L’Istituto per la Previsione del Sistema Terra (IESP) si occupa di perfezionare le capacità di modellizzazione climatica del CMCC e di promuovere la trasformazione delle conoscenze scientifiche in competenze di previsione avanzate e strumenti di pianificazione.
Siamo impegnati ad approfondire la comprensione del sistema climatico e dei suoi cambiamenti su diverse scale spaziali e temporali, a supporto delle risposte locali e nazionali alle emergenti sfide climatiche.
IESP mira ad affrontare questioni chiave di rilevanza sociale legate alle scienze climatiche e a promuovere previsioni continue del sistema terrestre dalla scala globale a quella locale, dal breve termine a quello multi-decennale, a sostegno di decisioni basate sulla scienza.
La nostra esperienza
Le capacità di IESP si basano su una diversità di approcci modellistici dinamici, statistici e basati sui dati, nonché su attività di R&S in scienze computazionali, che includono: i) Competenze di modellizzazione e previsione su scale multiple, da sub-stagionale a multi-decennale; ii) Servizi operativi di previsione globali, regionali e per l’oceano costiero; iii) Assimilazione dati in diversi componenti del sistema climatico (oceano, ghiaccio marino, atmosfera e suolo); iv) Sistemi e applicazioni innovativi per l’osservazione e la modellizzazione marina costiera e servizi costieri sostenibili; v) Modellizzazione biogeochimica marina e terrestre; vi) Tecniche avanzate di calcolo e piattaforme innovative per l’analisi e la gestione dei dati per una sfruttamento ottimale dei modelli numerici su architetture HPC e cloud; vii) Metodi di Intelligenza Artificiale (AI) e apprendimento automatico (Machine Learning).
Nel perseguire la visione scientifica dell’Istituto e i suoi ambiziosi obiettivi, le sue Divisioni di Ricerca si allineano alla missione del CMCC, garantendo che approcci, dati e software siano conformi alla strategia complessiva della Fondazione nel contesto dei principi della scienza aperta.

Pubblicazioni IESP
Enhancing seasonal fire predictions with hybrid dynamical and random forest models
Torres-Vázquez M.Á., Herrera S., Gincheva A., Halifa-Marín A.,Cavicchia L., et al.
2025, npj Natural Hazards volume, 2, Article number: 20, doi: 10.1038/s44304-025-00069-4
Methodological Framework for the Evaluation of Climate Change Impacts on Rural Basins Using the GR2M Model
Kourtis I.M., Papadopoulou C.A., Trabucco A., Peano D., Sangelantoni L., et al.
2025, Environmental Processe, doi: 10.1007/s40710-025-00755-5
High-Resolution Model Intercomparison Project phase 2 (HighResMIP2) towards CMIP7
Roberts M. J., Reed K. A., Bao Q., Barsugli J. J., Camargo S. J., Caron L.-P., Chang P., Chen C.-T., Christensen H. M., Danabasoglu G., Frenger I., Fučkar N. S., ul Hasson S., Hewitt H. T., Huang H., Kim D., Kodama C., Lai M., Leung L.-Y. R., Mizuta R., Nobre P., Ortega P., Paquin D., Roberts C. D., Scoccimarro E., et al.
2025, Geoscientific Model Development, doi: 10.5194/gmd-18-1307-2025