La Cina introduce il primo modello di previsione dell'intensificazione rapida dei tifoni da 24 ore

Acque agitate a causa del tifone Matmo presso un porto della città di Maoming, nella provincia del Guangdong, Cina meridionale. (5 ottobre 2025 - Xinhua/Pan Yujie)

Secondo i ricercatori di Shenzhen, nella Cina meridionale, l'introduzione di un nuovo modello di previsione dell'intensificazione rapida dei tifoni da 24 ore e del relativo servizio di previsione da 12 ore offre ora alla Cina prestazioni previsionali notevolmente migliorate.

Il modello, sviluppato presso gli Shenzhen Institutes of Advanced Technology (SIAT) dell'Accademia Cinese delle Scienze, ha recentemente completato l'implementazione operativa e i test di applicazione reale presso il Centro Meteorologico Nazionale del Paese.

In meteorologia, un tifone è soggetto a "intensificazione rapida" quando la velocità massima del vento sostenuto aumenta di oltre 15 metri al secondo nell'arco di 24 ore, oppure di oltre 10 metri al secondo nell'arco di 12 ore.

Tali fenomeni meteorologici possono essere estremamente distruttivi. Tifoni come Rammasun (2014), Hato (2017) e Yagi (2024) hanno tutti subito un'intensificazione rapida prima di toccare terra, causando ingenti perdite di vite umane e danni economici.

Nel 2025, la previsione della rapida intensificazione dei tifoni è stata selezionata dalla China Association for Science and Technology come una delle dieci principali sfide scientifiche di frontiera.

Il nuovo modello, denominato "Machine Learning Ensemble Model for Tropical Cyclone Rapid Intensification Forecast" (Modello di ensemble basato su apprendimento automatico per la previsione della rapida intensificazione dei cicloni tropicali), è stato sviluppato dal team del SIAT guidato da Li Qinglan.

Secondo Li, l'evoluzione dell'intensità dei tifoni è determinata da molteplici fattori interagenti, tra cui la struttura del nucleo, le condizioni ambientali di base e le interazioni tra terra e mare, il che rende estremamente difficile formulare previsioni accurate.

I metodi statistico-dinamici convenzionali, inoltre, non riescono a cogliere le caratteristiche non lineari delle variazioni di intensità. Di conseguenza, la previsione dell'intensità dei tifoni, e in particolare della loro rapida intensificazione, rimane una sfida persistente nel settore.

Per affrontare il problema, il team ha definito due indici quantitativi: il rapporto terra-mare, che rileva le variazioni nella distribuzione tra terra e mare lungo la traiettoria del tifone, e il rapporto di simmetria, che descrive la simmetria convettiva del nucleo. Tali indici rivelano legami fisici tra la simmetria del nucleo e il fenomeno dell'intensificazione rapida.

"Prima di un'intensificazione rapida, il nucleo di un tifone sviluppa tipicamente una struttura ad anello altamente simmetrica. Un nucleo più simmetrico indica una maggiore probabilità che si verifichi un'intensificazione rapida", ha spiegato Li.

Nell'ambito di questa innovazione, il gruppo di ricerca ha integrato quattro algoritmi di apprendimento automatico (machine learning) in un modello di previsione di tipo "ensemble". Quando più della metà dei sottomodelli prevede un'intensificazione rapida, il sistema emette una previsione in tal senso, migliorando di fatto l'accuratezza delle previsioni.

Il team ha testato il nuovo modello simulando eventi di intensificazione rapida nell'arco di 24 ore riguardanti cicloni tropicali nel Nord Atlantico tra il 2016 e il 2020, confrontandone le prestazioni con quelle del sistema di previsione operativo del National Hurricane Center statunitense. I risultati hanno mostrato che il nuovo modello ha ottenuto una maggiore probabilità di rilevamento e un tasso di falsi allarmi inferiore, dimostrando prestazioni previsionali superiori e una concreta applicabilità operativa.

Lyu Xinyan, ingegnere senior del National Meteorological Center, ha affermato che la tecnologia di previsione dell'intensificazione rapida a 24 ore costituisce ora un importante punto di riferimento per le previsioni sull'intensità dei tifoni in Cina.