Modèles prédictifs utilisant JMP ® pour la disparition des glaces de mer arctiques et antarctiques en raison du changement climatique
Manny Uy, PhD, personnel principal, Physique appliquée de l'Université Johns Hopkins
Josefino Comiso, PhD, scientifique en chef, Centre de vol spatial Goddard de la NASA
Les données satellitaires sur l'étendue de la glace, la surface de glace et la concentration de glace dans l'Arctique et l'Antarctique ont été compilées de 1978 à 2012. Bien que les modèles de régression linéaire par les moindres carrés puissent être - et sont souvent - utilisés pour l'extrapolation à court terme, ce n'est pas la meilleure technique statistique pour établir des prévisions sur une longue période, en particulier en présence d'un phénomène périodique tel que les variations saisonnières. La technique statistique fondamentale pour la modélisation des séries temporelles saisonnières est la méthode ARIMA (régression automatique de Box-Jenkins avec moyenne mobile). En utilisant le modèle de série chronologique Box-Jenkins ARIMA dans JMP 10, les résultats de l'analyse des données arctiques montrent que la variation saisonnière influe beaucoup plus fortement sur la quantité de glace, l'étendue et les concentrations de glace dans l'Arctique que la variation annuelle. Les tendances saisonnières et décroissantes annuelles sont statistiquement significatives et seront discutées et expliquées en termes de changement climatique. La même méthode ARIMA Box-Jenkins est utilisée pour prévoir le comportement de la glace en Antarctique, ce qui s'avère être plus complexe que dans le cas de l'Arctique. Le temps nécessaire pour un arctique libre de glace, qui se produira probablement au mois de septembre, est estimé entre 75 et 105 ans à compter de l'heure actuelle.
