Inteligencia Artificial potencia la predicción del tiempo
Los usos de la inteligencia artificial (IA) son cada vez amplios. Ahora puede emplearse también para ayudar a predecir el tiempo, para lo que se han presentado dos métodos: uno de pronósticos a corto plazo y otro para patrones meteorológicos globales.
En dos artículos que publica Nature se exponen esos métodos de predicción meteorológica asistida por IA, que son tan precisos como los existentes o que abordan fenómenos meteorológicos hasta ahora intratables.
Uno de los métodos puede predecir patrones meteorológicos globales con hasta una semana de antelación, mientras que el otro puede hacer predicciones meteorológicas a corto plazo, incluidos fenómenos de precipitaciones extremas.
Antes de considerar si los nuevos enfoques podrían complementar o sustituir a los actuales sistemas de predicción, es necesario que la comunidad tradicional de predicción meteorológica realice una evaluación más profunda y se implique más en ella, señala Nature. El sistema de previsión más preciso, en la actualidad, es el método de predicción meteorológica numérica, que se basa principalmente en ecuaciones físicas, pero requiere mucha potencia de cálculo y suele ser lento para cada simulación. En los últimos años, algunos métodos basados en la IA han demostrado su potencial para acelerar considerablemente la predicción meteorológica, aunque su precisión suele ser inferior a la de los métodos numéricos de predicción meteorológica.
El primero de los estudios presenta un sistema de previsión meteorológica basado en IA llamado Pangu-Weather, que puede predecir el tiempo mundial con hasta una semana de antelación tras haber sido entrenado durante 39 años con datos meteorológicos mundiales.
El sistema produjo resultados de predicción con una precisión comparable a la del mejor sistema numérico de predicción meteorológica del mundo, el del Centro Europeo de Predicción Meteorológica a Medio Plazo, y fue 10 mil veces más rápido con la misma resolución espacial, dice la publicación.
Pangu-Weather también utilizó un modelo 3D para pronosticar a varios niveles de altura, proporcionando resultados más completos y detallados que sus predecesores de IA, como FourCastNet.
El segundo de los métodos, llamado NowcastNet, es un modelo que combina reglas físicas y aprendizaje profundo para la predicción inmediata de precipitaciones.
Este método permite la predicción meteorológica a muy corto plazo, hasta con seis horas de antelación, por lo que proporciona información detallada del tiempo actual y puede usarse en la prevención de riesgos y la gestión de crisis de precipitaciones extremas.
El sistema, que se basa en observaciones de radar de EEUU y China, predijo precipitaciones con alta resolución con hasta tres horas de antelación.
Los resultados demostraron su fortaleza en la previsión de índices de lluvia, en particular de fenómenos de precipitación extrema que antes se consideraban un reto.
