Ricercatori del CNR e del Joint Research Centre dell’UE hanno sviluppato un sistema basato su reti neurali per prevedere la concentrazione di PM10 sull’Artico europeo.
I risultati della ricerca
C’è un filo invisibile che collega le ciminiere delle industrie europee al ghiaccio del Circolo Polare Artico. Le polveri sottili, il PM10, che la circolazione atmosferica trasporta dalle latitudini temperate fino alle regioni polari, dove si depositano sulla superficie glaciale, la scuriscono e ne accelerano la fusione. Un meccanismo silenzioso, difficile da monitorare e ancora più difficile da prevedere. Fino a oggi.
Un team di ricercatori dell’Istituto sull’Inquinamento Atmosferico del Consiglio Nazionale delle Ricerche (CNR-IIA) di Montelibretti, in collaborazione con il Joint Research Centre della Commissione Europea, ha sviluppato e applicato un modello di intelligenza artificiale capace di prevedere la concentrazione di PM10 sull’Artico e sul Nord Europa con un’accuratezza superiore a quella dei sistemi tradizionali. Lo studio, condotto nell’ambito del progetto europeo Arctic PASSION, è stato pubblicato sulla rivista ” Npj Clean Air” del gruppo Nature.
Il cuore del sistema è un’architettura di rete neurale della classe Transformer (la stessa famiglia di modelli alla base dei più avanzati sistemi di intelligenza artificiale generativa). Nel caso in questione, il modello è stato addestrato e ottimizzato per un compito specifico: integrare dati di misurazioni recenti di PM10, previsioni dei modelli CAMS del sistema Copernicus, variabili meteorologiche e informazioni geografiche relative alle singole stazioni di rilevamento, per produrre previsioni a 48 ore sulla concentrazione di polveri sottili nell’area artica.
Come funziona il modello
“Confrontando le previsioni del modello con quanto poi accaduto realmente, i nostri risultati si sono rivelati sempre sensibilmente migliori di quelli dei classici modelli utilizzati finora, anche nella valutazione di picchi di concentrazione particolarmente estremi”, spiega Alice Cuzzucoli del CNR-IIA, prima autrice dello studio. Un risultato che vale doppio, perché le situazioni di picco sono proprio quelle più critiche sul piano sanitario per le popolazioni locali, e le più difficili da anticipare con i modelli convenzionali.
L’aspetto forse più significativo del lavoro riguarda però il metodo. L’intelligenza artificiale infatti non sostituisce i modelli dinamici classici, li potenzia. “I risultati migliori li otteniamo utilizzando la IA in modo sinergico rispetto ai classici modelli dinamici, e non in maniera alternativa, usando come input anche i loro risultati“, sottolinea Antonello Pasini, coautore dello studio. È un approccio che indica una direzione precisa per l’applicazione dell’IA in campo ambientale: non la sostituzione degli strumenti esistenti, ma la loro integrazione in sistemi più robusti e adattivi.
Perché l’Artico, perché adesso
La ricerca arriva in un momento in cui la pressione antropica sull’Artico non smette di crescere. La fusione accelerata dei ghiacci apre nuove rotte commerciali percorse da navi il cui impatto emissivo sull’ecosistema polare è ancora largamente sottovalutato. Il riscaldamento globale, nel frattempo, estende la stagione e la portata degli incendi boschei anche ad alte latitudini, aggiungendo nuove fonti di particolato a un sistema già sotto pressione.
In questo scenario, la capacità di prevedere con precisione le concentrazioni di PM10 non è solo una questione scientifica, ma diventa uno strumento di tutela ambientale e sanitaria per le comunità artiche, sempre più esposte a dinamiche generate altrove. “In questa situazione di probabili maggiori emissioni future, un’attività di previsione accurata è essenziale per tutelare l’ambiente e le popolazioni dell’Artico europeo”, conclude Pasini.
Leonardo Parigi
Osservatorio Artico © Tutti i diritti riservati
