Intelligenza artificiale e modelli oceanici uniti per prevenire le maree nere: migliorano del 25% le previsioni, utile strumento per proteggere ambiente e coste
La lotta contro le maree nere, tra le emergenze ambientali più devastanti per ecosistemi marini e comunità costiere, compie un importante passo avanti grazie all’intelligenza artificiale.
Un nuovo studio pubblicato dal Centro Euro-Mediterraneo sui Cambiamenti Climatici (CMCC) ha dimostrato che integrare tecniche di AI con modelli numerici oceanici tradizionali migliora fino al 25% la capacità di tracciamento degli sversamenti di petrolio in mare.
Lo studio, pubblicato sulla rivista Ecological Informatics, propone un approccio ibrido che unisce l’affidabilità dei modelli fisici alla potenza predittiva dell’intelligenza artificiale, riuscendo a perfezionare notevolmente le simulazioni delle traiettorie del petrolio disperso in mare. In particolare, l’utilizzo della Bayesian optimization consente di calibrare automaticamente i parametri critici del modello, apprendendo dalle osservazioni satellitari.
“Questo lavoro rappresenta un passo avanti significativo nel colmare il divario tra la modellistica oceanica tradizionale e l’intelligenza artificiale”, afferma Gabriele Accarino, ricercatore del CMCC e della Columbia University, autore principale dello studio.
Dai dati alla prevenzione
Il nuovo modello è stato testato utilizzando i dati dell’incidente avvenuto nel 2021 al largo di Baniyas, in Siria, dove oltre 12.000 metri cubi di petrolio si riversarono nel Mediterraneo.
I risultati parlano chiaro: le previsioni della forma e della diffusione della chiazza di petrolio hanno guadagnato fino al 20% in accuratezza rispetto ai modelli tradizionali, mentre il tracciamento della posizione è migliorato fino al 25%.
Questo progresso è fondamentale per le squadre di emergenza ambientale, che potranno contare su informazioni più affidabili e tempestive per pianificare interventi mirati e ridurre l’impatto sull’ambiente.
“I modelli numerici sono strumenti validi, ma spesso si basano su parametri scelti manualmente, introducendo incertezze”, ha spiegato Marco De Carlo, ricercatore CMCC e co-autore. “Il nostro sistema non sostituisce la fisica, la potenzia.”
Un’innovazione trasferibile
Un ulteriore punto di forza del framework sviluppato è la versatilità. Il sistema è stato progettato per essere trasferibile e adattabile, non solo ad altri scenari marini, ma anche a modelli atmosferici e di circolazione oceanica generale, aprendo la strada a nuove soluzioni per la gestione del rischio ambientale.
L’architettura del modello permette inoltre aggiornamenti in tempo reale, una funzione cruciale durante emergenze come sversamenti accidentali o incidenti navali.
“In condizioni ambientali dinamiche, il tempo è tutto”, ha sottolineato Igor Ruiz Atake, co-autore dello studio. “Con questo approccio possiamo ridurre i tempi tecnici di calibrazione e concentrarci sull’analisi e la risposta all’emergenza.”
Leggi anche: Acque più pulite in Europa: accordo su nuovi limiti agli inquinanti
Una rivoluzione silenziosa
Oltre ai risultati operativi, lo studio rappresenta un cambio di paradigma: un esempio concreto di AI informata dalla fisica (“physics-informed AI”), in cui le conoscenze scientifiche non vengono sostituite ma integrate e amplificate. Un modello che potrebbe diventare pilastro della resilienza climatica, specie in un contesto di cambiamento climatico sempre più imprevedibile.
Le simulazioni sono state eseguite con il JUNO Hybrid Cluster del CMCC, uno dei più avanzati centri di calcolo d’Europa, a testimonianza del valore strategico della ricerca scientifica italiana nel campo della sostenibilità ambientale.
Con l’evoluzione del clima e l’aumento degli incidenti ambientali, strumenti predittivi sempre più avanzati saranno fondamentali per proteggere mari, coste e popolazioni. E l’alleanza tra scienza e intelligenza artificiale si conferma una delle risposte più promettenti.
