The emergence of regional record-breaking summer heat predictability

Il calore estremo è una delle conseguenze più pericolose del cambiamento climatico causato dall'uomo, che colpisce con una frequenza e un'intensità che accelera ogni anno. Sebbene gli scienziati abbiano compreso da tempo che un pianeta che si riscalda rende più probabili le giornate calde, prevedere esattamente quando e dove si verificherà un'estate specifica che infranga i record è rimasto una sfida formidabile. Questa difficoltà deriva dal fatto che il meteo è un miscuglio caotico di tendenze a lungo termine prevedibili e fluttuazioni a breve termine imprevedibili. Per decenni, la comunità scientifica ha dibattuto su quanto un evento di calore sia guidato dalla mano costante del riscaldamento globale rispetto ai movimenti casuali della variabilità climatica naturale. La domanda centrale è stata se fosse possibile prevedere in modo affidabile questi estremi mortali con anni di anticipo, dando alle comunità il tempo sufficiente per prepararsi, o se l'inerente caos dell'atmosfera rendesse impossibili tali avvisi a lungo termine.

Un team di ricercatori ha ora sviluppato un nuovo modo per rispondere a questa domanda, dimostrando che la capacità di prevedere estati record non è solo una possibilità futura, ma sta già emergendo in molte parti del mondo. Utilizzando strumenti avanzati di apprendimento computazionale, hanno scoperto che combinare l'aumento costante delle temperature globali con specifici modelli nelle temperature superficiali degli oceani permette previsioni accurate sul calore estremo con cinque o dieci anni di anticipo. Questo approccio supera i modelli climatici tradizionali in molte regioni, suggerendo che stiamo entrando in un'era in cui il momento delle nostre estati più calde può essere anticipato con significativa fiducia.

I ricercatori, Emily Gordon dell'Università di Auckland e Noah Diffenbaugh di Stanford University, si sono concentrati su un tipo specifico di previsione: determinare se un'estate nei prossimi cinque o dieci anni sarà più calda di qualsiasi estate registrata nel passato recente. Per farlo, hanno addestrato un tipo di intelligenza artificiale nota come rete neurale convoluzionale. Pensate a questo sistema come a un altamente abile riconoscitore di schemi che impara studiando enormi quantità di dati storici. Al computer sono stati forniti due tipi principali di informazioni: la temperatura media dell'intero globo e i cambiamenti nei modelli delle temperature superficiali marine in tutti gli oceani del mondo. L'obiettivo era vedere se il computer potesse imparare a individuare la combinazione specifica di un pianeta che si riscalda e condizioni oceaniche favorevoli che portano a un'estate record.

Quando il team ha testato questo metodo contro i dati reali degli ultimi decenni, i risultati sono stati sorprendenti. Il modello di apprendimento computazionale ha identificato con successo i momenti in cui era probabile che si verificasse un'estate record, prevedendo spesso l'evento con anni di anticipo. Ad esempio, in regioni come l'Europa orientale, il modello ha rilevato le condizioni che avrebbero portato a un nuovo record di calore intorno all'inizio degli anni 2000, anticipando correttamente che il precedente record sarebbe stato superato. Ha anche predetto correttamente che nessun nuovo record sarebbe stato stabilito negli anni 2010, per poi prevedere un'altra estate record in arrivo intorno al 2024. Questa capacità di distinguere tra un anno caldo e uno veramente storico ha dimostrato che il modello stava catturando segnali reali piuttosto che limitarsi a indovinare.

Fondamentalmente, i ricercatori hanno scoperto che questo approccio di machine learning è spesso più accurato dei modelli dinamici standard utilizzati dagli scienziati climatici, che si basano su complesse equazioni fisiche per simulare l'atmosfera e gli oceani. In molte aree, tra cui l'Africa settentrionale, il Mediterraneo, l'Asia orientale e parti dell'Australia e del Sud America, il modello computazionale ha previsto l'inizio del calore record con maggiore precisione rispetto ai modelli tradizionali. I modelli tradizionali spesso faticano a catturare le specifiche variazioni interne del sistema climatico che, combinate con il riscaldamento globale, innescano questi eventi estremi. Il modello di machine learning, al contrario, ha imparato a riconoscere i precursori sottili nell'oceano e nell'atmosfera che segnalano l'arrivo di un'ondata di calore.

Lo studio introduce un concetto che chiamano "emergenza della prevedibilità". Questo descrive il punto in cui il riscaldamento globale diventa abbastanza forte che, combinato con i modelli oceanici naturali, il calore record diventa prevedibile. In passato, il rumore casuale della variabilità climatica naturale era così forte da sommergere il segnale del riscaldamento globale, rendendo impossibile prevedere specifici eventi estremi con anni di anticipo. Tuttavia, man mano che il pianeta continua a riscaldarsi, il segnale di quel riscaldamento è diventato più forte. I ricercatori hanno scoperto che in molte regioni questo segnale è già diventato abbastanza forte da permettere previsioni affidabili. In alcuni luoghi, la capacità di prevedere un'estate record entro una finestra di cinque anni è già emersa, mentre in altri si prevede che diventerà possibile nei prossimi dieci o vent'anni se le attuali tendenze al riscaldamento continueranno.

Il team ha anche esplorato quanto lontano nel futuro possano arrivare queste previsioni. Hanno scoperto che estendere la finestra di previsione da cinque a dieci anni migliora significativamente la capacità di prevedere il calore record. Questo accade semplicemente perché un arco temporale più lungo aumenta la probabilità statistica che si verifichi un evento estremo. In molte parti dell'emisfero settentrionale, il modello suggerisce che se guardiamo dieci anni avanti, possiamo già prevedere con abilità l'arrivo di un nuovo record di calore, a condizione che le condizioni oceaniche siano favorevoli. Anche nelle regioni in cui il segnale di riscaldamento non è ancora dominante, la combinazione di una finestra di previsione più lunga e la costante crescita delle temperature globali significa che la prevedibilità emergerà probabilmente presto.

Uno dei risultati più importanti dello studio è che questa prevedibilità dipende sia dalla tendenza al riscaldamento a lungo termine sia dalle fluttuazioni a breve termine degli oceani. I ricercatori hanno testato cosa sarebbe successo se avessero rimosso i dati oceanici dal modello, lasciandolo solo con la tendenza della temperatura globale. Hanno scoperto che senza le informazioni oceaniche, la capacità del modello di prevedere specifiche estati record diminuiva significamente. Ciò conferma che, sebbene il riscaldamento globale prepari la scena per il calore estremo, il momento specifico e la posizione di questi eventi sono ancora fortemente influenzati dalla variabilità naturale degli oceani. Il modello di machine learning ha successo perché impara a leggere lo script scritto sia dal pianeta che si riscalda sia dai mari in movimento.

I ricercatori hanno anche esaminato come queste previsioni potrebbero cambiare in futuro. Simulando diversi livelli di riscaldamento globale, hanno stimato che per la maggior parte delle regioni terrestri, la capacità di prevedere un'estate record entro cinque anni diventerà possibile entro i prossimi 10 o 30 anni, assumendo che l'attuale tasso di riscaldamento continui. In alcune aree, questa soglia è già stata superata. Lo studio suggerisce che, man mano che il pianeta si riscalda ulteriormente, la finestra per una previsione affidabile si amplierà, offrendo più tempo alle comunità per prepararsi all'inevitabile arrivo del calore estremo.

Sebbene i risultati siano promettenti, gli autori tengono a precisare i limiti del loro lavoro. I modelli di machine learning sono stati addestrati su dati provenienti da una singola simulazione climatica, e modelli diversi potrebbero produrre risultati leggermente differenti. Inoltre, i modelli sono più bravi a prevedere le medie stagionali che specifici episodi di calore brevi e intensi, sebbene i due siano strettamente collegati. I ricercatori sottolineano anche che se i futuri modelli oceanici dovessero evolversi in modi mai visti prima, le attuali previsioni potrebbero dover essere aggiustate. Tuttavia, il nucleo della scoperta rimane robusto: la combinazione del riscaldamento causato dall'uomo e della variabilità naturale degli oceani sta creando una nuova era di prevedibilità per il calore estremo.

Questo lavoro rappresenta un cambiamento significativo nel modo in cui gli scienziati approcciano la previsione climatica. Invece di vedere gli eventi estremi come puramente caotici e imprevedibili, lo studio dimostra che essi contengono un segnale prevedibile che cresce man mano che il pianeta si riscalda. Usando il machine learning per decodificare la complessa relazione tra gli oceani e l'atmosfera, i ricercatori hanno trovato un modo per guardare più lontano nel futuro rispetto a prima. Questo non significa che il clima sia diventato completamente prevedibile, ma significa che stiamo acquisendo la capacità di anticipare gli eventi di calore più pericolosi con un livello di fiducia che prima era fuori portata. Per le comunità di tutto il mondo, questa emergente capacità di prevedere estati record potrebbe essere uno strumento vitale per l'adattamento, offrendo una finestra temporale cruciale per proteggere vite e infrastrutture dalla crescente minaccia del calore estremo.