Para lo caótico y cambiante que es el clima terrestre, los pronósticos meteorológicos son increíblemente precisos. No es raro encontrar pronósticos de 10 días con un razonable nivel de exactitud. Pero aún queda mucho por hacer. Uno de los desafíos de los meteorólogos consiste en mejorar la "predicción inmediata" (nowcast): la capacidad de pronosticar el tiempo en las próximas seis horas para una resolución espacial de un kilómetro cuadrado o menos.

Esto resulta muy complicado en áreas donde la meteorología cambia rápidamente. Pero predecirla con exactitud resulta crucial dado que la actividad agrícola depende cada vez más de la predicción inmediata, y la seguridad de muchos eventos deportivos también. Además, existe el riesgo de que una lluvia fuerte provoque inundaciones repentinas, un problema cada vez más común debido al cambio climático y la urbanización. Eso tiene consecuencias para las infraestructuras, como la gestión de aguas residuales, y para la seguridad, ya que este tipo de inundaciones puede acabar con vidas humanas.

Así que a los meteorólogos les encantaría tener una mejor manera de hacer sus predicciones. Eso es justo lo que ha intentado hacer la investigadora de la Escuela Politécnica Federal de Lausana (EPFL, en Suiza) Blandine Bianchi y sus colegas. El equipo ha desarrollado un método que combina los datos meteorológicos de varias fuentes para producir predicciones inmediatas con mayor precisión. Su trabajo podría aumentar el potencial de este tipo de pronósticos para todos, desde agricultores y jardineros hasta los servicios de emergencia e ingenieros de alcantarillado.

El pronóstico actual está limitado por los datos y por la escala a la que se recopilan y procesan. Por ejemplo, los datos satelitales tienen una resolución espacial de entre 50 kilómetros y 100 kilómetros, lo que permite rastrear y pronosticar grandes celdas de nubes en una escala de tiempo de seis a nueve horas. En cambio, los datos de los radares se actualizan cada cinco minutos y tienen una resolución espacial de aproximadamente un kilómetro, lo que permite hacer predicciones de una a tres horas. Otra fuente de datos son los enlaces de microondas utilizados por las compañías de telecomunicaciones, que se degradan por la lluvia.

Claramente, los radares tienen un gran potencial para hacer predicciones inmediatas y, de hecho, los meteorólogos han dedicado importantes recursos para estudiarlo. El método más simple consiste en tomar una instantánea del patrón actual de lluvia con su velocidad y dirección, y traducir este patrón en el espacio. Este enfoque funciona a escalas de tiempo cortas y para una resolución de espacio de alrededor de cuatro kilómetros. Pero después pasados unos 40 minutos, cualquier posibilidad de pronóstico desaparece, afirman Bianchi y sus compañeros. Y con una resolución de espacio mayor a un kilómetro, la capacidad de pronóstico se reduce a menos de 15 minutos.

Una forma de mejorar estos pronósticos consiste en correlacionar las imágenes de radar con las mediciones de lluvia en el suelo. Esto proporciona una forma adicional de reducir el modelo meteorológico y mejorarlo. Y eso es básicamente lo que Bianchi y su equipo han hecho.

Los investigadores han combinado datos de 2019 recopilados de 14 pluviómetros, 14 enlaces de microondas y las mediciones de lluvia por radar de MeteoSwiss en el área de 20x20 kilómetros alrededor de Zúrich (Suiza). Luego, el equipo utilizó los datos de un período de tiempo específico para pronosticar precipitaciones en escalas de tiempo de hasta 30 minutos.

Como los datos son históricos, el equipo pudo comparar su pronóstico con la lluvia real para determinar su precisión. Y los resultados parecen prometedores.

Una hipótesis importante de la meteorología es que la atmósfera seguirá cambiando de la misma manera que lo hace ahora. Esto se denomina persistencia lagrangiana, y se encuentra con frecuencia. Bianchi y sus colegas explican que cuando esta suposición es correcta, sus predicciones inmediatas producen pronósticos precisos de más de 20 minutos en una escala de tan solo 500 metros. Es algo impresionante. Esta capacidad debería tener consecuencias importantes para la gestión en tiempo real de la evacuación de agua en los sistemas de alcantarillado urbano y en las actividades agrícolas.

Pero el supuesto de la persistencia lagrangiana no siempre funciona. A veces, la atmósfera experimenta cambios inesperados, como los calentamientos repentinos que causan las células convectivas. Y cuando esto sucede, la precisión de los pronósticos disminuye drásticamente. "En el caso de los eventos convectivos, el rendimiento del algoritmo nowcast disminuye rápidamente pasados 15 minutos, debido al rápido desarrollo y movimiento de las aguas pluviales", cuentan Bianchi y sus compañeros.

Así que eso impone algunos límites importantes a la capacidad del modelo. Sin embargo, incluso la posibilidad de definir la incertidumbre de un nowcast ya supone un paso importante, concluyen Bianchi y sus compañeros. Claramente hay más trabajo por hacer. Pero en algunas áreas, las previsiones precisas en una escala de cientos de metros es un objetivo que los meteorólogos tienen muy presente.

Ref: arxiv.org/abs/1810.11811: Rainfall Nowcasting By Combining Radars, Microwave Links And Rain Gauges