29 junio 2023
Los modelos meteorológicos son simulaciones por computadora de la atmósfera para la investigación y el forecasting del tiempo.
Pronosticar el tiempo es difícil. Para realizar pronósticos precisos, los meteorólogos emplean datos meteorológicos actuales y pasados para predecir el estado futuro de la atmósfera y su impacto en los patrones climáticos. Pero ¿qué datos meteorológicos se necesitan para hacer un pronóstico preciso? Los meteorólogos recopilan observaciones meteorológicas sobre temperatura, presión atmosférica, humedad, precipitaciones, velocidad del viento y más, desde estaciones meteorológicas, satélites meteorológicos y globos meteorológicos de todo el mundo. A medida que estas condiciones meteorológicas cambian con el tiempo, esto da como resultado una enorme cantidad de datos.
Convertir estos datos en un pronóstico meteorológico preciso requiere modelar las interacciones entre miles o incluso millones de variables que están en un estado de flujo constante, un cálculo que, en matemáticas, se conoce como “ecuación diferencial hidrodinámica”. Estas ecuaciones matemáticas son tan complejas e involucran tantos datos que se ejecutan en supercomputadoras.
El forecasting del tiempo basado en estas ecuaciones se denomina predicción meteorológica numérica y los programas informáticos que las ejecutan se denominan modelos meteorológicos.
Las últimas novedades e insights sobre IA
Descubra insights y noticias de expertos sobre IA, la nube y mucho más en el boletín semanal Think.
Los modelos meteorológicos son simulaciones informáticas de la atmósfera.
La atmósfera de la Tierra es una capa de aire de aproximadamente sesenta millas de altura, en la que el aire, un fluido, se mueve de un lugar a otro como resultado de una compleja dinámica química, termodinámica y de fluidos. En teoría, estos flujos de aire se pueden calcular utilizando las leyes de la física y las matemáticas, si uno tiene suficientes datos, potencia de cálculo y una ecuación que pueda describir con precisión la interacción entre los diferentes elementos.
Estas son las tres partes integrales de cualquier modelo de forecasting del tiempo: datos meteorológicos, potencia de cálculo y una ecuación matemática que simula las interacciones de diferentes condiciones climáticas en la atmósfera.
Para que un programa informático proporcione resultados sobre el estado futuro de la atmósfera, primero necesita la entrada de datos meteorológicos actuales para la región que describirá el modelo. Generalmente, los modelos meteorológicos son de dos tipos: modelos locales, que se centran en una ubicación específica, y modelos globales, que tienen como objetivo proporcionar pronósticos precisos del tiempo en todo el planeta.
Ambos tipos de modelos utilizan un proceso similar; la diferencia es la escala. Las observaciones meteorológicas se realizan con estaciones meteorológicas, globos meteorológicos, boyas, radar, satélites meteorológicos y más, y se recopilan datos sobre precipitaciones y tormentas eléctricas, velocidad y dirección del viento, temperatura y presión del aire, y así sucesivamente. Estos datos iniciales, tomados de una instantánea del tiempo, se denominan las “condiciones iniciales” del modelo. Estos datos iniciales se actualizan periódicamente, en pasos regulares de tiempo recurrentes.
Los datos de estas condiciones iniciales se disponen en una cuadrícula, un conjunto tridimensional de puntos que cubren la región del modelo y se extienden hacia la atmósfera. Los puntos de la cuadrícula no son los puntos donde se realizaron las observaciones meteorológicas; más bien, son un conjunto de ubicaciones generadas por computadora, espacialmente equidistantes y que se ejecutan en direcciones horizontales y verticales. En cada punto de la cuadrícula, el programa informático ejecuta un modelo para generar un pronóstico numérico para esa ubicación, y el proceso se repite para cada punto de la cuadrícula hasta que se hayan realizado los cálculos para toda la cuadrícula.
A partir de estas condiciones iniciales, el modelo puede hacer pasos de tiempo incrementales para comenzar a predecir los flujos de la atmósfera y las condiciones climáticas que pueden resultar.
El número de puntos de cuadrícula y el espacio entre cada punto de cuadrícula afectan la precisión del modelo de proyección: un modelo con un alto número de puntos de cuadrícula también requiere "alta resolución" y mejora la precisión, pero las cuadrículas de alta resolución también requieren más potencia computacional.1
Incluso los modelos de pronóstico más simples hacen uso de ecuaciones matemáticas complicadas, y cuantos más datos utilice un modelo, más potencia de cálculo requiere. Los modelos de pronóstico más sofisticados y precisos del mundo, como el European Center for Medium-Range Weather Forecasts (ECMWF) o el High-Resolution Rapid Refresh (HRRR) utilizado por la NOAA, se ejecutan en supercomputadoras que pueden realizar 12 billones de cálculos por segundo.2 Pero los modelos meteorológicos más simples con menos puntos de datos necesitan menos potencia informática y no necesitan ejecutarse en supercomputadoras.3
El clima es lo que se conoce como un sistema caótico; involucra tantas variables interrelacionadas, pequeñas variaciones en las condiciones iniciales —digamos, la diferencia entre una velocidad del viento medida a 4 mph versus 4.2 mph—pueden multiplicarse rápidamente y tener grandes efectos en el resto del sistema, haciendo que sus comportamientos sean difíciles de predecir a lo largo del tiempo.
Debido al número de variables y desconocidos involucrados en un sistema meteorológico, los meteorólogos a menudo dependen de lo que se denomina "pronóstico conjunto". En las previsiones de conjunto, se realizan múltiples ejecuciones del modelo, cada una con parámetros diferentes, para tener en cuenta las incertidumbres. El conjunto completo de estos pronósticos se puede utilizar para modelar la gama de posibles estados futuros de la atmósfera y proporcionar un pronóstico probabilístico del clima futuro.4
Los meteorólogos emplean muchos modelos diferentes para el forecasting meteorológico, a menudo dependiendo de lo que esperan pronosticar exactamente. Un modelo local ejecutado en una región específica proporciona información muy diferente a un modelo global que se extiende por la Tierra. Cada modelo meteorológico implica decisiones sobre qué datos incluir, qué ecuaciones matemáticas crearán las mejores simulaciones de los fenómenos atmosféricos y cómo priorizar qué tipos de pronósticos son los más importantes.
Ningún modelo puede pronosticar cada evento meteorológico con alta precisión. En cambio, los meteorólogos toman decisiones sobre lo que quieren predecir y diseñan el modelo para tener una alta precisión para ese tipo de resultado. Un tipo de precisión puede producirse a expensas de otros tipos. Por ejemplo, los modelos están diseñados para tener una alta precisión para pronósticos de corto alcance (hasta 3 días antes), pronósticos de alcance medio (3-15 días antes) o pronósticos de largo alcance (de 10 días a 2 años antes), y cada tipo requiere diferentes opciones. Un meteorólogo que busque un pronóstico a corto plazo puede optar por utilizar un modelo de mesoescala, que incorpora datos meteorológicos recogidos en puntos situados a una altura de hasta 1000 km en la atmósfera, porque estos datos de mesoescala producen pronósticos a corto plazo más precisos. Para obtener un pronóstico de largo alcance más confiable, un meteorólogo podría preferir un modelo que no es de mesoescala que excluya las observaciones meteorológicas de la atmósfera de alta altitud.
Los meteorólogos siempre buscan mejorar los modelos meteorológicos existentes y podrían crear nuevos modelos informáticos para la investigación y forecasting del tiempo. Debido a que las ecuaciones matemáticas del modelo están destinadas a ser simulaciones de la atmósfera, los meteorólogos prueban y ajustan algoritmos para ver cuáles resultan en el forecasting meteorológico más preciso. Algunas de estas fórmulas son de código abierto y otras son propietarias.
Los dos modelos globales más conocidos son el modelo del Sistema de Pronóstico Global (GFS) del Servicio Meteorológico Nacional y el modelo del Centro Europeo de Pronóstico Meteorológico a Plazo Medio (ECMWF), conocido más comúnmente como Modelo Americano y Modelo Europeo.
El GFS se actualiza cuatro veces al día y pronostica hasta dieciséis días. El ECMWF se actualiza sólo dos veces al día y genera un pronóstico de 10 días, pero tiene una resolución más alta que el GFS e históricamente ha generado pronósticos más precisos.
Otro modelo de pronóstico muy conocido es el Modelo de Mesoescala de América del Norte (NAM), un modelo regional de corto alcance que cubre toda América del Norte y genera pronósticos con 61 horas de antelación. El NAM se basa en el modelo Weather Research and Forecasting (WRF), un modelo de previsión de código abierto que también impulsa dos modelos ampliamente utilizados por la Administración Nacional Oceánica y Atmosférica (NOAA): el modelo Rapid Refresh (RR o RAP) y el HRRR.
Hay otros modelos meteorológicos: el modelo del Centro Meteorológico Canadiense (CMC), el modelo de la Oficina Meteorológica del Reino Unido, el modelo del Servicio Meteorológico Alemán (DWD), el modelo de la Oficina Australiana de Meteorología (BoM) y muchos más. Cada modelo diferente está diseñado para realizar pronósticos precisos que se centran en cosas diferentes, incorporan datos diferentes y calculan con diferentes ecuaciones matemáticas para producir el mejor tipo de precisión deseada. Cada uno tiene sus propias fortalezas y sus propias limitaciones.