¿Con cuánta antelación podemos predecir el tiempo?

En octubre de 1987, una feroz tormenta que alcanzó vientos de más de 100 km/h arrasó algunas zonas del sur de Inglaterra, cobrándose 18 vidas y arrancando de raíz unos 15 millones de árboles. Este fenómeno ha quedado grabado en la memoria colectiva de los británicos, en parte porque parece que los pronosticadores meteorológicos no lograron predecirlo hasta la noche anterior.

«En aquel momento, es probable que se confiara un poco demasiado en pronósticos meteorológicos individuales», explica Ted Shepherd, titular de una cátedra Grantham en Ciencias Climáticas en la Universidad de Reading (Reino Unido). «Hoy en día, los centros meteorológicos nunca se fiarían de un solo conjunto de pronósticos. Se dispone de una mayor conectividad y de un mejor intercambio de datos».

Los avances tecnológicos —como los datos recogidos por satélites, boyas y barcos, una informática y un aprendizaje automático más rápidos, una mejor comprensión de la dinámica y la física atmosféricas— han dado lugar a pronósticos más precisos. Sin embargo, Shepherd señala que el cambio de enfoque también ha resultado fundamental para revolucionar los pronósticos meteorológicos.

«Ahora, los pronósticos son un conjunto de datos que intentan capturar la incertidumbre», explica. «Esto significa que, si los datos de un solo sistema de pronóstico muestran la llegada de una tormenta, se puede presentar este fenómeno con posibles grandes repercusiones como poco probable. Se trata de una cuestión de comunicación».

Asimismo, Shepherd apunta que la práctica de bautizar las tormentas fomenta que las personas se tomen los fenómenos meteorológicos en serio. «Así pueden visualizar con facilidad estas tormentas», añade. «Cuando les explicamos por qué ocurren, están mucho más preparados para actuar».Entonces, si tenemos en cuenta estos avances metodológicos y tecnológicos, ¿con cuánta antelación podríamos predecir el tiempo? ¿Podremos pronto predecir con un grado de certeza que una tormenta de una magnitud específica ocurrirá en un lugar específico, con meses de antelación?

Shepherd dice que la respuesta a esta pregunta llegó hace probablemente más de cincuenta años. «Edward Lorenz, teórico del caos, escribió un famoso artículo en 1969 que estableció un límite superior teórico de 2 semanas para los pronósticos meteorológicos», explica. «Creo que esta estimación sigue siendo bastante acertada».

¿El motivo? El efecto mariposa: la idea conceptual de que el trayecto de un tornado podría verse influenciado por el aleteo lejano de una mariposa. Diferencias diminutas en las condiciones iniciales podrían dar lugar a resultados totalmente divergentes. Es por ello que los pronósticos son cada vez menos precisos cuánto más lejos avanzamos en el tiempo, y que la predicción precisa del clima con tanta antelación resultaría muy arriesgada.

Shepherd también señala que este tipo de pronósticos meteorológicos no serían particularmente útiles. «Desde un punto de vista clásico, la meteorología se refiere a lo que ocurre en un lugar determinado en un momento determinado», señala. «¿Lloverá mañana o es probable que llueva la semana que viene?». Cuanto más lejos observamos, menos precisa la información meteorológica, por lo general, necesita ser, es decir, ya es suficiente saber más o menos cuándo ocurrirá.

Este es el tipo de interrogantes que podrían afectar a la toma de decisiones. Cualquier otra información a más largo plazo haría que los pronósticos se parecieran más a las previsiones climáticas: identificar tendencias predominantes y cómo cambian de un año al otro. «Este punto en el que la meteorología se convierte en climatología es la verdadera vanguardia del ámbito», añade Shepherd. «Por ejemplo, el proyecto CausalBoost, financiado con fondos europeos, ocupa este espacio intermedio, ya que se centró en una escala temporal subestacional».

Marlene Kretschmer, investigadora titular de una beca Marie Skłodowska-Curie, junto con Shepherd y otros colegas de toda Europa, dirigió este proyecto, cuyo objetivo era reforzar los pronósticos de lluvias en la región mediterránea mediante técnicas de aprendizaje automático. Al analizar una serie de conjuntos de datos con algoritmos de aprendizaje automático, fueron capaces de entender mejor los factores causantes de las lluvias en el Mediterráneo. Esto podría ayudar a los agricultores a planificar las estaciones secas con antelación.

Haga clic aquí para obtener más información sobre la investigación de Kretschmer y Shepherd: Mejora de las predicciones de precipitaciones en el Mediterráneo.