L’intelligenza artificiale potrebbe diventare uno strumento chiave per prevedere le ondate di calore con diversi mesi di anticipo. Lo suggerisce uno studio pubblicato su Nature Communications Earth & Environment e condotto dagli scienziati del Centro Euro-Mediterraneo sui Cambiamenti Climatici (CMCC). Il team, guidato da Ronan McAdam, ha sviluppato un framework di selezione delle caratteristiche basato sull’ottimizzazione, capace di individuare la combinazione più efficace di variabili atmosferiche, oceaniche e terrestri per stimare la probabilità di ondate di calore in Europa.
Gli effetti devastanti del calore estremo
Le ondate di calore, ricordano i ricercatori, provocano impatti gravi e diffusi: perdite nei raccolti agricoli, aumento dei consumi energetici, crisi sanitarie e un significativo incremento della mortalità. Gli eventi eccezionali registrati nel 2003, 2010 e 2022 mostrano quanto sia urgente disporre di sistemi di allerta precoce in grado di mitigare questi effetti.
Attraverso l’utilizzo di tecniche di apprendimento automatico, il gruppo di ricerca ha analizzato circa 2.000 potenziali variabili predittive, selezionando per ogni area geografica le combinazioni più pertinenti. I risultati mostrano che l’algoritmo è in grado di eguagliare — e in alcuni casi superare — le prestazioni dei modelli predittivi attualmente in uso.
Gli esperti sottolineano che l’integrazione dell’intelligenza artificiale e del machine learning nella climatologia può rivoluzionare il settore, offrendo previsioni più accurate, tempestive ed economiche rispetto agli approcci tradizionali.
Un nuovo approccio per i servizi climatici
«I nostri risultati – spiega McAdam – dimostrano l’utilità dell’apprendimento automatico nella previsione di eventi estremi. Tuttavia, rappresentano solo il primo passo verso lo sviluppo di strategie capaci di fornire risultati interpretabili e coerenti dal punto di vista fisico».
Secondo gli autori, il sistema consente di formulare previsioni affidabili sulle ondate di caldo con mesi di anticipo, permettendo così di attuare misure preventive per limitare i danni sociali ed economici.
«Il nostro lavoro – conclude McAdam – apre nuove prospettive per i servizi climatici nei settori dell’agricoltura, della sanità pubblica, della gestione energetica e della pianificazione delle emergenze. Inoltre, offre la possibilità di integrare gli approcci di apprendimento automatico con i modelli dinamici esistenti, sfruttando i punti di forza di entrambi».
Foto di Walid Ahmad: https://www.pexels.com/it-it/foto/due-veicoli-sulle-dune-del-deserto-909654/
