Il sistema consente di scaricare, analizzare e integrare informazioni climatiche e bioclimatiche per l’Italia o specifiche regioni, in periodi storici specifici. L’elaborazione di questi dati è funzionale alla creazione di modelli predittivi basati sul clima con metodologie di Machine Learning e Intelligenza Artificiale.

L’obiettivo è la creazione di un ambiente High Performance Computing (HPC) in grado di gestire dati climatici e indicatori bioclimatici. Vengono usati, ad esempio, i dati del progetto ERA5 relativi alla proiezione dei parametri climatici raccolti dalle centraline su una griglia di dimensione di 2.2 chilometri quadrati, e i dati satellitari di Sentinel-2. I parametri climatici comprendono temperatura, umidità, nuvolosità, piovosità e stati combinati al fine di poter creare degli indicatori bioclimatici, tra cui il THI (Temperature-Humidity Index). Il download dei dati, la loro integrazione e armonizzazione è possibile grazie a degli script Python, sviluppati dal team UNITUS per funzionare in ambiente HPC. Gli script consentono di scaricare i dati climatici, elaborarli (es. per generare gli indicatori bioclimatici) e associarli ad una variabile di interesse. Ad esempio, se si intende studiare come il clima ha influenzato un determinato parametro zootecnico in una determinata zona di Italia in un certo periodo dell’anno, lo script è in grado di ricavare informazioni climatiche per quella stessa zona nei giorni precedenti alla misurazione del parametro zootecnico. Queste informazioni climatiche e bioclimatiche possono essere messe in relazione con serie di dati di natura diversa (es. produttività e benessere animale) al fine di poter effettuare delle previsioni mediante approcci di Machine Learning (ML) ed Intelligenza Artificiale (AI), descritti nei Task 5.1.2 e 5.1.3.

Il target comprende Modellisti di dati e Ricercatori interni o esterni al progetto.