Seguici su Google

Le ondate di caldo estive rappresentano un pericolo naturale sempre più grave, con un impatto negativo sulla salute umana, l’agricoltura, le infrastrutture e la biodiversità. Inoltre, il cambiamento climatico sta portando a un clima caldo più estremo e ad un aumento dell’intensità, della durata e della frequenza delle ondate di caldo. La preparazione alle ondate di caldo è possibile attraverso i sistemi di allerta precoce, ma spesso questi sistemi non sono in grado di effettuare previsioni accurate con più di due settimane di anticipo. Questo nuovo studio mira a migliorare le previsioni delle ondate di caldo estive nell’Europa centrale e l’Italia utilizzando metodi di apprendimento automatico e statistici.

 

Il potenziale dei metodi di apprendimento automatico e statistici è stato testato utilizzando una serie di precursori, tra cui fattori locali e remoti collegati alle temperature europee tramite teleconnessioni (gli indici di comportamento del clima di cui spesso vi scriviamo).

Sulla base di questi precursori sono stati applicati metodi di apprendimento automatico per prevedere le anomalie della temperatura estiva e le probabilità di ondate di caldo per un lead time di 1-6 settimane con risoluzione settimanale. I modelli di apprendimento automatico lineari e casuali hanno dimostrato di competere con i modelli convenzionali basati sulla fisica per la previsione delle ondate di calore con più di due settimane di anticipo.

 

L’accuratezza delle previsioni delle anomalie della temperatura estiva e delle ondate di calore nell’Europa centrale e l’Italia può essere migliorata utilizzando modelli di apprendimento automatico e statistici lineari e casuali basati sui precursori identificati. Questi allarmi precoci possono essere utilizzati per attivare piani di risposta efficaci e tempestivi mirati a comunità e regioni vulnerabili, riducendo così i danni causati dalle ondate di caldo. In conclusione, l’apprendimento automatico può aiutare a migliorare le previsioni substagionali delle anomalie della temperatura estiva e delle ondate di caldo.

 

La preparazione alle ondate di caldo è possibile attraverso i sistemi di allerta precoce, ma spesso questi sistemi non sono stati in grado di effettuare previsioni accurate, come detto, per ora non con più di due settimane di anticipo. Il nuovo programma di studio mira a migliorare le previsioni delle ondate di caldo estive nell’Europa centrale e Italia utilizzando metodi di apprendimento automatico e statistici. La domanda è quando avremo un miglioramento delle previsioni.

Per ora, tali previsioni saranno solo sperimentali e diffuse agli addetti ai lavori.

 

L’accuratezza delle previsioni delle anomalie della temperatura estiva e delle ondate di calore potrà quindi essere migliorata, diffondendo allarmi precoci per attivare piani di risposta tempestivi e mirati ad avvisare gli abitanti delle regioni più vulnerabili, riducendo così i danni causati dalle ondate di caldo e le vittime.

 

In definitiva, il meteo delle stagioni estive future, non ancora quella del 2023 potrebbe iniziare ad essere meglio previsto grazie all’utilizzo di modelli di apprendimento automatico, con un approccio innovativo che potrebbe consentire una migliore preparazione e risposta alle ondate di calore estremo, riducendo potenzialmente i danni causati da questi eventi climatici estremi che potrebbero divenire ancor più devastanti di come li abbiamo vissuti negli ultimi 20 anni.

 

A seguito della terribile serie di ondate di calore dell’estate 2003, anno dopo anno, abbiamo visto ravvicinarsi, aumentare di durata e intensità gli eventi di ondata di calore, così che l’estate 2022 è stata calda quasi come quella di ormai 20 anni fa. Mentre le previsioni stagionali per quella 2023 sono pessime, ma nessuno conosce se avremo temperature medie anomale come quelle del 2022 o anche più. Siamo in una fase di preoccupante incremento del meteo estremo, e sono necessari strumenti di previsione meteo più affidabili di quelli attuali.

 

Credit https://journals.ametsoc.org/view/journals/aies/2/2/AIES-D-22-0038.1.xml

Seguici su Google