Un equipo de científicos de Microsoft Research y del Instituto Tecnológico de Massachusetts (MIT) desarrolló una herramienta de inteligencia artificial (IA) que permite mejorar los pronósticos meteorológicos con una anticipación de entre dos y seis semanas, un período en el que los sistemas tradicionales suelen presentar importantes dificultades para ofrecer resultados fiables.
La investigación, publicada este miércoles en la revista científica Nature, demuestra que la nueva tecnología puede duplicar la precisión de las predicciones al corregir errores de los modelos meteorológicos existentes. El avance podría beneficiar a sectores como la agricultura, la producción energética y los organismos encargados de responder ante emergencias provocadas por fenómenos climáticos.
«Estas mejoras en la capacidad predictiva probabilística se traducen en una predicción más precisa de fenómenos extremos y tienen el potencial de mejorar la planificación agrícola, la gestión energética y la preparación ante desastres en comunidades vulnerables», explicaron los investigadores en el artículo científico.
La herramienta busca superar las limitaciones de los pronósticos superiores a dos semanas, considerados menos fiables que las previsiones de corto plazo.
Actualmente, los sistemas meteorológicos utilizan principalmente dos métodos para anticipar las condiciones del tiempo: los modelos dinámicos, que simulan mediante cálculos la evolución de la atmósfera y los océanos, y los modelos de inteligencia artificial, que identifican patrones a partir de registros meteorológicos históricos.
Aunque estos últimos mejoraron los resultados a corto plazo, su desempeño suele ser inferior al de los modelos dinámicos cuando se trata de períodos más prolongados.
En lugar de desarrollar otro sistema de predicción, los científicos diseñaron una tecnología denominada corrección probabilística de sesgos (PBC, por sus siglas en inglés), que utiliza el aprendizaje automático para identificar los errores recurrentes de los modelos existentes y ajustar sus resultados. «A medida que se dispone de más previsiones y datos, nuestro modelo mejora de forma adaptativa su corrección», explicó Judah Cohen, investigador del MIT.
El procedimiento permite incorporar cualquier modelo meteorológico como punto de partida y analizar sus patrones habituales de error mediante información histórica. Posteriormente, la herramienta realiza las correcciones necesarias para producir previsiones más precisas en el período subestacional, comprendido entre dos y seis semanas. Según Lester Mackey, de Microsoft Research, este mecanismo permite aprovechar los sistemas actuales sin necesidad de sustituirlos por completo.
Para comprobar su funcionamiento, los investigadores presentaron el año pasado tres modelos equipados con esta tecnología al Centro Europeo de Previsiones Meteorológicas a Plazo Medio (ECMWF), institución que organiza competencias periódicas para evaluar distintos sistemas de pronóstico. Una de las propuestas obtuvo el primer lugar al combinar el modelo europeo con otro sistema predictivo y aplicar posteriormente la corrección desarrollada mediante inteligencia artificial.
Los resultados mostraron que la herramienta PBC mejoró el rendimiento del modelo subestacional operativo del ECMWF en el 98 % de los casos de precipitación, el 92 % de temperatura y el 91 % de presión. Además, duplicó la precisión del sistema de predicción basado en inteligencia artificial del organismo europeo y consiguió mejoras estadísticamente significativas para anticipar fenómenos meteorológicos extremos. «Hasta ahora, nadie había sido capaz de demostrar que un modelo predijera el tiempo mejor que las medias a largo plazo para estas previsiones subestacionales», destacó Cohen.
El avance representa una nueva posibilidad para mejorar la planificación de actividades que dependen de las condiciones meteorológicas y fortalecer la preparación ante eventos climáticos adversos.
