D8 Modelado Numérico y Predicción

Tópico

El modelado numérico del tiempo consiste en integrar numéricamente las ecuaciones primitivas atmosféricas, las que describen cómo se mueve y cambia el aire, partiendo de un estado inicial hacia el futuro. Ese estado inicial no es otro que el análisis que produce la asimilación de datos: el modelado numérico del tiempo toma ese análisis, lo hace avanzar en el tiempo resolviendo las ecuaciones primitivas atmosféricas paso a paso, y así construye la predicción.

Dentro del modelado numérico del tiempo, distintos centros meteorológicos operan su propio modelo global de predicción, cada uno con una resolución horizontal de entre nueve y trece kilómetros y más de un centenar de niveles verticales, y cada uno capaz de predecir el estado atmosférico hasta quince días hacia adelante, aunque con una habilidad que decrece cuanto más lejos en el futuro se proyecta la predicción. Los modelos regionales de alta resolución, en cambio, sacrifican la cobertura global a cambio de una resolución mucho más fina, de uno a tres kilómetros, lo bastante fina como para resolver explícitamente fenómenos de mesoescala como la convección profunda, en vez de tener que aproximarlos como hacen los modelos globales de predicción con esa misma resolución más gruesa.

Como ningún modelo global de predicción puede conocer el estado inicial de la atmósfera con precisión perfecta, la predicción por conjuntos cuantifica la incertidumbre que ese desconocimiento introduce: ejecuta el mismo modelo muchas veces, cada vez con un estado inicial ligeramente distinto —a veces varias decenas de estados iniciales perturbados, por ejemplo cincuenta y uno— y a veces, además, con distintas versiones del propio modelo. La dispersión que muestran los distintos miembros de ese conjunto de predicciones es, en sí misma, una medida de la incertidumbre: cuanto mayor es la dispersión entre los miembros del conjunto, menor es la predictibilidad de la atmósfera en ese momento.

Qué tan buena es, en definitiva, cualquiera de estas predicciones —venga de un modelo global, de un modelo regional o de un conjunto de predicciones— se mide con distintos puntajes estadísticos: unos miden el error promedio entre lo que predijo el modelo y lo que realmente ocurrió, otros miden cuánto se parece el patrón completo de la anomalía que predijo el modelo al patrón que realmente ocurrió, y otros miden qué tan bien calibradas están las probabilidades que entrega la predicción por conjuntos cuando anuncia, por ejemplo, una probabilidad de lluvia.

La inteligencia artificial aplicada a la meteorología ofrece, en los últimos años, una vía distinta para llegar a esa misma habilidad de predicción: varios modelos neuronales, entrenados por distintos laboratorios, logran una habilidad de predicción comparable a la de los modelos globales de predicción convencionales, pero en minutos de cálculo en lugar de horas. La diferencia de fondo está en cómo llegan a esa predicción: mientras el modelado numérico del tiempo resuelve explícitamente las ecuaciones primitivas atmosféricas paso a paso, estos modelos neuronales se entrenan sobre grandes volúmenes de datos de reanálisis y aprenden las ecuaciones del fluido atmosférico directamente de esos datos, sin resolverlas de forma explícita en cada predicción.

Para el plazo más corto de todos, de cero a dos horas hacia adelante, ni el modelado numérico del tiempo ni los modelos neuronales llegan a tiempo: el nowcasting resuelve ese plazo combinando la extrapolación de las imágenes más recientes de radar y de satélite con los modelos regionales de alta resolución, aprovechando que a una escala de minutos y de pocos kilómetros basta con seguir el movimiento de lo que ya está ocurriendo en el cielo. Así, desde la integración lenta y explícita de las ecuaciones primitivas atmosféricas hasta el aprendizaje directo de los modelos neuronales y la simple extrapolación del nowcasting, el modelado numérico del tiempo reúne distintos caminos que persiguen el mismo objetivo: convertir el estado presente de la atmósfera, capturado por el análisis, en la mejor predicción posible de su futuro.

ID:38