¿Es fiable la previsión del tiempo?

En una entrada anterior analizamos de manera general la incertidumbre en la previsión del tiempo. En esta nueva entrada del blog queremos responder mediante un enfoque más técnico si las previsiones del tiempo son fiables o no. Para ello, es necesario entender varios conceptos, como escenario de previsión, el caos en la previsión atmosférica y la dispersión en la previsión del tiempo. La respuesta puede ser sorprendente en algunos casos. ¡Vamos allá!

La previsión del tiempo, una película atmosférica

La atmósfera es un sistema intrincado. Las ecuaciones matemáticas que gobiernan los movimientos y los intercambios de calor y energía no se pueden resolver a mano debido a su gran complejidad. Es por este motivo por el que se recurre a ordenadores potentes (superordenadores) para describir su estado actual y su evolución futura. Para realizar los cálculos numéricos del movimiento y energía atmosféricos, se divide la atmósfera en pequeños cubículos, de manera que dentro de cada cubículo se calculan las variables atmosféricas principales: velocidad y dirección del viento, presión atmosférica, temperatura y humedad.

https://twitter.com/scnycc/status/1502631338599489540

Los modelos de previsión numérica del tiempo consisten en algoritmos que resuelven numéricamente las ecuaciones de la física y la dinámica de la atmósfera. Los resultados de estos cálculos y procesado de datos finales, permiten obtener la evolución temporal de multitud de variables atmosféricas que son fundamentales para que los predictores del tiempo puedan analizar la situación que está por venir y tomar las decisiones adecuadas junto con los organismos correspondientes.

Cada variable atmosférica depende del espacio físico y del tiempo a futuro, de manera que los cálculos numéricos que realizan los modelos meteorológicos pueden verse como una serie de fotogramas que forman una película. Esta «película atmosférica» se se le suele denominar previsión meteorológica determinista de o escenario meteorológico único. En la siguiente animación, se muestra un ejemplo de «película atmosférica» desarrollada en Meteoclim. Se representa la animación de la temperatura prevista a 2 metros:

Animación de la previsión de temperatura a 2 metros. Modelo meteorológico WRF-Meteoclim implementado por nuestro equipo de meteorólogos y visualización a través de nuestra plataforma Smartweather.

La atmósfera es un sistema caótico por naturaleza. Esto significa que una ligerísima variación de las condiciones iniciales en las que se describen las variables atmosféricas altera en gran medida sus condiciones finales. El primero en descubrir la naturaleza caótica de la atmósfera fue Edward Lorenz en 1963 quien, para resaltar la gran diferencia de un escenario final cuando se alteran ligeramente sus condiciones iniciales, expuso una conferencia bajo el título Predictibilidad, ¿El aleteo de una mariposa en Brasil hace aparecer un tornado en Texas?

Caos de un sistema físico
Figura 1: El efecto mariposa descubierto por Edward Lorenz en 1963. Cuando se alteran ligeramente las condiciones iniciales de un determinado estado físico, éste evolucionará hasta otro estado físico muy diferente del inicial.

Predictibilidad y caos

¿Y qué es la predictibilidad? Si nos centramos en lo mencionado en el párrafo anterior, la predictibilidad es la cualidad de un sistema físico que evalúa cómo de predecible es. Una alta predictibilidad nos indica que existe un alto grado de confianza en las previsiones, mientras que una baja predictibilidad indica un bajo grado de confianza.

¿Y cómo se trata el caos y la predictibilidad hoy en día? La mejora de las capacidades de computación de los superordenadores como los del Centro Europeo de Predicción a Plazo Medio (ECMWF en inglés) permiten realizar las previsiones de las variables atmosféricas fundamentales (presión atmosférica, velocidad del viento, temperatura, humedad) con un mayor grado de precisión, eficiencia y descripción de la física y dinámica atmosféricas.

Además, las altas capacidades computacionales permiten en la actualidad variar ligeramente las condiciones iniciales en las que se realizan los cálculos para hacer evolucionar la atmósfera para obtener muchos escenarios o películas atmosféricas. Cada escenario previsto representa una posible evolución a futuro de la temperatura, humedad, viento,…conformando un conglomerado de previsiones que generan una previsión probabilista.

Incertidumbre en la previsión del tiempo
Figura 2: El estado del tiempo actual y el estado futuro. Trayectorias de una previsión por conjuntos. A la izquierda, la elipse representa la incertidumbre en el estado actual de la atmósfera y la elipse de la derecha muestra la incertidumbre final de la previsión, que es más grande que la inicial. Las líneas representan los diferentes escenarios de previsión. Fuente: https://www.researchgate.net/figure/Schematic-showing-uncertainty-captured-in-an-Ensemble-Weather-Forecast_fig1_291115693

La hipótesis principal de la previsión meteorológica probabilista se basa en el hecho de que no se puede conocer con exactitud el estado inicial de la atmósfera, de manera que a cada posible escenario inicial se le asocia una determinada probabilidad. Cada escenario evolucionará en el tiempo conformando en conjunto toda una serie de previsiones que tienen asociada una cierta probabilidad. De esta manera la previsión determinista o de un único escenario se transforma en una previsión probabilista o previsión por conjuntos (ensemble).

En la última actualización del sistema operativo de previsión meteorológica, El ECMWF ha pasado de calcular 51 escenarios meteorológicos a calcular 101 escenarios meteorológicos, todos igualmente probables (principio de equiprobabilidad), de manera que calcula 101 evoluciones de la atmósfera a futuro ¡para toda la Tierra! ¿Cómo manejar tal cantidad de información? Lo vemos en el siguiente apartado.

Dispersión en la previsión del tiempo

Simular la atmósfera a futuro 101 veces produce una cantidad de información abrumadora. ¿Cómo simplificarla? Una manera de hacerlo es a través de meteogramas, en los cuales se representa la temperatura prevista y precipitación. En la siguiente figura se muestra un ejemplo de meteograma previsto para la ciudad de Palma con 52 escenarios posibles (control, operacional y 50 perturbaciones). En las siguientes figuras se han utilizado los datos de previsión abiertos al público del ECMWF.

Diagrama spaguetti
Figura 3: Meteograma de líneas o diagrama spaguetti para Palma. En el eje izquierdo se representa la temperatura a unos 1500 metros de altura, y en el eje derecho, precipitación prevista. Cada línea representa un escenario de previsión. Diagrama elaborado por nuestro meteorólogo Iván Domínguez.

En la imagen anterior, cada línea representa un escenario de previsión. Se puede ver que al haber tantas líneas de previsión, ninguna de ellas es coincidente y hay líneas que difieren mucho entre ellas. Dicho en otras palabras: hay muchos escenarios meteorológicos que difieren entre sí. Ahora bien, ¿se puede saber cuánto difieren entre sí? Para ayudar a responder a esta pregunta, representemos el diagrama anterior de otra manera, agrupando las diferentes líneas o escenarios meteorológicos.

Diagrama de cuantiles
Figura 4: Meteograma de cuantiles para Palma. En el eje izquierdo se representa la temperatura a unos 1500 metros de altura, y en el eje derecho, precipitación prevista. Cada tono sombreado representa un porcentaje de líneas dentro de un determinado rango.

En la imagen anterior se representa el meteograma previsto para la ciudad de Palma. En él, se han agrupado los escenarios de temperatura y precipitación prevista de manera que cuanto menos difieren entre sí, más fuerte es el sombreado. Cuanto más difieren los escenarios, más débil es el sombreado. Una manera indirecta pero intuitiva de ver cuánto difieren entre sí los diferentes escenarios meteorológicos es observando el alcance de los diferentes tonos de sombreado.

Cuando los tonos de colores más oscuros ocupan un área pequeña del gráfico, menor es la diferencia entre escenarios o menor es la dispersión y por tanto mayor es la fiabilidad del pronóstico. En cambio, cuanta más área ocupa el sombreado de colores oscuros, mayor es la dispersión y menor es la fiabilidad.

Más escenarios…¿más fiabilidad?

¿Cuántas líneas o escenarios meteorológicos podemos llegar a representar? Si bien se están haciendo constantes mejoras en los modelos meteorológicos para reproducir mejor las condiciones del tiempo, lo cierto es que las capacidades de cálculo actuales de los superordenadores no permiten obtener tantos escenarios como nosotros queramos.

Un mayor número de escenarios ayuda a representar mejor la evolución de la atmósfera, con lo que si se aumenta el número de escenarios previstos es más probable que alguno de ellos tienda a la solución verdadera (se reduce el error). En los últimos años, la capacidad de los modelos para describir las condiciones atmosféricas generales previstas a 7 días ha aumentado del 60% al 80%.

Mejora de las previsiones meteorológicas
Figura 5: Diagrama de la evolución de la efectividad del modelo operacional determinista de alta resolución de ECMWF. La fiabilidad de las previsiones a diferentes rangos temporales se ha incrementado notablemente en los últimos 40 años.

Aunque las previsiones meteorológicas han mejorado sustancialmente, no debemos olvidar lo mencionado anteriormente. La atmósfera es un sistema caótico y por muchas representaciones que consigamos realizar, pueden existir grandes variaciones puntuales en las previsiones. Es aquí donde es necesaria la mano del predictor para evaluar de la manera más objetiva posible la previsión del tiempo, sobre todo en aquellas situaciones en las que la incertidumbre o dispersión en el pronóstico es muy elevada.

En conclusión, la atmósfera es un sistema complejo y caótico, cuya previsión tiene que hacerse de manera probabilista para poder manejar la incertidumbre en el pronóstico. Aunque es cierto que las previsiones son mucho más fiables ahora que en las últimas dos décadas, puede ocurrir que puntualmente la previsión sea muy compleja debido a la alta incertidumbre en el pronóstico, con lo cual se hace necesario un seguimiento de las previsiones y análisis por parte de la mano humana.

Referencias

  • Blog Meteoclim: la incertidumbre meteorológica
  • Perfil de twitter de Enrique Barrera, meteorólogo de AEMET
  • Smartweather de Meteoclim
  • El efecto mariposa (wikipedia)
  • Esquema de la incertidumbre en un modelo de previsión por conjuntos (ensemble) (Researchgate)
  • Centro Europeo de Predicción a Plazo Medio (ECMWF)
Compartir:

Entradas relacionadas

Deja tu comentario