La predicci¨®n del tiempo en el futuro: ?llover¨¢ dentro de 10 minutos justo encima de mi casa?

Ma?ana llover¨¢, decimos. La mayor¨ªa de las veces es as¨ª, porque la previsi¨®n meteorol¨®gica se maneja bien en franjas de 24 horas. Pero la meteorolog¨ªa actual no sabe responder a otra pregunta m¨¢s espec¨ªfica: ?va a llover cuando salga de casa en 15 minutos? La f¨ªsica no puede contestar, pero la inteligencia artificial est¨¢ aqu¨ª para ayudar.

Este avance se llama nowcasting, que es algo as¨ª como la "predicci¨®n inmediata del tiempo". La predicci¨®n actual m¨¢s r¨¢pida conlleva al menos seis horas de computaci¨®n y su ¨¢mbito espacial no baja de tres kil¨®metros, aunque suele ser mayor. As¨ª que la f¨ªsica, como mucho, puede profetizar por la ma?ana el tiempo que har¨¢ por la tarde.

Este avance se llama 'nowcasting', que es algo as¨ª como la "predicci¨®n inmediata del tiempo"

?C¨®mo supera la tecnolog¨ªa estos l¨ªmites de la f¨ªsica? Analiza millones fotos de nubes de un espacio concreto. Al observar c¨®mo han evolucionado en el pasado esas nubes, es capaz de predecir c¨®mo cambiar¨¢n las nubes actuales. Por tanto, en lugar de trabajar con un modelo que analiza la complejidad f¨ªsica de que llueva o no, que requiere un esfuerzo computacional que ning¨²n supercomputador actual puede acelerar, predicen c¨®mo ser¨¢ la imagen de un radar tras analizar millones de im¨¢genes anteriores.

Un modelo de machine learning aprende a acertar que un gato es un gato porque lo han alimentado con millones de fotos de gatos. La m¨¢quina ve p¨ªxeles que son con toda probabilidad un gato. Hace el mismo proceso con las nubes: millones de fotos de nubes hechas por radares permiten al modelo prever c¨®mo ser¨¢ m¨¢s probablemente la nube en los pr¨®ximos minutos, y as¨ª sucesivamente.

Google acaba de publicar un art¨ªculo cient¨ªfico sobre nowcasting de lluvia en Estados Unidos: "Exploramos la eficacia de tratar el nowcasting de precipitaciones como un problema de imagen a imagen", explican los investigadores de la compa?¨ªa. Analizan el territorio dividido en cuadr¨ªculas de un kil¨®metro y obtienen los resultados con una probabilidad de lluvia determinada minutos despu¨¦s de que se tomen las im¨¢genes por radar. El m¨¦todo es nuevo y no es infalible, pero no hay nada mejor por ahora para saber el comportamiento exacto de una tormenta. Adem¨¢s, este modelo sirve solo para lluvia, no prev¨¦ temperaturas ni otros fen¨®menos.

La f¨ªsica tradicional no est¨¢ en condiciones por ahora de despreciar esta ayuda

Cuando en una ciudad va a llover consistentemente durante tres d¨ªas seguidos, un modelo as¨ª es poco ¨²til. Pero los fen¨®menos clim¨¢ticos son cada vez m¨¢s extremos y capaces de crear crisis: saber en qu¨¦ zonas exactas de una ciudad va a llover a mares puede ser clave para evitar un desastre. "Conforme los patrones del tiempo se alteran con el cambio clim¨¢tico, y mientras crece la frecuencia de acontecimientos extremos, es cada vez m¨¢s importante proporcionar predicciones ¨²tiles con una resoluci¨®n alta espacial y temporal", dice el art¨ªculo de Google.

La f¨ªsica tradicional no est¨¢ en condiciones por ahora de despreciar esta ayuda: "Son un avance para la meteorolog¨ªa y sobre todo una soluci¨®n para episodios complicados y que necesitan una resoluci¨®n concreta y ajustada, como gotas fr¨ªas o tormentas de verano muy locales", dice Mar G¨®mez, doctora en ciencias f¨ªsicas y responsable de meteorolog¨ªa de eltiempo.es.

Los sensores del sol

La predicci¨®n de la lluvia no es el ¨²nico campo donde trabaja el nowcasting. Tambi¨¦n, con fines distintos, en la radiaci¨®n solar. Con un m¨¦todo similar al de Google, pero con datos de radiaci¨®n en lugar de im¨¢genes de nubes, un equipo de cient¨ªficos espa?oles es capaz de predecir la radiaci¨®n solar inmediata mediante sensores: "Si queremos predecir valores futuros de radiaci¨®n de un sensor usamos valores pasados de ese mismo sensor y de otros a su alrededor", dice Alberto Torres Barr¨¢n, investigador postdoctoral en el Instituto de Ciencias Matem¨¢ticas (ICMAT).

Estos m¨¦todos se est¨¢n perfeccionando, pero ya pueden tener aplicaciones concretas. Una central solar, por ejemplo, necesita prever la cantidad de sol que recibir¨¢n sus espejos para acertar en su colocaci¨®n y capacidad de generar electricidad. Ahora esa labor se hace con c¨¢maras que hacen fotos al cielo: si viene una nube, prev¨¦n que la radiaci¨®n bajar¨¢. Pero las c¨¢maras son caras y menos eficaces que los sensores: "Un sensor detecta la radiaci¨®n en cada momento, da igual por qu¨¦ sube o baja, las c¨¢maras en cambio a veces no perciben nubes d¨¦biles o polvo", explica Torres.

Si en un futuro las azoteas de las casas tienen placas solares, un modelo as¨ª permitir¨¢ calibrar su capacidad

Adem¨¢s de las centrales, si en un futuro las azoteas de las casas tienen placas solares, un modelo as¨ª permitir¨¢ calibrar su capacidad. Las compa?¨ªas el¨¦ctricas sabr¨¢n con cu¨¢nta electricidad puede contar con cada grupo de placas. "Las centrales e¨®licas ya gastan mucho dinero en predecir cu¨¢nta electricidad generar¨¢n y, si luego no cumplen, las compa?¨ªas el¨¦ctricas pueden ponerles una multa", dice Torres. Cuando haya miles de placas en una ciudad, saber la radiaci¨®n que recibir¨¢ cada azotea en las pr¨®ximas horas ser¨¢ esencial para las el¨¦ctricas.

El nowcasting es un producto m¨¢s de la explosi¨®n del big data de hace unos cuatro o cinco a?os. El motivo de su irrupci¨®n es doble: uno, la progresiva disponibilidad de bases de datos, como im¨¢genes de radares, sat¨¦lites o valores de sensores. La investigaci¨®n original de Torres se hizo con datos abiertos de sensores del aeropuerto de Haw¨¢i. Y dos, por la creciente capacidad de computaci¨®n de los ordenadores. Todo eso permite que los modelos de machine learning vayan mejorando y sean capaces de producir resultados m¨¢s refinados.

La predicci¨®n no es a¨²n imbatible. Google no tiene a¨²n ning¨²n plazo para llevar su nowcasting de lluvias a una aplicaci¨®n para usuarios. Debe ajustarla y calcular comportamientos en otros lugares para que sea global y no en todo el mundo hay buenas fotos de sus nubes. Pero est¨¢ claro que la innovaci¨®n tiene fines espec¨ªficos hasta ahora inalcanzables.