fbpx Polvere e modelli climatici | Page 2 | Scienza in rete

Polvere e modelli climatici

Read time: 2 mins

Gli attuali modelli climatici potrebbero aver sottostimato anche di otto volte l'effettiva quantità delle silt, le polveri a grana più grossa disperse in atmosfera dalle tempeste di polvere dei deserti.
E' quanto emerge dallo studio di Jasper F. Kok (National Center for Atmospheric Research – Boulder, Colorado) pubblicato a fine anno su PNAS. La conclusione di Kok si basa sulla sua analisi della frammentazione dei grani di polvere trasportati dal vento, una frantumazione che sarebbe del tutto simile a quella che avviene con materiali fragili come il vetro.
Da tempo gli studiosi del suolo sanno che la polvere possiede comportamenti identici a quelli dei materiali fragili e dal canto loro i fisici dispongono di una efficace descrizione della frantumazione di questi materiali. Kok ha messo assieme le due idee giungendo alla conclusione che nel corso di una tempesta di sabbia vengono prodotte frazioni sostanzialmente identiche di particelle piccole, medie e grandi. Le analisi delle polveri raccolte nel bel mezzo di sei tempeste di sabbia in differenti parti del globo gli danno ragione.
Gran parte dei modelli climatici si basano anche sulle rilevazioni di satelliti che misurano la quantità di particelle sospese in atmosfera, ma a queste rilevazioni sfuggono le particelle più grandi. Secondo Kok le tempeste di polvere producono da due a otto volte più silt di quanto finora ritenuto dai climatologi e di questa presenza i modelli dovrebbero opportunamente tenerne conto. E' vero che queste particelle sono le prime a precipitare al suolo, ma non si può certo trascurare il loro ruolo, soprattutto nei modelli matematici impiegati per le previsioni meteorologiche a breve termine nelle regioni più polverose del pianeta.

Wired

Autori: 
Sezioni: 
Free tag: 
Indice: 
Clima

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.