Uno studio del CMCC presenta un prototipo di modello basato sul machine learning che è in grado di valutare con livello di dettaglio elevato l’impatto degli eventi estremi sulle aree costiere, tenendo conto di diversi fattori, delle loro interazioni non lineari, e dell’innesco di meccanismi di feedback
Il prototipo per la stima del rischio climatico permette migliori politiche di adattamento
Dai rapporti internazionali sul clima sappiamo che gli eventi climatici estremi stanno diventando più intensi e più frequenti e che questa tendenza continuerà nei prossimi decenni. Ma riuscire a prevedere quali possono essere i loro impatti, dove saranno localizzati, e dare quindi una stima del rischio climatico attendibile è un’operazione piuttosto complessa. È, però, anche fondamentale per calibrare le misure di adattamento e di prevenzione alla crisi climatica. Un nuovo strumento abilitato dall’intelligenza artificiale fa un passo avanti in questa direzione.
Il prototipo è stato testato in Veneto
Il prototipo è stato creato da un gruppo di ricercatori del Centro Euro-Mediterraneo per il Cambiamento Climatico (CMCC) e si concentra nello specifico sulla stima del rischio climatico per le aree costiere del Veneto. Una regione che è particolarmente esposta in questo senso. Uno studio pubblicato a inizio 2024 calcolava che l’impatto degli eventi estremi e le loro ripercussioni su catene di fornitura e tessuto economico possono cancellare il 20% del Pil del Veneto entro il 2100, il dato peggiore in tutta Europa (la media italiana, secondo lo stesso studio, è -4,43% del Pil).
“Le aree costiere, con la loro alta densità di popolazione, attività economiche interconnesse ed ecosistemi fragili, sono particolarmente vulnerabili agli eventi estremi che a loro volta sono in aumento a causa dei cambiamenti climatici. Tuttavia, vista la complessità di queste interazioni, è necessario migliorare le metodologie e le capacità di valutazione dei rischi”, sottolinea il CMCC in una nota.
L’IA migliora la stima del rischio climatico
Per affrontare questa complessità, i ricercatori hanno messo a punto un modello basato sul machine learning, che è in grado di gestire una grande quantità di dati da fonti diverse. Il punto di forza è la capacità, grazie all’intelligenza artificiale, di elaborare questi dati e ricavarne modelli di relazioni non lineari complesse, che tengono conto dell’interazione tra più fattori e dell’innesco di meccanismi di feedback. Il prototipo permette quindi di stimare l’importanza dei diversi fattori di rischio, individuare i loro driver fisici, e supportare la stesura di politiche di adattamento più efficaci.
Nella prima applicazione del prototipo, condotto sulla situazione delle aree costiere del Veneto, sono stati individuati i principali driver di rischio climatico – la precipitazione totale giornaliera, l’intensità del vento e l’altezza massima del livello del mare – ed è stata valutata la loro importanza con un livello di dettaglio molto alto, a scala comunale, in funzione dell’eterogeneità territoriale della costa.
“Questa applicazione mira a fornire supporto ai decisori nello sviluppo di sistemi di allerta e piani di adattamento”, spiega Maria Katherina Dal Barco, autrice dello studio e ricercatrice del CMCC. “È, infatti, necessario identificare i fattori che storicamente hanno generato questi rischi, sia individualmente che in combinazione, e definire, in base al valore del punteggio di rischio, se un campione è ad alto rischio di impatto o meno. Inoltre, data la natura eterogenea e le caratteristiche delle aree costiere del Veneto, i fattori di esposizione e vulnerabilità sono stati inclusi nell’analisi evidenziando le peculiarità territoriali che potrebbero intensificare gli effetti degli eventi meteorologici estremi”.
Leggi anche Piano Adattamento ai Cambiamenti Climatici, approvato il PNACC
