Digital tvilling revolutionerar övervakning av permafrost under arktiska vägar

En banbrytande lösning för arktisk infrastruktur

Permafrost under arktiska vägar värms upp och blir allt mer instabil, vilket utgör en växande risk för norra infrastrukturen. Traditionella modeller har svårt att förutsäga förändringarna eftersom markförhållandena varierar kraftigt över korta avstånd och observationer är sällsynta. En ny studie publicerad i Journal of Geophysical Research: Earth Surface presenterar en innovativ lösning: en digital tvilling som kombinerar fiberoptisk mätning med avancerad maskininlärning.

Digital tvilling för realtidsövervakning

Forskarteamet, lett av Gou et al. [2026], har utvecklat en metod som använder fiberoptiska temperaturmätningar längs en 100 meter lång sträcka i Utqiaġvik, Alaska. Istället för att behandla övervakning och modellering som separata processer integrerar de dessa i ett ramverk som kan anpassa sig till förändringar i det fysiska systemet.

Nyckeln till framgången ligger i att kombinera fysikbaserade modeller med neurala nätverk. Systemet använder en värmeöverföringslösare där en neural nätverk (NN) bearbetar marktemperaturdata och beräknar sex okända parametrar som varierar med avståndet. Dessa parametrar integreras sedan i värmeöverföringsekvationen och löses med en ändlig differensmetod (FDM).

Hur det fungerar

• Indata: Fiberoptiska mätningar av marktemperatur längs en 100 meter lång sträcka.
• Process: En neural nätverk analyserar temperaturen och beräknar parametrar som markens värmeledningsförmåga och vatteninnehåll.
• Utdata: En uppdaterbar modell som kan förutsäga permafrostens tillstånd i realtid och identifiera risker för väginfrastrukturen.

Mer än en lokal lösning

Den digitala tvillingen skiljer sig från traditionella modeller genom att den inte bara förutsäger temperaturförändringar utan också kan uppdateras kontinuerligt när nya data tillkommer. Systemet har testats mot oberoende data, inklusive DAS-mätningar, borrhålstemperaturer och laboratorieanalyser, vilket stärker dess tillförlitlighet.

Enligt forskarna öppnar detta upp för en ny era av nära realtidsövervakning av permafrost och infrastruktur i Arktis. Metoden kan potentiellt tillämpas på andra områden med liknande utmaningar, vilket gör den till en viktig pusselbit för att hantera klimatförändringarnas effekter på norra regioner.

Framtiden för arktisk infrastruktur

"Den här studien visar hur digitala tvillingar kan revolutionera sättet vi övervakar och hanterar permafrost. Genom att kombinera fysik och maskininlärning skapar vi system som inte bara förutsäger förändringar utan också anpassar sig till dem i realtid."

Referens

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