Tous les glaciers subissent de grands changements en raison du réchauffement climatique. Une équipe interdisciplinaire de glaciologues, climatologues et mathématiciens de l’Université Grenoble Alpes, INRAE, Météo-France, l’Université Libre de Bruxelles et TU Delft a utilisé pour la première fois des réseaux de neurones artificiels profonds pour simuler l’évolution future des glaciers dans les Alpes françaises. L’étude a été publiée dans la revue Nature Communications.
Les glaciers sont modifiés principalement par les températures. Ainsi, ils ont connu une extension du XVème au XIXème siècle, période où les hivers ont été plus froids et ont commencé à reculer vers les années 1850 alors que le climat se réchauffait. Vers les années 1950, la tendance s’est inversée jusqu’aux années 1980, cette période étant plus froide. Depuis, le réchauffement climatique s’amplifie et entraîne un recul rapide et généralisé des glaciers, voire leur disparition. Les impacts environnementaux et sociaux sont très importants : montée du niveau de la mer, perte des ressources en eau des glaciers utile pour la production d’électricité, l’agriculture, l’industrie… Pour anticiper et atténuer ces impacts, il est essentiel de prévoir l’évolution future des glaciers. Jordi Bolibar, Antoine Rabatel, Isabelle Gouttevin, Harry Zekollari et Clovis Galiez ont tenté de le faire lors de cette étude sur la «Sensibilité non linéaire du bilan de masse des glaciers au changement climatique futur révélée par l’apprentissage en profondeur.»
Les glaciers des Alpes françaises
L’équipe de l’étude a choisi d’étudier les glaciers des Alpes françaises qui connaissent l’un des reculs les plus conséquents au monde. Ce recul rapide des glaciers a déjà un impact environnemental sur les risques naturels (rupture de barrage, avalanche de blocs rocheux…), les écosystèmes de montagne et la biodiversité. Les glaciers de la région font l’objet d’observations depuis plusieurs décennies, la simulation d’évaluation porte, quant à elle, sur la période de 2003 à 2015.
Une approche différente
D’une manière générale, les modèles numériques permettent aux scientifiques de simuler, de façon simplifiée, l’évolution des glaciers pour des régions entières ou sur l’ensemble de la planète, que ce soit pour des périodes passées ou futures. La plupart de ces modèles utilise une relation linéaire calibrée entre les degrés-jours positifs et la fonte de la glace ou de la neige alors que l’évolution des glaciers est non linéaire, c’est-à-dire qu’elle n’évolue pas de façon constante dans le temps.
Les réseaux de neurones artificiels profonds sont des modèles non linéaires qui offrent une approche alternative à ces méthodes classiques mais ils sont très peu utilisés en glaciologie pour les problèmes de régression. Pour l’étude, la modélisation a été basée sur un bilan de masse d’apprentissage en profondeur et des paramétrisations spécifiques aux glaciers. Selon les chercheurs:
«l’apprentissage en profondeur capture une réponse non linéaire des glaciers à la température de l’air et aux précipitations, améliorant la représentation des taux de bilan de masse extrêmes par rapport aux modèles linéaires statistiques et d’indice de température.»
Résultats de l’étude
Les projections montrent une forte perte de masse glaciaire dans les Alpes Françaises estimée entre 75 % et 88 % par rapport à 2015 d’ici la fin du siècle. L’étude prédit que les glaciers dans l’Arctique et en Patagonie, qui sont les plus grandes réserves de glace au monde après le Groenland et l’Antarctique, seraient plus impactés par le réchauffement climatique.
Sources : Bolibar, J., Rabatel, A., Gouttevin, I. et al. Sensibilité non linéaire du bilan de masse des glaciers au changement climatique futur révélée par l’apprentissage en profondeur. Nat Commun 13, 409 (2022). https://doi.org/10.1038/s41467-022-28033-0.
