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

Cada vez que miras el tiempo en el móvil estás consultando una de las mayores proezas de cálculo de la humanidad: una simulación física de la atmósfera entera, rehecha varias veces al día. Esta es la historia de cómo funciona — y de por qué los distintos modelos 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 aparentemente absurdo: calcular el tiempo. No observarlo, no intuirlo por experiencia, como se hacía entonces — calcularlo, resolviendo a mano las ecuaciones físicas que gobiernan el aire. Eligió un día ya pasado, el 20 de mayo de 1910, del que existían observaciones excelentes, y dedicó meses a rellenar miles de casillas a lápiz para «predecir» cómo cambiaría la presión sobre Alemania en solo seis horas.

El resultado fue un fracaso glorioso: 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. El error no estaba en la física, sino en los datos de partida: contenían pequeños desequilibrios que el método amplificó sin piedad. Hoy sabemos filtrarlos; él no podía saberlo.

Y aun así Richardson había visto el futuro. En su libro de 1922 imaginó una «fábrica de pronósticos»: un teatro inmenso con 64.000 calculistas humanos, cada uno resolviendo las ecuaciones de un trocito del planeta, coordinados por un director de orquesta. Solo le faltaba una pieza: el ordenador. 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. Todo lo ocurrido desde entonces es esa carrera, ya ganada con holgura.

La atmósfera, troceada en celdas

Un modelo meteorológico moderno es la fábrica de Richardson con procesadores en vez de personas. Divide la atmósfera en una malla tridimensional: la Tierra se trocea en celdas — del orden de 10 a 25 kilómetros de lado en los modelos globales actuales — apiladas en decenas de niveles de altura, del suelo a la estratosfera. En cada celda, el programa resuelve las ecuaciones de la física de fluidos: cómo se mueve el aire, cómo se calienta y se enfría, cuánta agua transporta y cuándo condensa. Y avanza a saltos pequeños: del estado de todas las celdas en un instante deduce el estado en el instante siguiente, y así millones 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 casilla depende de sus vecinas, recalculada entera para cada minuto de tiempo simulado. Eso, y no una bola de cristal, es lo que produce tu pronóstico.

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: satélites, estaciones de superficie, globos sonda, boyas, radares y hasta los sensores de los aviones comerciales. Fundir todo eso en una foto coherente del estado inicial se llama asimilación de datos, y es una de las partes más sofisticadas y decisivas del sistema: las medidas no están donde el modelo las necesita, tienen errores, a veces se contradicen. Cada centro meteorológico resuelve ese rompecabezas a su manera — y por eso dos modelos ya discrepan antes de empezar a simular: no parten exactamente del mismo presente.

Las parametrizaciones: lo que no cabe en una celda

Hay procesos esenciales más pequeños que la celda. Una tormenta de verano puede medir cinco kilómetros; una celda global, veinte. La turbulencia, las gotas dentro de una nube, el efecto de un valle: el modelo no puede simularlos directamente, así que los aproxima con recetas estadísticas llamadas parametrizaciones — reglas del estilo «con esta humedad y esta inestabilidad en la celda, considera que se forman nubes convectivas y que descargan tanta lluvia». Es física de brocha gorda, cuidadosamente calibrada e inevitable. Y es la segunda gran fuente de discrepancia: cada centro escribe sus recetas de forma distinta, y ninguna es perfecta.

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

Con esto ya se puede responder la pregunta del título. 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 — y cada uno ha tomado decenas de decisiones técnicas diferentes: qué resolución de malla, cómo asimilar las observaciones, qué parametrizaciones, qué métodos numéricos. Hay además una especie nueva: AIFS, el modelo de inteligencia artificial del ECMWF, que no resuelve las ecuaciones paso a paso, sino que ha aprendido de décadas de atmósfera pasada — una arquitectura completamente distinta, que a veces ve cosas que los demás no ven, y viceversa.

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. Cuando nueve modelos independientes dicen casi lo mismo, puedes fiarte más; cuando se abren en abanico, la propia atmósfera está avisando de que ese día es genuinamente incierto.

Nueve opiniones, un pronóstico

En MeteoRanking trabajamos exactamente con esa idea. Consultamos los nueve modelos globales de arriba y los combinamos en un único pronóstico ponderado, dando más peso a los que más aciertan últimamente en tu ciudad — porque las manías de cada modelo cambian según el lugar y la estación. Y como ningún modelo (ni ninguna combinación de modelos) es infalible, cada día verificamos lo que dijeron contra lo que de verdad ocurrió, y publicamos el resultado, ganemos o perdamos. 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