Una nueva herramienta desarrollada en la Universidad de Hawai permitirá predecir los eventos climáticos de El Niño-Oscilación del Sur (ENSO) con hasta 18 meses de anticipación.
Los descubrimientos, que combinan conocimientos sobre la física del océano y la atmósfera con precisión predictiva, fueron publicados en la revista Nature. El Niño-Oscilación del Sur es un patrón climático que implica cambios en los parámetros meteorológicos del Pacífico ecuatorial cada ciertos años. Es una de las fuentes más significativas de variabilidad climática anual en todo el mundo.
"Hemos creado un nuevo modelo conceptual, denominado modelo de oscilador de recarga no lineal extendido (XRO), que mejora significativamente la capacidad de predicción de eventos ENSO con más de un año de anticipación, superando a los modelos climáticos globales y siendo comparable a los pronósticos de inteligencia artificial [IA] más competentes", mencionó en un comunicado Sen Zhao, autor principal del estudio e investigador asistente en el Departamento de Ciencias Atmosféricas de SOEST (Escuela de Ciencias y Tecnología Oceánicas y Terrestres).
"Nuestro modelo abarca de manera efectiva la física fundamental de ENSO y las interacciones de ENSO con otros patrones climáticos en los océanos globales que varían de una estación a otra".
Los científicos han estado trabajando durante décadas para mejorar las predicciones de ENSO debido a sus impactos ambientales y socioeconómicos globales. Los modelos de pronóstico tradicionales han tenido dificultades para predecir con éxito ENSO con plazos de entrega superiores a un año.
Baja confianza en modelos de IA
Los avances recientes en IA han ampliado estos límites, logrando predicciones precisas con hasta 16 a 18 meses de anticipación. Sin embargo, la naturaleza de "caja negra" de los modelos de IA ha dificultado la atribución de esta precisión a procesos físicos específicos. La incapacidad para explicar la fuente de la previsibilidad en los modelos de IA resulta en una baja confianza en la efectividad de estas predicciones para eventos futuros a medida que la Tierra continúa calentándose.
"En contraste con la naturaleza de ‘caja negra’ de los modelos de IA, nuestro modelo XRO proporciona una visión clara de los mecanismos del Pacífico ecuatorial y sus interacciones con otros patrones climáticos fuera del Pacífico tropical", mencionó Fei-Fei Jin, autor correspondiente y profesor de ciencias atmosféricas en SOEST. "Por primera vez, podemos cuantificar de manera concreta su impacto en la predictibilidad del ENSO, ampliando así nuestro entendimiento de la física del ENSO y sus fuentes de predictibilidad".
"Nuestros descubrimientos también señalan deficiencias en la última generación de modelos climáticos que resultan en su falla al prever con exactitud el ENSO", comentó Malte Stuecker, profesor adjunto de oceanografía en SOEST y coautor del estudio. "Para mejorar las predicciones del ENSO, los modelos climáticos deben captar de manera adecuada la física clave del ENSO y, además, diversos aspectos compuestos de otros patrones climáticos en los océanos globales".
"Diferentes fuentes de predictibilidad conducen a diversas evoluciones de eventos del ENSO", mencionó Philip Thompson, profesor asociado de oceanografía en SOEST y coautor del estudio. "Ahora podemos ofrecer predicciones eficientes y a largo plazo de esta 'diversidad del ENSO', lo cual es esencial dado que distintos tipos de ENSO tienen impactos muy diversos en el clima global y las comunidades individuales".
Fuente: Diario Libre
Somos EL TESTIGO. Una forma diferente de saber lo que está pasando. Somos noticias, realidades, y todo lo que ocurre entre ambos.
Todo lo vemos, por eso vinimos aquí para contarlo.
