Terra e clima
Dati satellitari: capire incendi, acqua e aria con l'AI
Come i dati satellitari, le misure a terra, i voli di ricerca e l'intelligenza artificiale lavorano insieme per seguire incendi, acqua e qualità dell'aria.
In breve
L'articolo evidenzia come l'integrazione di dati satellitari, misurazioni a terra, voli e intelligenza artificiale sia essenziale per comprendere e gestire fenomeni ambientali critici. Dagli incendi estremi alla gestione idrica e al monitoraggio della qualità dell'aria, questa sinergia migliora le previsioni e supporta decisioni operative e sanitarie, sottolineando la necessità di dati sempre più integrati e di qualità.
Punti chiave
- I dati satellitari, integrati con sensori a terra e voli, guidano l'osservazione e la comprensione di fenomeni ambientali complessi.
- I grandi incendi possono generare nubi pyroCb che iniettano fumo nella stratosfera, influenzando il clima per mesi o anni.
- Sistemi predittivi basati su dati satellitari e AI sono essenziali per la gestione operativa delle risorse idriche e dell'energia.
- Il monitoraggio della qualità dell'aria urbana beneficia dell'integrazione di stazioni a terra, osservazioni satellitari multangolo e studi sanitari.
- La citizen science, supportata da algoritmi di machine learning, accelera la classificazione e l'analisi di grandi volumi di dati ambientali.
- Migliorare la quantità, la qualità e l'integrazione operativa dei dati è fondamentale per decisioni più efficaci su clima e salute.
L’articolo mostra come i dati satellitari siano usati insieme a misure a terra, voli di ricerca e intelligenza artificiale per capire fenomeni che vanno dai grandi incendi alle nubi rare fino alla qualità dell’aria urbana. I dati satellitari indicano dove osservare, i sensori a terra forniscono le letture continue, i voli raccolgono campioni in quota e gli algoritmi aiutano a smistare flussi enormi di immagini e misure. Qui raccontiamo esempi concreti, numeri e limiti delle conoscenze attuali. I dati satellitari indicano dove osservare.
Quando il fumo sale oltre le montagne e cambia l’atmosfera
I grandi incendi possono creare nubi chiamate pyrocumulonimbus, abbreviazione pyroCb, cioè temporali alimentati dal fuoco. Queste nubi possono lanciare fumo nella bassa stratosfera. La bassa stratosfera è lo strato dell’atmosfera appena sopra la troposfera, dove l’aria è più secca e le particelle possono persistere a lungo. I ricercatori hanno registrato circa 70 pyroCb all’anno globalmente. Nel 2026 sono stati almeno 13 nel continente statunitense. Durante la campagna INSPYRE un aereo ha campionato aerosol a circa 12 chilometri, cioè 8 miglia. Questa altezza è difficilmente osservata dai modelli normali. Le particelle iniettate possono restare mesi o anni. Esse possono modificare l’energia che la Terra assorbe e riflette. Solo alcune fiamme generano pyroCb, motivo ancora sconosciuto.
Le immagini della Stazione Spaziale Internazionale hanno mostrato fumo attorno ai vulcani della catena delle Cascate come Mount Hood. L’incendio Grasshopper aveva bruciato quasi 84.000 acri, cioè 34.000 ettari. Esso ha contribuito a peggiorare la qualità dell’aria nelle aree abitate. Satelliti come MODIS e sensori multispettrali misurano la temperatura delle sommità nuvolose. Quando rilevano valori ben sotto i −40°C, questo indica top nuvolosi molto elevati. Un top nuvoloso molto freddo è segno che la nube è salita fino alla parte alta della troposfera o oltre. Queste osservazioni guidano voli e modelli. I modelli non sanno prevedere in modo affidabile perché solo alcune fiamme generino pyroCb.
L’integrazione di osservazioni satellitari, misure a terra e dati di volo è cruciale per capire gli incendi estremi.
Previsioni d’acqua e decisioni operative grazie agli stessi dati
La stessa catena di osservazione combina satelliti, sensori a terra e modelli che apprendono dai dati. Questo sistema serve anche a gestire acqua ed energia. Durante l’inverno 2025–2026 il Nord-Ovest degli Stati Uniti ha registrato coperture nevose estremamente basse. Gennaio, febbraio e marzo hanno avuto la minore copertura nevosa per quei mesi nel record MODIS dal 2001. In molte montagne lo scioglimento non ha più fornito il flusso graduale atteso. Gli accumuli di neve erano tra il 20% e il 50% del normale in molte zone. Questo ha ridotto il rilascio estivo di acqua. Riduzioni nevose estive hanno compromesso le riserve idriche.
Un fornitore di previsioni operative integra previsioni meteorologiche, misure fluviali e prodotti satellitari derivati dallo strumento VIIRS sul satellite Suomi-NPP. HydroForecast di Upstream Tech aggiorna le stime di portata ogni due ore. Tacoma Power, un’utility pubblica, usa quei forecast insieme a stazioni e giudizio operativo per gestire due dighe. Le dighe servono una produzione che equivale al consumo di 151.000 abitazioni all’anno. Grazie a questi input satellitari gli operatori hanno potuto mantenere i serbatoi più alti in anticipo. Hanno così compensato una primavera secca. Gli operatori devono però bilanciare il rischio di spazio insufficiente in caso di forti piogge.
Qualità dell’aria, reti urbane e il ruolo dei cittadini con l’intelligenza artificiale
La combinazione di stazioni a terra, voli e osservazioni dallo spazio aiuta anche a separare le fonti di particolato in città. PM2.5 è il particolato fine con diametro pari o inferiore a 2,5 micrometri. Un micrometro è mille volte più piccolo di un millimetro. In Addis Abeba, una rete di 10 stazioni del progetto MAIA, cioè Multi-Angle Imager for Aerosols, ha misurato PM2.5 continuamente tra il 2022 e il 2025. La rete ha trovato una media triennale di 30 microgrammi per metro cubo, cioè 30 µg/m3. Questo valore supera di oltre tre volte lo standard annuale di riferimento dell’Agenzia per la Protezione Ambientale degli Stati Uniti. MAIA ha inoltre stimato che i livelli di black carbon erano circa 4–9 volte più alti rispetto a tre aree metropolitane statunitensi monitorate dallo stesso progetto. Concentrazioni di PM2.5 a Addis Abeba sono molto elevate.
MAIA abbina misure a terra e osservazioni multangolo dallo spazio per distinguere tipi diversi di aerosol. Aerosol è il termine per le particelle sospese in aria. Questa combinazione permette di riconoscere aumenti legati al traffico nelle ore di punta o a falò durante festività. Il progetto include ricercatori di salute pubblica che useranno mappe di concentrazione per studiare eventuali collegamenti con esiti di salute. Il rapporto più ampio sulla salute globale stima che l’esposizione a PM2.5 sia associata a circa 4.900.000 morti ogni anno, cioè 4.9 milioni di decessi. Le mappe di concentrazione supportano studi sugli esiti sanitari.
Parallelamente, la citizen science riduce il carico di lavoro umano con algoritmi. Space Cloud Watch raccoglie foto di nottilucenti, nubi che riflettono la luce solare dopo il tramonto. Il volontario Namai Chandra ha costruito una pipeline di machine learning per classificare le immagini. La pipeline effettua un pre-screening delle immagini, classifica le nuvole e instrada per revisione umana le fotografie con bassa confidenza. Così si conserva il giudizio degli esperti dove serve e si automatizza la ripetizione dove possibile. La citizen science accelera la classificazione delle immagini.
Le sfide rimangono comuni. Collegare esposizioni misurate a effetti climatici o sanitari richiede più dati. Si servono più sensori a terra e più osservazioni dallo spazio ben integrate. L’interpretazione umana non va sostituita. In concreto, aumentare la quantità e la qualità dei dati satellitari e il loro uso operativo determinerà se previsioni, risposte a incendi e scelte sanitarie miglioreranno nei prossimi anni.
Migliorare dati e integrazione operativa è essenziale per decisioni migliori.
Fonti:
- Volunteer Develops Machine-Learning Tool to Identify Rare Clouds | science.nasa.gov
- NASA Mission Studies Air Pollution Over Ethiopia | nasa.gov
- NASA Data Feeds River Forecasts as Snow Drought Effects Linger | science.nasa.gov
- Cascade Volcanoes Shrouded in Smoke | science.nasa.gov
- Chasing Fire Clouds in Utah | science.nasa.gov