Новости науки: белые медведи на Шпицбергене толстеют, несмотря на таяние арктического льда, за которым наблюдают учёные

Шпицберген. Фото: Александр Романовский. Фотобанк ПОРА

Учёные Норвежского полярного института, с 1995 года отслеживающие состояние популяции белых медведей на архипелаге Шпицберген, обнаружили, что современные медведи в среднем имеют больше жировых запасов, чем их сородичи в начале 2000-х годов, и находятся примерно в той же физической форме, что и в начале наблюдений. Вывод стал неожиданностью для научного сообщества – считается, что таяние морских льдов негативно сказывается на возможности белых медведей добывать пищу. Но, несмотря на обнадёживающие данные, учёные подчёркивают, что будущее вида остаётся под большой угрозой из-за сокращения льда.

И параллельно исследованию Норвежского полярного института появилось два новых инструмента для понимания и предсказания будущего арктических льдов: модель искусственного интеллекта SICNet season, созданная для сезонного прогноза концентрации морского льда, и методика для точных прогнозов площади льда в режиме реального времени. Сокращение морского льда в Арктике имеет последствия не только для белых медведей, но и для глобального климата – например, это может ослабить стратосферный полярный вихрь зимой, увеличивая количество экстремально холодных явлений в Северном полушарии; от морского льда зависят и морские звери, и коренные народы, охотящиеся на них, и добыча нефти и газа, рыболовство и туризм. Знание точных ледовых условий может снизить риски и затраты.

Белые медведи на Шпицбергене

Десятилетиями экологи предупреждали: сокращение морского льда – основной платформы для охоты, отдыха и миграции белых медведей – неизбежно приведёт к голоду и истощению этих животных. Старший научный сотрудник Норвежского полярного института Йон Аарс из, ведущий автор масштабного исследования на основе данных наблюдений за 1995-2019 годы, опубликованного в журнале Scientific Reports, заметил: «Мы ожидали, что по мере исчезновения морского льда медведи будут вынуждены проводить больше времени на суше и похудеют, поскольку у них будет меньше возможностей охотиться со льда на кольчатых нерп. Но этого мы не увидели». Некоторые животные не только не потеряли вес летом и осенью, но даже умудрились его набрать. Не наблюдается и сокращения популяции на Шпицбергене.

Каждую весну, начиная с 1987 года, исследователи Норвежского Полярного института собирали данные у усыпленных медведей, с 1995-го выборку сделали больше. Фото: Магнус Андерсен / Норвежский Полярный институт. Источник: nrk.no

Учёные связали эту адаптативную устойчивость белых медведей с гибкостью в питании (и доступностью альтернатив). Лишённые возможности круглогодично охотиться на льду, шпицбергенские медведи стали активно осваивать другие кормовые ресурсы:

• на суше они чаще, чем предполагалось, успешно охотятся на северных оленей;
• важным сезонным источником пищи стали яйца птиц;
• один из источников питания – падаль: туши погибших моржей, популяция которых значительно выросла за последние десятилетия;
• сокращение льдов даже помогает медведям, меняя поведение их основной добычи – кольчатой нерпы: детёныши нерпы теперь менее защищены снежными укрытиями на льду, что может облегчать охоту на них.

Но все же успешная адаптация шпицбергенской популяции белых медведей – не общее правило для всего вида. Медведи в некоторых районах канадской Арктики, сталкиваясь с аналогичным сокращением льда, не демонстрируют такой же «пищевой гибкости». Исследования показывают, что попытки канадских медведей искать пищу на суше часто не окупают затраченной энергии – животные, которые пытаются найти еду на суше, не чувствуют себя значительно лучше тех, кто просто лежит и ждёт, когда сформируется лёд: бродить в поисках пищи – энергозатратно,

Шпицберген. Фото: Александр Романовский. Фотобанк ПОРА

Увеличение числа дней без льда снижает выживаемость более уязвимых медвежат и самок, как взрослых, так и молодых, и, несмотря на обнадёживающие текущие данные, учёные подчёркивают, что будущее вида остаётся под большой угрозой. Согласно прогнозам, морской лёд вокруг Шпицбергена будет сокращаться и дальше, причём быстрее, чем в других арктических регионах. Исследователи полагают, что существует некий порог, после которого адаптационные способности медведей будут исчерпаны, и негативные последствия для популяции Шпицбергена станут неизбежными. В организации Polar Bears International, считают, что в долгосрочной перспективе – если лёд продолжит сокращаться, медведи в конечном итоге исчезнут.

А пример упитанных шпицбергенских медведей – история неожиданной региональной адаптации, но финал истории все еще зависит от глобальных усилий по сохранению климата и арктических экосистем.

Инструмент 1: модель искусственного интеллекта SICNet season

Летнее и осеннее сокращение арктического морского льда — ключевой фактор глобального климата и важный аспект для коммерции (например, для судоходства). Однако долгосрочные сезонные прогнозы сталкиваются с серьёзным препятствием — «весенним барьером предсказуемости» (ВБП): он означает, что прогнозы летнего состояния льда, сделанные до или в начале таяния (примерно в мае), оказываются очень неточными. Точность резко возрастает только после того, как процесс таяния уже начался. Для преодоления сезонного «весеннего барьера предсказуемости» группа учёных из Института океанологии Китайской академии наук (IOCAS) разработала новую модель искусственного интеллекта под названием SICNet season, – чтобы делать точные прогнозы за 4-6 месяцев до сентября. Результаты их исследования опубликованы в журнале Geoscientific Model Development.

Главным нововведением стало включение данных о толщине льда весной: наблюдения показали, что это ключевой параметр, кардинально улучшающий долгосрочный прогноз – именно толщина льда весной, а не только его площадь, сильно коррелирует с тем, сколько льда сохранится к лету (сентябрю).

Уже существующие методы прогнозирования морского льда на основе численных моделей, такие как SEAS5 Европейского центра среднесрочных прогнозов погоды (ECMWF) и статистические модельные подходы, часто сталкиваются с проблемой «весеннего барьера предсказуемости». Тестирование модели SICNet season на данных за 20 лет (2000–2019 гг.) показало такие результаты по преодолению ВБП:

• модель успешно спрогнозировала состояние льда в 2020-2023 годах, подтвердив свою обобщающую способность;
• использование данных о толщине льда увеличило точность долгосрочных (4-5 месяцев) прогнозов площади льда в сентябре более чем на 20%;
• прогнозы, сделанные в мае, стали точнее на 7.7% по сравнению с современной динамической моделью SEAS5 (ECMWF) и на 41% по сравнению с простой эталонной моделью; а прогнозы, сделанные в апреле, улучшились на 10.6% против SEAS5 и на 36% против эталонной модели.
  

Разработка SICNet season представила собой значительный шаг вперёд в климатическом моделировании. Умение делать более точные прогнозы состояния арктического льда за несколько месяцев до пика таяния критически важно как для понимания климатических изменений (включая явление «арктического усиления»), так и для безопасного планирования экономической деятельности в Арктике.

Инструмент 2: математико-статистическая модель для прогноза состояния льда в реальном времени

Группа исследователей из США и Великобритании представила в журнале «Хаос» новую методику для точных прогнозов площади морского льда в режиме реального времени. Как и предыдущая работа, она посвящена одной глобальной проблеме — точному прогнозированию состояния арктического морского льда, которое важно для климатологии и экономики. Однако подходы, цели и инновации у них различны. Если ИИ-модель SICNet season призвана преодолеть «весенний барьер предсказуемости», чтобы делать точные прогнозы за 4-6 месяцев до сентября, то математико-статистическая модель исследователей из США и Великобритании создаёт прогнозы в режиме реального времени на срок от 1 до 4 месяцев, тоже фокусируясь на сентябрьском минимуме площади льда как на важнейшем индикаторе.

Исследованные арктические регионы (слева) и график сезонного сокращения общей площади арктического морского льда во время летнего таяния (справа) за 2024, 2023 годы и рекордно низкий показатель 2012 года (по вертикали отмечены значения площади морского льда, по горизонтали – недели лета). Источник: В. Кондрашов и др. / phys.org 

Подход математико-статистической модели рассматривает эволюцию льда как результат взаимодействия факторов разной скорости: долгосрочной «климатической памяти», годовых сезонных циклов и быстрых погодных колебаний. Учёные использовали ежедневные спутниковые данные о площади льда, начиная с 1978 года, чтобы выявить скрытые взаимосвязи между этими факторами. Модель успешно прошла проверку: она точно спрогнозировала аномалии площади льда в сентябре 2024 года, а также показала высокую точность при ретроспективном анализе прошлых лет.

Важной особенностью является региональный подход. Модель разделяет пан-Арктику на несколько крупных регионов, что позволяет точно отражать значительные межгодовые различия в ледовой обстановке в разных частях Северного Ледовитого океана и улучшает краткосрочные оценки.

Исследователи планируют дальнейшее развитие модели, включив в неё дополнительные переменные — такие как температура воздуха и атмосферное давление. Это позволит учесть быстрые, непредсказуемые колебания и ещё больше повысить точность прогнозов для арктического лета.

Исследователи представили свой метод как «симфонию» прогноза состояния морского льда. Первое изображение слева – сырые данные о морском льде, похожие на шумный оркестр, в котором множество инструментов играют одновременно: показатели погодных условий, сезоны и климатические тенденции смешаны вместе. Среднее изображение – преобразование данных: метод DAHD действует как призма — такой подход к анализу и обработке информации, который позволяет разлагать сложные данные на более простые компоненты, в данном случае – ритмические паттерны или «частоты»; (сверху-вниз) «быстрые ритмы» – короткие временные изменения, такие как погода, «средние ритмы» – более длительные временные изменения, такие как сезоны, «медленные ритмы» – самые длинные временные масштабы – климатические тенденции. Третье изображение (справа) – прогнозирующая модель, которая рассматривает ритмические паттерны как взаимосвязанные взаимодействия «осцилляторов» – систем, которые генерируют периодические колебания или сигналы – быстрые, средние и медленные. Понимая, как эти ритмы взаимодействуют, можно с высокой точностью прогнозировать будущую «симфонию» морского льда, поясняют авторы исследования. Источник: В. Кондрашов и др. / phys.org