La inteligencia artificial predice d¨®nde y cu¨¢ndo va a caer un rayo

Con cuatro datos b¨¢sicos que recoge cualquier estaci¨®n meteorol¨®gica, un equipo de cient¨ªficos suizos es capaz de anticipar d¨®nde y cu¨¢ndo va a caer un rayo. Para ello desarrollaron un sistema de inteligencia artificial que aprendi¨® a hacer sus predicciones combinando esos cuatro par¨¢metros con el hist¨®rico de dos d¨¦cadas de descargas. Aunque a¨²n deben afinar la localizaci¨®n, la m¨¢quina puede predecir la mayor¨ªa de las centellas media hora antes de que caigan.

Los rayos son uno de los fen¨®menos m¨¢s complejos, m¨¢s estudiados y menos conocidos de la meteorolog¨ªa. En esencia se trata de descargas de una gran cantidad de energ¨ªa desde campos el¨¦ctricos generados durante las tormentas. Aunque en las zonas pobladas hace tiempo que dejaron de ser un problema, aun tienen un gran impacto en entornos naturales o para actividades espec¨ªficas como la navegaci¨®n a¨¦rea, instalaciones e¨®licas o la distribuci¨®n de energ¨ªa el¨¦ctrica. Hasta ahora, los sistemas de predicci¨®n de rayos se apoyaban en observaciones desde el sat¨¦lite, sistemas aerotransportados o en modelos apoyados en sensores que registran desde tierra la magnitud del campo electroest¨¢tico. Tecnolog¨ªas todas muy caras y no excesivamente certeras.

Ahora, un equipo de investigadores de universidades suizas y brit¨¢nicas han dise?ado un sistema de inteligencia artificial que solo necesita los par¨¢metros de cuatro datos que registra hasta la estaci¨®n meteorol¨®gica m¨¢s humilde: temperatura del aire a dos metros de altura, la velocidad del viento, la presi¨®n atmosf¨¦rica a la altura de la estaci¨®n y la humedad relativa del aire.

La presi¨®n atmosf¨¦rica, la humedad relativa, la temperatura y la velocidad del viento anticipan la ca¨ªda de un rayo

Para entrenar a la m¨¢quina, recopilaron todos los registros de 12 estaciones repartidas por Suiza desde 2006 junto a los rayos detectados en su entorno. Sobre esa ingente base de datos, elaboraron un algoritmo que buscara patrones de correlaci¨®n entre los cuatro par¨¢metros y la ca¨ªda de un rayo. Mediante aprendizaje de m¨¢quinas, su modelo fue conectando las variaciones en los cuatro par¨¢metros producidas cada 10 minutos con la incidencia inmensamente menor de las descargas el¨¦ctricas. As¨ª el sistema de inteligencia artificial aprendi¨® a anticipar d¨®nde y cu¨¢ndo caer¨ªa una nueva centella. Y lo probaron con dos de las estaciones que m¨¢s y mejores datos ten¨ªa.

"Consideramos tres rangos temporales de anticipaci¨®n: de 0 a 10 minutos, 10 a 20 minutos y 20 a 30 minutos. La probabilidad media de detecci¨®n entre las 12 estaciones fue respectivamente del 78%, 78% y 76%", comenta en un correo el investigador del laboratorio de compatibilidad electromagn¨¦tica de la Escuela Polit¨¦cnica Federal de Lausana (Suiza) y principal autor del ingenio, Amir Mosajabai.

El d¨®nde fue menos preciso. Dise?aron el sistema para que anticipara los rayos ca¨ªdos en un radio de 30 kil¨®metros alrededor de cada estaci¨®n. "Es cierto que, para algunos usos, la distancia es grande", reconoce Mosajabai, pero asegura que es solo por falta de m¨¢s informaci¨®n. "Los datos de los rayos con los que cont¨¢bamos eran los del rango de los tres kil¨®metros o los del rango de los 30 kil¨®metros" y no dispon¨ªan de registros de distancias intermedias.

Los autores del trabajo publicado en Climate and Atmospheric Science, compararon su sistema con tres de los modelos predictivos usados actualmente en dos de las estaciones que dispon¨ªan de sensores de campo electroest¨¢tico vertical con registros m¨¢s antiguos. Salvo contra uno de estos modelos y en la anticipaci¨®n de los 10 minutos, en el resto de combinaciones, el poder predictivo de su inteligencia artificial fue superior.

El sistema anticip¨® el 78% de las descargas 30 minutos antes de que se produjeran

"Hay que reconocer que el rendimiento parece realmente bueno (alto porcentaje de detecci¨®n, ratio de falsos positivos muy baja, menor del 10%), pero lo lograron en dos estaciones, una de un ¨¢rea monta?osa y otra de alta monta?a, respectivamente", comenta en un correo el investigador del Grupo de Investigaci¨®n de Rayos (LRG, por sus siglas en ingl¨¦s) de la Universitat Polit¨¨cnica de Catalunya, Oscar Van der Velde.?

Para que haya una tormenta el¨¦ctrica, Van der Velde recuerda que se necesitan tres cosas: "Un fuerte gradiente vertical de temperatura, suficiente vapor de agua y un mecanismo que haga subir el aire. En las monta?as, el tercer requisito lo cumplen muy bien los vientos que suben ladera arriba debido al calentamiento diurno solar. En las zonas alejadas de las monta?as, el rendimiento ser¨¢ probablemente menor, ya que es m¨¢s dif¨ªcil capturar el mecanismo de elevaci¨®n usando una ¨²nica estaci¨®n meteorol¨®gica".

Para Gl¨°ria Sol¨¤ de las Fuentes, cient¨ªfica de la empresa de localizaci¨®n de rayos de alta precisi¨®n Fulgura, "aun hay muchos misterios alrededor de ellos y el principal es d¨®nde caer¨¢n". En Fulgura, que tienen entre sus clientes a grandes empresas de infraestructuras, usan redes de sensores colocados en puntos elevados para capturar el n¨²mero de descargas, su corriente o potencia. Con esa informaci¨®n crean sus mapas de rayos. En cuanto al estudio, cree que sus resultados podr¨ªan ser de gran utilidad all¨ª donde no haya radares o sensores, como en las regiones tropicales, "donde no tienen estos sistemas de detecci¨®n pero s¨ª estaciones meteorol¨®gicas".

Puedes escribirnos a miguel@esmateria.com y seguir a Materia en Facebook, Twitter, Instagram o suscribirte aqu¨ª a nuestra newsletter.