Derin öğrenme ile ortaya çıkarılan Atlantik deniz yüzeyi sıcaklık anomalilerinin Arktik deniz buzu değişkenliğine önemi

Neden uzak okyanuslar Arktik buz için önemli

İnsanlar Arktik deniz buzunun erimesini düşündüğünde genellikle bacalar ve karbondioksiti hayal eder, Atlantik Okyanusu’ndaki binlerce kilometre uzaktaki sıcak suları değil. Buna karşın bu çalışma, belirli Atlantik bölgelerindeki deniz yüzeyi sıcaklığına ait ince değişimlerin, Arktik’i kaplayan buz miktarı üzerinde belirgin bir parmak izi bıraktığını gösteriyor. Gözlemler üzerinde doğrudan uygulanan gelişmiş derin öğrenme araçlarıyla yazarlar, uzak sıcak denizler ile kutup buzunun kaderi arasında şaşırtıcı derecede güçlü ve hızlı bir bağlantı ortaya koyuyor; bu, neden Arktik koşullarının yıldan yıla standart iklim modellerinin yakalamakta zorlandığı biçimlerde değişebildiğine ışık tutuyor.

Arktik buzunun iniş çıkışlarını izlemek

Son kırk yıl boyunca Arktik deniz buzu inceldi ve küçüldü; bu da sıcaklıkların artmasına, fırtına yollarının kaymasına ve orta enlemlerde daha aşırı hava olaylarına katkı sağladı. Uzun vadeli insan kaynaklı ısınma genel düşüş eğilimini açıklar olsa da, yıldan yıla ve on yıllık dalgalanmalar hâlâ büyük rol oynuyor. Bu değişkenliğin ardındaki kilit şüphelilerden biri kutup bölgeleri dışındaki okyanus yüzeyi sıcaklık desenleridir; ancak önceki çalışmalar Pasifik, Atlantik veya Hint Okyanusu’ndan hangisinin en etkili olduğu konusunda anlaşamamış ve geleneksel doğrusal istatistiksel araçlar bunların bireysel rollerini ayırt etmekte zorlanmıştır.

Derin öğrenmenin okyanusları okumasına izin vermek

Bu sorunu ele almak için araştırmacılar, 1982–2022 döneminde her biri yalnızca bir havzadan—Pasifik, Atlantik veya Hint Okyanusu—günlük deniz yüzeyi sıcaklığı anomalileriyle beslenen üç ayrı derin sinir ağı modeli eğitti. Görev kavramsal olarak basit ama zordu: okyanusun yüzey sıcaklıklarına ait tek bir anlık görüntüden model, o günün Arktik toplam deniz buz örtüsünü yeniden inşa etmeliydi. Yazarlar her havzada nerelere bakılacağını, sıcaklıklardan ne kadar önceden yararlanılacağını ve hangi mekânsal ile zamansal çözünürlükte çalışılacağını titizlikle optimize ettiler. Yüksek çözünürlüklü günlük verilerin kullanılması belirleyiciydi: modeller yalnızca aylık ortalamalar veya daha kaba haritalarla beslendiğinde performansları belirgin şekilde düştü; bu da Arktik buzu için nispeten hızlı, ince ölçekli okyanus sinyallerinin önemli olduğunu gösteriyor.

Atlantik suları kalabalıktan sıyrılıyor

Atlantik tabanlı ağ, Pasifik veya Hint Okyanusu üzerinde eğitilenleri açıkça geride bıraktı. Sadece Arktik deniz buzunun uzun vadeli düşüşünü yeniden üretmekle kalmadı, aynı zamanda yıldan yıla dalgalanmaların büyük bir kısmını da yakaladı ve bunu farklı zaman dilimleri boyunca tutarlı şekilde yaptı. Uzun vadeli ısınma eğilimi matematiksel olarak çıkarıldıktan sonra bile becerisi anlamlı kaldı; bu, modelin sadece buzun sürekli kaybını izlemek yerine gerçek değişkenliği yakaladığını gösteriyor. Bağlantı özellikle yaz ve kış mevsimlerinde güçlüydü; bu mevsimler Arktik deniz buzu için en öngörülebilir olanlar ve buz ile güneş ışığı ya da atmosfer arasındaki geri beslemelerin en etkin olduğu zamanlar. Buna karşılık Pasifik ve Hint modelleri daha zayıf, daha kesintili bağlantılar sergiledi: bazı aşırı düşük buz yılları gibi belirli dönemleri yakalayabiliyorlardı, ancak dört on yıllık kayıt boyunca sağlam bir performansı sürdüremediler.

Karayipler ve Gulf Stream’deki sıcak noktalar

Derin sinir ağları sıklıkla “kara kutu” olmakla eleştirildiği için ekip, modelin Atlantik’te bilgiyi nereden çektiğini görmek üzere açıklanabilir yapay zeka teknikleri uyguladı. Entegre gradyanlar ve denetime dayalı küçük okyanus yamalarını geçici olarak gizleyen sistematik bir “örtme” testi olmak üzere iki bağımsız yöntem aynı sonuca ulaştı: Karayip Denizi ve Gulf Stream bölgesi başlıca sıcak noktalar. Bu alanlardaki olağandışı sıcak su genellikle yaklaşık 20 gün sonra azalmış Arktik deniz buzu ile ilişkilendirildi. Daha ileri analizler bu bağın yavaş okyanus akıntılarıyla taşınmadığını, bunun yerine olağandışı sıcak sudan atmosfere ekstra buharlaşma ve ısı akışıyla tetiklenen hızlı atmosferik değişikliklerle taşındığını öne sürdü. Yazarlar, yalnızca deniz yüzeyi sıcaklığına doğrudan bağlı yüzey ısı akışı bileşenini kullanarak yeni modeller kurduklarında, Atlantik sıcaklık modelinin performansına ulaştılar ve neredeyse aynı sıcak noktaları buldular.

Gizli ritmler ve doğrusal olmayan bağlantılar

Bu sinyallerin zamanlamasına bakarken yazarlar Atlantik sıcaklık desenlerini daha yavaş, on yıllık salınımlar ile iki ila yedi yıl süren daha hızlı, yıllıklar arası varyasyonlara ayırdı. Standart bir doğrusal regresyon modeli esas olarak daha yavaş, daha pürüzsüz bileşenlerden fayda sağladı. Buna karşılık derin öğrenme modeli daha yüksek frekanslı, yıllıklar arası sinyallerden ek yetenek çıkardı; bu sinyaller basit istatistiksel analizlerde düzensiz ve epizodik görünür. Dalgalet teknikleri Karayipler ve Gulf Stream bölgelerinde yıllıklar arası sıcaklık değişkenliğinin zaman zaman Arktik deniz buzu değişimleriyle eş zamanlı olarak veya çoğunlukla okyanusun buzdan önce gelmesi şeklinde hareket ettiğini doğruladı. Bu davranış, muhtemelen nem taşıması, bulut oluşumu ve Arktik ya da Kuzey Atlantik Salınımları gibi büyük dolaşım desenlerindeki değişiklikleri içeren karmaşık, doğrusal olmayan atmosferik yolları işaret ediyor.

Bu, Arktik buzunun geleceği için ne anlama geliyor

Basitçe söylemek gerekirse, çalışma Atlantik’in belirli sıcak yamalarının—özellikle Karayipler ve Gulf Stream boyunca—yıldan yıla Arktik’i kaplayan deniz buzu miktarını şekillendirmede orantısız bir rol oynadığını savunuyor. Derin öğrenme ve açıklanabilirlik araçlarını kullanarak yazarlar, bu bölgelerin haftalar içinde hızla etki ettiğini; bunun büyük ölçüde artan buharlaşma ve atmosfere ısı transferi yoluyla olduğunu ve sonrasında kutup denizlerindeki hava koşullarını değiştirdiğini gösteriyor. İnsan kaynaklı ısınma uzun vadeli buz kaybının ana motoru olmaya devam etse de, bu uzak okyanus “kontrol düğmelerini” anlamak mevsimsel tahminleri iyileştirebilir ve doğal iklim ritimleri ile sera gazı kaynaklı trendlerin hızla değişen Arktik’i nasıl birlikte şekillendirdiğini çözmede bilim insanlarına yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: Arktik deniz buzu, Atlantik Okyanusu, telebağlantılar, derin öğrenme, iklim değişkenliği