En gletsjer i Antarktis kan snart miste is lige så hurtigt som hele kontinentet

Grøn innovation 17. maj 2026 12 min Lecturer in Glaciology Daniel Goldberg Skrevet af Morten Busch

Massetabet fra Thwaites-gletsjeren i Vestantarktis accelererer allerede – og nye simuleringer tyder på, at den inden for 50 år kan miste 180–200 milliarder ton is om året. Men studiet peger på noget mere grundlæggende: Den mest alvorlige fremtid afhænger måske ikke kun af, hvad gletsjeren gør, men også af, om forskerne træner deres modeller på en måde, der gør det muligt at se det.

Interesseret i Grøn innovation? Vi kan holde dig opdateret helt gratis

Hvis Thwaites fortsætter ad sin mest bekymrende bane, kan den miste 180–200 milliarder ton is om året inden 2067 – svarende til det samlede massetab fra hele Antarktis i dag. Derfor har Thwaites længe været et fokuspunkt for glaciologer: massetabet er steget markant siden 1990’erne, og gletsjerens geometri gør det svært at standse tilbagetrækningen, når den først er i gang.

I den nye undersøgelse, offentliggjort i AGU Advances in Earth and Space Sciences, stiller den beregnende gletsjerforsker Daniel Goldberg og kolleger ved School of GeoSciences, University of Edinburgh, Storbritannien, og Department of Earth Sciences ved Dartmouth College, USA, ikke blot spørgsmålet om, hvor meget is Thwaites kan miste, men et mere grundlæggende: Hvilke observationer kan vi stole på, når vi forudsiger dens fremtid?

”Thwaites er en vigtig gletsjer at undersøge, men den større sammenhæng er, at det, vi gør i denne artikel, næsten er et proof of concept. Gletsjeren er blot eksemplet. Det dybere spørgsmål er, hvordan man bygger modeller, der rammer det rigtige resultat – og for Thwaites overskygger modelusikkerheden alle andre faktorer i det næste århundrede.”

Studiet flytter dermed fokus fra en gletsjer i hastig forandring til et bredere spørgsmål om selve forudsigelsen – og hvor let den kan påvirkes. Som Goldberg formulerer det: ”Kalibreringsmetoden er ikke en teknisk detalje – den ændrer den fremtid, man får.”

Prognoser for havniveauets stigning afhænger lige så meget af, hvordan modellerne trænes, som af selve isen.

En gletsjer på vej ud af balance

Thwaites-gletsjeren i Vestantarktis er blevet et af de tydeligste eksempler på, hvor hurtigt et tilsyneladende stabilt issystem kan tippe ud af balance. I satellitæraen er det samlede istab fra Antarktis steget markant, og en stor del af denne ændring stammer fra gletsjere i Amundsenhavet. Blandt dem skiller Thwaites sig ud – både for det, der allerede er sket, og for det, der kan komme.

Gletsjerens isafstrømning er steget kraftigt; massetabet er mere end femdoblet siden 1990’erne, og grundlinjen har trukket sig tilbage i et accelererende tempo. For forskerne er det et tydeligt advarselssignal: Thwaites hviler på et leje, der hælder indad og bliver dybere længere inde i landet. Når grundlinjen trækker sig tilbage i dybere vand, eksponeres tykkere is for havet – og tilbagetrækningen kan dermed forstærke sig selv.

”Thwaites er en god gletsjer at teste dette på, fordi den er så stærkt dynamisk. I nylige sammenligninger dominerede modelusikkerheden for Thwaites alt andet for det næste århundrede. Det betyder, at der er stor uenighed i modellerne, når man modellerer denne gletsjer – så det var en vanskelig, men meget god gletsjer at teste.”

Bekymringerne om Thwaites er ikke nye. Tidligere modelleringsstudier har peget på, at gletsjeren kan være på vej mod en ustabil fremtid. Men usikkerheden har været stor – især om timingen. Er det en proces, der først for alvor accelererer over århundreder, eller er en større forandring allerede i gang i dette århundrede?

Det spørgsmål er blevet mere presserende i takt med, at satellitobservationerne er blevet bedre – og har gjort det muligt at teste modellerne langt mere direkte. Forskere kan nu følge, hvor hurtigt isen bevæger sig, hvordan overfladen sænkes, og hvor smeltningen er størst – og dermed vurdere modellerne langt mere stringent.

»En meget lille del af forskerne, der arbejder med iskappe-modeller, forsøger faktisk at inddrage det tidsafhængige aspekt af satellitdata. Det er muligt nu, fordi der er flere data – med en længere historik. Da både Mathieu Morlighem og jeg havde modeller, der kunne klare denne opgave, mente vi, at det var på tide at foretage en ordentlig sammenligning mellem de to.«

Det banede vejen for studiets hovedspørgsmål: Thwaites er både en af de mest bekymrende gletsjere på Jorden og en krævende testcase, der kan afsløre, om bedre metoder faktisk ændrer svaret. Som Goldberg siger, dominerer modelusikkerheden for Thwaites ”alt andet i det næste århundrede” – og netop derfor er det en gletsjer, hvor bedre metoder kan gøre den største forskel.

Sådan træningen af modeller ændrer fremtiden

For at forstå, hvordan Thwaites kan udvikle sig frem mod midten af dette århundrede, satte Goldberg og kolleger fokus på et af de mest afgørende – og ofte oversete – trin i klimamodellering: hvordan modeller trænes på virkelige data ved at justere interne parametre, indtil den simulerede gletsjer opfører sig som den observerede.

For Goldberg var det selve kernen i artiklen. Thwaites fungerede som testplads – ”gletsjeren er blot et eksempel” – for, hvordan man bygger modeller, der mere pålideligt kan indfange, hvordan iskapper udvikler sig.

Forskerne undersøgte dette ved at anvende to uafhængige iskappe-modeller baseret på satellitdata fra 2004 til 2017. Modellerne blev kørt med tre forskellige kalibreringsstrategier: isens hastighed, ændringer i overfladehøjde og en kombination af begge.

Det kan lyde teknisk, men princippet er enkelt: modeller skal kunne gengive nutiden for at sige noget troværdigt om fremtiden. Det afgørende spørgsmål er derfor, hvilke observationer der bedst fanger de processer, der styrer, hvordan isen flyder og bliver tyndere. For Goldberg er det valg lige så vigtigt som selve kalibreringsmetoden.

”Der er en opfattelse af, at når man først har en metode til at justere parametre, så modellen følger den tidslige udvikling, så falder alting på plads,” siger han. ”Men jeg tror, det er halvdelen – eller mindre end halvdelen – af arbejdet. Man skal stadig beslutte, hvilke observationer modellen skal passe til.”

Når man følger gletsjeren over tid, ændrer fremtidsbilledet sig

I denne undersøgelse ændrede netop det valg den fremtid, modellerne forudsagde. Ved at bruge tidsafhængig kalibrering kunne forskerne ikke kun matche, hvor Thwaites er i dag, men også hvordan den har ændret sig – og dermed indfange dens udviklingsbane frem for et enkelt øjebliksbillede.

Goldberg sammenligner forskellen med at hænge et billede op på en væg: ”Hvis du hænger et billede op og står helt tæt på, kan du ikke se, om det hænger lige. Det kan se rigtigt ud tæt på, men når du træder tilbage, er det skævt. Det, disse metoder gør muligt, er at justere billedet med lange nok arme til, at du kan se fra den anden ende af rummet, om det hænger rigtigt.”

Det er essensen af tidsafhængig kalibrering: ikke kun at ramme den rigtige position, men også at sikre, at udviklingen afspejler den underliggende fysik i, hvordan isen faktisk bevæger sig.

Når modellerne først er kalibreret med de forskellige tilgange, køres de frem til 2067. Alle andre forhold holdes konstante, så de forskelle, der opstår, kan føres tilbage til ét valg: hvilke data modellerne er blevet trænet på.

Den samme gletsjer – vidt forskellige fremtider

Resultatet er i praksis et kontrolleret eksperiment: den samme gletsjer, den samme fysik – men forskellige måder at lære af virkeligheden på. Det er stadig sjældent inden for iskappeforskning, ikke mindst fordi det er teknisk krævende.

Som Goldberg forklarer, indebærer det at inkludere tidsafhængighed, at forskerne justerer ”tusinder, titusinder, hundreder af tusinder” af parametre – noget, der kræver langt mere avancerede optimeringsmetoder.

”Vi justerer tusinder, titusinder, hundreder af tusinder af parametre. Traditionelle metoder til parameterestimering fungerer ikke. Den nærmeste populære analogi er sandsynligvis neurale netværk: de har også et enormt antal parametre, der justeres iterativt for at reducere fejl. Vi gør noget meget lignende.”

Goldbergs og Morlighems modeller bruger automatisk differentiering til at fremskynde denne iterative tilpasning – en tilgang, der minder om den måde, neurale netværk trænes på.

Metoden gør det muligt at stille et dybere spørgsmål: ikke kun hvad der vil ske med Thwaites, men hvordan valget af data former svaret. Goldberg beskriver studiet som ”næsten et proof of concept” – en første demonstration af, at måden, modeller kalibreres på, kan ændre, hvad de bliver enige om, og dermed også hvad de forudsiger. Samtidig understreger han, at resultaterne ikke bør overfortolkes.

”Jeg vil ikke have, at det lyder, som om vi gør det rigtige, og andre gør det forkerte. Det synes jeg ikke er retfærdigt. Vi gjorde vores bedste.”

De mest bekymrende scenarier opstår, når modellen rammer overfladen

Når modellerne køres frem til 2067, tegner der sig et tydeligt mønster: Thwaites’ fremtid afhænger i høj grad af, hvordan modellen trænes – fordi forskellige datasæt fremhæver forskellige processer inde i gletsjeren.

Alle modeller kan gengive nutiden – men ikke lige godt. De modeller, der er kalibreret med ændringer i overfladehøjde, reducerer fejlen i istabet markant og giver samtidig langt større overensstemmelse mellem to uafhængige modeller. Det er centralt, fordi Goldberg ikke har tillid til enkeltstående modelresultater.

”Jeg betragter mig selv som skeptiker, når det gælder modelforudsigelser om klimaforandringer,” siger han. ”Jeg ville slet ikke have troet på vores resultater, hvis den ene af vores modeller havde vist noget helt andet end den anden.”

I det lys bliver enighed mellem uafhængige modeller en del af selve resultatet – ikke blot en teknisk detalje.

Når modellerne projekteres frem, divergerer de markant. De modeller, der kun er kalibreret på hastighedsdata, viser relativt store tab i begyndelsen, men flader hurtigt ud. De modeller, der er kalibreret på ændringer i overfladehøjde, stabiliserer sig ikke – tabet fortsætter med at accelerere og når op på 180–200 milliarder ton om året i 2067, i tråd med de højeste estimater i studiet.

Den afgørende forskel ligger dybt i gletsjeren

Det, der springer i øjnene, er, at forskellene ikke skyldes selve fysikken, men de data, modellerne er kalibreret med. Goldberg vurderer, at når hastighedsdata vægtes højt, kan modellerne ende med at ”overtilpasse sig til hastighederne” og overse ændringer, der er tættere knyttet til selve tilbagetrækningen. Flere data giver ikke automatisk bedre prognoser – hvis de fremhæver den forkerte del af systemet.

”Min mistanke er, at hvis man bruger en bestemt type observation, såsom hastighed, og dækningen ikke er helt korrekt, eller fejlene ikke er helt korrekte, kan man overtilpasse sig til disse hastigheder på bekostning af en korrekt tilpasning til ændringer i overfladehøjden. Jeg tror, det er det, der er sket for os.”

Ser man på, hvor isen faktisk bliver tyndere, træder forskellen tydeligere frem. I de mest bekymrende scenarier breder udtyndingen sig op til omkring 100 kilometer ind i landet langs en dyb fordybning under gletsjeren – og trækker dermed hurtigere strømning ind i tykkere is, hvilket forstærker tabet.

”I de overfladebegrænsede kørsler trænger udtyndingen dybt ind i landet langs fordybningen – hvilket påvirker tykkere is længere opstrøms.”

Hvor gletsjeren først giver efter, er afgørende

I de mest realistiske modeller er accelerationen ikke jævnt fordelt, men koncentreret i smalle zoner langs den dybe fordybning. Det står i kontrast til modeller baseret på hastighedsdata, hvor ændringerne fremstår mere diffuse.

”Det rumlige mønster er nøglen – de realistiske modeller viser en koncentreret acceleration ind i landet og ikke en diffus reaktion.”

For at gengive de observerede ændringer må modellerne reducere modstanden mod isstrømmen langs fordybningen. Det gør det muligt for isen at accelerere og overføre denne acceleration længere ind i landet.

”For at gengive den observerede udtynding skal modellen svække bunden langs fordybningen – og det er det, der udløser reaktionen inde i landet. I de overfladebegrænsede kørsler trænger udtyndingen dybt ind i landet langs fordybningen. Det signal inde i landet er afgørende, fordi det betyder, at man påvirker tykkere is længere opstrøms. Det er ikke bare mere tab – det er et andet rumligt mønster for forandring.”

Netop disse zoner med accelereret strømning er afgørende for det fremtidige istab, fordi de forbinder hurtigt bevægende kystis med det tykkere indre og dermed overfører forandringen ind i landet. For Goldberg handler det derfor ikke kun om at gøre modellerne mere avancerede, men om at identificere de signaler og de dele af gletsjeren, der faktisk styrer udviklingen.

”De regioner, der styrer det fremtidige tab, er de samme regioner, hvor vi i dag ser en acceleration inde i landet.”

Den klareste advarsel ligger i overfladen

Et centralt resultat er, at modeller, der bruger data for ændringer i overfladehøjde, gengiver den observerede udvikling mere præcist – selv uden hastighedsdata. Det var ikke det, Goldberg forventede ville stå centralt, men det blev afgørende, fordi resultaterne faktisk blev dårligere, ikke bedre, når hastighedsobservationer blev lagt til.

”Den største kritik fra bedømmerne var ikke, at vi generelt gjorde noget forkert, men at tingene så ud til at blive værre, når vi inkluderede hastigheder i vores datasæt. Jeg tror, det skyldes, at vi kom til at overtilpasse os hastighederne på bekostning af at se vigtige signaler, der er tættere knyttet til tilbagetrækningen.”

Forklaringen er, at overfladehøjden afspejler den samlede effekt af mange processer – fra basal friktion til smeltning og isstrømning – og dermed fungerer som et integreret mål for gletsjerens samlede tilstand.

”Ændringer i overfladehøjden er et samlet signal om alt, hvad der sker i gletsjeren – hastigheden er kun én del af det billede. Det fortæller os noget grundlæggende om, hvad der betyder mest i observationerne.”

Modellerne kan være enige om nutiden – og uenige om fremtiden

Forskellene er ikke blot midlertidige. Ser man kun på det samlede istab, kan modellerne ligne hinanden – men de processer, der driver tabet, og hvordan det udvikler sig over tid, er vidt forskellige: nogle stabiliserer sig, mens andre accelererer markant.

”Hvis man kun ser på det samlede tab, kunne man tro, at modellerne er enige – men ændringshastigheden fortæller en helt anden historie.”

Ved slutningen af perioden er istabet i de mest ekstreme scenarier mere end dobbelt så stort som i de øvrige modeller – og på niveau med det nuværende samlede massetab fra hele den antarktiske iskappe.

”I 2067 vil tabshastighederne i disse modeller være sammenlignelige med den nuværende massebalance for hele den antarktiske iskappe. Det sætter én gletsjer ind i en global sammenhæng på en meget direkte måde.”

Resultaterne peger på en dobbelt erkendelse: Thwaites er allerede på vej mod øget istab, og hvor hurtigt det vil accelerere, afhænger i høj grad af, hvilke data vi vælger at stole på – og dermed hvilke processer modellerne får lov til at prioritere.

Vi kan undervurdere, hvor hurtigt tabet vokser – og hvorfor

Hvis én gletsjer når et årligt istab på op mod 200 milliarder ton, er konsekvenserne ikke længere kun antarktiske – de er globale. Goldberg er samtidig varsom med, hvordan risikoen formidles. Udtryk som ”dommedagsgletsjeren” kan få folk til at lukke af frem for at lytte. Det afgørende er mere robuste skøn over, hvad der sandsynligvis vil ske i Antarktis i den nære fremtid – og viljen til at sige det højt, også når budskabet er ubehageligt.

”Vi må ikke være bange for at formidle budskaber, der måske strider mod det, folk gerne vil se.”

Thwaites alene rummer nok is til at hæve havniveauet med over en halv meter, hvis den kollapser fuldstændigt. Men studiet peger på noget lige så vigtigt: usikkerhed handler ikke kun om fysik – den handler også om metode.

”Samlet set er disse resultater svære at ignorere. Hvis valget af kalibreringsdata afgør, om modellerne viser stabilisering eller fortsat acceleration, kan nogle prognoser for fremtidens havstigning være enten undervurderede – eller overvurderede.”

Når modeller fortæller forskellige historier

Ifølge Daniel Goldberg er udfordringen ikke kun videnskabelig, men også kommunikativ: forskellige modeller giver forskellige svar – og dermed forskellige fortællinger om fremtiden.

Som han formulerer det, skaber det ”en opskrift på mange, mange forskellige muligheder afhængigt af, hvilken model der anvendes,” og dermed ”mange, mange forskellige budskaber.” Det gør det samtidig lettere at vælge den konklusion, man foretrækker. ”Der burde ikke være en sådan usikkerhed,” siger han. ”Og hvis der er en måde at reducere den på, bør vi tage den.”

Det er dog ikke det sidste ord. Undersøgelsen dækker kun de næste cirka 50 år og inkluderer ikke alle processer, der kan påvirke gletsjeren på længere sigt – som ændringer i isens struktur, vandstrømme under gletsjeren eller et muligt kollaps af de flydende ishylder, der i dag bremser den.

Goldberg understreger, at der ikke er tale om et endeligt svar, men en første demonstration af, hvad denne tilgang kan. ”Derfor er dette et proof of concept,” siger han. ”Artiklen viser den bedste metode, vi kunne finde – med de eksperimenter, vi har lavet – men der er helt klart plads til at udvide arbejdet.”

Studiet skal derfor læses som et solidt udgangspunkt snarere end en endelig konklusion.

Hvad gletsjeren allerede fortæller os

Undersøgelsen peger ikke på én korrekt måde at kalibrere modeller på, men understreger behovet for at bruge flere typer observationer – og for at forstå, hvilke fysiske processer de hver især afspejler. I dag tillægges hastighedsdata ofte stor vægt, men resultaterne her tyder på, at ændringer i overfladehøjde kan indeholde afgørende information om gletsjerens dybere dynamik.

”Mit håb er, at den næste generation af modeller vil se på denne undersøgelse og lignende studier og overveje en bedre måde at gøre tingene på.”

I den forstand rækker arbejdet ud over Thwaites. Det bliver et eksempel på en bredere udfordring i klimavidenskaben: Evnen til at forudsige fremtiden afhænger ikke kun af bedre modeller, men også af, hvor godt vi tolker de signaler, der allerede findes i nutiden.

Fremskridt i modellering – delvist drevet af teknikker fra kunstig intelligens – betyder, at de iskappe-modeller, der nu er under udvikling, er bedre rustet til at indarbejde tidsafhængige observationer, ligesom i denne undersøgelse. Goldberg håber, at erfaringerne herfra vil blive ført videre til næste generation af modeller. Selv hvis de nuværende modeller erstattes, er ambitionen, at de kommende tager ”en bedre måde at gøre tingene på” med sig.

Goldberg er samtidig opmærksom på tonen. ”Jeg siger ikke, at vi ikke skal være bekymrede,” siger han. ”Men måske er udtryk som ’dommedagsgletsjer’ grunden til, at folk lukker af. Jeg tror, vi har brug for en mere afbalanceret måde at formulere det på.”

Målet er ikke at forsimple videnskaben, men at gøre modelleringen stærkere – og budskabet sværere at afvise.

Daniel Goldberg is a computational glaciologist at the University of Edinburgh’s School of GeoSciences. His research focuses on how ice sheets and gla...

Udforsk emner

Spændende emner

Dansk
© All rights reserved, Sciencenews 2020