Il Circolo Polare Artico è una delle zone del mondo che più risentono della crisi climatica e di altre forme di inquinamento. Si pensa spesso alla fusione accelerata dei ghiacci, che crea una vera e propria amplificazione nell’aumento di temperatura, ma vanno considerati anche inquinanti prodotti soprattutto a latitudini più basse e trasportati verso il Polo dalla circolazione atmosferica. Nello specifico, le polveri contribuiscono a rendere il ghiaccio più scuro, favorendone una fusione più rapida, ma possono causare anche gravi problemi sanitari qualora si registrino picchi di PM10.
In questo contesto, avere una previsione accurata della concentrazione delle polveri in quei luoghi è diventato un obiettivo prioritario per la comunità scientifica internazionale. Ed è esattamente quello che ha fatto un gruppo di ricercatori dell’Istituto sull’inquinamento atmosferico del Consiglio nazionale delle ricerche (Cnr-Iia) di Montelibretti (Roma), in collaborazione con il Joint Research Centre (JRC) della Commissione europea, nell’ambito del progetto europeo Arctic PASSION.
Un modello Transformer per guardare al futuro
Lo strumento sviluppato dai ricercatori si basa su un’architettura di rete neurale di tipo Large Language Model, appartenente alla classe dei modelli Transformer, la stessa tecnologia alla base dei sistemi di intelligenza artificiale generativa più avanzati. Il modello è stato addestrato e ottimizzato per un compito molto specifico: prevedere la concentrazione di PM10 sull’Artico e sul Nord Europa con un anticipo di 48 ore.
“Il modello ha considerato dati di misure di PM10 nel recente passato, previsioni di modelli CAMS dal sistema Copernicus, dati meteorologici e informazioni geografiche sulle varie stazioni, per prevedere la concentrazione di PM10 a distanza di 48 ore”, spiega Alice Cuzzucoli (Cnr-Iia), prima autrice dello studio. “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”.
IA e modelli classici: sinergia, non sostituzione
Uno degli aspetti più innovativi della ricerca riguarda il modo in cui l’intelligenza artificiale viene impiegata: il modello di IA del Cnr-Iia non sostituisce i dati provenienti dal sistema Copernicus, ma li integra. “I risultati migliori li otteniamo utilizzando la IA in modo sinergico rispetto ai classici modelli dinamici, non in maniera alternativa ma usando come input anche i loro risultati. È questo approccio combinato che fa la differenza: l’IA non viene usata per rimpiazzare gli strumenti esistenti, ma per potenziarli, sfruttando ciò che già sappiamo fare bene con i modelli tradizionali e aggiungendo la capacità delle reti neurali di cogliere pattern complessi nei dati locali e temporali”, precisa Antonello Pasini, climatologo del Cnr e coautore dello studio.
Rotte artiche e incendi: le nuove emergenze
Lo studio assume una rilevanza strategica in un momento storico particolarmente delicato. La fusione dei ghiacci in Artico sta aprendo nuove rotte commerciali per navi con elevate emissioni inquinanti, mentre il riscaldamento globale e il cambiamento climatico favoriscono l’estensione degli incendi anche ad alte latitudini.
Le conseguenze non riguardano solo l’ecosistema. Le comunità indigene e le popolazioni che vivono nell’Artico europeo sono esposte a rischi sanitari crescenti, legati proprio all’aumento delle concentrazioni di polveri sottili. 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.
