[et_pb_section fb_built=”1″ _builder_version=”4.27.2″ _module_preset=”default” background_color=”#010619″ background_enable_image=”off” background_blend=”multiply” custom_padding=”1px||1px||true|false” global_colors_info=”{}”][et_pb_row _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][lwp_divi_breadcrumbs link_color=”#FFFFFF” separator_color=”#FFFFFF” current_text_color=”#77B2DF” _builder_version=”4.27.2″ _module_preset=”default” module_font=”–et_global_heading_font|||on|||||” module_text_align=”left” module_text_color=”#FFFFFF” module_font_size=”14px” global_colors_info=”{}”][\/lwp_divi_breadcrumbs][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section fb_built=”1″ custom_padding_last_edited=”on|phone” admin_label=”Header” _builder_version=”4.27.4″ _module_preset=”default” background_color=”#17365D” background_image=”https:\/\/dta.cnr.it\/wp-content\/uploads\/2024\/10\/pattern_GDL_1-scaled.jpg” background_blend=”multiply” custom_padding=”120px||120px||true|” custom_padding_tablet=”100px||100px||true|false” custom_padding_phone=”60px||60px||true|false” animation_style=”slide” animation_direction=”bottom” animation_duration=”600ms” animation_intensity_slide=”2%” global_colors_info=”{}”][et_pb_row _builder_version=”4.27.4″ _module_preset=”default” width=”100%” max_width_last_edited=”off|desktop” animation_style=”slide” animation_direction=”bottom” animation_duration=”600ms” animation_intensity_slide=”10%” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.16″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.27.4″ _dynamic_attributes=”content” _module_preset=”1d866de3-b108-4c5f-bed3-2da9506a6915″ text_font=”Roboto Mono||||||||” text_text_color=”#F6F7F9″ text_font_size=”26px” header_font=”||||||||” header_4_font=”Roboto Mono||||||||” header_4_text_color=”#F6F7F9″ header_4_font_size=”23px” header_4_line_height=”1.8em” text_orientation=”center” custom_margin=”|0px|0px||false|false” text_font_size_tablet=”” text_font_size_phone=”” text_font_size_last_edited=”on|desktop” header_4_font_size_tablet=”16px” header_4_font_size_phone=”14px” header_4_font_size_last_edited=”on|tablet” global_colors_info=”{}”]@ET-DC@eyJkeW5hbWljIjp0cnVlLCJjb250ZW50IjoicG9zdF90aXRsZSIsInNldHRpbmdzIjp7ImJlZm9yZSI6IldHOiAiLCJhZnRlciI6IiJ9fQ==@[\/et_pb_text][\/et_pb_column][\/et_pb_row][\/et_pb_section][et_pb_section fb_built=”1″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_row column_structure=”1_4,3_4″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”1_4″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_image src=”@ET-DC@eyJkeW5hbWljIjp0cnVlLCJjb250ZW50IjoicG9zdF9mZWF0dXJlZF9pbWFnZSIsInNldHRpbmdzIjp7fX0=@” _builder_version=”4.27.2″ _dynamic_attributes=”src” _module_preset=”default” global_colors_info=”{}”][\/et_pb_image][\/et_pb_column][et_pb_column type=”3_4″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.27.4″ _module_preset=”default” text_font_size=”22px” text_line_height=”1.6em” hover_enabled=”0″ global_colors_info=”{}” sticky_enabled=”0″]<\/p>\n
La comprensione del sistema \u201cclima\u201d, inteso come quell\u2019insieme di sistemi in continua interazione tra loro ad una moltitudine di scale spazio-temporali, quali atmosfera, oceano, continenti, ghiacci marini e terrestri, acque superficiali e sotterranee, il suolo e la biosfera, ha conosciuto nell\u2019ultimo secolo un avanzamento dirompente. Si \u00e8 andata, in effetti, a costituire una rete di discipline provenienti dalle branche della scienza pi\u00f9 disparate, talvolta denominata \u201cscienze del clima\u201d, che spazia dalla matematica applicata all\u2019ecologia, comprendendo settori delle scienze ambientali, della chimica, della paleontologia, della biologia. <\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n
Un aspetto fondamentale che accomuna queste discipline \u00e9 la comprensione dei meccanismi di feedback \u2014 positivi o negativi \u2014 attraverso cui le diverse componenti del sistema Terra rispondono all\u2019innalzamento delle temperature, come ad esempio quelli dovuti alle variazioni nella copertura vegetale o del contenuto di carbonio stoccati nei suoli e negli oceani. Un altro aspetto riguarda l\u2019interazione tra il cambiamento climatico e la riduzione della biodiversit\u00e0, attraverso la modifica dell’areale e\/o dell’abbondanza di alcune specie, sia autoctone che alloctone, rispetto ad altre, con particolare riguardo alle specie aliene, che modificano il funzionamento degli ecosistemi con implicazioni in termini di rischi ambientali, perdita di funzioni ecosistemiche e impatti socio-economici.
L\u2019urgenza di affrontare il cambiamento climatico antropogenico, che ormai sta dispiegando le sue manifestazioni in modo sempre pi\u00f9 evidente, ha portato ad allargare gli interessi di ricerca anche verso discipline provenienti dalle scienze umane, tra cui l\u2019economia, le scienze sociali e politiche, la storia, la geografia, l\u2019antropologia e il diritto. Questo approccio sta conducendo verso una comprensione olistica del sistema climatico, inteso come sottosistema integrato all’interno del super-sistema Terra. In questo modo, non solo vengono analizzati gli effetti del clima sugli ecosistemi e sulle societ\u00e0 umane, ma anche i meccanismi di feedback attraverso cui le componenti biologiche e sociali possono a loro volta influenzare il sistema climatico.
La natura transdisciplinare delle scienze del clima trova una sua compiuta esemplificazione nello sviluppo della modellistica climatica, che ha visto modelli che descrivono la dinamica atmosferica e oceanica integrarsi progressivamente con modelli del suolo e di vegetazione, dei ghiacci marini e terrestri, dei cicli biogeochimici, idrologici e idrogeologici, man mano che le conoscenze scientifiche e le risorse computazionali rendevano possibile aumentare la complessit\u00e0 del sistema simulato. D\u2019altra parte, la natura multiscala del sistema ha reso urgente e necessario sfruttare tali risorse computazionali aumentando la risoluzione spaziale e temporale dei modelli, fino a realizzare simulazioni su griglie spaziali di poche centinaia di metri anche su domini globali. <\/p>\n
Comprendere la natura complessa e caotica del sistema vuol dire anche investire nella raccolta di dati osservativi il pi\u00f9 possibile accurati, omogenei, ad alta risoluzione spazio-temporale, disposti regolarmente su un settore geografico quanto pi\u00f9 ampio possibile, nel corso di periodi di tempo pi\u00f9 lunghi possibili. Per questo l\u2019avanzamento delle scienze del clima si avvale imprescindibilmente di tecniche sempre pi\u00f9 avanzate nell\u2019ambito dell\u2019osservazione della Terra, sia in-situ, con osservazioni puntuali da stazioni al suolo o in quota, reti osservative meteo-marine, campagne di misura, anche con uso di veicoli di opportunit\u00e0 (con rilevazioni superficiali e sub-superficiali), sia da remote sensing, con osservazioni via radar e lidar, da drone, da aereo e da satellite. L\u2019insieme di una modellistica sempre pi\u00f9 sofisticata e di un\u2019assimilazione di dati sempre pi\u00f9 accurata, ha prodotto e continua a produrre avanzamenti sia nel campo della meteorologia operativa che delle previsioni e proiezioni climatiche, anche coadiuvate dallo sviluppo di rianalisi che ricostruiscono le variazioni climatiche su periodi storici sempre pi\u00f9 prolungati, fino agli orizzonti del paleoclima. <\/p>\n
Inoltre, le tecniche di Machine Learning\/Artificial Intelligence (ML\/AI) hanno aperto orizzonti prima impensabili in tutti i campi della modellistica delle previsioni e della valutazione degli impatti: ad esempio, grandi progressi sono stati raggiunti nel campo delle previsioni meteorologiche data-driven, come recentemente mostrato anche dai modelli surrogati presentati da note societ\u00e1 tecnologiche private, e confermato dal nuovo prodotto dello European Centre for Medium-range Weather Forecasting (ECMWF), divenuto recentemente operazionale, l\u2019Artificial Intelligence Forecast System (AIFS). Se questi sviluppi in ambito climatico sono per il momento limitati dalla mancanza di dati per il clima forzato dalle attivit\u00e0 antropiche, non \u00e8 remota la possibilit\u00e0 che il rapido avanzamento di queste tecnologie possa iniziare a produrre risultati promettenti anche nell\u2019ambito delle proiezioni climatiche. Nel frattempo, metodologie basate su ML\/AI (supervisionate e non supervisionate, laddove possibile) stanno dando importanti risultati nel campo dell\u2019assimilazione dei dati, del miglioramento delle parametrizzazioni fisiche, ma anche nello studio dei rischi e degli impatti associati al cambiamento climatico e agli eventi estremi individuali e compositi in tutti gli ambienti (terrestri, acquatici). <\/p>\n
Lo sviluppo di modelli finalizzati sia alla previsione e predizione del sistema climatico, sia alla valutazione del rischio ambientale, alla mappatura degli impatti e dei rischi per ecosistemi, attivit\u00e0 produttive, infrastrutture, patrimonio storico e culturale, e per l\u2019intero sistema socio-economico, nonch\u00e9 alla valutazione degli impatti legati al cambiamento climatico sulla salute planetaria (in chiave one-health), con particolare riferimento agli ambienti urbani, sono solo alcune delle attivit\u00e0 che caratterizzano gli istituti afferenti al Dipartimento di Scienze del Sistema Terra e Tecnologie per l\u2019Ambiente. In questi ambiti transdisciplinari di applicazione delle scienze climatiche, trova naturale evoluzione lo sviluppo di metodologie per l\u2019attribuzione di eventi estremi al cambiamento climatico, che in questi anni \u00e8 crescente oggetto di attenzione da parte della comunit\u00e0 scientifica, dei decisori politici e dei portatori di interesse. Lo sviluppo di protocolli sempre pi\u00f9 robusti e sofisticati permette in prospettiva di andare verso una attribuzione operazionale come servizio climatico, con ricadute fondamentali per la prevenzione, la valutazione delle vulnerabilit\u00e0 e del rischio, l\u2019adattamento, la mitigazione degli impatti antropici in prospettiva \u201cOne Health\u201d, per migliorare la resilienza dell\u2019ecosistema Terra ai cambiamenti climatici, la definizione del danno economico dei singoli eventi e delle responsabilit\u00e0 in ambito di \u201cclimate litigation\u201d. <\/p>\n
Come si evince da queste premesse, non solo un approccio transdisciplinare \u00e8 condizione necessaria per affrontare le sfide che il cambiamento climatico pone alla comunit\u00e0 scientifica e alla societ\u00e0, ma il Dipartimento di Scienze del Sistema Terra e Tecnologie per l\u2019Ambiente si avvale delle migliori competenze che in Italia \u00e8 possibile raccogliere, per far fronte a tali sfide. A tale scopo, si ritiene quindi utile riunire queste competenze in un Gruppo di Lavoro su \u201cScienze del Clima e del Cambiamento Climatico\u201d. <\/p>\n
[\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”][et_pb_text _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}”]<\/p>\n
L\u2019urgenza del cambiamento climatico antropogenico, che ormai sta dispiegando le sue manifestazioni in modo sempre pi\u00f9 evidente, ha portato ad allargare gli interessi di ricerca verso discipline provenienti dalle scienze umane, tra cui l\u2019economia, le scienze sociali e politiche, la storia, la geografia, l\u2019antropologia e il diritto, arrivando a considerare il clima come parte di un sistema pi\u00f9 ampio, il sistema Terra, che contiene al suo interno anche la dinamica dei sistemi umani. <\/span> <\/span><\/p>\n La natura transdisciplinare delle scienze del clima trova una sua compiuta esemplificazione nello sviluppo della modellistica climatica, che ha visto modelli che descrivono la dinamica atmosferica e oceanica integrarsi progressivamente con modelli del suolo e di vegetazione, dei ghiacci marini e terrestri, del ciclo biogeochimico, dell\u2019idrografia, man mano che le conoscenze scientifiche e le risorse computazionali rendevano possibile aumentare la complessit\u00e0 del sistema simulato. D\u2019altra parte, la natura multiscala del sistema ha reso urgente e necessario sfruttare tali risorse computazionali aumentando la risoluzione spaziale e temporale dei modelli, fino a realizzare simulazioni su griglie spaziali di poche centinaia di metri su domini globali. <\/span> <\/span><\/p>\n Comprendere la natura complessa e caotica del sistema vuol dire anche investire nella raccolta di dati osservativi il pi\u00f9 possibile accurati, omogenei, ad alta risoluzione spazio-temporale, disposti regolarmente su un settore geografico quanto pi\u00f9 ampio possibile, lungo periodi di tempo pi\u00f9 lunghi possibili. Per questo l\u2019avanzamento delle scienze del clima si avvale imprescindibilmente di tecniche sempre pi\u00f9 avanzate nell\u2019ambito dell\u2019osservazione della Terra, sia in-situ, con osservazioni puntuali da stazioni al suolo o in quota, sia da remote sensing, con osservazioni via radar e da satellite. L\u2019insieme di una modellistica sempre pi\u00f9 sofisticata e di un\u2019assimilazione di dati sempre pi\u00f9 accurati, ha prodotto e continua a produrre avanzamenti sia nel campo della meteorologia operativa che delle previsioni e proiezioni climatiche, anche coadiuvate dallo sviluppo di rianalisi che ricostruiscono le variazioni climatiche su periodi storici sempre pi\u00f9 prolungati, fino agli orizzonti dei paleoclimi. <\/span> <\/span><\/p>\n Inoltre, le tecniche di Machine Learning\/Artificial Intelligence (ML\/AI) hanno aperto orizzonti prima impensabili nel campo delle previsioni meteorologiche data-driven, come recentemente mostrato anche dai modelli surrogati presentati da note compagnie tecnologiche private, e confermato dal nuovo prodotto dello European Centre for Medium-range Weather Forecasting (ECMWF), divenuto recentemente operazionale, l\u2019Artificial Intelligence Forecast System (AIFS). Se questi sviluppi in ambito climatico sono per il momento limitati dalla mancanza di dati per il clima forzato dalle attivit\u00e0 antropiche, non \u00e8 remota la possibilit\u00e0 che il rapido avanzamento di queste tecnologie possa iniziare a produrre risultati promettenti anche nell\u2019ambito delle proiezioni climatiche. Nel frattempo, metodologie basate su ML\/AI (supervisionate e non supervisionate, laddove possibile) stanno dando importanti risultati nel campo dell\u2019assimilazione dei dati, del miglioramento delle parametrizzazioni fisiche, ma anche nello studio dei rischi associati al cambiamento climatico e agli eventi estremi individuali e compositi. <\/span> <\/span><\/p>\n Lo sviluppo di modelli finalizzati sia alla valutazione del rischio ambientale ed alla mappatura dei rischi per ecosistemi, patrimonio storico e culturale, sia alla valutazione degli impatti legati al cambiamento climatico sulla salute planetaria (in chiave one-health), con particolare riferimento agli ambienti urbani, sono solo alcune delle attivit\u00e0 che caratterizzano gli istituti afferenti al Dipartimento di Scienze del Sistema Terra e Tecnologie per l\u2019Ambiente. In questi ambiti transdisciplinari di applicazione delle scienze climatiche, trova naturale evoluzione lo sviluppo di metodologie per l\u2019attribuzione di eventi estremi al cambiamento climatico, che in questi anni \u00e8 crescente oggetto di attenzione da parte della comunit\u00e0 scientifica, dei decisori politici e dei portatori di interesse. Lo sviluppo di protocolli sempre pi\u00f9 robusti e sofisticati permette in prospettiva di andare verso una attribuzione operazionale come servizio climatico, con ricadute fondamentali per la prevenzione, la valutazione delle vulnerabilit\u00e0 e del rischio, la mitigazione degli impatti sulla salute per migliorare la resilienza ai cambiamenti climatici, la definizione del danno economico dei singoli eventi e delle responsabilit\u00e0 in ambito di \u201cclimate litigation\u201d. <\/span> <\/span><\/p>\n Come si evince da queste premesse, non solo un approccio transdisciplinare \u00e8 condizione necessaria per affrontare le sfide che il cambiamento climatico pone alla comunit\u00e0 scientifica e alla societ\u00e0, ma il Dipartimento di Scienze del Sistema Terra e Tecnologie per l\u2019Ambiente si avvale delle migliori competenze che in Italia \u00e8 possibile raccogliere per far fronte a tali sfide. A tale scopo, si ritiene quindi utile riunire queste competenze in un Gruppo di Lavoro su \u201cScienze del Clima e del Cambiamento Climatico\u201d. <\/span> <\/span><\/p>\n [\/et_pb_text][\/et_pb_column][\/et_pb_row][et_pb_row _builder_version=”4.27.4″ _module_preset=”default” custom_padding=”2em||2em||true|false” global_colors_info=”{}”][et_pb_column type=”4_4″ _builder_version=”4.27.2″ _module_preset=”default” global_colors_info=”{}”][et_pb_accordion open_toggle_text_color=”#77B2DF” closed_toggle_background_color=”rgba(119,178,223,0.1)” toggle_icon=”7||divi||400″ icon_color=”#17365D” _builder_version=”4.27.4″ _module_preset=”default” toggle_text_color=”#17365D” toggle_font=”Roboto Mono|||on|||||” toggle_font_size=”20px” body_text_color=”#000000″ global_colors_info=”{}”][et_pb_accordion_item title=”Identificazione delle Tematiche di Ricerca” _builder_version=”4.27.4″ _module_preset=”default” global_colors_info=”{}” open=”on”]<\/p>\n Il GdL intende focalizzarsi sulle seguenti tematiche:<\/p>\n [\/et_pb_accordion_item][et_pb_accordion_item title=”Attivit\u00e0 del GdL” _builder_version=”4.27.4″ _module_preset=”default” body_ul_type=”circle” body_ul_item_indent=”34px” global_colors_info=”{}” open=”off”]<\/p>\n Miglioramento del coordinamento di attivit\u00e0 di osservazione e modellistiche di supporto alle necessit\u00e0 operative e di ricerca, internamente all\u2019ente e con i partner nazionali e internazionali;<\/p>\n<\/li>\n Supporto allo sviluppo di metodologie di Artificial Intelligence\/Machine Learning con applicazioni di previsione climatica e di stima degli impatti, inclusi data-driven surrogate models, attribuzione di eventi estremi al cambiamento climatico, sviluppo di nuove parametrizzazioni fisiche;<\/p>\n<\/li>\n <\/a> Incentivazione dell\u2019interazione tra istituti al fine di sviluppare progettualit\u00e0 comuni e rilevanti per la tematica del GdL, attraverso la condivisione di competenze complementari utili a efficientare la partecipazione dell\u2019Ente a bandi nazionali e internazionali;<\/p>\n<\/li>\n Ricognizione e coordinamento delle risorse computazionali gestite dall\u2019Ente o in partnership con altre strutture, per ottimizzare l\u2019High Performance Computing (HPC);<\/p>\n<\/li>\n Partecipazione a e promozione di attivit\u00e0 di confronto, consulenza e supporto a stakeholders e policymakers in merito alle strategie di mitigazione e adattamento agli impatti del cambiamento climatico;<\/p>\n<\/li>\n Organizzazione di eventi, quali seminari e workshop, al fine di stimolare il dialogo e il confronto tra le diverse componenti del CNR e interlocutori esterni, su tematiche di interesse per il gruppo di lavoro<\/p>\n<\/li>\n Promozione di attivit\u00e0 di disseminazione e sensibilizzazione a supporto di scuole e pubblico generico, come l\u2019organizzazione e la partecipazione a eventi di divulgazione dedicati al clima, la pubblicazione di monografie e testi divulgativi, anche utilizzando le potenzialit\u00e0 offerte dalla comunicazione via web (newsletter, social media…)<\/p>\n<\/li>\n<\/ul>\n [\/et_pb_accordion_item][et_pb_accordion_item title=”Participants” open=”off” _builder_version=”4.27.4″ _module_preset=”default” body_ul_type=”circle” body_ul_item_indent=”34px” global_colors_info=”{}”]<\/p>\n Valerio Lembo (per CNR-ISAC), responsabile del GdL<\/p>\n Marzia Ciampittiello (per CNR-IRSA), co-responsabile del GdL<\/p>\n Luigi Mazari Villanova (per CNR-DSSTTA), referente per il Dipartimento<\/p>\n Marzia Ciampittiello (per CNR-IRSA)<\/p>\n Claudia Dresti (per CNR-IRSA)<\/p>\n Mariasilvia Giamberini (per CNR-IGG)<\/p>\n Stefania Camici (per CNR-IRPI)<\/p>\n Tommaso Tesi (per CNR-ISP)<\/p>\n Francesco Cozzoli (per CNR-IRET)<\/p>\n Roberta Pini (per CNR-IGAG)<\/p>\n Francesco De Simone (per CNR-IIA)<\/p>\n Chunxue Yang (per CNR-ISMAR)<\/p>\n Chiara Gambardella (per CNR-IAS)<\/p>\n Lucia Mona (per CNR-IMAA)<\/p>\n Michela Martinelli (per CNR-IRBIM)<\/p>\n <\/p>\n Establishment measure<\/a><\/a><\/p>\n [\/et_pb_accordion_item][\/et_pb_accordion][\/et_pb_column][\/et_pb_row][\/et_pb_section]<\/p>\n","protected":false},"excerpt":{"rendered":"\n
\n