Digital tvilling varsler fare for permafrost under arktiske veier

Permafrost under veier i Arktis blir stadig varmere og mindre stabil, noe som utgjør en økende trussel mot nordlig infrastruktur. Å forutsi hvordan den frosne bakken vil utvikle seg er imidlertid utfordrende fordi undergrunnsforholdene varierer kraftig over korte avstander, observasjoner er sparsomme, og tradisjonelle modeller er vanskelige å oppdatere med ny data.

En ny studie publisert i Journal of Geophysical Research: Earth Surface presenterer en banebrytende løsning. Forskerne bak studien, ledet av Gou et al. [2026], har utviklet en fysikk-basert digital tvilling for permafrost under en veifylling i Utqiaġvik, Alaska. Ved å kombinere fiberoptiske temperaturmålinger langs en 100 meter lang trasé med maskinlæring, har de skapt et system som kontinuerlig tilpasser seg nye observasjoner.

Hvordan fungerer den digitale tvillingen?

I stedet for å behandle overvåking og modellering som separate prosesser, integrerer forskerne disse i en ramme som utvikler seg sammen med det fysiske systemet. Deres modell inneholder et nevralt nettverk integrert i en varmeoverføringsløser. Dette sikrer at de grunnleggende fysiske lovene beholdes samtidig som modellen kan oppdatere usikre jordegenskaper etter hvert som nye data kommer inn.

Systemet kan rekonstruere undergrunnstemperaturer, estimere termodynamiske egenskaper som vanninnhold og termisk ledningsevne, og teste disse estimatene mot uavhengige data som DAS-målinger, borehullsdata og laboratorieanalyser. Dette gjør studien til mer enn en lokal modelløvelse – det åpner for nær sanntids varsling av permafrostendringer og overvåking av infrastruktur i et raskt oppvarmende Arktis.

En modell som tilpasser seg selv

Den foreslåtte digitale tvillingmodellen fungerer ved at det nevrale nettverket (NN) tar inn jordtemperaturer på hver lateral posisjon og beregner seks ukjente parametere som varierer med avstanden. Disse parameterne integreres i varmeoverføringsligningen gjennom konstitutive relasjoner, og systemet løses ved hjelp av en endelig differansemetode (FDM). Forskjellen mellom forutsagte og observerte temperaturer defineres som «tap», og tapets gradienter brukes til å oppdatere NN-parametrene.

Se figur 2 i studien for en visuell fremstilling av modellens oppbygging.

Betydning for fremtidens infrastruktur

Denne tilnærmingen representerer et skifte fra tradisjonelle «svarte boks»-modeller til et tolkelig og oppdaterbart system. Det gir ikke bare bedre forutsigelser, men også muligheten for kontinuerlig overvåking og tilpasning til endrede forhold. For veier og annen kritisk infrastruktur i Arktis kan dette bli avgjørende for å forhindre skader og ulykker som følge av smeltende permafrost.

Forskerne håper at metoden kan skaleres opp og anvendes på andre steder i Arktis, der permafrostens ustabilitet utgjør en stadig større utfordring.

Referanse

Gou, L., Xiao, M., Zhu, T., Martin, E. R., Wang, Z., Rocha dos Santos, G., et al. (2026). Physics-informed digital twin for predicting permafrost thermodynamic characteristics under an embankment road in Utqiaġvik, Alaska. Journal of Geophysical Research: Earth Surface, 131, e2025JF008787. https://doi.org/10.1029/2025JF008787