Når et tre brenner uten at noen måler det - Frans-Jan W. Parmentier

Sommeren 2024 ser ut til å bli en sommer av ekstremer. Aldri før har vi opplevd en orkan i kategori fem så tidlig i året som Beryl, som herjet i Karibia i forrige uke. Det lover ikke godt for resten av sesongen. I Sveits og Italia har det allerede vært voldsomme flommer med tap av hus og liv, og i Canada stålsetter man seg for enda flere skogbranner etter rekordåret i fjor.

Bortsett fra de direkte følgene for mennesker, er spørsmålet hva dette gjør med naturen. Hvor mye drivhusgass blir sluppet ut når skogene brenner, myrene tørker inn og frossen jord tiner opp? Kan ekstreme hendelser føre til at klimaproblemet går fra vondt til verre?

Problemet med ekstremer er nettopp at de ikke forekommer så ofte, og vanligvis skjer de ikke på samme sted. Det gjør det vanskelig for forskere å overvåke dem med målestasjoner. Du må ha «flaks» med at en skogbrann eller flom opptrer akkurat der du måler – noe som skjedde da en kanadisk feltstasjon brente helt ned i fjor. Med private donasjoner er den bygd opp igjen, og forskere ser nå på konsekvensene av brannen mens skogen vokser tilbake. Hetebølger er lettere å plukke opp fordi de påvirker store områder, men det er store lokale forskjeller i for eksempel plantearter, jordfuktighet og jordtype. Det betyr at naturen tåler ekstremvarmen fint noen steder, mens den fører til store skader et annet sted.

Denne variasjonen i landskapet må vi forstå for å kunne se større mønstre, men særlig i arktisk forskning er det vanskelig. Landskapet er en mosaikk av våte og tørre områder, med veldig forskjellig opptak av CO₂ og utslipp av metan på kort avstand. Og som det ikke er vanskelig nok å måle, har Putin gjort det enda mer vrient ved å invadere Ukraina. Et innlegg i tidsskriftet Nature Climate Change nå i mai pekte på at brorparten av permafrosten befinner seg i Russland, og at vi ikke lenger har tilgang til målingene derfra. Det betyr at vi har tapt en tredel av informasjonen vi trenger for å forstå variasjonen i det arktiske landskapet. Flere målinger i Nord-Amerika og Norden er bare en del av løsningen, fordi Russland har en kombinasjon av klima, plantearter og typer permafrost som ikke finnes andre steder på jorda.

For å forstå problemene på bakken må vi derfor helt til verdensrommet. Satellitter kan se hele jorda, og slik kan vi overvåke hvordan vegetasjonen utvikler seg fra år til år, og hvor stor skaden er etter tørke, skogbrann og annet ekstremvær. Men satellitter er ganske overflatiske, bokstavelig talt: De kan ikke se ned i bakken. Derfor kan de ikke brukes for å kartlegge hva som skjer med karbonet som er lagret i permafrosten. Da må vi tilbake til feltet, men som sagt kan vi ikke måle overalt.

Løsningen til å fylle disse hullene i kunnskapen vår ligger i kunstig intelligens (KI). Nei, jeg mener ikke at vi skal spørre ChatGPT hvordan naturen vil bli påvirket av klimaekstremer (jeg har spurt, og den tok feil). Men KI er mer enn en chatbot. Sammen med amerikanske kolleger har jeg vært med på en stor innsamling av nesten all data som har blitt målt i feltet over flere tiår, også fra Russland. Dette datasettet bruker vi for å trene opp en modell med noe som heter maskinlæring, ofte omtalt som KI.

For vår del betyr KI at vi bruker algoritmer og statistikk for å finne ut hvordan målinger av, for eksempel, CO₂-utvekslingen av en skog, henger sammen med værdata og satellittmålinger fra hele jorda. Når maskinen har «lært» denne sammenhengen, bruker vi den for å beregne CO₂-utvekslingen på steder hvor vi ikke har målt.

Nå er det viktig å huske at KI ikke er et vidundermiddel, bare et verktøy som også kan ta feil. Når man har en ekte forståelse av problematikken, er det lett å se hvor feilene ligger. For eksempel når modellen viser et stort utslipp av CO₂ langt nord i Canada – en polarørken det det nesten ikke finnes karbon i jorda. Store utslipp fra et sånt sted er umulige, men KI-modellen vet ikke det når det ikke finnes målinger fra steder som ligner. KI har ingen forståelse av vår fysiske verden. Dessuten virker den ofte som en svart boks, hvor det ikke er tydelig hva den egentlig gjør. Da hender det at modellen bare er kunstig, og ikke lenger intelligent.

Selv om KI har begrensninger, har det ført til et gjennombrudd i vår forståelse av karbonsyklusen. Vi vet nå at vegetasjonen i nordområdene, enn så lenge, tar opp mer CO₂ enn det permafrosten slipper ut. Men når vi legger til ekstreme hendelser som skogbrann, er det mulig at bildet endrer seg.

Løsningen til problemet med det «kunstige» utslippet i Nord-Canada var å sette opp en ny målestasjon i dette området, for å måle at utslippene (sannsynligvis) er null. Men denne dataen trengs for å forbedre algoritmene. I tillegg må vi fortsette med å satse på klimamodeller som er bygget på vår fysiske forståelse av naturens lover – og få en bedre forståelse ved hjelp av flere målinger. Akkurat av den grunn dro jeg i forrige uke til fjells i nærheten av Hemsedal for å sette opp en ny målestasjon, som en av våre stipendiater skal jobbe med. Fordi feltarbeid omringet av skyer av mygg, fluer og klegg er hvor den ekte intelligensen kommer fra.