A metà settembre 2025, le previsioni sperimentali del National Science Foundation National Center for Atmospheric Research (NSF NCAR) degli Stati Uniti hanno anticipato con successo lo sviluppo del Super Tifone Ragasa. Questo fenomeno meteorologico si è poi intensificato fino a diventare un evento di Categoria 5, raggiungendo venti di 265 km/h, affermandosi come la tempesta più potente dell'anno. L'approccio innovativo di modellazione dell'NSF NCAR ha generato previsioni globali in tempo reale con una risoluzione di 3,75 chilometri, simulando l'atmosfera terrestre con un dettaglio senza precedenti. Questa finezza di risoluzione ha permesso di catturare i temporali in tutto il mondo e di rivelare come sistemi meteorologici distanti possano influenzare l'evoluzione delle tempeste tropicali.
"In sostanza, questo porta il meteo in alta definizione in tutto il mondo", ha dichiarato Falko Judt, scienziato dell'NSF NCAR che ha guidato lo sforzo. "Crediamo che questo possa migliorare significativamente la previsione di eventi estremi come uragani e alluvioni su scala globale". Le previsioni sperimentali in tempo reale sono state eseguite per tutto settembre, coincidendo con il picco della stagione degli uragani atlantici. Nonostante un inizio di mese relativamente tranquillo, l'approccio dell'NSF NCAR ha dimostrato la sua efficacia catturando la rapida intensificazione dell'uragano Gabrielle sull'Atlantico.
Per produrre queste previsioni, Judt ha impiegato il Model for Prediction Across Scales (MPAS) basato sull'NSF NCAR, utilizzando il supercomputer Derecho. L'attenzione principale era rivolta ai cicloni tropicali nell'Atlantico, nel Pacifico orientale e nel Pacifico occidentale, con l'obiettivo di valutare anche le prestazioni nella previsione di piogge estreme. Questo lavoro è paragonabile a un'iniziativa simile lanciata dall'NSF NCAR nella primavera precedente. In quell'occasione, gli scienziati, principalmente interessati agli eventi meteorologici estremi delle medie latitudini, hanno utilizzato MPAS per previsioni in tempo reale a 3 chilometri estese fino a 60 ore. L'attuale focus sui cicloni tropicali, che sono più grandi e si sviluppano su periodi più lunghi, comporta l'esecuzione di previsioni fino a 120 ore con una risoluzione leggermente ridotta di 3,75 chilometri per efficienza computazionale.
I modelli meteorologici come MPAS rappresentano l'atmosfera utilizzando un sistema a griglia e applicano leggi fisiche per simulare le proprietà atmosferiche. Una risoluzione più elevata, indicata da punti griglia più ravvicinati, porta generalmente a previsioni più accurate. Tuttavia, l'assimilazione dei dati gioca un ruolo cruciale anche nella precisione della rappresentazione atmosferica iniziale. I centri di previsione utilizzano spesso modelli con risoluzioni variabili. Ad esempio, il National Hurricane Center simula gli uragani a 2 chilometri e il loro ambiente circostante a 6-8 chilometri, con risoluzioni più grossolane per le regioni più distanti. Questo approccio è efficace per previsioni a breve termine.
Judt ha osservato che la simulazione dell'intero globo ad alta risoluzione potrebbe non solo catturare le tempeste ovunque si verifichino, ma anche aiutare ad anticipare i cicloni tropicali prima che si formino. Questo potrebbe portare a previsioni più accurate estese a 7-10 giorni nel futuro. Questo sembra essere il caso del Super Tifone Ragasa. Judt ha commentato: "Ciò che mi colpisce è che MPAS ha previsto che questo sistema sarebbe diventato un super tifone ancora prima che la tempesta si fosse formata". Ha aggiunto che questa previsione è stata anticipata rispetto a molti modelli operativi e con una migliore previsione dell'intensità.
Questo tipo di sforzo potrebbe anche essere vantaggioso per l'addestramento di nuove generazioni di modelli meteorologici basati sull'intelligenza artificiale. I dati ad alta risoluzione e di alta qualità generati da MPAS migliorerebbero significativamente gli attuali modelli AI addestrati su dati più grossolani. Il successo nella previsione e nel tracciamento del Super Tifone Ragasa evidenzia il potenziale delle tecniche di modellazione avanzate per migliorare l'accuratezza e la tempestività delle previsioni meteorologiche, in particolare per gli eventi estremi.