Come funzionano le previsioni meteo oggi, dalla fisica all’AI

Fino a pochi anni fa, le previsioni del tempo erano viste dal grande pubblico con un certo scetticismo, soprattutto per le lunghe distanze temporali.

Oggi, però, le cose sono cambiate e con una semplice applicazione per smartphone si possono avere dati molto accurati sul meteo, in modo da poter programmare le proprie attività in totale tranquillità.

Dietro l’icona di un sole o di una nuvola temporalesca, però, si nascondono tecnologie molto complesse, che aiutano i metereologi a prevedere in modo preciso come sarà il tempo. La moderna idea di meteorologia, infatti, sfrutta fisica atmosferica e fisica fluidodinamica (la base scientifica della materia) affiancandole all’intelligenza artificiale e al machine learning avanzato, garantendo previsioni accurate anche per lunghi periodi di tempo.

Andiamo, dunque, a scoprire come funzionano le previsioni meteo e come si calcola la probabilità di pioggia.

Come funzionano le previsioni meteo e quali dati servono ai meteorologi

Romberi/Shutterstock

Per capire come funzionano le previsioni meteo e quanto sono affidabili, bisogna anzitutto sapere cosa sta accadendo nell'atmosfera. Si tratta della cosiddetta "condizione iniziale", il punto di partenza imprescindibile di qualsiasi analisi meteorologica, che fornisce i dati alla base della previsione.

Fastweb Mobile Pro

11 ,95€ /mese

Internet 250 GB e Minuti illimitati

Spedizione SIM GRATIS

Spedizione SIM GRATIS

scopri

Per ottenere queste informazioni, la comunità scientifica internazionale e chi fa le previsioni del tempo ha costruito una rete di monitoraggio globale che utilizza i sofisticatissimi satelliti meteorologici in orbita per raccogliere tutti i dati necessari.

Questi si dividono in due categorie, i satelliti geostazionari (posizionati a circa 36 mila km di quota sopra l'equatore) che si muovono in perfetta sincronia con la rotazione terrestre, restando fissi sopra la medesima porzione di superficie. Il loro obiettivo è fornire un flusso video continuo utile per monitorare la nascita di perturbazioni, il movimento delle nubi e l'evoluzione dei cicloni.

Poi ci sono i satelliti polari (posizionati a circa 800 km e transitano sopra i poli terrestri) che sfruttano la rotazione della Terra e riescono a scansionare l'intero pianeta nell'arco di dodici ore. Questi hanno lo scopo di raccogliere dati ad altissima risoluzione su parametri verticali della colonna d'aria, come i profili di temperatura, i tassi di umidità e la concentrazione di ozono.

I satelliti vengono supportati a terra dai radar meteorologici, strumenti in grado di emettere impulsi di microonde per intercettare le precipitazioni in tempo reale. Grazie all'effetto Doppler, i radar non si limitano a individuare dove sta piovendo, ma calcolano la velocità e la direzione del movimento delle singole gocce o dei chicchi di ghiaccio all'interno della nube, offrendo un supporto vitale per la protezione civile durante i fenomeni temporaleschi violenti a brevissimo termine.

Questo immenso quantitativo di dati viene ulteriormente arricchito dalle stazioni meteorologiche terrestri, dalle boe oceaniche, dai radiosondaggi e dai palloni aerostatici che forniscono ulteriori informazioni utili ai meteorologi.

Una volta raccolte, queste informazioni grezze vengono digerite e uniformati attraverso un processo matematico chiamato assimilazione dei dati, utile per pulire i segnali dai rumori di fondo e a mappare le informazioni all'interno di una griglia tridimensionale virtuale che avvolge l'intera Terra.

A questo punto entrano in gioco i modelli matematici di previsione numerica del tempo (NWP, Numerical Weather Prediction) che applicano le equazioni fondamentali della fluidodinamica e della termodinamica (note come equazioni di Navier-Stokes) a ogni singola parte della griglia atmosferica, utili per descrivere come si muove l'aria , come varia la pressione, come il calore del Sole viene assorbito dal suolo e dagli oceani e come l'acqua evapora o si condensa in pioggia.

Risolvere queste complicatissime equazioni significa simulare l'evoluzione fisica dell'intera atmosfera passo dopo passo nel tempo, calcolando come lo stato di un singolo elemento della griglia influenzerà il comportamento di tutti quelli confinanti.

In che modo l’intelligenza artificiale sta cambiando le previsioni meteo

Digineer Station/Shutterstock

Chi fa le previsioni del tempo, per ricevere dati quanto più accurati possibile, deve risolvere miliardi di complicatissime equazioni differenziali non lineari per ogni frazione di secondo; questo, naturalmente, richiede una potenza di calcolo enorme. A fronte di questo non sorprende il fatto che meteorologia moderna è una delle discipline scientifiche più affamate di risorse hardware al mondo, che spinge i più grandi centri di previsione a utilizzare i potentissimi supercomputer HPC (High-Performance Computing).

Queste macchine elaborano quadriliardi di operazioni al secondo e sono così potenti da far girare le simulazioni in modalità Ensemble, avviando contemporaneamente decine di simulazioni parallele, introducendo deliberatamente piccolissime variazioni nei dati iniziali di temperatura o pressione.

Negli ultimi anni, però, questa immensa architettura hardware è stata affiancata dall’intelligenza artificiale, dalle reti neurali e dal machine learning, con i colossi del settore che hanno sviluppato modelli predittivi meteorologici estremamente accurati, capaci di scavalcare l'approccio puramente fisico.

Questo si traduce essenzialmente in maggiore velocità e, mentre i modelli tradizionali impiegano ore per risolvere le equazioni della fisica atmosferica sui supercomputer, i modelli AI sfruttano il deep learning per analizzare quarant'anni di dati meteo. Questo gli consente di imparare a riconoscere come determinati pattern di pressione e temperatura si sono evoluti nel passato, per applicare questa conoscenza al presente e generare una previsione globale in pochissimi secondi, riducendo oltretutto anche i costi energetici e computazionali.

Per capire quanto sono affidabili le previsioni meteo, bisogna analizzare l’evoluzione che sta attraversando l’intero settore e che passa necessariamente per l 'integrazione dei vecchi modelli con i nuovi. L'intelligenza artificiale eccelle nel riconoscere dinamiche meteo complesse a scala locale e nel correggere gli errori sistematici dei modelli fisici, aiutando i centri meteorologici a generare previsioni più accurate e con una precisione micro-territoriale.

Oltretutto, per le previsioni a cortissimo termine (entro le sei ore), l'AI si sta rivelando imbattibile e analizzando il flusso continuo dei radar e dei dati satellitari, gli algoritmi riescono a prevedere lo sviluppo e la traiettoria esatta di un violento temporale o di una grandinata in anticipo rispetto ai sistemi tradizionali, offrendo alle autorità di protezione civile uno strumento fondamentale per emettere allarmi mirati e salvare vite umane.

Bisogna sottolineare, però, che nonostante questo dispiegamento tecnologico le previsioni del tempo mantengono sempre un certo margine di incertezza che la scienza non potrà mai azzerare del tutto. Questo accade perché l'atmosfera terrestre è un sistema termodinamico aperto, caotico e governato da infinite variabili interconnesse e ciascuno di questi elementi introduce micro-errori che si amplificano inevitabilmente man mano che ci si spinge in avanti nel tempo.

Perciò, mentre una previsione a ventiquattro ore ha un'attendibilità statistica molto elevata, lo stesso non si può dire per le lunghe distanze temporali anche se, con l’andare avanti dei modelli, è probabile che nel giro di qualche anno sarà possibile portare un po’ di ordine anche questo “caos naturale”, con previsioni del tempo sempre affidabili.

A cura di Cultur-e