Predicción meteorológica

Tras hacer un curso de meteorología en la AEMET, siento la necesidad de compartir todas las cosas interesantes que aprendí en el mismo. La meteorología resulta ser un área muy interesante y que nos afecta muy directamente y de la que, sin embargo, sabemos pocas cosas más allá de lo que nos dicen los señores del tiempo.

Debido a que el curso era de sólo 30 horas y con un horario muy apretado, no pudimos ver todo lo que nos hubiese gustado ni en la profundidad debida, pero haré un esfuerzo por explicarlo lo mejor posible. Empezaremos por la medición, que es más interesante de lo que parecería en un principio.

Medición y redes de datos

Antes de poder hacer ninguna predicción, de computar ningún modelo meteorológico ni de prepararse para la tormenta, hay que hacer algo fundamental: tomar datos. Todos hemos visto en algún momento de nuestra vida alguna estación meteorológica. Esencialmente, estas estaciones miden humedad, temperatura y presión, aunque pueden llevar más medidores como un anemómetro (velocidad del viento) y un pluviómetro, por ejemplo. Podemos decir que estas instalaciones suponen el primer paso y el más básico, a la hora de obtener información meteorológica.

Estación Meteorológica

Además de lo anterior, de forma muy regular se mandan los globos sonda. Son globos que llevan un aparato medidor de presión, temperatura y humedad y que ascienden hasta que el globo explota y el aparato cae a tierra. Hace muchos años había que recuperar la sonda en la que se almacenaban los datos, para lo que ésta llevaba una plaquita en la que aclaraba que pertenecía a la Agencia de Meteorología y que se recompensaría por devolverla. Obviamente, los datos no eran muy instantáneos en aquella época. Ahora mismo, sin embargo, la sonda emite radiofrecuencias de manera que se reciben los datos de forma inmediata y no es necesario recuperar la sonda.

Globo sonda para medición de ozono. Créditos: ambient@

Por otro lado, existe una red meteorológica marítima y aérea gracias a las estaciones meteorológicas instaladas en los barcos y aviones. De esta manera, se tienen datos de muchos lugares en medio de los océanos y mares que permiten conocer la dinámica de los vientos y de la atmósfera en medio del mar. Esto es importante, porque los modelos meteorológicos que veremos más adelante son a escala global, por lo que necesitamos medidas de todo el globo.

Por último tenemos las últimas tecnologías. En este caso, las imágenes por satélite. A pesar de lo que podríamos pensar, no hay una sola imagen de satélite, sino que éstos proporcionan varias imágenes de la mima zona cada vez, cada una con unas características dependientes de su canal. ¿Qué es esto de canales? Es una manera de designar los diferentes tipos de imágenes: canal visible con luz visible, obviamente; canales infrarrojos (hay varios, y cada uno ofrece informaciones complementarias según su sensibilidad); canal de vapor de agua, que ofrece una imagen en la que se ve la concentración del vapor de agua en la atmósfera (y da una información muy interesante sobre las capas altas) y canal de 3.9, que es un canal “mezcla” de vapor de agua y de visible (la ventaja de este último es su sensibilidad a las diferencias de temperatura).

Estaciones meteorológicas españolas. Créditos: AEMET

Uno podría pensar que con todas estas herramientas las mediciones y, por tanto, las predicciones, deben ser muy precisas. Pero esto no es cierto. Si nos fijamos, el tamaño de la superficie de La Tierra es bestial, y si añadimos a esto la altura (ya que la atmósfera tiene una dinámica que es importante a todos los niveles, no sólo en superficie). El resultado es que los datos iniciales con los que contamos para hacer las predicciones son, como poco, escasos. Cuando vemos los mapas donde se distribuyen los puntos de medición, parece que hay muchos. Sin embargo, cada punto en realidad está sobrerepresentado, es decir, en el mapa un punto puede ser, según la escala, de varios kilómetros de extensión, pero la estación meteorológica en concreto, apenas ocupa unos metros cuadrados. Por tanto, resulta que apenas tenemos detectores. Con esto es con lo que tienen que trabajar los predictores meteorológicos, y hay que reconocer que no lo hacen mal.

Modelos meteorológicos

Los modelos meteorológicos son, en realidad, modelos físico-matemáticos que utilizan las ecuaciones que describen la dinámica de la atmósfera y las ecuaciones que describen la termodinámica implicada (es decir, la forma en que se distribuye y se intercambia energía). Hay diferentes tipos de escalas en los modelos en función de la información que nos interesa: la escala global, que predice la dinámica atmosférica en todo el globo de forma que proporciona información de la circulación de grandes masas de aire y cómo afecta esto al resto; una vez conocidos estos datos, se utilizan para alimentar modelos de mesoescala, mucho más locales ya que se centran en zonas más pequeñas, por ejemplo Europa. En este caso, el movimiento de una gran masa de aire, o una tormenta tropical en el Atlántico, no nos interesa mientras no afecte directamente a nuestra zona. El objetivo es restringir la predicción a nuestra zona de interés con el fin de dedicar la potencia de cálculo de los ordenadores a realizar una predicción más fiable, dejando fuera aquellos fenómenos que no nos afectarán a corto plazo. Sin embargo, sí que se trabaja en primer lugar con una predicción global para saber qué fenómenos meteorológicos nos interesa incluir en el modelo local y cuáles no.

En cuanto a los modelos globales, hay varios tipos en función de las aproximaciones que realizan y cómo se obtienen los datos así como su calidad. Son agencias o empresas grandes las que tienen sistemas de ordenadores realizando los cálculos y, una vez obtenida la predicción, se pasan (en realidad, se venden, ya que las empresas que los realizan viven de eso) a los organismos y empresas de cada país para que ajusten la predicción para su zona en concreto. Estas empresas desarrollan los partes meteorológicos locales y por días que aparecen en la televisión, por ejemplo.

Para trabajar con los datos existen lo que se llaman rejillas. En esencia, se divide la zona que interesa en regiones de un tamaño determinado y a cada región o cuadrícula, se le asigna el valor de presión, temperatura, humedad, orografía… de la zona que ocupa. Una vez dividido todo el territorio de interés en esta cuadrícula y con los datos asignados (obtenidos por la red de medida de la que hemos hablado antes), se introducen en el modelo de predicción para que comience a calcular. El tamaño de la rejilla es muy importante: cuanto menor es la rejilla, mejor será la predicción ya que habrá más datos y tendremos mejores resultados; pero también necesitaremos mayor potencia de cálculo (mucho mayor) para computar el modelo, ya que habrá que trabajar con mucha información. Normalmente, los modelos locales usan rejillas más pequeñas (o sea, usan más datos) para que la predicción sea más precisa, y los modelos globales usan rejillas mayores ya que interesa más los procesos a gran escala en la atmósfera.

Por último, el problema más importante de la predicción: sus ecuaciones. Resulta que las ecuaciones que gobiernan la forma de moverse y de intercambiar energía de las masas de aire, son ecuaciones en derivadas parciales no lineales. Un nombre que suena terrible y que es muy apropiado, ya que no sabemos calcular las soluciones exactas para estas ecuaciones, motivo por el cuál sólo se pueden calcular aproximaciones numéricas. Esto implica un buen número de ordenadores funcionando para apenas mejorar la solución de la ecuación en un par de decimales.

Atractor de Lorenz: una foto de la "bestia" llamada caos. Créditos: Wikipedia

Además de esta complicación, las ecuaciones llevan en sus entrañas algo que complica muchísimo el problema: son ecuaciones caóticas. ¿Esto que significa? Pues que a pequeñas variaciones de las condiciones iniciales se producen grandes fluctuaciones en las soluciones. Si en vez de introducir el valor de temperatura 25, introducimos 25,1 resulta que la solución puede ser totalmente diferente a medida que va pasando el tiempo.

Pongamos el problema en algo concreto: tenemos los datos medidos gracias a nuestra red de observación y los metemos en las ecuaciones para que los ordenadores computen una solución. Como tenemos errores de medida debido a la precisión de los aparatos, suponemos que nos equivocamos en las medidas en 0,1, por ejemplo. Así que, si la temperatura medida en una estación es de 25º como antes, por el error, la temperatura verdadera sería 24,9 o 25,1. Si hacemos la predicción a 3 días, es probable que el error no sea muy grande y si el modelo nos indica un proceso meteorológico, muy probablemente ocurra. Las predicciones a 3 días suelen estar bastante bien.

Pero si con esos mismos datos hacemos la predicción a una semana, esa pequeña diferencia en los datos que le hemos metido al modelo, harán que obtengamos cosas que no van a ocurrir. Y así empeora según aumentamos el tiempo de predicción. Ante este problema no hay mucho que podamos hacer. La única solución es intentar mejorar las mediciones por un lado, aunque no se mejore demasiado el resultado, y por otro, mejorar la capacidad de cálculo de los ordenadores para poder computar varias veces el modelo y conseguir mejores predicciones.

Y esto último, ¿en qué consiste? En que se introducen los datos en un ordenador para que corra el modelo mientras que, al mismo tiempo, se introducen los mismos datos, pero con ciertas variaciones de los parámetros en otros ordenadores para que lo corran en paralelo. De esta manera, eligiendo adecuadamente los puntos donde se van a introducir las variaciones de los datos, obtendremos varios resultados parecidos, pero con diferencias producidas por los cambios que hemos introducido. Comparando entre las diferentes predicciones, se obtienen soluciones más significativas. Por poner un ejemplo, sabiendo que se ponen en marcha 50 predicciones con variaciones en los datos, si 40 de ellos predicen una tormenta tropical, es muy probable que así ocurra.

La pregunta que surge es: ¿por qué sólo introducen variaciones en 50 puntos concretos del globo? ¿acaso no es mejor introducir más, para tener más cantidad de datos? La respuesta resulta ser: no necesariamente. Debido a los problemas y dificultades para obtener resultados fiables que ya hemos comentado, tener muchos más resultados no implica mejor predicción. Esto es porque puede que llegásemos a tener 100 o 200 predicciones simultáneas y que no tuviésemos muchas coincidencias en los resultados. Esto es, que un 20% diesen precipitaciones en España, un 10% sólo nubosidad, un 25% tiempo despejado y las restantes variaciones de lo anterior. Resultaría que tener más resultados llevaría a más incertidumbre y confusión a la hora de interpretarlos. Además, y en esto no pudieron profundizar mucho por falta de tiempo, los puntos donde se introducen las variaciones no son arbitrarios, sino que son zonas donde se ha comprobado que cualquier error en la medición altera de forma más drástica el resultado obtenido. Así que 50 es, de momento, el número óptimo.

Conclusiones

La intención de escribir esta entrada no era hacer una explicación sobre la física de la atmósfera, como se puede comprobar. La intención que tenía era proporcionar unas pinceladas sobre el tema de la meteorología y la predicción, comentando las partes más interesantes del curso que pude disfrutar en la AEMET y conseguir, o al menos intentar generar la misma curiosidad e interés que me ha despertado a mí. Ya no sólo veo el tiempo como un señor que sale por la noche en la tele, sino como toda una serie de procesos, desde que se realiza la medición hasta que nos lo sirven masticado en el telediario, pasando por los modelos, los análisis de los predictores y mucho más.

Para acabar, recomiendo algunos enlaces donde se puede obtener información directa de los modelos para la zona de Península y parte de Francia, para aquél que esté interesado pueda trastear un rato. También en la página de la AEMET existen bastantes recursos para los que sientan suficiente interés como para dedicarle un rato. Merece la pena.

Enlaces:

Cazatormentas

Modelos del Tiempo

CEAM

Agencia Estatal de Meteorología

Víctor Hevia

Hablando de Ciencia