Una nuova applicazione del machine learning allo studio delle ondate di calore marine nel Mar Mediterraneo potrebbe migliorare la nostra capacità di prevederne gli impatti sugli ecosistemi marini, la pesca e le comunità costiere. Una nuova ricerca, guidata dal CMCC, mostra come tecniche avanzate basate sui dati possano migliorare le previsioni oceanografiche, offrendo strumenti di previsione più rapidi ed efficienti rispetto ai modelli dinamici.

Le ondate di calore marine (marine heatwaves, MHWs) hanno impatti sociali ed ecologici significativi. Per questo prevedere questi eventi estremi è essenziale se si vogliono prevenire e mitigare le loro conseguenze negative e fornire ai decisori preziose informazioni riguardo alla natura e all’entità dei rischi specifici legati alle MHW.

In uno studio recente, le tecniche di machine learning (ML) sono state applicate per prevedere le serie temporali della temperatura superficiale del mare (sea surface temperature, SST) e le ondate di calore marine in 16 regioni del Mar Mediterraneo. Lo studio rileva che tecniche di ML, come le reti neurali convoluzionali (Convolutional Neural Networks, CNN), le reti Long Short-Term Memory (LSTM) e i modelli Random Forest (RF), possono prevedere la temperatura superficiale del mare (SST) e il verificarsi di ondate di calore marine (MHW) con alta precisione.

Ad esempio, il modello LSTM ha ottenuto un ottimo risultato e i risultati dei modelli ML sono comparabili a quelli ottenuti con i modelli dinamici tradizionali, dimostrando che il ML può essere un’alternativa valida per la previsione delle MHW.

Prestazioni della rete ML per le previsioni giornaliere della SST rispetto alle prestazioni del MedFS. Fonte: Bonino et al, 2024

“Questo rappresenta una proof of concept nell’uso del ML per prevedere le ondate di calore marine. È un punto di partenza, che dimostra il potenziale di queste tecniche”, afferma Giulia Bonino, ricercatrice del CMCC e autrice principale dello studio. “Tuttavia, c’è ancora molto lavoro da fare per affinare questi metodi ed espandere le loro applicazioni. In questo campo, gli studi che applicano l’intelligenza artificiale sono in una fase nascente, e sono entusiasta di vedere come evolveranno e contribuiranno alla nostra comprensione degli impatti del cambiamento climatico sugli ambienti marini.”

Il CMCC ha svolto un ruolo chiave nello sviluppo del framework metodologico, eseguendo esperimenti e interpretando i risultati, oltre a fornire risorse computazionali. Ciò ha contribuito a fornire un’innovazione preziosa nell’integrazione dei metodi ML per la previsione a breve termine della temperatura superficiale del mare e del verificarsi di ondate di calore marine, un argomento che non è stato ancora ampiamente trattato nella letteratura esistente. Lo studio mostra come l’uso di tecniche avanzate basate sui dati per migliorare le previsioni oceanografiche può offrire strumenti di previsione rapidi ed efficienti.

Ulteriori informazioni:

Bonino, G., Galimberti, G., Masina, S., McAdam, R., and Clementi, E.: Machine learning methods to predict sea surface temperature and marine heatwave occurrence: a case study of the Mediterranean Sea, Ocean Sci., 20, 417–432, https://doi.org/10.5194/os-20-417-2024, 2024.