TV7 NEXT - AI CHE PREVEDE E PROTEGGE

L’Artico è una delle aree del pianeta in cui il cambiamento climatico si manifesta con maggiore intensità. La fusione accelerata dei ghiacci, l’aumento delle temperature e la trasformazione degli ecosistemi polari sono fenomeni ormai noti. Meno evidente, ma altrettanto importante, è il ruolo dell’inquinamento atmosferico che raggiunge queste regioni remote attraverso la circolazione dell’aria.
Tra gli inquinanti più rilevanti c’è il PM10, cioè il particolato atmosferico formato da particelle con diametro inferiore a 10 micrometri. Queste polveri sottili possono avere effetti sulla salute umana, soprattutto in presenza di picchi di concentrazione, ma nell’Artico producono anche un impatto ambientale specifico: quando si depositano sulla neve e sul ghiaccio, ne scuriscono la superficie.
Questo fenomeno riduce l’albedo, cioè la capacità del ghiaccio di riflettere la luce solare. Una superficie più scura assorbe più calore e accelera la fusione. In un’area già colpita dall’aumento delle temperature, anche questi processi possono amplificare gli effetti del riscaldamento globale.
Per questo motivo, prevedere con precisione la concentrazione di PM10 nell’Artico e nel Nord Europa è fondamentale. Una previsione accurata permette di comprendere meglio i rischi ambientali, valutare gli episodi estremi e fornire informazioni utili a chi si occupa di tutela del territorio e delle popolazioni locali.
Su questo fronte arriva un risultato importante dalla ricerca italiana ed europea. I ricercatori dell’Istituto sull’inquinamento atmosferico del Consiglio nazionale delle ricerche, il Cnr-Iia di Montelibretti, in collaborazione con un team del Joint Research Centre dell’Unione Europea, hanno ottimizzato e applicato un modello di intelligenza artificiale per prevedere la concentrazione di PM10 nell’Artico e nel Nord Europa.
Il lavoro è stato realizzato nell’ambito del progetto europeo Arctic PASSION ed è stato pubblicato sulla rivista npj Clean Air, del gruppo Nature.

UN MODELLO AI PER PREVEDERE IL PM10 CON 48 ORE DI ANTICIPO

Il modello sviluppato utilizza un’architettura della classe Transformer, una famiglia di reti neurali molto avanzata, diventata nota anche perché alla base di molti sistemi moderni di intelligenza artificiale. In questo caso, però, l’obiettivo non è generare testi o immagini, ma analizzare dati ambientali e produrre previsioni atmosferiche più accurate.
Come spiegato da Alice Cuzzucoli del Cnr-Iia, prima autrice dell’articolo, il modello prende in considerazione diversi input: misure recenti di PM10, previsioni dei modelli CAMS del sistema Copernicus, dati meteorologici e informazioni geografiche relative alle varie stazioni di osservazione.
CAMS sta per Copernicus Atmosphere Monitoring Service, cioè il servizio europeo di monitoraggio dell’atmosfera all’interno del programma Copernicus. Si tratta di uno degli strumenti più importanti per analizzare composizione atmosferica, qualità dell’aria e trasporto degli inquinanti.
L’obiettivo del nuovo modello è prevedere la concentrazione di PM10 con 48 ore di anticipo. Il confronto con i dati reali ha mostrato risultati migliori rispetto ai modelli classici utilizzati finora, anche nei casi più complessi, come i picchi estremi di concentrazione.
Questo aspetto è particolarmente rilevante. Gli eventi estremi sono infatti quelli che possono generare le maggiori criticità: per la salute, per la gestione ambientale e per la comprensione dei meccanismi che regolano il trasporto degli inquinanti verso l’Artico.

AI E MODELLI TRADIZIONALI: LA FORZA STA NELL’INTEGRAZIONE

Uno degli elementi più interessanti dello studio riguarda il modo in cui viene utilizzata l’intelligenza artificiale. Il modello AI non sostituisce i modelli dinamici tradizionali, ma lavora insieme a loro.
Antonello Pasini del Cnr-Iia, coautore dello studio, sottolinea infatti che i risultati migliori si ottengono usando l’intelligenza artificiale in modo sinergico rispetto ai modelli classici, e non come alternativa. Questo significa che l’AI diventa più efficace quando integra conoscenze fisiche, dati meteorologici e previsioni già prodotte da sistemi consolidati.
È una lezione importante anche oltre il caso artico. In campo ambientale, l’intelligenza artificiale dà il meglio quando non viene usata come scorciatoia miracolosa, ma come strumento capace di rafforzare modelli scientifici già esistenti. La tecnologia, insomma, funziona meglio quando dialoga con la fisica dell’atmosfera, non quando pretende di sostituirla.
Lo studio assume inoltre un valore strategico in un momento in cui l’Artico sta cambiando rapidamente. La fusione dei ghiacci apre nuove rotte navali, con il rischio di un aumento del traffico marittimo e delle relative emissioni. Allo stesso tempo, il riscaldamento globale può favorire incendi anche ad alte latitudini, aumentando le sorgenti di particolato e altri inquinanti.
In questo scenario, disporre di previsioni più affidabili diventa essenziale per tutelare l’ambiente e le popolazioni dell’Artico europeo. Prevedere meglio significa poter intervenire con maggiore tempestività, valutare i rischi e costruire politiche ambientali più efficaci.
Il caso del Cnr-Iia e del Joint Research Centre mostra quindi un uso molto concreto dell’intelligenza artificiale: non una tecnologia astratta, ma uno strumento applicato alla protezione di un’area fragile del pianeta.
L’Artico resta uno dei grandi osservatori naturali del cambiamento climatico. Migliorare la capacità di monitorarlo e prevederne l’evoluzione significa comprendere meglio anche ciò che accade nel resto del mondo. Perché quello che succede ai ghiacci polari non resta confinato al Polo: entra nei sistemi climatici, negli oceani, nelle rotte commerciali e nelle politiche ambientali globali.

Servizio a cura di Claudia Chasen, redazione TV7.