Un nuovo studio del CMCC mostra che le ondate di calore europee possono essere previste con 4-7 settimane di anticipo grazie a tecniche di machine learning. Il sistema migliora la precisione, riduce drasticamente i costi computazionali e apre nuove opportunità per servizi climatici utili ad agricoltura, sanità, energia ed emergenze
Mentre le ondate di calore continuano a rappresentare uno degli eventi climatici più pericolosi per l’Europa, un team di scienziati guidato dal CMCC ha sviluppato un sistema di previsione in grado di fornire informazioni cruciali con oltre un mese di anticipo sull’inizio dell’estate. Il modello, addestrato su secoli di simulazioni climatiche e sugli ultimi decenni di dati osservativi, permette di anticipare possibili picchi estremi già tra metà marzo e aprile, garantendo così ai governi e ai settori sensibili il tempo necessario per prepararsi.
Il nuovo studio, pubblicato su Nature Communications Earth & Environment, mostra come l’uso di tecniche di machine learning e intelligenza artificiale possa rivoluzionare le previsioni stagionali. A differenza dei sistemi dinamici tradizionali, che richiedono enorme potenza di calcolo, l’approccio data-driven sviluppato dal CMCC riduce drasticamente i costi computazionali pur mantenendo un livello di accuratezza comparabile, e in alcune regioni addirittura superiore, ai modelli convenzionali. Miglioramenti significativi sono stati registrati soprattutto nell’Europa settentrionale, una delle aree più difficili da prevedere con i metodi classici.
Il cuore del sistema è un framework di feature selection che analizza circa 2.000 potenziali variabili atmosferiche, oceaniche e terrestri, isolando solo quelle più rilevanti per ogni zona geografica. L’umidità del suolo, la circolazione atmosferica e particolari pattern di temperatura risultano tra i principali predittori europei, mentre segnali remoti dal Pacifico e dall’Atlantico tropicale contribuiscono alla prevedibilità su scala più ampia. È proprio la capacità di rendere interpretabili i risultati uno degli aspetti più innovativi del metodo, utile anche a orientare future ricerche sui meccanismi fisici che determinano gli eventi estremi.
Uno degli elementi più sorprendenti è l’addestramento del sistema su simulazioni paleoclimatiche che coprono gli anni 0-1850: nonostante l’uso di dati modellizzati, il trasferimento al mondo reale è risultato efficace, permettendo al modello di prevedere con accuratezza le ondate di calore tra il 1993 e il 2016, compresi eventi estremi come il 2003 e il 2015. La disponibilità di un dataset ampliato si è rivelata cruciale per colmare la scarsità di osservazioni reali utili all’addestramento.
Oltre alla maggiore precisione, il sistema offre un vantaggio strategico: rendere la previsione stagionale accessibile anche a istituzioni e centri di ricerca privi di supercomputer. La riduzione dell’overhead computazionale apre infatti la possibilità di integrare strumenti predittivi in una gamma più ampia di contesti operativi e Paesi. Questo approccio, combinato con i modelli dinamici già sviluppati dal CMCC, potrebbe definire nuovi standard per la previsione degli eventi estremi nel prossimo decennio.
Gli impatti potenziali sono rilevanti: un’allerta precoce permette ai servizi sanitari di prepararsi ai picchi di mortalità, all’agricoltura di mitigare le perdite produttive, al settore energetico di gestire consumi e rischi di blackout, fino ai sistemi di protezione civile che possono organizzare piani di emergenza prima dell’arrivo delle temperature estreme. Con ondate di calore sempre più frequenti e intense, la capacità di anticiparle diventa un elemento chiave di sicurezza economica e sociale.
Il nuovo approccio sviluppato dal CMCC rappresenta un passo decisivo nella previsione delle ondate di calore, combinando efficacia, accessibilità e solidità scientifica. Ridurre l’incertezza con mesi di anticipo significa offrire alla società strumenti concreti per adattarsi ai rischi climatici futuri.
Il framework, facilmente estendibile ad altri eventi estremi, apre una nuova fase nella scienza delle previsioni stagionali e conferma il ruolo centrale della ricerca italiana nella frontiera tra IA e clima.
[ Alessandra Vitale ]
◘ Il paper: McAdam R. et al., Seasonal forecasting of European heatwaves using a feature selection framework, Nature Communications Earth & Environment, DOI: 10.1038/s43247-025-02863-4
