Ambito dei contenuti

I servizi meteorologici europei concentrano le risorse per intensificare l'uso dell'intelligenza artificiale nelle previsioni meteorologiche
MeteoSvizzera-Blog | 11 gennaio 2024
2 Commenti

Gli Stati membri del Centro europeo per le previsioni meteorologiche a medio termine (ECMWF) hanno adottato due importanti iniziative per intensificare lo sviluppo, la sperimentazione e l'implementazione di algoritmi di intelligenza artificiale (machine learning) nelle loro catene di previsioni meteorologiche. Vi proponiamo un blog redatto da ECMWF.

L'ECMWF è all'avanguardia nella ricerca nel campo della previsione meteorologica numerica. I progressi scientifici in settori quali l'assimilazione dei dati, la modellizzazione del sistema terrestre, la prevedibilità e la rianalisi vengono utilizzati per migliorare le previsioni. (Immagine: ECMWF)
  • Chi siamo

Piè di pagina

Navigazione top bar

Autorità federali svizzere

Navigazione di servizio

Nel corso delle ultime due sessioni del Consiglio ECMWF, a giugno e a dicembre 2023, gli Stati membri di ECMWF hanno approvato due importanti iniziative volte a intensificare lo sviluppo, la sperimentazione e l'implementazione di algoritmi di intelligenza artificiale (machine learning) nelle loro catene di previsione meteorologica.

Il progetto approvato a giugno mira specificamente ad aumentare le risorse all'interno dell'ECMWF per ampliare la portata del suo lavoro sul machine learning (ML), dall'intensificazione del lavoro in corso su un modello ibrido che mescola metodologie convenzionali e ML, allo sviluppo di un sistema di previsione completamente basato sui dati.

Il progetto approvato a dicembre adotta un approccio che vedrà gli Stati membri del Centro unire le forze per gestire gli aspetti del ML applicato alle previsioni meteorologiche in cui essi stessi hanno maggiori competenze. I due progetti complementari, che si svolgono fianco a fianco e in piena collaborazione, riconoscono il potenziale dell'apprendimento automatico nella previsione meteorologica e si basano su attività sostanziali in questo campo sia presso l'ECMWF che nei servizi meteorologici europei.

Immagine: Estratto di una previsione a 48 ore del modello sperimentale di apprendimento automatico AIFS di ECMWF per la pressione media a livello del mare e la velocità del vento per il 2 novembre 2023 (tempesta Ciarán). (Immagine ECMWF)

Solo pochi mesi dopo l'approvazione della sua proposta a giugno, l'ECMWF ha rilasciato il suo nuovo modello basato sui dati, l'AIFS (Artificial Intelligence/Integrated Forecasting System). Sebbene l'AIFS mostri già risultati promettenti, utilizza le tecnologie di ML solo in una parte del processo di previsione e c'è ancora molto lavoro da fare per sviluppare una catena di previsione completa che utilizzi esclusivamente il ML. Questo lavoro, oltre a basarsi su quanto già realizzato, farà parte del progetto quadriennale di ECMWF e del progetto a cui collaborano diversi stati membri.

Gli Stati membri dell'ECMWF intensificano la loro collaborazione

La Svizzera e la Norvegia hanno assunto la guida congiunta di quest'ultimo progetto e ne coordineranno lo sviluppo. Christof Appenzeller, direttore di MeteoSvizzera e Roar Skålin, direttore generale di Met Norvegia, hanno dichiarato in una nota congiunta: "Mentre molti Stati membri dell'ECMWF sono già impegnati nel machine learning all'interno dei propri servizi meteorologici, è importante continuare e persino intensificare l'approccio collaborativo. Questo sarà fondamentale per la leadership europea nella previsione meteorologica. Il machine learning ha un enorme potenziale per migliorare le nostre previsioni e i nostri servizi e ci permetterà di proteggere meglio tutti i cittadini dall'impatto dei fenomeni meteorologici. Dai risultati recenti e molto promettenti che stiamo vedendo ora dai nostri esperimenti e dall'AIFS di ECMWF su scala globale, è chiaro che questa è una direzione in cui dobbiamo investire con forza".

Errore quadratico medio (RMSE) per la temperatura a 2 m rispetto alle osservazioni in tutta Europa, confrontando l'IFS con l'ultima versione dell'AIFS, che debutta oggi (10 gennaio 2024). La nuova versione dell'AIFS migliora la risoluzione orizzontale a 0,25 gradi, aumenta il numero di campi previsti e utilizza una nuova struttura del modello che combina reti neurali a grafo con trasformatori. Il risultato è un miglioramento dei punteggi, soprattutto in superficie. Ulteriori informazioni seguiranno a breve nel blog AIFS.
Errore quadratico medio (RMSE) per la temperatura a 2 m rispetto alle osservazioni in tutta Europa, confrontando l'IFS con l'ultima versione dell'AIFS, che debutta oggi (10 gennaio 2024). La nuova versione dell'AIFS migliora la risoluzione orizzontale a 0,25 gradi, aumenta il numero di campi previsti e utilizza una nuova struttura del modello che combina reti neurali a grafo con trasformatori. Il risultato è un miglioramento dei punteggi, soprattutto in superficie. Ulteriori informazioni seguiranno a breve nel blog AIFS. (Immagine ECMWF)

Il coinvolgimento dell'Europa nell'applicazione del machine learning alle previsioni meteorologiche e climatiche non finisce qui. L'iniziativa Destination Earth dell'Unione Europea ha appena ottenuto un sostanzioso finanziamento aggiuntivo per intensificare in modo specifico l'uso del machine learning  per lo sviluppo di un modello di sistema terrestre basato sul ML che supporterà la quantificazione delle incertezze negli innovativi modelli digitali del sistema terrestre e il miglioramento delle loro capacità di interattività.

Parlando a nome del consorzio che guida lo sviluppo di questo innovativo modello digitale Weather-Induced Extremes, Marc Pontaud, direttore della ricerca di Météo-France, ha dichiarato: "L'importanza di questi nuovi modelli e l'impatto positivo che possono apportare alla società non possono essere sopravvalutati. Il finanziamento aggiuntivo per concentrarsi sull'intelligenza artificiale ci offre miglioramenti rivoluzionari per i nostri sistemi di allerta e consulenza e rafforzerà la capacità dei servizi meteorologici europei di prevedere gli eventi meteorologici estremi in modo nuovo ed efficiente, a beneficio dei settori interessati".

C'è ancora molto da fare

Sebbene i risultati dell'AIFS e quelli di altri paesi del mondo siano impressionanti, è importante sottolineare che è necessario lavorare ancora molto per ottimizzare l'uso del ML. I prossimi mesi e anni vedranno una spinta verso l'individuazione di tutte le parti della catena di previsione e l'inclusione della dimensione probabilistica di cui i previsori hanno bisogno per valutare tutti i possibili scenari meteorologici futuri e la loro probabilità. È ancora necessario molto lavoro prima che i modelli ML possano integrare in modo sicuro e accurato i modelli convenzionali, e sarà certamente una sfida riuscire a farlo. Ma questa è una sfida che l'Europa ha deciso di affrontare e di guidare.

Nota: questo blog è apparso per la prima volta sul sito web di ECMWF ed è stato tradotto e in parte adattato per il blog di MeteoSvizzera.

Uletriori informazioni: