La grandine è un fenomeno meteorologico con impatti negativi che colpisce molteplici settori socio-economici come l’agricoltura, gli impianti ad energia rinnovabile e le assicurazioni. Di conseguenza, la mitigazione del rischio legato alla grandine in regioni particolarmente sensibili come l’Italia ha favorito lo sviluppo di una ricerca che comprendesse una più profonda comprensione delle condizioni ambientali favorevoli alla formazione della grandine e il miglioramento delle capacità di previsione della grandine.
Tuttavia, una delle maggiori limitazioni per lo studio della variabilità della grandine a lungo termine è la scarsa copertura temporale e spaziale delle osservazioni della grandine. Per superare questo problema, diverse variabili meteorologiche su larga scala e indici convettivi (dalla rianalisi ERA5) sono stati considerati per descrivere la probabilità di grandine, seguendo il metodo statistico descritto in Prein e Holland (2018). Il miglior set di variabili da utilizzare come predittori nel modello della grandine è stato selezionato con un approccio di apprendimento automatico, basato su un algoritmo genetico. L’output del modello è una stima della probabilità di grandine sull’Italia nel periodo 1979-2020, su una griglia di 30×30 km che è stata utilizzata per caratterizzare la stagionalità e la variabilità a lungo termine degli eventi grandinigeni e per indagare i potenziali driver su larga scala delle tempeste di grandine sull’Italia.
Fonte: CMCC