L’intelligenza artificiale può aiutarci a tracciare gli sversamenti di petrolio in mare

Un nuovo studio del CMCC – Centro Euro-Mediterraneo sui Cambiamenti Climatici – dimostra come l’integrazione tra intelligenza artificiale e modellistica oceanica tradizionale possa rivoluzionare il tracciamento degli sversamenti di petrolio in mare, migliorandone l’accuratezza fino al 25%.
Pubblicato sulla rivista Ecological Informatics, lo studio introduce un approccio ibrido che combina la solidità della fisica con l’adattabilità dell’intelligenza artificiale. La tecnica di Bayesian optimization permette al sistema di «apprendere automaticamente dalle osservazioni satellitari per regolare i parametri fisici del modello», spiega il CMCC.
Più precisione in meno tempo
I ricercatori hanno testato il modello sull’incidente di Baniyas, in Siria (2021), dove oltre 12.000 metri cubi di petrolio si sono riversati nel Mediterraneo. I risultati sono stati notevoli: fino al 20% di accuratezza in più nel confronto con le osservazioni satellitari e un miglioramento del 25% nel tracciamento della posizione delle macchie di petrolio.
«Questo lavoro rappresenta un passo avanti significativo nel colmare il divario tra la modellistica numerica oceanica tradizionale e le metodologie AI, mostrando che soluzioni ibride possono sfruttare efficacemente i punti di forza di entrambi i mondi», spiega Gabriele Accarino, ricercatore del CMCC e della Columbia University, autore principale dello studio.
L’algoritmo di machine learning calibra in modo automatico e continuo i parametri del modello, riducendo i tempi di analisi e rendendo le previsioni più tempestive. «Piuttosto che sostituire la fisica, il nostro approccio ibrido la integra, migliorando il realismo e l’affidabilità delle simulazioni», aggiunge Marco De Carlo, co-autore dello studio.

Un aiuto concreto nelle emergenze
La capacità di aggiornarsi in tempo reale con nuovi dati rende il sistema particolarmente utile nelle fasi critiche della risposta a emergenze ambientali. «Il sistema può anche aggiornarsi in tempo reale con l’arrivo di nuove osservazioni. Inoltre è trasferibile e rilocabile, può quindi essere applicato ad aree geografiche diverse o ad altri contesti, come la modellistica atmosferica o oceanica», continua De Carlo.
Secondo Igor Ruiz Atake, anche lui ricercatore del CMCC, “il nostro team interdisciplinare ha sviluppato un approccio che cerca automaticamente i parametri ottimali del modello di marea nera. Nelle emergenze marine, il tempo è essenziale: questo metodo permette agli esperti di concentrarsi sulla comprensione dell’evento invece che sugli aspetti tecnici”.
Un cambio di paradigma
L’approccio sviluppato dal CMCC non si limita agli sversamenti di petrolio: il framework è trasferibile ad altri sistemi di previsione ambientale, dai modelli atmosferici a quelli di circolazione oceanica generale. “In questo senso, lo studio non introduce soltanto un contributo tecnico innovativo, ma segna anche un cambio di paradigma nella previsione ambientale, dove la physics-informed AI diventa un pilastro della gestione operativa del rischio e delle strategie di resilienza climatica”, osserva Accarino.
Le simulazioni sono state realizzate grazie al JUNO Hybrid Cluster del CMCC, uno dei centri di calcolo più avanzati in Europa per la ricerca su clima e ambiente.
Con il cambiamento climatico che altera sempre più le condizioni oceaniche e atmosferiche, strumenti come questo – basati su intelligenza artificiale e conoscenza fisica – diventano essenziali per proteggere gli ecosistemi marini e le comunità costiere da eventi potenzialmente devastanti.
NOTE: questo articolo è stato generato con il supporto dell’intelligenza artificiale.