¿Qué es un modelo meteorológico (y por qué hay tantos)?

Cada vez que miras el tiempo en el móvil estás consultando el resultado de una de las mayores operaciones de cálculo que la humanidad realiza de forma rutinaria: una simulación física de la atmósfera entera, rehecha varias veces al día, en varios países a la vez. Esta es la historia de cómo funciona esa máquina — y de por qué las distintas versiones que existen de ella casi nunca dicen exactamente lo mismo.

El sueño de Richardson: predecir el tiempo a lápiz

Durante la Primera Guerra Mundial, entre turno y turno como conductor de ambulancias en el frente francés, el matemático cuáquero Lewis Fry Richardson se propuso algo que a sus contemporáneos les habría parecido una excentricidad: calcular el tiempo. No observarlo, no deducirlo de la experiencia y los refranes, que era como se hacía entonces. Calcularlo, resolviendo con lápiz y tablas de logaritmos las ecuaciones físicas que gobiernan el aire.

Eligió un día ya pasado, el 20 de mayo de 1910, porque de aquella jornada existía un conjunto de observaciones excepcional — fruto de una campaña internacional de sondeos cuyos datos había publicado el noruego Vilhelm Bjerknes, el hombre que acababa de convencer a la meteorología de que su futuro estaba en la física —. Con ese material, Richardson dedicó semanas de aritmética a rellenar a mano miles de casillas para «predecir» cómo cambiaría la presión sobre Alemania en apenas seis horas. Lo hizo, en buena parte, entre viaje y viaje de heridos. Él mismo contó después que el manuscrito se perdió durante un combate y reapareció meses más tarde bajo un montón de carbón.

El resultado fue un fracaso monumental: su cálculo daba una subida de presión de 145 hectopascales en seis horas — un cambio disparatado, imposible en la atmósfera real —, cuando el barómetro aquel día apenas se movió. Lo asombroso es que ni la física ni la aritmética estaban mal. El error estaba en el punto de partida: los datos iniciales contenían pequeños desequilibrios, inevitables al medir el mundo real, y las ecuaciones los convirtieron en una oscilación gigantesca que se comió el resultado. Hoy sabemos filtrar esos desequilibrios antes de arrancar; él no tenía forma de saberlo. Fue el primero en chocar contra el problema que sigue siendo el corazón de la predicción moderna: no cuesta tanto simular el futuro como saber de dónde se parte.

Y aun así Richardson había visto el futuro con una nitidez que todavía impresiona. En su libro de 1922 describió lo que haría falta para adelantar a la atmósfera: una «fábrica de pronósticos» con 64.000 calculistas humanos. La imaginó como un teatro esférico inmenso, con el mapa del mundo pintado en las paredes y en la cúpula; cada calculista, sentado en su grada, se ocupaba del trocito de planeta que le quedaba debajo; y en el centro, sobre un púlpito, un director coordinaba el conjunto proyectando un haz de luz rosada sobre las regiones que se adelantaban y uno azul sobre las que se retrasaban. Un detalle del vocabulario de la época lo dice todo: en inglés, computer designaba entonces a una persona, no a una máquina. Calcular era un oficio. Richardson había diseñado, sin saberlo y sin electricidad, un procesador en paralelo.

Nunca llegó a ver su fábrica en pie, y por decisión propia se apartó de la meteorología: cuando el servicio meteorológico británico pasó a depender del Ministerio del Aire, aquel cuáquero pacifista dimitió antes que trabajar bajo mando militar, y se cuenta que llegó a destruir investigación sin publicar sobre turbulencia al descubrir que interesaba a quienes estudiaban la guerra química. Pero vivió lo justo para ver llegar la máquina. En 1950, el ENIAC — una de las primeras computadoras electrónicas — produjo el primer pronóstico numérico real, y tardó aproximadamente un día en calcular el tiempo del día siguiente: empataba con la atmósfera. Le enviaron los resultados a Richardson, que los saludó como un enorme avance científico frente a su propio y solitario resultado equivocado. Murió tres años después. La fábrica que había imaginado existe hoy, funciona sin parar y se llama modelo. (La historia completa de ese camino, de los primeros avisos de temporal a los superordenadores, está en De FitzRoy al superordenador).

La atmósfera, troceada en celdas

Un modelo meteorológico moderno es la fábrica de Richardson con procesadores en vez de personas. La palabra misma lo explica: modelo viene del italiano modello y, más atrás, del latín modulus, «medida pequeña». Un modelo es literalmente una reducción a escala. Y eso es exactamente lo que hay que hacer con el aire para poder calcularlo: reducir un fluido continuo, sin costuras ni piezas, a una cuadrícula manejable.

Esa cuadrícula es la malla tridimensional. La Tierra se trocea en celdas — de unos nueve a unos veinticinco kilómetros de lado, según el modelo —, apiladas en decenas de niveles de altura, más de cien en los más finos, desde el suelo hasta muy por encima de la estratosfera. En cada celda, el programa resuelve las ecuaciones de la física de fluidos, las que imponen que la masa, el movimiento, la energía y el agua no se creen ni se destruyan por el camino. En la jerga se las llama ecuaciones primitivas, y conviene aclarar el adjetivo: «primitivas» no por rudimentarias, sino por primeras. Son el punto de partida del que sale todo lo demás.

El modelo avanza a saltos: del estado de todas las celdas en un instante deduce el estado unos minutos después, y repite la operación algunos miles de veces hasta llegar a diez días vista. Imagina una hoja de cálculo descomunal — cientos de millones de casillas — en la que el valor de cada una depende de sus vecinas, recalculada entera una y otra vez. Eso, y no una bola de cristal, es lo que produce tu pronóstico.

Conviene no perder de vista el tamaño real de lo que se simula. Si la Tierra fuera un globo terráqueo de treinta centímetros, toda la capa donde ocurre el tiempo — las nubes, las borrascas, los huracanes, los diez o doce primeros kilómetros de aire — sería una película de tres décimas de milímetro, el grosor de tres hojas de papel. Todo el drama meteorológico del planeta, todas las tormentas de todos los veranos de la historia, caben en ese barniz.

Afinar la cuadrícula es carísimo, y esa es la razón de que la resolución mejore a saltos de años y no de meses. Reducir a la mitad el lado de la celda multiplica por cuatro el número de celdas de cada nivel, y además obliga a acortar el paso de tiempo a la mitad, porque si el aire cruza una celda entera de un solo salto el cálculo se descontrola. En total, unas ocho veces más trabajo para ganar un factor dos de detalle. La atmósfera no negocia. Con la malla montada y la física escrita, a la fábrica solo le falta aquello con lo que Richardson tropezó: saber con precisión cómo está el aire ahora mismo.

La condición inicial: saber de dónde partes

Para simular el futuro hace falta el presente, y «el presente» de la atmósfera son millones de observaciones. La inmensa mayoría llegan de los satélites, que no miden temperaturas sino la radiación que sube desde cada capa de aire; el resto viene de estaciones de superficie, boyas fondeadas en mitad del océano, barcos mercantes, radares, globos sonda y los sensores de los aviones comerciales, que van midiendo viento y temperatura por donde pasan.

Hay en todo eso una coreografía global que casi nadie ve. Dos veces al día, a las 00:00 y a las 12:00 en tiempo universal — no a las doce de cada sitio, sino a la misma hora en todo el planeta a la vez —, desde alrededor de ochocientos puntos del mundo se sueltan globos que suben durante un par de horas hasta reventar en la estratosfera, midiendo mientras suben. Alguien tiene que estar allí para soltarlos. La foto de la atmósfera de la que sale tu pronóstico del sábado la toman, en parte, personas que en mitad de la noche salen a un descampado con un globo.

De lo mucho que importa esa red nos enteramos de golpe en 2020. Cuando la pandemia dejó los aviones en tierra, las observaciones que envían sus sensores se desplomaron, y los centros meteorológicos midieron un deterioro pequeño pero real en los pronósticos de viento y temperatura a corto plazo. El mundo se paró y el pronóstico lo notó. Pocas cosas ilustran mejor hasta qué punto esta infraestructura es invisible: solo se ve cuando falta.

Fundir todos esos datos en una foto coherente se llama asimilación de datos, y es una de las partes más sofisticadas y decisivas del sistema. No consiste en promediar observaciones, como suele imaginarse. Las medidas no están donde el modelo las necesita, tienen errores conocidos, se contradicen entre sí y dejan enormes desiertos sin cubrir sobre los océanos. Así que el sistema hace algo más astuto: parte del pronóstico a pocas horas que él mismo emitió en el ciclo anterior y lo corrige con las observaciones nuevas, negociando entre lo que la física esperaba y lo que los instrumentos ven. Detente un segundo en la consecuencia, porque es contraintuitiva y es cierta: el presente del que parte tu pronóstico es, en parte, un pronóstico. Los métodos más finos (el ECMWF usa desde finales de los noventa uno llamado 4D-Var) aprovechan además el instante exacto de cada medida, comparándola con la trayectoria que el modelo dibujaba a esa hora.

Cada centro meteorológico resuelve ese rompecabezas a su manera: elige qué observaciones acepta, cuánto se fía de cada una y cómo reparte las correcciones. Por eso dos modelos ya discrepan antes de empezar a simular: no parten exactamente del mismo presente. Y ninguno parte del presente verdadero, porque ese no lo conoce nadie; lo que tienen es la mejor estimación posible, con su margen de error. Aun suponiendo esa foto perfecta, quedaría un problema más: hay fenómenos decisivos demasiado pequeños para caber en una celda.

Las parametrizaciones: lo que no cabe en una celda

Una tormenta de verano puede medir cinco kilómetros; una celda global, veinte. Una gota de nube mide micras. Los remolinos que agitan el aire junto al suelo, la sombra de un valle, la turbulencia que sacude un avión: nada de eso cabe en la cuadrícula, y sin embargo todo eso decide si llueve, cuánto y cuándo.

La solución tiene nombre técnico y una etimología que la explica sola. Parametrización viene de parámetro, del griego pará («al lado de») y métron («medida»): una medida puesta al lado. Eso es justo lo que hace el modelo. Como no puede simular la tormenta, la mete en una receta estadística: «con esta humedad y esta inestabilidad en la celda, considera que se forman nubes convectivas y que descargan tanta lluvia». Hay recetas así para la convección, para la turbulencia, para la radiación, para las gotas dentro de una nube, para el frenazo que las montañas dan al viento. Es física de brocha gorda, pero no arbitraria: cada receta se calibra contra observaciones y contra simulaciones muy finas de casos concretos.

Donde más se nota es precisamente en la lluvia de verano. Al modelo global le cuesta acertar el momento de una tormenta convectiva, y tiende a repartir el agua de forma más suave y más temprana de lo que ocurre de verdad, porque su receta no puede reproducir el estallido súbito de una célula concreta. De ahí que los modelos regionales de malla kilométrica, que ya resuelven la tormenta directamente en vez de aproximarla, sean claramente mejores para eso — y que la lluvia siga siendo la variable más difícil de todas.

Las parametrizaciones son, además, la segunda gran fuente de discrepancia entre modelos, y quizá la más humana. Las escriben personas. Cada centro decide qué procesos merecen más detalle, qué aproximación prefiere y dónde ajustar cada constante, y esas decisiones acaban dando a cada modelo una especie de carácter: manías reconocibles, sesgos que los meteorólogos operativos aprenden con los años y corrigen de cabeza. La propia comunidad reconoce sin rodeos que el ajuste fino de un modelo tiene tanto de oficio como de teoría. Con esto ya se puede responder la pregunta del título.

Por qué hay tantos, y por qué no se ponen de acuerdo

Hay muchos modelos porque hay muchos centros. El europeo ECMWF, la NOAA estadounidense con su GFS, el alemán DWD con ICON, Météo-France, la Met Office británica (UKMO), el canadiense GEM, el japonés JMA, el chino CMA: cada uno ha tomado decenas de decisiones técnicas distintas sobre resolución de malla, asimilación, parametrizaciones y métodos numéricos, y cada decisión deja huella en el resultado.

Pero detrás de esa multiplicidad hay algo más interesante que la simple duplicación de esfuerzos. La atmósfera no reconoce fronteras: para saber qué tiempo hará pasado mañana en Madrid hay que saber qué está pasando hoy sobre el Atlántico Norte, sobre el Ártico y sobre Siberia. Ningún país puede predecir su propio tiempo solo con sus propios datos. Esa obligación física convirtió a la meteorología en una de las primeras ciencias verdaderamente internacionales: los servicios nacionales se coordinaron ya en 1873 en una organización común, hoy la Organización Meteorológica Mundial, agencia de la ONU desde 1950. Países que no se ponen de acuerdo en casi nada intercambian cada día sus observaciones, gratis y sin interrupción; siguieron haciéndolo durante la Guerra Fría. Merece la pena decirlo en voz alta: el pronóstico de tu ciudad depende de una de las cooperaciones internacionales más antiguas y más sólidas que existen.

A esa familia se ha sumado una especie nueva: AIFS, el modelo de inteligencia artificial del ECMWF, operativo desde 2025. No resuelve las ecuaciones paso a paso, sino que ha aprendido de décadas de atmósfera pasada a saltar directamente del estado de hoy al de mañana, y lo hace en minutos en vez de en horas de superordenador. Es una arquitectura completamente distinta, con virtudes y dudas propias: rinde muy bien en el conjunto, y todavía se le vigila de cerca en los casos extremos, porque un sistema entrenado así tiende a suavizar lo más afilado. Por eso a veces ve cosas que los demás no ven, y al revés. Lo contamos con detalle en La IA irrumpe en la predicción del tiempo.

Discrepan, en resumen, porque parten de fotos iniciales ligeramente distintas y las hacen evolucionar con aproximaciones distintas sobre mallas distintas. Y eso no es ningún escándalo: es la medida honesta de lo difícil que es el problema. De hecho, la discrepancia es información, y la meteorología lleva décadas explotándola a propósito. El ECMWF, por ejemplo, no se conforma con ejecutar su modelo una vez: lo lanza medio centenar de veces más, cada una con la foto inicial retocada dentro de su margen de error, para ver hacia dónde se abren los caminos. Cuando todas las versiones cuentan la misma historia, puedes fiarte; cuando se abren en abanico, la propia atmósfera está avisando de que ese día es genuinamente incierto. Lo mismo vale cuando el abanico lo forman nueve modelos construidos por nueve equipos distintos.

Nueve opiniones, un pronóstico

En 1906, en una feria de ganado de Plymouth, el estadístico británico Francis Galton se topó con un concurso popular: adivinar el peso de un buey. Galton desconfiaba profundamente del criterio de las multitudes y esperaba demostrar lo torpe que era la gente, así que se llevó las casi ochocientas papeletas y las analizó una por una. El valor central de todas aquellas respuestas se quedó a menos de un uno por ciento del peso real del animal. Ningún participante clavó la cifra; el conjunto de todos ellos, casi. Galton lo publicó en Nature, con la honradez de quien enseña el resultado que no esperaba.

Esa es, en esencia, la idea con la que trabajamos en MeteoRanking, pero conviene entender por qué funciona, porque no es magia: funciona cuando los errores de cada opinión son en parte independientes y se cancelan entre sí. Los modelos meteorológicos no son del todo independientes — beben de las mismas observaciones y comparten décadas de literatura científica —, así que la combinación gana menos de lo que ganaría con nueve opiniones ajenas por completo. Y hay una segunda corrección al experimento de Galton: no todas las papeletas merecen el mismo peso. Si sabes quién viene acertando, deberías escucharle más.

Eso es exactamente lo que hacemos. Consultamos los nueve modelos globales y los combinamos en un único pronóstico ponderado, dando más peso a los que más aciertan últimamente en tu ciudad, variable a variable y horizonte a horizonte, porque las manías de cada modelo cambian con el lugar y con la estación. Un modelo que va fino en la meseta puede ir torcido en la costa gallega.

Y como ningún modelo, ni ninguna combinación de modelos, es infalible, cada día comparamos lo que se dijo con lo que de verdad ocurrió y publicamos el resultado, ganemos o perdamos. Nuestro combinado no gana en todas las ciudades: cuando gana otro, lo decimos y enseñamos cuál. Además nos puntuamos fuera de muestra — el pronóstico de cada día se evalúa con los pesos calculados el día anterior, nunca con los de después —, porque corregir el examen conociendo las respuestas no demuestra nada. El método completo, con sus números, está en Cómo funciona; y si te has quedado con ganas de saber por qué ni el mejor modelo del mundo acierta siempre, sigue por ¿Por qué (a veces) fallan las predicciones?

← Todos los artículos