Meteo, l’era del modello unico è finita. Come IA e SuperModel cambiano le previsioni

Prevedere il tempo non significa più affidarsi a un unico modello matematico e aspettare che restituisca temperatura, pioggia o vento dei giorni successivi. L’aumento della capacità di calcolo, la disponibilità di osservazioni sempre più numerose e la comparsa di nuovi sistemi basati sulle IA stanno modificando anche il modo in cui vengono costruite le previsioni meteorologiche.

È in questo contesto che iLMeteo ha sviluppato il SuperModel, la piattaforma proprietaria che oggi costituisce il cuore del suo sistema previsionale. Ogni giorno acquisisce centinaia di milioni di dati e utilizza circa venti diversi modelli meteorologici internazionali, tra i quali ECMWF, AIFS, GFS, ICON, WRF e AROME. A questi vengono aggiunte le informazioni raccolte attraverso radar, satelliti e decine di migliaia di stazioni meteorologiche al suolo.

Scenari a confronto

Il sistema confronta i diversi scenari, ne valuta le prestazioni e assegna loro un peso differente per costruire la previsione finale. La configurazione può quindi cambiare a seconda della situazione atmosferica e della distanza temporale dell’evento da prevedere.

Poiché non esiste un modello meteorologico migliore degli altri, un sistema può essere più efficace al cospetto di alcuni specifici fenomeni o per determinate scadenze temporali e meno preciso in altre condizioni. L’obiettivo del SuperModel è utilizzare di volta in volta la combinazione di modelli e osservazioni considerata più appropriata.

Cosa significa davvero “modello proprietario”

La definizione può facilmente creare un equivoco. iLMeteo non è proprietario dei principali modelli meteorologici internazionali né dei dati prodotti da organismi esterni. La componente proprietaria riguarda invece l’architettura utilizzata per raccogliere le informazioni, gli algoritmi con cui vengono elaborate, le procedure attraverso cui i diversi scenari vengono confrontati e ponderati e il know-how sviluppato per trasformare queste fonti nella previsione pubblicata dal servizio.

Il SuperModel è quindi una piattaforma multi-modello la quale, invece di affidare la previsione all’output di un solo sistema, utilizza simultaneamente informazioni provenienti da fonti differenti.

Da ZEUS al SuperModel

Il passaggio non è avvenuto improvvisamente. L’attuale architettura rappresenta l’ultima fase di un percorso cominciato indicativamente 15 anni fa con ZEUS, il sistema previsionale sviluppato da iLMeteo a partire dalla famiglia di modelli ETA.

ZEUS veniva elaborato direttamente nel centro di calcolo della società e utilizzava, tra le altre fonti, i dati del Centro europeo per le previsioni meteorologiche a medio termine (ECMWF). Già allora venivano impiegate tecniche ensemble e multi-modello, ovvero sistemi nei quali vengono considerate più simulazioni invece di una sola evoluzione possibile dell’atmosfera.

Nel 2016, con ZEUS 2016 HD, la risoluzione è stata portata fino a 5 chilometri, in modo da rappresentare con maggiore dettaglio elementi geografici particolarmente importanti per il territorio italiano tra i quali montagne, valli, coste, laghi e aree urbane. Negli anni successivi l’architettura è diventata progressivamente più ampia. A ZEUS sono stati affiancati modelli globali e sistemi ad alta risoluzione come ECMWF HRES, UKMO, GFS, WRF e ICON.

In questa fase i diversi scenari venivano confrontati e il sistema individuava quello ritenuto più indicato per rappresentare la situazione meteorologica osservata.

Con il SuperModel cambia la logica. Le informazioni prodotte dai diversi sistemi vengono usate contemporaneamente al fine di ottenere una previsione unica, accantonando così la necessità di confrontare più modelli per sceglierne uno.

Dalla scelta del modello alla combinazione degli scenari

L’evoluzione può quindi essere divisa in tre fasi. La prima è rappresentata da ZEUS, la catena modellistica proprietaria ad alta risoluzione. La seconda introduce un insieme più ampio di modelli che vengono confrontati per scegliere quello considerato più efficace in una determinata situazione. La terza è quella del SuperModel, nel quale diversi scenari contribuiscono contemporaneamente alla previsione finale.

Uno degli elementi fondamentali è la pesatura dinamica. I diversi modelli non necessariamente contribuiscono allo stesso modo. Vengono ponderati attraverso logiche sviluppate da iLMeteo sulla base delle loro caratteristiche e delle prestazioni osservate.

A questo si aggiunge il cosiddetto Multi-Forcing che combina più scenari e condizioni iniziali dei modelli meteorologici per rendere le previsioni più stabili e accurate. Ciò significa che differenti modelli globali possono essere utilizzati per alimentare sistemi meteorologici ad alta risoluzione, producendo più scenari previsionali.

Il risultato comprende sia scenari deterministici – che descrivono una specifica evoluzione dell’atmosfera – sia scenari probabilistici, che permettono di valutare diverse evoluzioni possibili. È un approccio rilevante, perché l’atmosfera è un sistema complesso e una previsione meteorologica contiene inevitabilmente un grado di incertezza.

Dal dato alla previsione in sei passaggi

Dietro la previsione visualizzata sullo smartphone o sul computer si trova una catena di elaborazione molto articolata. Il primo passaggio è l’acquisizione. Il sistema raccoglie continuamente, 24 ore su 24, centinaia di milioni di informazioni provenienti dai modelli meteorologici, dai radar, dai satelliti e dalle stazioni al suolo. A seguire avviene l’integrazione. Gli scenari prodotti dai diversi sistemi vengono inseriti all’interno della stessa piattaforma e messi a confronto. Nella fase successiva vengono elaborati e pesati per costruire una sintesi previsionale e, in seguito, la previsione viene portata dalla scala generale a quella territoriale, arrivando fino ai singoli comuni.

Interviene quindi la supervisione umana. Fisici e meteorologi analizzano gli scenari, soprattutto quando la situazione atmosferica è particolarmente complessa oppure presenta un livello elevato di incertezza.

L’ultima fase è il nowcasting, ossia la previsione meteorologica delle ore immediatamente successive. Quando l’evento si avvicina, radar, satelliti e osservazioni al suolo permettono di seguire continuamente ciò che sta realmente accadendo. Gli aggiornamenti possono arrivare fino a intervalli di dieci minuti.

Una previsione diversa a seconda della distanza temporale

Un altro tassello capitale risiede nella combinazione delle fonti, che cambia a seconda dell’orizzonte temporale. Per il brevissimo termine (minuti o poche ore), acquistano particolare importanza le osservazioni radar e i sistemi Rapid Update Cycle, modelli aggiornati molto frequentemente per seguire la nascita, lo sviluppo e lo spostamento dei fenomeni meteorologici.

Nel breve termine aumenta invece il peso dei modelli ad altissima risoluzione, che possono arrivare a una scala di circa un chilometro. Sono importanti per rappresentare fenomeni locali e aree geograficamente complesse, come valli, montagne, coste, laghi e isole.

Spostandosi verso il medio e lungo termine diventano più importanti i sistemi ensemble. Invece di fornire una sola evoluzione atmosferica, producono molte simulazioni possibili, permettendo di valutare quali scenari risultano più probabili. Ed è proprio su queste distanze temporali che entrano in gioco anche i modelli meteorologici di nuova generazione basati sulle IA, con orizzonti previsionali che possono arrivare fino a 15 giorni.

Il ruolo delle IA nelle previsioni meteo

Nel SuperModel le IA vengono usate in due modi differenti. Il primo riguarda direttamente le fonti meteorologiche. Tra i sistemi utilizzati dalla piattaforma è presente AIFS, Artificial Intelligence Forecasting System, sviluppato dall’ECMWF.

A differenza dei tradizionali modelli numerici, che simulano attraverso equazioni fisiche l’evoluzione dell’atmosfera, AIFS utilizza reti neurali addestrate su decenni di dati atmosferici. Inoltre, tecniche di machine learning vengono progressivamente integrate nella stessa architettura proprietaria per esaminare le prestazioni dei differenti scenari e contribuire all’affinamento del sistema.

Le IA non sostituiscono automaticamente né i modelli fisici né i meteorologi, diventano uno strumento all’interno di una catena nella quale convivono simulazioni numeriche, reti neurali, osservazioni strumentali e valutazione umana.

Il controllo arriva anche dopo la previsione

Il sistema non termina il proprio lavoro nel momento in cui pubblica una previsione. Un elemento centrale dell’architettura è infatti la verifica ex post. Le previsioni vengono confrontate con ciò che viene effettivamente registrato dalle stazioni meteorologiche al suolo. In questo modo è possibile misurare le prestazioni dei diversi scenari e affinare progressivamente i meccanismi utilizzati dal sistema.

È questo ciclo tra previsione e osservazione a consentire una valutazione continua dell’efficacia dei differenti modelli, con l’obiettivo di migliorare la qualità e l’attendibilità del servizio offerto.

Il meteorologo rimane nel processo

La crescente automazione non elimina l’elemento umano, tant’è che il SuperModel fornisce ai meteorologi una base informativa più ampia, ma il team di fisici e specialisti continua a interpretare gli scenari, soprattutto nelle situazioni caratterizzate da forte incertezza o da fenomeni meteorologici complessi.

Riuscire a confrontare con continuità una grande mole di dati prodotta da sistemi e fonti diverse per stabilire e descrivere ciò che potrebbe accadere sul piano meteorologico è attività complessa che le IA svolgono in modo più efficace dell’uomo il quale, tuttavia, rimane imprescindibile nel contesto di sistemi in cui modelli numerici, osservazioni reali e algoritmi proprietari rimangono un potenziale incompiuto senza la competenza meteorologica degli esperti in carne e ossa.