Um papel que aparece em Cartas de pesquisa geofísica usa aprendizado de máquina para criar um modelo aprimorado para entender o fluxo de calor geotérmico - calor proveniente do interior da Terra - abaixo da camada de gelo da Groenlândia. É uma abordagem de pesquisa nova para a glaciologia que pode levar a previsões mais precisas para a perda de massa de gelo e aumento do nível do mar global.

Entre as principais descobertas:

• A Groenlândia tem um fluxo de calor anormalmente alto em uma região norte relativamente grande que se espalha do interior para o leste e oeste.
• O sul da Groenlândia tem fluxo de calor geotérmico relativamente baixo, correspondendo com a extensão do Cráton do Atlântico Norte, uma porção estável de uma das mais antigas crostas continentais existentes no planeta.
• O modelo de pesquisa prevê um fluxo de calor ligeiramente elevado a montante de várias geleiras de fluxo rápido na Groenlândia, incluindo Jakobshavn Isbræ no centro-oeste, a geleira que se move mais rápido na Terra.

"O calor que vem do interior da Terra contribui para a quantidade de derretimento na parte inferior da camada de gelo - por isso, é extremamente importante entender o padrão desse calor e como ele é distribuído na parte inferior da camada de gelo, "disse Soroush Rezvanbehbahani, um estudante de doutorado em geologia na Universidade de Kansas que liderou a pesquisa. "Quando andamos em uma encosta molhada, estamos mais propensos a escorregar. É a mesma ideia com o gelo - quando não está congelado, é mais provável que deslize para o oceano. Mas não temos uma maneira fácil de medir o fluxo de calor geotérmico, exceto para campanhas de campo extremamente caras que perfuram a camada de gelo. Em vez de pesquisas de campo caras, tentamos fazer isso por meio de métodos estatísticos. "

Rezvanbehbahani e seus colegas adotaram o aprendizado de máquina - um tipo de inteligência artificial que usa técnicas estatísticas e algoritmos de computador - para prever valores de fluxo de calor que seriam difíceis de obter com o mesmo detalhe por meio de núcleos de gelo convencionais.

Usando todos os dados geológicos disponíveis, dados de fluxo de calor tectônico e geotérmico para a Groenlândia - junto com dados de fluxo de calor geotérmico de todo o mundo - a equipe implantou uma abordagem de aprendizado de máquina que prevê valores de fluxo de calor geotérmico sob a camada de gelo em toda a Groenlândia com base em 22 variáveis ​​geológicas, como topografia do leito rochoso, espessura da crosta, anomalias magnéticas, tipos de rochas e proximidade de recursos como trincheiras, cumes, jovens fendas, vulcões e pontos quentes.

"Temos muitos pontos de dados ao redor da Terra - sabemos que em certas partes do mundo a crosta tem uma certa espessura, composto de um tipo específico de rocha e localizado a uma distância conhecida de um vulcão - e pegamos essas relações e as aplicamos ao que sabemos sobre a Groenlândia, "disse o co-autor Leigh Stearns, professor associado de geologia da KU.

Os pesquisadores disseram que seu novo modelo preditivo é uma "melhoria definitiva" em relação aos modelos atuais de fluxo de calor geotérmico que não incorporam tantas variáveis. De fato, muitos modelos numéricos de manto de gelo da Groenlândia assumem que existe um valor uniforme de fluxo de calor geotérmico em toda a Groenlândia.

"A maioria dos outros modelos realmente honra apenas um determinado conjunto de dados, "Stearns disse." Eles olham para o fluxo de calor geotérmico através de sinais sísmicos ou dados magnéticos na Groenlândia, mas não a espessura da crosta terrestre ou tipo de rocha ou distância de um ponto quente. Mas sabemos que estão relacionados ao fluxo de calor geotérmico. Tentamos incorporar o máximo de conjuntos de dados geológicos que pudermos, em vez de presumir que um seja o mais importante. "

Além de Rezvanbehbahani e Stearns, a equipe de pesquisa por trás do novo artigo inclui J. Doug Walker e C.J. van der Veen da KU, bem como Amir Kadivar da Universidade McGill. Rezvanbehbahani e Stearns também são afiliados ao Centro de Sensoriamento Remoto de Folhas de Gelo, com sede em KU.

Os autores descobriram que as cinco características geológicas mais importantes na previsão dos valores de fluxo geotérmico são a topografia, distância para jovens fendas, distância para a trincheira, profundidade da fronteira litosfera-astenosfera (camadas do manto terrestre) e profundidade de Mohoroviči? descontinuidade (o limite entre a crosta e o manto na Terra). Os pesquisadores disseram que seu mapa de fluxo de calor geotérmico da Groenlândia deve estar dentro de cerca de 15 por cento dos valores reais.

"A descoberta mais interessante é o forte contraste entre o sul e o norte da Groenlândia, "disse Rezvanbehbahani." Tínhamos poucas informações no sul, mas tínhamos mais três ou quatro núcleos na parte norte do manto de gelo. Com base no núcleo sul, pensamos que esta era uma região localizada de baixo fluxo de calor - mas nosso modelo mostra que uma parte muito maior da camada de gelo ao sul tem baixo fluxo de calor. Por contraste, nas regiões do norte, encontramos grandes áreas com alto fluxo de calor geotérmico. Isso não é tão surpreendente porque temos um núcleo de gelo com uma leitura muito alta. Mas o padrão espacial e como o fluxo de calor é distribuído, que a foi uma nova descoberta. Esse não é apenas um local ao norte com alto fluxo de calor, mas uma vasta região. "

Os pesquisadores disseram que seu modelo se tornaria ainda mais preciso à medida que mais informações sobre a Groenlândia fossem compiladas pela comunidade de pesquisa.

"Fazemos uma pequena ressalva de que este é apenas outro modelo - é nosso melhor modelo estatístico - mas não reproduzimos a realidade, "disse Stearns." Em ciências da Terra e glaciologia, estamos vendo uma explosão de dados disponíveis publicamente. A tecnologia de aprendizado de máquina que sintetiza esses dados e nos ajuda a aprender com toda a gama de sensores de dados está se tornando cada vez mais importante. É emocionante estar na vanguarda. "