BRICS e CO2: Abbiamo una Sfera di Cristallo per Prevedere le Emissioni?

Ciao a tutti! Oggi voglio parlarvi di una sfida che mi appassiona da tempo: come diavolo facciamo a prevedere le emissioni di CO2, specialmente in giganti economici emergenti come i paesi BRICS (Brasile, Russia, India, Cina e Sudafrica)? Sappiamo tutti che il cambiamento climatico è IL problemone del nostro secolo, e le emissioni di CO2 sono il principale imputato. I BRICS, da soli, buttano fuori oltre il 40% delle emissioni globali! Capire dove andranno a parare è cruciale se vogliamo rispettare gli Accordi di Parigi e salvare il pianeta (o almeno provarci).

Il punto è che questi paesi sono un bel mix: economie in crescita, urbanizzazione a palla, ma con livelli di sviluppo, mix energetici e tecnologie anti-inquinamento molto diversi tra loro. Questo rende prevedere le loro emissioni un vero rompicapo. Finora, ci siamo affidati a un sacco di modelli: quelli macroeconomici, quelli statistici che scompongono mille fattori (popolazione, ricchezza, tecnologia), e persino l’intelligenza artificiale con le sue reti neurali. Tutti utili, per carità, ma spesso richiedono una marea di dati storici o di considerare un’infinità di variabili, alcune delle quali sono difficilissime da raccogliere, specialmente per dati “freschi” come le emissioni di CO2.

I Modelli Grey: Quando “Poco è Meglio”

E qui entrano in gioco i miei “amati” modelli grey. Perché amati? Perché sono geniali nella loro semplicità! Funzionano bene anche con pochi dati e non hanno bisogno di conoscere tutti i fattori che influenzano un sistema. Pensateli come degli investigatori che, con pochi indizi, riescono a ricostruire la scena del crimine. Sono stati usati per prevedere di tutto: dal PIL alla domanda di energia, dalla produzione di petrolio al numero di giorni di pioggia. Fantastico, no?

Però, anche i modelli grey “classici” avevano i loro limiti. A volte non davano abbastanza peso alle informazioni più recenti o ignoravano shock improvvisi nel sistema, come una crisi economica o un cambio di politica energetica. Negli anni, noi ricercatori li abbiamo “pimpati” parecchio: abbiamo ottimizzato i valori di sfondo, migliorato il modo in cui accumulano le informazioni (introducendo anche ordini frazionari, roba da matematici!), esteso la loro struttura e trovato modi per dare più importanza ai dati nuovi. Abbiamo persino creato modelli “combinati”, unendo i grey con altri tipi di modelli per avere il meglio dei due mondi.

La Svolta: I “Breakpoint” e i Nuovi Modelli Grey

Nonostante tutti questi miglioramenti, c’era ancora un “buco”: come gestire i cambiamenti bruschi, i cosiddetti breakpoint (punti di rottura)? Immaginate una serie storica di dati che a un certo punto cambia improvvisamente direzione. I modelli tradizionali faticano. Qualche anno fa, Zhang e Wang hanno introdotto i breakpoint nei modelli GM(1,1), creando GBPM(1,1,t) e OGBPM(1,1,t). Buona idea, ma la scelta del breakpoint era un po’ soggettiva e il metodo per stimare i parametri poteva portare a errori.

Ed è qui che, modestamente, entriamo in scena noi con questo nuovo studio. Ci siamo detti: e se il breakpoint non fosse un momento preciso, ma un intervallo di tempo “sfocato”? E se unificassimo il modo di calcolare i parametri, usando tutti i dati disponibili? E se usassimo un algoritmo figo come il Particle Swarm Optimisation (PSO) per ottimizzare i valori di sfondo in due fasi, prima e dopo il breakpoint?

Da queste idee sono nati tre nuovi modelli grey breakpoint:

• NOGBPM(1,1,t): che agisce sia sul coefficiente di sviluppo che sull’azione grey dopo il breakpoint.
• NGBPM(1,1,t): che modifica solo l’azione grey.
• AGBPM(1,1,t): che interviene solo sul coefficiente di sviluppo.

Questi modelli sono pensati per “fiutare” i cambiamenti improvvisi e adattarsi di conseguenza, migliorando l’accuratezza delle previsioni. L’idea è che uno shock esterno (una nuova politica, una crisi) non ha un effetto istantaneo e netto, ma si manifesta in un certo lasso di tempo e con un certo ritardo.

Alla Prova dei Fatti: I BRICS Sotto la Lente

Per vedere se questi nuovi modelli erano davvero così bravi, li abbiamo messi alla prova con i dati delle emissioni di CO2 dei paesi BRICS dal 2009 al 2019 per “allenarli”, e poi abbiamo usato i dati 2020-2021 per vedere quanto ci azzeccavano con le previsioni. Li abbiamo confrontati con i modelli grey tradizionali (GM e FGM) e con i precedenti modelli breakpoint (GBPM e OGBPM).

I risultati? Beh, sono stati entusiasmanti!

• Per il Brasile, le emissioni erano in crescita fino al 2014, poi hanno iniziato a scendere, probabilmente per via di politiche ambientali. Il nostro NOGBPM ha colto benissimo questo cambio di rotta, con un errore di previsione bassissimo.
• Anche per la Russia, con cambiamenti attorno al 2011 e 2015, il NOGBPM si è dimostrato il migliore, adattandosi bene alle fluttuazioni.
• L’India ha mostrato una crescita costante, ma con un rallentamento dopo il 2018. Anche qui, il NOGBPM ha offerto la previsione più accurata, nonostante la difficoltà di individuare un breakpoint netto.
• Per la Cina, dove le emissioni hanno avuto un andamento più complesso con un calo tra il 2011 e il 2015, è stato l’AGBPM a brillare, catturando meglio la dinamica.
• Infine, il Sudafrica, con un trend di emissioni piuttosto irregolare, ha visto il NGBPM come modello più performante, specialmente nel prevedere i dati più recenti.

In generale, i nostri tre nuovi modelli hanno superato i “vecchi” in termini di accuratezza, dimostrando di saper gestire meglio le complessità e i cambiamenti improvvisi nei dati. L’idea degli intervalli di breakpoint “sfocati” e l’ottimizzazione con PSO hanno fatto davvero la differenza!

Cosa ci Aspetta? Proiezioni fino al 2025

Armati dei nostri modelli più performanti per ciascun paese, abbiamo provato a guardare nella sfera di cristallo e prevedere le emissioni di CO2 dei BRICS fino al 2025. Ecco cosa abbiamo visto:

• Brasile e Sudafrica: buone notizie! Le loro emissioni dovrebbero continuare a diminuire ogni anno, rispettivamente con tassi medi annui dell’1.68% e 0.40%. Il Brasile grazie ai biocarburanti e all’idroelettrico, il Sudafrica grazie alla transizione verso le rinnovabili e alle carbon tax.
• Russia, India e Cina: qui la tendenza è ancora in crescita, con tassi annui rispettivamente dello 0.56%, 0.57% e 2.03%. La Russia spinta dall’export di petrolio e gas (ma l’energia nucleare aiuta a mitigare), l’India dalla sua industrializzazione basata sul carbone, e la Cina, pur essendo il “centro manifatturiero del mondo” con una forte dipendenza dal carbone, sta investendo massicciamente in fotovoltaico ed eolico, il che fa sperare in un rallentamento futuro. L’India, comunque, mostra già segnali di rallentamento nella crescita delle emissioni.

Queste differenze dipendono tantissimo dalle loro specifiche politiche energetiche, dalle risorse naturali e dalla velocità con cui adottano tecnologie pulite. È un quadro complesso, ma avere previsioni più accurate ci aiuta a capire meglio dove intervenire.

Conclusioni e Prospettive Future (Non Solo per i BRICS!)

Cosa ci portiamo a casa da tutto questo? Primo, che introdurre i breakpoint “sfocati” e meccanismi di ottimizzazione intelligenti nei modelli grey li rende strumenti potentissimi, specialmente quando i dati sono scarsi o mostrano trend complessi e “saltellanti”. Secondo, i nostri tre nuovi modelli (NOGBPM, NGBPM, AGBPM) si sono dimostrati più efficienti e accurati dei loro predecessori nel prevedere le emissioni di CO2 dei BRICS.

Ma la cosa più interessante è che questi modelli non servono solo per le emissioni! Potrebbero essere utilissimi per prevedere l’andamento di tantissimi altri sistemi, specialmente in un’epoca come la nostra, post-pandemia, piena di incertezze e cambiamenti repentini dovuti a nuove politiche o eventi globali. Pensate all’impatto di una nuova legge sull’economia, o all’evoluzione di un mercato dopo una crisi.

Certo, il lavoro non finisce qui. Questi modelli sono basati sul GM(1,1) che è lineare. Sarebbe super interessante provare a integrare i breakpoint anche in modelli grey non lineari, per vedere se possiamo fare ancora meglio!

Infine, questo studio suggerisce anche delle strade per i paesi BRICS:

• Formulare percorsi di transizione energetica differenziati, condividendo tecnologie rinnovabili.
• Creare una piattaforma di finanziamento verde multilaterale (magari tramite la New Development Bank).
• Unire gli sforzi su tecnologie chiave come fotovoltaico, nucleare e CCUS (Cattura, Utilizzo e Stoccaggio del Carbonio).
• Stabilire un meccanismo di dialogo di alto livello per la governance climatica.
• Usare la loro influenza collettiva per promuovere gli interessi dei paesi in via di sviluppo nelle negoziazioni climatiche globali.

Insomma, la sfida è enorme, ma avere strumenti di previsione più affilati è un primo, fondamentale passo per affrontarla con più consapevolezza. E chissà, forse un giorno avremo davvero una sfera di cristallo affidabile! Per ora, ci accontentiamo dei nostri modelli grey “pimpati”.

Fonte: Springer