Analisi di serie storiche climatiche

Il laboratorio si occupa dello studio dei fenomeni idro-meteorologici e del cambiamento climatico attraverso l’analisi quantitativa delle serie storiche climatiche (come precipitazione, temperatura, portata fluviale). L’obiettivo principale è comprendere i processi fisici alla base dei cambiamenti osservati e modellare scenari futuri, anche in un’ottica di mitigazione del rischio idrogeologico.

Principali ambiti di attività

I ricercatori del laboratorio utilizzano metodi statistici avanzati e tecniche di intelligenza artificiale (machine learning e deep learning) per lo studio di fenomeni climatici, idrologici e geospaziali. Le principali attività includono:

  • Analisi di frequenza di eventi meteorologici e idrologici (es. piogge intense, portate fluviali estreme)

  • Analisi dei trend temporali in dati climatici, con focus su stagionalità e variazioni secolari

  • Studio degli eventi estremi, in relazione a fattori climatici e circolatori su scala globale

  • Analisi geospaziali tramite GIS e remote sensing per comprendere la distribuzione e l’evoluzione dei fenomeni nel territorio

  • Costruzione e validazione di modelli predittivi, anche con tecniche AI, per il completamento dei dati mancanti, la previsione di eventi e la simulazione di scenari idrologici

Linee di ricerca scientifica

Il laboratorio è attivo in numerose linee di ricerca interdisciplinari, tra cui:

  • Impatto del cambiamento climatico sul regime delle precipitazioni, con particolare attenzione alla frequenza e intensità degli eventi estremi

  • Evoluzione della temperatura e sue influenze sul ciclo idrologico, in particolare in aree sensibili come il bacino del Mediterraneo

  • Modellazione del trasporto solido fluviale e analisi delle sue variazioni nel tempo in risposta ai cambiamenti climatici e antropici

  • Relazioni tra portata fluviale e fenomeni di erosione costiera, studiando le connessioni tra sistemi fluviali e ambienti costieri

  • Studio delle teleconnessioni atmosferiche (es. NAO, EA, ENSO) e loro effetti sulle dinamiche locali del clima e delle precipitazioni

  • Applicazione di metodi di machine learning per il data gap filling, il riconoscimento di pattern e la classificazione di eventi meteorologici

  • Sviluppo di strumenti informatici per l’analisi di big data climatici e la gestione integrata del rischio idrogeologico

Prodotti scientifici:

  • Luppichini, M., Lazzarotti, M., & Bini, M. 2024. Climate change as main driver of centennial decline in river sediment transport across the Mediterranean region. Journal of Hydrology, 636, 131266. DOI
  • Lupi, A., Luppichini, M., Barsanti, M., Bini, M., & Giannecchini, R. 2023. Machine learning models to complete rainfall time series databases affected by missing or anomalous data. Earth Science Informatics, 16(4), 3717–3728. DOI
  • Luppichini, M., Bini, M., Giannecchini, R., & Zanchetta, G. 2023. High-resolution spatial analysis of temperature influence on the rainfall regime and extreme precipitation events in north-central Italy. Science of The Total Environment, 880, 163368. DOI
  • Luppichini, M., Bini, M., Barsanti, M., Giannecchini, R., Zanchetta, G., 2022. Seasonal rainfall trends of a key Mediterranean area in relation to large-scale atmospheric circulation: How does current global change affect the rainfall regime? J Hydrol (Amst) 612, 128233. DOI
  • Bini, M., Casarosa, N., Luppichini, M., 2021. Exploring the relationship between river discharge and coastal erosion: An integrated approach applied to the pisa coastal plain (italy). Remote Sens (Basel) 13. DOI
  • Luppichini, M., Barsanti, M., Giannecchini, R., Bini, M., 2021. Statistical relationships between large-scale circulation patterns and local-scale effects: NAO and rainfall regime in a key area of the Mediterranean basin. Atmos Res 248, 105270. DOI
back to top