IceBoost 2.0 ricostruisce il volume del ghiaccio terrestre con precisione senza precedenti. Un modello di intelligenza artificiale addestrato con oltre sette milioni di misurazioni ridefinisce la mappa globale dei ghiacciai.
Lo studio, coordinato dall’Università Ca’ Foscari Venezia in collaborazione con il Cnr-Isp e pubblicato su Scientific Data del gruppo Nature, migliora fino al 40% l’accuratezza delle stime e diventerà un riferimento per le future simulazioni climatiche dell’IPCC.
L’intelligenza artificiale entra sempre più nel cuore della ricerca sul cambiamento climatico, offrendo strumenti capaci di comprendere con maggiore precisione l’evoluzione del nostro pianeta. È questo il risultato di un importante studio internazionale coordinato dall’Università Ca’ Foscari Venezia insieme all’Istituto di Scienze Polari del Consiglio Nazionale delle Ricerche (Cnr-Isp), che ha portato allo sviluppo di IceBoost v2.0, un innovativo modello di machine learning in grado di ricostruire con un livello di dettaglio mai raggiunto prima lo spessore e il volume dei ghiacciai terrestri.
La ricerca, pubblicata sulla rivista Scientific Data del gruppo Nature, rappresenta un significativo avanzamento nel campo della glaciologia e delle scienze del clima. Grazie a una ricostruzione più accurata delle riserve mondiali di ghiaccio, gli scienziati potranno migliorare le previsioni sull’innalzamento del livello dei mari e comprendere meglio come i ghiacciai reagiranno al riscaldamento globale nei prossimi decenni.
IceBoost 2.0: come l’intelligenza artificiale “legge” i ghiacciai
Il modello è stato sviluppato dal fisico Niccolò Maffezzoli, ricercatore dell’Università Ca’ Foscari Venezia e associato al Cnr-Isp. Per addestrare IceBoost v2.0 sono state utilizzate oltre sette milioni di misurazioni dello spessore del ghiaccio, raccolte in numerose aree del pianeta. A queste informazioni sono state integrate ventisei variabili fisiche e geomorfologiche, tra cui la pendenza del terreno, la sua curvatura, la velocità di movimento dei ghiacciai e la temperatura.
L’intelligenza artificiale è così riuscita a ricostruire, punto dopo punto, la distribuzione del ghiaccio presente nei ghiacciai censiti dal Randolph Glacier Inventory, il più aggiornato database mondiale dedicato ai ghiacciai, con l’esclusione delle grandi calotte polari di Antartide e Groenlandia.
Quanto ghiaccio custodisce il pianeta?
Secondo le nuove elaborazioni, i ghiacciai della Terra contengono circa 150 mila chilometri cubi di ghiaccio. Se questa immensa riserva d’acqua dovesse sciogliersi completamente, il livello medio degli oceani aumenterebbe di circa 32,3 centimetri, considerando esclusivamente i ghiacciai montani e non le calotte polari.
Sebbene il volume complessivo sia sostanzialmente in linea con le precedenti stime scientifiche, IceBoost v2.0 introduce un cambiamento sostanziale nella capacità di descrivere la distribuzione del ghiaccio all’interno dei singoli ghiacciai, raggiungendo una fedeltà alle misure effettuate sul campo fino al 40% superiore rispetto ai modelli utilizzati finora.
Il caso della Groenlandia cambia le prospettive
Tra i risultati più significativi emerge il caso del Geikie Plateau, nella Groenlandia orientale, dove il nuovo modello individua spessori del ghiaccio che raggiungono i due chilometri e stima una quantità complessiva quasi doppia rispetto alle valutazioni precedenti.
Si tratta di un dato particolarmente importante perché la distribuzione dello spessore glaciale rappresenta uno degli elementi fondamentali per simulare l’evoluzione futura delle masse di ghiaccio e il loro contributo all’innalzamento del livello del mare. Come sottolinea Niccolò Maffezzoli, conoscere con precisione lo stato attuale dei ghiacciai è indispensabile per costruire modelli climatici affidabili che guardino all’orizzonte del 2100.
Non è un caso che IceBoost v2.0 sia già stato scelto come riferimento dai ricercatori del progetto internazionale GlacierMIP4, impegnati nella realizzazione delle nuove simulazioni che supporteranno i prossimi rapporti dell’Intergovernmental Panel on Climate Change (IPCC).
Un aiuto concreto per la gestione dell’acqua dolce
L’importanza del nuovo dataset va però ben oltre la climatologia. Le mappe prodotte dal sistema di intelligenza artificiale consentono infatti di individuare con precisione le aree del pianeta dove le stime risultano più affidabili e quelle in cui sarà necessario intensificare le campagne di misura, come l’Himalaya, il Karakoram e i grandi campi glaciali della Patagonia.
Le ricadute sono particolarmente rilevanti anche sul fronte della gestione delle risorse idriche. I ghiacciai alimentano fiumi, laghi, ecosistemi naturali, attività agricole e comunità umane, garantendo la disponibilità di acqua dolce a circa 1,9 miliardi di persone. Disporre di una conoscenza più precisa del loro volume significa poter costruire scenari più affidabili sulla futura disponibilità d’acqua, soprattutto nelle regioni più vulnerabili ai processi di desertificazione e agli effetti dei cambiamenti climatici.
Il futuro della ricerca passa dai modelli ibridi
Secondo Maffezzoli, i ghiacciai rappresentano sistemi estremamente complessi. Sebbene la fisica che ne descrive il comportamento sia ben nota, molti dei parametri necessari per applicarla risultano difficili da misurare direttamente. In questo contesto, il machine learning offre un approccio complementare capace di apprendere direttamente dai dati sperimentali e di formulare previsioni molto accurate.
La prospettiva della ricerca sarà quella di sviluppare modelli ibridi, nei quali le leggi della fisica e l’intelligenza artificiale lavoreranno insieme per ottenere simulazioni sempre più precise. Un obiettivo che assume un carattere di particolare urgenza, poiché, come ricorda il ricercatore, molti ghiacciai delle medie latitudini, comprese le Alpi, rischiano di scomparire entro pochi decenni se l’attuale tendenza al riscaldamento globale non verrà invertita.
Lo studio è stato realizzato grazie a una fellowship Marie Skłodowska-Curie Actions del programma Horizon Europe, nell’ambito del progetto SKYNET, e ha coinvolto anche l’Università della California Irvine, il Jet Propulsion Laboratory della NASA, il Dartmouth College e l’Università di Copenaghen.
