(AGENPARL) – Thu 15 May 2025 COMUNICATO STAMPA
SVILUPPATO IL PRIMO MODELLO DI MACHINE LEARNING CAPACE DI CALCOLARE IL VOLUME DI TUTTI I GHIACCIAI DELLA TERRA
Studio di un team internazionale di scienziati coordinato da Ca’ Foscari si candida a diventare un punto di riferimento per chi studia gli scenari futuri di fusione dei ghiacciai
VENEZIA – Un team di ricercatori coordinato da Niccolò Maffezzoli, ricercatore “Marie Curie” dell’Università Ca’ Foscari Venezia e della University of California Irvine e membro associato dell’Istituto di scienze polari del Consiglio nazionale delle ricerche, ha sviluppato il primo modello globale basato su intelligenza artificiale per calcolare la distribuzione di profondità del ghiaccio di tutti i ghiacciai del mondo. Il modello è stato pubblicato sulla rivista Geoscientific Model Development e si candida a diventare un punto di riferimento per chi studia gli scenari futuri di fusione dei ghiacciai.
La conoscenza accurata dei volumi dei ghiacciai della Terra è essenziale per prevedere l’innalzamento futuro del livello dei mari, gestire le risorse idriche e valutare gli impatti sulle società causati dal loro scioglimento. Tuttavia, stimarne il loro volume assoluto è un’enorme sfida scientifica. Nel corso degli anni, sono state raccolte più di 4 milioni di misurazioni dirette dello spessore dei ghiacciai della Terra, grazie soprattutto alla missione IceBridge della NASA. Nonostante il vasto dataset, il suo potenziale non è sfruttato dagli attuali approcci modellistici.
AI applicata ai dati sui ghiacciai
Misure dirette dello spessore dei ghiacciai coprono meno dell’1% di tutti i ghiacciai esistenti, per questo sono necessari modelli in grado di stimarne la profondita’ e il volume a livello globale. La ricerca appena pubblicata sfrutta per la prima volta questi dati integrandoli con le potenzialità di algoritmi che riescono ad apprendere, grazie al machine learning.
“Il nostro modello combina due schemi decisionali ad albero – spiega Maffezzoli – addestrati utilizzando misurazioni dello spessore del ghiaccio insieme a 39 parametri tra cui velocità del ghiaccio, bilancio di massa, campi di temperatura, variabili geometriche e geodetiche. L’errore del modello allenato è fino al 30-40% inferiore rispetto agli attuali modelli globali tradizionali, in particolare alle latitudini polari e nelle periferie delle calotte polari, dove è presente la maggior parte del ghiaccio terrestre”.
Migliorare mappe e scenari sull’innalzamento dei mari
Ai poli e nelle periferie della Groenlandia e dell’Antartide è particolarmente importante avere stime precise, che possono essere utilizzate come condizione iniziale dai modelli numerici che simulano il movimento dei ghiacci e le loro interazione con gli oceani, da cui dipendono le stime di innalzamento del livello dei mari in funzione degli scenari climatici futuri. Il modello dimostra in queste aree forti capacità di generalizzazione e crediamo possa migliorare in alcune parti anche le attuali mappe di topografia del terreno sottostante la calotta della Groenlandia e dell’Antartide, come il Geikie Plateau o la Penisola Antartica”.
Questo lavoro rappresenta il primo passo verso la produzione di stime aggiornate dei volumi globali dei ghiacciai che saranno utili ai modellisti, all’IPCC e ai responsabili politici. Maffezzoli ha messo a disposizione la visualizzazione dei risultati sul sito ICEBOOST https://nmaffe.github.io/iceboost_webapp/
“Prevediamo di rilasciare due dataset per un totale di mezzo milione di mappe di profondità entro la fine del 2025 – annuncia Maffezzoli – C’è ancora tanta strada da fare, ma questo lavoro dimostra che approcci basati su AI e machine learning stanno aprendo nuovi interessanti scenari per la modellistica dei ghiacci”.
L’importanza dei ghiacciai
Attualmente, i ghiacciai contribuiscono per circa il 25-30% dell’innalzamento globale del livello dei mari, e la loro fusione sta accelerando. Di particolare rilevanza sono le regioni aride come le Ande, o le grandi catene montuose dell’Himalaya e del Karakoram, delle cui sorgenti glaciali dipendono miliardi di persone, ma anche per le enormi masse glaciali periferiche della Groenlandia e dell’Antartide, da cui dipende la stabilità delle calotte polari, attraverso le interazioni periferiche con gli oceani.
Immagini da iceboost: https://bit.ly/iceboost_research
L’articolo:
A gradient-boosted tree framework to model the ice thickness of the world’s glaciers (IceBoost v1.1)
Geoscientific Model Development (GMD)
Niccolò Maffezzoli (Università Ca’ Foscari Venezia, University of California Irvine, Cnr-Isp)
Eric Rignot (University of California Irvine, Jet Propulsion Laboratory)
Carlo Barbante (Università Ca’ Foscari Venezia, Cnr-Isp)
Troels Petersen (Niels Bohr Institute, University of Copenhagen)
Sebastiano Vascon (Università Ca’ Foscari Venezia)
Link: https://gmd.copernicus.org/articles/18/2545/2025/
Contatto:
Università Ca’ Foscari Venezia
Ufficio Comunicazione e Promozione di AteneoSettore Relazioni con i media
Le news di Ca’ Foscari: news.unive.it