Il ghiaccio marino artico svolge un ruolo fondamentale nel sistema climatico globale poiché riflette l’energia solare nello spazio, mentre l’oceano, più scuro, la assorbe. Le variazioni del ghiaccio marino artico possono influenzare i pattern atmosferici e oceanici ben oltre la regione stessa; di conseguenza, è prezioso poter anticipare tali cambiamenti con mesi di anticipo per comprendere meglio gli impatti climatici su più ampia scala. I ricercatori del Mubadala Arabian Center for Climate and Environmental Sciences (ACCESS) della NYU Abu Dhabi hanno sviluppato un nuovo algoritmo in grado di prevedere l’estensione del ghiaccio marino artico fino a nove mesi in anticipo, offrendo un nuovo metodo per anticipare cambiamenti nell’Artico che possono influenzare il sistema climatico globale.
Denominato Random Analog Predictor (RAP), l’algoritmo utilizza dati storici sul ghiaccio marino per individuare pattern passati simili alle condizioni attuali e sfrutta gli eventi successivi a tali pattern per generare possibili previsioni. RAP fornisce inoltre una stima dell’incertezza per ciascuna previsione. La ricerca è stata pubblicata sulla rivista Scientific Reports.
Previsioni semplici con incertezza trasparente
“Prevedere l’estensione del ghiaccio marino artico con diversi mesi di anticipo è una sfida complessa, che sta diventando sempre più importante man mano che l’Artico continua a cambiare“, ha affermato Francesco Paparella, direttore fondatore del Mubadala ACCESS presso la NYU Abu Dhabi e autore senior dello studio. “Il nostro approccio è volutamente semplice, ma offre prestazioni competitive rispetto a modelli di previsione molto più complessi. Aspetto importante, fornisce anche una stima della propria incertezza, rendendolo un punto di riferimento utile e trasparente per valutare futuri metodi di previsione”.
I ricercatori hanno riscontrato che RAP ha generato previsioni con un livello di accuratezza paragonabile a quello dei modelli utilizzati dal Sea Ice Prediction Network. Per quanto riguarda l’estensione del ghiaccio marino nel mese di settembre, l’errore di previsione è risultato paragonabile a quello di 34 modelli impiegati per le previsioni stagionali. A differenza dei modelli basati sulla fisica, che simulano l’atmosfera, l’oceano e il ghiaccio marino, RAP utilizza esclusivamente i dati storici sull’estensione del ghiaccio marino artico. Individuando condizioni passate simili, genera un insieme di possibili previsioni. La dispersione di tali previsioni fornisce una stima dell’incertezza, consentendo agli utenti di valutare il grado di affidabilità della previsione stessa.
Valutare l’importanza della complessità del modello
I ricercatori propongono RAP come punto di riferimento sia per i modelli basati sulla fisica che per quelli basati sull’intelligenza artificiale. La sua semplicità e interpretabilità offrono un punto di riferimento trasparente rispetto al quale è possibile valutare approcci più complessi. “Il valore di RAP non risiede nella sua capacità di sostituire modelli più sofisticati, bensì nel fornire uno standard chiaro con cui questi ultimi possono essere confrontati“, ha aggiunto Paparella. “Se un modello molto più complesso non riesce a superare le prestazioni di un approccio così semplice, ciò ci rivela un aspetto importante riguardo all’effettivo valore aggiunto, in termini di informazioni predittive, offerto da tale complessità. Riconosciamo inoltre il potenziale di RAP nel sostenere le crescenti attività di ricerca polare e artica degli Emirati Arabi Uniti, offrendo uno strumento semplice ed economico per la previsione stagionale del ghiaccio marino”.