El pronóstico meteorológico desempeña un papel vital en la protección de las personas y las economías ante fenómenos meteorológicos extremos. A nivel mundial, billones de dólares dependen anualmente de la precisión de los pronósticos.
Sólo en Estados Unidos, aproximadamente un tercio de la economía (o 3 billones de dólares) se ve afectada por el clima y las condiciones meteorológicas.
A medida que el cambio climático aumenta la incertidumbre, el papel de la inteligencia artificial (IA) en la mejora de las previsiones está ganando cada vez más atención.
Mecanismo de pronóstico tradicional
La previsión meteorológica moderna se basa en una serie de mediciones realizadas desde globos, satélites, aviones comerciales, barcos y muchos otros dispositivos de observación.
Los datos de estas fuentes se sincronizan mediante una técnica llamada “asimilación de datos” para crear la imagen más precisa del estado actual de la atmósfera.
El sistema funciona introduciendo datos en un modelo físico programado en una supercomputadora. La Tierra se divide en una cuadrícula tridimensional, cada una con ecuaciones que describen el movimiento del aire. El modelo calcula entonces los desarrollos futuros.
Los pronósticos se actualizan cada pocas horas para garantizar que los datos reflejen las condiciones atmosféricas más recientes. Sin embargo, incluso un pequeño error inicial puede generar grandes errores en el pronóstico, un fenómeno conocido como el efecto mariposa.
IA: Enfoques alternativos y complementarios
A partir de 2022, los modelos meteorológicos basados en IA serán más comunes. En lugar de basarse en ecuaciones físicas, los modelos de IA aprenden de datos históricos para reconocer patrones y realizar predicciones. Este proceso requiere menos recursos computacionales.
Empresas como Google DeepMind, Nvidia y organizaciones meteorológicas como el Centro Europeo de Pronósticos a Medio Plazo (CEPMPM) y la Administración Nacional Oceánica y Atmosférica de EE. UU. (NOAA) están desarrollando modelos de IA para la predicción meteorológica. GraphCast de DeepMind ha superado los métodos tradicionales en la predicción de la trayectoria de las tormentas en los océanos Pacífico y Atlántico para el período 2021-2024. Nvidia cuenta con CorrDiff, un modelo que utiliza IA para generar pronósticos detallados con un coste energético mucho menor.
Las ventajas de la IA en la previsión meteorológica
Se espera que la IA ayude a superar las limitaciones inherentes de los modelos tradicionales, especialmente en las tres áreas de pronóstico hiperlocal, pronóstico de lluvias tropicales y pronóstico a mediano plazo.
Con la predicción hiperlocal, fenómenos como tormentas eléctricas o tornados localizados son difíciles de simular con precisión con los modelos tradicionales debido a su baja resolución. La IA puede aumentar el detalle de las predicciones sin necesidad de costosas supercomputadoras.
Para el pronóstico de precipitaciones tropicales, las regiones ecuatoriales aún enfrentan dificultades para predecir las precipitaciones debido a la falta de equipos de observación y las características únicas de los sistemas pluviométricos. La IA ayuda a detectar patrones incluso con datos de entrada limitados.
Para la previsión a medio plazo (de 2 semanas a 3 meses), este período es crucial para los mercados agrícolas y energéticos, pero su modelización es deficiente. Investigaciones de la Universidad de Fudan (China) demuestran que la IA puede mejorar la previsión de la oscilación Madden-Julian, un fenómeno que afecta las precipitaciones y la temperatura semanas después.
Integración de la IA en la cadena de previsión
La IA no solo reemplaza los modelos, sino que también facilita muchas otras etapas del proceso de pronóstico. Por ejemplo, con la recopilación de datos, amplía el alcance de las observaciones, incluyendo factores no meteorológicos como la distribución urbana, el consumo energético y el comportamiento humano. El ECMWF utiliza la IA para pronosticar incendios forestales basándose en la actividad humana y las condiciones del combustible.
La IA también puede ayudar a procesar imágenes satelitales: el Observatorio de Hong Kong (China) utiliza visión artificial para analizar el radar de lluvia, prediciendo así la dirección y la velocidad del movimiento de las nubes.
Con el paso de posprocesamiento de datos, la IA ayuda a calcular resultados específicos de un pronóstico general, como cuánta electricidad producirá una turbina eólica.
Para mejorar los pronósticos tradicionales, la Oficina Meteorológica utiliza el aprendizaje automático para aumentar la precisión de los pronósticos y, al mismo tiempo, aumentar la utilidad para los usuarios finales.
Si bien la IA es muy prometedora, los expertos afirman que probablemente complementará, y no reemplazará, los modelos físicos tradicionales. Esto se debe a que la IA se basa en vastas reservas de datos históricos, muchos de los cuales se obtienen mediante observaciones físicas y modelado.
El desarrollo de la IA también debe garantizar la transparencia, los costos de uso razonables y la operatividad dentro del sistema nacional de pronóstico.
La IA será el nuevo eslabón en la cadena de tecnología de pronóstico, ayudando a aumentar la precisión, reducir costos y ampliar la capacidad de predecir el clima futuro.
En un entorno meteorológico cada vez más volátil debido al cambio climático, la combinación de IA y ciencia tradicional será clave para lograr sistemas de pronóstico más modernos, sostenibles e inclusivos.
(Según Bloomberg)
Fuente: https://vietnamnet.vn/vi-sao-ai-du-bao-thoi-tiet-chua-the-thay-the-phuong-phap-truyen-thong-2423878.html
![[Foto] El presidente de la Asamblea Nacional, Tran Thanh Man, visita a la heroica madre vietnamita Ta Thi Tran](https://vphoto.vietnam.vn/thumb/1200x675/vietnam/resource/IMAGE/2025/7/20/765c0bd057dd44ad83ab89fe0255b783)
Kommentar (0)