Oggi sarà lanciata la Strategia 2021-30 dell’ECMWF che regolerà le attività del Centro nei prossimi dieci anni. L’obiettivo principale è quello di fornire previsioni sempre più accurate agli Stati membri e cooperanti e agli utenti di tutto il mondo.
La strategia viene aggiornata ogni cinque anni attraverso una procedura di consultazione e di approvazione finale da parte del Consiglio degli Stati membri dell’ECMWF.
L’obiettivo decennale dell’ECMWF è quello di superare le sfide sia computazionali che scientifiche per ottenere previsioni di insieme con una risoluzione da tre a quattro chilometri, estrarre il massimo valore dalle osservazioni per produrre un’analisi accurata del sistema Terra che sia coerente per i suoi componenti, elaborare modelli di nuova generazione per creare gemelli digitali della Terra ad alta risoluzione, un maggiore utilizzo delle tecnologie Cloud per consentire un uso efficiente dei dati, stima e monitoraggio delle emissioni di CO2, ottimizzazione del sistema di osservazione globale e passaggio alle politiche Open Data.
Inoltre, il Centro metterà in atto delle rianalisi globali integrate e riprevisioni dei rischi meteorologici e ambientali dal 1950 in poi.
Continuano ad essere cruciali per il successo dell’ECMWF i partenariati e le collaborazioni con la «European Meteorological Infrastructure» (EMI), che raggruppa partner chiave come gli Stati membri, l’EUMETSAT e l’EUMETNET, ma anche con l’Organizzazione meteorologica mondiale, l’Unione europea e l’Agenzia spaziale europea, tra gli altri.
Roadmap per il machine learning
In termini di sfide computazionali future, l’intelligenza artificiale svolgerà un ruolo importante e, in particolare, l’apprendimento automatico o machine learning, che farà parte dell’intero flusso di produzione delle previsioni meteorologiche numeriche e dei servizi climatici. Il fatto che oggi vengano lanciati in modo congiunto entrambi i documenti illustra l’impatto della roadmap sulla strategia. Il percorso tracciato per le attività di apprendimento automatico presso l’ECMWF fornisce una struttura per indirizzare in modo coordinato le numerose attività di apprendimento automatico nell’ambito delle previsioni meteorologiche e climatiche.
L’apprendimento automatico fa riferimento allo sviluppo di algoritmi informatici che migliorano automaticamente imparando dai dati. Tale apprendimento è particolarmente rilevante per la scienza del sistema Terra e sta progredendo ad una velocità senza precedenti, di pari passo con il crescente volume di dati attualmente disponibili.
L’ECMWF sta già facendo uso dell’apprendimento automatico in molte delle sue attività come, per esempio, l’assimilazione dei dati. Le osservazioni e il modello di previsione vengono confrontati allo scopo di ricavare le condizioni iniziali per la successiva previsione meteorologica. Se vengono diagnosticate differenze tra il modello e le osservazioni, è possibile utilizzare certi strumenti di apprendimento automatico per imparare a stimare l’errore del modello per situazioni meteorologiche specifiche. Questa rappresentazione dell’errore può essere utilizzata per analizzare il comportamento dell’errore o per correggere l’errore all’interno dell’assimilazione dei dati con l’obiettivo di migliorare le condizioni iniziali e quindi le previsioni. Negli ultimi anni, questa scienza è stata integrata anche nello sviluppo dei componenti del Servizio per i cambiamenti climatici (C3S) e del Servizio di monitoraggio dell’atmosfera (CAMS) dei Servizi di osservazione della Terra Copernicus dell’Unione Europea. Un esempio recente del valore aggiunto apportato dall’apprendimento automatico nelle procedure del ECMWF viene offerto dagli scienziati del CAMS e dai suoi appaltatori in quanto valutano l’impatto delle misure Covid-19 sulla qualità dell’aria europea, simulando come sarebbero state le emissioni senza misure di lockdown.
