Watertorens in gevaar: hoe AI helpt Centraal-Azië van water te blijven voorzien
Wat als miljoenen mensen hun drinkwater, elektriciteit én voedselproductie verliezen omdat gletsjers verdwijnen? Klinkt dat als een ver-van-je-bedshow? Voor miljoenen mensen in Centraal-Azië zou dat wel eens snel de realiteit kunnen worden. De klimaatsverandering vormt een enorme bedreiging voor gletsjers overal ter wereld, met verstrekkende gevolgen voor de gebieden stroomafwaarts, waar het smeltwater wordt gebruikt om aan landbouw te doen, om energie op te wekken en als drinkwater. Om de toekomst van gletsjers te voorspellen, rekenen wetenschappers al jaren op wiskundige modellen. Maar die modellen botsen op hun grenzen: ze vragen enorm veel metingen in moeilijke omstandigheden én heel veel rekenkracht. Precies daar kan artificiële intelligentie het verschil maken.
Watertorens in de bergen
Quizvraag: Welk land ligt er het verst van de kust vandaan? Het antwoord is Kirgizië, een land gekneld tussen Kazachstan en China. Doordat Kirgizië zo ver van de zee ligt, is het klimaat er extreem droog. Desondanks vinden we in de laagvlaktes van Centraal-Azië nagenoeg uitsluitend landbouw, met katoen als voornaamste gewas. In de jaren ’60 besloot de Sovjet-Unie van Centraal-Azië een landbouwmotor te maken, om minder afhankelijk te zijn van import. In zo’n droge regio kan dat enkel door een grootschalig irrigatieprogramma. De gletsjers in de gebergten, zoals het Tien 
Shan gebergte op de grens met China, spelen daarin de cruciale rol van watertorens: ze slaan tijdens de winter de beperkte hoeveelheid neerslag op en laten het tijdens de zomer weer los richting de vlaktes waar het gebruikt wordt om te irrigeren. Zo houden ze hele landbouwsystemen en economieën draaiende.
Batysh-Sook gletsjer (Kirgizië)
Het irrigatieprogramma laat ook vandaag zijn sporen na, want bijna de helft van de Kirgizische export bestaat vandaag nog steeds uit landbouwopbrengsten. De keerzijde van al deze irrigatie zien we bijvoorbeeld in het Aralmeer, dat bijna volledig is opgedroogd door al het water dat uit de rivieren wordt gehaald om te irrigeren.
Ai, ai, ai, die gletsjers …
Voorspellen hoe de gletsjers zullen veranderen is van groot belang om in te kunnen grijpen in het waterbeleid. Glaciologen voorspellen de toekomst van gletsjers met modellen die berekenen hoe het ijs stroomt. Als je die combineert met een massabalans - zeg maar de boekhouding van een gletsjer: de sneeuw die valt min wat er wegsmelt - kan je daarmee de evolutie van een gletsjer proberen te modelleren. Deze modellen vergen veel rekenkracht en er zijn sterke computers nodig om ze te kunnen uitvoeren. Om rekenwerk te besparen, ontwikkelden onderzoekers het Instructed Glacier Model (IGM). IGM doet nagenoeg hetzelfde als de klassieke gletsjermodellen, maar de wiskundige vergelijkingen die het stromen van de gletsjer beschrijven worden vervangen door een emulator: een stukje AI dat zelf leert welke verbanden er bestaan tussen de invoer en de uitkomst. Dat bespaart enorm veel rekenwerk.
Voorspelling van het toekomstig volume van de Batysh-Sook gletsjer (Kirgizië) onder verschillende klimaatscenario’s.
Van punten naar velden
Om de modellen aan te drijven, moeten we de topografie onder de gletsjer afleiden uit de dikte van het ijs. De modellen vragen ijsdiktedata op elk punt op de gletsjer, maar in werkelijkheid meten we maar op enkele punten. Het is alsof je een puzzel hebt met maar een paar stukjes, en de rest slim moet raden. Gewoonlijk doen onderzoekers dat door slim te schatten tussen meetpunten (‘statistische schatting’), of door berekeningen van hoe ijs zich onder druk vervormt (‘fysische schatting’). Door het inbouwen van AI in het model, kunnen we IGM ook gebruiken om de ontbrekende stukken van de puzzel te leggen. Dankzij de AI-emulator kan het model ‘omgedraaid’ worden: niet alleen voorspelt het hoe de gletsjer evolueert op basis van ijsdikte, het kan ook ijsdiktes schatten op basis van een beperkt aantal observaties.
Het omdraaien van IGM blijkt goed te werken. Zelfs met alleen metingen in de makkelijk bereikbare, lagere delen van de gletsjer, geeft IGM bijna hetzelfde resultaat als wanneer je overal zou meten. Klassieke methoden doen dat pas wanneer je meer metingen gebruikt die over de hele gletsjer verspreid liggen.
IJsdiktevelden van de Batysh-Sook gletsjer gemaakt met de verschillende technieken op basis van de verschillende dataset
Wetenschap op hoog niveau
Dat is veelbelovend om
praktische redenen, want het meten van de ijsdikte is eenvoudiger gezegd dan gedaan. Om de ijsdikte te meten, trekken we op veldwerkcampagnes met een radar. Die stuurt radiogolven door het ijs tot op het gesteente. De radiogolf weerkaatst en de gereflecteerde golf wordt door een ontvanger gesignaleerd. Uit de tijd die de golf nodig heeft om terug te keren, leiden we de ijsdikte af. De gletsjer bereiken is niet zo evident. We moeten met een jeep rivieren oversteken om nadien zelfs te moeten overstappen op paarden. Tijdens de zomermaanden zorgen hitteonweders ook met enige regelmaat voor een frisse hagel of sneeuwbui, en dat vaak boven de 4000m hoog. Daar komt bij dat sommige delen vaak niet bereikbaar zijn door het voorkomen van grote gletsjerspleten, al dan niet bedekt door sneeuwbruggen. Hoe dan ook kosten de radarmetingen relatief veel tijd en kunnen ze dus slechts op enkele plekken op de gletsjer worden uitgevoerd.
Sneller, slimmer en veiliger
Door IGM te gebruiken, moeten we veel minder metingen doen en hoeven ze ook niet mooi verdeeld te zijn over de gletsjer, maar kunnen we ons beperken tot de eenvoudig te bereiken delen. Minder risico voor onderzoekers, minder rekenwerk voor computers, en meer zekerheid voor miljoenen mensen die van dit water afhankelijk zijn.
Nauwkeurige voorspellingen van hoeveel smeltwater gletsjers in de toekomst nog leveren, zijn cruciaal voor een duurzaam waterbeleid in Centraal-Azië. Door het verdwijnen van de watertorens in de bergen, zal de energievoorziening, de irrigatiepolitiek en grote delen van de economie van Kirgizië en haar buurlanden drastisch moeten veranderen. Met IGM kunnen we de watertorens van Centraal-Azië beter in kaart brengen, en zo tijdig plannen zodat miljoenen mensen niet zonder water komen te zitten. AI is daarmee geen wondermiddel, maar wel een onmisbare schakel in de strijd om miljoenen mensen van water te blijven voorzien.
Bibliografie
Aizen, V. B., Aizen, E. M., Melack, J. M., and Dozier, J.: Climatic and Hydrologic Changes in the Tien Shan, Central Asia, Journal of Climate, 10, 1393– 1404, https://doi.org/10.1175/1520-0442(1997)010<1393:CAHCIT>2.0.CO;2, 1997.
Bernauer, T. and Siegfried, T.: Climate change and international water conflict in Central-Asia, Journal of Peace Research, 49, 227–239, 2012.
Blatter, H.: Velocity and stress fields in grounded glaciers: a simple algorithm for including deviatoric stress gradients, Journal of Glaciology, 41, 333–344, 1995.
Bolch, T., Duethmann, D., Wortmann, M., Liu, S., and Disse, M.: Declining glaciers en
danger sustainable development of the oases along the Aksu-Tarim River (Central Asia), International journal of sustainable development and world ecology, 29, 209–218, 2022.
Burt, J. E., Barber, G. M., and Rigby, D. L.: Elementary statistics for geographers, Guilford Press, 2009.
Chen, H., Chen, Y., Li, W., and Li, Z.: Quantifying the contributions of snow/glacier meltwater to river runoff in the Tianshan Mountains, Central Asia, Global and Planetary Change, 174,47–57, 2019. Climate-Data.org: Climate Data for Cities Worldwide, https://en.climate-data.org/, accessed: 2024-10-10, 2024.
Cogley, J. G., Arendt, A. A., Bauder, A., Braithwaite, R. J., Hock, R., Jansson, P., Kaser,
G., Moller, M., Nicholson, L., Rasmussen, L. A., and Zemp, M.: Glossary of glacier mass balance and related terms, Technical report, International Hydrological Programme, 2010.
Cuffey, K. M. and Paterson, W. S. B.: The physics of glaciers, Academic Press, 2010.
Emmer, A. et al.: Progress and challenges in glacial lake outburst flood research (2017-2021): a research community perspective, Natural Hazards and Earth System Sciences, 22, 30413061, 2022. ESRI: How Topo To Raster Works, URL https://pro.arcgis.com/en/pro-app/latest/tool-reference/3d-analyst/how-…, accessed: 2025-0530, 2023a.
ESRI: How Kriging Works, URL https://pro.arcgis.com/en/pro-app/latest/
tool-reference/spatial-analyst/how-kriging-works.htm, accessed: 2025-04-16,2023b.
Farinotti, D., Huss, M., Bauder, A., Funk, M., and Truffer, M.: A method to estimate the ice volume and ice-thickness distribution of alpine glaciers, Journal of Glaciology, 55, 422–430,https://doi.org/10.3189/002214309788816759, 2009.
Farinotti, D., Longuevergne, L., Moholdt, G., Duethmann, D., M¨ olg, T., Bolch, T., Voro
gushyn, S., and G¨untner, A.: Substantial glacier mass loss in the Tien Shan over the past 50 years, Nature Geoscience, 8, 716–722, 2015.
Farinotti, D., Brinkerhoff, D. J., Clarke, G. K. C., F¨urst, J. J., Frey, H., Gantayat, P., Gillet
Chaulet, F., Girard, C., Huss, M., Leclercq, P. W., Linsbauer, A., Machguth, H., Martin,
C., Maussion, F., Morlighem, M., Mosbeux, C., Pandit, A., Portmann, A., Rabatel, A.,
Ramsankaran, R., Reerink, T. J., Sanchez, O., Stentoft, P. A., Singh Kumari, S., van
Pelt, W. J. J., Anderson, B., Benham, T., Binder, D., Dowdeswell, J. A., Fischer, A.,
Helfricht, K., Kutuzov, S., Lavrentiev, I., McNabb, R., Gudmundsson, G. H., Li, H., and
Andreassen, L. M.: How accurate are estimates of glacier ice thickness? Results from ITMIX, the Ice Thickness Models Intercomparison eXperiment, The Cryosphere, 11, 949970, https://doi.org/10.5194/tc-11-949-2017, 2017.
Frank, T. and van Pelt, W. J. J.: Ice volume and thickness of all Scandinavian glaciers and ice caps, Journal of Glaciology, pp. 1–14, 2024.
Frey, H., Machguth, H., Huss, M., Huggel, C., Bajracharya, S., Bolch, T., Kulkarni, A.,
Linsbauer, A., Salzmann, N., and Stoffel, M.: Estimating the volume of glaciers in the Himalayan-Karakoram region using different methods, The Cryosphere, 8, 2313–2333, https://doi.org/10.5194/tc-8-2313-2014, 2014.
Fürst, J. J., Rybak, O., Goelzer, H., De Smedt, B., de Groen, P., and Huybrechts,
P.: Improved convergence and stability properties in a three-dimensional higher-order ice sheet model, Geoscientific Model Development, 4, 1133–1149, https://doi.org/10.5194/gmd-4-1133-2011, 2011.
Fürst, J. J., Gillet-Chaulet, F., Benham, T. J., Dowdeswell, J. A., Grabiec, M., Navarro,
F., Pettersson, R., Moholdt, G., Nuth, C., Sass, B., Aas, K., Fettweis, X., Lang, C.,
Seehaus, T., and Braun, M.: Application of a two-step approach for mapping ice thickness to various glacier types on Svalbard, The Cryosphere, 11, 2003–2032, https://doi.org/10.5194/tc-11-2003-2017, 2017.
Glen, J.: Rate of flow of polycrystalline ice, Nature, 172, 721–722, 1953.
Glen, J. W. and Paren, J. G.: The Electrical Properties of Snow and Ice, Journal of Glaciology,15, 15–38, https://doi.org/10.3189/S0022143000034249, 1975.
Hagg, W., Mayer, C., Lambrecht, A., Kriegel, D., and Azizov, E.: Glacier changes in the Big Naryn basin, Central Tian Shan, Global and Planetary Change, 110, 40–50, URL https://www.sciencedirect.com/science/article/pii/S0921818112001580, 2013a.
Hagg, W., Mayer, C., Lambrecht, A., Kriegel, D., and Azizov, E.: Glacier changes in the Big Naryn basin, Central Tian Shan, Global and Planetary Change, 110, 40–50, 2013b.
Hoelzle, M., Azisov, E., Barandun, M., Huss, M., Farinotti, D., Gafurov, A., Hagg, W., Kenzhebaev, R., Kronenberg, M., Machguth, H., Merkushkin, A., Moldobekov, B., Petrov, M., Saks, T., Salzmann, N., Sch¨ one, T., Tarasov, Y., Usubaliev, R., Vorogushyn, S., Yakovlev, A., and Zemp, M.: Re-establishing glacier monitoring in Kyrgyzstan and Uzbekistan, Central Asia, Geoscientific Instrumentation, Methods and Data Systems, 6, 397–418, https://doi.org/10.5194/gi-6-397-2017, 2017a.
Hoelzle, M., Azisov, E., Barandun, M., Huss, M., Farinotti, D., Gafurov, A., Hagg, W.,
Kenzhebaev, R., Kronenberg, M., Machguth, H., et al.: Re-establishing glacier monitoring in Kyrgyzstan and Uzbekistan, Central Asia, Geoscientific Instrumentation, Methods and Data Systems, 6, 397–418, 2017b.
Hugonnet, R., McNabb, R., Berthier, E., Menounos, B., Nuth, C., Girod, L., Farinotti, D.,
Huss, M., Dussaillant, I., Brun, F., et al.: Accelerated global glacier mass loss in the early twenty-first century, Nature, 592, 726–731, 2021.
Huss, M. and Hock, R.: Global-scale hydrological response to future glacier mass loss, Nature climate change, 8, 135–140, 2018.
Hutchinson, M.: ANUDEM version 5.3, user guide, Canberra: Fenner School of Environment and Society, Australian National University, 2011.
Hutchinson, M. F.: Calculation of hydrologically sound digital elevation models, in: Proceedings of Third International Symposium on Spatial Data Handling, pp. 17–19, International Geography Union, Columbus, OH, 1988.
Immerzeel, W. W. et al.: Importance and vulnerability of the world’s water towers, Nature,577, 364–369, 2020. IPCC: Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge University Press, Cambridge, UK
and New York, NY, USA, https://doi.org/0.59327/IPCC/AR6-9789291691647., 2023.
Johnson, R.: Thermal low, Encyclopedia of atmospheric science, pp. 2269–2273, 2003. Jouvet, G.: Inversion of a Stokes glacier flow model emulated by deep learning, Journal of Glaciology, 69, 13–26, 2023.
Jouvet, G., Cordonnier, G., Kim, B., L¨uthi, M., Vieli, A., and Aschwanden, A.: Deep learning speeds up ice flow modelling by several orders of magnitude, Journal of Glaciology, 68,651–664, 2022.Jouvet, G., Cook, S., Cordonnier, G., Finley, B., Henz, A., Herrmann, O., Maussion, F., Mey,J., Scherler, D., and Welty, E.: Concepts and capabilities of the Instructed Glacier Model,2024.
Kenzhebaev, R., Barandun, M., Kronenberg, M., Chen, Y., Usubaliev, R., and Hoelzle, M.: Mass balance observations and reconstruction for Batysh Sook Glacier, Tien Shan, from 2004 to 2016, Cold Regions Science and Technology, 135, 76–89, URL https://www.sciencedirect.com/science/article/pii/S0165232X16304001, 2017.
Kick, W.: The first glaciologists in Central Asia, Journal of Glaciology, 3, 687–692, 1960.
Kraaijenbrink, P. D., Bierkens, M. F., Lutz, A. F., and Immerzeel, W.: Impact of a global temperature rise of 1.5 degrees Celsius on Asia’s glaciers, Nature, 549, 257–260, 2017.
Kutuzov, S. and Shahgedanova, M.: Glacier retreat and climatic variability in the eastern Terskey–Alatoo, inner Tien Shan between the middle of the 19th century and beginning of the 21st century, Global and Planetary Change, 69, 59–70, 2009.
Lapazaran, J., Otero, J., Mart´ın-Espa˜nol, A., and Navarro, F.: On the errors involved in ice thickness estimates I: ground-penetrating radar measurement errors, Journal of Glaciology, 62, 1008–1020, 2016a.
Lapazaran, J., Otero, J., Mart´ın-Espa˜nol, A., and Navarro, F.: On the errors involved in ice-thickness estimates II: errors in digital elevation models of ice thickness, Journal of Glaciology, 62, 1021–1029, 2016b.
Levintanus, A.: Saving the Aral Sea, International journal of water resources development, 8,60–64, 1992.
Li, H., Ng, F., Li, Z., Qin, D., and Cheng, G.: An extended “perfect-plasticity” method for estimating ice thickness along the flow line of mountain glaciers, Journal of Geophysical Research: Earth Surface, 117, 2012.
Linsbauer, A., Paul, F., and Haeberli, W.: Modeling glacier thickness distribution and bed topography over entire mountain ranges with GlabTop: Application of a fast and robust approach, Journal of Geophysical Research: Earth Surface, 117, 2012.
Millan, R., Mouginot, J., Rabatel, A., and Morlighem, M.: Ice velocity and thickness of the world’s glaciers, Nature Geoscience, 15, 124–129, 2022.
Morlighem, M., Rignot, E., Seroussi, H., Larour, E., Ben Dhia, H., and Aubry, D.: A mass conservation approach for mapping glacier ice thickness, Geophysical Research Letters, 38, 2011.
Mountain Research Initiative EDW Working Group: Elevation-dependent warming in mountain regions of the world, Nature climate change, 5, 424–430, 2015.
Neto, F. D. M. and da Silva Neto, A. J.: An introduction to inverse problems with applications, Springer Science & Business Media, 2012.
Oerlemans, J.: The atmospheric boundary layer over melting glaciers, VNE, 48, 129–153,1998.
Oliver, M. and Webster, R.: A tutorial guide to geostatistics: Computing and modelling variograms and kriging, Catena, 113, 56–69, 2014.
Osborn, T., Jones, P., Lister, D., Morice, C., Simpson, I., Winn, J., Hogan, E., and Harris,I.: CRUTEM.5.0.0.0: Climatic Research Unit (CRU) gridded near-surface air temperature anomalies over land, Centre for Environmental Data Analysis, URL https://catalogue.ceda.ac.uk/uuid/901f576dacae4e049630ab879d6fb476, 2020.
Pattyn, F.: A new three-dimensional higher-order thermomechanical ice sheet model: Basic sensitivity, ice stream development, and ice flow across subglacial lakes, Journal of Geophysical Research: Solid Earth, 108, 2003.
Paul, F. and Linsbauer, A.: Modeling of glacier bed topography from glacier outlines, central branch lines, and a DEM, International Journal of Geographical Information Science, 26,1173–1190,https://doi.org/10.1080/13658816.2011.627859, 2012.
Plewes, L. A. and Hubbard, B.: A review of the use of radio-echo sounding in glaciology, Progress in Physical Geography: Earth and Environment, 25, 203–236, https://doi.org/10.1177/030913330102500203, 2001.
Pritchard, H. D.: Asia’s shrinking glaciers protect large populations from drought stress,Nature, 569, 649–654, 2019.
RGI 7.0 Consortium: Randolph Glacier Inventory- A Dataset of Global Glacier Out
lines, Version 7.0, https://doi.org/10.5067/f6jmovy5navz,https://doi.org/10.5067/
f6jmovy5navz, 2023.
Seguinot, J., Ivy-Ochs, S., Jouvet, G., Huss, M., Funk, M., and Preusser, F.: Modelling last glacial cycle ice dynamics in the Alps, The Cryosphere, 12, 3265–3285, https://doi.org/10.5194/tc-12-3265-2018, 2018.
Sehring, J.: Irrigation reform in Kyrgyzstan and Tajikistan, Irrigation and Drainage Systems,21, 277–290, 2007.
Solomina, O., Barry, R., and Bodnya, M.: The retreat of Tien Shan glaciers (Kyrgyzstan) since the Little Ice Age estimated from aerial photographs, lichenometric and historical data, Geografiska Annaler: Series A, Physical Geography, 86, 205–215, 2004.
TensorFlow: TensorFlow: An end-to-end platform for machine learning, https://www.tensorflow.org/, accessed: (28/12/2024), 2024.
The Observatory of Economic Complexity: The Observatory of Economic Complexity (OEC):Kyrgyzstan Profile, URL https://oec.world/en/profile/country/kgz, accessed on March 24, 2024, Accessed 2024.
van Pelt, W. and Frank, T.: New glacier thickness and bed topography maps for Svalbard, The Cryosphere, 19, 1–17, 2025.
Van Tricht, L. and Huybrechts, P.: Modelling the historical and future evolution of six ice masses in the Tien Shan, Central Asia, using a 3D ice-flow model, The Cryosphere, 17,4463–4485, 2023.
Van Tricht, L., Huybrechts, P., Van Breedam, J., F¨urst, J. J., Rybak, O., Satylkanov, R.,Ermenbaiev, B., Popovnin, V., Neyns, R., Paice, C. M., and et al.: Measuring and inferring the ice thickness distribution of four glaciers in the Tien Shan, Kyrgyzstan, Journal of Glaciology, 67, 269–286, https://doi.org/10.1017/jog.2020.104, 2021a.
Van Tricht, L., Paice, C. M., Rybak, O., Satylkanov, R., Popovnin, V., Solomina, O., and
Huybrechts, P.: Reconstruction of the historical (1750–2020) mass balance of Bordu, Kara Batkak and Sary-Tor Glaciers in the inner Tien Shan, Kyrgyzstan, Frontiers in Earth Science,9, 734802, 2021b.
Van Tricht, L., Paice, C. M., Rybak, O., Popovnin, V., Satylkanov, R., and Huybrechts, P.: Monitoring the annual geodetic mass balance of Bordu and Sary-Tor glaciers using UAV data, Annals of Glaciology, pp. 1–10, 2023a.
Van Tricht, L., Zekollari, H., Huss, M., Farinotti, D., and Huybrechts, P.: Global vs local
glacier modelling: a comparison in the Tien Shan, The Cryosphere Discussions, 2023, 1–25,2023b.
Zekollari, H., Huybrechts, P., F¨urst, J., Rybak, O., and Eisen, O.: Calibration of a higher order 3-D ice-flow model of the Morteratsch glacier complex, Engadin, Switzerland, Annals of Glaciology, 54, 343–351, https://doi.org/10.3189/2013AoG63A434, 2013.
Zekollari, H., F¨urst, J. J., and Huybrechts, P.: Modelling the evolution of Vadret da Morteratsch, Switzerland, since the Little Ice Age and into the future, Journal of Glaciology, 60,1155–1168, https://doi.org/10.3189/2014JoG14J053, 2014.
Zekollari, H., Huss, M., Farinotti, D., and Lhermitte, S.: Ice-dynamical glacier evolution modeling—a review, Reviews of Geophysics, 60, e2021RG000754, 2022.
