Dall’intelligenza artificiale ai satelliti di nuova generazione, dai radar meteorologici ai Digital Twin della Terra: prevedere il tempo significa oggi integrare miliardi di osservazioni, modelli fisici, supercomputer e sistemi probabilistici.
La meteorologia entra in una nuova fase nella quale l’obiettivo non è soltanto sapere se pioverà, ma prevedere con maggiore anticipo dove, quando e con quale intensità si manifesteranno gli eventi atmosferici estremi.
La meteorologia moderna è una delle discipline scientifiche nelle quali la capacità di osservazione e quella di calcolo devono procedere insieme. L’atmosfera è infatti un sistema dinamico non lineare: piccole differenze nelle condizioni iniziali possono amplificarsi nel tempo e determinare evoluzioni differenti. Per questo una previsione meteorologica non può essere considerata una semplice estrapolazione del tempo presente.
Dietro una previsione ci sono osservazioni terrestri e satellitari, equazioni della dinamica atmosferica, assimilazione dei dati, modelli numerici, intelligenza artificiale, ensemble probabilistici e supercomputer. Il progresso consiste soprattutto nel descrivere meglio lo stato iniziale dell’atmosfera e nel calcolarne più accuratamente le possibili evoluzioni.
I grandi centri internazionali, dall’ECMWF ai servizi meteorologici nazionali, insieme a organizzazioni come WMO, ESA ed EUMETSAT e ai principali centri universitari di ricerca, stanno trasformando profondamente questo processo.
Dall’osservazione dell’atmosfera alla previsione
Una previsione parte da una domanda apparentemente semplice: qual è esattamente lo stato dell’atmosfera in questo momento?
Per rispondere occorre misurare temperatura, pressione atmosferica, umidità, velocità e direzione del vento, precipitazioni, radiazione, contenuto di acqua e ghiaccio delle nubi e numerose altre variabili.
Le informazioni provengono da stazioni meteorologiche terrestri, radiosonde trasportate da palloni, boe oceaniche, navi, aeromobili, radar e satelliti. A queste reti tradizionali si stanno aggiungendo sensori automatici sempre più piccoli, sistemi IoT, osservazioni da droni e nuove piattaforme remote.
Il problema non è soltanto raccogliere molti dati. Occorre stabilirne qualità, rappresentatività, posizione e precisione, per poi integrarli in una rappresentazione tridimensionale coerente dell’atmosfera.
È qui che interviene la data assimilation, l’assimilazione dei dati: le osservazioni vengono combinate con una previsione a brevissimo termine e con la conoscenza statistica degli errori per produrre la migliore stima possibile dello stato iniziale dell’atmosfera.
È uno dei passaggi decisivi dell’intera meteorologia numerica. Anche il modello più potente può infatti produrre una previsione sbagliata se viene inizializzato con una descrizione insufficiente dell’atmosfera.
Le nove frontiere della meteorologia
1. Intelligenza artificiale e Machine Learning Weather Prediction
La prima grande frontiera è l’intelligenza artificiale applicata alle previsioni meteorologiche.
Modelli come GraphCast hanno dimostrato che le reti neurali possono apprendere l’evoluzione dell’atmosfera utilizzando grandi archivi di dati meteorologici. Il lavoro su GraphCast, pubblicato su Science, ha mostrato prestazioni superiori al sistema deterministico HRES utilizzato come riferimento nello studio per una larga maggioranza delle variabili e delle scadenze analizzate.
La ricerca è rapidamente passata dalla sperimentazione all’operatività. L’ECMWF ha reso operativo nel febbraio 2025 il proprio Artificial Intelligence Forecasting System, AIFS, affiancandolo al tradizionale Integrated Forecasting System basato sulla fisica.
Nel maggio 2026 il Centro europeo ha inoltre aggiornato alla versione 2 sia AIFS Single sia AIFS ENS.
Questo passaggio è fondamentale: l’AI non è più soltanto un esperimento accademico, ma sta entrando nella meteorologia operativa.
Il futuro probabilmente non sarà una contrapposizione tra fisica e AI. Sarà piuttosto una meteorologia ibrida, nella quale modelli fisici e modelli di apprendimento automatico lavoreranno insieme.
2. Previsioni probabilistiche ed ensemble sempre più sofisticati
Dire che domani pioverà non è sufficiente. La meteorologia deve essere capace di dire quanto è probabile che piova e quanto è affidabile quella previsione.
È la logica degli ensemble: invece di calcolare una sola evoluzione dell’atmosfera, vengono generate numerose simulazioni introducendo piccole variazioni nelle condizioni iniziali e nel modello.
Se quasi tutte convergono verso uno stesso scenario, la fiducia aumenta. Se divergono, l’incertezza è maggiore.
L’AIFS ENS dell’ECMWF utilizza 51 previsioni per descrivere differenti scenari possibili ed è operativo dal luglio 2025. Secondo ECMWF, il sistema ha mostrato miglioramenti fino al 20% per alcune metriche, come la temperatura superficiale, pur operando a una risoluzione inferiore rispetto all’ensemble fisico.
Anche GenCast ha segnato un passaggio importante. Lo studio pubblicato su Nature descrive un modello probabilistico di machine learning capace di generare previsioni globali ensemble fino a 15 giorni. Nei test pubblicati, GenCast ha mostrato maggiore skill rispetto all’ensemble ECMWF utilizzato nel confronto sul 97,2% dei 1.320 target valutati.
La previsione del futuro diventa quindi sempre meno una singola traiettoria e sempre più una mappa delle probabilità.
3. Modelli meteorologici a scala chilometrica e sub-chilometrica
La terza frontiera riguarda la risoluzione.
Più piccole diventano le celle nelle quali viene suddivisa virtualmente l’atmosfera, maggiore è la possibilità di rappresentare direttamente fenomeni che nei modelli più grossolani devono essere approssimati.
Questo è particolarmente importante per temporali, precipitazioni intense, convezione, effetti orografici e circolazioni locali.
Il programma europeo Destination Earth sta spingendo le simulazioni verso la scala chilometrica. Il Digital Twin dedicato agli estremi meteorologici opera con una componente globale ad altissima risoluzione e con simulazioni regionali sull’Europa che possono scendere nell’ordine di 500-750 metri.
È un salto sostanziale. Significa avvicinarsi alla possibilità di descrivere esplicitamente strutture atmosferiche che fino a pochi anni fa risultavano troppo piccole per un modello globale.
4. Satelliti meteorologici di nuova generazione
Una previsione migliore richiede un’atmosfera osservata meglio.
I satelliti geostazionari di nuova generazione stanno aumentando enormemente frequenza, risoluzione e quantità delle osservazioni.
Il programma Meteosat Third Generation rappresenta un esempio particolarmente significativo. Il Flexible Combined Imager può osservare l’intero disco terrestre ogni dieci minuti e l’area europea ogni due minuti e mezzo attraverso 16 canali nel visibile e nell’infrarosso.
Il Lightning Imager permette inoltre di osservare continuamente i fulmini dallo spazio. Le variazioni dell’attività elettrica possono fornire informazioni preziose sull’evoluzione dei temporali severi.
Ancora più importante sarà l’Infrared Sounder, progettato per ottenere informazioni tridimensionali sulla distribuzione di temperatura e vapore acqueo nell’atmosfera e quindi riconoscere condizioni di instabilità prima ancora della formazione delle nubi.
Il satellite sta così diventando sempre meno una semplice “fotocamera della Terra” e sempre più un laboratorio orbitale per l’analisi dell’atmosfera.
5. Lidar e misurazione tridimensionale del vento
Il vento è una delle variabili fondamentali e contemporaneamente più difficili da osservare globalmente.
La missione Aeolus dell’ESA ha dimostrato il valore del Doppler Wind Lidar dallo spazio: un laser invia impulsi nell’atmosfera e analizza la radiazione retrodiffusa per ricostruire profili del vento.
Gli studi condotti dall’ECMWF hanno mostrato che i dati Aeolus erano di qualità sufficiente per produrre miglioramenti utili nella previsione numerica globale.
Il principio scientifico apre una strada importante: future costellazioni satellitari equipaggiate con lidar potrebbero fornire una rappresentazione molto più completa della circolazione atmosferica, soprattutto sopra oceani e regioni scarsamente osservate.
6. Radar meteorologici, nowcasting e osservazione quasi istantanea
Per gli eventi estremi di brevissima durata non basta sapere cosa potrebbe accadere domani. Bisogna capire cosa accadrà nei prossimi minuti o nelle prossime ore.
È il dominio del nowcasting.
I radar meteorologici Doppler e a doppia polarizzazione permettono di osservare la struttura delle precipitazioni e il movimento delle idrometeore. Integrando radar, fulmini, satelliti, stazioni terrestri e algoritmi di intelligenza artificiale è possibile seguire l’evoluzione delle celle temporalesche praticamente in tempo reale.
Questa capacità sarà sempre più importante per grandine, flash flood, downburst, temporali autorigeneranti e altri fenomeni localizzati nei quali poche decine di minuti di anticipo possono avere un enorme valore per la protezione civile.
7. IoT, MEMS e reti meteorologiche ad altissima densità
Un’altra trasformazione arriva dal basso.
Le tradizionali stazioni professionali garantiscono elevata qualità, ma non possono essere installate ogni poche centinaia di metri. La diffusione di sensori IoT e MEMS può invece aumentare drasticamente la densità delle osservazioni.
Pressione, temperatura, umidità, precipitazioni e altre variabili possono essere raccolte continuamente da migliaia di punti distribuiti sul territorio.
La questione scientifica centrale è la qualità del dato. Un grande numero di sensori non calibrati non equivale automaticamente a una buona rete meteorologica.
La nuova frontiera consiste quindi nel combinare alta densità, calibrazione, interoperabilità, controllo automatico della qualità e trasmissione in tempo reale.
Se opportunamente validati, questi sistemi possono risultare particolarmente utili negli ambienti urbani, dove edifici, asfalto, vegetazione e traffico producono microclimi estremamente variabili nello spazio.
8. Digital Twin della Terra
Una delle evoluzioni più ambiziose è la costruzione di veri e propri gemelli digitali del sistema Terra.
Destination Earth sta sviluppando Digital Twin capaci di combinare modelli atmosferici, oceano, superficie terrestre, osservazioni e applicazioni settoriali.
Per gli estremi meteorologici l’obiettivo è produrre simulazioni ad altissima risoluzione e scenari personalizzati, arrivando dalla scala globale a quella regionale e locale.
La novità è concettuale oltre che tecnologica.
Non si domanda più soltanto “che tempo farà?”, ma si possono costruire simulazioni per chiedere: che cosa potrebbe accadere in questo territorio se una determinata configurazione atmosferica evolvesse in un certo modo?
Il Digital Twin diventa così uno strumento di previsione, simulazione e supporto alle decisioni.
Le nuove simulazioni climatiche Destination Earth lavorano inoltre a risoluzioni di circa 5 km per atmosfera e superficie terrestre, con dati orari e applicazioni rivolte anche a precipitazioni estreme, incendi, idrologia ed energia.
9. Supercalcolo, fusione dei dati e meteorologia degli impatti
L’ultima frontiera tiene insieme tutte le precedenti: potenza di calcolo, fusione dei dati e previsione degli effetti al suolo.
Portare un modello da decine di chilometri a pochi chilometri o addirittura sotto il chilometro significa aumentare enormemente il numero delle operazioni necessarie. Sono quindi indispensabili sistemi HPC, architetture GPU e infrastrutture pre-exascale ed exascale.
Ma il risultato finale non deve essere semplicemente una carta meteorologica più dettagliata.
La meteorologia sta passando dalla previsione del fenomeno alla impact-based forecasting, cioè alla previsione delle conseguenze.
Non basta prevedere 150 millimetri di pioggia. Occorre comprendere quali bacini potrebbero andare in crisi, quali aree urbane potrebbero allagarsi, quali infrastrutture risultano vulnerabili e quale popolazione potrebbe essere esposta.
È proprio in questa direzione che i Digital Twin europei collegano le simulazioni del sistema Terra a modelli di impatto settoriale.
Gli strumenti innovativi che misurano e verificano il tempo
La meteorologia del futuro poggia quindi su una rete di strumenti molto più ampia rispetto alla tradizionale stazione meteo.
Restano fondamentali termometri, barometri, igrometri, pluviometri e anemometri, ma intorno a questi strumenti si è sviluppato un ecosistema tecnologico completamente nuovo.
I radar Doppler analizzano precipitazioni e movimento delle masse atmosferiche; i radar a doppia polarizzazione migliorano la caratterizzazione delle idrometeore. Le radiosonde continuano a fornire profili verticali fondamentali di temperatura, pressione, umidità e vento.
I satelliti geostazionari osservano continuamente vaste porzioni della Terra, mentre quelli polari forniscono misurazioni globali ad alta qualità. Radiometri e spettrometri permettono di ricavare informazioni su temperatura, umidità, nubi e composizione atmosferica.
I lidar utilizzano impulsi laser per analizzare aerosol, nubi e vento. Le reti di rilevamento dei fulmini permettono di seguire l’attività elettrica dei temporali. Boe, navi e piattaforme oceaniche misurano l’interazione fra oceano e atmosfera.
A tutto questo si aggiungono sensori montati sugli aeromobili, droni meteorologici, stazioni automatiche, sensori MEMS, dispositivi IoT e sistemi mobili.
Il valore non deriva però dal singolo strumento. La vera innovazione è la fusione delle osservazioni.
Il nodo decisivo: misurare continuamente
La meteorologia ha una caratteristica che spesso viene sottovalutata: una misura isolata racconta soltanto un istante, mentre è la serie temporale continua a descrivere l’evoluzione di un fenomeno.
Per comprendere l’atmosfera servono quindi osservazioni continuative, sincronizzate, georeferenziate e sottoposte a controllo di qualità.
Una rete capillare consente inoltre di verificare le previsioni. Questo processo, chiamato forecast verification, confronta ciò che il modello aveva previsto con ciò che è realmente accaduto.
È essenziale perché permette di calcolare errori sistematici, bias, affidabilità probabilistica e capacità di prevedere gli eventi estremi. Senza verifica non esiste miglioramento scientificamente misurabile del modello.
Perché una previsione non sarà mai sicura al 100%
Nonostante AI, satelliti e supercomputer, parlare di previsione meteorologica “sicura” in senso assoluto sarebbe scientificamente scorretto.
L’atmosfera è un sistema caotico. L’incertezza non dipende esclusivamente dalla qualità del modello: nasce anche dall’impossibilità di conoscere con precisione assoluta lo stato iniziale dell’intera atmosfera.
La vera rivoluzione consiste quindi nel quantificare meglio l’incertezza.
La previsione più avanzata non è necessariamente quella che afferma con maggiore decisione che cosa accadrà, ma quella che riesce a indicare con maggiore affidabilità la probabilità dei diversi scenari.
Da questo punto di vista gli ensemble rappresentano uno dei cardini della meteorologia moderna e la ricerca sull’AI probabilistica sta accelerando ulteriormente il cambiamento. Nel 2026, per esempio, un lavoro pubblicato su npj Artificial Intelligence ha presentato AIFS-CRPS, un sistema ECMWF progettato specificamente per la previsione ensemble attraverso machine learning.
Meteorologia e cambiamento climatico: prevedere gli estremi
L’aumento dell’esposizione della società agli eventi estremi rende questa evoluzione ancora più importante.
Prevedere con maggiore precisione ondate di calore, precipitazioni estreme, cicloni, grandinate, alluvioni lampo e tempeste significa trasformare l’informazione scientifica in prevenzione.
La capacità di simulazione sta arrivando a risoluzioni che fino a pochi anni fa sarebbero state difficilmente immaginabili su grandi domini. Destination Earth ha già sperimentato previsioni globali a 4,4 e 2,8 km, mostrando miglioramenti nella rappresentazione di fenomeni complessi come cicloni tropicali e forti precipitazioni nelle regioni montuose.
Il passaggio successivo consiste nel collegare queste informazioni ai sistemi di allerta e alle decisioni operative.
Il futuro delle previsioni meteo sarà ibrido
La conclusione che emerge dalla ricerca internazionale è chiara: non esisterà un unico strumento capace di prevedere perfettamente il tempo.
La meteorologia più avanzata sarà costruita dall’integrazione di osservazioni satellitari e terrestri, radar, lidar, reti IoT, modelli numerici fisici, intelligenza artificiale, ensemble probabilistici, Digital Twin e supercalcolo.
L’AI permetterà di accelerare alcune simulazioni e riconoscere strutture difficili da individuare con metodologie tradizionali. La modellistica fisica continuerà a essere fondamentale per rappresentare i processi atmosferici e l’intero sistema Terra. Le osservazioni resteranno il punto di contatto indispensabile con la realtà.
Il vero obiettivo scientifico, quindi, non è promettere previsioni infallibili, ma restringere progressivamente il margine di incertezza e soprattutto conoscerlo.
È questo il cambiamento più importante: passare dal semplice “prevedere il tempo” a un sistema capace di osservare, simulare, verificare, quantificare l’incertezza e anticipare gli impatti.
La meteorologia del prossimo decennio sarà sempre meno una fotografia del cielo e sempre più una rappresentazione digitale dinamica dell’intero sistema Terra. E proprio l’integrazione fra fisica, osservazioni e intelligenza artificiale rappresenta oggi la strada scientificamente più promettente per capire prima, e meglio, ciò che sta per accadere nell’atmosfera.
