Gubitak glečera je hitna briga širom sveta, jer topljenje leda utiče na zalihe slatke vode, porast nivoa mora i cirkulaciju okeana. Često se koriste globalni modeli glečera da bi se bolje razumeo obim ove pretnje, kao što je nedavni model koji pokazuje široko rasprostranjenu deglacijaciju u srednjim geografskim širinama do 2100. Međutim, sa ovim modelom i ostalima, postoje nesigurnosti u pogledu bilo kakvog linearnog odnosa između temperature i gubitak glečera, posebno u regionima kao što je Island koji doživljavaju ekstremne temperature koje odstupaju od globalnog proseka.
Studija sprovedena na Bruarjokullu, glečeru na Islandu, dodatno je procenila ovu nesigurnost i otkrila da se linearni odnos ne može lako objasniti samo lokalnim zapažanjima. Ovo ukazuje na potrebu proučavanja islandskih glečera kao mreže.
Studija, zasnovana na projektu ove autorske teze na Univerzitetskom koledžu Leiden u Holandiji, koristila je satelitske snimke i podatke sa najbliže meteorološke stanice kako bi napravila model gubitka površine glečera od 1984. do 2020. Takvi retrospektivni modeli, nazvani retrospektivi, može se koristiti za validaciju modela za projekcije budućih promena.
Tradicionalne metode proučavanja glečera podrazumevaju fizička merenja koja zahtevaju mnogo vremena i resursa, tako da istraživači ponekad koriste matematičke modele za obavljanje svog rada. U ovom kontekstu su relevantne dve vrste matematičkih modela: deterministički i statistički modeli. Deterministički modeli su vrsta matematičkog modela koji koristi fizičke zakone za simulaciju ponašanja sistema. Statistički modeli se, s druge strane, zasnivaju na korelacijama između posmatranih podataka i primenjuju se za predviđanje ili procene.
Kompleksni deterministički modeli na globalnom nivou ne reaguju na lokalne vremenske uslove, pa su se statistički modeli pojavili kao potencijalna alternativa proučavanju topljenja glečera. Jedan primer takvog statističkog modela nalazi se u knjizi klimatologa Hansa Oerlemansa iz 2001. godine „Glečeri i klimatske promene“. Otkrio je da stabilni klimatski uslovi i dalje dovode do topljenja glečera u evropskim Alpima.
Drugi primer dolazi iz nedavne studije objavljene u časopisu Scientific Reports koja je procenila povlačenje glečera Naradu glečera u zapadnim Himalajima. Ova studija, koju je vodio profesor sa Centralnog univerziteta u Radžastanu Rajesh Kumar, došla je do zaključka da je smanjenje padavina važniji pokretač topljenja glečera nego povećanje temperature.
Pre najnovije studije sa Islanda, članovi našeg istraživačkog tima pokušali su da repliciraju rezultate Kumara i njegovih kolega, koristeći njihove podatke i metod. Nakon višemesečne manipulacije podacima i pokušaja da kontaktiramo autore kako bismo dobili više informacija, nismo uspeli da dobijemo nijedan od rezultata objavljenih u njihovom radu. Ova poteškoća nas je navela da postanemo radoznali u vezi sa samom metodom i odlučili smo da je ponovimo sa novim podacima za glečer Bruarjokull na Islandu.
Island je dom nekih od najvećih ledenih kapa na svetu, uključujući Langjokul i Vatnajokul. Ove ledene kape i njihovi izlazni glečeri su kritične komponente snabdevanja slatkom vodom, turističke industrije i ekosistema u zemlji. Međutim, klimatske promene uzrokuju da se tope velikom brzinom, što navodi neke da tvrde da će islandski glečeri nestati u narednih 150 godina.
Studija zasnovana na Bruarjokullu pokazala je da su padavine, a ne temperatura, ključni klimatski pokretač područja glečera. Ovaj nalaz je u suprotnosti sa izveštajima koji ukazuju na to da je temperatura ključni klimatski pokretač islandskih glečera. Ali studija dalje otkriva da se linearno modeliranje područja Bruarjokull kao funkcije padavina ne može pouzdano koristiti za kratkoročno ili dugoročno predviđanje obima glečera.
Nijansa leži u tome što se posmatraju reziduali modela—razlike između posmatranih i predviđenih vrednosti podataka. Ostaci se koriste prilikom procene kvaliteta modela kao dijagnostička mera. U ovom slučaju, studija ukazuje da se dinamika glečera i meteorologije može samo delimično modelirati linearno, ali da model uspešno objašnjava osnovne trendove u odnosu oblast-padavine.
Iako ovo može zvučati kao kontradikcija, naglašava nešto veće. Studija na Grenlandu je na sličan način otkrila da se individualna dinamika glečera objašnjava nelinearno. Međutim, oni pokazuju da je normalizovana promena glečera homogena u većim regionima. Drugim rečima, glečeri ne moraju da se modeluju pojedinačno da bi se modelirao gubitak leda kao funkcija klime u tom regionu. Ovo nas vraća na globalne modele glečera, koji mogu da rade sa smanjenim računskim troškovima i složenosti modela za područja sa klimatskim anomalijama izvan globalnog proseka. Da li se regionalno modeliranje primenjuje na islandske glečere ili ne, ne može se striktno utvrditi iz nedavnih nalaza, ali ovo naglašava uzbudljivu novu priliku.
Druge tehnike, posebno nelinearni statistički modeli ili veštačke neuronske mreže, mogu se koristiti za lokalne studije glečera. Ovo naglašava potrebu za sofisticiranijim, sveobuhvatnijim i skupljim podacima koji su pogodniji za proučavanje glečera (za razliku od opštih podataka meteorološke stanice koji su korišćeni u studiji). Prepreke uključujući često udaljena i podmukla okruženja glečera sugerišu da možda neće biti moguće prikupiti podatke neophodne za statističke modele za precizno predviđanje topljenja glečera. U ovom slučaju, možda ćemo morati da ponovo razmislimo o metodama koje se koriste za proučavanje islandskih glečera, s obzirom na ograničenja podataka. Na taj način možemo istražiti veze između regionalnih mreža glečera i bolje informisati globalne modele.
