Nature: scienze climatiche, Le prospettive per la previsione del tempo basata sull’IA.
Il potenziale dell’intelligenza artificiale nel supportare le previsioni meteorologiche è presentato in due documenti pubblicati su Nature questa settimana. Un metodo può prevedere i modelli meteorologici globali fino a una settimana in anticipo, mentre l’altro può fare previsioni meteorologiche a breve termine, inclusi eventi di precipitazioni estreme. I nuovi metodi di previsione del tempo assistiti dall’IA presentati sono precisi quanto i metodi esistenti, o affrontano fenomeni meteorologici precedentemente intrattabili. Prima di considerare come o se i nuovi approcci potrebbero integrare o sostituire gli attuali sistemi di previsione, è necessaria un’ulteriore valutazione e coinvolgimento della comunità tradizionale di previsione del tempo.
La previsione del tempo svolge un ruolo cruciale nell’aiutare a salvare vite e a ridurre al minimo i danni alle proprietà, soprattutto considerando che gli eventi meteorologici estremi stanno diventando sempre più frequenti e intensi a causa del cambiamento climatico. Attualmente, il sistema di previsione più preciso è il metodo di previsione meteorologica numerica, che si basa principalmente su equazioni fisiche, ma richiede molta potenza di calcolo ed è spesso lento, impiegando ore per una singola simulazione. Negli ultimi anni, alcuni metodi basati sull’IA hanno mostrato potenziale nel accelerare significativamente le previsioni meteorologiche, anche se la precisione è di solito inferiore a quella dei metodi di previsione meteorologica numerica.
Qi Tian e colleghi presentano un sistema di previsione meteorologica basato sull’IA chiamato Pangu-Weather che può prevedere il tempo globale fino a una settimana in anticipo. Il modello è stato addestrato con 39 anni di dati meteorologici di rianalisi globale. Pangu-Weather ha prodotto risultati di previsione con precisione paragonabile al miglior sistema di previsione meteorologica numerica del mondo, il sistema di previsione integrato operativo del Centro europeo per le previsioni meteorologiche a medio termine, pur essendo più di 10.000 volte più veloce alla stessa risoluzione spaziale. Pangu-Weather ha anche utilizzato un modello 3D per fare previsioni a vari livelli di altezza, fornendo risultati più completi e dettagliati dei suoi predecessori basati sull’IA, come FourCastNet.
In uno studio separato, Michael Jordan, Jianmin Wang e colleghi presentano NowcastNet, un modello che combina regole fisiche e apprendimento profondo per il nowcasting delle precipitazioni. Il nowcasting è la previsione meteorologica a breve termine fino a sei ore avanti, fornendo quindi informazioni dettagliate sul tempo presente. Il nowcasting è fondamentale nella prevenzione dei rischi e nella gestione delle crisi di precipitazioni estreme. Sulla base di osservazioni radar provenienti dagli Stati Uniti e dalla Cina, NowcastNet ha previsto precipitazioni ad alta risoluzione su regioni di 2.048 km × 2.048 km fino a tre ore in anticipo. L’abilità di previsione e il valore di diversi modelli per le precipitazioni estreme è stato valutato da 62 meteorologi; NowcastNet si è classificato primo in circa il 70% dei casi rispetto ad altri metodi leader. I risultati hanno dimostrato la sua forza nella previsione dei tassi di pioggia, in particolare eventi di precipitazioni estreme che erano precedentemente considerati impegnativi.
In un articolo correlato di News and Views, Imme Ebert-Uphoff e Kyle Hilburn notano che l’intelligenza artificiale ha un “enorme potenziale” per le previsioni meteorologiche. Tuttavia, avvertono, “i rischi connessi richiedono che i meteorologi imparino a progettare, valutare e interpretare tali sistemi”.
Articolo Nature: Accurate medium-range global weather forecasting with 3D neural networks. DOI 10.1038/s41586-023-06185-3
Lascia una risposta
Devi essere connesso per inviare un commento.