La predicción del clima es notoriamente difícil. Incluso los mejores modelos actuales no siempre son precisos a más de dos semanas de plazo debido a las variables atmosféricas y climáticas, que constituyen los fundamentos de la teoría del caos.
Un nuevo modelo meteorológico arrojó resultados prometedores al pronosticar el clima con hasta seis semanas de anticipación, algo que nunca antes se había logrado.
Los nuevos resultados publicados en Nature muestran un nuevo modelo de predicción meteorológica capaz de generar pronósticos fiables con hasta seis semanas de antelación. Incluso con los mejores y más fiables modelos actuales, los pronósticos no son precisos más allá de las dos semanas.
Teoría del caos y predicción
Los sistemas más predecibles del mundo aún pueden producir resultados completamente impredecibles, como lo demostró por primera vez el matemático del MIT Edward Lorenz en la década de 1970. Judah Cohen, climatólogo del MIT, afirmó: «Él ideó este límite teórico de dos semanas, más allá del cual simplemente no podemos predecir el clima porque el ruido en el sistema aumenta tanto que anula cualquier señal inicial».
Artículo relacionadoEllen Fetter y la mariposa de la teoría del caos
Esta ventana de dos semanas sigue siendo insuperable para muchos investigadores del clima, y se ha demostrado su veracidad durante casi 50 años. Los modelos de IA actuales parecen fallar al predecir con 2 a 6 semanas de anticipación, un rango conocido como pronóstico subestacional. A esto se le apoda el «desierto de la predictibilidad» porque este rango incluye fuerzas atmosféricas de movimiento lento y altamente variables como El Niño. Cuando entran en juego las fuerzas atmosféricas variables, el pronóstico se vuelve mucho más difícil.
“Nunca lo creí del todo. En teoría, la atmósfera puede crear un número infinito de patrones, pero tiende a repetirse una y otra vez en estos patrones favoritos”, dice Cohen sobre la teoría del caos.
Nuevo modelo de pronóstico
Cohen y su colega Lester Mackey han dedicado años a desarrollar un sistema de IA que minimiza los errores de predicción y aprende de ellos mediante el posprocesamiento. La IA mejora a través del posprocesamiento al comparar las imprecisiones con los datos históricos existentes.
Cohen y su equipo presentaron tres versiones de su modelo con el sistema de posprocesamiento del Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF). El ECMWF es reconocido como el mejor centro de predicción meteorológica del mundo. Estos modelos se basaron en promedios climáticos históricos. Esta es la primera vez que un grupo presenta un programa con capacidades de posprocesamiento.
Artículo relacionado¿Se ha vuelto más fácil predecir el tiempo? La integración de la computación cuántica y la IA mejora los modelos
Los resultados se publicaron en Nature. El posprocesamiento mediante IA superó con creces los modelos de pronóstico actuales. En el intervalo subestacional de 2 a 6 semanas, la precisión general de las predicciones se duplicó. Estos resultados y mejoras podrán ser de gran ayuda para agricultores y proveedores de energía, por ejemplo, quienes dependen en gran medida de los pronósticos subestacionales.
Cohen explica: «También mejora las predicciones de fenómenos meteorológicos extremos, ya sean inundaciones, olas de frío u otros. Es fundamental predecir ambos, pero los fenómenos extremos podrían ser los que tengan mayor impacto en la sociedad». Se espera que estos resultados conduzcan a mayores avances en este campo. «Se ha cuestionado si merece la pena invertir en modelos para este periodo de tiempo. [Pero] con nuestros modelos superamos sistemáticamente los promedios climatológicos», afirma Cohen.
Referencia de la noticia
Guan, H., Moutadid, S., Orenstein, P. et al.. (2026). Advancing subseasonal forecasting with machine learning.
