Reacción a "Un método de inteligencia artificial mejora las predicciones meteorológicas con hasta seis semanas de antelación"

Predecir el tiempo a escala subestacional (de dos a cuatro semanas), con modelos físicos tradicionales, es actualmente poco viable porque la imprecisión intrínseca de las observaciones degrada rápidamente los pronósticos con el paso de los días. El estudio liderado por Hannah Guan, publicado en Nature, presenta una nueva herramienta de posprocesado de datos (Probabilistic Bias Correction o PBC) basada en machine learning con la que mejoran significativamente las predicciones subestacionales.  

A escala global, el estudio logra duplicar la habilidad del sistema de predicción por inteligencia artificial (IA) y mejorarla en más de un 90 % en modelos físicos tradicionales. Sin embargo, cabe matizar que el impacto positivo se concentra sobre todo en la banda tropical, siendo todavía bastante limitado en Europa, por ejemplo. El estudio destaca que el método PBC también puede ayudar a mejorar la predicción de eventos extremos con más de dos semanas de antelación. Este es el objetivo principal de la predicción subestacional, anticipar con semanas de margen eventos como heladas, sequías o tormentas, ofreciendo al sector agrícola, energético y de emergencias el tiempo necesario para actuar.