(Adnkronos) – Una ricerca congiunta condotta dall’Istituto sull’inquinamento atmosferico del Consiglio nazionale delle ricerche di Montelibretti e dal Joint Research Centre della Commissione Europea ha sviluppato un sistema avanzato per la stima dei livelli di particolato PM10 nelle regioni del Nord Europa e del Circolo Polare Artico. I risultati dello studio, pubblicati sulla rivista scientifica npj Clean Air del gruppo Nature, evidenziano un incremento significativo dell’accuratezza predittiva rispetto agli standard finora garantiti dai sistemi di simulazione tradizionali del programma Copernicus. L’accuratezza dei dati riveste un ruolo determinante nella comprensione dei processi di fusione accelerata dei ghiacci, in quanto il deposito di polveri sottili riduce l’albedo delle superfici innevate, incrementando l’assorbimento della radiazione solare e accelerando i feedback termici locali.
La metodologia applicata si basa sull’ottimizzazione di un’architettura di rete neurale di tipo Transformer, storicamente sviluppata per i modelli linguistici di grandi dimensioni e qui riadattata per l’elaborazione di serie storiche ambientali. Il sistema computazionale elabora in modo simultaneo una pluralità di vettori di input, tra cui le misurazioni storiche del particolato, le proiezioni dinamiche fornite dal sistema CAMS di Copernicus, le variabili meteorologiche locali e i parametri geografici delle stazioni di rilevamento. Questo impianto multifattoriale permette di generare proiezioni relative alle concentrazioni di PM10 a una distanza temporale di 48 ore.
Alice Cuzzucoli, ricercatrice del Cnr-Iia e prima autrice dello studio, ha specificato: “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”.
L’elemento di innovazione strutturale risiede nell’integrazione non esclusiva dell’intelligenza artificiale all’interno dei sistemi di calcolo esistenti. L’algoritmo non sostituisce i modelli dinamici tradizionali, ma ne utilizza gli output per affinare il calcolo statistico finale.
Antonello Pasini, coautore dello studio e scienziato del Cnr-Iia, ha chiarito: “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”. La necessità di disporre di tali strumenti predittivi appare legata anche ai mutamenti geopolitici e climatici in atto nell’area artica, dove l’apertura di nuove rotte commerciali marittime e l’aumento della frequenza degli incendi boschivi ad alta latitudine determinano una variazione quantitativa delle emissioni atmosferiche. Il monitoraggio costante e la tempestività informativa si configurano come prerequisiti essenziali per la tutela degli ecosistemi vulnerabili e la pianificazione di strategie di mitigazione del rischio sanitario per le popolazioni residenti.
—
tecnologia
webinfo@adnkronos.com (Web Info)
