Una red neuronal mejora los pronósticos de tormentas severas

La red neuronal no solo predijo con mayor habilidad cuándo y dónde era más probable que ocurrieran tormentas severas, sino que también fue capaz de predecir mejor si el evento peligroso estaría dominado por vientos o por granizo.

Una red neuronal mejora los pronósticos de tormentas severas
Foto: Istock

El granizo, los tornados y los vientos intensos pueden convertirse en algunos de los principales peligros de una tormenta, ya que pueden causar daños graves, a lo que se le une un problema aún más importante: son difíciles de predecir con precisión para los distintos modelos meteorológicos existentes.

Sin embargo, gracias al trabajo llevado a cabo por el Centro Nacional de Investigación Atmosférica (NCAR), esta problemática podría haber llegado a su fin. Y es que los investigadores están usando inteligencia artificial para la ejecución de pronósticos experimentales mucho más efectivos y, sobre todo, bastante más precisos.

Se trataría de una red neuronal capaz de pronosticar los peligros meteorológicos por convección, brindando la probabilidad de tornados, granizos o vientos fuertes para un área en particular en un momento dado, cuyos datos se actualizan dos veces al día y, además, están disponibles de forma totalmente gratuita en línea.

Como parte de un experimento llevado a cabo en la Administración Nacional Oceánica y Atmosférica (NOAA), los científicos de NCAR empezaron a ejecutar estos pronósticos de investigación meteorológica en la primavera del pasado año (2020). Luego, tras la finalización de la temperatura de clima severo de primavera, a finales de junio, analizaron los pronósticos, y los compararon luego con técnicas más tradicionales utilizadas para pronosticar peligros asociados a las tormentas.

Los investigadores descubrieron que la red neuronal fue capaz de mejorar de forma significativa la precisión de los pronósticos basados en la salida del modelo tradicional, sobre todo en aquellas situaciones en las que dichos pronósticos tradicionales tendían a presentar un peor rendimiento, incluso para las tormentas nocturnas y para las partes oriental y occidental de Estados Unidos.

Según los expertos, “la red neuronal no solo predijo con mayor habilidad cuándo y dónde era más probable que ocurrieran tormentas severas, sino que también fue capaz de predecir mejor si el evento peligroso estaría dominado por vientos o por granizo”. Es más, el sistema permitió conseguir una mejora significativa en la mayoría de las situaciones.

Para que un determinado modelo meteorológico sea capaz de generar una tormenta eléctrica, es necesario que sea ejecutado a una resolución lo suficientemente elevada como para capturar los fenómenos atmosféricos a una escala fina, incluyendo las corrientes ascendentes y descendentes, que actúan impulsando la creación de la tormenta. Esto requiere, por lo general, la existencia de un espacio de 4 kilómetros, o menos, entre los puntos de la cuadrícula dentro del modelo, permitiendo que pueda ser capaz de simular la tormenta en sí, pero no puede producir muchos de los peligros asociados, como tornados y granizos, los cuales ocurren a escalas todavía más pequeñas.

Hasta ahora, los meteorólogos se basaban en resultados particulares existentes en los datos del modelo, o sustitutos, con la finalidad de determinar la probabilidad de que una determinada tormenta severa pudiera producir tales peligros.

Pero la red neuronal desarrollada puede absorber alrededor de 40 factores distintos, incluyendo la ubicación de la tormenta, el punto de rocío, el tiempo, la velocidad del viento, la presión de la superficie y, lo que es aún más destacable, la helicidad de la corriente ascendente.

Luego, la red neuronal usa patrones en la manera en que esos predictores se relacionan entre sí, después de que el sistema fuera entrenado con un gran conjunto de datos (concretamente, 500 pronósticos anteriores obtenidos del modelo de actualización rápida de alta resolución de la propia NOAA).

El éxito obtenido con esta herramienta sugiere que el aprendizaje automático podría llegar a convertirse en un elemento verdaderamente útil para los pronósticos operativos, ayudando positivamente a la hora de predecir mejor los peligros asociados con las tormentas de viento en línea recta o mejorar los pronósticos para aquellas regiones donde es menos probable que se formen supercélulas.

Vídeo de la semana

Continúa leyendo