Con quale anticipo si può prevedere il tempo?

Nell’ottobre 1987, una violenta tempesta che ha raggiunto velocità superiori a 100 km/h ha attraversato le zone meridionali dell’Inghilterra, uccidendo 18 persone e sradicando 15 milioni di alberi. L’evento è rimasto impresso nella memoria collettiva degli inglesi in parte perché, a quanto pare,i meteorologi non sono riusciti a prevedere l’evento, se non la sera prima.

«A quel tempo forse veniva riposta un po’ troppa fiducia nelle singole previsioni meteorologiche», afferma Ted Shepherd, titolare di una cattedra Grantham in climatologia presso l’Università di Reading, nel Regno Unito. «Oggi, i centri metereologici non si affiderebbero mai a una sola serie di previsioni: c’è una migliore connettività e una migliore condivisione dei dati.»

A rendere più accurate le previsioni hanno contribuito complessivamente progressi tecnologici quali i dati raccolti da satelliti, boe e navi; la maggiore velocità di elaborazione e l’apprendimento automatico; e una migliore comprensione della fisica e della dinamica atmosferiche. Shepherd tuttavia sottolineerebbe che per rivoluzionare le previsioni meteorologiche è stato determinante anche un cambio di approccio.

«Oggi le previsioni sono un insieme di dati che tentano di catturare l’incertezza», spiega. «Ciò significa che se i dati provenienti da un solo sistema predittivo indicano l’arrivo di una tempesta, allora sarà possibile presentare questo fenomeno di impatto potenzialmente elevato come un evento a bassa probabilità. È una questione di comunicazione.»

Inoltre, Shepherd osserva che la prassi di assegnare un nome alle tempeste spinge le persone a prendere sul serio gli eventi atmosferici estremi. «Le rende più facili da visualizzare», aggiunge. «E quando spieghiamo alle persone la ragione per cui si verificano certe situazioni, esse sono molto più pronte ad agire.»Considerando quindi questi progressi tecnologici e metodologici, con quale anticipo si può riuscire a prevedere il tempo? Si potrà presto essere in grado di prevedere con una certa attendibilità la comparsa in un particolare luogo di una tempesta di una determinata intensità, con mesi di anticipo?

Shepherd afferma che probabilmente la risposta a questa domanda era arrivata più di 50 anni fa. «Nel 1969 Edward Lorenz, creatore della teoria del caos, scrisse un famoso articolo che stabiliva un limite superiore teorico di due settimane per le previsioni metereologiche», spiega. «Ritengo che questa stima abbia resistito piuttosto bene.»

La motivazione su cui si basa è l’effetto farfalla: l’idea concettuale che il percorso di un tornado, ad esempio, possa essere influenzato dal battito a distanza delle ali di una farfalla. Differenze minime nelle condizioni iniziali possono produrre esiti estremamente divergenti. Questo è il motivo per cui più si allontana l’orizzonte temporale, meno saranno accurate le nostre previsioni ed ecco perché prevedere accuratamente il tempo atmosferico nel lontano futuro sarebbe incredibilmente rischioso.

Shepherd sottolinea inoltre che questo tipo di previsioni non sarebbe di particolare utilità. «Classicamente, il tempo atmosferico indica ciò che avviene in un luogo in un dato momento», osserva. «Pioverà domani o è probabile che piova la prossima settimana?» Più si guarda in avanti, meno sarà necessario che le informazioni meteorologiche siano accurate, ovvero è sufficiente sapere approssimativamente quando si verificheranno.

Questo è il tipo di interrogativi che potrebbe influire sul processo decisionale. Qualsiasi previsione più a lungo termine inizierà a somigliare più a una previsione climatica, ossia l’identificazione delle tendenze prevalenti e di come queste cambiano di anno in anno. «Questo punto in cui il tempo atmosferico si traduce nel clima rappresenta davvero l’avanguardia del settore», aggiunge Shepherd. «Il progetto CausalBoost, finanziato dall’UE, si occupa per esempio di questo spazio intermedio, in quanto è incentrato su una scala temporale sub-stagionale.»

Questo progetto, che ha cercato di rafforzare le previsioni della pioggia per l’area del Mediterraneo mediante tecniche di apprendimento automatico, è stato condotto dalla ricercatrice Marie Skłodowska-Curie Marlene Kretschmer, insieme a Shepherd e a colleghi di altre parti d’Europa. I ricercatori, analizzando una gamma di set di dati con algoritmi di apprendimento automatico, sono stati in grado di comprendere meglio i fattori trainanti delle precipitazioni nel Mediterraneo. Ciò potrebbe aiutare i coltivatori a pianificare in anticipo le stagioni secche.

Per saperne di più sulla ricerca di Kretschmer e Shepherd: Migliorare le previsioni sulle precipitazioni nel Mediterraneo.