Modèles prédictifs utilisant JMP ® pour la disparition de la banquise arctique et antarctique due au changement climatique
Manny Uy, PhD, directeur du département de 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, la superficie et la concentration de glace pour 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, ils ne constituent pas la technique statistique la plus adaptée pour réaliser des prévisions sur une longue période, notamment en présence d'un phénomène périodique comme les variations saisonnières. La technique statistique fondamentale pour la modélisation des séries chronologiques saisonnières est la méthode ARIMA (auto-régression avec moyenne mobile de Box-Jenkins). Grâce au modèle ARIMA de Box-Jenkins dans le JMP 10, les résultats de l'analyse des données arctiques montrent que la variation saisonnière affecte l'étendue, la superficie et la concentration de glace dans l'Arctique bien plus fortement que la variation annuelle. Les tendances saisonnières et annuelles à la baisse sont statistiquement significatives et seront analysées et expliquées en termes de changement climatique. La même méthode ARIMA de Box-Jenkins est utilisée pour prévoir le comportement de la glace en Antarctique, qui s'avère plus complexe que le cas de l'Arctique. On estime que la période qui mènera à un Arctique sans glace, qui se produira probablement au mois de septembre, se situera entre 75 et 105 ans à compter de la date actuelle.
