Así es la forma de obtener previsiones meteorológicas fiables a largo plazo | Ciencia

Así es la forma de obtener previsiones meteorológicas fiables a largo plazo |  Ciencia
Así es la forma de obtener previsiones meteorológicas fiables a largo plazo |  Ciencia
Efecto de una reciente inundación registrada en Budapest, en una imagen tomada este 28 de diciembre.Zoltan Balogh (EFE)

Las consecuencias de una previsión meteorológica eficiente son mucho más importantes que planificar nuestras vacaciones. Disponer de datos precisos durante un período de tiempo prolongado, más de tres días, que actualmente considero las estimaciones más fiables, permitirá salvar vidas y evitar pérdidas económicas, según un estudio publicado en Comunicaciones de la naturaleza cifra de 143.000 millones de dólares anuales (131.565 millones de euros). Gigantes tecnológicos como Google o IBM, en colaboración con la NASA e instituciones de la UE y otros continentes, han logrado los objetivos del plan de Naciones Unidas para mejorar los sistemas de alerta térmica y desarrollar herramientas que mejoren el avance de la inteligencia artificial con el fin de una predicción de cuento de hadas en el ámbito mediano y grande. Comprender el cielo es uno de los muchos secretos y tecnologías de nuestro tiempo.

Tormentas, inundaciones, tormentas, olas de calor, huracanes y otros fenómenos meteorológicos extremos afectan cada año a millones de kilómetros de costa que, en su mayoría (63%), corresponden a la evaluación de pérdidas humanas, según el estudio de Naturaleza dirigido por investigadores de Nueva Zelanda. Comprender estos eventos adversos y anticiparlos es fundamental y se ha convertido en un foco clave de la agenda tecnológica.

Google DeepMind, la empresa de inteligencia artificial del gigante tecnológico norteamericano, ha sido publicado en Ciencia un modelo de pronóstico del tiempo basado en aprendizaje automático para brindar pronósticos de 10 días «más rápidos y más accesibles que los temas existentes», según el estudio. El modelo denominado GraphCast superó a los sistemas tradicionales en el 90% de los casos probados.

Al comparar los modelos actuales de análisis de datos numéricos basados ​​en el uso de recursos computacionales costosos y complejos, GraphCast utiliza el aprendizaje automático aprendido de datos históricos para lograr una precisión inmediata de 10 días en menos de un minuto. «Creemos que esto marca un punto de inflexión en la predicción del tiempo», dicen los autores, dirigidos por el científico de DeepMind Remi Lam.

Una imagen de una aplicación de pronóstico del tiempo de IBM.IBM

En esta carrera también está IBM, en colaboración con la NASA, con una propuesta que incluye el aprendizaje automático a partir del modelo geoespacial fundamental de la empresa tecnológica (aprendizaje con un amplio espectro de datos sin etiquetar). Este enfoque le permite analizar millones de puntos de datos generales para realizar áreas distintas.

“Los modelos fundamentales de IA que utilizan datos geoespaciales (meteorológicos, sensoriales y satelitales) pueden cambiar las reglas del juego porque nos permiten comprender, prepararnos y abordar mejor los numerosos fenómenos relacionados con el clima que impactan la salud de nuestro planeta de una manera única. No hay ninguna velocidad”, explica Alessandro Curioni, vicepresidente de IBM para Europa y África y director del centro de investigación de la empresa en Zurich (Suiza).

El programa ya se ha utilizado para analizar el calor de las islas urbanas, reducir la intensidad del calor a tres grados centígrados y planificar una campaña de reforestación de árboles de 15.000 millones en Kenia durante los próximos diez años. También se ha estudiado con el Consejo de Instalación de Ciencia y Tecnología del Reino Unido (STFC), el impacto de las condiciones climáticas extremas en las operaciones e infraestructuras de la aviación, y con la restauración natural de las masas forestales que eviten inundaciones. Este ya cuenta con una experiencia piloto en Glasgow.

Según Kate Royse, directora del Centro Hartree del STFC, estos modelos “permiten tomar las decisiones más inteligentes y fundamentales para predecir y gestionar con precisión el riesgo de inundaciones, lo cual es crucial para la futura planificación urbana”.

Mapa del Centro Europeo de Pronósticos Meteorológicos en Medio Plazo.ECMWF

“Nos hemos enfrentado dramáticamente a los efectos acelerados del cambio climático. Necesitamos mitigar y prepararnos mejor para estos eventos. La IA podría ayudar con esto”, aconseja la publicación de investigación europea. Horizonte el profesor de la Universidad Politécnica de Milán Andrea Castelletti, experto en gestión de recursos naturales

Catelletti coincide con la atención de los gigantes de TI de que los modelos de predicción actuales son fundamentales en los algoritmos para analizar grandes cantidades de datos sin alcanzar una precisión óptima. “Todavía teneren debilidades”, admite Castelletti para afirmar: “La inteligencia artificial podría resolverlo”.

“Los modelos de sistemas climáticos no son muy buenos para determinados fenómenos meteorológicos extremos. Las calorías en Europa, por ejemplo, están aumentando mucho más rápido en el mundo real de lo que se espera que lo hagan nuestros modelos. Es importante predecir los extremos para que podamos tener alertas temporales”, coincide Dim Coumou, experto en climatología de la Universidad de Amsterdam (Países Bajos).

CLÍN, un proyecto de encuesta financiado por la UE en España, que combina inteligencia artificial con datos de la red europea de satélites Copernicus para mejorar la predicción climática. El Centro Europeo de Previsión Meteorológica en Medio Plazo, Al igual que IBM y Google, también está aplicando el aprendizaje automático en sus programas.

Otro proyecto europeo llamado XAIDA, y en el que también participa España, pretende comprender las causas subyacentes de los fenómenos meteorológicos extremos. “Se trata de entender la historia del cambio climático en los fenómenos que van desde las horas de calor hasta las secuelas y las lluvias extremas. Queremos conocer los factores determinantes”, explica Coumou.

Fenómenos adversos y raros.

Uno de los obstáculos para superar esta precisión es la información disponible para aprender la IA. Aunque la información parece haber existido durante décadas, es posible que no sea relevante para comprender los eventos más adversos. “Los acontecimientos extremos son, por definición, raros. Así que no siempre tienes muchas observaciones. Este es un gran obstáculo si se quieren utilizar métodos de inteligencia artificial”, explica Coumou.

En este sentido, el proyecto CLINT espera que sean los sistemas de IA quienes generen estos datos a partir de información histórica y que permitan el aprendizaje automático para mejorar las predicciones.

Algunas iniciativas se centran en fenómenos concretos para avanzar en plazos específicos. Este es el caso del laboratorio CRUCIAL de las universidades de Lancaster y Exeter, Reino Unido, que quieren determinar el número de huracanes en el Atlántico en 2024.

“Los cambios en las temperaturas del océano, impulsados ​​por el cambio climático, hacen que el registro histórico de huracanes ya no sea una buena guía para predecir el futuro de los huracanes”, comenta Kim Kaivanto, profesor de Economía y miembro de la iniciativa CRUCIAL.

Asimismo, investigadores del Instituto Coreano de Ingeniería Civil y Tecnología de la Construcción (KICT) han desarrollado un sistema para predecir inundaciones pendientes con una hora de antelación. Geon-Wook Hwang, investigador de este instituto, explica: “Una estimación, incluso si es precisa, no tiene ningún valor como información si no está suficientemente preparada para reducir significativamente las víctimas y los daños a la propiedad causados ​​por las inundaciones arrepentidas”.

Puedes seguir en ASUNTO es Facebook, X Y Instagramo escribe aquí para recibirlo nuestro boletín semanal.

Regístrate para seguir leyendo

lee sin limites

_


Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *