La rotta per la decarbonizzazione del trasporto marittimo
La ricerca di rotte a basse emissioni può aiutare a decarbonizzare il trasporto marittimo. Tuttavia, gli impatti quantitativi di questo approccio devono ancora essere esplorati adeguatamente. Nuovi sviluppi nel modello VISIR-2 (discoVerIng Safe and effIcient Routes) guidati dal ricercatore del CMCC, Gianandrea Mannarini, promettono un contributo nella direzione corretta.
Si stima che il trasporto marittimo internazionale rappresenti circa il 2% delle emissioni globali di CO2, il che rende la decarbonizzazione di questo settore una sfida cruciale negli sforzi globali per rallentare il cambiamento climatico. Tuttavia, comprendere come questo possa essere fatto in pratica non è sempre semplice poiché i decisori spesso mancano degli strumenti necessari per analizzare i veri impatti delle loro strategie.
Il modello open-source VISIR-2 (discoVerIng Safe and effIcient Routes), sviluppato da un team di ricercatori internazionali guidati da Gianandrea Mannarini del CMCC, ha lo scopo di valutare se e come l’ottimizzazione delle rotte possa contribuire agli obiettivi di decarbonizzazione.
“VISIR-2 può essere applicato ai green corridors per risparmiare sui costosi carburanti a basse emissioni di carbonio, può generare affidabili basi di dati di addestramento per futuri modelli basati su AI, e servire scopi educativi per ufficiali di bordo, marinai esperti e anche principianti,” spiega Mannarini.
Con VISIR-2 sono state calcolate migliaia di rotte ottimali per diverse date di partenza, offrendo possibili risparmi di CO2 di un traghetto e riducendo la durata delle rotte di barche a vela, considerando fattori come le onde e le correnti marine.
Rotte ottimali di un traghetto da Porto Torres (Italia) a Tolone (Francia) considerando sia le onde che le correnti. Sono mostrate tutte le rotte CO2-ottimali per il 2022 (per più valori di potenza motore), con il colore delle rotte che indica il mese della data di partenza. Fonte: Mannarini et al 2024
“Il modello VISIR-2 è versatile per quanto riguarda il tipo di imbarcazione e, una volta stabilita la relativa curva prestazionale, può essere usato anche per grandi navi quali porta-container e portarinfuse,” spiega Mannarini, che ha anche sottolineato come il modello VISIR-2, codificato in Python, abbia portato con sé numerose innovazioni tecniche in questo ambito di ricerca.
Il CMCC ha progettato e sviluppato il modello VISIR-2 da zero, integrando contributi di architettura navale dell’Università di Genova (per le barche a vela) e dell’Università di Zara in Croazia (per un traghetto). Il lavoro è stato finanziato da diversi progetti europei, tra cui l’Interreg Italia-Croazia GUTTA, guidato dal CMCC.
“Cinque anni fa, quando iniziammo a lavorare su VISIR-2, non esistevano modelli open access di rotte marittime scritti in Python,” spiega Mannarini. “Abbiamo mirato a colmare questa lacuna fornendo un mezzo obiettivo per valutare quanto le rotte delle navi potessero essere ottimizzate e come i risultati dipendessero da ipotesi e approssimazioni del modello numerico e dai dati ambientali utilizzati. In questo abbiamo sfruttato la nostra esperienza pregressa con il modello VISIR-1 in MATLAB.”
“Siamo stati incoraggiati a proseguire nello sviluppo di VISIR-2 anche dalla Dichiarazione di Clydebank del 2021 sui green corridors, dall’inclusione del trasporto marittimo nel sistema europeo di scambio delle quote di emissione (EU-ETS) e dalla revisione della strategia dell’Organizzazione Marittima Internazionale sui gas serra, entrambe del 2023. Passaggi che testimoniano gli sforzi continui degli enti regolatori e dell’industria per accelerare la decarbonizzazione del settore. Credo che un modello numerico completo e validato, condiviso in modo semplice e robusto come VISIR-2, possa essere un contributo prezioso da parte del mondo della ricerca e sviluppo per affrontare la sfida della decarbonizzazione della navigazione.”
Ulteriori informazioni:
Mannarini, G., Salinas, M. L., Carelli, L., Petacco, N., and Orović, J.: VISIR-2: ship weather routing in Python, Geosci. Model Dev., 17, 4355–4382, https://doi.org/10.5194/gmd-17-4355-2024, 2024