Un sistema de IA duplica la precisión de los pronósticos meteorológicos hasta seis semanas antes, según un estudio en Nature

Investigadores del MIT, Harvard, la Universidad de Toronto, Microsoft, el Instituto Nacional de Matemática Pura y Aplicada de Brasil (IMPA) y el Centro Europeo de Previsiones Meteorológicas a Medio Plazo (ECMWF) publicaron un estudio en la revista Nature que muestra que una capa de postprocesamiento basada en aprendizaje automático puede duplicar la precisión de los pronósticos meteorológicos en el rango "subestacional" de 2 a 6 semanas, un período históricamente considerado demasiado lejano para pronósticos diarios confiables. El sistema actúa como un "envoltorio" (wrapper) que aprende a detectar y corregir errores sistemáticos en los modelos existentes, como el Sistema de Pronóstico con IA del ECMWF. Aplicado a ese sistema, mejoró la precisión en el 91 % de los objetivos de presión, el 92 % de los de temperatura y el 98 % de los de precipitación. De manera crucial, superó por primera vez en este rango los promedios climatológicos, incluso para eventos meteorológicos extremos, un umbral que los métodos tradicionales de corrección de sesgos nunca habían alcanzado. El modelo no requiere una supercomputadora y puede aplicarse a cualquier sistema de pronóstico. Los investigadores afirmaron que la mejora tiene importantes aplicaciones en el mundo real: mejores alertas con dos a seis semanas de antelación podrían ayudar a los operadores de redes eléctricas, a los agricultores y a los gestores de emergencias a prepararse para el clima severo. Como ejemplo, el equipo señaló que una advertencia adecuada podría haber ayudado a mitigar las tormentas invernales de Texas de 2021, que mataron al menos a 246 personas. Con esta técnica, el equipo obtuvo el primer lugar en la competencia internacional de pronóstico del ECMWF.