Il minuto che ha cambiato il meteo

Ogni mattina, mentre si pensa a come vestirsi, compagnie aeree, reti elettriche e mercati delle materie prime agricole hanno già consultato le previsioni per prendere decisioni che valgono miliardi. Nel solo 2024 gli eventi meteorologici estremi hanno causato 318 miliardi di dollari di perdite globali, la metà delle quali non era coperta da nessuna assicurazione. Sapere con anticipo cosa farà l’atmosfera è una delle infrastrutture meno visibili e più costose dell’economia moderna.

La catena che porta da questa domanda alla risposta sul proprio telefono comincia lontano: milioni di misurazioni al giorno, raccolte da satelliti, stazioni a terra, boe oceaniche, radiosonde e dagli stessi aerei di linea in volo. I diversi sistemi di osservazione misurano temperatura, pressione, umidità, vento e molte altre variabili in punti precisi dello spazio e del tempo. Il pianeta intero funziona come un laboratorio aperto, strumentato in modo capillare e instancabile.

Fisica e dati, insieme

Queste osservazioni vengono poi inserite nei modelli fisici attraverso un processo chiamato assimilazione: le misurazioni reali aggiornano la fotografia dello stato attuale dell’atmosfera, da cui parte la simulazione vera e propria. La simulazione risolve equazioni complesse che descrivono come si muovono aria, umidità e calore su scala globale: per decenni ha richiesto ore di lavoro su supercomputer da milioni di watt. Il risultato era una previsione a dieci giorni ragionevole, ma costosa e lenta.

A partire dal 2015, con la disponibilità di grandi archivi storici di dati atmosferici, è diventato possibile addestrare reti neurali profonde direttamente sui dati: strutture matematiche che apprendono dai dati storici i legami tra lo stato presente e quello futuro dell’atmosfera. Il salto è stato vistoso: GraphCast di Google DeepMind e Pangu-Weather di Huawei, presentati nel 2023 sulle riviste scientifiche Nature e Science, hanno superato i migliori modelli fisici operativi sulla grande maggioranza delle metriche di verifica. La stessa previsione che un supercomputer produceva in ore veniva ora generata in meno di un minuto, con un risparmio di energia stimato nell’ordine delle mille volte.

Cinquantuno simulazioni

Una previsione unica, però, non esaurisce tutta la storia: l’atmosfera è caotica per natura, e piccole differenze nelle condizioni iniziali possono portare a scenari molto diversi. La risposta è l’approccio a ensemble: decine di simulazioni leggermente diverse, la cui distribuzione dice quanto sia probabile ciascun esito. L’intelligenza artificiale ha permesso di moltiplicare il numero di queste simulazioni a costi computazionali minimi, e il Centro europeo di Reading (con sedi a Bonn e a Bologna) ha reso operativo nel 2025 il proprio sistema AI con cinquantuno varianti di previsione parallele.

A valle degli ensemble ci sono le correzioni: il post-processing statistico corregge le distorsioni sistematiche dei modelli, come la tendenza a sovrastimare la pioggia leggera o a sbagliare l’intensità dei cicloni. Con queste correzioni applicate, i sistemi basati su AI mostrano guadagni di accuratezza equivalenti a mezzo giorno o un giorno in più di orizzonte affidabile rispetto alle generazioni precedenti, in una frazione del tempo di calcolo e del costo energetico. La previsione che raggiunge l’utente è il frutto di tutta questa catena.

Percorso logico della previsione meteorologica: dall’osservazione al forecast

I limiti che restano

Gli scenari storicamente mai visti restano un punto aperto: condizioni atmosferiche fuori dal range dei dati storici vengono ancora gestite meglio dai modelli fisici tradizionali. La ricerca punta ai modelli ibridi, che integrano le capacità delle reti neurali con i vincoli delle leggi fisiche, per essere robusti anche negli eventi rari. Ogni dollaro investito in sistemi di allerta precoce, secondo l’Organizzazione meteorologica mondiale, può generare fino a 15 dollari di risparmi in termini di danni evitati: la meteorologia è diventata da tempo una questione economica prima ancora che scientifica.