Importância das anomalias da temperatura da superfície do mar no Atlântico para a variabilidade do gelo marinho do Ártico revelada por aprendizado profundo

Por que oceanos distantes importam para o gelo ártico

Quando se pensa no derretimento do gelo marinho do Ártico, normalmente imaginam-se chaminés e dióxido de carbono, não águas quentes a milhares de quilômetros de distância no Oceano Atlântico. Ainda assim, este estudo mostra que mudanças sutis nas temperaturas da superfície do mar em regiões específicas do Atlântico deixam uma impressão clara sobre quanto gelo cobre o Ártico. Usando ferramentas avançadas de aprendizado profundo aplicadas diretamente a observações, os autores descobrem uma ligação surpreendentemente forte e rápida entre mares distantes e o destino do gelo polar, esclarecendo por que as condições árticas podem mudar de um ano para outro de maneiras que modelos climáticos padrão têm dificuldade em capturar.

Rastreando os altos e baixos do gelo ártico

Nas últimas quatro décadas, o gelo marinho do Ártico afinou e diminuiu, contribuindo para o aumento de temperaturas, o deslocamento das trajetórias de tempestades e episódios climáticos mais extremos em latitudes médias. Embora o aquecimento de longo prazo induzido pelo ser humano explique a tendência geral de queda, a variabilidade natural de ano a ano e de década a década ainda desempenha papel importante. Um dos principais candidatos por trás dessa variabilidade é o padrão das temperaturas da superfície do oceano fora das regiões polares, mas estudos anteriores discordaram sobre qual oceano — Pacífico, Atlântico ou Índico — importa mais, e ferramentas estatísticas lineares tradicionais tiveram dificuldade em separar seus papéis individuais.

Deixando o aprendizado profundo ler os oceanos

Para enfrentar esse problema, os pesquisadores treinaram três modelos de redes neurais profundas separados, cada um alimentado apenas com anomalias diárias da temperatura da superfície do mar de uma bacia — Pacífico, Atlântico ou Índico — no período 1982–2022. A tarefa era exigente, mas simples em conceito: a partir de um único instantâneo das temperaturas da superfície do oceano, o modelo tinha que reconstruir a extensão total do gelo marinho do Ártico para aquele dia. Os autores otimizaram cuidadosamente onde em cada bacia olhar, com que antecedência usar as temperaturas e em que resolução espacial e temporal. Eles descobriram que usar dados diários de alta resolução foi crucial: os modelos tiveram desempenho visivelmente pior quando alimentados apenas com médias mensais ou mapas mais grosseiros, sugerindo que sinais oceânicos relativamente rápidos e de pequena escala importam para o gelo ártico.

Águas do Atlântico se destacam

A rede baseada no Atlântico superou claramente as treinadas com dados do Pacífico ou do Índico. Ela reproduziu não apenas o declínio de longo prazo do gelo marinho do Ártico, mas também grande parte das oscilações ano a ano, e fez isso de forma consistente em diferentes períodos. Sua habilidade permaneceu significativa mesmo após remover matematicamente a tendência de aquecimento de longo prazo, o que indica que estava capturando variabilidade genuína em vez de apenas seguir a perda contínua de gelo. A conexão foi especialmente forte no verão e no inverno, estações em que o gelo marinho ártico é mais previsível e os feedbacks entre gelo e luz solar ou atmosfera são mais ativos. Em contraste, os modelos do Pacífico e do Índico mostraram ligações mais fracas e intermitentes: podiam capturar episódios particulares, como alguns anos de gelo extremamente baixo, mas não mantiveram desempenho robusto ao longo do registro de quatro décadas.

Hotspots no Caribe e na Corrente do Golfo

Redes neurais profundas costumam ser criticadas como “caixas‑pretas”, então a equipe aplicou técnicas de IA explicável para ver onde no Atlântico o modelo buscava suas informações. Dois métodos independentes — gradientes integrados e um teste sistemático de “oclusão” que esconde temporariamente pequenos pedaços do oceano do modelo — convergiram para a mesma resposta: o Mar do Caribe e a região da Corrente do Golfo são os principais hotspots. Águas mais quentes do que o habitual nessas áreas tendiam a estar associadas a redução do gelo marinho no Ártico cerca de 20 dias depois. Análises adicionais sugeriram que esse vínculo não é conduzido por correntes oceânicas lentas, mas por mudanças atmosféricas rápidas provocadas por evaporação extra e fluxo de calor do mar incomumente quente para o ar. Quando os autores construíram novos modelos usando apenas o componente do fluxo de calor de superfície diretamente ligado à temperatura da superfície do mar, eles igualaram o desempenho do modelo de temperatura atlântica e encontraram hotspots praticamente idênticos.

Ritmos ocultos e ligações não lineares

Olhando para o ritmo desses sinais, os autores decomporam os padrões de temperatura do Atlântico em oscilações mais lentas, na escala de décadas, e variações mais rápidas, interanuais, com duração de dois a sete anos. Um modelo de regressão linear padrão beneficiou‑se sobretudo dos componentes mais lentos e suaves. O modelo de aprendizado profundo, por sua vez, extraiu habilidade adicional dos sinais interanuais de maior frequência, que aparecem irregulares e episódicos em análises estatísticas simples. Técnicas de wavelet confirmaram que, nas regiões do Caribe e da Corrente do Golfo, rajadas de variabilidade interanual às vezes se movem em sintonia com mudanças no gelo marinho ártico, frequentemente com o oceano liderando o gelo. Esse comportamento aponta para caminhos atmosféricos complexos e não lineares, provavelmente envolvendo mudanças no transporte de umidade, formação de nuvens e grandes padrões de circulação, como as oscilações Ártica e do Atlântico Norte.

O que isso significa para o futuro do gelo ártico

Em termos simples, o estudo argumenta que certos trechos quentes do Atlântico — especialmente no Caribe e ao longo da Corrente do Golfo — desempenham um papel desproporcional em moldar quanto gelo marinho cobre o Ártico de um ano para outro. Ao aproveitar aprendizado profundo e ferramentas de interpretabilidade, os autores mostram que essas regiões influenciam o Ártico rapidamente, em semanas, em grande parte por meio do aumento da evaporação e da transferência de calor para a atmosfera, que então altera padrões de tempo sobre os mares polares. Embora o aquecimento induzido pelo ser humano continue sendo o motor principal da perda de gelo no longo prazo, compreender esses “botões de controle” oceânicos remotos pode melhorar previsões sazonais e ajudar cientistas a desvendar como ritmos climáticos naturais e tendências causadas por gases de efeito estufa se combinam para moldar o Ártico em rápida transformação.

Citação: Li, Y., Gan, B., Zhu, R. et al. Significance of Atlantic sea surface temperature anomalies to Arctic sea ice variability revealed by deep learning. npj Clim Atmos Sci 9, 70 (2026). https://doi.org/10.1038/s41612-026-01347-2

Palavras-chave: Gelo marinho do Ártico, Oceano Atlântico, teleconexões, aprendizado profundo, variabilidade climática