La Universidad de Hawai desarrolla avance revolucionario en pronóstico climático
La Universidad de Hawai ha dado un paso significativo en la predicción de fenómenos climáticos al desarrollar una herramienta capaz de pronosticar los eventos de El Niño-Oscilación del Sur (ENSO) con hasta 18 meses de anticipación.
"Hemos creado un modelo conceptual innovador llamado modelo de oscilador de recarga no lineal extendido (XRO), que supera a los modelos climáticos globales en la predicción de eventos ENSO con más de un año de anticipación y es comparable a las mejores predicciones de inteligencia artificial [IA]," explican los autores del estudio.
Publicación y fundamentos científicos
Estos hallazgos, que combinan conocimientos avanzados sobre la física del océano y la atmósfera, se han publicado en la prestigiosa revista Nature y replicdo por Europa Press. El ENSO es un patrón climático que involucra la oscilación de parámetros meteorológicos en el Pacífico ecuatorial y es una de las mayores fuentes de variabilidad climática anual a nivel mundial.
Sen Zhao, autor principal del estudio e investigador en el Departamento de Ciencias Atmosféricas de SOEST (Escuela de Ciencias y Tecnología Oceánicas y Terrestres), afirmó: "Nuestro modelo incorpora de manera efectiva la física fundamental del ENSO y sus interacciones con otros patrones climáticos globales que varían estacionalmente."
Los científicos han estado trabajando durante décadas para mejorar las predicciones de ENSO debido a sus profundos impactos ambientales y socioeconómicos. Los modelos tradicionales han tenido dificultades para prever con éxito el ENSO con más de un año de anticipación.
Limitaciones de la IA en la predicción climática
Aunque los recientes avances en IA han permitido predicciones precisas con 16 a 18 meses de antelación, la naturaleza de "caja negra" de estos modelos ha impedido identificar los procesos físicos subyacentes responsables de dicha precisión. Esto genera desconfianza en la capacidad de estos modelos para predecir eventos futuros en un contexto de cambio climático.
Fei-Fei Jin, profesor de ciencias atmosféricas en SOEST y coautor del estudio, señaló: "A diferencia de los modelos de IA, nuestro modelo XRO ofrece una visión clara de los mecanismos del Pacífico ecuatorial y sus interacciones con otros patrones climáticos fuera del Pacífico tropical. Por primera vez, podemos cuantificar de manera robusta su impacto en la predictibilidad del ENSO."
Malte Stuecker, profesor adjunto de oceanografía en SOEST y coautor del estudio, agregó: "Nuestros hallazgos también identifican deficiencias en la última generación de modelos climáticos que dificultan la predicción precisa del ENSO. Para mejorar estas predicciones, es crucial que los modelos climáticos capturen adecuadamente la física fundamental del ENSO y varios aspectos de otros patrones climáticos globales."
Philip Thompson, profesor asociado de oceanografía en SOEST y coautor del estudio, concluyó: "Ahora podemos ofrecer predicciones detalladas y a largo plazo de la 'diversidad del ENSO', lo cual es vital dado que diferentes tipos de ENSO tienen impactos variados en el clima global y en las comunidades individuales."
