L'intelligenza artificiale aiuta a proteggere l'Artico: previsioni di PM10 più accurate

18/05/2026

Ricercatori del Cnr-Iia in collaborazione con un team del Joint Research Centre della Ue hanno ottimizzato e applicato un modello di intelligenza artificiale per la previsione della concentrazione di PM₁₀ su Artico e Nord Europa, ottenendo risultati migliori dei classici modelli di Copernicus. Il lavoro è stato pubblicato sulla rivista "npj Clean Air" del gruppo Nature

Il Circolo Polare Artico è una delle zone del mondo che più di ogni altra risente degli impatti delle nostre azioni. Si pensa spesso alla fusione accelerata dei ghiacci che crea un'amplificazione nell'aumento di temperatura, ma vanno considerati anche i vari inquinanti che vengono prodotti soprattutto a latitudini più basse e sono trasportati lassù dalla circolazione atmosferica. Nello specifico, le polveri contribuiscono a rendere il ghiaccio più scuro, favorendone una sua fusione più rapida, ma possono creare anche problemi sanitari, qualora si abbiano picchi di PM₁₀. In questo contesto, è assolutamente essenziale avere una previsione accurata della concentrazione delle polveri in quei luoghi.

Proprio questo è stato uno degli obiettivi del progetto europeo "Arctic PASSION", all'interno del quale ricercatori dell'Istituto sull'inquinamento atmosferico del Consiglio nazionale delle ricerche (Cnr-Iia) di Montelibretti (Roma) e JRC hanno studiato il problema con metodiche di intelligenza artificiale, in particolare ottimizzando un modello di architettura di rete neurale "Large Language Model" per prevedere la concentrazione di PM10 su Artico e Nord Europa.

"Il modello utilizzato - un modello della classe Transformer- ha considerato quali input dati di misure di PM₁₀ nel recente passato, previsioni di modelli CAMS dal sistema Copernicus, dati meteorologici e informazioni geografiche sulle varie stazioni, per prevedere la concentrazione di PM₁₀ a distanza di 48 ore nel futuro", spiega Alice Cuzzucoli (Cnr-Iia), prima autrice dell'articolo. "Confrontando le previsioni del modello con quanto poi accaduto realmente, i nostri risultati si sono rivelati sempre sensibilmente migliori di quelli dei classici modelli utilizzati finora, anche nella valutazione di picchi di concentrazione particolarmente estremi".

Il modello mostra anche il modo più efficace di applicare metodiche di IA in campo ambientale: "Significativamente, i risultati migliori li otteniamo utilizzando la IA in modo sinergico rispetto ai classici modelli dinamici, e non in maniera alternativa, usando come input anche i loro risultati", aggiunge Antonello Pasini (Cnr-Iia), coautore dello studio.

Lo studio assume una rilevanza strategica in un momento in cui la fusione dei ghiacci in Artico apre nuove rotte per navi inquinanti, mentre il riscaldamento globale e il cambiamento climatico a esso associato favoriscono l'estensione di incendi anche ad alte latitudini: "In questa situazione di probabili maggiori emissioni future, un'attività di previsione accurata è essenziale per tutelare l'ambiente e le popolazioni dell'Artico europeo", conclude Pasini.

Per informazioni

Alice Cuzzucoli, Cnr-Iia, [email protected]

Antonello Pasini, Cnr-Iia, [email protected]

Ufficio stampa:
Francesca Gorini
Ufficio stampa Cnr
[email protected]

Responsabile Unità Ufficio stampa:
Emanuele Guerrini
[email protected]
[email protected]
06 4993 3383

Vedi anche:

• Articolo"A transformer approach to forecasting PM10 concentration in the Arctic and Northern Europe", : A. Cuzzucoli, I. Crotti, S. Dobricic & A. Pasini, npj Clean Air (2026) 2, 31