By Paolo Bonanni
(Wall Street Journal) La rivoluzione delle previsioni iperlocali non è più fantascienza, ma realtà quotidiana che trasformerà agricoltura, aviazione e consegne a domicilio.
In Virginia Beach, mentre aspetta la consegna di un pacco via drone, un giornalista assiste al futuro della logistica: un quadricottero che deposita delicatamente il suo carico a terra. Ma dietro questa innovazione si nasconde una sfida fondamentale: il tempo atmosferico.
“Il tempo ha un impatto enorme”, spiega John Vernon, direttore tecnologico di DroneUp, la startup protagonista della consegna. “Direi che il 25% dei nostri tempi morti attuali è dovuto a problemi legati al tempo”. Le raffiche di vento compromettono la stabilità dei droni, mentre i venti contrari li costringono a consumare più batteria, come se nuotassero controcorrente.
Quattro chilometri di precisione
Per superare questi ostacoli, aziende come Tomorrow.io stanno sviluppando sistemi di previsione rivoluzionari. Il loro Comprehensive Bespoke Atmospheric Model (CBAM) può operare con risoluzioni di appena decine di metri, predicendo le differenze meteorologiche da un isolato all’altro. Un salto qualitativo rispetto al sistema HRRR della NOAA, che copre aree di 2,9 chilometri.
“Ci concentriamo sulle previsioni a breve termine”, afferma Buck Lyons, CEO di WeatherFlow-Tempest. L’obiettivo è fornire informazioni precise su scale geografiche tra uno e quattro chilometri, dove le persone possono davvero beneficiare di sapere cosa succederà oggi e domani.
Tecnologie Innovative per dati precisi
L’Agenzia Spaziale Europea ha scelto il crowdsourcing con l’app Camaliot, che sfrutta i ricevitori GPS degli smartphone per raccogliere dati atmosferici. “Il vapore acqueo nell’aria è quello che possiamo misurare”, spiega Benedikt Soja dell’ETH Zurigo. L’umidità rallenta e piega i segnali GPS, permettendo misurazioni precise del vapore acqueo tra satellite e ricevitore.
In meno di un anno, oltre 11.000 utenti in 142 paesi hanno contribuito con più di 100 miliardi di misurazioni individuali. Grazie ai progressi nell’intelligenza artificiale e machine learning, questi enormi dataset stanno diventando utilizzabili.
Internet e microclimatologia
La rivoluzione iperlocale attinge a molteplici fonti oltre ai tradizionali dati satellitari e radar. Sensori barometrici integrati nei telefoni, feed video di webcam, e la tecnologia Lidar che misura la velocità del vento rimbalzando laser sulle particelle aeree. Gli stati americani stanno costruendo reti di stazioni meteorologiche chiamate “mesonet” per integrare i monitor del National Weather Service.
Aziende come Microsoft utilizzano il machine learning per raffinare le previsioni meteorologiche, integrandole nei prodotti cloud destinati alle aziende agricole. Tomorrow.io fornisce previsioni iperlocali alle maggiori compagnie aeree per guidare le operazioni aeroportuali.