Si se anuncia que va a llover a la tarde, ¿usted sale con paraguas o no? Quizás debería. Las estadísticas indican que ocho de cada diez pronósticos de lluvia a 24 horas son acertados para la Ciudad Autónoma de Buenos Aires. Sin embargo, siempre hay un porcentaje de error. ¿Por qué el pronóstico del tiempo falla?

La atmósfera es uno de los sistemas naturales que responde a la Teoría del caos, y por lo tanto presenta límites intrínsecos a nuestra capacidad de anticipar su evolución. Por este motivo, al realizar predicciones meteorológicas es necesario hablar en términos de probabilidades y utilizar herramientas matemáticas y computacionales para cuantificar el margen de error, como son los pronósticos por ensambles.

Un pronóstico meteorológico consiste en predecir el estado futuro de la atmósfera. Para ello es necesario partir del estado actual de la misma, lo que se conoce como las “condiciones iniciales” del sistema. Dichas condiciones iniciales se obtienen de la medición de las variables meteorológicas (temperatura, presión, humedad, viento, etc), las cuales introducen un primer margen de error, ya que ninguna medición es exacta. Por otro lado, dado que no es posible tener datos en todos los puntos geográficos de una región, se realizan estimaciones en los lugares donde no se dispone de información, lo cual representa otra fuente de incerteza.

Naturaleza caótica

“¿El aleteo de una mariposa en Brasil hace aparecer un tornado en Texas?”. Esta pregunta fue el disparador que utilizó el matemático y meteorólogo estadounidense Edward Norton Lorenz para comunicar el concepto de la Teoría del caos en una reunión de la Asociación Americana para el Avance de la Ciencia en 1972.

Corría el año 1963 cuando Lorenz se encontraba realizando predicciones de la evolución de la atmósfera utilizando un sistema de ecuaciones muy simplificado de tan sólo tres variables. Observó que los cálculos realizados con su ordenador diferían notablemente al introducir valores redondeados en las condiciones iniciales. “El caos de repente se convirtió en algo para ser bienvenido y en los años siguientes me encontré volviéndome cada vez más hacia el caos como un fenómeno digno de ser estudiado por sí mismo”, declara el científico estadounidense en el prefacio de su libro La esencia del caos. 

Así surge formalmente la Teoría del caos, o como popularmente se conoce, el efecto mariposa: pequeñas diferencias en el estado inicial de la atmósfera pueden derivar en condiciones muy diferentes unos pocos días más tarde. Pero la idea en ese entonces no era nueva. Otros autores han expresado ese concepto en sus trabajos con anterioridad, incluso desde comienzos del siglo XX, aunque no fue demostrado hasta el experimento realizado por Lorenz.

La idea del “caos” no es propiedad única de la atmósfera y se extiende a otros sistemas naturales, a tal punto de ser inspiración de muchos autores literarios y directores de cine. En el cuento de ciencia ficción El ruido de un trueno, de Ray Bradbury, se representa el efecto mariposa utilizando el recurso de los viajes en el tiempo y revela cómo una pequeña modificación producida en el pasado genera grandes cambios en el futuro.

El efecto mariposa: pequeñas diferencias
en el estado inicial de la atmósfera pueden
derivar en condiciones muy diferentes unos
pocos días más tarde.

La naturaleza caótica de la atmósfera hace que los errores introducidos en el estado inicial se amplifiquen con el plazo de pronóstico. Es por esto que la teoría del caos impone límites en el plazo de tiempo en el cual se puede hacer una predicción meteorológica. El período temporal en el cual podemos prever el estado de la atmósfera (o de otros sistemas caóticos) es lo que se conoce como predictibilidad. 

El tiempo de anticipación con el que se pueden predecir eventos meteorológicos es variable. Muchas veces resultan de una combinación de fenómenos que tienen diferentes características. La predictibilidad depende del tipo de fenómeno y de su escala espacio-temporal. La ocurrencia de El Niño, que es un fenómeno global, puede ser pronosticada con hasta unos meses de anticipación. Por otra parte, el movimiento de ciclones y anticiclones puede anticiparse con cierta precisión hasta unos 10 o 15 días, mientras que una tormenta, al ser local, puede ser prevista con unas horas de antelación. 

Los procesos de la atmósfera están descritos por un sistema de ecuaciones físicas que no tiene solución matemática, motivo por el cual es necesario hacer una serie de simplificaciones y aproximaciones para poder resolverlo. Dicho de otro modo, es imposible modelar la evolución del tiempo meteorológico a la perfección.

Agentes de control

Para representar el comportamiento de la atmósfera se utilizan modelos numéricos. Estos son programas computacionales que resuelven un conjunto de ecuaciones que describen la evolución de sus propiedades esenciales. Para poder ejecutar la simulación en tiempos y costos aceptables se introducen simplificaciones, motivo por el cual no son exactos, explica Juan Ruiz, investigador del Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) y del Centro de Investigaciones del Mar y la Atmósfera (CIMA).

Estos programas parten de un diagnóstico de las condiciones meteorológicas iniciales que también contiene inexactitudes, y estos errores se amplifican con el correr del plazo de pronóstico. “Si el error que cometemos al estimar la condición inicial para la temperatura en una localidad es de 1 ºC, el pronóstico a 24 horas puede tener un error de 1,5 ºC y el de 48 horas un error de 2 ºC y así siguiendo”, ejemplifica Ruiz.

Pero, ¿se deben aceptar los errores de brazos cruzados?, ¿qué se puede hacer para que la información proveniente de un pronóstico numérico tenga mayor utilidad? Los pronósticos por ensambles brindan un conjunto de predicciones y permiten tener una medida del grado de incertidumbre.

“Esta herramienta contribuye a ofrecer una información más completa al usuario, donde podamos dar una idea del error asociado al pronóstico”,  afirma Yanina García Skabar, a cargo de la Dirección de productos de modelación ambiental y de sensores remotos del Servicio Meteorológico Nacional.

Un ensamble se compone de varios pronósticos numéricos, llamados “miembros”, cada uno partiendo de un estado inicial ligeramente diferente. Se utiliza un grupo de posibles condiciones iniciales, coherente con las observaciones disponibles, pero que abarca diferentes opciones físicamente razonables debido a la falta de observaciones en otros puntos. De esta manera, se tiene en cuenta el hecho de que no conocemos las condiciones iniciales en forma exacta. Como resultado se obtiene un conjunto de posibles evoluciones futuras de la atmósfera. El grado de dispersión (o diferencia) entre las distintas simulaciones es una medida de la incertidumbre.

Las condiciones iniciales no son la única fuente de incertidumbre. Los modelos numéricos en sí también presentan limitaciones a la hora de simular la física de la atmósfera. Es por esto que el ensamble de pronósticos contiene, además de diferencias en las condiciones iniciales de cada uno de los miembros, leves variaciones en las representaciones de los procesos físicos. Esto aumenta la posibilidad de que el evento por suceder sea capturado por alguno de los miembros del ensamble.  

Pronóstico de mejora

Otra de las ventajas de los pronósticos por ensambles es que permiten estimar la probabilidad de ocurrencia de diferentes eventos. Gracias a que se dispone de un conjunto de pronósticos, se puede analizar una gran variedad de escenarios posibles, cada uno con una probabilidad distinta. En las regiones donde la mayoría de los miembros indiquen que se puede producir un fenómeno, es donde habrá mayor probabilidad de ocurrencia del mismo. Esto tiene mucha utilidad, en especial, para la previsión de eventos de gran impacto para la población, como puede ser por ejemplo un pronóstico con alta probabilidad de persistencia de una ola de calor. 

Contar con una medida de la incertidumbre en los pronósticos permite tener más de un escenario posible de la evolución de la atmósfera. Esto se traduce en una mejora en la calidad de las predicciones, ya que 

“La incertidumbre es inherente a la previsión meteorológica, por eso la posibilidad de cuantificar es de por sí un valor agregado”, declara Ruiz.

La utilidad de conocer la incertidumbre de las predicciones depende de la aplicación. El pronóstico de un fenómeno meteorológico extremo con una baja probabilidad de ocurrencia (esto es, con una gran dispersión entre los miembros del ensamble) también puede ser de importancia según las necesidades particulares del usuario. Por ejemplo, en el contexto de la gestión de riesgo de desastres, al igual que en el sector hídrico, la mínima chance de que se produzca un evento extraordinario de precipitación puede poner en marcha la toma de ciertas acciones preventivas para salvar vidas y bienes. De esta manera, cobra mayor relevancia conocer un rango de posibles valores de precipitaciones en lugar de un único valor o del “valor más probable”.

Lidiar con la incertidumbre intrínseca de la atmósfera es tarea cotidiana. Ahora bien, ¿son los límites en la capacidad de predicción imbatibles? Tener la posibilidad de medir la dispersión y reducirla es un valor agregado que impacta positivamente en la calidad de las previsiones. Para ello, se necesita ampliar la capacidad de cómputo, y mejorar las condiciones iniciales y los modelos. Con más y mejores observaciones, al igual que recursos tecnológicos, es posible tener mejores pronósticos.

 

Fuentes consultadas:

• Yanina García Skabar, doctora en Ciencias de la Atmósfera; responsable de la Dirección de Productos de Modelación Ambiental y de Sensores Remotos del Servicio Meteorológico Nacional (SMN).

• Juan Ruiz, doctor en Ciencias de la Atmósfera e Investigador Adjunto del Consejo Nacional de Investigaciones Científicas y Técnicas y del Centro de Investigaciones del Mar y la Atmósfera (CONICET - CIMA).