Il 2 luglio 1925, un Regio Decreto riorganizzò il Regio Ufficio di Meteorologia e lo ribattezzò, chiamandolo Servizio Meteorologico Nazionale Ufficio Presagi. “Presagi”, un termine che sembra evocare antiche pratiche divinatorie più che il mondo della scienza. Con gli strumenti dell’epoca, in effetti, le previsioni erano assai poco affidabili: la meteorologia stava ancora muovendo i primi passi.

La nascita della meteorologia moderna

Le basi di un approccio moderno alla disciplina del resto si erano iniziate a porre solo nel corso dell’Ottocento, in particolare nella seconda metà del secolo. Le osservazioni venivano effettuate in modo più diffuso e affidabile. Grazie al telegrafo era divenuto possibile scambiare dati a grande distanza quasi in tempo reale, mentre l’introduzione dei palloni aerostatici aveva consentito di compiere i primi studi su ciò che accade ad alta quota. Erano state avviate, infine, le collaborazioni che avevano portato alla fondazione nel 1878 dell’Organizzazione Meteorologica Internazionale, diventata poi Organizzazione Meteorologica Mondiale e fondamentale nel coordinare le attività di monitoraggio e la condivisione della conoscenza. Ancora un secolo fa, ai tempi dell’Ufficio Presagi, del funzionamento dell’atmosfera si sapeva però abbastanza poco. Prevedere il tempo era un esercizio basato su esperienza, intuito, una quantità limitata di dati e nozioni e tanti calcoli fatti a mano.

Il grosso problema è che l’atmosfera è un sistema gigantesco, estremamente complesso e caotico e sul quale influiscono moltissimi fattori, dalla conformazione del territorio alle correnti oceaniche, dalla radiazione solare all’aerosol. Prevederne il comportamento è un’impresa per la quale servono fondamentalmente tre elementi quasi del tutto assenti cento anni fa: tantissimi dati sulle condizioni iniziali, modelli in grado di simulare efficacemente l’evoluzione nel tempo dei fenomeni atmosferici, potenza di calcolo.

L’arrivo dei satelliti

Il punto di partenza per elaborare delle previsioni è conoscere lo stato attuale dell’atmosfera. Nel corso del tempo sono state costituite vastissime reti di rilevamento e collaborazioni internazionali per la condivisione di dati standardizzati. Tuttavia, molte zone del globo sono disabitate e difficilmente raggiungibili: posizionare fitte reti di stazioni meteo in mezzo all’Oceano Pacifico o in Antartide è impossibile. La soluzione è arrivata con lo sviluppo dei satelliti per l’osservazione della Terra. I primi mandati in orbita inviavano quasi esclusivamente immagini. Ora da lassù ci arriva un’incredibile e dettagliatissima mole di informazioni sull’intero pianeta, dalla temperatura superficiale alla copertura nuvolosa, dalle precipitazioni all’umidità.

Fra i più avanzati ci sono i satelliti MeteoSat di terza generazione, che rappresentano il futuro della più celebre costellazione satellitare europea dedicata alla meteorologia, operativa dal 1977. Il primo di questa nuova classe, MTG-I1, è stato lanciato nel dicembre 2022. Posizionato in orbita geostazionaria, vede un maggior numero di colori rispetto ai predecessori, invia una nuova immagine ogni due minuti e mezzo, scorge dettagli grandi 500 metri da 36.000 km di distanza. Grazie a uno strumento chiamato “Lightning imager”, sviluppato da Leonardo nello stabilimento di Campi Bisenzio vicino a Firenze, riesce anche a vedere i fulmini, fenomeni estremamente piccoli e di durata brevissima. È una caratteristica utile, ad esempio, per le attività di protezione civile collegate a fenomeni violenti e improvvisi come i forti temporali.

Modelli matematici e supercalcolatori

Tutti i dati raccolti sarebbero però inutili senza dei modelli matematici che, effettuando una serie di inevitabili semplificazioni del sistema, elaborino le informazioni simulando ciò che accadrà nell’atmosfera con il passare del tempo. I modelli meteorologici si possono suddividere in due grandi categorie: deterministici e probabilistici. I modelli deterministici partono dallo stato iniziale ritenuto più verosimile e rappresentativo. Compiendo un’unica simulazione detta “run”, forniscono un solo risultato per ogni variabile meteorologica, come temperatura, umidità e velocità del vento.

I modelli probabilistici, detti anche “ensemble” compiono invece varie simulazioni partendo da condizioni iniziali leggermente diverse fra loro. In questo modo permettono di stimare la probabilità delle previsioni: è maggiore quando i risultati sono concordi e via via più bassa man mano che, con il trascorrere del tempo, divergono. Le previsioni deterministiche sono utilizzate principalmente nel breve termine, mentre quelle probabilistiche sono impiegate su distanze temporali più lunghe e forniscono delle tendenze.

Il terzo fattore determinante è la disponibilità di risorse di calcolo. Sono fondamentali, in particolare, per i modelli ensemble. Per effettuare in tempi ragionevoli delle previsioni probabilistiche accurate sono necessari dei supercalcolatori. Uno dei più potenti al mondo per la meteorologia si trova a Bologna. È quello dell’ECMWF, lo European Center for Medium-Range Weather Forecast. Riceve e processa ogni giorno 800 milioni di osservazioni, provenienti principalmente dai satelliti ma anche da strutture sulla superficie terrestre e dagli aerei. Il risultato sono previsioni che si spingono fino a 15 giorni, ma anche previsioni mensili e stagionali.

​​

I servizi meteorologici

In Italia, il principale riferimento per le previsioni meteorologiche è il Servizio Meteorologico dell’Aeronautica Militare, l’erede dell’Ufficio Presagi. Dispone di una rete estesa su tutto il territorio nazionale. Le informazioni raccolte, insieme a dati provenienti da tutto il mondo, confluiscono nella sede centrale di Pratica di Mare, vicino a Roma. Lì, con il supporto di un supercalcolatore, si elaborano le previsioni che riguardano anche le condizioni del mare e lo space weather, cioè il meteo spaziale che dipende dall’attività solare e ha effetti su satelliti, reti elettriche, telecomunicazioni.

Grazie al progresso tecnologico e nella conoscenza dell’atmosfera, nel corso del tempo i passi avanti sono stati enormi su tutti i fronti, dalla qualità e completezza dei dati all’accuratezza dei modelli, fino alla potenza di calcolo disponibile. Le previsioni a breve termine hanno ormai un’accuratezza molto superiore al 90%. Il Met Office, il servizio meteorologico del Regno Unito, stima che oggi le sue previsioni a quattro giorni siano affidabili come le previsioni a un giorno di 30 anni fa. Negli anni '60, come mostrano i dati del National Hurricane Center statunitense, le previsioni a 72 ore sul percorso degli uragani nell’Atlantico avevano un margine di incertezza di 400 miglia, mentre ora si è scesi a circa 80 miglia.

Se però ancora oggi parliamo di “previsioni” è perché la professione del meteorologo rimane tutt’altro che semplice. Oltre alla distanza temporale, sull’affidabilità incide un altro fattore: la risoluzione spaziale desiderata. Si possono cioè avere previsioni a lungo termine piuttosto affidabili su aree vaste, ma più si vogliono previsioni riferite a un territorio di estensione limitata e più si riduce la nostra capacità di spingere lontano lo sguardo. Parallelamente, un fenomeno meteorologico di vaste dimensioni è più facilmente predicibile rispetto a uno di dimensioni ristrette: una perturbazione che si estende per giorni per centinaia di chilometri crea molte meno difficoltà rispetto a un temporale di breve durata in una vallata laterale alpina.

L’ingresso dell’intelligenza artificale

Il prossimo passo sarà probabilmente l’introduzione massiccia dell’intelligenza artificiale nella meteorologia. Ci sta già provando DeepMind, l’unità di Google che si occupa di AI. Nel novembre 2023 ha presentato GraphCast, un modello che produce previsioni fino a 10 giorni. Il sistema, basato sul deep learning, è stato allenato in collaborazione con l’ECMWF su un vasto archivio di dati meteorologici raccolti nel corso di quattro decenni. In caso di dati incompleti, per colmare le lacune si sono usati dei tradizionali modelli previsionali.

Secondo i suoi creatori, che sul tema hanno anche pubblicato un articolo sulla prestigiosa rivista Science, GraphCast durante una sperimentazione ha ottenuto risultati migliori rispetto al miglior modello del centro meteo europeo su oltre il 90% di 1380 variabili. Limitandosi alla troposfera, cioè la fascia di atmosfera più vicina alla superficie terrestre, i risultati sono stati migliori nel 99,7% dei casi. Non solo: GraphCast ha richiesto una grande potenza di calcolo nella fase di addestramento ma ora può elaborare le sue previsioni in meno di un minuto e senza bisogno di supercalcolatori. Si tratta di prodotti ancora sperimentali, ma la strada sembra tracciata.

immagine di copertina: Kevin from Pixabay

Il supercalcolatore dello European Center for Medium-Range Weather Forecast (immagine: ECMRWF)