Uno Studio coordinato da ricercatrice del CMCC, sfruttando l’intelligenza artificiale (AI), prevede con mesi di anticipo il verificarsi degli eventi estremi dell’ Atlantic e del Benguela Niño che hanno impatti sull’up-welling, il fenomeno che mette in moto una catena alimentare in grado di supportare un ecosistema marino diversificato e di conseguenza i mezzi di sussistenza delle comunità di pescatori locali, permettendo così di assumere con anticipo azioni di adattamento e resilienza.
Tramite l’intelligenza artificiale è possibile prevedere fino a 3 mesi di anticipo eventi climatici estremi come l’Atlantic Niño e il Benguela Niño, offrendo opportunità senza precedenti per la salvaguardia degli ecosistemi marini e delle economie locali, e gettando le basi per nuove applicazioni di queste metodologie in altri contesti.
È quanto evidenzia loStudio“Predicting Atlantic and Benguela Niño events with deep learning”, pubblicato il 2 aprile 2025 suScienceAdvancese condotto, nell’ambito di un Progetto europeo finanziato dal Programma Horizon 2020, da un gruppo internazionale di ricercatori coordinati daMarie-Lou Bachèlery,Junior Scientistpresso l’Earth System Modelling ResearchandBiogeochemistry Unitdella Divisione di simulazione e previsione climatica del Centro euro-Mediterraneo sui Cambiamenti Climatici (CMCC).
Le regioni dell’oceano Atlantico tropicale sono soggette aanomalie di riscaldamento o raffreddamento delle acque oceanicheche che hanno conseguenze di vasta portata sugliecosistemi marini locali, suiclimi africanie sullacircolazione termoalina di ribaltamento meridionale (AMOC):
–l’Atlantic Niño, fratello minore di quello del Pacifico, caratterizzato da temperature della superficie del mare più calde della media nel bacino equatoriale orientale e da alisei più deboli della media in tutto l’Atlantico equatoriale centro-orientale;
– ilBenguela Niño,episodio di insolito riscaldamento delle acque lungo le coste dell’Africa sud-occidentale, che modifica la circolazione dei venti.
Tali eventi anomali hanno impatti in particolare sull’up-welling, ovvero sul fenomeno di risalita degli strati di acqua più profondi e a temperatura più bassa, ricche di nutrienti e di CO2, a mano a mano che i venti prevalenti scremano quelli superficiali più caldi. L’effetto biologico di questo sollevamento è di mettere in moto una catena alimentare che supporta un ecosistema marino diversificato, e di conseguenza i mezzi di sussistenza delle comunità di pescatori locali e l’economia non solo regionale. Conoscere per tempo la dinamica di tali fenomeni anomali, permetterebbe di assumere azioni di adattamento e resilienza.
“La sola pesca intensiva non può spiegare le fluttuazioni che si stanno manifestando negli stock ittici– ha affermato Marie-Lou Bachèlery –Anche gli estremi climatici stanno giocando un ruolo cruciale. La loro previsione è quindi diventata una sfida scientifica cruciale”.
Per le regioni che dipendono dalle risorse oceaniche, unsistema di allerta precoceper questi eventi potrebbe fare una grande differenza, rivoluzionando la gestione degli ecosistemi marini e garantendo la sostenibilità a lungo termine delle loro risorse. Per affrontare questa sfida, lo Studio ha esplorato il potenziale di tecniche innovative come l’intelligenza artificiale(AI) e glialgoritmi di deep learning.
Il team ha sviluppato unaconvolutional neural network(CNN), un tipo di algoritmo di deep learning addestrato su 90 anni di dati storici della temperatura dell’oceano. Il modello ha dimostrato un’accuratezza straordinaria, prevedendo questi eventi estremi con un anticipo di 3-4 mesi – fino a 5 mesi per le manifestazioni di picco. Questo livello di preavviso supera i modelli climatici tradizionali, i quali spesso fanno fatica a catturare le interazioni complesse tra oceano e atmosfera nell’Atlantico tropicale.
“Il nostro modello di deep learning ha identificato segnali precursori sottili che portano a questi eventi di riscaldamento, come onde oceaniche a movimento lento– ha aggiunto Bachèlery –Apprendendo direttamente dai dati, l’AI ha evitato alcuni degli errori, tra cui i bias e le interazioni mancanti, che si trovano nei modelli climatici globali”.
Uno dei risultati più significativi è stata la previsione accurata degli eventi estremi di Atlantic Niño e Benguela Niño del 2021 –con 4 mesi di anticipo– mentre i modelli tradizionali li hanno mancati interamente.
“Questa è un’innovazione importante– ha sottolineato la ricercatrice –abbiamo introdotto l’AI nella scienza del clima in un modo che non solo migliora le previsioni, ma offre anche una nuova prospettiva per comprendere gli eventi estremi. È un modello che in futuro potrebbe anche essere applicato ad altri fenomeni climatici di difficile previsione”.
Uno dei prossimi passi sarà lo sviluppo di una piattaforma web per condividere le previsioni, in modo chepescatori, gestori delle risorse marine e pianificatori costieri possano accedere a un sistema di allerta precoce
“È fondamentale che le nostre previsioni siano allineate con le esigenze di chi dipende dagli ecosistemi marini– ha concluso Bachèlery –Coinvolgendo gli attori locali e adattando le informazioni alle loro necessità, speriamo che queste previsioni migliorino i processi decisionali e aiutino le comunità a prepararsi agli impatti degli Atlantic e Benguela Niño. Vedere la nostra ricerca passare dal mondo accademico a uno strumento utile per la società è incredibilmente gratificante”.
Al CMCC, Bachèlery sta lavorando all’ampliamento dello studio, condotto durante una borsa di ricerca Marie Curie all’Università di Bergen in Norvegia, in collaborazione con il norvegeseNansen Environmental and Remote Sensing Center, l’Università di Cambridgee il franceseLaboratoire d’Etudes en Géophysique et Océanographie Spatiales, migliorando ulteriormente il modello e applicandolo alla previsione di altre variabili importanti, come ilivelli di ossigenoe laproduttività della pesca.
Immagine di copertina: Fonte CMCC