Mejora en la precisión de los pronósticos meteorológicos

• Los pronósticos meteorológicos pasaron de ser una comodidad cotidiana a convertirse en infraestructura de gestión de riesgos para responder a tormentas y olas de calor, así como para la agricultura, las redes eléctricas y el transporte aéreo y marítimo.
• La precisión ha mejorado mucho en las últimas décadas: el pronóstico a 4 días actual del Met Office es tan preciso como su pronóstico a 1 día de hace 30 años, y el error de trayectoria a 48 horas de los huracanes en EE. UU. bajó de 200–400 millas náuticas en la década de 1970 a unas 50 millas náuticas hoy.
• Redes de observación más densas, computadoras más rápidas, modelos numéricos de pronóstico más sofisticados y la distribución por smartphones y en línea elevaron tanto la calidad de los pronósticos como la velocidad con que se aprovechan.
• En los países de bajos ingresos la brecha es grande por la falta de equipos de observación y menor frecuencia de reportes; el pronóstico a 7 días de un país rico puede ser más preciso que el pronóstico a 1 día de algunos países de bajos ingresos.
• Incluso un pronóstico preciso tiene un efecto limitado si no llega a tiempo a las personas; los sistemas de alerta temprana y las tecnologías de IA, drones y móviles son clave para reducir la brecha de acceso.

---

Pronósticos meteorológicos más allá de la información cotidiana

• Los pronósticos meteorológicos van más allá de ayudar a preparar una parrillada o llevar paraguas: están directamente vinculados con la vida y el sustento.
• Avisar con anticipación sobre tormentas, olas de calor y desastres permite que las comunidades ganen tiempo para reducir daños.
• Los agricultores dependen de los pronósticos para decidir sobre siembra, riego, uso de fertilizantes y respuesta a plagas y enfermedades.
• Los operadores de redes eléctricas usan la información meteorológica para prever la demanda de calefacción y refrigeración, así como la generación eólica y solar.
• Para pilotos y marineros, es información esencial para mantener seguro el transporte aéreo y marítimo.

Una precisión de pronóstico que mejoró mucho durante décadas

• La predicción del tiempo se intenta desde hace mucho, pero el gran punto de inflexión llegó a partir de la década de 1960 con la adopción del modelado numérico basado en computadoras.
• El UK Met Office emitió en 1859 su primer pronóstico meteorológico para barcos y, dos años después, transmitió el primer pronóstico meteorológico para el público general.
• Hoy, el pronóstico a 4 días del Met Office es tan preciso como su pronóstico a 1 día de hace 30 años.
• Los datos de error de trayectoria de huracanes y ciclones del National Hurricane Center de EE. UU. también muestran una gran mejora.
  • En la década de 1970, el error de trayectoria del pronóstico a 48 horas era de 200–400 millas náuticas.
  • Hoy, el error de trayectoria del pronóstico a 48 horas ronda las 50 millas náuticas.
  • En las décadas de 1960 y 1970, el error del pronóstico a 72 horas superaba las 400 millas náuticas, pero hoy se redujo a menos de 80 millas.
• Al poder predecir con más precisión el punto de impacto de un huracán con 3 o 4 días de anticipación, las ciudades y comunidades pueden prepararse y también reducir evacuaciones innecesarias que antes se habrían implementado.

Mejora de los pronósticos de largo plazo en modelos globales

• El European Centre for Medium-Range Weather Forecasts crea modelos meteorológicos numéricos globales.
• Los servicios meteorológicos nacionales usan procesamiento de mayor resolución para los pronósticos regionales, pero los modelos globales son una entrada importante para esos sistemas.
• El análisis de errores del ECMWF compara las diferencias entre pronósticos realizados con 3, 5, 7 y 10 días de anticipación y el clima que efectivamente ocurrió.
• Como indicador de análisis se usa la altura geopotencial de 500 hPa, una métrica meteorológica relacionada con la presión atmosférica que influye en los patrones del tiempo.
• Los pronósticos a 3 días ya eran bastante precisos desde la década de 1980, y su precisión actual es de alrededor del 97%.
• La mejora es más marcada cuanto más largo es el horizonte del pronóstico.
  • A comienzos de la década de 2000, los pronósticos a 5 días alcanzaron un nivel “muy preciso”.
  • Los pronósticos a 7 días se están acercando actualmente a ese umbral.
  • Los pronósticos a 10 días aún no están al mismo nivel, pero siguen mejorando de forma constante.

Factores tecnológicos detrás de la mejora en precisión

• Los datos de observación empezaron a cubrir áreas más amplias con mayor resolución.
  • Se usan más y mejores datos satelitales.
  • Las estaciones terrestres cubren más zonas con mayor densidad.
  • También aumentó la precisión de los instrumentos de observación.
• Los modelos numéricos de pronóstico reciben estas observaciones como entrada para predecir el tiempo.
• La mejora en el rendimiento de las computadoras hizo posible calcular grillas más detalladas.
  • El Met Office antes modelaba el mundo con grillas de 90 km de ancho.
  • Hoy llega a grillas de 1.5 km.
  • A mayor resolución, la cantidad de cómputo necesaria también aumenta de forma considerable.
• También avanzaron los métodos para convertir observaciones en salidas de modelos, lo que permite captar con más detalle sistemas meteorológicos complejos en lugar de una visión simplificada del mundo.
• Los cambios en la distribución también aumentaron la utilidad práctica de los pronósticos.
  • Antes, la actualización llegaba una vez al día mediante el periódico.
  • Tras la expansión de la radio y la televisión, era posible recibir avisos varias veces al día.
  • Hoy, con internet y smartphones, se pueden ver actualizaciones minuto a minuto.

La brecha de pronósticos que persiste en países de bajos ingresos

• En Escocia se puede ver en segundos un pronóstico a 5 días bastante preciso desde una app de smartphone, pero no todos tienen acceso a información del mismo nivel.
• Según un artículo reciente de Manuel Linsenmeier y Jeffrey Shrader, el pronóstico a 7 días de un país rico puede ser más preciso que el pronóstico a 1 día de algunos países de bajos ingresos.
• En todos los niveles de ingreso, los pronósticos por país mejoraron con el tiempo, pero la brecha actual de calidad sigue siendo grande y casi similar a la de la década de 1980.
• El núcleo de la brecha está en la infraestructura de observación y la frecuencia de reporte.
  • Los países más pobres tienen muchos menos equipos de observación terrestre y radiosondas.
  • La frecuencia con que reportan datos meteorológicos también es mucho menor.
• También hay grandes diferencias en el gasto en información meteorológica y climática.
  • Los países de bajos ingresos gastan por persona entre 15 y 20 veces menos que los países de altos ingresos.
  • Sin embargo, si se considera el tamaño de la economía, los países de bajos ingresos destinan una mayor proporción de su PIB.

Pronósticos más urgentes para las personas más vulnerables

• El 60% de los trabajadores de países de bajos ingresos se dedica a la agricultura, un sector muy dependiente del clima.
• Muchos de ellos son pequeños agricultores y a menudo viven en pobreza extrema.
• Un pronóstico preciso ayuda directamente a las decisiones de los agricultores.
  • Permite identificar el mejor momento para sembrar cultivos.
  • Ayuda a anticipar cuándo se necesita más riego o cuándo hay mayor riesgo de que el fertilizante sea arrastrado por el agua.
  • Si reciben alertas de plagas y enfermedades, pueden proteger los cultivos cuando un ataque es inminente y reducir el uso de pesticidas cuando el riesgo es bajo.
• Mejorar el acceso a los pronósticos permite usar con más eficiencia recursos valiosos como agua, fertilizante y mano de obra.
• Un buen pronóstico meteorológico marca una diferencia especialmente grande para las personas más pobres del mundo.

La precisión del pronóstico por sí sola no basta

• Para prepararse ante ciclones, olas de calor, inundaciones y marejadas ciclónicas, además de precisión se necesita un sistema de distribución.
• Recibir pronósticos precisos con varios días de anticipación permite que ciudades y comunidades se preparen.
  • Pueden proteger viviendas.
  • Los servicios de emergencia pueden quedar en espera para apoyar la recuperación.
• Muchos de los desastres más mortales de las últimas décadas fueron predichos con precisión por adelantado, pero el punto de falla común fue una distribución deficiente.
• Un pronóstico adquiere valor cuando llega a las personas de una forma que les permite actuar de verdad.
• La World Meteorological Organization estima que alrededor de un tercio del mundo, principalmente los países más pobres, no cuenta con sistemas de alerta temprana.

El papel de la inversión y las nuevas tecnologías

• En algunas regiones se dan por sentados los buenos pronósticos y la distribución rápida, pero simplemente ofrecer eso a todas las personas ya podría marcar una gran diferencia.
• En un contexto en que el cambio climático aumenta el riesgo de desastres relacionados con el tiempo, mejores pronósticos son una herramienta importante de adaptación al cambio climático.
• Para reducir la brecha, son esenciales la inversión adecuada y el apoyo financiero.
• Las nuevas tecnologías pueden acelerar la mejora.
  • Un artículo reciente publicado en Nature señala que el sistema de IA Pangu-Weather puede realizar pronósticos tan precisos como los de las principales agencias meteorológicas, o incluso más, hasta 10,000 veces más rápido.
  • Pangu-Weather fue entrenado con 39 años de datos históricos.
  • Acelerar los pronósticos puede reducir los costos operativos y ofrecer mejores resultados también a países con presupuestos limitados.
• Las tecnologías más rápidas y eficientes pueden ayudar a cerrar los vacíos en regiones sin estaciones meteorológicas terrestres.
  • Los drones equipados con sensores pueden inspeccionar zonas específicas y crear mapas de mayor resolución.
  • Si se combinan métodos baratos y eficientes de generación de pronósticos con tecnología móvil, la información puede distribuirse rápidamente.
  • Algunas empresas ya envían mensajes a agricultores de países de bajos ingresos para aconsejarles cuándo sembrar cultivos.
• Estas innovaciones ayudan a crear países más resilientes al clima actual y también son esenciales en un mundo donde el tiempo podría volverse más extremo.

[GN⁺]

Opiniones de Hacker News

• Parece que qué tan bueno sea un pronóstico depende de qué modelo meteorológico se use. El clima del Apple Watch parece coincidir casi exactamente con GFS; GFS está bien para pronósticos de mediano plazo, pero no es tan útil para el corto plazo. Para uno o dos días adelante creo que NAM es mejor, y para unas horas adelante, HRRR
  También se pueden ver los datos sin procesar directamente, en vez de dejar que algún servicio agregador simplifique el clima: https://weather.cod.edu/forecast/
  Para eventos grandes, los briefings de medios del National Weather Service son buenos, pero a veces dejan de actualizarse temprano. Hace unas semanas había una alta probabilidad de mucha nieve en Nueva York, pero las actualizaciones se detuvieron alrededor de las 9 a. m., y el pronóstico decía que la nieve empezaría alrededor de la 1 p. m. Al mirar los modelos de corto plazo, la probabilidad de nieve estaba bajando, y en realidad casi no se acumuló. Mientras más cerca está el evento, más preciso se vuelve el pronóstico, así que si uno quiere puede ver más datos directamente en cualquier momento
  No sé si alguien ve a Skip Talbot, pero él estaba mirando el helicity swath de HRRR para unas horas adelante, encontró valores grandes, y la trayectoria donde HRRR predijo una rotación fuerte coincidió casi exactamente con la trayectoria de un tornado grande real

  • Un meteorólogo de TV local repasa cada mañana en su canal de YouTube HRRR, NAM, GFS, imágenes satelitales y más, y lo explica con mucho más detalle que en las noticias de TV. Es un buen punto medio cuando los datos sin procesar abruman
    https://www.youtube.com/@markfinanweather
  • Creo que la información accionable es más importante que qué modelo se use. La clave está en la precisión y la probabilidad
    Más que saber que mañana hay 50% de probabilidad de lluvia, importa tener información por hora, como que a las 9 a. m., cuando viajo al trabajo, la probabilidad de precipitación es de 10%, y al mediodía es de 90%. Si llueve, también hay que ver el viento y la temperatura, y esa información debería presentarse como un mosaico
    Para este propósito, siento que el pronóstico local por hora de NOAA no tiene rival: en https://www.weather.gov/okx/ se puede ingresar el código postal y entrar al pronóstico local por hora
    Ejemplo: https://forecast.weather.gov/MapClick.php?lat=33.797&lon=-11...
    Me gustaría que existiera una app para Android que diera este nivel de detalle y, de ser posible, que no escuchara a escondidas por el micrófono
  • Para el pronóstico del tiempo uso principalmente Windy. Permite comparar varios modelos y tiene distintos overlays, así que para usos relacionados con el clima resulta útil casi como una herramienta imprescindible
    https://windy.com
  • Lo de los pronósticos de Apple Weather me parece interesante y coincide bastante con mi experiencia. En especial, el pronóstico de corto plazo es excepcionalmente impreciso, al punto de que ya casi se volvió un chiste
  • Uso weather.gov de la misma manera. Al ver el pronóstico por hora de mi zona, se obtiene información muy detallada, útil y precisa
    Mi suegra siempre me cuenta el clima que preguntó en Google o vio en la TV, y por lo general está equivocado. La información no agregada es excelente y casi siempre más precisa que lo que informan otras fuentes

• Recomiendo The Weather Machine, de Andrew Blum. Es un libro que trata la historia de los pronósticos y lo que ocurre hoy detrás de escena
  El libro recorre antiguas estaciones meteorológicas, el lanzamiento de nuevos satélites, los esfuerzos de científicos por crear modelos atmosféricos en supercomputadoras y la historia de esos algoritmos; también aborda cómo entramos en una edad de oro de la meteorología, pero todavía no confiamos lo suficiente en esas herramientas ni podemos dar por garantizada la frágil cooperación internacional que hace posible el sistema meteorológico moderno
  https://www.andrewblum.net/the-weather-machine-2
  https://www.goodreads.com/en/book/show/42079139
  Para la historia muy temprana de la meteorología, también vale la pena ver The Invention of Clouds, sobre Luke Howard
  https://www.goodreads.com/book/show/1148768.The_Invention_of...
  https://en.wikipedia.org/wiki/Luke_Howard

• Según recuerdo de The Signal and The Noise, la gente tiende a sentir que el pronóstico fue malo si dijeron que la probabilidad de lluvia era menor al 50% y aun así llueve.
  Que llueva cuando dijeron que parecía que no iba a llover es molesto, pero un día despejado cuando dijeron que parecía que iba a llover es una sorpresa agradable. Así que, para que la gente juzgue un pronóstico como “bueno”, hay que ajustar la probabilidad de precipitación a niveles absurdamente altos, y el libro decía que los servicios de pronóstico para consumidores hacen eso.
  https://en.wikipedia.org/wiki/The_Signal_and_the_Noise

  • En Países Bajos se usa más el radar de lluvia en tiempo real que los pronósticos predictivos propiamente dichos. En zonas urbanas, la pregunta “¿va a llover?” suele ser una decisión de corto plazo, como si conviene volver a casa en bici ahora o esperar 30 minutos.
    En Países Bajos la lluvia suele ser muy localizada, así que aunque la probabilidad de precipitación de hoy sea del 100%, puede caer dispersa durante 1 o 2 horas del día y a veces llover muy fuerte para luego parar enseguida. Los errores solían darse cuando una nube de lluvia en movimiento se desviaba por muy poco debido a un cambio en el viento.
  • A veces me pregunto si la gente siente que los pronósticos son malos porque piensa algo como: “el pronóstico solo puede estar equivocado o acertar, así que el meteorólogo debería acertar al menos la mitad de las veces”.
    En realidad, hay incontables formas de que un pronóstico falle y solo unas pocas de que acierte.
  • Llegué a interpretar “50% de probabilidad de lluvia” como “va a llover durante el 50% del tiempo”. No sé si ese es el significado real, pero siento que encaja bastante bien.
    En general, creo que los pronósticos son sorprendentemente precisos. En el Medio Oeste, especialmente en el mercado de Chicago, el clima atraviesa grandes zonas de Estados Unidos o Canadá antes de llegar a nosotros, y quizá sea distinto en zonas costeras, donde hay más variabilidad y es más difícil predecir.
  • En Florida, apenas pasan 4 minutos desde que deja de llover y ya se siente como si empezara una sequía, así que no es tan agradable que el pronóstico de lluvia falle y termine siendo un día soleado. En el verano interminable, uno llega a desear días sin ese sol que provoca migrañas.
  • Curiosamente, Nate Silver estaba escribiendo sin querer sobre su propio futuro. El pronóstico final de 538 para 2016 estimaba la probabilidad de victoria de Trump en alrededor de 30%, y la gente todavía se burla de Silver diciendo que “se equivocó”.

• Si vives en una zona con huracanes frecuentes, como Florida, sabes que los pronósticos han mejorado muchísimo, pero también se siente que todavía hay mucho margen de mejora.
  No tengo ninguna afiliación, pero para ver qué pronóstico es el mejor en tu ciudad recomiendo https://www.forecastadvisor.com/. Al verlo, cambié por completo de proveedor del clima y ahora me parece que estoy mucho mejor.
  Si te interesa leer el clima sin pronósticos, o como complemento de ellos, también puede ser entretenido leer The Secret World of Weather: How to Read Signs in Every Cloud, Breeze, Hill, Street, Plant, Animal, and Dewdrop, de Gooley.

  • La recomendación de https://www.forecastadvisor.com/ es excelente, pero lamentablemente es solo para Estados Unidos. Antes usaba una app llamada Climendo, que afirmaba procesar más de 15 mil pronósticos para usar el más preciso en mi ciudad.
  • Me da pena que no parezca haber un servicio así a nivel internacional. Vivo en Japón y no tengo idea de qué fuentes son buenas o malas.
    Las apps locales toman datos de la Japan Meteorological Agency, Apple Weather también, y desde una actualización reciente Carrot Weather también lo hace. Pero Apple Weather y Carrot Weather siguen dando resultados diferentes.
    Cuando viajo fuera de Japón, estoy todavía más perdido, así que dejo la fuente de Carrot Weather como Apple Weather. Al menos, cuando es posible, toma datos de los servicios meteorológicos locales: https://developer.apple.com/weatherkit/data-source-attributi...

• Este artículo trata principalmente sobre pronósticos de largo plazo, pero también me ha impresionado la calidad y confiabilidad de las alertas de tormentas inminentes. Me han ayudado a evitar quedar empapado por una lluvia torrencial, o a detener el auto y descansar antes de que cayera un aguacero fuerte.
  No recibe mucha atención, pero como dice el artículo, el avance ha sido constante y significativo.
  Se menciona que las mejoras en los pronósticos para países de bajos ingresos están subestimadas, y me pregunto si hay estudios que hayan estimado qué impacto tendría un mejor pronóstico. Ayudar a la gente pobre mediante tecnología es un proyecto que podría interesar a muchos filántropos, y espero que sea más efectivo que cosas como gravity light.

  • Para alguien que maneja la mayor parte del verano en un Jeep sin techo, Dark Sky fue como descubrir otro mundo. Una noche, lejos de casa, sin techo ni puertas, llegué a encontrar en el radar una ruta entre dos bandas de tormentas eléctricas fuertes, incluso con alerta de tornado vigente.
    La tecnología moderna es asombrosa.

• Soy la persona que creó la API meteorológica open source open-meteo.com.
  Es muy probable que el futuro de los pronósticos del tiempo dependa en gran medida de modelos de IA. El artículo habla de Pangu Weather, y en los comentarios de HN también se mencionó GraphCast como ejemplo. Curiosamente, el 1 de marzo el European Centre for Medium-Range Weather Forecasts (ECMWF) publicó como datos abiertos su nuevo modelo meteorológico de IA, AIFS.
  Este modelo no solo es más preciso que los modelos numéricos existentes, sino que también requiere mucha menos potencia de cómputo para ejecutarse. ECMWF también publicó una comparación que muestra que AIFS supera a otros modelos en precisión de pronóstico: https://www.ecmwf.int/en/about/media-centre/aifs-blog/2024/f...

  • Richard Turner presentó a fines del año pasado una introducción a los pronósticos meteorológicos con IA en la Cambridge Philosophical Society. La grabación se puede ver aquí: https://www.youtube.com/watch?v=JGn18WH0d6s

• Lo que se menciona en el artículo es, en general, correcto. Mejores datos originales, computadoras más rápidas, grillas más pequeñas y mejores algoritmos de predicción, entre otras cosas, producen hoy información meteorológica mucho mejor en términos generales.
  Pero también significa que obtener mejores resultados para una persona requiere más esfuerzo. Hay que fijarse en cosas como qué algoritmo usa la app, si localiza hasta el nivel del barrio o la calle, con qué frecuencia se actualiza y si el GPS es preciso. Normalmente no pensamos en eso, pero con pequeños ajustes los resultados pueden mejorar mucho.

• Puede que los pronósticos hayan mejorado, pero una vez, mientras llovía bastante fuerte durante más de 30 minutos en toda la ciudad, la app del clima no reconocía que estaba lloviendo en ese momento y solo mostraba nublado. Todavía no entiendo cómo puede pasar algo así.

  • La distancia a un radar meteorológico cercano o a un aeropuerto con observaciones meteorológicas automáticas puede ser un factor. Estas predicciones dependen mucho de si la precipitación aparece en los sensores de detección.
    En Minnesota vi algo parecido: iba manejando en medio de una tormenta de nieve y en el radar no aparecía nada.
  • Depende de si decía que la probabilidad de lluvia era 0%, o si no se actualizaba a 100% aunque en la práctica te estuvieras mojando.
    Lo segundo es bastante común. Los modelos usan estimaciones probabilísticas en las que distintas condiciones iniciales producen resultados diferentes, y la cantidad de “resultados con lluvia” determina la probabilidad de precipitación, así que no necesariamente se actualizan con las condiciones observadas reales.
  • Probablemente faltaba cobertura de sensores o era un pronóstico viejo. Muchos servicios meteorológicos no emiten un nowcast que se actualice continuamente con las observaciones más recientes, sino un único pronóstico unas 4 veces al día, cuando sale la ejecución más reciente del modelo numérico.
    Aun así, entiendo esa frustración y ese cinismo. No es suficientemente bueno. Lo digo porque antes tuve un rol en el que producía ese tipo de pronósticos “siempre desactualizados”.
  • Según la fuente que se haya usado, quizá simplemente se interpoló sobre una grilla muy gruesa.

• En la preparatoria tomé meteorología, y el profesor nos hacía practicar predicciones todos los días; creo que sería especialmente útil para quienes les dan demasiado peso a sus propias anécdotas.
  Solo teníamos que predecir el clima del día siguiente y compararlo con el pronóstico publicado. Para la calificación importaba que hiciéramos el ejercicio de forma sistemática, no qué tan precisos fuéramos.
  Al hacerlo, uno termina valorando más la calidad de los pronósticos y se da cuenta de que eso de “los meteorólogos siempre se equivocan” no es cierto en absoluto. Muchas quejas vienen de la falta de rigor en la observación. Para refutar la precisión de un pronóstico meteorológico, o de cualquier otra predicción, hay que presentar evidencia sólida.

• Una vez escuché un podcast en el que entrevistaban a varios científicos del ECMWF (European Centre for Medium-Range Weather Forecasts).
  Creo que en ese episodio alguien dijo que “cada 10 años, los pronósticos mejoran un día”.
  Fue grabado en 2019, así que la IA no era un tema tan grande como ahora. Más aún si pensamos que Google presentó su modelo meteorológico de IA en noviembre del año pasado.
  https://omegataupodcast.net/326-weather-forecasting-at-the-e...
  https://deepmind.google/discover/blog/graphcast-ai-model-for...