Le previsioni meteo a lungo termine, da due a sei settimane, diventano più affidabili con un metodo pubblicato su Nature. Lo firma un gruppo guidato da Judah Cohen del MIT e Lester Mackey di Microsoft. Si chiama probabilistic bias correction (PBC) e usa il machine learning per correggere gli errori sistematici dei modelli esistenti. Sul sistema di intelligenza artificiale del Centro europeo per le previsioni meteorologiche (ECMWF) ha raddoppiato la precisione a quelle distanze.
Lo studio è uscito il 14 ottobre 2026. Nel 2025 lo stesso metodo ha vinto l'AI Weather Quest, la gara di previsioni organizzata dall'ECMWF.
Perché oltre due settimane le previsioni non tengono
Negli anni Settanta il meteorologo del MIT Edward Lorenz fissò un limite intorno alle due settimane. Oltre quella soglia il tempo smette di essere prevedibile nel dettaglio. Piccoli errori nelle condizioni iniziali crescono fino a coprire il segnale. Tra due e sei settimane i meteorologi lavorano quindi con probabilità, del tipo "la terza settimana sarà più calda della media".
Cohen chiama questo intervallo il "deserto della prevedibilità". Finora, spiega il comunicato del MIT, nessun modello riusciva a battere stabilmente le medie climatiche. È la previsione più semplice possibile, quella che dice che a fine novembre farà il freddo di sempre.
Come funzionano le nuove previsioni meteo a lungo termine?
PBC lavora a valle dei modelli. Prende le previsioni dei sistemi esistenti, fisici o basati sull'intelligenza artificiale. Poi ne corregge gli errori ricorrenti con un modello statistico addestrato sulle previsioni passate. Funziona con qualsiasi modello. "Correggendoli possiamo rendere affidabile un modello che non lo era", sintetizza Cohen.
Il modello fisico dell'ECMWF è considerato il riferimento mondiale. Con la correzione sono migliorate il 91% delle sue previsioni di pressione, il 92% di quelle di temperatura e il 98% di quelle di precipitazione. Per la prima volta, secondo gli autori, un sistema batte in modo costante le medie climatiche fino a sei settimane.
La gara vinta contro i centri meteo nazionali
L'AI Weather Quest è la competizione con cui l'ECMWF, con l'Organizzazione meteorologica mondiale, mette alla prova in tempo reale le previsioni basate sull'intelligenza artificiale. Nel 2025 la squadra di Cohen e Mackey ha unito il modello dell'ECMWF a un secondo modello e ci ha applicato sopra la correzione. Ha chiuso prima su tutte le variabili e su tutte le distanze di previsione. Dietro sono rimasti sei centri meteorologici nazionali, un insieme internazionale di modelli e 34 squadre.
Tra gli autori ci sono anche due ricercatori dell'ECMWF, che oltre alla sede inglese di Reading ne ha una a Bologna.
Previsioni a lungo termine ed eventi estremi
Il risultato più utile riguarda il maltempo. A tre settimane di distanza il metodo prevede meglio ondate di calore, piogge estreme e anomalie di pressione. Sulle alluvioni reali dell'ultimo decennio, riporta Gizmodo, l'abilità di previsione è salita tra il 76% e il 92%. Per le alluvioni più gravi, con oltre 100 morti o almeno 80.000 sfollati, l'aumento va dall'86% al 150%.
Gli autori citano il febbraio 2021 in Texas. Tre tempeste invernali di fila lasciarono milioni di persone senza elettricità e riscaldamento, con almeno 246 morti. Secondo Cohen, due settimane di anticipo bastano per prepararsi a una tempesta di ghiaccio che oggi si vede arrivare con due giorni di preavviso.
Chi può usarle, dai campi alla rete elettrica
Il codice è aperto e non serve un supercomputer per farlo girare. Il servizio meteorologico del Kenya lo sta sperimentando per prevedere la stagione dei monsoni e aiutare i raccolti.
Gli usi pratici sono soprattutto due. In agricoltura una previsione affidabile a tre-sei settimane aiuta a decidere quando concimare e quando proteggere le colture dal gelo. Serve anche a gestire l'acqua in vista di una siccità. Nell'energia permette ai gestori di rete di bilanciare domanda e offerta con più anticipo. Le startup agritech, come quelle dell'hub agritech H.A.T.L., possono partire da un modello aperto invece di costruirne uno da zero. Vale anche per chi porta già l'intelligenza artificiale nei campi. Inhuse segue progetti di questo tipo con l'assistenza specialistica.
Lo studio misura i risultati sulle terre emerse di quasi tutto il mondo. Per chi lavora in Italia il dato da cercare, nei prossimi lavori, è quanto la correzione migliora le previsioni sul Mediterraneo.
