Towards skillful subseasonal-to-seasonal sea ice prediction

Oppvarmingen på de høye breddegrader har vært tre ganger raskere enn den globale oppvarmingen de siste tiårene. Det har ført til en dramatisk nedgang i utbredelsen og tykkelsen av havis. Disse endringene i havisen påvirker polarmiljøet, økosystemet og lokale samfunn i stor grad. Dette fører til både risiko og nye muligheter i polarområdene, som for eksempel vitenskapelige oppdrag, turisme, fiskeri, skipsfart, utnyttelse av naturressurser og forvaltning av dyrelivet. Endringer i havisen kan også påvirke områder utenfor polarområdene, for eksempel deler av nordlige kontinenter på midlere breddegrader. Å forutsi endringer i havisen på tidsskalaer fra måneder til sesong (S2S, subseasonal-to-seasonal) er til nytte for samfunnet og er et hett tema som forskes på internasjonalt. Gapet mellom potensiell og realistisk forutsigbarhet av havisen er i ferd med å lukkes i enkelte regioner og årstider. Dette er takket være nylige fremskritt innen høyytelses databehandling, utvikling av modell og initialiseringsmetoder, og nye observasjoner. Men gapet er fortsatt betydelig. 4SICE-prosjektet ledes av Nansensenteret for Miljø og Fjernmåling i Norge og Sun Yat-sen University i Kina. 4SICE har som mål å forbedre evnen til å varsle endringer i havisen på tidsskalaer fra måneder til sesong. Dette skal gjøres ved å forbedre modellen, forbedre initialiseringsmetoden og bruke observasjoner som er uutnyttet. Forskningen i prosjektet fokuserer hovedsakelig på Arktis, men vil også vurdere Antarktis, som får mindre oppmerksomhet. Prediksjonene av havisen fra 4SICE vil støtte vitenskapelige og økonomiske aktiviteter i polarområdene.

Sea ice prediction on subseasonal-to-seasonal (S2S) timescales is extremely beneficial for society and is a hot topic of international research. Thanks to the recent advances in model development and initialisation, and the emergence of novel observations, the gap between potential and realistic sea ice predictability is closing in some regions and seasons but overall, it remains very significant. As of today, dynamical sea ice prediction is skilful only up to a few months, while potential sea ice predictability extends well beyond 1-year lead time. 4SICE will address the challenges in improving model initialisation and reducing model bias to significantly enhance dynamical sea ice prediction on S2S timescales. 4SICE will investigate the mechanism, skill and limit of dynamical sea ice prediction in the Arctic and Antarctic, through observations and model data outputs. 4SICE will also investigate the impact of small-scale ocean and sea ice processes on sea ice prediction. 4SICE will implement the assimilation of sea ice drift data, estimate sea ice dynamic parameters with data assimilation (DA), and implement advanced approaches for the non-Gaussian distribution issue of sea ice states in DA in the Norwegian Climate Prediction Model (NorCPM). The COIN DA method will be implemented in the high-resolution regional prediction system SHAPS to improve sea ice initialisation. 4SICE will downscale the global predictions from NorCPM with regional prediction systems SHAPS and SISPS to high-resolution predictions in the Arctic and Antarctic. Furthermore, 4SICE will investigate the impact of enhanced sea ice prediction on seasonal predictions in lower latitudes and study the trans-Arctic maritime accessibility predictability on S2S timescales. 4SICE will also contribute to the Sea Ice Prediction Network (SIPN) and SIPN South, and apply sea ice predictions to support scientific missions and economic activities in the polar regions for end users.