experimentales indican que, al utilizar abril y mayo como meses iniciales para predecir la extensión del hielo marino en septiembre, el modelo estacional de SICNet logra una mejora del 7 al 10 % en la capacidad predictiva (ACC) y una precisión superior al 14 % en las predicciones de los límites del hielo marino (BACC), lo que reduce significativamente la barrera de la predictibilidad primaveral. Además, el espesor del hielo marino primaveral se identifica como un factor crítico, contribuyendo en más del 20 % a superar esta barrera.
Este estudio ofrece una solución impulsada por IA para la barrera de previsibilidad primaveral en los pronósticos del hielo marino del Ártico, mejorando la precisión de las predicciones estacionales para el hielo marino de septiembre en el Ártico.
Más información: Yibin Ren et al., SICNetseason V1.0: un modelo de aprendizaje profundo basado en transformadores para la predicción estacional del hielo marino ártico mediante la incorporación de datos de espesor del hielo marino, Desarrollo de Modelos Geocientíficos (2025). DOI: 10.5194/gmd-18-2665-2025
