Un modello globale con intelligenza artificiale per la profondità dei ghiacciai
È stato sviluppato il primo modello globale basato su intelligenza artificiale per stimare la distribuzione di profondità di tutti i ghiacciai del pianeta. Il progetto è stato guidato da Niccolò Maffezzoli, ricercatore Marie Curie affiliato all’Università Ca’ Foscari Venezia e alla University of California Irvine, nonché membro associato dell’Istituto di scienze polari del Consiglio nazionale delle ricerche. Pubblicato sulla rivista Geoscientific Model Development, il modello si propone come uno strumento fondamentale per l’analisi dei futuri scenari di fusione glaciale.
Prevedere l’innalzamento dei mari grazie all’intelligenza artificiale
Conoscere con precisione il volume dei ghiacciai della Terra è essenziale per proiettare l’innalzamento del livello dei mari, per gestire correttamente le risorse idriche e per valutare le conseguenze dello scioglimento dei ghiacci sulle comunità umane. Tuttavia, calcolare il volume complessivo dei ghiacciai rappresenta una delle sfide più complesse per la scienza. Grazie alla missione IceBridge della NASA, sono state raccolte oltre 4 milioni di misurazioni dirette dello spessore dei ghiacci, ma finora queste informazioni non sono state sfruttate adeguatamente nei modelli esistenti.
Un modello basato sul machine learning per stimare la profondità glaciale
Le misurazioni dirette coprono meno dell’1% dei ghiacciai globali, motivo per cui è fondamentale disporre di modelli in grado di stimare profondità e volume su scala planetaria. La ricerca coordinata da Maffezzoli è la prima a integrare questo grande insieme di dati con le potenzialità degli algoritmi di machine learning.
“Il nostro modello combina due schemi decisionali ad albero – spiega Niccolò Maffezzoli – addestrati utilizzando misurazioni dello spessore del ghiaccio insieme a 39 parametri tra cui velocità del ghiaccio, bilancio di massa, campi di temperatura, variabili geometriche e geodetiche. L’errore del modello allenato è fino al 30-40% inferiore rispetto agli attuali modelli globali tradizionali, in particolare alle latitudini polari e nelle periferie delle calotte polari, dove è presente la maggior parte del ghiaccio terrestre”.
Focus su Groenlandia, Antartide e aree montuose strategiche
Aree come i poli, la Groenlandia e l’Antartide risultano particolarmente sensibili e cruciali per le previsioni future. “Ai poli e nelle periferie della Groenlandia e dell’Antartide – aggiunge Maffezzoli – è particolarmente importante avere stime precise, che possono essere utilizzate come condizione iniziale dai modelli numerici che simulano il movimento dei ghiacci e le loro interazioni con gli oceani, da cui dipendono le stime di innalzamento del livello dei mari in funzione degli scenari climatici futuri”.
Secondo il ricercatore, il modello dimostra una grande capacità di generalizzazione proprio in queste aree e potrebbe contribuire a migliorare anche le attuali mappe del terreno sotto la calotta glaciale, come nel caso del Geikie Plateau e della Penisola Antartica.
Prospettive future e applicazioni del nuovo modello Ca’ Foscari
Questo nuovo approccio rappresenta un punto di svolta per la modellistica glaciale. “Prevediamo di rilasciare due dataset per un totale di mezzo milione di mappe di profondità entro la fine del 2025 – afferma Maffezzoli – C’è ancora tanta strada da fare, ma questo lavoro dimostra che approcci basati su AI e machine learning stanno aprendo nuovi interessanti scenari per la modellistica dei ghiacci”.
Attualmente, la fusione dei ghiacciai contribuisce per circa il 25-30% all’innalzamento globale del livello del mare. Le aree più critiche includono le grandi catene montuose come l’Himalaya, il Karakoram e le Ande, che alimentano bacini idrici essenziali per miliardi di persone, oltre alle grandi masse glaciali della Groenlandia e dell’Antartide, la cui stabilità è determinante per l’equilibrio globale.
