Formación de hielo nuevo en el Ártico © 2025 by Alfred-Wegener-Institut / Stefan Hendricks
Un modelo de aprendizaje automático desarrollado por el Instituto Alfred Wegener (AWI) de Bremerhaven muestra que el océano Ártico se enfría menos en invierno de lo que sugerían los datos anteriores, lo que tiene consecuencias para el hielo marino.
El hielo marino del Ártico desempeña varias funciones clave en el sistema climático de nuestro planeta: refleja gran parte de la radiación solar, lo que frena un calentamiento drástico de la Tierra, e impulsa las corrientes marinas y atmosféricas globales, lo que repercute directamente en el tiempo que vemos desde nuestra ventana. El retroceso o la expansión del hielo marino depende en gran medida del balance energético de la superficie del océano Ártico.
Sin embargo, se carece de datos procedentes de observaciones directas, por lo que los estudios deben basarse en modelos elaborados con datos de reanálisis del pasado para poder realizar previsiones de futuro. No obstante, estas pueden verse distorsionadas por la falta de datos. Investigadores del Instituto Alfred Wegener han desarrollado ahora un modelo basado en la inteligencia artificial que puede corregir estas distorsiones y contribuye así a comprender mejor los procesos climáticos del Ártico. Los científicos han presentado su método en la revista especializada Geophysical Research Letters.
El nuevo método se basa en el aprendizaje automático, lo que permite que el modelo reconozca patrones de forma autónoma a partir de un conjunto de datos y elabore previsiones. El Dr Akil Hossain del AWI, autor principal del estudio explica que:
Hemos entrenado una red neuronal con datos de observación procedentes de varias campañas de campo a gran escala en el Ártico, como, por ejemplo, la expedición MOSAiC .
El modelador climático Dr Akil Hossain y sus colaboradores han aplicado la red, denominada SEBai (Surface Energy Budget ai), al modelo climático ERA5, que se utiliza con frecuencia para reconstruir los flujos de energía y calor en la superficie del océano Ártico.
Lo que se puso de manifiesto fue que SEBai puede mejorar considerablemente las previsiones sobre los principales flujos superficiales y la temperatura a 2 metros de profundidad.
El Dr Hossain afirma que:
Hemos conseguido reducir el margen de error relativo a la luz solar absorbida en la superficie en un 40 %. En cuanto al balance energético total de la superficie, incluso en más de la mitad .
Concretamente, los resultados muestran que las temperaturas invernales en el Ártico son, de hecho, unos 4 grados más frías de lo que sugiere el conjunto de datos ERA5, y las temperaturas estivales, aproximadamente 1 grado más frías. Esto apunta a que el océano Ártico, de hecho, se enfría menos en invierno y se calienta menos en verano, lo que podría hacer que el hielo marino ártico sea más vulnerable al cambio climático de lo que se pensaba hasta ahora.
El Dr Akil Hossain resume así su estudio:
Nuestro modelo demuestra que el aprendizaje automático, combinado con datos de observación escasos, puede mejorar considerablemente las estimaciones de las corrientes superficiales del Ártico y de la temperatura cerca de la superficie. Esto nos permite realizar simulaciones del hielo marino y del océano con mayor precisión y comprender mejor los procesos climáticos del Ártico, que son tan importantes para nosotros .
El balance energético superficial regula el crecimiento y el deshielo del hielo marino del Ártico; sin embargo, las observaciones son escasas y los conjuntos de datos de reanálisis adolecen de sesgos sistemáticos. En este estudio, entrenamos una red neuronal con datos observacionales para corregir los sesgos de los flujos horarios del ERA5 sobre las regiones del Ártico cubiertas de hielo (≥70° N; concentración de hielo marino >80 %) para el periodo 1994-2024.
Los datos de entrenamiento abarcan dos ciclos estacionales completos y diferentes regímenes de hielo marino. La red neuronal reduce el error cuadrático medio (RMSE) de la radiación neta de onda corta en un ∼40 %, el de la radiación descendente de onda larga en un ∼16 % y el del balance energético superficial total en un ∼55 %, eliminando el sesgo cálido invernal de ∼4 K presente en ERA5.
El enfriamiento superficial invernal se reduce en un ∼50 %, lo que da lugar a estimaciones termodinámicas del crecimiento del hielo de ∼80–120 cm, en consonancia con los aumentos de espesor observados por los satélites SMOS y CryoSat y en contraste con el crecimiento de 150–200 cm que sugiere el ERA5.
Nuestros datos con el sesgo corregido recogen los estados observados de cielo despejado o nublado de la capa límite invernal y pueden utilizarse para estudiar la climatología del Ártico, evaluar modelos climáticos e impulsar modelos de hielo marino y océano.
El Océano Ártico se está calentando rápidamente, y la reducción de su capa de hielo marino está fuertemente influenciada por el intercambio de calor entre la atmósfera y la superficie del hielo. Estimar correctamente este intercambio de energía es fundamental para comprender la rapidez con la que crece el hielo marino en invierno y se derrite en verano.
Sin embargo, las mediciones directas de los flujos superficiales sobre el hielo marino del Ártico son escasas, y los datos de reanálisis ERA5, ampliamente utilizados, contienen errores persistentes en los flujos superficiales y en la temperatura cercana a la superficie. Utilizamos observaciones procedentes de las principales campañas de campo en el Ártico para entrenar un modelo de aprendizaje automático que corrige estos errores.
El conjunto de datos resultante, denominado SEBai, mejora sustancialmente las estimaciones de los flujos superficiales y de la temperatura a 2 m. Reduce los errores en un 40 % en lo que respecta a la luz solar absorbida en la superficie, y en más de la mitad en el caso del balance energético superficial total. Elimina el sesgo de calentamiento invernal de 4 °C presente en ERA5.
Estas mejoras apuntan a un menor enfriamiento invernal y a un calentamiento estival más débil, lo que sugiere que el hielo marino del Ártico podría ser más vulnerable al cambio climático de lo que indica el ERA5. SEBai también reproduce las condiciones invernales observadas de cielo despejado y nublado, que afectan considerablemente a la radiación infrarroja térmica, pero que están mal representadas en el ERA5. SEBai proporciona una referencia más fiable para la evaluación de modelos climáticos, los estudios sobre el clima del Ártico y la simulación de modelos de hielo marino y océano.
Publicación original
Akil Hossain, Paul Keil, Harsh Grover, et al. «El aprendizaje automático elimina el sesgo de calentamiento de los reanálisis y revela un enfriamiento superficial invernal más débil sobre el hielo marino del Ártico». Geophysical Research Letters, 53, e2025GL121289. 19 de junio de 2026. DOI: https://doi.org/10.1029/2025GL121289
Desde 1996, informamos con independencia sobre música clásica en español.
Para disfrutar plenamente de nuestros contenidos y servicios, regístrate ahora. Solo lleva un minuto y mejora tu experiencia como lector.
🙌 Registrarse ahora
Comentarios