Clima

Le capitali UE del calore, temperature più alte in Italia e Norvegia. Big data e IA per contrastare il global warming

di |

Italia tra i Paesi con l’aumento medio di temperatura maggiore, assieme a Islanda e Norvegia. Sono le città come Riga e Budapest ad aver registrato l’incremento di calore più consistente negli ultimi decenni. Un aiuto dall’intelligenza artificiale, la datasfera e le soluzioni machine learning.

La stagione estiva 2020 deve ancora prendere il via. Il 21 giugno ci sarà il solstizio d’estate. Per molti si tratta di un bagno di luce atteso tutto l’anno, per molti altri di un periodo di malessere fisico dovuto all’eccesso di calore e umidità.

Le estati mediterranee e soprattutto italiane, così miti ed equilibrate, sembrano ormai un ricordo e se è vero che il sole e il caldo sono indispensabili alla vita e ai cicli naturali e agricoli, è altrettanto vero che a partire dagli anni ’90 del secolo scorso qualcosa è cambiato e quel qualcosa si chiama temperatura media globale.

Oggi sappiamo bene che il surriscaldamento globale o global warming è un fenomeno in piena crescita e che dobbiamo fare di tutto per tenere questo incremento al di sotto dei +2°C entro la fine del secolo. Sappiamo altrettanto bene che da tempo siamo in entrati in una fase di anomalie climatiche (climate change) di cui ancora ignoriamo gli esiti più disastrosi.

Città e calore

In uno Report pubblicato sull’EDJNet, “The European Data Journalism Network”, la rete europea per il datagiornalismo, si è studiato il riscaldamento climatico europeo negli ultimi 50 anni, esaminando i dati provenienti da circa 100 mila Comuni del vecchio continente.

Il risultato è che “in un terzo dei comuni europei la temperatura media è aumentata di oltre due gradi tra gli anni Sessanta e l’ultimo decennio, con alcune punte che superano addirittura i 5°C di differenza”, si legge nel commento ai dati.

Al contrario, “solo 73 dei 102.445 comuni che abbiamo analizzato hanno visto una diminuzione della temperatura media, comunque limitata a pochi decimi di grado”. Ovviamente, dietro a questi valori medi si possono nascondere variazioni stagionali o annuali molto più ampie.

All’interno di ciascun Paese, tra i comuni dove la temperatura è aumentata di più, troviamo spesso le grandi capitali o i loro sobborghi, soprattutto nell’Europa centro-orientale. È questo, ad esempio, il caso di Tallinn e Belgrado, ma anche di Riga e Budapest, le due capitali europee che si sono scaldate di più tra tutte, rispettivamente +4,2°C e quasi +5°C.

In cima alla lista troviamo anche insediamenti situati nei pressi di grandi aeroporti: è il caso del comune europeo che in assoluto ha visto aumentare di più la temperatura media, +6°C in pochi decenni, ovvero Reykjanesbær, proprio accanto al sempre più frequentato aeroporto internazionale dell’Islanda.

Le regioni europee che più di tutte le altre stanno sperimentando un notevole aumento medio di calore sono l’Islanda, la Norvegia, i Paesi baltici e l’Italia centro settentrionale (soprattutto le Alpi centrali e la Lombardia).

IA e machine learning in aiuto

In un nuovo studio del Lawrence Berkeley National Laboratory in California, pubblicato dalla rivista scientifica “open access” Geoscientific Model Development, si è dimostrata la grande utilità delle tecnologie emergenti nello studio, il contrasto e la prevenzione dei fenomeni metereologici estremi.

Negli ultimi 10 anni è stato dimostrato che l’intelligenza artificiale e il machine learning sono molto utili nello sviluppo di modelli meteo estremi”, ha spiegato Prabhat, responsabile Data & Analytics service del laboratorio.

Al momento si sta testando un network di deep learning per dare vita ad una rete di sistemi informatici ed elettronici che elaborano un enorme flusso di dati (generati da catene di sensori e oggetti connessi in rete) per esaminare due fenomeni estremi: i cicloni tropicali e i fiumi atmosferici, che possono portare ad eventi alluvionali o al contrario siccitosi.

Nel 2019, lo studio “Tackling Climate Change with Machine Learning” dell’Università della Pennsylvania arrivava alle stesse conclusioni: le tecnologie di machine learning erano ottimali per il modeling climatico, cioè per valutare l’aumento di calore urbano, l’incremento medio di temperatura, piovosità, siccità, umidità e di altri parametri in un dato luogo o una data regione.

Oltre ad indicare dati e variazioni decennali, l’IA è in grado anche di suggerire possibili soluzioni in termini di maggiore efficienza energetica, di ottimizzazione delle risorse idriche, nell’uso di materiali ecosostenibili e in grado di mitigare il gran calore in città (isole di calore), o nel calcolo delle dimensioni ottimali di aree verdi e foreste in termini di stoccaggio di CO2.